پی اچ دی پروپوزال
مشاوره پروپوزال و پایان نامه دکتری مدیریت

معنا و تعاریف نظریه پردازی داده بنیاد

معنا و تعاریف نظریه پردازی داده بنیاد یا گراندد تئوری

تاکنون برای اصطلاح “grounded theory”، معادل های فارسی زیادی پیشنهاد شده است؛ از جمله نظریه بنیادی؛ نظریه مبتنی بر داده ها یا همان گراندد تئوری؛ نظریه مفهوم سازی بنیادی (دانایی فرد و دیگران، ۱۳۸۳، ص ۱۳۰)؛ نظریه برخاسته از داده ها و رویش نظریه. ما به دلایلی معادل نظریه پردازی داده بنیاد را برای آن انتخاب کرده ایم. در این اصطلاح، واژه “grounded” از ابهام بیشتری برخوردار است. در فرهنگ آکسفورد می توان فعل اصطلاحی زیر را یافت که به نظر می رسد ریشه اصطلاح فوق است (فرهنگ آکسفورد، ۲۰۰۳).

بنابر این، این بخش به معنای «مبتنی بودن بر»، «بر اساس و بنیاد… بودن» است. دایره المعارف ویکی پدیا نیز این معنا را تأیید می کند: «عنوان آن، تولید نظریه از داده را برجسته کرده، مورد تأکید قرار می دهد» (۲۰۰۶, Wikipedia, Grounded Theory) بنابراین “grounded theory” روشی است که بر اساس و پایه داده ها به تولید نظریه می پردازد. نکته دیگری که در متون نظریه پردازی داده بنیاد نظر ما را به سوی خود جلب کرد، این است که در این متون، اصطلاح “grounded theory” به تناسب سیاق جمله در دو معنای جداگانه به کار میرود:

الف. فرآیند یا روشی که منتهی به تولید نظریه می شود؛

ب. نظریه به دست آمده از اجرای این روش.

هرچند خواننده انگلیسی زبان به راحتی با واژه ای یکسان آن دو معنا را از هم تمیز می دهد، ولی خواننده فارسی زبان دو کلمه متفاوت برای آنها به کار می برد؛ بنابراین برای اصطلاح “grounded theory” بر اساس سیاق جمله در معنای الف، معادل نظریه پردازی داده بنیاد و در معنای ب، معادل «نظریه داده بنیاد» را انتخاب می کنیم.

در این قسمت بهتر است برای آشنایی بیشتر با نظریه پردازی داده بنیاد چند تعریف از این روش را مرور کنیم:

الف. «نظریه پردازی داده بنیاد گراندد تئوری، یک روش شناسی «استقرائی» کشف نظریه است که این امکان را برای پژوهشگر فراهم می آورد تا گزارشی نظری از ویژگی های عمومی موضوع» پرورش دهد، در حالی که به طور همزمان، پایه این گزارش را در مشاهدات تجربی داده ها محکم می سازد (Martin & Turner, 1986, p.141; Fernandez, 2004, p.84).

ب. «نظریه پردازی داده بنیاد، روالی نظام مند و کیفی است، جهت تولید نظریه ای که یک فرآیند، کنش، یا برهم کنش را درباره یک موضوع خرد واقعی، در سطح مفهومی کلی» تشریح کند (۲۰۰۵, p.p.396. Creswell).

ج. «نظریه پردازی داده بنیاد گراندد تئوری، به کلی، رهیافتی است برای بررسی نظام مند (غالبا) داده های کیفی (نظیر مصاحبه های پیاده شده و پروتکل های مشاهده ها)، با هدف تولید نظریه» ۲۰۰۶), Wikipedia, Grounded theory Strauss).

از جهتی، نظریه پردازی داده بنیاد نشان دهنده همان عملی است که بسیاری از پژوهشگران، در هنگام مرور گذشته انجام می دهند؛ آنها برای سازگار شدن با داده ها، فرضیه های جدیدی شکل می دهند. با این حال، در نظریه پردازی داده بنیاد، پژوهشگر وانمود نمی کند که فرضیه ها را پیشاپیش تدوین کرده است؛ زیرا پژوهشگران از فرضیه های از پیش شکل گرفته، منع می شوند. لازم به ذکر است که واژه های بسیاری در این تعاریف وجود دارد که باید در بخش های بعدی در مورد آنها توضیح بیشتری ارائه شود.

۱ –  نقش آفرینان

روش نظریه پردازی داده بنیاد پس از کتاب تأثیر گذار بارنی گلیسر و آنسلم استراوس (۱۹۶۷, Glaser & Strauss) اهمیت بیشتری پیدا کرده و مورد تأیید بیشتری نیز قرار گرفته است (۲۰۰۴, p.84. Fernandez).

