ترجمه و تلخیص: کاوه نوذر اصل

دسترسی به قسمت‌های قبلی

1. مقدمه: چرا تحلیل و تفسیر در تحقیقات بازار یک «جعبه سیاه» است؟
2. تحقیقات کیفی بازار: یک فعالیت تجاری یا دانشگاهی؟
3. فراتر از مشاهده: چارچوب‌های فکری برای تحقیقات کیفی
4. تجربه تحلیل: تحلیل در تحقیقات کیفی از کجا شروع می‌شود؟
5. فرآیندهای تحلیل: از داده‌های خام تا الگوها
6. تفسیر در سطح خرد: هنر «توجه کردن» و «نظر دادن»
7. تفسیر در سطح کلان: از الگوها تا نظریه‌پردازی

در پست‌های قبلی، به «جعبه سیاه» تحلیل در تحقیقات کیفی پرداختیم و دیدیم که این فرایند چگونه از یک فعالیت صرفاً مکانیکی فراتر رفته و به هنر تفسیر تبدیل می‌شود. بااین‌حال، پیشرفت‌های فناوری و ظهور ابزارهای تحلیل کامپیوتری داده‌های کیفی (CAQDAS)، پرسشی جدی را مطرح می‌کند: آیا این ابزارها می‌توانند جایگزین فرایند تحلیلی ذهنی و انسانی محقق شوند؟

گیل ارئو در کتاب خود، «تحلیل و تفسیر در تحقیقات بازار کیفی»، این موضوع را به دقت بررسی کرده و به ما نشان می‌دهد که هرچند این ابزارها فرصت‌های بی‌نظیری را فراهم می‌کنند، اما استفاده از آن‌ها نیازمند درک عمیق از ماهیت تحلیل کیفی و محدودیت‌های این نرم‌افزارهاست. در این پست، نگاهی مفصل به این ابزارها خواهیم انداخت و بررسی می‌کنیم که چگونه می‌توان از آن‌ها به بهترین شکل بهره برد.

CAQDAS چیست؟

CAQDAS به نرم‌افزارهای تخصصی اشاره دارد که عمدتاً در جوامع آکادمیک و برای کمک به تحلیل داده‌های کیفی توسعه یافته‌اند. در زمان نگارش کتاب ارئو، حدود ۲۰ برنامه از این نوع در دسترس بوده‌اند. این نرم‌افزارها برای انجام عملیات‌های مکانیکی و تکراری تحلیل طراحی شده‌اند تا محقق بتواند وقت بیشتری را به تفکر و تفسیر اختصاص دهد.

این نرم‌افزارها به طور کلی به چند دسته تقسیم می‌شوند:

• متن‌یاب‌ها (Text retrievers): این برنامه‌ها در پیدا کردن تمامی نمونه‌های کلمات، عبارات یا رشته‌های کاراکتر در یک یا چند فایل داده تخصص دارند.
• مدیران پایگاه متن (Textbase managers): این ابزارها به صورت نظام‌مند به سازمان‌دهی، مرتب‌سازی و ساخت زیرمجموعه‌هایی از متن با امکان جستجو و بازیابی کمک می‌کنند.
• برنامه‌های کدگذاری و بازیابی (Code-and-retrieve programs): این برنامه‌ها به تقسیم متن به بخش‌هایی بر اساس موضوع یا دسته‌بندی و اختصاص کد به آن‌ها کمک می‌کنند. این مدل، محوریت بسیاری از نرم‌افزارهای CAQDAS است.

بااین‌حال، ارئو و محققان دیگر، مانند کاترال و مک‌لارن تأکید می‌کنند که این ابزارها به‌ندرت در تحقیقات بازار کیفی تجاری مورد استفاده قرار گرفته‌اند. دلایل این امر که در ادامه به آن‌ها می‌پردازیم، ریشه در تفاوت‌های بنیادین میان روش‌شناسی تحقیقات تجاری و آکادمیک دارد.

