تحلیل داده های آماری کمی و کیفی

نظریه داده بنیاد کلاسیک | راهنمای کامل گلیزر

پاسخ دهید

نظریه داده بنیاد کلاسیک | راهنمای کامل گلیزر

نظریه داده بنیاد کلاسیک، رویکردی است که بارنی گلیزر و آنسلم اشتراوس در سال ۱۹۶۷ بنیان گذاشتند. در این سنت، نظریه «ظهور» می‌کند، نه اینکه ساخته یا آزمون شود.

بسیاری از آنچه امروز به نام نظریه داده بنیاد می‌شناسیم، در واقع نسخه اشتراوسی و کوربینی است، نه نسخه کلاسیک گلیزری. این تمایز، بنیادین است. در ادامه، مبانی فلسفی، مراحل کدگذاری، ابزارهای تحلیلی و معیارهای اعتبارسنجی نظریه داده بنیاد کلاسیک را با نگاهی استادانه بررسی می‌کنم.

پس تا پایان همراه من باشید؛ زیرا در این متن، تجربه سال‌ها تدریس و راهنمایی پایان‌نامه را با شما به اشتراک می‌گذارم.

نظریه داده بنیاد کلاسیک چیست؟

نظریه داده بنیاد کلاسیک، رویکردی است که بارنی گلیزر و آنسلم اشتراوس در سال ۱۹۶۷ با انتشار کتاب The Discovery of Grounded Theory بنیان گذاشتند.

این کتاب، پاسخی روش‌شناختی به سلطه پژوهش‌های کمّی و نظریه‌های بزرگ و انتزاعی آن دوران بود. هدف اصلی، تولید نظریه از دل داده‌ها به‌جای آزمون نظریه‌های موجود بود.

گلیزر بعدها با انتشار آثاری چون Theoretical Sensitivity (1978) و Basics of Grounded Theory Analysis (1992)، نسخه‌ای را بسط داد که امروز با عنوان نظریه داده بنیاد کلاسیک یا گلیزری شناخته می‌شود.

در این رویکرد، فرض بنیادین این است که واقعیت بیرونی و عینی وجود دارد، اما نظریه‌ای که آن را بازنمایی می‌کند، باید از داده‌ها «ظهور» کند، نه اینکه پژوهشگر آن را از پیش تعیین کرده باشد.

تفاوت‌های بنیادین با نسخه اشتراوسی

پیش از ورود به جزئیات، باید بدانید که «نظریه داده بنیاد» یک روش واحد نیست. سه نسخه اصلی وجود دارد:

  • نسخه گلیزری (کلاسیک): نظریه ظهور می‌کند. دو مرحله کدگذاری (ماهوی و نظری). مخالف کدگذاری محوری و پارادایم.
  • نسخه اشتراوسی و کوربینی: نظریه با فرایند سیستماتیک ساخته می‌شود. سه مرحله کدگذاری (باز، محوری، گزینشی). استفاده از پارادایم.
  • نسخه چرمازی (ساخت‌گرا): نظریه در تعامل ساخته می‌شود. کدگذاری اولیه، متمرکز، نظری.

نکته حیاتی: گلیزر، کدگذاری محوری اشتراوس و کوربین را رد می‌کند. او معتقد است این مرحله، داده‌ها را به زور در قالب‌های از پیش تعیین‌شده می‌ریزد و «ظهور» طبیعی نظریه را خفه می‌کند.

مبانی فلسفی نظریه داده بنیاد کلاسیک

گلیزر برخلاف چرماز، خود را یک عینیت‌گرا (objectivist) می‌داند.

او معتقد است پژوهشگر باید پیش‌فرض‌ها، پیش‌دانسته‌ها و حتی مرور ادبیات را تا حد امکان کنار بگذارد تا نظریه بتواند آزادانه از داده‌ها ظهور کند.

این موضع، امروز مورد نقد شدید قرار گرفته است. منتقدان می‌گویند هیچ پژوهشگری نمی‌تواند پیش‌فرض‌های خود را کاملاً کنار بگذارد.

اما گلیزر پاسخ می‌دهد که نظم روش‌شناختی و تعهد به داده‌ها می‌تواند تأثیر پیش‌فرض‌ها را به حداقل برساند.

قاعده طلایی گلیزر: به داده‌ها اعتماد کن، نه به پیش‌فرض‌هایت.

مراحل کدگذاری در نظریه داده بنیاد کلاسیک

گلیزر برخلاف اشتراوس، از یک مدل دو مرحله‌ای برای کدگذاری دفاع می‌کند. این دو مرحله، کاملاً درهم‌تنیده و بازگشتی هستند.

