Tölfræði í eigindlegum rannsóknum
Eigindlegar rannsóknir eru oft skildar sem aðferð sem einbeitir sér að merkingu, reynslu, samhengi og félagslegum ferlum. Vegna þessa telja sumir tölfræði óviðkomandi í eigindlegum rannsóknum, eða jafnvel andstæða eigindlegum anda, sem leggur áherslu á dýpt frekar en tölur. Hins vegar getur tölfræði í reynd gegnt lykilhlutverki í eigindlegum rannsóknum - ekki til að „umbreyta“ eigindlegum í megindlega, heldur til að hjálpa rannsakendum að draga saman gögn, skýra mynstur, styrkja rök og auka gagnsæi greiningarinnar.
Þessi grein fjallar um hvernig hægt er að nota tölfræði á viðeigandi hátt í eigindlegum rannsóknum, þær gerðir tölfræði sem eru almennt notaðar og takmarkanir og siðferði notkunar hennar til að tryggja að hún sé í samræmi við markmið eigindlegra rannsókna.
1. Skilja stöðu tölfræði í eigindlegum rannsóknum
Eigindlegar rannsóknir miða að því að öðlast dýpri skilning á fyrirbærum með gögnum eins og viðtölum, athugunum, skjölum, vettvangsnótum eða menningarlegum gripum. Eigindleg gögn eru almennt í formi frásagna, ekki talna. Hins vegar getur lýsandi tölfræði verið gagnleg þegar rannsakendur kóða, flokka þemu eða reikna út tíðni flokka.
Notkun tölfræði í eigindlegum rannsóknum krefst ekki þess að rannsakendur prófi tilgátur ítarlega eins og í megindlegum rannsóknum. Áherslan er á að styðja túlkun: sýna fram á þróun, hlutföll eða breytileika sem koma fram í gögnunum, en halda tilvitnunum, samhengi og skýringum í brennidepli umræðunnar.
2. Lýsandi tölfræði: algengasta formið
Tölfræðin sem oftast er notuð í eigindlegum rannsóknum er lýsandi tölfræði, til dæmis:
– Fjöldi þátttakenda byggður á ákveðnum einkennum (aldur, starfsgrein, starfsaldur).
– Tíðni þess hvernig þemu eða kóðar koma fyrir í afritinu.
– Hlutfall svarenda sem nefndu tiltekið mál.
– Dreifing athugunarstaða eða tegunda gagna sem greind voru.
Einfalt dæmi: í eigindlegri rannsókn á fjarvinnu gæti rannsakandi sagt að „af 20 þátttakendum lögðu 14 áherslu á mörkin milli vinnu og einkalífs“; síðan fylgir rannsakandinn eftir með tilvitnunum og túlkunum á því hvers vegna það mál var ríkjandi og hvernig samhengið var mismunandi eftir hópum.
Lýsandi tölfræði hjálpar lesendum að skilja „kort“ gagnanna: hversu víða þemu koma fram, hvaða þemu eru rædd oftar og hvort munur sé á mynstrum milli þátttakenda.
3. Magnbundin mat á eigindlegum gögnum: hvenær er það gagnlegt?
Í eigindlegri greiningu getur magngreining verið gagnleg þegar:
1. Auka gagnsæi greininga
Lesendur sjá að niðurstöðurnar byggjast ekki á fáeinum tilvitnunum, heldur koma þær frá nokkuð samræmdu mynstri.
2. Berið saman hópa á könnunarleið
Til dæmis að bera saman þemu sem komu fram í viðtölum milli nýrra kennara og reyndra kennara. Þetta er ekki til að alhæfa tölfræðilega heldur til að fá fram ítarlegri spurningar og skýringar.
3. Styður blandaðar aðferðir
Í blönduðum rannsóknarsniðmátum er hægt að vinna eigindleg gögn niður í flokka sem síðan eru greind stuttlega með tölum, eða öfugt er hægt að dýpka megindlegar niðurstöður með viðtölum.
Hins vegar ætti magnbundin greining ekki að koma í stað dýptar. Þemu sem sjaldgæft er að finna geta verið ótrúlega mikilvæg — til dæmis reynsla af mismunun sem aðeins fáir upplifa en hefur veruleg áhrif.
4. Tölfræðilegar aðferðir sem hægt er að nota
Þótt eigindlegar rannsóknir einblíni ekki á tölfræðilegar ályktanir, má nota nokkrar einfaldar aðferðir með varúð:
– Tíðni og hlutfall: teljið tilvist kóða eða þema.
– Einföld krosstöflugerð: til dæmis kom þemað „vinnustreita“ oftar fyrir hjá þátttakendum sem unnu meira en 10 klukkustundir á dag.
– Meðaltal eða miðgildi: fyrir lýðfræðilegar upplýsingar eða tölulegar einkenni þátttakenda, svo sem reynslulengd.
– Sjónræn framsetning: súlurit, yfirlitstöflur eða þemakort sem sýna samantekt á mynstrum.