از تلاش های گسترده استراوس و گلیسر در سال های پس از انتشار کتاب «کشف نظریه داده بنیاد» (۱۹۹۷ م.) برای بسط و گسترش نظریه پردازی داده بنیاد که بگذریم، واقعیت این است که از زمان انتشار اولیه نظریه پردازی داده بنیاد در ۱۹۹۷ م. بین گلیسر و استراوس در خصوص چگونگی انجام نظریه پردازی داده بنیاد، اختلاف به وجود آمد (۲۰۰۵,Creswell). امروزه در خلال این مجادلات و نیز تغیییرات مهمی که در علوم اجتماعی در چند دهه گذشته پدید آمده است، سه رهیافت مسلط در نظریه پردازی داده بنیاد، قابل تمیز است: رهیافت نظام مند «که با اثر استراوس و کوربین (۱۹۹۸, Strauss& Corbin) شناخته می شود؛ «رهیافت ظاهر شونده» که مربوط به اثر گلیسر (۱۹۹۲,Glaser) است؛ و رهیافت ساخت گرایانه» که توسط چارمز (۱۹۹۰,۲۰۰۰,Charmaz) حمایت می شود (۳۹۷٫ Creswell, 2005 p). پرداختن به اختلافات گلیسر و استراوس، مستلزم مجال بیشتری است که این مقاله گنجایش آن را ندارد. در ادامه، نظریه پردازی داده بنیاد را بیشتر از نگاه استراوس و کوربین) مورد توجه قرار خواهد گرفت.

۲. فرآیند نظریه پردازی داده بنیاد

تشریح ساده و صحیح روشی که به صورت زنجیره وار، تعاقبی، هم زمان ۱۳، با خوش اقبالی و زمان منده روی می دهد (۱۹۹۸, p.1 Glaser) کار پر چالشی است. از همین جهت است که شاید جملاتی برای خواننده نامفهوم به نظر رسد و یا حتی بدون توجه و درک عمیق، از آن بگذرد؛ بنابراین درک حداقلی این روش، مستلزم رفت و برگشت و مطالعه چندباره بخش های مختلف متن حاضر است. همان گونه که در جمله گلیسر مشهود است، نمی توان برای روشی که بسیاری از روال های آن همزمان صورت می گیرد و در بیشتر اوقات متضمن رفت و برگشت های بسیار است، مرحله بندی قائل شد. بنابر این مراحلی که از این پس مطرح می شود، با تسامح و صرفا برای آشنایی اولیه با این روش خواهد بود.

۲ – ۱٫ انتخاب نظریه پردازی داده بنیاد به عنوان استراتژی پژوهش

شما هنگامی به سراغ استفاده از نظریه پردازی داده بنیاد می روید که نیازمند یک نظریه یا تبیین کلی (اجمالی) از یک فرآیند هستید. در زمانی که نظریه های موجود، به مشکل مورد نظر شما یا به مشارکت کنندگان در فرآیندی که شما در برنامه مطالعه خود دارید، نمی پردازند، نظریه پردازی داده بنیاد، یک نظریه، «تولید» می کند. از آنجا که این نظریه، در داده ها «بنیان» دارد، نسبت به نظریه ای که از مجموعه نظریه های موجود اقتباس شده و تطبیق داده می شود، تبیین بهتری ارائه می دهد؛ زیرا با موقعیت تناسب دارد، در عمل واقعا کارآمد است، افراد موجود در یک محیط را در نظر گرفته و احساسات آنها را درک می کند و ممکن است همه پیچیدگی هایی را که واقع در فرآیند یافت می شود، نشان دهد (۲۰۰۵, p.396 Creswell) در این مرحله همچنین بهتر است رهیافت مناسب از نظریه پردازی داده بنیاد برای هدایت پژوهش را شناسایی کنیم؛ به عبارت دقیق تر، یکی از سه رهیافت نظام مند، ظاهر شونده یا ساخت گرایانه را برای هدایت نظریه پردازی داده بنیاد گزینش کنیم.

۲ – ۲. در نظر گرفتن یک فرآیند برای بررسی و مطالعه

در پژوهش نظریه پردازی داده بنیاد، نظریه مورد نظر، یک نظریه «فرآیندی» است (۲۰۰۵, p.396 Creswell). اگر چه نظریه پردازان داده بنیاد ممکن است یک تکایده) برای مثال، مهارت های رهبری را هم مورد تحقیق قرار دهند، ولی آنها اغلب یک فرآیند را بررسی می کنند؛ زیرا جهان اجتماعی که ما در آن زندگی می کنیم، مستلزم این است که افراد با یکدیگر تعامل داشته باشند. در پژوهش نظریه پردازی داده بنیاد، به تولید فهمی از یک فرآیند که به موضوعی خرد و واقعی مربوط است، مبادرت می ورزند. در پژوهش نظریه پردازی داده بنیاد گراندد تئوری، یک فرآیند، زنجیره ای از کنش ها و برهم کنش ها بین افراد و وقایع مربوط به یک موضوع است (۴۰۴٫ Strauss & Corbin, 1998; Creswell, 2005, p).

