தரமான ஆராய்ச்சியில் புள்ளிவிவரங்கள்

தரமான ஆராய்ச்சியில் புள்ளிவிவரங்கள்

பண்புசார் ஆய்வு என்பது பெரும்பாலும் பொருள், அனுபவம், சூழல் மற்றும் சமூக செயல்முறைகள் ஆகியவற்றில் கவனம் செலுத்தும் ஒரு அணுகுமுறையாகப் புரிந்துகொள்ளப்படுகிறது. இதன் காரணமாக, சிலர் பண்புசார் ஆய்வில் புள்ளிவிவரங்களைப் பொருத்தமற்றவை என்றோ, அல்லது எண்களை விட ஆழத்திற்கு முக்கியத்துவம் கொடுக்கும் பண்புசார் ஆய்வின் நோக்கத்திற்கு முரணானவை என்றோ கருதுகின்றனர். இருப்பினும், நடைமுறையில், பண்புசார் ஆய்வில் புள்ளிவிவரங்கள் ஒரு முக்கியப் பங்கை வகிக்க முடியும்—அவை பண்புசார் ஆய்வை அளவுசார் ஆய்வாக "மாற்றுவதற்காக" அல்ல, மாறாக, தரவுகளைச் சுருக்கவும், வடிவங்களைத் தெளிவுபடுத்தவும், வாதங்களை வலுப்படுத்தவும், பகுப்பாய்வின் வெளிப்படைத்தன்மையை அதிகரிக்கவும் ஆய்வாளர்களுக்கு உதவுகின்றன.

தரவுசார் ஆய்வில் புள்ளிவிவரங்களை எவ்வாறு பொருத்தமாகப் பயன்படுத்தலாம், பொதுவாகப் பயன்படுத்தப்படும் புள்ளிவிவரங்களின் வகைகள், மற்றும் தரவுசார் ஆய்வின் நோக்கங்களுடன் அவை இணக்கமாக இருப்பதை உறுதி செய்வதற்கான அவற்றின் பயன்பாட்டின் வரம்புகள் மற்றும் நெறிமுறைகள் ஆகியவற்றை இந்தக் கட்டுரை விவாதிக்கிறது.

1. பண்புசார் ஆய்வில் புள்ளிவிவரங்களின் பங்கைப் புரிந்துகொள்ளுதல்

தரவுசார் ஆய்வு என்பது நேர்காணல்கள், உற்றுநோக்கல்கள், ஆவணங்கள், களக் குறிப்புகள் அல்லது பண்பாட்டுப் பொருள்கள் போன்ற தரவுகளின் மூலம் நிகழ்வுகளைப் பற்றி ஆழமான புரிதலைப் பெறுவதை நோக்கமாகக் கொண்டுள்ளது. தரவுசார் தரவுகள் பொதுவாக எண்களின் வடிவத்தில் அல்லாமல், விவரிப்புகளின் வடிவத்தில் இருக்கும். இருப்பினும், ஆய்வாளர்கள் கருப்பொருள்களைக் குறியிடும்போதும், குழுப்படுத்தும்போதும், அல்லது வகைகளின் நிகழ்வு அதிர்வெண்ணைக் கணக்கிடும்போதும் விளக்கப் புள்ளிவிவரங்கள் உதவியாக இருக்கும்.

அளவுசார் ஆராய்ச்சியில் உள்ளது போல, பண்புசார் ஆராய்ச்சியில் புள்ளிவிவரங்களைப் பயன்படுத்தும்போது, ​​ஆராய்ச்சியாளர்கள் கருதுகோள்களைக் கடுமையாகச் சோதிக்க வேண்டிய அவசியமில்லை. மேற்கோள்கள், சூழல் மற்றும் விளக்கங்களை விவாதத்தின் மையமாக வைத்துக்கொண்டு, தரவுகளிலிருந்து வெளிப்படும் போக்குகள், விகிதாச்சாரங்கள் அல்லது மாறுபாடுகளைக் காண்பிப்பதன் மூலம் விளக்கத்திற்கு ஆதரவளிப்பதே இதன் முக்கிய நோக்கமாக உள்ளது.

