طراحی پژوهش

اجرای پژوهش

در فرایند پژوهش، زمانی که داده‌ها گردآوری شد باید آنها را پردازش کرد. هدف از پردازش داده‌ها که همان تجزیه و تحلیل آنها است، تغییر شکل داده‌ها برای پاسخ‌گویی به پرسش‌های پژوهش است. در این گام، تفاوت ظریفی میان پژوهش کیفی با کمی وجود دارد. در پژوهش‌های کیفی، هدف شناخت دنیا در بافت واقعی خود و درک و تفسیر تجربه‌های افراد در آن بافت است. مسیر حرکت پژوهشگر برای شناخت معنا بسیار مهم است. پژوهشگر باید بتواند بین تفکر دربارۀ داده‌های موجود و ایجاد راهبردی برای گردآوری داده‌های تازه و بهتر حرکت کند. بنابراین در پژوهش کیفی تجزیه و تحلیل داده همزمان با گردآوری آن صورت می‌گیرد. این کار همچنین به تدوین گزارش‌های اولیۀ موردنیاز ارزیابی‌ها و مطالعه‌های سیاست‌گذاری کمک می‌کند.

مبانی و اصول تحلیل داده کیفی

برای تحلیل داده‌های کیفی مجموعه اصول کلی وجود دارد که در تمامی شیوه‌های پژوهش کیفی به گونه‌ای از آن بهره برده می‌شود. این اصول برگرفته از ویژگی‌های پژوهش کیفی است. بنابراین آشنایی با ویژگی‌های این پژوهش می‌تواند به خواننده برای درک اصول کلی تحلیل داده‌های کیفی کمک کند.

در پژوهش کیفی، پژوهشگر بیشتر علاقه دارد تا به درک و تفسیر تجربه‌های افراد و شیوۀ ساخت دانش (به جای یافتن آن) بپردازد. بنابراین خود را از بافت جدا نمی‌کند و می‌کوشد در طولانی مدت و با پیوند مداوم با بافت داده‌های پژوهش را خرد خرد ـ به صورت استقرایی ـ گردآوری کند. این کار منجر به باز شدن مسیرهای تازه‌ای برای پژوهش می‌شود و پژوهشگر باید با چشمانی باز این داده‌ها را دنبال و تحلیل کند تا بتواند به مفاهیم، فرضیه‌ها، یا حتی نظریه‌هایی قدرتمندتر برسد. پیوند مداوم و طولانی مدت با بافت همچنین منجر به گردآوری حجم بالایی از داده می‌شود که پژوهشگر را نیازمند یک سامانۀ مدیریت داده می‌کند.

در پژوهش کیفی، پژوهشگر باید دنیا را از نگاه مشارکت‌کننده و در بافت واقعی پژوهش ببیند، تا بتواند نگاه آنها را نسبت به دنیا با رویکردی تفسیرگرایانه و نه مبتنی بر آمار تحلیل کند. همین موضوع نقش واژه‌ها و تصاویر را پررنگ‌تر از اعداد می‌سازد. پژوهشگر با استفاده از همین واژه‌ها و تصاویر تلاش می‌کند تا به گونه‌ای «زندگی واقعی» را بشناسد. در واقع داده در نزدیکی موقعیت یا پدیده‌ای مشخص گردآوری می‌شود تا امکان شناخت ژرف آن موقعیت یا پدیده در اختیار پژوهشگر قرار گیرد. کاربرد تحلیل داده‌های کیفی هم در همین موضوع نهفته است. پژوهشگر با تحلیل داده‌های کیفی به دنبال یافتن معنا و برداشت افراد از رویدادها، فرایندها، و ساختارهای زندگیشان می‌گردد و می‌تواند از طریق آن، معنا را به جهان اجتماعی پیرامون آنها پیوند بزند. معنایی که فراتر از «چیستی» یا «به چه تعداد» است و به مرزهای «چرایی» گسترانیده شده است. این شیوۀ تحلیل افزون بر این که بهترین راهبرد برای کشف و جستجوی نواحی تازه، و در نتیجه ایجاد فرضیه‌های قدرتمند است، برای آزمون فرضیه‌ها هم کاربرد دارد. البته همچنان از تحلیل داده‌های کیفی می‌توان برای تکمیل، اعتبارسنجی، و روشن ساختن نتایج پژوهش کمی هم استفاده کرد. بنابراین، به طور کلی می‌توان گفت از تحلیل داده‌های کیفی می‌توان برای توصیف، نظریه­آزمایی، یا نظریه­سازی استفاده کرد.

پایۀ تجزیه و تحلیل کیفی می‌تواند مبتنی بر مورد (case) و یا واحد تجزیه و تحلیل (unit of analysis) قرار گیرد، البته این موضوع جدا از راهبرد مطالعۀ موردی است که یکی از راهبردهای اصلی در پژوهش کیفی است. این بدین معنی است که گردآوری داده‌ها و در نتیجه تحلیل آنها می‌تواند بر محوریت مورد انجام می‌شود. مورد، موجودیت واحد یا نمونه‌های چندگانه از یک پدیده هست که پژوهش بر روی یک یا تعدادی از آنها متمرکز می‌شود. در بیشتر پژوهش‌ها، مورد با واحد تجزیه و تحلیل (unit of analysis) یکی در نظر گرفته می‌شود. به عنوان نمونه، این واحد تجزیه و تحلیل می‌تواند تجربه‌های کاربری مشارکت‌کننده باشد که توسط مصاحبه از کاربر گردآوری شود. البته در برخی از پژوهش‌ها هم از تعدادی واحد تجزیه و تحلیل برای مطالعۀ یک مورد واحد استفاده می‌شود.