 ۲ – ۳٫ انجام نمونه برداری نظری

داده هایی که توسط نظریه پرداز داده بنیاد برای تشریح فرآیندها جمع آوری می شود، شامل انواع بسیاری از داده های کیفی است؛ از جمله مشاهدات، گفت و شنودها، مصاحبه ها، اسناد دولتی، خاطرات پاسخ دهندگان و مجلات و تأملات شخصی خود پژوهشگر (۴۰۵٫ Charmaz, 2000; Creswell, 2005, p) نظریه پردازی داده بنیاد در نمونه برداری هدفمند افراد برای مصاحبه با مشاهده، از نگرشی منحصر به فرد حمایت می کند که آن را از دیگر رهیافت های کمی و کیفی به جمع آوری داده ها متمایز می سازد. از سویی برخلاف نمونه برداری انجام شده در بررسی های کمی، نمونه برداری نظری نمی تواند قبل از شروع مطالعه و نظریه پردازی داده بنیاد، برنامه ریزی شود و تصمیمات خاص نمونه برداری در خلال فرآیند پژوهش شکل می گیرند (۱۹۲٫ Strauss & Corbin, 1999, p)؛ از سوی دیگر، نظریه پردازان داده بنیاد از روالی استفاده می کنند که مستلزم جمع آوری و تحلیل هم زمان و زنجیره وار دادههاست. نمونه برداری نظری در نظریه پردازی داده بنیاد به این معناست که آشکالی از جمع آوری داده ها را انتخاب می کند که متون و تصورات مفیدی را در راستای تولید یک نظریه به دست خواهد داد. این بدان معناست که نمونه برداری، ارادی او نه تصادفی است و متمرکز بر تولید یک نظریه است (Creswell, 2005, p.405; Pandit, 1996; Fernandez, 2004, p.89).

گلیسر و استر اوس (۱۹۹۷ م.) و گلیسر (۱۹۷۸ م.)، نمونه برداری نظری را این گونه تعریف می کنند:

«نمونه برداری نظری، فرآیند جمع آوری داده برای تولید نظریه است که بدان وسیله تحلیل گر، به طور همزمان داده هایش را جمع آوری، کدگذاری و تحلیل کرده و تصمیم می گیرد به منظور بهبود نظریه خود تا هنگام ظهور آن، در آینده چه داده هایی را جمع آوری و در کجا آنها را پیدا کند» (Glaser & Strauss, 1967, p.45; Glaser, 1978, p.36; Pandit, 1996; Lee, 2001, p.41).

معیار قضاوت در مورد زمان متوقف کردن نمونه برداری نظری، «کفایت نظری» مقوله ها یا نظریه است. گلیسر و استراوس با این واژه به وضعیتی اشاره دارند که در آن:

«… هیچ داده بیشتری یافت نمی شود که پژوهشگر به وسیله آن بتواند ویژگی های مقوله را رشد دهد. به موازاتی که پژوهشگر داده های مشابه را بارها و بارها مشاهده می کند، از لحاظ تجربی اطمینان حاصل می کند که یک مقوله به کفایت رسیده است… زمانی که مقولهای کفایت لازم خود را کسب کرد، هیچ چیز باقی نمی ماند، جز اینکه پژوهشگر به سراغ گروههای جدیدی از داده در مورد مقوله های دیگر برود و تلاش کند آن مقوله ها نیز کفایت لازم را به دست آورند» (۱۹۹۶, Glaser & Strauss, 1967, p. 65; Pandit). بنابر این، در نظریه پردازی داده بنیاد، نمونه گیری توسط ظهور مفهومی و نه طرح پژوهش – به پیش می رود و توسط کفایت نظری – و نه طرح پژوهش – محدود می شود (Fernandez, 2004, p.88).

۲ – ۴٫ کدگذاری داده ها

استراوس و کوربین در اثر ۱۹۹۸ با تدوین روال های کتاب «کشف نظریه داده بنیاد» (۱۹۹۷ م.)، سه فن کدگذاری پیشنهاد دادند: کدگذاری باز، کدگذاری محوری و کد گذاری انتخابی (۲۰۰۱, p.47. Lee). کدگذاری باز و کدگذاری محوری در همین قسمت به تفصیل توضیح داده می شود و کدگذاری انتخابی به عنوان بخشی از فرایند خلق نظریه، در مرحله بعد توضیح داده می شود.

۲- ۴ – ۱٫ کدگذاری باز

کدگذاری باز، فرآیند تحلیلی است که از طریق آن، مفاهیم شناسایی شده و ویژگی ها و ابعاد آنها در داده ها کشف می شوند (۴۹٫ Strauss & Corbin, 1998; Lee, 2001, p). در این مرحله، نظریه پرداز داده بنیاد، مقوله های اولیه اطلاعات در خصوص پدیده در حال مطالعه را، به وسیله بخش بندی اطلاعات شکل می دهد. پژوهشگر مقوله ها را بر همه داده های جمع آوری شده، نظیر مصاحبه ها، مشاهدات و وقایع یا یادداشت های خود بنیان می گذارد (۲۰۰۵, p.397. Creswell).

