Thống kê trong nghiên cứu định tính
Nghiên cứu định tính thường được hiểu là một phương pháp tập trung vào ý nghĩa, kinh nghiệm, bối cảnh và các quá trình xã hội. Vì lý do này, một số người cho rằng thống kê không liên quan đến nghiên cứu định tính, hoặc thậm chí trái ngược với tinh thần định tính, vốn nhấn mạnh chiều sâu hơn là con số. Tuy nhiên, trên thực tế, thống kê có thể đóng vai trò quan trọng trong nghiên cứu định tính—không phải để “chuyển đổi” nghiên cứu định tính thành định lượng, mà là để giúp các nhà nghiên cứu tóm tắt dữ liệu, làm rõ các mô hình, củng cố lập luận và tăng tính minh bạch của phân tích.
Bài viết này thảo luận về cách sử dụng thống kê một cách phù hợp trong nghiên cứu định tính, các loại thống kê thường được sử dụng, cũng như những hạn chế và vấn đề đạo đức trong việc sử dụng chúng để đảm bảo chúng phù hợp với mục tiêu của nghiên cứu định tính.
1. Hiểu rõ vai trò của thống kê trong nghiên cứu định tính
Nghiên cứu định tính nhằm mục đích hiểu sâu hơn về các hiện tượng thông qua dữ liệu như phỏng vấn, quan sát, tài liệu, ghi chép thực địa hoặc hiện vật văn hóa. Dữ liệu định tính thường ở dạng tường thuật, không phải số liệu. Tuy nhiên, thống kê mô tả có thể hữu ích khi các nhà nghiên cứu mã hóa, nhóm các chủ đề hoặc tính toán tần suất xuất hiện của các danh mục.
Việc sử dụng thống kê trong nghiên cứu định tính không yêu cầu các nhà nghiên cứu phải kiểm nghiệm giả thuyết một cách nghiêm ngặt như trong nghiên cứu định lượng. Trọng tâm là hỗ trợ việc diễn giải: chỉ ra các xu hướng, tỷ lệ hoặc sự biến đổi xuất hiện từ dữ liệu, đồng thời giữ các trích dẫn, bối cảnh và giải thích ở trung tâm của cuộc thảo luận.
2. Thống kê mô tả: hình thức phổ biến nhất
Trong nghiên cứu định tính, số liệu thống kê thường gặp nhất là số liệu thống kê mô tả, ví dụ:
– Số lượng người tham gia dựa trên một số đặc điểm nhất định (tuổi tác, nghề nghiệp, thâm niên công tác).
– Tần suất xuất hiện của các chủ đề hoặc mã trong bản ghi.
– Tỷ lệ phần trăm người trả lời đã đề cập đến một vấn đề cụ thể.
– Phân bố địa điểm quan sát hoặc loại tài liệu được phân tích.
Một ví dụ đơn giản: trong một nghiên cứu định tính về kinh nghiệm làm việc từ xa, một nhà nghiên cứu có thể nêu rằng “trong số 20 người tham gia, 14 người đã nhấn mạnh vấn đề ranh giới giữa công việc và cuộc sống cá nhân”; sau đó, nhà nghiên cứu đưa ra các trích dẫn và diễn giải về lý do tại sao vấn đề đó lại nổi bật và bối cảnh khác nhau như thế nào giữa các nhóm.
Thống kê mô tả giúp người đọc hiểu được “bản đồ” của dữ liệu: các chủ đề xuất hiện rộng rãi như thế nào, chủ đề nào được thảo luận thường xuyên hơn và liệu có sự khác biệt về mô hình giữa các người tham gia hay không.
3. Định lượng dữ liệu định tính: khi nào thì hữu ích?
Trong phân tích định tính, định lượng có thể hữu ích khi:
1. Tăng tính minh bạch trong phân tích
Người đọc có thể thấy rằng những phát hiện này không chỉ dựa trên một vài trích dẫn, mà xuất phát từ một mô hình khá nhất quán.