2. விளக்கப் புள்ளிவிவரங்கள்: மிகவும் பொதுவான வடிவம்

பண்புசார் ஆராய்ச்சியில் பெரும்பாலும் காணப்படும் புள்ளிவிவரங்கள் விளக்கப் புள்ளிவிவரங்களாகும், எடுத்துக்காட்டாக:

– குறிப்பிட்ட பண்புகளின் (வயது, தொழில், பணிக்காலம்) அடிப்படையில் பங்கேற்பாளர்களின் எண்ணிக்கை.
படியெடுத்த உரையில் கருப்பொருள்கள் அல்லது குறியீடுகள் தோன்றும் அதிர்வெண்.
– ஒரு குறிப்பிட்ட சிக்கலைக் குறிப்பிட்ட பதிலளித்தவர்களின் சதவீதம்.
– கண்காணிப்பு இடங்களின் பரவல் அல்லது பகுப்பாய்வு செய்யப்பட்ட ஆவணங்களின் வகைகள்.

ஒரு எளிய உதாரணம்: தொலைதூரப் பணி அனுபவங்கள் குறித்த ஒரு பண்புசார் ஆய்வில், ஓர் ஆய்வாளர், “பங்கேற்பாளர்கள் 20 பேரில், 14 பேர் பணிக்கும் தனிப்பட்ட வாழ்க்கைக்கும் இடையிலான எல்லைகள் குறித்த சிக்கலை முன்னிலைப்படுத்தினர்” என்று கூறலாம்; பின்னர் அந்த ஆய்வாளர், அந்தச் சிக்கல் ஏன் மேலோங்கி இருந்தது என்பதையும், குழுக்களிடையே சூழல் எவ்வாறு வேறுபட்டது என்பதையும் விளக்கும் மேற்கோள்களையும் விளக்கங்களையும் தொடர்ந்து அளிக்கிறார்.

விளக்கப் புள்ளிவிவரங்கள், தரவுகளின் 'வரைபடத்தை' வாசகர்கள் புரிந்துகொள்ள உதவுகின்றன: அதாவது, கருப்பொருள்கள் எவ்வளவு பரவலாக வெளிப்படுகின்றன, எந்தக் கருப்பொருள்கள் அடிக்கடி விவாதிக்கப்படுகின்றன, மேலும் பங்கேற்பாளர்களிடையே வடிவங்களில் வேறுபாடுகள் உள்ளனவா என்பனவற்றை அறிந்துகொள்ள உதவுகின்றன.

3. பண்புசார் தரவுகளை அளவிடுதல்: எப்போது பயனுள்ளதாக இருக்கும்?

பண்புசார் பகுப்பாய்வில், பின்வரும் சந்தர்ப்பங்களில் அளவீடு பயனுள்ளதாக இருக்கும்:

1. பகுப்பாய்வின் வெளிப்படைத்தன்மையை அதிகரிக்கவும்
இந்தக் கண்டுபிடிப்புகள் ஒரு சில மேற்கோள்களை மட்டும் அடிப்படையாகக் கொண்டவை அல்ல, மாறாக மிகவும் சீரான ஒரு போக்கிலிருந்து உருவானவை என்பதை வாசகர்கள் காணலாம்.

2. குழுக்களை ஆய்வு முறையில் ஒப்பிடுதல்
உதாரணமாக, புதிய மற்றும் அனுபவம் வாய்ந்த ஆசிரியர்களுக்கு இடையேயான நேர்காணல்களில் வெளிப்பட்ட கருப்பொருள்களை ஒப்பிடுவது. இது புள்ளிவிவரப் பொதுமைப்படுத்தலுக்காக அல்ல, மாறாக மேலும் நுணுக்கமான கேள்விகளையும் விளக்கங்களையும் உருவாக்குவதற்காகவே ஆகும்.

3. கலப்பு முறைகளை ஆதரிக்கிறது
கலப்பு வடிவமைப்புகளில், பண்புசார் தரவுகளைப் பிரிவுகளாகப் பிரித்து, பின்னர் அவற்றை எண்களைக் கொண்டு சுருக்கமாகப் பகுப்பாய்வு செய்யலாம்; அல்லது இதற்கு நேர்மாறாக, அளவுசார் முடிவுகளை நேர்காணல்கள் மூலம் ஆழப்படுத்தலாம்.

