نظریه دادهبنیاد تفسیری کلاسیک
- معرفیشده توسط
- Barney G. Glaser and Anselm L. Strauss (classic GT); interpretivist framing elaborated by Merilyn Annells and others
- سال
- 1967 (classic GT); interpretivist epistemological framing: mid-1990s onward
- نوع
- Qualitative theory-building method
- خانواده
- Qualitative design / analysis
این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید
چه کاری انجام میدهد؟
نظریه دادهبنیاد تفسیری کلاسیک، رویههای اصلی نظریه دادهبنیاد جهتدار کشف گلسر و اشتراوس را تحت یک معرفتشناسی تفسیری صریح به کار میگیرد. این رویکرد، تعهد نظریه دادهبنیاد کلاسیک به ظهور نظریه را حفظ میکند — اجتناب از چارچوبهای مفهومی اجباری — در حالی که اذعان میدارد که لنز تفسیری پژوهشگر، آنچه را که مورد توجه قرار میگیرد و چگونگی ساخت معنا از دادهها را شکل میدهد. این موضع، آن را از قرائتهای کاملاً عینیگرایانه از کارهای بعدی گلسر به تنهایی و از نظریه دادهبنیاد سازندهگرا در درجه گشودگی استقرایی آن متمایز میکند.
شهود پشت روش
نظریه دادهبنیاد کلاسیک، همانطور که توسط گلسر و اشتراوس در سال ۱۹۶۷ توسعه یافت، از پژوهشگر میخواهد که اجازه دهد نظریهای از طریق مقایسه سیستماتیک از دادهها ظهور کند — مقاومت در برابر وسوسه تحمیل چارچوبهای از پیش موجود. گونه تفسیری این منطق نوظهور را میپذیرد اما لایهای از بازتابندگی را اضافه میکند: پژوهشگر یک ناظر خنثی نیست بلکه یک مفسر است که پیشینه و دیدگاه او به ناچار مفاهیمی را که پدیدار میشوند شکل میدهد. آن را مانند گوش دادن بسیار دقیق به آنچه دادهها «میخواهند بگویند» در نظر بگیرید، در حالی که صادق باشید که شنونده هرگز واقعاً از مکالمه غایب نیست. نتیجه، یک نظریه عینی است که بر تجربیات شرکتکنندگان استوار است و از طریق یک دیدگاه تفسیری شناختهشده فیلتر شده است.
تاریخ
نظریه دادهبنیاد توسط جامعهشناسان بارنی گلسر و آنسلم اشتراوس در رساله ۱۹۶۷ خود با عنوان «کشف نظریه دادهبنیاد» معرفی شد که منطق استنتاجی غالب آن زمان در تحقیقات علوم اجتماعی را به چالش کشید. پس از اینکه این دو بنیانگذار در دهه ۱۹۹۰ از هم جدا شدند — اشتراوس و کوربین یک پارادایم کدگذاری ساختاریافته را تدوین کردند، گلسر از ظهور سختگیرانه دفاع کرد — مرلین آنلز (۱۹۹۶) و دیگران شروع به نگاشت گونههای نظریه دادهبنیاد بر روی پارادایمهای فلسفی کردند و به صراحت قرائت تفسیری از سنت کلاسیک را بیان کردند. این چارچوب با آگاهی بیشتر روششناسی کیفی از نظر معرفتشناختی در طول دهه ۲۰۰۰ رواج یافت.
چه زمانی استفاده شود
هنگامی که هدف تحقیق تولید یک نظریه عینی است که یک فرآیند یا پدیده اجتماعی را از دیدگاه شرکتکنندگان توضیح میدهد، و زمانی که پژوهشگر از یک موقعیت هستیشناختی تفسیری یا سازندهگرا عمل میکند که میخواهد در مورد آن شفاف باشد، از نظریه دادهبنیاد تفسیری کلاسیک استفاده کنید. این روش برای حوزههای کمنظریه که در آنها چارچوبهای موجود مانع کشف میشوند، مناسب است. این روش به دادههای کیفی غنی نیاز دارد — معمولاً ۱۵ تا ۳۰ مصاحبه، اگرچه اشباع نظری به جای تعداد ثابت، کفایت را تعیین میکند. زمانی که باید یک چارچوب نظری از پیش موجود آزمایش شود (از تحلیل کیفی استنتاجی یا روشهای کمی مبتنی بر فرضیه استفاده کنید)، زمانی که دادهها عددی هستند، یا زمانی که سؤال تحقیق نیازمند تعمیم آماری است، از آن استفاده نکنید. همچنین زمانی که زمان برای نمونهگیری نظری تکراری بسیار کوتاه است، از آن اجتناب کنید، زیرا اشباع کافی ممکن است ماهها جمعآوری داده و مقایسه مداوم را طلب کند.
محدودیتها و ملاحظات
- تعیین اشباع نظری با دقت دشوار است و ممکن است زودتر حاصل شود یا بیش از حد طولانی شود.
- تنش بین ریشههای عینیگرایانه نظریه دادهبنیاد کلاسیک و موضع تفسیری نیازمند توجیه فلسفی دقیق در بخش روشها است.