2. So sánh các nhóm một cách thăm dò
Ví dụ, so sánh các chủ đề nổi bật trong các cuộc phỏng vấn giữa giáo viên mới vào nghề và giáo viên giàu kinh nghiệm. Mục đích không phải là để khái quát hóa thống kê, mà là để tạo ra những câu hỏi và lời giải thích tinh tế hơn.
3. Hỗ trợ các phương pháp hỗn hợp
Trong các thiết kế nghiên cứu hỗn hợp, dữ liệu định tính có thể được xử lý thành các danh mục, sau đó được phân tích sơ lược bằng số liệu, hoặc ngược lại, kết quả định lượng có thể được làm sâu sắc hơn thông qua các cuộc phỏng vấn.
Tuy nhiên, việc định lượng không nên thay thế chiều sâu. Những chủ đề hiếm gặp có thể vô cùng quan trọng—ví dụ, những trải nghiệm phân biệt đối xử mà chỉ một số ít người trải qua, nhưng lại có tác động đáng kể.
4. Các kỹ thuật thống kê có thể được sử dụng
Mặc dù nghiên cứu định tính không tập trung vào suy luận thống kê, nhưng một số kỹ thuật đơn giản có thể được sử dụng một cách thận trọng:
– Tần suất và tỷ lệ phần trăm: đếm số lần xuất hiện của các mã hoặc chủ đề.
– Bảng thống kê chéo đơn giản: ví dụ, chủ đề “căng thẳng công việc” xuất hiện nhiều hơn ở những người tham gia làm việc hơn 10 giờ mỗi ngày.
– Trung bình hoặc trung vị: dùng cho dữ liệu nhân khẩu học hoặc đặc điểm của người tham gia có dạng số, chẳng hạn như thời gian kinh nghiệm.
– Trực quan hóa: biểu đồ cột, bảng tóm tắt hoặc bản đồ chủ đề trình bày tóm tắt các xu hướng.
Nếu các nhà nghiên cứu sử dụng phần mềm như NVivo, ATLAS.ti, MAXQDA, hoặc thậm chí là bảng tính, thì tính năng đếm tần suất mã và ma trận so sánh danh mục rất hữu ích. Tuy nhiên, những con số này nên được hiểu là "dấu hiệu của các mẫu trong dữ liệu được phân tích", chứ không phải là bằng chứng thống kê cho toàn bộ quần thể.
5. Thống kê và phân tích nội dung
Một trong những lĩnh vực “thân thiện với thống kê” nhất của các phương pháp định tính là phân tích nội dung, đặc biệt là phân tích định tính-định lượng. Các nhà nghiên cứu có thể mã hóa tài liệu (ví dụ: tin tức, bài đăng trên mạng xã hội, chính sách của tổ chức) và sau đó đếm tần suất xuất hiện của các danh mục nhất định.
Ví dụ: một nghiên cứu về việc đưa tin về sức khỏe tâm thần trên các phương tiện truyền thông trực tuyến. Các nhà nghiên cứu có thể xác định các danh mục như "kỳ thị", "hỗ trợ chuyên nghiệp", "câu chuyện chữa lành" hoặc "giật gân". Sau khi mã hóa, các nhà nghiên cứu có thể trình bày tỷ lệ các danh mục trên mỗi phương tiện truyền thông hoặc khoảng thời gian. Sau đó, các nhà nghiên cứu vẫn cần phải cung cấp một phân tích chuyên sâu về ngôn ngữ, cách trình bày và bối cảnh chính trị xã hội tiềm ẩn.
6. Duy trì chất lượng nghiên cứu: độ tin cậy và tính hợp lệ của phiên bản định tính
Trong nghiên cứu định tính, chất lượng thường được thảo luận thông qua các khái niệm như độ tin cậy, khả năng chuyển giao, tính ổn định và khả năng xác nhận. Thống kê có thể hỗ trợ một số khía cạnh, đặc biệt là quá trình mã hóa:
– Thỏa thuận giữa các lập trình viên
Nếu có nhiều hơn một nhà nghiên cứu mã hóa dữ liệu, các chỉ số về mức độ đồng thuận (ví dụ: tỷ lệ phần trăm đồng thuận hoặc hệ số cụ thể) có thể cho thấy tính nhất quán. Điều này rất hữu ích, đặc biệt là trong phân tích nội dung hoặc nghiên cứu nhóm.