لازم است توضیحات بیشتری در مورد مفهوم، مقوله، ویژگی و بعد ارائه گردد:

نظریه ها نمی توانند با پیشامدها یا فعالیت های واقعی، آن طوری که مشاهده یا گزارش شده و جزو «داده های خام» محسوب می شوند، ساخته شوند. پیشامدها، وقایع و اتفاقات، به عنوان نشانه های بالقوه پدیده در نظر گرفته شده، یا تحلیل می شوند و بدین سان برچسب مفهومی دریافت می کنند. اگر پاسخ دهنده ای به پژوهشگر بگوید «من هر روز صبح، ریشم را اصلاح می کنم و بعد دوش می گیرم.»، سپس پژوهشگر ممکن است به این پدیده برچسب مفهومی «راه و روش زندگی روزمره» بزند. هنگامی که پژوهشگر، دیگر پیشامدها را بررسی کرده و با پیشامد اول مقایسه می کند، اگر به نظر رسید که همان پدیده را نشان می دهند، سپس این پیشامدها نیز برچسب مفهومی «راه و روش زندگی» دریافت می کنند. تنها با مقایسه پیشامدها و نامیدن پدیده های مشابه با واژه های یکسان، نظریه پرداز می تواند واحدهای اصلی نظریه را روی هم جمع کند (۷٫ Corbin & Strauss, 1990, p).

بنابر این «مفاهیم»، واحدهای پایه ای یا خرد تحلیل هستند؛ زیرا از تصویر ذهنی و مفهوم سازی از داده هاست که نظریه شکل می گیرد، نه به تنهایی از خود داده های واقعی (Pandit, 1996).

پیشامدها، نشانه های مفاهیم هستند. تطبیق مستمر نشانه ها، تحلیل گر را با شباهتها، تفاوت ها و ثبات معنایی که منجر به ساخت یک مفهوم (مقوله) و ابعاد آن می شود، مواجه می کند. شکل ۴ فرآیندی از استقراء و قیاس را نشان می دهد که در آن ابتدا، مقایسه نشانه با نشانه، کدی مفهومی تولید می کند و سپس، نشانه ها با مفهوم ظهور یافته مقایسه می شوند و آن را بیشتر تعریف می کنند (۲۰۱۴, p.87. Fernandez) این روال یکی از تجلی های روش تطبیق مستمر در این روش است.

«مقوله ها، در مقایسه با مفاهیم، انتزاعی تر بوده و سطحی بالاتر را نشان می دهند. آنها از طریق همان فرآیند تحلیلی انجام مقایسات برای برجسته سازی شباهت ها و تفاوت ها که در سطح پایین تر برای تولید مفاهیم استفاده شد، تولید می شوند. مقوله ها، «شالوده های ساختن نظریه هستند. آنها ابزاری فراهم می کنند که به وسیله آن نظریه می تواند یکپارچه شود. ما می توانیم با ادامه مثالی که در بالا زده شد، نشان دهیم که چگونه گروه بندی مفاهیم، مقوله ها را تشکیل می دهد. تحلیل گر ممکن است علاوه بر مفهوم راه و روش زندگی روزمره»، مفاهیم «خود درمانی»، «استراحت» و «مراقبت از رژیم غذایی» را تولید کند. در حین کدگذاری، تحلیل گر ممکن است متوجه شود که این مفاهیم علی رغم اینکه متفاوت هستند، به نظر می رسد نشان دهنده فعالیت هایی هستند که در راستای فرآیند مشابهی صورت می گیرند: تحت کنترل در آوردن یک بیماری. آن مفاهیم می توانند تحت یک سرفصل انتزاعی تر، یعنی مقوله «راهبردهای فردی برای کنترل بیماری» گروه بندی شوند» (۱۹۹۶, Corbin & Strauss, 1990, p. 7; Pandit).

«ویژگیها» در نظریه پردازی داده بنیاد زیر مقوله هایی از نوع کدهای باز است که وظیفه ارائه جزئیات بیشتر در مورد هر مقوله را داراست. در این نظریه پردازی، هر ویژگی، در مرحله بعد، بعد پیدا می کند. منظور از یک ویژگی بعدبندی شده این است که پژوهشگر، ویژگی را بر روی یک پیوستار تلقی کرده و در بین داده ها، مثال هایی را که در نهایت این پیوستار را نشان می دهند، پیدا می کند (Creswell, 2005, p.398).

بنابراین می توانیم به طور خلاصه مقوله را «طبقه ای از مفاهیم» تعریف کنیم؛ مفاهیم را برچسب های مفهومی که بر حوادث، وقایع و دیگر پدیده های مجزا قرار می گیرند؛ ویژگی ها را «صفات یا ویژگی هایی راجع به یک مقوله»؛ و ابعاد را «قرار دادن ویژگی ها در طول یک پیوستار» تعریف کنیم (Strauss & Corbin, 1990, p.61;Creswell, 2005, p.400).

پژوهشگران مختلف، نتیجه مرحله کدگذاری باز را به گونه های مختلف سازماندهی کرده و نمایش می دهند. برای مثال، همه نظریه پردازان داده بنیاد، به ویژگی ها و ابعاد نمی پردازند؛ و یا گاهی به تناسب موضوع پژوهش، در یک سطح بالاتر و علاوه بر مقوله، «مقوله کلان» نیز تعریف می کنند (۲۰۰۵, pp.399-400 Creswell).

