Статистика в качествените изследвания
Качествените изследвания често се разбират като подход, който се фокусира върху значението, опита, контекста и социалните процеси. Поради това някои хора смятат статистиката за неподходяща в качествените изследвания или дори за противоречаща на качествения дух, който набляга на дълбочината пред числата. На практика обаче статистиката може да играе решаваща роля в качествените изследвания – не за да „трансформира“ качествените в количествени, а по-скоро да помогне на изследователите да обобщят данни, да изяснят модели, да подсилят аргументите и да увеличат прозрачността на анализа.
Тази статия разглежда как статистиката може да се използва по подходящ начин в качествените изследвания, видовете статистика, които обикновено се използват, както и ограниченията и етиката на тяхното използване, за да се гарантира, че то остава в съответствие с целите на качествените изследвания.
1. Разбиране на мястото на статистиката в качествените изследвания
Качествените изследвания целят да получат по-задълбочено разбиране на явленията чрез данни като интервюта, наблюдения, документи, полеви бележки или културни артефакти. Качествените данни обикновено са под формата на разкази, а не на числа. Описателната статистика обаче може да бъде полезна, когато изследователите кодират, групират теми или изчисляват честотата на срещане на категории.
Използването на статистика в качествените изследвания не изисква от изследователите стриктно да тестват хипотези, както е в количествените изследвания. Фокусът е върху подкрепата на интерпретацията: показване на тенденции, пропорции или вариации, произтичащи от данните, като същевременно цитатите, контекстът и обясненията са в основата на дискусията.
2. Описателна статистика: най-често срещаната форма
Статистиките, които най-често се срещат в качествените изследвания, са описателните статистики, например:
– Брой участници въз основа на определени характеристики (възраст, професия, трудов стаж).
– Честота на появяване на теми или кодове в преписа.
– Процент на респондентите, които са споменали конкретен проблем.
– Разпределение на местата за наблюдение или видовете анализирани документи.
Един прост пример: в качествено проучване на опита от дистанционна работа, изследовател може да заяви, че „от 20-те участници, 14 са подчертали въпроса за границите между работата и личния живот“; след това изследователят продължава с цитати и интерпретации защо този проблем е доминиращ и как контекстът се различава в различните групи.
Описателната статистика помага на читателите да разберат „картата“ на данните: колко широко се появяват темите, кои теми се обсъждат по-често и дали има разлики в моделите между участниците.
3. Количествено определяне на качествени данни: кога е полезно?
При качествения анализ количественото определяне може да бъде полезно, когато:
1. Повишаване на прозрачността на анализа
Читателите могат да видят, че констатациите не се основават само на няколко цитата, а произтичат от доста последователен модел.
2. Сравнявайте групите по изследователски начин
Например, сравняване на теми, възникнали в интервюта между начинаещи и опитни учители. Това не е за статистическо обобщение, а по-скоро за генериране на по-нюансирани въпроси и обяснения.
3. Поддържа смесени методи
При смесените дизайни качествените данни могат да бъдат обработени в категории, които след това се анализират накратко с числа, или обратно, количествените резултати могат да бъдат задълбочени чрез интервюта.
Количественото определяне обаче не бива да замества дълбочината. Рядко срещани теми могат да бъдат изключително важни – например, преживявания на дискриминация, които само малцина хора изпитват, но имат значително въздействие.
4. Статистически техники, които могат да бъдат използвани
Въпреки че качествените изследвания не се фокусират върху статистически изводи, някои прости техники могат да се използват с повишено внимание:
– Честота и процент: пребройте появата на кодове или теми.
– Опростено кръстосано таблично представяне: например, темата „стрес на работа“ се появява по-често при участниците, които са работили повече от 10 часа на ден.
– Средна стойност или медиана: за демографски данни или характеристики на участниците, които са числени, като например продължителност на опита.
– Визуализация: стълбовидни диаграми, обобщаващи таблици или тематични карти, които представят обобщение на моделите.
