تاریخچهی گراندد تئوری (Grounded Theory)
گراندد تئوری که به «نظریه دادهبنیاد» نیز شناخته میشود، در دهه ۱۹۶۰ توسط دو جامعهشناس برجسته به نامهای بارنی گلیزر (Barney Glaser) و انسلم استراوس (Anselm Strauss) در آمریکا معرفی شد. این روش برای نخستین بار در کتابی به نام “کشف نظریه دادهبنیاد” در سال ۱۹۶۷ معرفی شد که هدف آن پر کردن شکاف میان تئوری و دادههای واقعی بود. در آن زمان، رویکردهای تحقیق کیفی اغلب به تفسیرهای ذهنی و بیقابلیت تکرار بودن منتقد میشدند؛ گلیزر و استراوس تلاش کردند با توسعه این روش، راهی برای ایجاد نظریههایی که مستقیماً از دادهها استخراج میشوند، فراهم کنند. آنها معتقد بودند که پژوهشگر میتواند از طریق مشاهده دقیق و تجزیه و تحلیل دادههای موجود، به ایدهها و تئوریهایی برسد که بهصورت «دادهبنیاد» هستند و نیازی به پیشفرضهای تئوریک ندارند. این روش بعدها بهشدت توسعه یافت و به یکی از روشهای محبوب در تحقیقات کیفی تبدیل شد.
کاربردهای گراندد تئوری
گراندد تئوری امروزه در رشتههای مختلف علوم اجتماعی، بهداشت، آموزش، و مدیریت به کار گرفته میشود. این روش، به ویژه در مواردی کاربرد دارد که دانش موجود محدود است یا پژوهشگر به دنبال کشف نظریههای جدید است. کاربردهای اصلی گراندد تئوری شامل موارد زیر است:
- مطالعات اکتشافی: این روش به پژوهشگران اجازه میدهد تا در حوزههای جدید و ناشناخته پژوهش کنند و نظریههای جدید را کشف کنند.
- درک عمیق مسائل پیچیده: گراندد تئوری به پژوهشگران کمک میکند تا پیچیدگیهای موجود در رفتارها و نگرشهای انسانی را درک کنند، زیرا از دیدگاه شرکتکنندگان در تحقیق، به موضوعات نگاه میکند.
- حل مسائل عملی و اجتماعی: این روش میتواند به عنوان ابزاری برای شناسایی راهحلهای عملی و کاربردی برای مسائل اجتماعی و سازمانی استفاده شود.
- تحلیل سیاستها و برنامههای اجتماعی: با استفاده از گراندد تئوری میتوان به ارزیابی و تحلیل برنامههای اجتماعی پرداخت و تأثیرات آنها را بررسی کرد.
- ایجاد مدلهای نظری در حوزههای مختلف: گراندد تئوری کمک میکند تا مدلهایی که بهطور مستقیم از دادهها به دست میآیند، در رشتههایی چون مدیریت، روانشناسی و جامعهشناسی ایجاد شود.
مزایای گراندد تئوری
این روش تحقیق به دلیل ویژگیهای خاص خود دارای مزایای فراوانی است که باعث محبوبیت آن در میان پژوهشگران شده است:
- ارتباط قوی با دادهها: گراندد تئوری اجازه میدهد تا نظریهها بهطور مستقیم از دادهها استخراج شوند، بنابراین تئوری بهخوبی با دادههای واقعی تطابق دارد و پایهی نظری محکمی ایجاد میکند.
- انعطافپذیری بالا: به دلیل عدم نیاز به چارچوب نظری از پیش تعیینشده، پژوهشگر میتواند بهطور انعطافپذیر به تحلیل دادهها بپردازد و به مسائل جدیدی بپردازد که در طول تحقیق نمایان میشوند.
- قابلیت انطباق با حوزههای مختلف: گراندد تئوری در زمینههای مختلف کاربرد دارد و میتواند با موضوعات و پرسشهای پژوهشی متنوعی سازگار شود.
- رویکردی اکتشافی و خلاقانه: به پژوهشگر این امکان را میدهد که بدون پیشفرضهای نظری به تحلیل دادهها بپردازد و از خلاقیت خود در کشف الگوها و مفاهیم استفاده کند.
- استفاده از دادههای کیفی و پیچیده: گراندد تئوری به پژوهشگران کمک میکند تا به تحلیل دادههای کیفی و پیچیدهای مانند مصاحبهها، مشاهدات و متون بپردازند.
ضعفها و محدودیتهای گراندد تئوری
با وجود مزایای بیشمار، گراندد تئوری دارای محدودیتهایی است که پژوهشگران باید به آنها توجه داشته باشند:
- زمانبر بودن فرایند: فرایند کدگذاری و تحلیل دادهها در گراندد تئوری بسیار زمانبر است و ممکن است پژوهشگران به زمان و منابع زیادی نیاز داشته باشند.
- پیچیدگی فرایند تحلیل: تحلیل دادهها در این روش میتواند پیچیده و دشوار باشد و نیاز به تخصص و مهارت بالایی دارد، بهویژه در مرحله کدگذاری و تجزیه و تحلیل دادهها.
- خطر تعصب پژوهشگر: از آنجا که در گراندد تئوری پژوهشگر باید از دادهها بهصورت باز و بدون پیشفرض تفسیر کند، خطر تعصب و تمایلات شخصی پژوهشگر ممکن است در تحلیل دادهها تأثیر بگذارد.
- نیاز به اشباع نظری: پژوهشگر باید دادهها را تا جایی جمعآوری کند که به اشباع نظری برسد، که ممکن است دشوار و غیرقابل پیشبینی باشد.
- محدودیت در کاربردهای آماری: گراندد تئوری به دلیل ماهیت کیفی خود، برای کاربردهای آماری و تعمیم نتایج به جمعیتهای بزرگ، محدودیت دارد و نتایج آن معمولاً برای نمونههای کوچک و خاص معتبر است.
جمعبندی
گراندد تئوری به عنوان یک روش تحقیق کیفی، ابزاری قدرتمند برای کشف نظریههای جدید از دادهها فراهم میکند و در زمینههای مختلف علوم اجتماعی و رفتاری کاربرد دارد. با این حال، به دلیل زمانبر بودن، نیاز به تخصص و خطر تعصب پژوهشگر، استفاده از آن به تجربه و دقت زیادی نیاز دارد. این روش به ویژه برای پژوهشگران دکتری و فوقدکتری مناسب است که میخواهند به تولید دانش جدید و نوآورانه بپردازند و با دادهها به شکل باز و انعطافپذیر کار کنند