روش تحقیق داده بنیاد؛ یک توضیح ساده

روش تحقیق داده‌بنیاد (Grounded Theory) یکی از روش‌های مهم و کارآمد در پژوهش‌های کیفی است که به منظور ایجاد نظریه از دل داده‌ها طراحی شده است. برخلاف روش‌های تحقیق کمّی که به تأیید یا رد فرضیه‌های موجود می‌پردازند، داده‌بنیاد با هدف کشف و توسعه نظریه‌ای جدید در حوزه‌ای که دانش قبلی محدود یا نامشخص است، به کار گرفته می‌شود. این روش، اولین بار توسط بارنی گلیزر و انسلم اشتراوس در دهه ۱۹۶۰ ارائه شد و به ویژه برای مطالعه پدیده‌هایی که شناخت کافی از آنها وجود ندارد، بسیار مفید است.

اصول کلیدی روش داده‌بنیاد

روش داده‌بنیاد بر اساس اصولی مانند مقایسه مداوم، نمونه‌گیری نظری و کدگذاری داده‌ها طراحی شده است. در این روش، پژوهشگر به صورت مداوم داده‌ها را با مفاهیم و مقولات به دست آمده مقایسه می‌کند و بر اساس یافته‌ها، نظریه‌ای جامع و منسجم ایجاد می‌کند.

1. مقایسه مداوم (Constant Comparison): این اصل به پژوهشگر کمک می‌کند تا به طور مداوم داده‌های جدید را با داده‌ها و مفاهیم پیشین مقایسه کند تا از تکرارها، تفاوت‌ها و الگوهای مهم در داده‌ها آگاه شود.
2. نمونه‌گیری نظری (Theoretical Sampling): در این نوع نمونه‌گیری، پژوهشگر به دنبال جمع‌آوری داده‌هایی است که برای توسعه و گسترش نظریه مورد نیاز است، نه به منظور تعمیم‌پذیری نتایج. در نتیجه، نمونه‌ها بر اساس نیاز تحقیق انتخاب می‌شوند و نه به صورت تصادفی.
3. کدگذاری داده‌ها (Coding): کدگذاری یکی از مهم‌ترین مراحل در روش داده‌بنیاد است که شامل سه مرحله اصلی کدگذاری باز، کدگذاری محوری و کدگذاری انتخابی است. در این فرآیند، داده‌های خام به دسته‌بندی‌ها و مفاهیم مشخصی تبدیل می‌شوند تا نظریه‌ای جامع شکل گیرد.

مراحل روش تحقیق داده‌بنیاد

روش داده‌بنیاد معمولاً شامل چندین مرحله اصلی است که در نهایت به تولید یک نظریه جامع منجر می‌شود:

1. کدگذاری باز (Open Coding)

در مرحله کدگذاری باز، داده‌ها به اجزای کوچکتری تقسیم شده و کدهایی برای آنها ایجاد می‌شود. هدف از این مرحله، استخراج مفاهیم اولیه و ساده کردن داده‌ها است. این مرحله به پژوهشگر کمک می‌کند تا الگوهای ابتدایی را از داده‌های خام تشخیص دهد.

• مثال: در مطالعه‌ای درباره رضایت شغلی، عبارات مرتبط با رضایت ممکن است به کدهایی مانند “احساس ارزشمندی”، “رضایت از تعاملات کاری” و “حس مفید بودن” تقسیم شود.

2. کدگذاری محوری (Axial Coding)

در این مرحله، پژوهشگر تلاش می‌کند تا بین کدهای به دست آمده در مرحله قبل ارتباط برقرار کند. این مرحله شامل تشخیص دسته‌بندی‌های اصلی و ایجاد ارتباط بین آنها است. در واقع، کدگذاری محوری به پژوهشگر کمک می‌کند تا داده‌ها را به صورت ساختار یافته و منطقی دسته‌بندی کند.

• مثال: در همان پژوهش درباره رضایت شغلی، ممکن است کدهایی مانند “احساس ارزشمندی” و “رضایت از تعاملات کاری” تحت دسته‌بندی “انگیزه شغلی” قرار گیرند.

3. کدگذاری انتخابی (Selective Coding)

در مرحله کدگذاری انتخابی، پژوهشگر یک مقوله مرکزی (Core Category) را انتخاب کرده و تمام دسته‌بندی‌های موجود را حول این مقوله سازماندهی می‌کند. این مقوله مرکزی، هسته اصلی نظریه‌ای است که قرار است شکل بگیرد و تمام مقولات و دسته‌بندی‌های دیگر باید به نوعی به این مقوله متصل باشند.

• مثال: در پژوهش رضایت شغلی، مقوله مرکزی می‌تواند “تحقق شغلی” باشد و مفاهیمی مانند “انگیزه شغلی”، “رشد حرفه‌ای” و “رضایت اجتماعی” حول آن قرار گیرند.

4. توسعه نظریه (Theory Development)

در این مرحله، پژوهشگر با استفاده از مقولات و مفاهیم استخراج شده در مراحل قبل، به ایجاد یک نظریه منسجم می‌پردازد. این نظریه باید بتواند به طور جامع و دقیق، پدیده مورد مطالعه را توضیح دهد. توسعه نظریه بر پایه‌ی مشاهدات و تجزیه و تحلیل‌های مراحل قبلی صورت می‌گیرد و معمولاً به بررسی ارتباطات بین مفاهیم و ساختاردهی به نتایج می‌پردازد.

• مثال: نظریه‌ای که از تحقیق درباره رضایت شغلی استخراج می‌شود، ممکن است چنین بیان کند: “احساس ارزشمندی، انگیزه شغلی و تعاملات اجتماعی در محیط کار، از عوامل مهم در افزایش رضایت شغلی هستند.”

ویژگی‌ها و مزایای روش داده‌بنیاد

• تولید نظریه از داده‌ها: روش داده‌بنیاد به پژوهشگر امکان می‌دهد تا نظریه‌ای جدید را بدون پیش‌فرض‌های قبلی و از دل داده‌ها توسعه دهد.
• انعطاف‌پذیری بالا: این روش به پژوهشگر اجازه می‌دهد تا در طول پژوهش به صورت منعطف به جمع‌آوری و تحلیل داده‌ها بپردازد.
• مقایسه مداوم داده‌ها: با مقایسه مداوم داده‌های جدید با داده‌ها و مفاهیم قبلی، پژوهشگر به تدریج به یک نظریه جامع و کامل می‌رسد.

محدودیت‌ها و چالش‌های روش داده‌بنیاد

• زمان‌بر بودن: فرآیند کدگذاری و تجزیه و تحلیل داده‌ها ممکن است زمان زیادی به طول انجامد.
• نیاز به مهارت تحلیلی بالا: پژوهشگر باید توانایی تجزیه و تحلیل داده‌های کیفی را داشته باشد و بتواند به صورت دقیق و علمی کدگذاری و دسته‌بندی‌ها را انجام دهد.
• تعامل مداوم با داده‌ها: پژوهشگر باید همواره به داده‌ها بازگردد و در صورت نیاز تغییراتی در کدها و دسته‌بندی‌ها ایجاد کند که این کار به دقت و تمرکز بالایی نیاز دارد.

کاربردهای روش داده‌بنیاد

روش داده‌بنیاد در حوزه‌های مختلفی همچون علوم اجتماعی، مدیریت، آموزش، پزشکی، روان‌شناسی و مطالعات فرهنگی به کار می‌رود. این روش به‌ویژه برای موضوعاتی که شناخت قبلی کافی درباره آنها وجود ندارد و نیاز به تبیین نظری عمیق دارند، بسیار مؤثر است.