Statistika u kvalitativnim istraživanjima
Kvalitativno istraživanje se često shvata kao pristup koji se fokusira na značenje, iskustvo, kontekst i društvene procese. Zbog toga neki ljudi smatraju da je statistika nebitna u kvalitativnom istraživanju ili čak suprotna kvalitativnom duhu, koji naglašava dubinu u odnosu na brojeve. Međutim, u praksi, statistika može igrati ključnu ulogu u kvalitativnom istraživanju - ne da "transformiše" kvalitativno u kvantitativno, već da pomogne istraživačima da sumiraju podatke, razjasne obrasce, ojačaju argumente i povećaju transparentnost analize.
Ovaj članak razmatra kako se statistika može na odgovarajući način koristiti u kvalitativnim istraživanjima, vrste statistike koje se obično koriste, te ograničenja i etiku njihove upotrebe kako bi se osiguralo da ostanu u skladu s ciljevima kvalitativnog istraživanja.
1. Razumjeti poziciju statistike u kvalitativnim istraživanjima
Kvalitativno istraživanje ima za cilj dublje razumijevanje fenomena putem podataka kao što su intervjui, zapažanja, dokumenti, terenske bilješke ili kulturni artefakti. Kvalitativni podaci uglavnom imaju oblik narativa, a ne brojeva. Međutim, deskriptivna statistika može biti korisna kada istraživači kodiraju, grupišu teme ili izračunavaju učestalost pojavljivanja kategorija.
Upotreba statistike u kvalitativnim istraživanjima ne zahtijeva od istraživača rigorozno testiranje hipoteza kao u kvantitativnim istraživanjima. Fokus je na podršci interpretaciji: prikazivanju trendova, proporcija ili varijacija koje proizlaze iz podataka, uz istovremeno zadržavanje citata, konteksta i objašnjenja u središtu diskusije.
2. Deskriptivna statistika: najčešći oblik
Statistički podaci koji se najčešće koriste u kvalitativnim istraživanjima su deskriptivni statistički podaci, na primjer:
– Broj učesnika na osnovu određenih karakteristika (dob, zanimanje, dužina radnog staža).
– Učestalost pojavljivanja tema ili kodova u transkriptu.
– Procenat ispitanika koji su spomenuli određeni problem.
– Raspodjela lokacija posmatranja ili vrsta analiziranih dokumenata.
Jednostavan primjer: u kvalitativnoj studiji o iskustvima rada na daljinu, istraživač bi mogao navesti da je „od 20 učesnika, 14 istaklo pitanje granica između posla i privatnog života“; zatim istraživač nastavlja citatima i tumačenjima zašto je to pitanje bilo dominantno i kako se kontekst razlikovao među grupama.
Deskriptivna statistika pomaže čitaocima da razumiju „mapu“ podataka: koliko se široko teme pojavljuju, koje se teme češće raspravljaju i postoje li razlike u obrascima među učesnicima.
3. Kvantifikacija kvalitativnih podataka: kada je korisna?
U kvalitativnoj analizi, kvantifikacija može biti korisna kada:
1. Povećati transparentnost analize
Čitaoci mogu vidjeti da nalazi nisu zasnovani samo na nekoliko citata, već potiču iz prilično konzistentnog obrasca.
2. Poređenje grupa na istraživački način
Na primjer, poređenje tema koje su se pojavile u intervjuima između nastavnika početnika i iskusnih nastavnika. Ovo nije za statističku generalizaciju, već za generiranje nijansiranijih pitanja i objašnjenja.
3. Podržava mješovite metode
U mješovitim dizajnima, kvalitativni podaci mogu se obraditi u kategorije koje se zatim kratko analiziraju pomoću brojeva, ili obrnuto, kvantitativni rezultati se mogu produbiti putem intervjua.
Međutim, kvantifikacija ne bi trebala zamijeniti dubinu. Rijetko susrećuće teme mogu biti nevjerovatno važne - na primjer, iskustva diskriminacije koja samo nekoliko ljudi doživi, ali imaju značajan utjecaj.
4. Statističke tehnike koje se mogu koristiti
Iako se kvalitativna istraživanja ne fokusiraju na statističko zaključivanje, neke jednostavne tehnike mogu se koristiti s oprezom:
– Učestalost i postotak: prebrojite pojavljivanje kodova ili tema.
– Jednostavno unakrsno tabelarno prikazivanje: na primjer, tema „stres na poslu“ se češće pojavljivala kod učesnika koji su radili više od 10 sati dnevno.
– Prosjek ili medijana: za demografske podatke ili karakteristike učesnika koje su numeričke, kao što je dužina iskustva.
– Vizualizacija: stupčasti grafikoni, sažetke tabele ili tematske mape koje predstavljaju sažetak obrazaca.