இருப்பினும், அளவீடு ஆழத்திற்கு மாற்றாக அமையக்கூடாது. அரிதாக எதிர்கொள்ளப்படும் கருப்பொருள்கள் மிகவும் முக்கியமானவையாக இருக்கலாம் — உதாரணமாக, ஒரு சிலரே அனுபவிக்கும், ஆனால் குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்தும் பாகுபாட்டு அனுபவங்கள்.

4. பயன்படுத்தக்கூடிய புள்ளிவிவர நுட்பங்கள்

பண்புசார் ஆய்வு புள்ளியியல் அனுமானத்தில் கவனம் செலுத்தாவிட்டாலும், சில எளிய நுட்பங்களை எச்சரிக்கையுடன் பயன்படுத்தலாம்:

– நிகழ்வெண் மற்றும் சதவீதம்: குறியீடுகள் அல்லது கருப்பொருள்களின் நிகழ்வுகளைக் கணக்கிடுங்கள்.
– எளிய குறுக்கு அட்டவணைப்படுத்தல்: எடுத்துக்காட்டாக, ஒரு நாளைக்கு 10 மணி நேரத்திற்கும் மேலாக வேலை செய்த பங்கேற்பாளர்களிடம் “பணி அழுத்தம்” என்ற கருப்பொருள் அதிகமாகக் காணப்பட்டது.
– சராசரி அல்லது இடைநிலை: அனுபவக் காலம் போன்ற, எண் வடிவில் உள்ள மக்கள்தொகைத் தரவுகள் அல்லது பங்கேற்பாளரின் பண்புகளுக்குப் பொருந்தும்.
– காட்சிப்படுத்தல்: வடிவங்களின் சுருக்கத்தை வழங்கும் பட்டை வரைபடங்கள், சுருக்க அட்டவணைகள் அல்லது கருப்பொருள் வரைபடங்கள்.

ஆராய்ச்சியாளர்கள் NVivo, ATLAS.ti, MAXQDA போன்ற மென்பொருட்களையோ அல்லது விரிதாள்களையோ பயன்படுத்தினால், குறியீட்டு நிகழ்வெண் எண்ணிக்கை மற்றும் வகை ஒப்பீட்டு அணி அம்சங்கள் மிகவும் உதவியாக இருக்கும். இருப்பினும், இந்த எண்களை, "பகுப்பாய்வு செய்யப்பட்ட தரவுகளில் உள்ள வடிவங்களின் அறிகுறிகளாகவே" கருத வேண்டுமே தவிர, ஒட்டுமொத்த மக்கள் தொகைக்கான புள்ளிவிவரச் சான்றுகளாகக் கருதக்கூடாது.

5. புள்ளியியல் மற்றும் உள்ளடக்கப் பகுப்பாய்வு

பண்புசார் அணுகுமுறைகளில், புள்ளிவிவரங்களுக்கு மிகவும் உகந்த துறைகளில் ஒன்று உள்ளடக்கப் பகுப்பாய்வு ஆகும்; குறிப்பாக, பண்புசார்-அளவுசார் தன்மையுடைய பகுப்பாய்வு. ஆய்வாளர்கள் ஆவணங்களுக்கு (எ.கா., செய்திக் கட்டுரைகள், சமூக ஊடகப் பதிவுகள், நிறுவனக் கொள்கைகள்) குறியீடு இட்டு, பின்னர் குறிப்பிட்ட பிரிவுகள் நிகழும் அதிர்வெண்ணைக் கணக்கிடலாம்.

உதாரணம்: இணைய ஊடகங்களில் மனநலம் குறித்த செய்திகள் பற்றிய ஒரு ஆய்வு. ஆய்வாளர்கள் "களங்கம்," "தொழில்முறை ஆதரவு," "குணமளிக்கும் கதைகள்," அல்லது "பரபரப்பூட்டும் தன்மை" போன்ற வகைகளை அடையாளம் காணலாம். வகைப்படுத்திய பிறகு, ஆய்வாளர்கள் ஒவ்வொரு ஊடகம் அல்லது காலப்பகுதிக்குமான வகைகளின் விகிதத்தை வழங்கலாம். அதன்பிறகு, ஆய்வாளர்கள் மொழி, அதன் கட்டமைப்பு மற்றும் அதன் பின்னணியில் உள்ள சமூக-அரசியல் சூழல் ஆகியவற்றைப் பற்றிய ஒரு ஆழமான விளக்கத்தை வழங்க வேண்டியுள்ளது.

