Статистика в качественных исследованиях
Качественные исследования часто понимаются как подход, фокусирующийся на смысле, опыте, контексте и социальных процессах. Из-за этого некоторые считают статистику неактуальной в качественных исследованиях или даже противоречащей духу качественных исследований, который ставит во главу угла глубину, а не цифры. Однако на практике статистика может играть решающую роль в качественных исследованиях — не для «преобразования» качественных данных в количественные, а скорее для того, чтобы помочь исследователям обобщить данные, прояснить закономерности, укрепить аргументы и повысить прозрачность анализа.
В данной статье рассматривается, как можно надлежащим образом использовать статистику в качественных исследованиях, какие типы статистики обычно используются, а также ограничения и этические аспекты их применения, чтобы гарантировать их соответствие целям качественных исследований.
1. Понять роль статистики в качественных исследованиях.
Качественные исследования направлены на более глубокое понимание явлений посредством таких данных, как интервью, наблюдения, документы, полевые заметки или культурные артефакты. Качественные данные, как правило, представляют собой повествования, а не числа. Однако описательная статистика может быть полезна, когда исследователи кодируют данные, группируют темы или рассчитывают частоту встречаемости категорий.
Использование статистики в качественных исследованиях не требует от исследователей строгой проверки гипотез, как в количественных исследованиях. Основное внимание уделяется поддержке интерпретации: выявлению тенденций, пропорций или вариаций, возникающих из данных, при этом цитаты, контекст и объяснения остаются в центре обсуждения.
2. Описательная статистика: наиболее распространенная форма
В качественных исследованиях чаще всего используются описательные статистические данные, например:
– Количество участников, рассчитанное на основе определенных характеристик (возраст, профессия, стаж работы).
– Частота встречаемости тем или кодов в стенограмме.
– Процент респондентов, упомянувших конкретную проблему.
– Распределение мест наблюдения или типов анализируемых документов.
Простой пример: в качественном исследовании опыта удаленной работы исследователь может заявить, что «из 20 участников 14 подчеркнули проблему разграничения работы и личной жизни»; затем исследователь приводит цитаты и интерпретации того, почему эта проблема была доминирующей и как контекст различался в разных группах.
Описательная статистика помогает читателям понять «карту» данных: насколько широко распространены темы, какие темы обсуждаются чаще и существуют ли различия в закономерностях среди участников.
3. Количественная оценка качественных данных: когда она полезна?
В качественном анализе количественный анализ может быть полезен в следующих случаях:
1. Повысить прозрачность анализа.
Читатели могут убедиться, что выводы основаны не всего на нескольких цитатах, а на довольно устойчивой закономерности.
2. Сравните группы в исследовательском порядке.
Например, сравнение тем, выявленных в ходе интервью с начинающими и опытными учителями. Цель этого сравнения — не статистическое обобщение, а формулирование более тонких вопросов и объяснений.
3. Поддерживает смешанные методы.
В смешанных экспериментальных схемах качественные данные могут быть разделены на категории, которые затем кратко анализируются с помощью числовых показателей, или, наоборот, количественные результаты могут быть углубленно изучены посредством интервью.
Однако количественные методы не должны заменять глубину исследования. Редко встречающиеся темы могут быть невероятно важны — например, опыт дискриминации, с которым сталкиваются лишь немногие, но который оказывает значительное влияние.
4. Статистические методы, которые могут быть использованы.
Хотя качественные исследования не фокусируются на статистическом выводе, некоторые простые методы можно использовать с осторожностью:
– Частота и процентное соотношение: подсчет количества вхождений кодов или тем.
– Простая перекрестная табуляция: например, тема «стресс на работе» чаще встречалась у участников, работавших более 10 часов в день.
– Среднее или медианное значение: для демографических данных или характеристик участников, представленных в числовом виде, например, стаж работы.
– Визуализация: столбчатые диаграммы, сводные таблицы или тематические карты, представляющие собой обобщение закономерностей.