- بسیار زمانبر: جمعآوری دادههای تکراری، مقایسه مداوم و یادداشتنویسی نیازمند تعهد پایدار پژوهشگر است.
- یافتهها به جای تعمیم آماری، از طریق تناسب مفهومی قابل انتقال هستند؛ مخاطبانی که انتظار نمونههای نمایشی را دارند ممکن است با این رویکرد چالش کنند.
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- نظریه جدید و مبتنی بر داده را در حوزههایی که مدلهای مفهومی قبلی ضعیف یا غایب هستند، تولید میکند.
- روش مقایسه مداوم، دقت تحلیلی سیستماتیک و قابل ردیابی را تولید میکند که در رویکردهای کاملاً استقرایی نادر است.
- بازتابندگی تفسیری نقش پژوهشگر را صریح میکند و اعتبار و اطمینان یافتهها را افزایش میدهد.
- نمونهگیری نظری تضمین میکند که جمعآوری دادههای بعدی توسط نیاز مفهومی هدایت میشود نه راحتی.
- انعطافپذیر در رشتههای مختلف — قابل اجرا در جامعهشناسی، بهداشت، آموزش، مدیریت و علوم اجتماعی.
کاربردها
- توسعه نظریهای در مورد چگونگی پیمایش محدودیتهای سازمانی توسط کارکنان خط مقدم مراقبتهای بهداشتی در عمل روزمره.
- تولید یک مدل مفهومی از چگونگی تصمیمگیری صاحبان مشاغل کوچک در مورد تصمیمات استراتژیک تحت عدم قطعیت.
- ساخت نظریهای در مورد چگونگی تجربه دانشجویان از شکلگیری هویت تحصیلی در طول تحصیلات تکمیلی.
- نظریهپردازی فرآیند اجتماعی که از طریق آن جوامع پس از تروما جمعی بهبود یافته و معنا را بازسازی میکنند.
- توضیح چگونگی انطباق متخصصان در آموزش با تغییرات سیاستی مخرب در طول زمان.
چگونه کار میکند
چگونه کار میکند
قبل و حین جمعآوری دادهها، پژوهشگر حساسیتهای نظری — دانش قبلی، چارچوبهای رشتهای، و مفروضات شخصی — را که ممکن است بر مفهومسازی تأثیر بگذارند، شناسایی میکند. برخلاف نظریه دادهبنیاد عینیگرای محض، موضع تفسیری این حساسیتها را به عنوان منابعی در نظر میگیرد که باید شفافسازی و در طول فرآیند مورد تأمل قرار گیرند، نه موانعی که باید حذف شوند.
دادهها از طریق نمونهگیری اولیه هدفمند — انتخاب شرکتکنندگانی که تجربه مرتبط با پدیده دارند — و سپس نمونهگیری نظری، که در آن جمعآوری دادههای بعدی توسط دستههای مفهومی نوظهور هدایت میشود، جمعآوری میشوند. نظریه دادهبنیاد کلاسیک معمولاً به مصاحبهها متکی است اما هر منبع دادهای (مشاهدات، اسناد) را که حوزه عینی را روشن میکند، مجاز میداند.
تمام دادهها تحت کدگذاری باز قرار میگیرند: برچسبگذاری خط به خط یا رویداد به رویداد مفاهیم با استفاده از زبان خود شرکتکنندگان در صورت امکان (کدهای درونزیستی). جهتگیری تفسیری به این معنی است که پژوهشگر به صراحت جایی را که قرائت او شامل جهشهای استنتاجی فراتر از متن تحتاللفظی است، یادداشت میکند و از یک مسیر حسابرسی از تصمیمات تحلیلی پشتیبانی میکند.
روش مقایسه مداوم به طور سیستماتیک به کار گرفته میشود: هر رویداد، کد و دسته نوظهور جدید با موارد قبلی مقایسه میشود تا شباهتها، تفاوتها و تنوع شناسایی شود. این مقایسه، حرکت از کدهای باز به کدهای متمرکز و سپس به دستههای اصلی انتزاعیتر را هدایت میکند. یادداشتنویسی همراه با مقایسه است و استدلال تفسیری در حال تحول پژوهشگر را ثبت میکند.
هنگامی که اشباع نظری حاصل میشود — دادههای جدید دیگر تراکم مفهومی به دستههای اصلی اضافه نمیکنند — پژوهشگر دستهها را در یک نظریه دادهبنیاد عینی ادغام میکند. نظریه به عنوان تفسیری ارائه میشود که در دادهها لنگر انداخته است، با موقعیت بازتابی پژوهشگر که به عنوان بخشی از ادعای دانش پذیرفته شده است نه اینکه کنار گذاشته شود.
دامهای رایج
- تحمیل نظریه موجود بر دادهها — نظریه دادهبنیاد کلاسیک به طور خاص شروع با یک چارچوب مفهومی اشباع شده از ادبیات را ممنوع میکند؛ مرور ادبیات باید پس از توسعه مفهومی اولیه، نه قبل از آن، انجام شود.
