નૃવંશશાસ્ત્રમાં આંકડા

નૃવંશશાસ્ત્રમાં આંકડા

એથનોગ્રાફી લાંબા સમયથી એક સંશોધન અભિગમ તરીકે જાણીતી છે જે સમજણની ઊંડાઈ પર ભાર મૂકે છે: સંશોધકો સમુદાયોમાં હાજર હોય છે, રોજિંદા પ્રથાઓનું અવલોકન કરે છે, ઊંડાણપૂર્વક ઇન્ટરવ્યુ લે છે અને અભ્યાસ કરાયેલા લોકોના અનુભવોમાં સમાવિષ્ટ ભાષા, પ્રતીકો, શક્તિ સંબંધો અને અર્થોનું દસ્તાવેજીકરણ કરે છે. આને કારણે, એથનોગ્રાફીને ઘણીવાર "શુદ્ધ ગુણાત્મક" તરીકે સ્થાન આપવામાં આવે છે - જાણે કે સંખ્યાઓ, માપન અને આંકડાકીય વિશ્લેષણથી દૂર હોય. જો કે, સમકાલીન સામાજિક સંશોધન પ્રથામાં, આંકડા તેના હોલમાર્ક ગુમાવ્યા વિના એથનોગ્રાફીને સમૃદ્ધ બનાવવામાં મહત્વપૂર્ણ ભૂમિકા ભજવી શકે છે: સંદર્ભ સંવેદનશીલતા અને અર્થઘટનની ઊંડાઈ.

આ લેખમાં એથનોગ્રાફીમાં આંકડાશાસ્ત્રનો ઉપયોગ કેવી રીતે સુસંગત રીતે થઈ શકે છે, તેના ફાયદા અને મર્યાદાઓ શું છે અને ફિલ્ડવર્કમાં તેના ઉપયોગના ઉદાહરણોની ચર્ચા કરવામાં આવી છે.

નૃવંશશાસ્ત્ર માટે આંકડા શા માટે સંબંધિત છે?

આંકડા મૂળભૂત રીતે ડેટામાં ભિન્નતા અને પેટર્નનો સારાંશ આપવા માટેનાં સાધનો છે. એથનોગ્રાફિક સંદર્ભમાં, ડેટા ઘણીવાર ફીલ્ડ નોટ્સ, ઇન્ટરવ્યુ ટ્રાન્સક્રિપ્ટ્સ, ફોટોગ્રાફ્સ, કલાકૃતિઓ અને દસ્તાવેજોનું સ્વરૂપ લે છે. જો કે, એથનોગ્રાફર્સ માત્રાત્મક પરિમાણો સાથે પણ ડેટા સાથે વ્યવહાર કરે છે: ઘટનાઓની આવર્તન, ધાર્મિક વિધિઓમાં ભાગ લેનારાઓની સંખ્યા, ચોક્કસ જગ્યાઓની મુલાકાતોની પેટર્ન, સંબંધોના નેટવર્ક, માહિતી આપનારાઓની ઉંમર અથવા વ્યવસાયિક વિતરણ, અને સાંસ્કૃતિક પ્રથાઓને પ્રભાવિત કરતા ભાવ, વેતન અથવા ઘરગથ્થુ ખર્ચમાં પણ ફેરફાર.

આંકડાઓનો ઉપયોગ કરવાનો અર્થ એ નથી કે નૃવંશશાસ્ત્ર એક વિશાળ સર્વેક્ષણમાં ફેરવાઈ જાય છે. તેના બદલે, અહીં આંકડાને એક સાધન તરીકે સમજી શકાય છે: (1) અવલોકનોમાંથી ઉદ્ભવતા પેટર્નને સ્પષ્ટ કરવા, (2) સંશોધકોની ધારણાઓને વ્યવસ્થિત રીતે તપાસવા, (3) વિશ્લેષણ પ્રક્રિયાની પારદર્શિતા વધારવા, અને (4) નીતિ પ્રેક્ષકો અથવા વ્યાપક જનતા સાથે વ્યવહાર કરતી વખતે નૃવંશશાસ્ત્રના દલીલોને મજબૂત બનાવવા જે ઘણીવાર સંખ્યાત્મક પુરાવાની માંગ કરે છે.