مرحله اول: کدگذاری ماهوی (Substantive Coding)

این مرحله خود شامل دو زیرمرحله است:

الف) کدگذاری باز (Open Coding)

در کدگذاری باز، پژوهشگر سطر‌به‌سطر داده‌ها را بررسی می‌کند تا الگوها، حوادث و شاخص‌های مفهومی اولیه را شناسایی کند.

هدف اصلی کدگذاری باز: شناسایی دغدغه اصلی (Main Concern) حوزه ماهوی است.

گلیزر تأکید می‌کند که هدف، صرفاً تولید فهرستی از مقوله‌ها نیست، بلکه یافتن مقوله هسته‌ای (Core Category) است که به‌طور مداوم آن دغدغه را حل می‌کند.

سؤالات راهنما در کدگذاری باز:

  • در این داده واقعاً چه چیزی در حال رخ دادن است؟
  • دغدغه اصلی مشارکت‌کنندگان چیست؟
  • این دغدغه چگونه حل می‌شود؟

نکته کلیدی: در نظریه داده بنیاد کلاسیک، مقوله هسته‌ای باید زود ظاهر شود و تمام تحلیل‌های بعدی را هدایت کند.

ب) کدگذاری گزینشی (Selective Coding)

پس از ظهور مقوله هسته‌ای، وارد کدگذاری گزینشی می‌شوید. در این مرحله:

  • جمع‌آوری و تحلیل داده به‌طور هدفمند بر اشباع مقوله هسته‌ای و خواص مرتبط با آن متمرکز می‌شود.
  • از نمونه‌گیری نظری (Theoretical Sampling) استفاده می‌کنید؛ یعنی انتخاب مشارکت‌کنندگان بعدی بر اساس توانایی آن‌ها در پالایش و اشباع مقوله‌های در حال ظهور است.
  • کدگذاری گزینشی، انضباط تحلیلی لازم را فراهم می‌کند تا پژوهش حول فرایندهایی متمرکز بماند که دغدغه اصلی را حل می‌کنند.

تفاوت با اشتراوس: در نسخه اشتراوسی، کدگذاری گزینشی مرحله سوم است و پس از کدگذاری محوری می‌آید. در نسخه گلیزری، کدگذاری گزینشی مستقیماً پس از کدگذاری باز انجام می‌شود و کدگذاری محوری وجود ندارد.

مرحله دوم: کدگذاری نظری (Theoretical Coding)

این مرحله، نقطه اوج نظریه‌سازی است. در کدگذاری نظری، شما روابط میان مقوله‌های ماهوی اشباع‌شده را از طریق کدهای نظری مفهوم‌سازی می‌کنید.

کدهای نظری (Theoretical Codes): گلیزر ۱۸ خانواده کدگذاری نظری را معرفی کرد که بعدها به بیش از ۴۰ خانواده گسترش یافت. این خانواده‌ها ابزارهایی مفهومی هستند که به شما کمک می‌کنند روابط میان مقوله‌ها را ببینید و بیان کنید.

نمونه‌هایی از خانواده‌های کدگذاری گلیزر:

خانوادهنمونه کدها
شش Cعلل (Causes)، زمینه‌ها (Contexts)، احتمالات (Contingencies)، پیامدها (Consequences)، شرایط (Conditions)، هم‌تغییری (Covariance)
فرایندمراحل، توالی، پیشرفت، چرخه‌ها
درجهشدت، حد، میزان
ابعادگستره، اندازه، فراوانی
استراتژیتاکتیک‌ها، مانورها، تکنیک‌ها
تعاملرابطه، مراوده، کنش متقابل

مثال عملی: فرض کنید مقوله هسته‌ای شما «مدیریت هویت حرفه‌ای در شرایط بی‌ثباتی» باشد. با استفاده از خانواده «شش C»، می‌توانید روابط زیر را مفهوم‌سازی کنید: علل (بی‌ثباتی سازمانی)، زمینه (فرهنگ سازمانی)، پیامدها (فرسودگی یا رشد حرفه‌ای).

ابزارهای تحلیلی کلیدی در نظریه داده بنیاد کلاسیک

۱. روش مقایسه مداوم (Constant Comparative Method)

مقایسه مداوم، ستون فقرات نظریه داده بنیاد کلاسیک است. این روش شامل چهار مرحله است:

  • مقایسه حوادث با یکدیگر: هر حادثه جدید را با حوادث قبلی مقایسه می‌کنید تا شباهت‌ها و تفاوت‌ها را ببینید.
  • ادغام مقوله‌ها و خواص آن‌ها: مقوله‌ها و خواص‌شان را با یکدیگر تلفیق می‌کنید.
  • محدودسازی نظریه: مرزهای نظریه را مشخص می‌کنید.
  • نگارش نظریه: نظریه را در قالب یک روایت منسجم می‌نویسید.