نکته لازم دیگر اینکه نظریه پردازان داده بنیاد برای بررسی داده ها، به گونه های مختلفی عمل می کنند. اغلب نظریه پردازان داده بنیاد در این رهیافت به تحلیل جزئی می پردازند؛ یا به بیان دیگر، متون و داده ها را خط به خط و کلمه به کلمه تحلیل می کنند؛ ولی برخی نیز به دلیل اینکه این روش، زمان بسیار زیادی لازم دارد و انبوه مفاهیم ایجاد شده، پژوهش را متوقف کرده یا از راه اصلی خارج می کند، روش دیگری انتخاب می کنند و آن این است که تنها نکات و مضامین کلیدی را کدگذاری در گراندد تئوری می کنند.

۲ – ۴ – ۲. کدگذاری محوری

 کد گذاری محوری، فرآیند ربط دهی مقوله ها به زیر مقوله ها و پیوند دادن مقولهها در سطح ویژگی ها و ابعاد است. این کدگذاری، به این دلیل «محوری» نامیده شده است که کدگذاری حول محور یک مقوله تحقق می یابد (& Lee, 2001,p.48 Strauss corbin, 1998). در این مرحله، مقولهها، ویژگی ها و ابعاد حاصل از کدگذاری باز، تدوین شده و سر جای خود قرار می گیرد تا دانش فزاینده ای در مورد روابط ایجاد گردد (۲۰۰۱, p.84. Lee). استراوس در مرحله کدگذاری محوری از چند اقدام اصلی بحث کرده که

در جدول ۱ نشان داده شده است (۵۰٫ Strauss, 1987; Lee, 2001, p).

۱بیان کردن ویژگی های یک مقوله و ابعاد آنها؛ اقدامی که حین کدگذاری باز شروع می شود
۲شناسایی شرایط گوناگون، کنش یا برهم کن های گوناگون و پیامدهای گوناگون مربوط به یک پدیده
۳ربط دهی یک مقوله به زیر مقوله هایش؛ از طریق گزاره هایی که چگونگی ربط آنها به همدیگر را مطرح می کنند
۴جستجوی سرنخ هایی در داده ها که بر چگونگی ربط دهی های ممکن مقوله های اصلی به هم دلالت دارد

جدول ۱: اقدامات اصلی کدگذاری محوری (۵۰٫ Strauss, 1987; Lee, 2015, p)

در این مرحله، نظریه پرداز داده بنیاد، یک مقوله مرحله کدگذاری باز را انتخاب کرده و آن را در مرکز فرآیندی که در حال بررسی آن است (به عنوان «پدیده مرکزی») قرار می دهد و سپس، دیگر مقوله ها را به آن ربط می دهد. این مقوله های دیگر عبارت اند از: «شرایط علی»، «راهبردها»، «شرایط زمینه ای و مداخله گر» و «پیامدها». این مرحله مشتمل بر ترسیم یک نمودار است که «الگوی کدگذاری» نامیده می شود. الگوی کد گذاری، روابط فیمابین شرایط علی، راهبردها، شرایط زمینه ای و مداخله گر و پیامدها را نمایان می کند (۲۰۰۵, p. 398. Creswell).

 ۱. «شرایط على»: مقوله هایی مربوط به شرایطی که بر مقوله محوری تأثیر می گذارند؛

۲. «زمینه»: شرایط خاصی که بر راهبردها تأثیر می گذارند؛

۳. «مقوله محوری» – یک صورت ذهنی از پدیده ای که اساس فرآیند است؛

  1. «شرایط مداخله گر»: شرایط زمینهای عمومی که بر راهبردها تأثیر می گذارند؛
  2. «راهبردها»: کنش ها یا برهم کنش های خاصی که از پدیده محوری منتج می شود؛
  3. «پیامدها»: خروجی های حاصل از استخدام راهبردها.

به علاوه اگر الگوی کدگذاری را از راست به چپ نگاه کنیم، می بینیم که شرایط على بر پدیده محوری اثر می گذارند، پدیده محوری و شرایط زمینه و مداخله گر بر راهبردها اثر می گذارد و راهبردها بر پیامدها اثر می گذارد (۲۰۰۵, p.398 Creswell).

استراوس (۱۹۸۷ م.) ویژگی هایی برای انتخاب یک مقوله محوری مطرح کرده که خلاصه آن در جدول ۲ آورده شده است (۲۰۱۱, p.51 Lee).

۱آن مقوله باید محور باشد؛ یعنی اینکه، همه مقوله های اصلی دیگر بتوانند به آن ربط داده شوند.
۲باید به کرات در داده ها ظاهر شود. این بدان معناست که در همه یا تقریبا همه موارده، نشانه هایی وجود دارند که به آن مفهوم اشاره می کنند.
۳توضیحی که به تدریج با ربط دهی مقوله ها رشد پیدا می کند، منطقی و محکم است. هیچ گاه داده ای به زور استخراج نمی شود.
۴نام یا اصطلاحی که برای تبیین مقوله محوری به کار می رود، باید به قدر کافی انتزاعی باشد تا بتواند در انجام تحقیق در دیگر عرصه های خرد و واقعی مورد استفاده قرار گرفته و ما را به سمت ایجاد یک نظریه عمومی تر هدایت کند.
۵هنگامی که مفهوم به شیوه تحلیلی از طریق تلفیق با مفاهیم دیگر بهبود می یابد، نظریه از لحاظ عمق و قوت اکتشافی، رشد پیدا کند.
۶مفهوم همان قدر که قادر به تشریح نکته اصلی برآمده از داده هاست، قادر به توضیح دگرگونی نیز می باشد؛ یعنی اینکه، اگر شرایط تغییر یابد، اگر چه روشی که در آن پدیده ای بازگو می شود ممکن است تا حدی متفاوت به نظر برسد، تبیین هنوز به قوت خود باقی است. این مفهوم همچنین باید قادر به تبیین موارد متناقض یا جایگزین در چارچوب آن ایده محوری باشد.