 محدودیت‌ها و چالش‌ها

تجزیه و تحلیل کیفی محدودیت‌ها و همچنین چالش‌هایی را به همراه دارد که باید به آنها توجه شود:

تعمیم‌پذیری در یافته‌های پژوهش کیفی کمتر مطرح می‌شود. پژوهشگر در زمان تحلیل به جای معنای عام و جهانی به دنبال معنای بافتی و محلی است. بنابراین نسخه‌هایی که از این پژوهش بیرون می‌آید بیشتر پاسخ‌گوی نیاز مورد مشخص است. البته در پژوهش کیفی به جای تعمیم‌پذیری از مفهوم انتقال‌پذیری سخن به میان می‌آید که در آن دربارۀ میزان انتقال یافته‌های بدست آمده از پژوهش به بافت‌های دیگر بحث می‌شود.

در پژوهش کیفی مسیر به روشنی مشخص نیست. بر خلاف پژوهش کمی، در این پژوهش معیارهای روشنی برای ارزیابی کیفیت و قدرت یافته‌ها وجود ندارد و این وظیفۀ پژوهشگر است که به روشنی مسیر را مشخص کند و شواهد غنی از کار خود ارائه نماید. بنابراین، در این پژوهش خود پژوهشگر نقش ابزاری را دارد که باید آموزش ببیند تا به ذهنی دقیق، تحلیلی، و در عین حال همدلانه با بافت دست یابد.

پژوهشگر با حجم انبوهی از داده سروکار دارد که باید آنها را مدیریت کند. چالش پژوهشگر زمانی آغاز می‌شود که وی شروع به گردآوری داده‌های کیفی می‌کند. در آن زمان است که متوجه می‌شود با حجم انبوهی از داده‌های بدون ساختار روبرو است که برای تحلیل به زمانی دو یا سه و حتی تا پنج بار طولانی‌تر از زمان ایجاد آن نیاز دارد. چالش بزرگتر وقتی است که داده‌ها از منابع و به شکل‌های گوناگون گردآوری می‌شوند. برخی از داده‌ها از مشاهده‌های ساخت‌یافته یا غیر رسمی بدست می‌آیند. برخی دیگر، اگر نگوییم بیشتر آنها، از مصاحبه استخراج می‌شوند. همچنین داده‌ها و اطلاعاتی هم هستند که از اسناد، آرشیوها، و حتی مصنوعات فیزیکی بدست می‌آیند. در برخی از مطالعه‌ها هم اطلاعاتی از پرسشنامه و پیمایش، ویدئوها، یا رکوردهای آماری بدست می‌آیند. بنابراین، در کنار هم قرار دادن این داده‌های زیاد که در شکل‌های گوناگونی هم هستند، چالشی است که پژوهشگر باید خود را در زمان تحلیل برای رویارویی با آن آماده کند.

تمام این داده‌ها و اطلاعات بر روی یکدیگر انباشته می‌شوند. در گام‌های نخستین مطالعه، بیشتر این داده‌ها امید بخش هستند. اما اگر شما ندانید چه چیز مهم است، همه چیز مهم به نظر می‌رسد. شما ممکن است زمان کافی برای خلاصه کردن، نظم بخشیدن، و همچنین تجزیه و تحلیل، و نوشتن همۀ این چیزهایی که یافته‌اید نداشته باشید. راهکارهایی مانند داشتن چارچوب مفهومی و همچنین حرکت در مسیر پرسش‌های پژوهش به شما کمک می‌کنند. اما این فرایند انتخابی تنها بخشی از مشکل شما را کمتر می‌کند. تنها یک هفته کار مداوم در میدان پژوهش می‌تواند منجر به صدها صفحه یادداشت میدانی، رونوشت مصاحبه، اسناد، و موارد جانبی شود. اینجا است که کاربرد فرایند تحلیل کیفی اهمیت می‌یابد. تحلیل کیفی هم با کدها عجین شده است. کدها به نوعی یک راه‌انداز یا نسخۀ فوری برای نگاهی ژرف به معانی داده‌ها است. در این راستا، کدگذاری فرایند کاهش حجم و خلاصه سازی داده‌ها است که شما را قادر می‌سازد بخش‌های معنی‌دار داده‌ها را بازیابی کنید، آنها را در کنار هم قرار دهید و از این راه حجم زیادی از داده را در واحدهای کوچکتر و قابل تجزیه و تحلیل داده خلاصه کنید و مسیر خود را برای یافتن الگوها، و در نتیجه پیشنهادها، ادعاها، فرضیه‌ها، و حتی نظریه‌ها هموار سازید.

1-DA-N

ارائه پژوهش

 
موضوعات