6. ஆராய்ச்சியின் தரத்தைப் பேணுதல்: பண்புசார் பதிப்பின் நம்பகத்தன்மை மற்றும் செல்லுபடியாகும் தன்மை

பண்புசார் ஆராய்ச்சியில், நம்பகத்தன்மை, இடமாற்றக்கூடிய தன்மை, சார்ந்திருக்கக்கூடிய தன்மை மற்றும் உறுதிப்படுத்தக்கூடிய தன்மை போன்ற கருத்துகளின் மூலம் தரம் பெரும்பாலும் விவாதிக்கப்படுகிறது. புள்ளியியல் சில அம்சங்களுக்கு, குறிப்பாகக் குறியீட்டுச் செயல்முறைக்கு உதவக்கூடும்:

– குறியீட்டாளர்களுக்கு இடையேயான ஒப்பந்தம்
ஒன்றுக்கு மேற்பட்ட ஆய்வாளர்கள் தரவைக் குறியீடு செய்தால், உடன்பாட்டு எண்கள் (எ.கா., சதவீத உடன்பாடு அல்லது ஒரு குறிப்பிட்ட குணகம்) நிலைத்தன்மையைக் குறிக்க முடியும். இது, குறிப்பாக உள்ளடக்கப் பகுப்பாய்வு அல்லது குழு ஆராய்ச்சியில் பயனுள்ளதாக இருக்கும்.

இருப்பினும், ஆராய்ச்சியாளர்கள் கவனமாக இருக்க வேண்டும்: அதிக உடன்பாடு இருப்பது தானாகவே ஒரு “சரியான” விளக்கத்தைக் குறிக்காது. அது குறியீட்டு வரையறைகளைப் பயன்படுத்துவதில் உள்ள நிலைத்தன்மையை மட்டுமே சுட்டிக்காட்டுகிறது. எனவே, குறியீட்டாளர் கலந்துரையாடல்கள், தணிக்கைப் பதிவுகள் மற்றும் சுயபரிசோதனை ஆகியவை இன்றியமையாதவையாக இருக்கின்றன.

7. புள்ளிவிவரங்களைப் பயன்படுத்துவதில் உள்ள வரம்புகளும் அபாயங்களும்

முறையியல் பரிசீலனை இல்லாமல் புள்ளிவிவரங்களைப் பயன்படுத்தினால் பல அபாயங்கள் உள்ளன:

1. குறைப்புவாதம்
பண்புசார் தரவுகள் சூழல் செறிந்தவை; எண்களில் மட்டுமே அதிக கவனம் செலுத்துவது நுணுக்கம், முரண்பாடு மற்றும் இயக்கவியலை இழக்கச் செய்துவிடும்.

2. பொதுமைப்படுத்தல் மாயை
ஒரு சிறிய மாதிரியில் அதிக நிகழ்வெண் இருப்பது, அது பரந்த மக்கள் தொகைக்கும் பொருந்தும் என்று அவசியமாகப் பொருள்படுவதில்லை. பண்புசார் ஆராய்ச்சி பொதுவாகப் புள்ளிவிவரப் பொதுமைப்படுத்தலுக்காக வடிவமைக்கப்படுவதில்லை.

3. சிறிய ஆனால் அர்த்தமுள்ள கருப்பொருள்களைப் புறக்கணித்தல்
அரிதாக வெளிப்படும் கருப்பொருள்கள், பாதிக்கப்படக்கூடிய குழுக்களின் அனுபவங்கள், மறைக்கப்பட்ட மோதல்கள் அல்லது வெளிக்கொணர்வதற்குக் கடினமான நிகழ்வுகளைச் சுட்டிக்காட்டக்கூடும்.