جدول ۲: ویژگی های انتخاب یک مقوله محوری (۲۰۰۱, p.51 Lee)

۲-۵٫ استفاده از کدگذاری انتخابی و خلق نظریه در گراندد تئوری

استراوس و کوربین، کدگذاری انتخابی را به همراه کدگذاری باز و محوری این گونه تشریح می کنند:

در کدگذاری باز، تحلیل گر به پدید آوردن مقوله ها و ویژگی های آنها می پردازد و سپس می کوشد تا مشخص کند که چگونه مقوله ها در طول بعدهای تعیین شده تغییر می کنند. در کدگذاری محوری، مقوله ها به طور نظام مند بهبود یافته و با زیر مقوله ها پیوند داده می شوند. با این حال، این ها هنوز مقوله های اصلی نیستند که در نهایت برای تشکیل یک آرایش نظری بزرگتر یکپارچه شوند، به طوری که نتایج تحقیق، شکل نظریه پیدا کنند. «کدگذاری انتخابی»، فرآیند یکپارچه سازی و بهبود مقوله هاست (Strauss & Corbin, 1998; Lee, 2001, p.50).

در این مرحله از کدگذاری، نظریه پرداز داده بنیاد، یک نظریه از روابط فیمابین مقوله های موجود در مدل کدگذاری محوری به نگارش در می آورد. در یک سطح اصلی، این نظریه شرحی انتزاعی برای فرآیندی که در پژوهش مطالعه می شود، ارائه میدهد. فرآیند یکپارچه سازی و بهبود بخشی نظریه در کدگذاری انتخابی (۱۹۹۸, Strauss & Corbin)، از طریق فنونی نظیر نگارش خط داستان که مقوله ها را به هم متصل می کند و فرآیند دسته بندی از طریق یادنوشت های شخصی در خصوص ایده های نظری است. در یک خط داستان، پژوهشگر بررسی می کند که چگونه عوامل مخصوصی بر پدیده اثر می گذارند و منجر به استفاده از راهبردهایی خاص با خروجی های ویژه می شوند (۲۰۰۵, p.398 Creswell)؛ به عبارت دیگر، کدگذاری انتخابی، یافته های مراحل کدگذاری قبلی را گرفته، مقوله محوری را انتخاب می کند، به شکلی نظام مند آن را به دیگر مقوله ها ربط می دهد، آن روابط را اثبات می کند و مقوله هایی را که به بهبود و توسعه بیشتری نیاز دارند، تکمیل می کند (۱۲۷٫ Strauss & Corbin, 1990; Lee, 2001, p)؛ بنابراین، مقوله محوری، بخش بسیار مهمی از یکپارچه سازی و بهبود مقوله هاست (۲۰۰۱, p. 51. Lee) استفاده از این سه روال کدگذاری به این معناست که نظریه پردازان داده بنیاد گراندد تئوری از روال هایی طرح ریزی شده برای تدوین نظریه شان استفاده می کنند. آنها به تحلیل داده هایشان برای تبدیل به انواع ویژه ای از مقوله های موجود در کدگذاری محوری تکیه و اطمینان می کنند و برای ارائه نظریه هایشان از نمودارها استفاده می کنند. یک مطالعه نظریه پردازی داده بنیاد که از این رهیافت استفاده می کند، ممکن است با فرضیه هایی که استراوس و کوربین، ۱۹۹۸، «قضایا» نامیده اند)، پایان یابد که این فرضیهها روابط بین مقوله ها را در الگوی کدگذاری محوری روشن می کنند (Creswell, 2005, p.401).

۲ – ۶٫ یادنوشت نگاری

درحقیقت، یادنوشت نگاریه تنها یک مرحله از نظریه پردازی داده بنیاد نیست بلکه نظریه پردازان داده بنیاد، در سرتاسر روال نظریه پردازی داده بنیاد، یادنوشت هایی در مورد داده ها خلق می کنند. نگارش یادنوشت ها، ابزاری مهم در نظریه پردازی داده بنیاد است که این امکان را فراهم می کند که پژوهشگران، گفت و شنودی مداوم با خودشان در مورد نظریه در حال ظهور داشته باشند (۱۹۹۰,Charmaz). یادنوشت ها، یادداشت هایی هستند که پژوهشگر در سرتاسر فرآیند پژوهش می نویسد تا ایده هایی را در مورد داده ها و مقوله های کد گذاری شده شرح دهد. در یادنوشت ها، پژوهشگر شم و احساسش، ایده ها و افکارش را مورد کندو کاو قرار داده و سپس با تجزیه و ترکیب آنها همیشه در جستجوی تبیین های کلی تری است. یادنوشتها کمک می کنند تا پرسشگر به سمت منابع جدیدی از داده ها هدایت شود، مشخص شود که کدام ایده ها باید بیشتر بهبود یابند و نمی گذارد که انبوه داده ها، پژوهش را به تعطیلی کشاند. یادنوشت ها می توانند کوتاه یا بلند، مفصل و مرتبط به کدها و مقوله ها، یا کلی تر و انتزاعی تر باشند (Creswell, 2005, p.411).