નૃવંશશાસ્ત્રમાં આંકડાશાસ્ત્રના ઉપયોગના સ્વરૂપો

૧) સંદર્ભ મેળવવા માટે વર્ણનાત્મક આંકડા
સૌથી સરળ - છતાં ઘણીવાર ખૂબ જ ઉપયોગી - સ્વરૂપો વર્ણનાત્મક આંકડા છે: ટકાવારી, માધ્યમ, મધ્યક, શ્રેણી અને ક્રોસ-ટેબ્યુલેશન. ઉદાહરણ તરીકે, માછીમારી સમુદાયની નૃવંશશાસ્ત્રમાં, સંશોધકો આજીવિકા (માછીમારો, મજૂરો, માછલી વેપારીઓ), શિક્ષણ સ્તર અથવા માછીમારીની ઋતુઓમાં ભિન્નતાની રચનાનો સારાંશ આપી શકે છે. આ સંખ્યાઓ વાર્તાને બદલતી નથી, પરંતુ તે એક સ્પષ્ટ માળખું પૂરું પાડે છે: "કેટલી" અને "કેટલી વાર" કોઈ પ્રથા થાય છે, જેથી વાચકો તેના સ્કેલ અને વિતરણને સમજી શકે.

ઉદાહરણ તરીકે, ઇન્ટરવ્યુ લેવાયેલા 30 પરિવારોમાંથી, 18 મુખ્યત્વે આવક માટે માછીમારી પર, 7 માછલી પ્રક્રિયા પર અને 5 બિન-માછીમારી પ્રવૃત્તિઓ પર આધારિત હતા. આ માહિતી આર્થિક સ્થિતિસ્થાપકતા, શ્રમ વિભાજન અને ભારે હવામાન પ્રત્યે સંવેદનશીલતાના વિશ્લેષણને તીક્ષ્ણ બનાવી શકે છે.

2) આવર્તન અને ક્રિયાપ્રતિક્રિયા પેટર્નની ગણતરી
ફીલ્ડ નોટ્સમાં ઘણીવાર વારંવાર થતી ઘટનાઓનો સમાવેશ થાય છે: સમુદાય મીટિંગ્સ, નાના સંઘર્ષો, શુભેચ્છાના સ્વરૂપો, ભેટ આપવી, અથવા ચોક્કસ ઉપભોગ પ્રથાઓ. સંશોધકો આ ઘટનાઓને કોડ કરી શકે છે અને સમય, સ્થળ અથવા સામાજિક જૂથ દ્વારા તેમની આવર્તનની ગણતરી કરી શકે છે. આ એવી ઘટનાઓ વચ્ચે તફાવત કરવામાં મદદ કરે છે જે "હાઇ-પ્રોફાઇલ" છે કારણ કે તે નાટકીય છે અને એવી ઘટનાઓ જે "સામાન્ય" છે કારણ કે તે નિયમિત છે.

ઉદાહરણ તરીકે, સંશોધકોએ બે અઠવાડિયામાં એક કોફી શોપમાં 60 ક્રિયાપ્રતિક્રિયાઓ રેકોર્ડ કરી. સરળ કોડિંગ (વાતચીતના વિષયો, પ્રબળ વક્તાઓ, પીક અવર્સ) ની મદદથી, તેઓ સામાજિક જગ્યા, લિંગ વંશવેલો અને સ્થાનિક સ્તરે જાહેર અભિપ્રાયના ઉત્પાદન વચ્ચે પરસ્પર જોડાણના દાખલાઓનું અવલોકન કરવામાં સક્ષમ હતા.

