آمار در مردم‌نگاری

آمار در مردم‌نگاری

مردم‌نگاری مدت‌هاست که به عنوان یک رویکرد پژوهشی شناخته می‌شود که بر عمق درک تأکید دارد: محققان در جوامع حضور دارند، شیوه‌های روزمره را مشاهده می‌کنند، مصاحبه‌های عمیق انجام می‌دهند و زبان، نمادها، روابط قدرت و معانی نهفته در تجربیات افراد مورد مطالعه را مستند می‌کنند. به همین دلیل، مردم‌نگاری اغلب به عنوان «کاملاً کیفی» در نظر گرفته می‌شود - گویی از اعداد، اندازه‌گیری‌ها و تحلیل‌های آماری فاصله گرفته است. با این حال، در عمل تحقیقات اجتماعی معاصر، آمار می‌تواند نقش مهمی در غنی‌سازی مردم‌نگاری بدون از دست دادن ویژگی‌های بارز آن ایفا کند: حساسیت به زمینه و عمق تفسیر.

این مقاله به بررسی چگونگی استفاده‌ی مناسب از آمار در مردم‌نگاری، مزایا و محدودیت‌های آن و نمونه‌هایی از کاربرد آن در کار میدانی می‌پردازد.

چرا آمار برای مردم‌نگاری مرتبط است؟

آمار اساساً ابزاری برای خلاصه کردن تغییرات و الگوهای موجود در داده‌ها است. در زمینه‌های قوم‌نگاری، داده‌ها اغلب به شکل یادداشت‌های میدانی، متن مصاحبه‌ها، عکس‌ها، مصنوعات و اسناد به دست می‌آیند. با این حال، قوم‌نگاران با داده‌هایی با ابعاد کمی نیز سروکار دارند: فراوانی رویدادها، تعداد شرکت‌کنندگان در آیین‌ها، الگوهای بازدید از فضاهای خاص، شبکه‌های روابط، توزیع سنی یا شغلی افراد مطلع و حتی تغییرات در قیمت‌ها، دستمزدها یا هزینه‌های خانوار که بر رویه‌های فرهنگی تأثیر می‌گذارند.

استفاده از آمار به این معنی نیست که مردم‌نگاری به یک نظرسنجی گسترده تبدیل می‌شود. در عوض، آمار در اینجا می‌تواند به عنوان ابزاری برای موارد زیر در نظر گرفته شود: (1) شفاف‌سازی الگوهایی که از مشاهدات پدیدار می‌شوند، (2) بررسی سیستماتیک فرضیات محققان، (3) افزایش شفافیت فرآیند تحلیل، و (4) تقویت استدلال‌های مردم‌نگاری در مواجهه با مخاطبان سیاست‌گذاری یا عموم مردم که اغلب خواستار شواهد عددی هستند.

اشکال استفاده از آمار در مردم‌نگاری

۱) آمار توصیفی برای درک زمینه
ساده‌ترین - اما اغلب بسیار مفیدترین - اشکال، آمار توصیفی هستند: درصدها، میانگین‌ها، میانه‌ها، دامنه‌ها و جداول متقاطع. برای مثال، در یک قوم‌نگاری از یک جامعه ماهیگیری، محققان ممکن است ترکیب معیشت (ماهیگیران، کارگران، تاجران ماهی)، سطح تحصیلات یا تغییرات در فصول ماهیگیری را خلاصه کنند. این اعداد جایگزین داستان نمی‌شوند، اما چارچوب روشنی را ارائه می‌دهند: "چقدر" و "چند وقت یکبار" یک عمل رخ می‌دهد، بنابراین خوانندگان مقیاس و توزیع آن را درک می‌کنند.

خواندن  Apa itu hipotesis nol dan alternatif

برای مثال، از 30 خانوار مصاحبه‌شده، 18 خانوار عمدتاً برای کسب درآمد به ماهیگیری، 7 خانوار به فرآوری ماهی و 5 خانوار به فعالیت‌های غیرماهیگیری وابسته بودند. این اطلاعات می‌تواند تحلیل‌های مربوط به تاب‌آوری اقتصادی، تقسیم کار و آسیب‌پذیری در برابر آب و هوای نامساعد را دقیق‌تر کند.