۲ – ۷٫ اعتبار سنجی نظریه

در نهایت این مهم است که مشخص شود که آیا تبیین نظری شما برای مشارکت کنندگان معنا دارد و معقول است و برگردان دقیقی از وقایع و توالی آنها در [خود] فرآیند است. در نظریه پردازی داده بنیاد، اعتبارسنجی، بخشی فعال از فرآیند پژوهش است (۲۰۰۵,Creswell). برای مثال، در خلال روال تطبیق مستمر در کدگذاری باز، پژوهشگر، بین داده ها و اطلاعات و مقوله های در حال ظهور، کثرت ایجاد می کند. همین فرآیند امتحان کردن داده ها در برابر مقولهها، در مرحله کدگذاری محوری روی می دهد. پژوهشگر پرسش هایی مطرح می کند که مقوله ها را ربط می دهد و سپس به بین داده ها برگشته و به دنبال مدرک، پیشامد و وقایع می گردد. پس از تدوین یک نظریه، نظریه پرداز داده بنیاد، فرآیند را به وسیله مقایسه آن با فرآیندهای موجودی که در پیشینه تخصصی یافت می شود، اعتبارسنجی می کند. همچنین، مرورگران خارجی نظیر مشارکت کنندگان در این طرح که با استفاده از «محکهای» علم خوب، نظریه داده بنیاد را مورد قضاوت قرار می دهند، ممکن است اثبات کنند که نظریه مشتمل بر روایی و اعتبار داده هاست (۲۰۱۵, p. 413 Creswell).

۲ – ۸٫ نگارش و ارائه نظریه

نظریه پردازان داده بنیاد، نظریه خودشان را در سه شکل ممکن ارائه می دهند: یک. الگوی کدگذاری بصری؛ دو. مجموعه ای از قضایا (فرضیه ها) و سه. داستانی که به شکل روایی نوشته می شود (۲۰۰۵, p.409. Creswell). نمونه ای از الگوی کدگذاری بصری را که در واقع، همان الگوی کدگذاری محوری است، در «شکل ۶» مشاهده می شود. مطابق در تصویر، مسترا (۱۹۹۶) مدلی نظری در خصوص «مراحل چکش کاری یک برنامه آموزشی» تدوین کرده است. در این مطالعه او سه دانشکده دوره کارشناسی را از سه ایالت در نواحی شمال مرکزی که مشغول فرآیند تغییر برنامه های آموزش دروس عمومی خود بودند، بررسی کرده است. مصاحبه های نیمه ساختار یافته با ۳۶ نفر از اعضای هیئت علمی و مدیران، منجر به یک نظریه در خصوص چکش کاری یک برنامه آموزشی شد (۲۰۰۵, p.409. Creswell).

قضایای نظری نیز همان قضایا یا فرضیه هایی هستند که روابط بین مقولهها، مثلا روابط بین شرایط علی را با پدیده محوری بیان می کنند (۲۰۰۵, p.409. Creswell).

گرچه ممکن است شناسایی نظریه داده بنیاد در هنگامی که نویسنده آن را به عنوان الگوی کدگذاری بصری یا مجموعه ای از قضایا ارائه می دهد، ساده باشد، بحثی که به شکل یک داستان نوشته می شود) (۱۹۹۸, Strauss& Corbin)، ممکن است برای خواننده کمتر واضح باشد. در فرآیند یکپارچه سازی مقولهها، نظریه پرداز داده بنیاد، ادراک یا احساسی از آنچه که پژوهش راجع به آن است، ایجاد کرده و شروع به نگارش داستانی توصیفی در مورد آن فرآیند می کند. استراوس و کوربین پیشنهاد کردند که پژوهشگر:

(مسترا، ۱۹۹۶، creswell, 2005,p. 408).

«… بنشیند و تعداد کمی جملات توصیفی در خصوص «آنچه به نظر می رسد که در آنجا روی می دهد»، بنویسید. ممکن است که نیاز باشد دو، سه دفعه یا بیشتر شروع کنید تا قادر شوید افکار فرد را به طور دقیق تشریح کنید. سرانجام، داستان ظاهر می شود» (۱۴۸٫ Strauss & Corbin, 1998, p).

پس از اصلاح و چندبار نوشتن، نظریه پردازان داده بنیاد گراندد تئوری این داستان ها را در پژوهش شان به عنوان وسیله ای برای تشریح نظریه فرآیند شان وارد می کنند (Creswell, 2005, p.410).

