סטטיסטיקה במחקר איכותני
מחקר איכותני נתפס לעתים קרובות כגישה המתמקדת במשמעות, חוויה, הקשר ותהליכים חברתיים. מסיבה זו, יש אנשים הרואים סטטיסטיקה כלא רלוונטית במחקר איכותני, או אפילו מנוגדת לרוח האיכותנית, המדגישה עומק על פני מספרים. עם זאת, בפועל, סטטיסטיקה יכולה למלא תפקיד מכריע במחקר איכותני - לא כדי "להפוך" איכותני לכמותי, אלא כדי לסייע לחוקרים לסכם נתונים, להבהיר דפוסים, לחזק טיעונים ולהגביר את שקיפות הניתוח.
מאמר זה דן כיצד ניתן להשתמש בסטטיסטיקה בצורה הולמת במחקר איכותני, בסוגי הסטטיסטיקה הנפוצים, ובמגבלות ובאתיקה של השימוש בה על מנת להבטיח שהיא תשאר בהתאם למטרות המחקר האיכותני.
1. להבין את מקומה של הסטטיסטיקה במחקר איכותני
מחקר איכותני שואף להשיג הבנה מעמיקה יותר של תופעות באמצעות נתונים כגון ראיונות, תצפיות, מסמכים, רישומי שטח או ממצאים תרבותיים. נתונים איכותניים לובשים בדרך כלל צורה של נרטיבים, לא מספרים. עם זאת, סטטיסטיקה תיאורית יכולה להיות מועילה כאשר חוקרים מקודדים, מקבצים נושאים או מחשבים את תדירות הופעתן של קטגוריות.
השימוש בסטטיסטיקה במחקר איכותני אינו דורש מהחוקרים לבחון השערות בקפדנות כמו במחקר כמותי. המוקד הוא על תמיכה בפרשנות: הצגת מגמות, פרופורציות או וריאציות העולות מהנתונים, תוך שמירה על ציטוטים, הקשר והסברים בלב הדיון.
2. סטטיסטיקה תיאורית: הצורה הנפוצה ביותר
הסטטיסטיקות המופיעות בתדירות הגבוהה ביותר במחקר איכותני הן סטטיסטיקות תיאוריות, לדוגמה:
– מספר משתתפים בהתבסס על מאפיינים מסוימים (גיל, מקצוע, ותק).
– תדירות הופעת נושאים או קודים בתמליל.
– אחוז המשיבים שהזכירו נושא מסוים.
– פיזור מיקומי תצפית או סוגי מסמכים שנותחו.
דוגמה פשוטה: במחקר איכותני של חוויות עבודה מרחוק, חוקר עשוי לציין כי "מתוך 20 המשתתפים, 14 הדגישו את סוגיית הגבולות בין עבודה לחיים אישיים"; לאחר מכן החוקר ממשיך בציטוטים ופרשנויות מדוע סוגיה זו הייתה דומיננטית וכיצד ההקשר השתנה בין הקבוצות.
סטטיסטיקה תיאורית עוזרת לקוראים להבין את "מפת" הנתונים: עד כמה נושאים צצים, אילו נושאים נדונים בתדירות גבוהה יותר, והאם ישנם הבדלים בדפוסים בין המשתתפים.
3. כימות נתונים איכותניים: מתי זה שימושי?
בניתוח איכותני, כימות יכול להיות שימושי כאשר:
1. הגברת שקיפות הניתוח
הקוראים יכולים לראות שהממצאים אינם מבוססים על ציטוטים בודדים, אלא מגיעים מדפוס עקבי למדי.
2. השוו קבוצות באופן חקרני
לדוגמה, השוואת נושאים שעלו בראיונות בין מורים מתחילים למורים מנוסים. אין בכך כדי להכליל סטטיסטית, אלא כדי לייצר שאלות והסברים מעמיקים יותר.
3. תומך בשיטות מעורבות
בעיצובים מעורבים, ניתן לעבד נתונים איכותניים לקטגוריות אשר לאחר מכן מנותחות בקצרה באמצעות מספרים, או לחלופין ניתן להעמיק תוצאות כמותיות באמצעות ראיונות.
עם זאת, כימות לא צריך להחליף עומק. נושאים נדירים יכולים להיות חשובים ביותר - לדוגמה, חוויות של אפליה שרק מעטים חווים, אך יש להן השפעה משמעותית.
4. טכניקות סטטיסטיות בהן ניתן להשתמש
למרות שמחקר איכותני אינו מתמקד בהסקה סטטיסטית, ניתן להשתמש בכמה טכניקות פשוטות בזהירות:
– תדירות ואחוז: ספירת הופעת קודים או נושאים.
– טבלת הצלב פשוטה: לדוגמה, הנושא "לחץ בעבודה" הופיע יותר בקרב משתתפים שעבדו יותר מ-10 שעות ביום.
– ממוצע או חציון: עבור נתונים דמוגרפיים או מאפייני משתתף שהם מספריים, כגון משך ניסיון.
– ויזואליזציה: תרשימי עמודות, טבלאות סיכום או מפות נושא המציגות סיכום של דפוסים.
