0 تا 100روش تئوری داده‌بنیاد: تحلیل و بازنویسی بر اساس روش اشتراوس و کوربین

روش تئوری داده‌بنیاد

روش تئوری داده‌بنیاد زمانی به کار می‌رود که هیچ نظریه‌ی مشخص و قابل‌اعتمادی برای آزمودن وجود نداشته باشد. در این روش، پژوهشگر به تدوین فرضیه‌ بر اساس نظریه‌های موجود نمی‌پردازد و بلکه پرسش‌های تحقیقاتی را طرح کرده و تلاش می‌کند تا از طریق داده‌های واقعی به تدوین نظریه بپردازد. این روش معمولاً برای تحلیل مسائل پیچیده و جدیدی که هنوز نظریه‌های ثابت‌شده‌ای برای آن‌ها وجود ندارد، به کار می‌رود.

گردآوری داده‌ها

برای گردآوری داده‌های مورد نیاز در این روش، از روش‌های مختلفی مانند مصاحبه، مشاهده و پرسشنامه استفاده می‌شود. جمع‌آوری داده‌ها تا زمانی ادامه می‌یابد که به حالت “اشباع” برسیم، به این معنی که دیگر داده‌های جدیدی به دست نیاید و داده‌ها شروع به تکرار شدن کنند. اشتراوس و کوربین (1990) اشاره می‌کنند که وقتی اشباع داده‌ها حاصل شد، تحلیل می‌تواند شروع شود.

کدگذاری داده‌ها

در این مرحله، داده‌های جمع‌آوری‌شده کدگذاری می‌شوند. کدگذاری یک فرایند اساسی است که در آن، پژوهشگر برای مقوله‌بندی داده‌ها از نمادها یا کدهایی استفاده می‌کند. این فرایند به شناسایی مفاهیم مستتر در داده‌ها کمک می‌کند و اولین گام در تحلیل داده‌ها است. به عبارت ساده‌تر، کدگذاری به معنی شکستن داده‌ها به کوچک‌ترین بخش‌های مفهومی است. این مراحل شامل کدگذاری باز، محوری و انتخابی هستند.

مراحل کدگذاری

1. کدگذاری باز
   در کدگذاری باز، پژوهشگر به شناسایی مقولات اولیه و ویژگی‌های آن‌ها در داده‌ها می‌پردازد. این مرحله همانند شکستن اطلاعات به قطعات کوچک است که می‌توانند به طور مستقل تحلیل شوند. داده‌های مشابه با مفاهیم یکسان تحت یک کد مشترک قرار می‌گیرند.

2. کدگذاری محوری
   در این مرحله، مقولات شناسایی‌شده به یکدیگر مرتبط می‌شوند. هدف از این کار ایجاد روابط بین مقولات و درک بهتر ساختار پدیده‌ای است که در حال مطالعه هستیم. به عبارت دیگر، در این مرحله کدها حول یک محور اصلی سازمان‌دهی می‌شوند.

3. کدگذاری انتخابی
   در مرحله کدگذاری انتخابی، پژوهشگر تلاش می‌کند تا مقولات انتخاب‌شده را به یک نظریه واحد و جامع تبدیل کند. این مرحله به جمع‌بندی اطلاعات و استنباط‌های کلی از داده‌ها می‌پردازد و در نهایت نظریه‌ای جامع و معتبر به‌دست می‌آید.

تحلیل داده‌ها و توسعه نظریه

بعد از کدگذاری، داده‌ها تحلیل و تفسیر می‌شوند تا به تدوین یک نظریه جدید برسند. در این مرحله، پژوهشگر از منابع مختلف برای تکمیل تئوری و مقایسه داده‌های خود با متون موجود استفاده می‌کند. تحلیل داده‌ها به‌طور مداوم و با استفاده از روش‌های مقایسه‌ای صورت می‌گیرد تا پدیده‌ها به‌طور دقیق‌تری شناسایی و توضیح داده شوند.