چرا محققان تجاری از CAQDAS استقبال نکردند؟

به گفته گیل ارئو، عدم استقبال از CAQDAS در تحقیقات بازار تجاری به دو دلیل اصلی بازمی‌گردد:

1. دفع احساسی و ترس از کامپیوتر: بسیاری از محققان، استفاده از کامپیوتر را با مفاهیم کمی و شمارش گره می‌زنند و آن را با ایده‌ها و تفکر در تضاد می‌بینند. این ترس از «ماشینی‌شدن» فرایند تحلیلی، مانع از پذیرش این ابزارها می‌شود. همچنین، به باور آن‌ها، کامپیوتر فاصله عاطفی بین محقق و داده‌ها ایجاد می‌کند.
2. عدم تطابق با نیازها: مهم‌ترین دلیل این عدم استقبال، ناسازگاری کارکرد این نرم‌افزارها با نیازها و عادات تحلیلی محققان تجاری است. بسیاری از نرم‌افزارهای CAQDAS بر اساس الگوی «کدگذاری و بازیابی» ساخته شده‌اند که به شدت با «نظریه داده‌بنیاد» (Grounded Theory) در تحقیقات آکادمیک مرتبط است.

این الگوی تحلیلی به این صورت است که متن‌ها به بخش‌های کوچک تقسیم شده و با کدهای مفهومی برچسب‌گذاری می‌شوند. سپس، تمام متن‌های مرتبط با یک کد خاص بازیابی و در کنار هم قرار می‌گیرند. این فرایند، که به صورت مکانیکی انجام می‌شود، برای یافتن نظریه‌ها از داده‌ها بسیار مفید است.

بااین‌حال، برای محققان تجاری، این روش تحلیلی «احساس درستی» را ایجاد نمی‌کند. دلیل این امر آن است که بسیاری از تحقیقات بازار کیفی، به‌ویژه در بریتانیا، به تحلیل «فرایند» (Process) یا «روایت» (Narrative) تکیه دارند.

تفاوت‌های بنیادین: رویکرد «فرایندی» در مقابل «کدگذاری»

در تحقیقات بازار تجاری، به خصوص در تحلیل گروه‌های کانونی، فرایند تعامل و چگونگی تکامل نظرات شرکت‌کنندگان به اندازه محتوای گفته‌هایشان اهمیت دارد. این رویکرد به جای تکه‌تکه کردن داده‌ها، آن را به عنوان یک «فیلم در حال حرکت» یا «داستان منسجم» می‌بیند.

به گفته کاترال و مک‌لارن، الگوی «کدگذاری و بازیابی» داده‌ها را به عکس‌های جداگانه تبدیل می‌کند که تنها در یک آلبوم (گزارش) در کنار هم قرار می‌گیرند. این رویکرد، ویژگی‌های مهمی را از بین می‌برد، از جمله:

• تکامل ایده‌ها و نظرات شرکت‌کنندگان در طول بحث.
• نحوه تأثیرگذاری افراد بر یکدیگر.
• عوامل تعاملی که به تفسیر عمیق‌تر کمک می‌کنند.

در نتیجه، برای محققانی که به این جنبه‌های فرایندی اهمیت می‌دهند، نرم‌افزارهای CAQDAS نه تنها مفید نیستند، بلکه ممکن است به فرایند تحلیل و تفسیر آسیب نیز بزنند.

آیا آینده‌ای برای CAQDAS در تحقیقات تجاری وجود دارد؟

با وجود این موانع، ارئو و همکارانش معتقدند که محققان تجاری باید دیدگاه خود را نسبت به این ابزارها تغییر دهند. آن‌ها پیشنهاد می‌دهند که به جای نگاه به کامپیوتر به‌عنوان یک ابزار کمی، باید آن را یک ابزار خلاقانه (مانند طراحی گرافیکی) در نظر گرفت. به هر حال، این برنامه‌ها فکر نمی‌کنند؛ این وظیفه همچنان بر عهده محقق است.