Tuy nhiên, các nhà nghiên cứu cần thận trọng: sự đồng thuận cao không tự động có nghĩa là một cách diễn giải “chính xác”. Nó chỉ đơn giản cho thấy sự nhất quán trong việc áp dụng các định nghĩa mã. Do đó, thảo luận giữa các người mã hóa, nhật ký kiểm toán và sự tự phản tỉnh vẫn rất cần thiết.
7. Những hạn chế và rủi ro khi sử dụng thống kê
Việc sử dụng số liệu thống kê mà không xem xét đến phương pháp luận sẽ tiềm ẩn nhiều rủi ro:
1. Chủ nghĩa quy giản
Dữ liệu định tính rất phong phú về ngữ cảnh; việc quá chú trọng vào các con số có thể làm mất đi sự tinh tế, mâu thuẫn và tính năng động.
2. Ảo tưởng về sự khái quát hóa
Tần suất cao trong một mẫu nhỏ không nhất thiết có nghĩa là nó áp dụng cho toàn bộ dân số. Nghiên cứu định tính nói chung không được thiết kế để khái quát hóa về mặt thống kê.
3. Bỏ qua những chủ đề nhỏ nhưng có ý nghĩa
Những chủ đề hiếm khi xuất hiện có thể phản ánh trải nghiệm của các nhóm dễ bị tổn thương, các xung đột tiềm ẩn hoặc các hiện tượng khó khám phá.
4. Sự hiểu sai của người đọc
Người đọc có thể dễ bị cám dỗ hiểu các con số như một thước đo mức độ chắc chắn. Do đó, các nhà nghiên cứu cần giải thích rằng các con số chỉ đơn thuần tóm tắt các mô hình trong dữ liệu đang được phân tích.
8. Thực hành tốt: tích hợp số liệu và tường thuật
Để thống kê phù hợp với nghiên cứu định tính, có thể áp dụng các thực tiễn tốt sau:
– Hãy giải thích mục đích sử dụng số liệu: liệu đó là để lập bản đồ chủ đề, so sánh khám phá hay để minh bạch thông tin.
– Bao gồm quy trình lập trình: định nghĩa mã, trích dẫn ví dụ và các bước phân tích.
– Sử dụng số liệu theo tỷ lệ: bảng biểu ngắn gọn rất tốt, nhưng diễn giải bằng lời văn vẫn là cốt lõi.
– Hãy đảm bảo ngữ cảnh luôn được giữ nguyên: các con số luôn đi kèm với lời giải thích về “tại sao” và “như thế nào”.
– Bao gồm các trích dẫn tiêu biểu: không chỉ những trích dẫn “thú vị”, mà còn cả những trích dẫn thể hiện các mô hình và biến thể.
Sự kết luận
Trong nghiên cứu định tính, thống kê không phải là kẻ thù, mà là một công cụ hỗ trợ có thể làm phong phú thêm phân tích khi được sử dụng một cách thích hợp. Thông qua thống kê mô tả, định lượng đơn giản và trực quan hóa, các nhà nghiên cứu có thể tóm tắt dữ liệu một cách rõ ràng và tăng tính minh bạch của các phát hiện. Tuy nhiên, nghiên cứu định tính vẫn dựa trên ý nghĩa, bối cảnh và sự diễn giải sâu sắc. Do đó, các con số nên được coi là yếu tố bổ sung—giúp làm rõ các mô hình mà không làm giảm đi tiếng nói của người tham gia và sự phức tạp của các hiện tượng xã hội đang được nghiên cứu.
Khi được sử dụng một cách khôn ngoan, thống kê có thể là một cầu nối: kết nối sức mạnh kể chuyện của nghiên cứu định tính với một cách trình bày kết quả có hệ thống, dễ hiểu và minh bạch hơn.
