Statistika kvalitatiivses uurimistöös
Kvalitatiivset uurimistööd mõistetakse sageli kui lähenemisviisi, mis keskendub tähendusele, kogemusele, kontekstile ja sotsiaalsetele protsessidele. Seetõttu peavad mõned inimesed statistikat kvalitatiivses uurimistöös ebaoluliseks või isegi vastupidiseks kvalitatiivsele vaimule, mis rõhutab sügavust numbrite asemel. Praktikas võib statistika aga kvalitatiivses uurimistöös olulist rolli mängida – mitte kvalitatiivse kvantitatiivseks „teisendamiseks“, vaid pigem selleks, et aidata teadlastel andmeid kokku võtta, mustreid selgitada, argumente tugevdada ja analüüsi läbipaistvust suurendada.
See artikkel käsitleb statistika asjakohast kasutamist kvalitatiivses uurimistöös, tavaliselt kasutatavaid statistikatüüpe ning nende kasutamise piiranguid ja eetikat, et tagada nende vastavus kvalitatiivse uurimistöö eesmärkidele.
1. Mõista statistika positsiooni kvalitatiivses uurimistöös
Kvalitatiivse uurimistöö eesmärk on nähtustest sügavamalt aru saada selliste andmete kaudu nagu intervjuud, vaatlused, dokumendid, välitööd või kultuurilised esemed. Kvalitatiivsed andmed on üldiselt narratiivide, mitte numbrite vormis. Kirjeldav statistika võib aga olla abiks, kui teadlased kodeerivad, teemasid rühmitavad või kategooriate esinemise sagedust arvutavad.
Kvalitatiivses uurimistöös statistika kasutamine ei nõua teadlastelt hüpoteeside ranget kontrollimist nagu kvantitatiivses uurimistöös. Tähelepanu keskmes on interpretatsiooni toetamine: andmetest tulenevate trendide, proportsioonide või variatsioonide näitamine, hoides samal ajal tsitaadid, konteksti ja selgitused arutelu keskmes.
2. Kirjeldav statistika: kõige levinum vorm
Kvalitatiivsetes uuringutes kõige sagedamini kasutatavad statistikad on kirjeldavad statistikad, näiteks:
– Osalejate arv teatud tunnuste (vanus, amet, tööstaaž) alusel.
– Teemade või koodide esinemise sagedus transkriptis.
– Vastajate osakaal, kes mainisid konkreetset probleemi.
– Vaatluskohtade jaotus või analüüsitud dokumentide tüübid.
Lihtne näide: kaugtöökogemuste kvalitatiivses uuringus võib uurija väita, et „20 osalejast 14 tõid esile töö ja isikliku elu piiride probleemi“; seejärel tsiteerib ja tõlgendab uurija, miks see probleem domineeris ja kuidas kontekst rühmade lõikes erines.
Kirjeldav statistika aitab lugejatel mõista andmete „kaarti“: kui laialdaselt teemad esile kerkivad, milliseid teemasid arutatakse sagedamini ja kas osalejate vahel on mustrites erinevusi.
3. Kvalitatiivsete andmete kvantifitseerimine: millal on see kasulik?
Kvalitatiivses analüüsis võib kvantifitseerimine olla kasulik järgmistel juhtudel:
1. Suurendage analüüsi läbipaistvust
Lugejad näevad, et järeldused ei põhine vaid paaril tsitaadil, vaid tulenevad üsna järjepidevast mustrist.
2. Võrrelge gruppe uurimuslikul viisil
Näiteks algajate ja kogenud õpetajate intervjuudes esile kerkinud teemade võrdlemine. See ei ole mõeldud statistiliseks üldistamiseks, vaid pigem nüansirikkamate küsimuste ja selgituste genereerimiseks.
3. Toetab segameetodeid
Segatüüpi disainides saab kvalitatiivseid andmeid töödelda kategooriatesse, mida seejärel lühidalt numbritega analüüsitakse, või vastupidi, kvantitatiivseid tulemusi saab intervjuude abil süvendada.
Kvantifitseerimine ei tohiks aga asendada sügavust. Harva esinevad teemad võivad olla uskumatult olulised – näiteks diskrimineerimise kogemused, mida kogevad vaid vähesed inimesed, kuid millel on märkimisväärne mõju.
4. Kasutatavad statistilised meetodid
Kuigi kvalitatiivne uurimistöö ei keskendu statistilisele järeldusele, saab mõningaid lihtsaid võtteid ettevaatlikult kasutada:
– Sagedus ja protsent: loendage koodide või teemade esinemist.
– Lihtne risttabel: näiteks teema „tööstress” esines sagedamini osalejatel, kes töötasid rohkem kui 10 tundi päevas.
– Keskmine või mediaan: demograafiliste andmete või osalejate numbriliste omaduste, näiteks kogemuse pikkuse puhul.
– Visualiseerimine: tulpdiagrammid, kokkuvõtvad tabelid või teemakaardid, mis esitavad mustrite kokkuvõtet.