ارئو چند کاربرد بالقوه را برای CAQDAS در تحقیقات بازار کیفی مطرح می‌کند:

• بررسی داده‌های حجیم: در پروژه‌های بزرگ با حجم داده‌های زیاد، مانند پروژه‌های چند کشوری، این نرم‌افزارها می‌توانند به مدیریت و مرتب‌سازی اولیه داده‌ها کمک کنند.
• افزایش شفافیت تحلیل: CAQDAS با ثبت فرایند تحلیل، به شفافیت بیشتر کمک می‌کند. این امر به ویژه در مواقعی که یک سازمان یا یک تیم نیاز به اشتراک‌گذاری تحلیل‌ها دارند، مفید است.
• ارتقاء قابلیت‌های تحلیلی: این نرم‌افزارها می‌توانند کارهایی را ممکن کنند که به صورت دستی غیرممکن یا بسیار دشوار است. برای مثال، می‌توان با یک کلیک، ماتریس‌های تحلیلی مختلفی را تولید کرد و مقایسه‌های متعددی را بین زیرگروه‌ها انجام داد، بدون آن‌که لازم باشد این ماتریس‌ها از قبل طراحی شده باشند.
• استفاده از داده‌های متنوع: CAQDAS می‌تواند محقق را به سمت استفاده از «بصیرت‌های وصله پینه‌ای» (bricolage) سوق دهد. این ابزارها امکان تحلیل انواع مختلفی از داده‌ها را فراهم می‌کنند، از یادداشت‌های میدانی و مدارک مشتری تا ایمیل‌ها و حتی «افکاری که هنگام راه رفتن با سگ به ذهنتان رسیده است». این امر به محقق اجازه می‌دهد تا فهم عمیق‌تری از پدیده داشته باشد.
• ایجاد پایگاه دانش انباشته: CAQDAS به محققان و شرکت‌ها امکان می‌دهد تا دانش انباشته‌شده از پروژه‌های مختلف را به صورت یک پایگاه داده قابل جستجو ذخیره کنند. این امر به آن‌ها اجازه می‌دهد تا به‌راحتی به داده‌های قبلی بازگردند و آن‌ها را در پرتو یافته‌های جدید دوباره تحلیل کنند.

نتیجه‌گیری: ابزار، نه جایگزین

در نهایت، استفاده از ابزارهای تحلیل کامپیوتری به این معنا نیست که محقق از فرایند تحلیل فاصله می‌گیرد، بلکه به او کمک می‌کند تا از کارهای مکانیکی آزاد شده و بر روی جنبه‌های پیچیده‌تر و تفسیری تحلیل تمرکز کند. ارئو به ما یادآوری می‌کند که این ابزارها تنها به مکانیکی شدن فرایندهایی کمک می‌کنند که ذاتاً مکانیکی هستند.

در زمان نگارش کتاب، CAQDAS بیشتر به الگوی «کدگذاری و بازیابی» تکیه داشت. بااین‌حال، توسعه نرم‌افزارهای جدیدتر مانند NVivo نشان می‌دهد که این ابزارها به سمت رویکردهای تحلیلی «شل‌گیرانه‌تر» (looser) و غیرخطی در حال حرکت هستند که به محقق اجازه می‌دهد تا به جای کدگذاری صرف، به ایجاد نقشه‌های ذهنی چندبعدی و پیچیده از مفاهیم و ارتباطات بپردازد. این رویکرد، قابلیت‌های تحلیلی محقق را به شکل چشم‌گیری افزایش می‌دهد.

در نهایت، CAQDAS یک ابزار است، نه یک جایگزین. این ابزارها نمی‌توانند خلاقیت، شهود و تجربه محقق را جایگزین کنند، اما با فراهم کردن امکانات جدید، می‌توانند فرایند تحلیل را کارآمدتر و غنی‌تر سازند و به محقق اجازه دهند تا به بینش‌های عمیق‌تری دست یابد.