Ako istraživači koriste softver poput NVivo, ATLAS.ti, MAXQDA ili čak proračunske tablice, funkcije brojanja učestalosti koda i matrice poređenja kategorija su veoma korisne. Međutim, ove brojeve treba čitati kao „indikacije obrazaca u analiziranim podacima“, a ne kao statističke dokaze za populaciju.
5. Statistika i analiza sadržaja
Jedno od područja kvalitativnih pristupa koje je naj"statistički najprilagođenije" je analiza sadržaja, posebno kvalitativno-kvantitativne prirode. Istraživači mogu kodirati dokumente (npr. vijesti, objave na društvenim mrežama, institucionalne politike), a zatim izračunati učestalost pojavljivanja određenih kategorija.
Primjer: studija o izvještavanju o mentalnom zdravlju u online medijima. Istraživači mogu identificirati kategorije kao što su "stigma", "profesionalna podrška", "narativi o iscjeljenju" ili "senzacionalizam". Nakon kodiranja, istraživači mogu predstaviti udio kategorija po mediju ili vremenskom periodu. Nakon toga, istraživači su i dalje dužni pružiti detaljno tumačenje jezika, okvira i osnovnog društveno-političkog konteksta.
6. Održavanje kvalitete istraživanja: pouzdanost i validnost kvalitativne verzije
U kvalitativnim istraživanjima, kvalitet se često razmatra kroz koncepte kao što su kredibilitet, prenosivost, pouzdanost i potvrdljivost. Statistika može pomoći u nekim aspektima, posebno u procesu kodiranja:
– Sporazum između kodera
Ako više istraživača kodira podatke, brojke slaganja (npr. postotak slaganja ili određeni koeficijent) mogu ukazivati na konzistentnost. Ovo je korisno, posebno u analizi sadržaja ili timskom istraživanju.
Međutim, istraživači moraju biti oprezni: visoka saglasnost ne znači automatski „tačnu“ interpretaciju. Ona jednostavno ukazuje na dosljednost u primjeni definicija koda. Stoga, diskusije kodera, revizijski tragovi i refleksivnost ostaju neophodni.
7. Ograničenja i rizici korištenja statistike
Postoji nekoliko rizika ako se statistika koristi bez metodološkog razmatranja:
1. Redukcionizam
Kvalitativni podaci su bogati kontekstom; previše fokusiranja na brojeve može izgubiti nijansu, kontradikciju i dinamiku.
2. Iluzija generalizacije
Visoka učestalost u malom uzorku ne mora nužno značiti da se odnosi na širu populaciju. Kvalitativna istraživanja uglavnom nisu namijenjena statističkoj generalizaciji.
3. Ignorisanje manjih, ali značajnih tema
Rijetko se pojavljujuće teme mogu ukazivati na iskustva ranjivih grupa, skrivene sukobe ili pojave koje je teško otkriti.
4. Pogrešno tumačenje čitaoca
Čitaoci mogu biti u iskušenju da brojeve protumače kao mjeru sigurnosti. Stoga istraživači trebaju objasniti da brojevi samo sažimaju obrasce u podacima koji se analiziraju.
8. Dobra praksa: integriranje brojeva i narativa
Da bi se statistika uskladila s kvalitativnim istraživanjem, mogu se primijeniti sljedeće dobre prakse:
– Objasnite svrhu korištenja brojeva: bilo da se radi o mapiranju teme, istraživačkom poređenju ili transparentnosti.
– Uključite proces kodiranja: definicije koda, primjere citata i korake analize.
– Koristite brojeve proporcionalno: koncizne tabele su u redu, ali interpretativna naracija ostaje suština.
– Pobrinite se da kontekst ostane prisutan: nakon brojeva uvijek slijede objašnjenja „zašto“ i „kako“.
– Uključite reprezentativne citate: ne samo „zanimljive“, već i one koji pokazuju obrasce i varijacije.
Zaključak
Statistika u kvalitativnim istraživanjima nije neprijatelj, već pomoćni alat koji može obogatiti analizu kada se koristi na odgovarajući način. Kroz deskriptivnu statistiku, jednostavnu kvantifikaciju i vizualizaciju, istraživači mogu jasno sažeti podatke i povećati transparentnost nalaza. Međutim, kvalitativno istraživanje ostaje utemeljeno na značenju, kontekstu i dubinskoj interpretaciji. Stoga se brojevi trebaju tretirati kao dopuna - pomažući u razjašnjavanju obrazaca bez smanjenja glasova učesnika i složenosti društvenih fenomena koji se proučavaju.
Kada se mudro koristi, statistika može biti most: povezivanje narativne moći kvalitativnog istraživanja sa sistematičnijim, razumljivijim i odgovornijim načinom predstavljanja nalaza.
