Kvalitativna uspešnost je odprta metoda ocenjevanja. Je zbirka odgovorov, ki se uporabljajo za merjenje uspeha, zagotavljanje informacij in oblikovanje načinov za izboljšanje obravnavane teme. Tehnika se pogosto uporablja poleg njenega nasprotja – kvantitativne učinkovitosti, ki se meri s končno statistiko o predmetu. Kvalitativno delovanje je običajno namenjeno zagotavljanju podrobnosti in raznolikosti, ki jih ni mogoče najti z enotnimi skupinami dejstev.
Izdelava kvalitativnega pregleda uspešnosti razkrije različne odtenke pomena. Daje pomen statističnim informacijam. Pogled na uspešnost s kvalitativnega vidika lahko pogosto bolje razloži razloge za statistiko kot samo pregled podatkov. Rezultati kvalitativnega pregleda uspešnosti so običajno tudi bolj zapleteni in izčrpni. To je predvsem zato, ker je pri tovrstnem pristopu manj omejitev.
Uporaba kvalitativne metode lahko pomaga odkriti značilnosti predmeta, ki niso jasne ljudem, ki se z njim redno ukvarjajo. Glede na število udeležencev v pregledu lahko zagotovi celovit vpogled v temo ali pa preprosto poda nekaj novih vpogledov. Brez omejitev rigidnih vprašanj je večja verjetnost, da bodo v rezultatih nova odkritja. Po drugi strani pa lahko kvantitativni rezultati uspešnosti razkrijejo nova spoznanja le z vzorci statistike.
Eden najpogostejših načinov za začetek izvajanja kvalitativnega pregleda uspešnosti je zbiranje informacij z anketami, intervjuji in drugimi metodami neposrednega odziva. Podatki se lahko zbirajo enkrat ali pa se zbirajo skozi čas. Zaposleni lahko na primer vodijo dnevnike ali druge zapise o svojem napredku z namenom, da jih pozneje delijo za analitične namene. Odprta oblika kvalitativne metode lahko prinese koristna razodetja, lahko pa je tudi koristno imeti nekaj smernic, ki jim morajo slediti odzivniki. To lahko tudi olajša postopek kategorizacije in analize rezultatov.
Drug korak kvalitativne analize uspešnosti je pregled zbranih informacij. Za črpanje smisla iz rezultatov je značilno ustvarjanje kategorij. Raziskovalec se lahko loti projekta s kategorijami v mislih. Za naravo podatkov je pogosto bolj koristno, da lahko narekuje vsaj nekatere – če ne vse – vse kategorije.
Ko so informacije razvrščene po kategorijah, je mogoče narediti celovit pregled rezultatov. To lahko vključuje analizo tako podrobnosti kot celotne slike. Slednji razkriva vzorce, prvi pa pogosto pojasnjuje, kaj ti vzorci pomenijo.
SmartAsset.