4. வாசகரின் தவறான புரிதல்
வாசகர்கள் எண்களை நிச்சயத்தன்மையின் அளவுகோலாகப் புரிந்துகொள்ளத் தூண்டப்படலாம். எனவே, பகுப்பாய்வு செய்யப்படும் தரவுகளில் உள்ள வடிவங்களை எண்கள் வெறுமனே சுருக்கமாகக் கூறுகின்றன என்பதை ஆராய்ச்சியாளர்கள் விளக்க வேண்டும்.

8. சிறந்த நடைமுறை: எண்களையும் கதையாடலையும் ஒருங்கிணைத்தல்

புள்ளிவிவரங்களை பண்புசார் ஆய்வுடன் ஒருங்கிணைப்பதற்கு, பின்வரும் சிறந்த நடைமுறைகளைப் பின்பற்றலாம்:

– எண்களைப் பயன்படுத்துவதன் நோக்கத்தை விளக்குங்கள்: அது கருப்பொருள் வரைபடத்திற்கா, ஆராய்ந்து ஒப்பிடுவதற்கா, அல்லது வெளிப்படைத்தன்மைக்கா.
– குறியீடாக்கச் செயல்முறையை உள்ளடக்கவும்: குறியீட்டு வரையறைகள், எடுத்துக்காட்டு மேற்கோள்கள் மற்றும் பகுப்பாய்வுப் படிகள்.
– எண்களைச் சரியான விகிதத்தில் பயன்படுத்துங்கள்: சுருக்கமான அட்டவணைகள் உகந்தவையே, ஆனால் விளக்கமுறை விவரிப்பே மையமாக விளங்குகிறது.
– சூழல் தெளிவாகப் புரியும்படி பார்த்துக் கொள்ளுங்கள்: எண்களைத் தொடர்ந்து எப்போதும் “ஏன்” மற்றும் “எப்படி” என்பதற்கான விளக்கங்கள் இடம்பெற வேண்டும்.
– பிரதிநிதித்துவ மேற்கோள்களைச் சேர்க்கவும்: வெறும் “சுவாரஸ்யமானவை” மட்டுமல்ல, வடிவங்களையும் வேறுபாடுகளையும் காட்டும் மேற்கோள்களையும் சேர்க்கவும்.

முடிவுரை

பண்புசார் ஆய்வில் புள்ளிவிவரங்கள் எதிரியல்ல, மாறாக, முறையாகப் பயன்படுத்தப்படும்போது பகுப்பாய்வை வளப்படுத்தக்கூடிய ஒரு துணைக்கருவியாகும். விளக்கப் புள்ளிவிவரங்கள், எளிய அளவீடு மற்றும் காட்சிப்படுத்தல் ஆகியவற்றின் மூலம், ஆய்வாளர்கள் தரவுகளைத் தெளிவாகச் சுருக்கி, கண்டுபிடிப்புகளின் வெளிப்படைத்தன்மையை அதிகரிக்க முடியும். இருப்பினும், பண்புசார் ஆய்வு என்பது பொருள், சூழல் மற்றும் ஆழமான விளக்கம் ஆகியவற்றில் வேரூன்றியுள்ளது. எனவே, எண்கள் ஒரு துணைக்கருவியாகவே கருதப்பட வேண்டும்—பங்கேற்பாளர்களின் குரல்களையும், ஆய்வு செய்யப்படும் சமூக நிகழ்வுகளின் சிக்கலான தன்மையையும் குறைக்காமல், வடிவங்களைத் தெளிவுபடுத்த அவை உதவுகின்றன.

விவேகத்துடன் பயன்படுத்தப்படும்போது, ​​புள்ளிவிவரங்கள் ஒரு பாலமாகச் செயல்பட முடியும்: அவை பண்புசார் ஆராய்ச்சியின் கதையாடல் ஆற்றலை, ஆய்வின் முடிவுகளை மிகவும் முறைப்படுத்தப்பட்ட, புரிந்துகொள்ளக்கூடிய மற்றும் பொறுப்புக்கூறத்தக்க வகையில் முன்வைக்கும் ஒரு வழிமுறையுடன் இணைக்கின்றன.