- بستهشدن زودهنگام یک دسته اصلی قبل از اشباع نظری واقعی، که منجر به نظریهای ضعیف یا نامتوازن میشود.
- نادیده گرفتن تعهد تفسیری با نوشتن نظریه به گونهای که گویی یک کشف عینی است، که موضع معرفتشناختی را نادرست نشان میدهد و اعتبار را تضعیف میکند.
- اشتباه گرفتن نظریه دادهبنیاد کلاسیک با نظریه دادهبنیاد اشتراوسی — رویههای کدگذاری شده بعدی اشتراوس و کوربین (کدگذاری محوری، پارادایم کدگذاری) به طور قابل توجهی از رویکرد نوظهور گلسر منحرف میشوند؛ ترکیب این دو منجر به ناهماهنگی روششناختی میشود.
- نادیده گرفتن یادداشتنویسی — یادداشتها محل اصلی توسعه و ثبت استدلال تفسیری هستند؛ حذف آنها نظریه را ضعیف پشتیبانی میکند.
پرسشهای متداول
نظریه دادهبنیاد تفسیری کلاسیک چگونه با نظریه دادهبنیاد سازندهگرا متفاوت است؟
نظریه دادهبنیاد سازندهگرا (چارماز، ۲۰۰۶) بر ساخت مشترک داده بین پژوهشگر و شرکتکننده تأکید دارد و دستهها را به جای کشف شده، ساخته شده در نظر میگیرد. نظریه دادهبنیاد تفسیری کلاسیک بر تأکید گلسر بر ظهور و کشف استقرایی تأکید دارد اما شفافیت بازتابی در مورد تأثیر تفسیری پژوهشگر را اضافه میکند بدون اینکه کاملاً زبان کشف را رها کند. در عمل، تفاوت در درجه صراحت معرفتشناختی است تا یک گسست روششناختی قاطع.
آیا هنوز باید قبل از تجزیه و تحلیل در گونه تفسیری از ادبیات اجتناب کنم؟
بله — ممنوعیت نظریه دادهبنیاد کلاسیک در مورد بررسی گسترده ادبیات قبل از مطالعه حفظ میشود. موضع تفسیری، دانش موجود پژوهشگر را به عنوان یک منبع حساسکننده میپذیرد، اما مجوز یک چارچوب نظری از پیش تعیین شده را نمیدهد. یک بررسی ادبی عینی معمولاً پس از ظهور دستههای اصلی انجام میشود تا نظریه را نسبت به کارهای موجود قرار دهد.
به چند شرکتکننده نیاز دارم؟
نظریه دادهبنیاد کلاسیک اندازه نمونه ثابتی را مشخص نمیکند؛ کفایت توسط اشباع نظری تعیین میشود — نقطهای که دادههای جدید هیچ تراکم مفهومی بیشتری به دستههای نوظهور اضافه نمیکنند. در عمل، ۱۵ تا ۳۰ مصاحبه یک محدوده رایج برای نظریههای دادهبنیاد عینی است، اما اشباع ممکن است در پدیدههای با دامنه محدود زودتر یا در فرآیندهای اجتماعی پیچیده دیرتر حاصل شود.
تفاوت بین کدگذاری باز و کدگذاری متمرکز در نظریه دادهبنیاد کلاسیک چیست؟
کدگذاری باز اولین مرحله اکتشافی در دادهها است که در آن هر رویداد یا گزاره با یک مفهوم برچسبگذاری میشود — معمولاً با استفاده از زبان درونزیستی شرکتکنندگان. سپس کدگذاری متمرکز قدرتمندترین کدها را برای بخشهای بزرگتری از دادهها انتخاب و اعمال میکند و شروع به ساخت دستههای انتزاعیتر میکند که نظریه از آنها ظهور میکند. موضع تفسیری نیازمند یادداشتهایی در هر دو مرحله برای مستندسازی استدلال پشت انتخابهای مفهومی است.
آیا میتوانم از NVivo یا Atlas.ti برای نظریه دادهبنیاد تفسیری کلاسیک استفاده کنم؟
نرمافزار میتواند دادههای کدگذاری شده را به طور مؤثر مدیریت و بازیابی کند، اما کار فکری مقایسه مداوم، یادداشتنویسی و ادغام دستهها باید توسط پژوهشگر انجام شود. طرفداران سرسخت نظریه دادهبنیاد کلاسیک (پیرو گلسر) نسبت به کدگذاری مبتنی بر نرمافزار محتاط هستند زیرا ممکن است شمارش سطحی را به جای مقایسه مفهومی عمیق تشویق کند؛ با این حال، ابزارهایی که به عنوان کمکهای سازمانی به جای جایگزینهای تحلیلی استفاده میشوند، قابل قبول هستند.
روشهای مرتبط
منابع
Glaser, B. G., & Strauss, A. L. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research. Aldine.
شابک: 978-0202302607کپی شد.Annells, M. (1996). Grounded theory method: Philosophical perspectives, paradigm of inquiry, and postmodernism. Qualitative Health Research, 6(3), 379–393.
باز کردن مرجع DOIکپی شد.