۲) محاسبه‌ی فراوانی و الگوهای برهمکنش
یادداشت‌های میدانی اغلب شامل رویدادهای تکرارشونده هستند: جلسات اجتماعی، درگیری‌های جزئی، انواع احوالپرسی، هدیه دادن یا شیوه‌های خاص مصرف. محققان می‌توانند این رویدادها را کدگذاری کرده و فراوانی آنها را بر اساس زمان، مکان یا گروه اجتماعی محاسبه کنند. این امر به تمایز بین رویدادهایی که به دلیل دراماتیک بودن «پر سر و صدا» هستند و رویدادهایی که به دلیل روتین بودن «رایج» هستند، کمک می‌کند.

برای مثال، محققان طی دو هفته ۶۰ تعامل را در یک کافی‌شاپ ثبت کردند. با کدگذاری ساده (موضوعات مکالمه، گویندگان مسلط، ساعات اوج مصرف)، آنها توانستند الگوهای ارتباط متقابل بین فضای اجتماعی، سلسله مراتب جنسیتی و تولید افکار عمومی در سطح محلی را مشاهده کنند.

۳) تحلیل شبکه‌های اجتماعی
مردم‌نگاری در درک روابط اجتماعی - چه کسی به چه کسی نزدیک است، چه کسی نفوذ دارد، چه کسی گروه‌ها را به هم متصل می‌کند - قدرتمند است. آمار شبکه‌های اجتماعی می‌تواند به تجسم و کمّی‌سازی این ساختارهای رابطه‌ای کمک کند، برای مثال از طریق معیارهای «مرکزیت» (چه کسی مرکزی‌ترین است)، «تراکم» (چقدر شبکه متراکم است) یا «پل زدن» (چه کسی گروه‌ها را به هم متصل می‌کند).

در مطالعات سازمان‌های اجتماعی، داده‌های شبکه را می‌توان از سوالات ساده‌ای به دست آورد: «وقتی مشکلی دارید برای کمک به چه کسی مراجعه می‌کنید؟» یا «بیشتر اوقات با چه کسی هماهنگی می‌کنید؟» نتایج می‌توانند روایت‌های قوم‌نگاری در مورد رهبری غیررسمی یا اینکه چه کسی واقعاً زمام ساختارهای رسمی را در دست دارد، تکمیل کنند.

۴) روش‌های ترکیبی: ترکیب مردم‌نگاری و نظرسنجی
بسیاری از مطالعات از طرح روش‌های ترکیبی استفاده می‌کنند: از قوم‌نگاری برای درک زمینه و تدوین سوالات مناسب استفاده می‌شود، سپس از نظرسنجی‌های کوچک برای آزمایش میزان این الگوها در جامعه استفاده می‌شود. این رویکرد اغلب به عنوان «پشتیبانی کمی برای بینش‌های کیفی» شناخته می‌شود.

خواندن  آزمون F در تحلیل واریانس

برای مثال، قوم‌نگاری در یک کارخانه پوشاک نشان داد که اضافه‌کاری «داوطلبانه» در واقع تحت تأثیر فشارهای اجتماعی و اهداف تولید قرار دارد. یک بررسی مختصر می‌تواند میزان تجربه این فشارها توسط کارگران، تفاوت آنها در بخش‌های مختلف و ارتباط آنها با وضعیت قرارداد را اندازه‌گیری کند. نتایج آماری به یافته‌های قوم‌نگاری وزن می‌دهد، در حالی که قوم‌نگاری مکانیسم‌ها و معانی پشت اعداد را توضیح می‌دهد.

۵) تحلیل محتوای کمی روی داده‌های متنی
متن مصاحبه‌ها و اسناد را می‌توان با استفاده از رویکردهای کمی مانند تحلیل محتوا تجزیه و تحلیل کرد: شمارش تعداد تکرار مضامین یا کلمات کلیدی، مقایسه مضامین در گروه‌ها یا مشاهده تغییرات گفتمان در طول زمان. این تکنیک را می‌توان به صورت دستی از طریق کدگذاری یا با کمک نرم‌افزار انجام داد.

با این حال، مردم‌نگاران باید مراقب باشند: فراوانی یک کلمه به طور خودکار نشان‌دهنده اهمیت آن نیست. یک موضوع ممکن است به ندرت مورد اشاره قرار گیرد اما بسیار حساس باشد؛ یا برعکس، ممکن است به دلیل اینکه یک «زبان رسمی» مکرر است، نه یک تجربه زیسته، مکرراً ظاهر شود. اینجاست که تفسیر مردم‌نگارانه همچنان محوریت دارد.

مزایای آمار برای استدلال‌های قوم‌نگاری

اول، آمار می‌تواند دقت را افزایش دهد. وقتی محققان می‌گویند: «این عمل رایج است»، خوانندگان می‌توانند شاخص‌هایی را ببینند: چقدر رایج است، در کدام گروه‌ها و تحت چه شرایطی.

