نظریه داده‌بنیاد اشتراوس و کوربین (Strauss & Corbin’s Grounded Theory) یکی از مهم‌ترین رویکردهای تحلیل داده‌های کیفی در تحقیقات علمی است. این روش که توسط انسلم اشتراوس و جولیت کوربین در دهه ۱۹۹۰ میلادی توسعه یافته، بر خلاف رویکرد کلاسیک گلیزر که تأکید بیشتری بر خلوص فرایند کشف دارد، با ساختارها و راهنمایی‌های دقیق‌تری همراه است و پژوهشگر را با مراحل و روش‌های تحلیلی شفاف‌تری هدایت می‌کند.
در ادامه، به جزئیات و ویژگی‌های اصلی این رویکرد می‌پردازیم.
اصول اصلی نظریه داده‌بنیاد اشتراوس و کوربین
۱. تمرکز بر مفهوم‌سازی: یکی از اهداف کلیدی در روش داده‌بنیاد اشتراوس و کوربین، رسیدن به مفاهیم و مقولات تحلیلی قوی است که قادر به تبیین داده‌ها به صورت عمیق باشند. پژوهشگر در این رویکرد با تجزیه و تحلیل داده‌ها به دنبال کشف الگوها و مفاهیم پنهان است.
۲. کدگذاری سیستماتیک: این رویکرد بر سه مرحله کدگذاری ساخت‌یافته شامل کدگذاری باز، کدگذاری محوری و کدگذاری انتخابی تأکید دارد که در نهایت به شکل‌گیری نظریه‌ای منسجم و جامع منجر می‌شود.
۳. استفاده از چارچوب مقایسه‌ای: اشتراوس و کوربین بر اهمیت مقایسه بین داده‌ها برای شناسایی شباهت‌ها و تفاوت‌ها و بررسی مداوم مفاهیم و مقولات جدید تأکید می‌کنند. این مقایسه مداوم به پژوهشگر کمک می‌کند تا دیدگاه جامع‌تر و عمیق‌تری نسبت به پدیده به دست آورد.
۴. پژوهشگر به عنوان شریک فعال در تفسیر داده‌ها: برخلاف دیدگاه گلیزر که بر بی‌طرفی پژوهشگر در فرایند تفسیر تأکید دارد، اشتراوس و کوربین پژوهشگر را یک عامل فعال در فرایند پژوهش می‌دانند که با تجزیه و تحلیل داده‌ها، به طور مستقیم در ساخت نظریه سهیم است.
مراحل اصلی نظریه داده‌بنیاد اشتراوس و کوربین
۱. کدگذاری باز (Open Coding)
کدگذاری باز، اولین مرحله در تحلیل داده‌هاست که در آن داده‌ها به کدهای مفهومی اولیه تقسیم می‌شوند. این مرحله شامل تجزیه و تحلیل دقیق داده‌ها برای شناسایی مفاهیم و مقوله‌های اولیه است. پژوهشگر از عبارات و کلمات موجود در داده‌ها کدهای خاصی را استخراج می‌کند.
مثال:
در یک پژوهش درباره تأثیر سبک رهبری مدیران، ممکن است عبارت‌های کارکنان مانند “احساس احترام” و “حمایت مستمر” کدهایی مانند احترام به کارکنان و حمایت مدیران را به دست دهند.
۲. کدگذاری محوری (Axial Coding)
در این مرحله، پژوهشگر به دنبال ایجاد ارتباطات بین مقولات اصلی و فرعی است. هدف کدگذاری محوری، ایجاد ساختاری نظام‌مند برای مقولات شناسایی شده در مرحله قبل است. در این مرحله، ارتباط میان مقولات مختلف بررسی می‌شود و مقوله‌های فرعی در قالب مقوله‌های اصلی دسته‌بندی می‌شوند.
مثال:
کدهایی مانند “احترام به کارکنان”، “حمایت مدیران” و “ارتباطات مثبت” ممکن است به مقوله اصلی رهبری حمایتی تبدیل شوند.
۳. کدگذاری انتخابی (Selective Coding)
کدگذاری انتخابی، مرحله پایانی تحلیل داده‌ها است که در آن پژوهشگر مقوله مرکزی (Core Category) را شناسایی و تعریف می‌کند. این مقوله مرکزی، هسته اصلی نظریه‌ای است که قرار است شکل بگیرد و سایر مقولات باید به نحوی با این مقوله مرتبط باشند.
مثال:
در پژوهش درباره تأثیر سبک رهبری مدیران، مقوله مرکزی می‌تواند رهبری تحول‌گرا باشد که تمامی مقولات فرعی، مانند رهبری حمایتی و ارتباطات مثبت، به نوعی به آن مرتبط هستند.
ویژگی‌ها و مزایای نظریه داده‌بنیاد اشتراوس و کوربین
- ساختارمند و سیستماتیک بودن: اشتراوس و کوربین با ارائه سه مرحله کدگذاری، چارچوبی منظم و شفاف برای تحلیل داده‌ها فراهم کرده‌اند که پژوهشگر را در فرآیند تحلیل راهنمایی می‌کند.
- انعطاف‌پذیری و کاربرد گسترده: این روش در زمینه‌های مختلفی از علوم اجتماعی، مدیریت، روان‌شناسی، پزشکی و علوم تربیتی کاربرد دارد و به پژوهشگران امکان می‌دهد نظریه‌ای جامع و عملی از داده‌های پیچیده و چندوجهی استخراج کنند.
- تولید نظریه جدید و کاربردی: از آنجا که روش داده‌بنیاد اشتراوس و کوربین به کشف نظریه‌های جدید و کاربردی کمک می‌کند، برای بررسی پدیده‌های جدید یا پیچیده که دانش کافی درباره آنها وجود ندارد، بسیار مفید است.
- تأکید بر نقش پژوهشگر: در این رویکرد، پژوهشگر نقشی فعال دارد و به جای نقش منفعل، به عنوان یک تحلیلگر و تفسیرگر وارد فرایند پژوهش می‌شود.
چالش‌های نظریه داده‌بنیاد اشتراوس و کوربین
- زمان‌بر بودن: فرایند کدگذاری و تحلیل داده‌ها در روش داده‌بنیاد ممکن است زمان زیادی بگیرد و پژوهشگر باید مدت زمان کافی برای جمع‌آوری و تحلیل داده‌ها اختصاص دهد.
- نیاز به مهارت بالا در کدگذاری: پژوهشگر باید توانایی تجزیه و تحلیل دقیق داده‌ها را داشته باشد و قادر به تفسیر مفاهیم و مقولات به شکل ساختاریافته باشد.
- مشارکت و مداخله پژوهشگر: نقش فعال پژوهشگر ممکن است به جانبداری منجر شود و یافته‌ها را تحت تأثیر قرار دهد، به همین دلیل پژوهشگر باید تلاش کند تا در تفسیر داده‌ها، بی‌طرفی نسبی را حفظ کند.
جمع‌بندی
رویکرد داده‌بنیاد اشتراوس و کوربین با ساختار تحلیلی مشخص و مراحل کدگذاری دقیق، ابزاری قدرتمند برای پژوهشگران است تا نظریه‌ای جامع و کاربردی از دل داده‌ها استخراج کنند. این روش در تحلیل داده‌های کیفی به پژوهشگر کمک می‌کند تا با ساختاردهی مفاهیم و ارتباط آنها با یکدیگر، نظریه‌ای بومی و مرتبط با پدیده‌های مورد مطالعه بسازد که می‌تواند در حل مسائل پیچیده و جدید نقش موثری ایفا کند.