انواع مقایسه در نظریه داده بنیاد کلاسیک:

  • داده با داده (data to data)
  • داده با مفهوم (data to concept)
  • مفهوم با مفهوم (concept to concept)

۲. یادداشت‌نویسی (Memoing)

یادداشت‌نویسی در نظریه داده بنیاد کلاسیک، سنگ بنای فرایند تحلیلی است. گلیزر آن را «قلب نظریه‌سازی» می‌نامد.

  • یادداشت‌ها ایده‌های نظری شما را در مورد کدها و روابطشان ثبت می‌کنند.
  • مرتب‌سازی یادداشت‌ها (Sorting Memos) در مراحل پایانی، پایه و اساس نگارش نظریه را تشکیل می‌دهد.
  • تفاوت با نسخه اشتراوسی: در نسخه گلیزری، یادداشت‌ها آزاد، خودجوش و بدون ساختار از پیش تعیین‌شده هستند.

۳. نمونه‌گیری نظری (Theoretical Sampling)

نمونه‌گیری نظری، فرایندی راهبردی و بازگشتی است که در آن:

  • انتخاب مشارکت‌کنندگان بعدی بر اساس نیازهای تحلیلی انجام می‌شود، نه معیارهای آماری.
  • هدف، پالایش و اشباع مقوله‌های در حال ظهور است.
  • فرایند تا رسیدن به اشباع نظری (Theoretical Saturation) ادامه می‌یابد؛ یعنی نقطه‌ای که داده‌های جدید دیگر خواص جدیدی به مقوله‌ها اضافه نمی‌کنند.

نکته حیاتی: در نظریه داده بنیاد کلاسیک، حجم نمونه از پیش تعیین نمی‌شود. نمونه با تحلیل رشد می‌کند.

اعتبارسنجی در نظریه داده بنیاد کلاسیک

گلیزر برخلاف اشتراوس و کوربین که از معیارهای متعدد استفاده می‌کنند، چهار معیار بنیادین برای سنجش کیفیت نظریه داده بنیاد ارائه می‌دهد.

معیار اول: تناسب (Fit)

تعریف: آیا مقوله‌های نظریه، واقعاً از داده‌ها برخاسته‌اند؟

  • نظریه باید از داده‌ها «ظهور» کرده باشد، نه اینکه بر آن تحمیل شده باشد.
  • مقوله‌ها باید الگوی داده‌ها را به‌طور دقیق بازنمایی کنند.

معیار دوم: کارآمدی (Work)

تعریف: آیا نظریه می‌تواند تنوع و تغییرات داده‌ها را تبیین کند؟

  • نظریه باید قدرت پیش‌بینی و تبیین داشته باشد.
  • باید بتواند رفتارها و فرایندهای حوزه مورد مطالعه را توضیح دهد.

معیار سوم: مرتبط بودن (Relevance)

تعریف: آیا نظریه برای کنشگران حوزه مورد مطالعه معنادار و مرتبط است؟

  • نظریه باید دغدغه اصلی مشارکت‌کنندگان را بازتاب دهد.
  • باید برای کسانی که در آن حوزه کار می‌کنند، قابل درک و مفید باشد.

معیار چهارم: قابلیت اصلاح (Modifiability)

تعریف: آیا نظریه می‌تواند با داده‌های جدید سازگار شود؟

  • نظریه نباید صُلب و بسته باشد.
  • باید انعطاف‌پذیر باشد تا بتواند داده‌های جدید را در خود جای دهد.

نکته کلیدی: گلیزر معتقد است این چهار معیار، در فرایند پژوهش تحقق می‌یابند، نه در پایان آن. اعتبارسنجی، بخشی از توسعه نظریه است، نه یک مرحله جداگانه.

اشتباهات رایج دانشجویان در نظریه داده بنیاد کلاسیک

بر اساس تجربه راهنمایی پایان‌نامه، این خطاها بیشترین تکرار را دارند:

  • مرور ادبیات پیش از شروع: گلیزر به‌شدت مخالف مرور نظام‌مند ادبیات پیش از کدگذاری است، زیرا آن را «آلوده‌کننده» ظهور نظریه می‌داند.
  • استفاده از کدگذاری محوری: این مرحله، ویژه نسخه اشتراوسی است و در نظریه داده بنیاد کلاسیک جایز نیست.
  • تعیین حجم نمونه از پیش: در نظریه داده بنیاد کلاسیک، نمونه با تحلیل رشد می‌کند.
  • پرش به کدگذاری نظری پیش از اشباع: بدون اشباع مقوله‌های ماهوی، نظریه‌سازی توخالی است.
  • نادیده‌گرفتن مقوله هسته‌ای: اگر مقوله هسته‌ای زود ظهور نکند، پژوهش از مسیر خارج می‌شود.

