Kvalitatīvais sniegums ir beztermiņa vērtēšanas metode. Tas ir atbilžu apkopojums, kas tiek izmantots, lai novērtētu panākumus, sniegtu informāciju un izstrādātu veidus, kā uzlabot attiecīgo tēmu. Metode bieži tiek izmantota kopā ar tās pretstatu – kvantitatīvo veiktspēju, kas tiek mērīta ar ierobežotu statistiku par tēmu. Kvalitatīvais sniegums parasti ir paredzēts, lai sniegtu detaļas un dažādību, ko nevar atrast ar vienotām faktu grupām.
Veicot kvalitatīvu veiktspējas pārskatu, tiek atklātas dažādas nozīmes nokrāsas. Tas piešķir nozīmi statistikas informācijai. Raugoties uz veiktspēju no kvalitatīvā viedokļa, statistikas iemeslus bieži var izskaidrot labāk nekā tikai datu apskate. Kvalitatīvā veiktspējas pārskata rezultāti parasti ir arī sarežģītāki un visaptverošāki. Tas galvenokārt ir tāpēc, ka šāda veida pieejai ir mazāk ierobežojumu.
Kvalitatīvas metodes izmantošana var palīdzēt atklāt subjekta īpašības, kas nav skaidras cilvēkiem, kuri ar to regulāri ir saistīti. Atkarībā no pārskatīšanas dalībnieku skaita tas var sniegt visaptverošu priekšstatu par tēmu vai vienkārši sniegt dažus jaunus ieskatus. Bez stingru jautājumu ierobežojumiem, visticamāk, rezultātos būs jauni atklājumi. No otras puses, kvantitatīvie darbības rezultāti var atklāt jaunus ieskatus tikai ar statistikas modeļiem.
Viens no visizplatītākajiem veidiem, kā sākt kvalitatīvu darbības rezultātu pārskatu, ir informācijas vākšana, izmantojot aptaujas, intervijas un citas tiešās atbildes metodes. Datus var ievākt vienu reizi vai apkopot laika gaitā. Piemēram, darbinieki var saglabāt žurnālus vai citus ierakstus par savu progresu, lai vēlāk tos kopīgotu analītiskiem nolūkiem. Kvalitatīvās metodes atvērtais formāts var sniegt noderīgas atklāsmes, taču var būt noderīgi arī sniegt dažas vadlīnijas, kas respondentiem jāievēro. Tas var arī atvieglot rezultātu klasificēšanas un analīzes procesu.
Vēl viens kvalitatīvās darbības analīzes solis ir savāktās informācijas pārskatīšana. Lai gūtu nozīmi no rezultātiem, ir raksturīgi veidot kategorijas. Pētnieks varētu iesaistīties projektā, paturot prātā kategorijas. Bieži vien ir noderīgāk, ja datu raksturs ļauj noteikt vismaz dažas — ja ne visas — visas kategorijas.
Pēc informācijas sakārtošanas kategorijās ir iespējams veikt visaptverošu rezultātu apskatu. Tas var ietvert gan detaļu, gan kopējā attēla analīzi. Pēdējais atklāj modeļus, un pirmais bieži izskaidro, ko šie modeļi nozīmē.
SmartAsset.