تجزیه‌وتحلیل داده‌های کیفی

در تحلیل داده‌های کیفی، روش نظریه داده‌بنیاد به‌طور ویژه به سه مرحله‌ی اصلی تقسیم می‌شود:

1. شناسایی مقولات اولیه:
   در این مرحله، پژوهشگر مفاهیم اصلی را در داده‌ها شناسایی کرده و آن‌ها را به صورت اولیه تقسیم‌بندی می‌کند.

2. یافتن ارتباطات میان مقولات:
   در این گام، پژوهشگر روابط بین مقولات مختلف را شناسایی کرده و سعی می‌کند تا الگوهایی از ارتباطات موجود بیابد.

3. مفهوم‌سازی نهایی:
   در این مرحله، روابط شناسایی‌شده میان مقولات به سطح بالاتری از انتزاع می‌روند و نظریه‌ای جامع و نهایی تدوین می‌شود.

کدگذاری سه‌گانه

کدگذاری در روش تئوری داده‌بنیاد به سه بخش تقسیم می‌شود: کدگذاری باز، کدگذاری محوری و کدگذاری انتخابی. این مراحل به طور مداوم و در کنار یکدیگر انجام می‌شوند، هرچند که مراحل مختلف به صورت متوالی انجام نمی‌گیرند.

1. کدگذاری باز

در این مرحله، داده‌ها شکسته می‌شوند و مقولات اولیه شناسایی می‌شوند. این مقولات می‌توانند ویژگی‌ها یا ابعاد خاصی از پدیده‌ی مورد مطالعه را نشان دهند. داده‌ها از مصاحبه‌ها، مشاهدات و دیگر منابع جمع‌آوری‌شده به‌طور دقیق کدگذاری می‌شوند.

2. کدگذاری محوری

در کدگذاری محوری، مقولات اولیه به یکدیگر مرتبط می‌شوند و روابط میان آن‌ها مشخص می‌گردد. این مرحله به ایجاد مفاهیم کلیدی و ساختار کلی پژوهش کمک می‌کند.

3. کدگذاری انتخابی

در مرحله کدگذاری انتخابی، پژوهشگر تلاش می‌کند تا روابط پیچیده میان مقولات را به یک نظریه واحد تبدیل کند. این نظریه می‌تواند توضیحاتی جامع و مفهومی برای پدیده‌ای که در حال مطالعه است، ارائه دهد.

اعتبارسنجی و نتایج

پس از تکمیل مراحل تحلیل داده‌ها، پژوهشگر باید اعتبار یافته‌های خود را بررسی کند. این اعتباربخشی می‌تواند از طریق زاویه‌بندی داده‌ها (مثلث‌سازی) و کنترل اعضا انجام شود. در این مرحله، بررسی صحت نتایج و تطابق آن‌ها با داده‌های واقعی اهمیت زیادی دارد.

ویژگی‌های مهم روش اشتراوس و کوربین:

• ساختارگرایی و استقرایی: برخلاف روش‌های دیگر که ممکن است به دنبال تایید فرضیه‌های از پیش‌تعیین‌شده باشند، در این روش محقق از داده‌ها شروع می‌کند و به طور استقرایی به تحلیل و استخراج مفاهیم می‌پردازد.

• انعطاف‌پذیری: این روش به محقق این امکان را می‌دهد که در طول فرآیند تحقیق به صورت مداوم به جمع‌آوری و تحلیل داده‌ها بپردازد و به تدریج مفاهیم و نظریه‌ها را بازسازی کند.

• تمرکز بر زمینه: روش اشتراوس و کوربین تاکید ویژه‌ای بر درک زمینه‌ای و محیطی داده‌ها دارد. تحلیل‌ها باید با توجه به شرایط خاص هر مورد انجام شود و نه تنها به صورت انتزاعی.

• تکرار و بازبینی: در این روش، محقق ممکن است بارها و بارها به تحلیل داده‌ها بازگردد و آن‌ها را بازنگری کند تا نهایتاً به یک تفسیر دقیق و جامع برسد.