૩) સોશિયલ નેટવર્ક વિશ્લેષણ
સામાજિક સંબંધોને સમજવામાં નૃવંશશાસ્ત્ર શક્તિશાળી છે - કોણ કોની નજીક છે, કોનો પ્રભાવ છે, કોણ જૂથોને જોડે છે. સામાજિક નેટવર્ક આંકડા આ સંબંધ માળખાને કલ્પના અને માપવામાં મદદ કરી શકે છે, ઉદાહરણ તરીકે "કેન્દ્રિયતા" (કોણ સૌથી કેન્દ્રિય છે), "ઘનતા" (નેટવર્ક કેટલું ગાઢ છે), અથવા "બ્રિજિંગ" (જૂથોને કોણ જોડે છે) ના માપ દ્વારા.

સમુદાય સંગઠનોના અભ્યાસમાં, નેટવર્ક ડેટા સરળ પ્રશ્નોમાંથી મેળવી શકાય છે: "જ્યારે તમને કોઈ સમસ્યા હોય ત્યારે તમે કોની પાસે મદદ માટે જાઓ છો?" અથવા "તમે મોટાભાગે કોની સાથે સંકલન કરો છો?" પરિણામો અનૌપચારિક નેતૃત્વ અથવા ઔપચારિક માળખા પાછળ ખરેખર કોણ નિયંત્રણ રાખે છે તે વિશેના નૃવંશશાસ્ત્રીય કથાઓને પૂરક બનાવી શકે છે.

૪) મિશ્ર પદ્ધતિઓ: નૃવંશશાસ્ત્ર અને સર્વેક્ષણોનું સંયોજન
ઘણા અભ્યાસો મિશ્ર પદ્ધતિઓ ડિઝાઇનનો ઉપયોગ કરે છે: સંદર્ભને સમજવા અને યોગ્ય પ્રશ્નો ઘડવા માટે નૃવંશશાસ્ત્રનો ઉપયોગ કરવામાં આવે છે, પછી સમુદાયમાં આ પેટર્નની હદ ચકાસવા માટે નાના પાયે સર્વેક્ષણોનો ઉપયોગ કરવામાં આવે છે. આ અભિગમને ઘણીવાર "ગુણાત્મક આંતરદૃષ્ટિ માટે માત્રાત્મક સમર્થન" તરીકે ઓળખવામાં આવે છે.

ઉદાહરણ તરીકે, એક કપડાની ફેક્ટરીમાં નૃવંશશાસ્ત્રમાં જાણવા મળ્યું કે "સ્વૈચ્છિક" ઓવરટાઇમ ખરેખર સામાજિક દબાણ અને ઉત્પાદન લક્ષ્યોથી પ્રભાવિત હતો. એક સંક્ષિપ્ત સર્વેક્ષણ માપી શકે છે કે કામદારોએ આ દબાણનો કેટલો અનુભવ કર્યો, તેઓ વિભાગોમાં કેવી રીતે બદલાયા, અને તેઓ કરારની સ્થિતિ સાથે કેવી રીતે સંબંધિત હતા. આંકડાકીય પરિણામો નૃવંશશાસ્ત્રના તારણોને વજન આપે છે, જ્યારે નૃવંશશાસ્ત્ર સંખ્યાઓ પાછળની પદ્ધતિઓ અને અર્થ સમજાવે છે.

૫) ટેક્સ્ટ ડેટા પર માત્રાત્મક સામગ્રી વિશ્લેષણ
ઇન્ટરવ્યૂ ટ્રાન્સક્રિપ્ટ્સ અને દસ્તાવેજોનું વિશ્લેષણ માત્રાત્મક અભિગમોનો ઉપયોગ કરીને કરી શકાય છે જેમ કે સામગ્રી વિશ્લેષણ: થીમ્સ અથવા કીવર્ડ્સની ઘટનાની ગણતરી, જૂથોમાં થીમ્સની તુલના, અથવા સમય જતાં પ્રવચનમાં ફેરફારોનું અવલોકન. આ તકનીક કોડિંગ દ્વારા અથવા સોફ્ટવેરની મદદથી મેન્યુઅલી કરી શકાય છે.