۳. ارزیابی نظریه پردازی داده بنیاد

استراوس و کوربین ۱۹۹۲, Strauss & Corbin برای ارزیابی فرآیند پژوهشی نظریه پردازی داده بنیاد، معیار در نظر گرفته که پارکر و رافی (۱۹۹۷, Parker& Roffey) در اقدامی جالب، آنها را در بین معیار اولیه گلیسر واستراوس (۱۹۶۷, Glaser& Strauss) پخش کرده اند:

یک. تطبیق

– آیا مفاهیم از داده های بررسی شده، تولید شده است؟

دو. قابلیت فهم

– آیا مفاهیم تشخیص داده می شود و به شکلی نظام مند به هم مرتبط می شود؟

– آیا پیوندهای مفهومی وجود دارد و مقوله ها به خوبی تدوین شده است؟

سه. قابلیت تعمیم

– آیا نظریه چنان تولید شده است که تغییر شرایط متفاوت را در بر گیرد؟

– آیا شرایط کلانتری که ممکن است بر پدیده مورد مطالعه اثر گذارد، تشریح شده است؟

چهار. کنترل

– آیا برای پرسش تغییر فرآیندی، فکری شده است؟

– آیا یافته های نظری به نظر با اهمیت می رسد؟ (Parker & Roffey, 1997, p. 234).

در جمع بندی دیگری، کرسول معتقد است شاخص های ارزیابی یک نظریه داده بنیاد، همان قدر که بر ارزیابی نظریه تکیه دارد (گلیسر، ۱۹۷۸، ۱۹۹۲)، به همان مقدار هم به کل روالی که برای تولید نظریه داده بنیاد استفاده می گردد، تکیه دارد (۴۱۴٫ Strauss & Corbin, 1990, 1998; Creswell, 2005, p). از این رو، پرسش هایی را برای این هر دو بعد تنظیم کرده است:

در هنگام ارزیابی نظریه پردازی داده بنیاد در مورد خود نظریه بپرسید:

  • آیا اتصال یا تطبیق روشنی بین مقوله ها و داده های خام وجود دارد؟
  • آیا نظریه به عنوان یک تبیین مفهومی برای فرآیند مورد مطالعه مفید است؟ به عبارت دیگر، آیا نافع است (کار می کند)؟
  • آیا نظریه، تبیینی ارائه می دهد که با مشکلات واقعی و یک فرآیند پایه، مناسبت عملی داشته باشد؟
  • آیا اگر شرایط تغییر کند یا پژوهشگر داده های بیشتری جمع آوری کند، نظریه اصلاح می شود؟

سپس در مورد فرآیند پژوهش بپرسید:

  • آیا یک مدل نظری تدوین یا تولید شده است؟ آیا هدف و قصد این مدل، مفهوم سازی یک فرآیند، یک کنش، یا یک برهم کنش است؟
  • آیا یک پدیده محوری یا مقوله محوری در قلب این مدل مشخص شده است؟
  • آیا مدل در خلال مراحل کدگذاری ظاهر شده است (برای مثال، از کدهای ابتدایی تا کدهایی مایل تر به نظریه، یا کدگذاری باز، به کدگذاری محوری، به کد گذاری انتخابی)؟
  • آیا پژوهشگر تلاش کرده است تا مقوله ها را به هم مرتبط کند (برای نمونه به وسیله قضایا، بحث، یک مدل یا نمودار)؟
  • آیا پژوهشگر داده های همه جانبه و گسترده ای را جمع آوری کرده است تا یک نظریه مفهومی مفصل تدوین کند که به خوبی در داده ها به کفایت برسد؟
  • آیا مطالعه نشان میدهد که پژوهشگر، نظریه در حال پرورش را به وسیله یکی از موارد ذیل اثبات کرده است: مقایسه آن با داده ها، بررسی اینکه چگونه این نظریه، نظریه موجود در پیشینه تخصصی را پشتیبانی یا رد می کند، یا چک کردن نظریه به وسیله مشارکت کنندگان؟ (۲۰۱۴, p. 414 Creswell).

نتیجه گیری

به نظر می رسد روال های مورد استفاده در این استراتژی پژوهشی قابلیت استفاده در بسیاری از پژوهش های علوم اجتماعی را داراست. امروزه در حیطه های گوناگون علوم اجتماعی، نظریه پردازی داده بنیاد به عنوان یک روال نظام مند، علاقه گستره وسیعی از پژوهشگران را به خود جلب کرده است؛ جامعه شناسی، پزشکی (به خصوص پرستاری)، علوم تربیتی و آموزشی و… مملو از پژوهش هایی است که از این روش استفاده می کنند. مباحث مدیریت نیز از این امر مستثنی نبوده است و در بخش های مختلف آن، از جمله تحقیقات بازار، فناوری اطلاعات و سیستم های اطلاعاتی، مدیریت استراتژیک و… پژوهش های فراوانی با استفاده از نظریه پردازی داده بنیاد صورت گرفته است؛ علاوه بر اینکه ماهیت خاص این روش، ظرفیت نظریه پردازی و بررسی در زمینه پدیده های مختلف را داراست. هنگامی که ضعف های نظریه های موجود برای تبیین بسیاری از پدیده های اجتماعی و مدیریتی کشورمان را در کنار توانمندی های بالقوه این روش می گذاریم، اهمیت شناخت و کاربرد بیشتر و بهتر آن مضاعف خواهد شد.

مقالات آموزشی مرتبط