مزایای روش اشتراوس و کوربین:

• توسعه نظریه‌های جدید: این روش کمک می‌کند تا محققان نظریه‌هایی را بر اساس داده‌های واقعی و مبتنی بر زمینه بسازند.

• انعطاف‌پذیری در تحلیل: محققان می‌توانند به راحتی با داده‌های جدید تطبیق پیدا کنند و تحلیل خود را به روز کنند.

• شمولیت بالا: این روش می‌تواند برای طیف وسیعی از داده‌های کیفی از جمله مصاحبه‌ها، مشاهدات، مستندات و … کاربرد داشته باشد.

معایب روش اشتراوس و کوربین:

• زمان‌بر بودن: فرآیند کدگذاری و تحلیل در این روش بسیار زمان‌بر است و نیاز به دقت و بررسی دقیق داده‌ها دارد.

• نیاز به مهارت‌های تحلیل بالا: این روش برای محققانی که آشنایی کمی با تحلیل داده‌های کیفی دارند، ممکن است چالش‌برانگیز باشد.

• خطر ذهنیت محقق: در این روش تحلیل، چون فرآیند استقرایی است، ممکن است ذهنیت محقق بر تحلیل‌ها تاثیر بگذارد.

در نهایت، روش اشتراوس و کوربین یکی از روش‌های معتبر و مفید در تحقیقات کیفی است که به محققان کمک می‌کند تا درک عمیقی از داده‌های خود پیدا کرده و از آن‌ها برای ساختن نظریه‌های جدید استفاده کنند.

تفاوت‌های اصلی بین تحلیل مضمون، پدیدارشناسی و تئوری داده‌بنیاد به شرح زیر است:

1. تحلیل مضمون (Thematic Analysis):

   • هدف: شناسایی، تحلیل و گزارش الگوها (مضامین) در داده‌ها.

   • روش: داده‌ها به قسمت‌های کوچک تقسیم شده و مضامین اصلی استخراج می‌شود.

   • تمرکز: بیشتر بر روی مضمون‌های تکراری و معنای داده‌ها در سطح کلی.

   • ویژگی: از روش‌های خاص کدگذاری استفاده نمی‌کند و روش نسبتاً ساده‌ای است.

2. پدیدارشناسی (Phenomenology):

   • هدف: درک تجربه‌های فردی و معناهایی که افراد از پدیده‌های مختلف می‌دهند.

   • روش: تمرکز بر روی تجربه‌های شخصی و بررسی آن‌ها از دیدگاه مشارکت‌کنندگان.

   • تمرکز: بر «معنای درک‌شده» از پدیده‌ها و فهم چگونگی تجربه‌ی آن‌ها.

   • ویژگی: برای درک تجربیات انسان‌ها و اینکه آن‌ها چگونه پدیده‌ها را درک می‌کنند.

3. تئوری داده‌بنیاد (Grounded Theory):

   • هدف: ایجاد نظریه‌ای جدید از داده‌های جمع‌آوری‌شده.

   • روش: داده‌ها از طریق کدگذاری‌های سه‌گانه (باز، محوری، انتخابی) تحلیل می‌شوند و مفاهیم به یک نظریه تبدیل می‌شوند.

   • تمرکز: بر «ساختن نظریه» از داده‌ها به جای آزمودن یک نظریه موجود.

   • ویژگی: روند تحلیلی پیچیده‌تری دارد و بیشتر بر روی ساختن نظریه‌های جدید تمرکز دارد.

خلاصه تفاوت‌ها:

• تحلیل مضمون بیشتر بر شناسایی و گزارش الگوهای موجود در داده‌ها متمرکز است.

• پدیدارشناسی به تجربه‌های شخصی و معنای آن‌ها درک می‌کند.

• تئوری داده‌بنیاد به ایجاد نظریه از داده‌ها می‌پردازد و بیشتر به طور سیستماتیک به شناسایی روابط و مفاهیم می‌پردازد.