אם חוקרים משתמשים בתוכנות כמו NVivo, ATLAS.ti, MAXQDA, או אפילו בגיליונות אלקטרוניים, ספירת תדירות הקוד ומטריצת השוואת הקטגוריות מועילות מאוד. עם זאת, יש לקרוא מספרים אלה כ"אינדיקציות לדפוסים בנתונים המנותחים", ולא כראיות סטטיסטיות עבור האוכלוסייה.
5. סטטיסטיקה וניתוח תוכן
אחד התחומים ה"ידידותיים ביותר לסטטיסטיקה" בגישות איכותניות הוא ניתוח תוכן, במיוחד ניתוח בעל אופי איכותני-כמותי. חוקרים יכולים לקודד מסמכים (למשל, כתבות חדשותיות, פוסטים ברשתות חברתיות, מדיניות מוסדית) ולאחר מכן לספור את תדירות הופעתן של קטגוריות מסוימות.
דוגמה: מחקר על סיקור בריאות הנפש במדיה המקוונת. חוקרים עשויים לזהות קטגוריות כגון "סטיגמה", "תמיכה מקצועית", "נרטיבים מרפאים" או "סנסציוניזם". לאחר הקידוד, החוקרים יכולים להציג את שיעור הקטגוריות לפי מדיום או תקופת זמן. לאחר מכן, החוקרים עדיין נדרשים לספק קריאה מעמיקה של השפה, המסגור וההקשר החברתי-פוליטי הבסיסי.
6. שמירה על איכות המחקר: מהימנות ותוקף הגרסה האיכותנית
במחקר איכותני, איכות נדונה לעתים קרובות באמצעות מושגים כמו אמינות, יכולת העברה, מהימנות ואימות. סטטיסטיקה יכולה לסייע בהיבטים מסוימים, ובמיוחד בתהליך הקידוד:
– הסכם בין-קודדים
אם יותר מחוקר אחד מקודד את הנתונים, נתוני התאמה (למשל, אחוזי התאמה או מקדם ספציפי) יכולים להצביע על עקביות. זה שימושי, במיוחד בניתוח תוכן או במחקר צוותי.
עם זאת, חוקרים צריכים להיזהר: הסכמה גבוהה אינה אומרת באופן אוטומטי פרשנות "נכונה". היא פשוט מצביעה על עקביות ביישום הגדרות הקוד. לכן, דיונים עם המתכנתים, שבילי ביקורת ורפלקסיביות נותרים חיוניים.
7. מגבלות וסיכונים של שימוש בסטטיסטיקה
ישנם מספר סיכונים אם משתמשים בסטטיסטיקה ללא שיקול דעת מתודולוגי:
1. רדוקציוניזם
נתונים איכותניים עשירים בהקשר; התמקדות יתרה במספרים עלולה לאבד ניואנסים, סתירות ודינמיקה.
2. אשליית ההכללה
שכיחות גבוהה במדגם קטן אינה בהכרח אומרת שהיא חלה על אוכלוסייה רחבה יותר. מחקר איכותני בדרך כלל אינו מיועד להכללה סטטיסטית.
3. התעלמות מנושאים מינוריים אך משמעותיים
נושאים שעולים לעיתים רחוקות עשויים להצביע על חוויותיהן של קבוצות פגיעות, סכסוכים נסתרים או תופעות שקשה לחשוף.
4. פרשנות שגויה של הקורא
קוראים עלולים להתפתות לפרש מספרים כמדד לוודאות. לכן, חוקרים צריכים להסביר שמספרים רק מסכמים דפוסים בנתונים המנותחים.
8. נוהג טוב: שילוב מספרים ונרטיב
על מנת שהסטטיסטיקה תתיישב עם מחקר איכותני, ניתן ליישם את שיטות העבודה המומלצות הבאות:
– הסבר את מטרת השימוש במספרים: בין אם למיפוי נושאים, השוואה חקרנית או שקיפות.
– לכלול את תהליך הקידוד: הגדרות קוד, ציטוטים לדוגמה ושלבי ניתוח.
– השתמשו במספרים באופן פרופורציונלי: טבלאות תמציתיות הן בסדר, אך הנרטיב הפרשני נשאר הליבה.
– ודאו שההקשר נותר נוכח: מספרים תמיד מלווים בהסברים של "למה" ו"איך".
– כללו ציטוטים מייצגים: לא רק ציטוטים "מעניינים", אלא כאלה שמראים דפוסים ווריאציות.
מסקנה
סטטיסטיקה במחקר איכותני אינה האויב, אלא כלי תומך שיכול להעשיר את הניתוח כאשר משתמשים בו כראוי. באמצעות סטטיסטיקה תיאורית, כימות פשוט והדמיה, חוקרים יכולים לסכם נתונים בצורה ברורה ולהגביר את שקיפות הממצאים. עם זאת, מחקר איכותני נותר מבוסס על משמעות, הקשר ופרשנות מעמיקה. לכן, יש להתייחס למספרים כאל השלמה - המסייעת להבהיר דפוסים מבלי לפגוע בקולות המשתתפים ובמורכבות התופעות החברתיות הנחקרות.
כאשר משתמשים בהן בחוכמה, סטטיסטיקה יכולה להיות גשר: לחבר את הכוח הנרטיבי של מחקר איכותני עם דרך שיטתית, מובנת ואחראית יותר להצגת ממצאים.