دوم، آمار به حفظ تعادل بین رویدادهای دراماتیک و الگوهای روزمره کمک می‌کند. مردم‌نگاران اغلب با لحظات قدرتمند و خاطره‌انگیز - درگیری آشکار، آیین‌های بزرگ، رویدادهای بحرانی - مواجه می‌شوند، اما آمار به آنها کمک می‌کند تا آن لحظات را در چشم‌انداز خود قرار دهند.

سوم، آمار ارتباط با سیاست‌گذاران را تسهیل می‌کند. بسیاری از سیاست‌های عمومی توسط شاخص‌ها هدایت می‌شوند. مردم‌نگاری‌هایی که با داده‌های کمی پشتیبانی می‌شوند، بدون از دست دادن عمق، قابل دسترس‌تر هستند.

محدودیت‌ها و خطرات: اعداد هرگز خنثی نیستند

اگرچه آمار در مردم‌نگاری مفید است، اما خطراتی را نیز به همراه دارد.

۱. تقلیل‌گرایی: تجربه انسانی به متغیرها محدود می‌شود. با این حال، معانی فرهنگی اغلب مبهم، متناقض و وابسته به موقعیت هستند.
۲. توهم عینیت: اعداد «قطعی» به نظر می‌رسند، حتی اگر انتخاب دسته‌ها، نحوه پرسیدن سوالات و فرآیند کدگذاری به شدت تحت تأثیر موضع محقق باشد.
۳. مسائل مربوط به نمونه‌گیری: مردم‌نگاری به ندرت از نمونه‌های تصادفی استفاده می‌کند. بنابراین، اعداد را نمی‌توان همیشه از نظر آماری تعمیم داد. اعداد برای پشتیبانی از استدلال‌های زمینه‌ای مناسب‌تر هستند، نه ادعاهای جهانی.
۴. اخلاق و محرمانگی: داده‌های کمی، به ویژه شبکه‌های اجتماعی، می‌توانند هویت یا موقعیت افراد خاصی را در یک جامعه آشکار کنند. مردم‌نگاران باید در مورد ناشناس بودن و رضایت شرکت‌کنندگان بسیار سخت‌گیر باشند.

خواندن  فرمول رگرسیون لجستیک

راهبردهای عملی برای به‌کارگیری آمار در مردم‌نگاری

برای اینکه آمار واقعاً مفید باشد، می‌توان چندین استراتژی را به کار برد:

– با شروع از سوالات قوم‌نگاری: آمارها برای پاسخ به سوالات میدانی انتخاب می‌شوند، نه برای اینکه «علمی» به نظر برسند.
– از اعداد به عنوان راهنما استفاده کنید، نه به عنوان قاضی: اگر داده‌ها الگوی عجیبی را نشان می‌دهند، به میدان برگردید - بپرسید، مشاهده کنید و بفهمید.
– در کدگذاری شفاف باشید: توضیح دهید که چگونه دسته‌ها ایجاد شده‌اند، چگونه داده‌ها محاسبه شده‌اند و محدودیت‌های آنها چیست.
– تفسیر زمینه‌ای را در اولویت قرار دهید: اعداد باید در یک داستان اجتماعی قرار داده شوند - چه کسی صحبت می‌کند، در چه موقعیت‌هایی و با چه پیامدهایی.

بستن

آمار و مردم‌نگاری دو دنیایی نیستند که باید در مقابل یکدیگر قرار گیرند. مردم‌نگاری عمق، ظرافت و حس معنا را ارائه می‌دهد؛ آمار راهی برای خلاصه‌سازی سیستماتیک الگوها و تغییرات ارائه می‌دهد. وقتی این دو با دقت ترکیب شوند، می‌توانند تحقیقاتی تولید کنند که هم از نظر روایت غنی و هم از نظر استدلال قانع‌کننده باشد: قادر به توضیح نه تنها «آنچه اتفاق افتاده» و «برای شرکت‌کنندگان چه معنایی داشته است»، بلکه همچنین «چقدر گسترده»، «چقدر مکرر» و «تحت چه شرایطی» اعمال فرهنگی رخ می‌دهند.

در نهایت، آمار در مردم‌نگاری به معنای جایگزینی صداهای انسانی با اعداد نیست، بلکه به معنای افزودن لایه دیگری از شواهد است تا درک ما از زندگی اجتماعی را برای مخاطبان مختلف کامل‌تر، پاسخگوتر و توجیه‌پذیرتر کند.

نظر بدهید