Если исследователи используют такие программы, как NVivo, ATLAS.ti, MAXQDA или даже электронные таблицы, функции подсчета частоты кодов и матрицы сравнения категорий оказываются очень полезными. Однако эти цифры следует рассматривать как «указания на закономерности в анализируемых данных», а не как статистическое доказательство для всей популяции.
5. Статистика и контент-анализ
Одной из наиболее «удобных для статистики» областей качественных подходов является контент-анализ, особенно качественно-количественного характера. Исследователи могут кодировать документы (например, новостные статьи, сообщения в социальных сетях, институциональные политики), а затем подсчитывать частоту встречаемости определенных категорий.
Пример: исследование освещения вопросов психического здоровья в онлайн-СМИ. Исследователи могут выделить такие категории, как «стигма», «профессиональная поддержка», «истории исцеления» или «сенсационализм». После кодирования исследователи могут представить долю категорий по каждому медиа или периоду времени. После этого от исследователей по-прежнему требуется провести углубленный анализ языка, формулировок и лежащего в основе социально-политического контекста.
6. Поддержание качества исследования: надежность и валидность качественной версии.
В качественных исследованиях качество часто обсуждается с точки зрения таких понятий, как достоверность, переносимость, надежность и подтверждаемость. Статистика может помочь в некоторых аспектах, особенно в процессе кодирования:
– Согласование между кодировщиками
Если данные кодируются несколькими исследователями, показатели согласованности (например, процент совпадения или определенный коэффициент) могут указывать на единообразие. Это особенно полезно при контент-анализе или в командных исследованиях.
Однако исследователям следует быть осторожными: высокая степень согласованности не означает автоматически «правильную» интерпретацию. Она лишь указывает на согласованность в применении определений кода. Поэтому обсуждения между кодировщиками, журналы аудита и рефлексивность остаются крайне важными.
7. Ограничения и риски использования статистики
Использование статистических данных без учета методологических принципов сопряжено с рядом рисков:
1. Редукционизм
Качественные данные богаты контекстом; чрезмерное сосредоточение на цифрах может привести к потере нюансов, противоречий и динамики.
2. Иллюзия обобщения
Высокая частота встречаемости в небольшой выборке не обязательно означает, что она применима к более широкой популяции. Качественные исследования, как правило, не предназначены для статистического обобщения.
3. Игнорирование второстепенных, но значимых тем.
Редко встречающиеся темы могут указывать на опыт уязвимых групп населения, скрытые конфликты или явления, которые трудно выявить.
4. Неправильное толкование читателем
Читатели могут поддаться искушению интерпретировать числа как меру достоверности. Поэтому исследователям необходимо объяснить, что числа лишь обобщают закономерности в анализируемых данных.
8. Передовая практика: интеграция чисел и повествования.
Для того чтобы статистические данные соответствовали качественным исследованиям, можно применять следующие передовые методы:
– Объясните цель использования чисел: для составления тематических карт, проведения сравнительного исследования или для обеспечения наглядности.
– Опишите процесс кодирования: определения кода, примеры цитат и этапы анализа.
– Используйте числа пропорционально: краткие таблицы допустимы, но интерпретационное повествование остается основой.
– Убедитесь, что контекст сохраняется: за числами всегда следуют объяснения «почему» и «как».
– Включите показательные цитаты: не просто «интересные», а такие, которые демонстрируют закономерности и вариации.
заключение
В качественных исследованиях статистика не является врагом, а скорее вспомогательным инструментом, который при правильном использовании может обогатить анализ. С помощью описательной статистики, простых количественных методов и визуализации исследователи могут четко обобщать данные и повышать прозрачность результатов. Однако качественные исследования по-прежнему основываются на смысле, контексте и глубокой интерпретации. Поэтому числа следует рассматривать как дополнение, помогающее прояснить закономерности, не приглушая голоса участников и сложность изучаемых социальных явлений.
При грамотном использовании статистика может стать мостом: она связывает нарративную силу качественных исследований с более систематическим, понятным и ответственным способом представления результатов.