Kui teadlased kasutavad tarkvara nagu NVivo, ATLAS.ti, MAXQDA või isegi arvutustabeleid, on koodisageduse loenduse ja kategooriate võrdlusmaatriksi funktsioonid väga kasulikud. Neid numbreid tuleks aga tõlgendada kui "analüüsitud andmete mustrite näitajaid", mitte statistilist tõendusmaterjali populatsiooni kohta.
5. Statistika ja sisuanalüüs
Üks kvalitatiivsete lähenemisviiside statistikasõbralikumaid valdkondi on sisuanalüüs, eriti kvalitatiivse-kvantitatiivse iseloomuga. Teadlased saavad dokumente (nt uudiseid, sotsiaalmeedia postitusi, institutsioonide poliitikaid) kodeerida ja seejärel lugeda teatud kategooriate esinemise sagedust.
Näide: uuring vaimse tervise kajastusest veebimeedias. Teadlased võivad tuvastada kategooriaid nagu „stigma”, „professionaalne tugi”, „tervendavad narratiivid” või „sensatsioonilisus”. Pärast kodeerimist saavad teadlased esitada kategooriate osakaalu meediumi või ajaperioodi lõikes. Pärast seda peavad teadlased siiski põhjalikult lugema keelt, raamistikku ja aluseks olevat sotsiaal-poliitilist konteksti.
6. Uurimistöö kvaliteedi säilitamine: kvalitatiivse versiooni usaldusväärsus ja kehtivus
Kvalitatiivses uurimistöös käsitletakse kvaliteeti sageli selliste mõistete kaudu nagu usaldusväärsus, ülekantavus, töökindlus ja kinnitatavus. Statistika saab aidata mõnes aspektis, eriti kodeerimisprotsessis:
– Kodeerijatevaheline kokkulepe
Kui andmeid kodeerib rohkem kui üks uurija, võivad kokkulangevuse näitajad (nt protsentuaalne kokkulangevus või kindel koefitsient) viidata järjepidevusele. See on kasulik eriti sisuanalüüsis või meeskonnatöös.
Siiski peavad teadlased olema ettevaatlikud: suur kokkulangevus ei tähenda automaatselt „õiget“ tõlgendust. See näitab lihtsalt koodidefinitsioonide rakendamise järjepidevust. Seetõttu on kodeerijate arutelud, auditeerimisjäljed ja refleksiivsus endiselt olulised.
7. Statistika kasutamise piirangud ja riskid
Statistika kasutamisel ilma metodoloogilise kaalutluseta on mitu riski:
1. Reduktsionism
Kvalitatiivsed andmed on kontekstirikkad; liigne keskendumine numbritele võib kaotada nüansi, vastuolud ja dünaamika.
2. Üldistamise illusioon
Kõrge sagedus väikeses valimis ei tähenda tingimata, et see kehtib laiema populatsiooni kohta. Kvalitatiivsed uuringud ei ole üldiselt mõeldud statistiliseks üldistamiseks.
3. Väiksemate, kuid oluliste teemade ignoreerimine
Harva esile kerkivad teemad võivad viidata haavatavate rühmade kogemustele, varjatud konfliktidele või raskesti avastatavatele nähtustele.
4. Lugeja väärtõlgendus
Lugejatel võib tekkida kiusatus tõlgendada numbreid kindluse mõõdupuuna. Seetõttu peavad teadlased selgitama, et numbrid lihtsalt võtavad kokku analüüsitavate andmete mustrid.
8. Hea tava: arvude ja narratiivi integreerimine
Selleks, et statistika oleks kvalitatiivse uurimistööga kooskõlas, saab rakendada järgmisi häid tavasid:
– Selgitage numbrite kasutamise eesmärki: kas teemade kaardistamiseks, uurimuslikuks võrdlemiseks või läbipaistvuse tagamiseks.
– Lisage kodeerimisprotsess: koodi definitsioonid, näidistsitaadid ja analüüsietapid.
– Kasutage numbreid proportsionaalselt: lühikesed tabelid sobivad, kuid keskseks jääb tõlgendav narratiiv.
– Veendu, et kontekst jääb alles: numbritele järgnevad alati selgitused „miks“ ja „kuidas“.
– Lisage representatiivseid tsitaate: mitte ainult „huvitavaid“, vaid ka selliseid, mis näitavad mustreid ja variatsioone.
Järeldus
Kvalitatiivses uurimistöös ei ole statistika vaenlane, vaid pigem tugivahend, mis õige kasutamise korral analüüsi rikastab. Kirjeldava statistika, lihtsa kvantifitseerimise ja visualiseerimise abil saavad teadlased andmeid selgelt kokku võtta ja tulemuste läbipaistvust suurendada. Kvalitatiivne uurimistöö jääb aga tähenduse, konteksti ja põhjaliku tõlgendamise aluseks. Seetõttu tuleks numbreid käsitleda täiendusena – need aitavad selgitada mustreid, vähendamata osalejate häält ja uuritavate sotsiaalsete nähtuste keerukust.
Targalt kasutades võib statistika olla sillaks: ühendades kvalitatiivse uurimistöö narratiivse jõu süstemaatilisema, arusaadavama ja vastutustundlikuma viisi tulemuste esitamiseks.