Ако изследователите използват софтуер като NVivo, ATLAS.ti, MAXQDA или дори електронни таблици, функциите за преброяване на честотата на кода и матрица за сравнение на категориите са много полезни. Тези числа обаче трябва да се тълкуват като „индикации за модели в анализираните данни“, а не като статистически доказателства за популацията.
5. Статистика и анализ на съдържанието
Една от най-„статистически благоприятните“ области на качествените подходи е анализът на съдържанието, особено от качествено-количествен характер. Изследователите могат да кодират документи (напр. новинарски истории, публикации в социалните медии, институционални политики) и след това да преброят честотата на срещане на определени категории.
Пример: проучване на отразяването на психичното здраве в онлайн медиите. Изследователите могат да идентифицират категории като „стигма“, „професионална подкрепа“, „лечебни наративи“ или „сензация“. След кодирането, изследователите могат да представят дела на категориите по медии или периоди от време. След това от изследователите все още се изисква да предоставят задълбочен анализ на езика, рамкирането и основния социално-политически контекст.
6. Поддържане на качеството на изследванията: надеждност и валидност на качествената версия
В качествените изследвания качеството често се обсъжда чрез понятия като достоверност, преносимост, надеждност и потвърдимост. Статистиката може да помогне с някои аспекти, по-специално с процеса на кодиране:
– Споразумение между кодери
Ако данните са кодирани от повече от един изследовател, показателите за съгласуваност (напр. процент на съгласуваност или специфичен коефициент) могат да показват съгласуваност. Това е полезно, особено при анализ на съдържанието или екипни изследвания.
Изследователите обаче трябва да бъдат внимателни: високото съгласие не означава автоматично „правилна“ интерпретация. То просто показва последователност в прилагането на дефинициите на кода. Следователно, дискусиите с програмистите, одитните следи и рефлексивността остават от съществено значение.
7. Ограничения и рискове от използването на статистика
Съществуват няколко риска, ако статистиката се използва без методологично обмисляне:
1. Редукционизъм
Качествените данни са богати на контекст; прекаленото фокусиране върху числата може да доведе до загуба на нюанс, противоречие и динамика.
2. Илюзия за обобщение
Високата честота в малка извадка не означава непременно, че тя се отнася за по-широката популация. Качествените изследвания обикновено не са предназначени за статистическо обобщение.
3. Пренебрегване на незначителни, но смислени теми
Рядко появяващите се теми могат да показват преживяванията на уязвими групи, скрити конфликти или явления, които са трудни за разкриване.
4. Погрешно тълкуване от читателя
Читателите могат да се изкушат да интерпретират числата като мярка за сигурност. Следователно, изследователите трябва да обяснят, че числата са просто обобщения на модели в анализираните данни.
8. Добра практика: интегриране на числа и разказ
За да се съобрази статистиката с качествените изследвания, могат да се приложат следните добри практики:
– Обяснете целта на използването на числа: независимо дали за картографиране на тема, проучвателно сравнение или прозрачност.
– Включете процеса на кодиране: дефиниции на код, примерни цитати и стъпки за анализ.
– Използвайте числата пропорционално: кратките таблици са подходящи, но интерпретативният наратив остава в основата.
– Уверете се, че контекстът остава налице: числата винаги са последвани от обяснения „защо“ и „как“.
– Включете представителни цитати: не само „интересни“, но и такива, които показват модели и вариации.
Заключение
Статистиката в качествените изследвания не е враг, а по-скоро поддържащ инструмент, който може да обогати анализа, когато се използва правилно. Чрез описателна статистика, просто количествено определяне и визуализация, изследователите могат да обобщят данните ясно и да увеличат прозрачността на резултатите. Качествените изследвания обаче остават основани на смисъл, контекст и задълбочена интерпретация. Следователно, числата трябва да се третират като допълнение – помагайки за изясняване на моделите, без да се омаловажават гласовете на участниците и сложността на изучаваните социални явления.
Когато се използва разумно, статистиката може да бъде мост: свързващ наративната сила на качествените изследвания с по-систематичен, разбираем и отговорен начин за представяне на резултатите.