જોકે, નૃવંશશાસ્ત્રીઓએ સાવચેત રહેવાની જરૂર છે: શબ્દની આવર્તન આપમેળે તેનું મહત્વ દર્શાવતું નથી. કોઈ થીમનો ઉલ્લેખ ભાગ્યે જ થઈ શકે છે પરંતુ તે ખૂબ જ સંવેદનશીલ હોઈ શકે છે; અથવા તેનાથી વિપરીત, તે વારંવાર દેખાઈ શકે છે કારણ કે તે પુનરાવર્તિત "સત્તાવાર ભાષા" છે, જીવંત અનુભવ નહીં. આ તે જગ્યા છે જ્યાં નૃવંશશાસ્ત્રીય અર્થઘટન કેન્દ્રિય રહે છે.

નૃવંશશાસ્ત્રીય દલીલો માટે આંકડાશાસ્ત્રના ફાયદા

પ્રથમ, આંકડા કઠોરતા વધારી શકે છે. જ્યારે સંશોધકો કહે છે કે, "આ પ્રથા સામાન્ય છે," ત્યારે વાચકો સૂચકાંકો જોઈ શકે છે: તે કેટલું સામાન્ય છે, કયા જૂથોમાં અને કઈ પરિસ્થિતિઓમાં.

બીજું, આંકડા નાટકીય ઘટનાઓ અને રોજિંદા પેટર્ન વચ્ચે સંતુલન જાળવવામાં મદદ કરે છે. નૃવંશશાસ્ત્રીઓ ઘણીવાર શક્તિશાળી, ઉત્તેજક ક્ષણોનો સામનો કરે છે - ખુલ્લા સંઘર્ષ, મુખ્ય ધાર્મિક વિધિઓ, કટોકટીની ઘટનાઓ - પરંતુ આંકડા તે ક્ષણોને પરિપ્રેક્ષ્યમાં લાવવામાં મદદ કરે છે.

ત્રીજું, આંકડા નીતિ નિર્માતાઓ સાથે વાતચીતને સરળ બનાવે છે. ઘણી જાહેર નીતિઓ સૂચકાંકો દ્વારા સંચાલિત હોય છે. માત્રાત્મક ડેટા દ્વારા સમર્થિત નૃવંશશાસ્ત્ર ઊંડાણને બલિદાન આપ્યા વિના વધુ સુલભ હોય છે.

મર્યાદાઓ અને જોખમો: સંખ્યાઓ ક્યારેય તટસ્થ હોતી નથી

નૃવંશશાસ્ત્રમાં આંકડા ઉપયોગી હોવા છતાં, તેમાં કેટલાક જોખમો છે.

૧. ઘટાડોવાદ: માનવ અનુભવ ચલોમાં સંકુચિત છે. જોકે, સાંસ્કૃતિક અર્થ ઘણીવાર દ્વિધાપૂર્ણ, વિરોધાભાસી અને પરિસ્થિતિગત હોય છે.
2. ઉદ્દેશ્યનો ભ્રમ: શ્રેણીઓની પસંદગી, પ્રશ્નો પૂછવાની રીત અને કોડિંગ પ્રક્રિયા સંશોધકની સ્થિતિથી ભારે પ્રભાવિત હોવા છતાં સંખ્યાઓ "ચોક્કસ" દેખાય છે.
૩. નમૂના લેવાના મુદ્દાઓ: નૃવંશશાસ્ત્ર ભાગ્યે જ રેન્ડમ નમૂનાઓનો ઉપયોગ કરે છે. તેથી, સંખ્યાઓ હંમેશા આંકડાકીય રીતે સામાન્યીકૃત કરી શકાતી નથી. સંખ્યાઓનો ઉપયોગ સાર્વત્રિક દાવાઓને નહીં, પરંતુ સંદર્ભિત દલીલોને સમર્થન આપવા માટે વધુ યોગ્ય રીતે થાય છે.
૪. નીતિશાસ્ત્ર અને ગુપ્તતા: માત્રાત્મક ડેટા, ખાસ કરીને સામાજિક નેટવર્ક્સ, સમુદાયમાં વ્યક્તિઓની ઓળખ અથવા સ્થિતિ જાહેર કરી શકે છે. નૃવંશશાસ્ત્રીઓએ અનામીતા અને સહભાગીઓની સંમતિ અંગે ખૂબ કડક હોવા જોઈએ.

નૃવંશશાસ્ત્રમાં આંકડા લાગુ કરવા માટેની વ્યવહારુ વ્યૂહરચનાઓ

આંકડા ખરેખર મદદરૂપ થાય તે માટે, ઘણી વ્યૂહરચનાઓ લાગુ કરી શકાય છે:

- એથનોગ્રાફિક પ્રશ્નોથી શરૂ કરીને: આંકડા ક્ષેત્રના પ્રશ્નોના જવાબ આપવા માટે પસંદ કરવામાં આવે છે, "વૈજ્ઞાનિક" દેખાવા માટે નહીં.
- સંખ્યાઓનો ઉપયોગ માર્ગદર્શિકા તરીકે કરો, ન્યાયાધીશો તરીકે નહીં: જો ડેટા વિચિત્ર પેટર્ન બતાવે છે, તો ક્ષેત્રમાં પાછા જાઓ - પૂછો, અવલોકન કરો અને સમજો.
- કોડિંગમાં પારદર્શક બનો: શ્રેણીઓ કેવી રીતે બનાવવામાં આવી, ડેટાની ગણતરી કેવી રીતે કરવામાં આવી અને મર્યાદાઓ શું છે તે સમજાવો.
- સંદર્ભિત અર્થઘટનને પ્રાથમિકતા આપો: સામાજિક વાર્તામાં સંખ્યાઓ મૂકવાની જરૂર છે - કોણ બોલી રહ્યું છે, કઈ પરિસ્થિતિઓમાં અને કયા પરિણામો સાથે.

પેનટઅપ

આંકડાશાસ્ત્ર અને નૃવંશશાસ્ત્ર એ બે વિશ્વ નથી કે જે એકબીજાના વિરોધી હોવા જોઈએ. નૃવંશશાસ્ત્ર ઊંડાણ, સૂક્ષ્મતા અને અર્થની ભાવના પ્રદાન કરે છે; આંકડાશાસ્ત્ર પેટર્ન અને ભિન્નતાઓને વ્યવસ્થિત રીતે સારાંશ આપવાનો માર્ગ પ્રદાન કરે છે. જ્યારે કાળજીપૂર્વક જોડવામાં આવે છે, ત્યારે બંને સંશોધન ઉત્પન્ન કરી શકે છે જે કથામાં સમૃદ્ધ અને દલીલમાં આકર્ષક બંને હોય છે: ફક્ત "શું થયું" અને "સહભાગીઓ માટે તેનો અર્થ શું હતો" જ નહીં, પણ "કેટલી વ્યાપક," "કેટલી વારંવાર," અને "કઈ પરિસ્થિતિઓમાં" સાંસ્કૃતિક પ્રથાઓ થાય છે તે પણ સમજાવવા સક્ષમ છે.

આખરે, નૃવંશશાસ્ત્રમાં આંકડાશાસ્ત્ર એ માનવ અવાજોને સંખ્યાઓથી બદલવા વિશે નથી, પરંતુ સામાજિક જીવનની આપણી સમજણને વધુ સંપૂર્ણ, જવાબદાર અને વિવિધ પ્રેક્ષકો માટે વાજબી બનાવવા માટે પુરાવાનો બીજો સ્તર ઉમેરવા વિશે છે.