Ef rannsakendur nota hugbúnað eins og NVivo, ATLAS.ti, MAXQDA eða jafnvel töflureikna, þá eru tíðnitölur kóða og flokkasamanburðarfylki mjög gagnlegir. Hins vegar ætti að lesa þessar tölur sem „vísbendingar um mynstur í greindum gögnum“, ekki tölfræðilegar sannanir fyrir þýðið.
5. Tölfræði og innihaldsgreining
Eitt af „tölfræðivænustu“ þáttum eigindlegra aðferða er innihaldsgreining, sérstaklega eigindleg-magnbundin. Rannsakendur geta kóðað skjöl (t.d. fréttir, færslur á samfélagsmiðlum, stofnanastefnur) og síðan talið tíðni tiltekinna flokka.
Dæmi: Rannsókn á umfjöllun um geðheilbrigðismál í netmiðlum. Rannsakendur gætu bent á flokka eins og „stigma“, „faglegur stuðningur“, „græðandi frásagnir“ eða „skynjunarkennd“. Eftir kóðun geta rannsakendur kynnt hlutfall flokka eftir miðli eða tímabili. Að því loknu þurfa rannsakendur samt sem áður að veita ítarlega lestur á tungumálinu, umgjörðinni og undirliggjandi félags- og stjórnmálalegu samhengi.
6. Að viðhalda gæðum rannsókna: áreiðanleiki og réttmæti eigindlegrar útgáfu
Í eigindlegum rannsóknum er gæði oft rætt út frá hugtökum eins og trúverðugleika, flytjanleika, áreiðanleika og staðfestanleika. Tölfræði getur hjálpað við suma þætti, sérstaklega kóðunarferlið:
– Samningur milli kóðara
Ef fleiri en einn rannsakandi skráir gögnin geta samræmistölur (t.d. prósentusamræmi eða ákveðinn stuðull) gefið til kynna samræmi. Þetta er gagnlegt, sérstaklega í innihaldsgreiningu eða teymisrannsóknum.
Rannsakendur þurfa þó að gæta varúðar: mikil samstaða þýðir ekki sjálfkrafa „rétta“ túlkun. Hún gefur einfaldlega til kynna samræmi í beitingu kóðaskilgreininga. Þess vegna eru umræður við forritara, endurskoðunarslóðir og íhugun enn nauðsynleg.
7. Takmarkanir og áhætta við notkun tölfræði
Það fylgja nokkrar áhættur ef tölfræði er notuð án þess að aðferðafræðilega sé tekið tillit til:
1. Smættunarstefna
Eigindleg gögn eru rík af samhengi; of mikil áhersla á tölur getur glatað blæbrigðum, mótsögnum og virkni.
2. Blekking alhæfingarinnar
Há tíðni í litlu úrtaki þýðir ekki endilega að hún eigi við um stærri þýðið. Eigindlegar rannsóknir eru almennt ekki hannaðar til að alhæfa tölfræðilega.
3. Að hunsa minniháttar en þýðingarmikil þemu
Þemu sem sjaldan koma fram geta bent til reynslu viðkvæmra hópa, falinna átaka eða fyrirbæra sem erfitt er að afhjúpa.
4. Misskilningur lesanda
Lesendur geta freistast til að túlka tölur sem mælikvarða á vissu. Þess vegna þurfa rannsakendur að útskýra að tölur draga einungis saman mynstur í gögnunum sem verið er að greina.
8. Góð starfsháttur: að samþætta tölur og frásagnir
Til þess að tölfræði samræmist eigindlegum rannsóknum er hægt að beita eftirfarandi góðum starfsháttum:
– Útskýrið tilganginn með því að nota tölur: hvort sem það er til þemakortlagningar, könnunar samanburðar eða gagnsæis.
– Innifalið er kóðunarferlið: skilgreiningar kóða, dæmi um tilvitnanir og greiningarskref.
– Notið tölur í réttu hlutfalli: hnitmiðaðar töflur eru í lagi, en túlkandi frásögn er kjarninn.
– Gakktu úr skugga um að samhengið sé til staðar: tölum fylgir alltaf skýring á „hvers vegna“ og „hvernig“.
– Hafðu með dæmigerðar tilvitnanir: ekki bara „áhugaverðar“ tilvitnanir, heldur einnig þær sem sýna mynstur og frávik.
Niðurstaða
Tölfræði í eigindlegum rannsóknum er ekki óvinurinn, heldur frekar stuðningstæki sem getur auðgað greininguna þegar hún er notuð á réttan hátt. Með lýsandi tölfræði, einfaldri magngreiningu og sjónrænni framsetningu geta rannsakendur dregið saman gögn á skýran hátt og aukið gagnsæi niðurstaðna. Hins vegar byggja eigindlegar rannsóknir á merkingu, samhengi og ítarlegri túlkun. Þess vegna ætti að meðhöndla tölur sem viðbót - sem hjálpar til við að skýra mynstur án þess að draga úr rödd þátttakenda og flækjustigi félagslegra fyrirbæra sem verið er að rannsaka.
Þegar tölfræði er notuð skynsamlega getur hún verið brú: hún tengir frásagnarkraft eigindlegra rannsókna við kerfisbundnari, skiljanlegri og ábyrgari hátt til að kynna niðurstöður.