پرسش‌های متداول درباره نظریه داده بنیاد کلاسیک

آیا نظریه داده بنیاد کلاسیک واقعاً علمی است؟
بله. این رویکرد نظام‌مند، شفاف و مبتنی بر معیارهای مشخصی است. تناسب، کارآمدی، مرتبط بودن و قابلیت اصلاح، علمی بودن آن را تضمین می‌کنند.

تفاوت اصلی گلیزر با اشتراوس چیست؟
گلیزر بر ظهور نظریه تأکید دارد؛ اشتراوس بر ساخت سیستماتیک. گلیزر کدگذاری محوری را رد می‌کند؛ اشتراوس آن را ضروری می‌داند.

آیا می‌توان از نرم‌افزار در این روش استفاده کرد؟
بله، اما با احتیاط. نرم‌افزارهایی مانند MAXQDA می‌توانند سازمان‌دهی داده‌ها را آسان کنند، اما نباید فرایند ظهور نظریه را مکانیزه کنند.

آیا نظریه داده بنیاد کلاسیک در ایران کاربرد دارد؟
بله. پژوهشگران مدیریت و علوم اجتماعی ایران در سال‌های اخیر به این رویکرد توجه کرده‌اند. با این حال، بسیاری از آنچه در ایران به‌عنوان نظریه داده بنیاد انجام می‌شود، در واقع نسخه اشتراوسی است، نه کلاسیک.

جمع‌بندی: آنچه یک استاد راهنما از شما انتظار دارد

اگر دانشجوی من باشید و بخواهید با نظریه داده بنیاد کلاسیک کار کنید، از شما می‌خواهم این پنج اصل را همواره در ذهن داشته باشید:

۱. به داده‌ها اعتماد کنید. نظریه از دل داده‌ها ظهور می‌کند، نه از پیش‌فرض‌های شما.

۲. از کدگذاری محوری بپرهیزید. این مرحله، ویژه نسخه اشتراوسی است و در نظریه داده بنیاد کلاسیک جایز نیست.

۳. مقوله هسته‌ای را زود پیدا کنید. این مقوله، موتور محرک تمام تحلیل‌های بعدی است.

۴. یادداشت‌نویسی را جدی بگیرید. اگر یادداشت ننویسید، نظریه‌ای وجود نخواهد داشت.

۵. به چهار معیار گلیزر وفادار بمانید. تناسب، کارآمدی، مرتبط بودن و قابلیت اصلاح، معیارهای نهایی کیفیت کار شما هستند.

نظریه داده بنیاد کلاسیک نظام‌مند، منعطف و عمیقاً ریشه‌دار در داده‌ها است. این رویکرد از شما می‌خواهد که صبر داشته باشید، به داده‌ها وفادار بمانید و به ظهور نظریه اعتماد کنید.

اگر این مقاله برای شما مفید بود، آن را با همکاران و دانشجویان خود به اشتراک بگذارید. همچنین خوشحال می‌شوم در بخش نظرات بنویسید: شما از کدام نسخه نظریه داده بنیاد استفاده می‌کنید و چرا؟

ارتباط با ما

خواهشمند است، نظر خودتان را در پایان نوشته در سایت https://rava20.ir مرقوم نمایید. همین نظرات و پیشنهاد های شما باعث پیشرفت سایت می گردد. با تشکر 

پیشنهاد می شود مطالب زیر را هم در سایت روا 20 مطالعه نمایید:

پرسشنامه استاندارد نتایج یادگیری  اوروس و هرناندز(2016) (تک مولفه ای)

پرسشنامه آسیب به خود،   SHI (  سانسون و همکاران ، 1998 )

پرسشنامه مادی گرایی و فرا مادی گرایی اینگلهارت(1981)

پرسشنامه استاندارد بهزیستی کارکنان ( ژنگ و همکاران 2015 )

دانلود پرسشنامه استاندارد فارسی برای پایان نامه یا مقاله (راهنمای کامل و تصویری)

📊 سفارش تحلیل داده های آماری برای پایان نامه و مقاله نویسی تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد. 📊 نرم افزار های کمی: SPSS- PLS – Amos 📊 نرم افزارهای کیفی: Maxqda 📊 تعیین حجم نمونه با:Spss samplepower 📞 Mobile : 09143444846 📱 Telegram: https://t.me/RAVA2020 🌐 وب سایت: https://rava20.ir 🌐 E-mail: abazizi1392@gmail.com 🔔 این مطلب را با دوستان خود به اشتراک بگذارید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *