• روش داده بنیاد تحلیلی و راه های تحقیق آن

روش داده بنیاد تحلیلی و راه های تحقیق آن یکی از رویکردهای روش شناسی کیفی است که در تولید نظریه های جدید کاربرد دارد. تحلیل داده بنیاد یا بعبارتی تحقیق داده بنیاد که گاه توسط محققین به جای هم بکار می روند، یک روش کیفی است که شما را قادر می سازد پدیده یا فرآیند خاصی را مطالعه کنید و نظریه های جدید بر اساس این روش کشف نمائید، بطوریکه این نظریه ها مبتنی بر تجزیه و تحلیل داده های دنیای واقعی باشند. تحقیق داده بنیاد دارای رویکرد استقرایی است که در آن از دل داده ها، نظریه های جدید استخراج می شوند. در این رویکرد، جمع آوری و تحلیل داده ها و توسعه نظریه در یک فرآیند رفت و برگشت اتفاق می افتد، این فرایند تا زمانی ادامه می یابد که در آن داده‌های بیشتر به شما دید و بینش بیشتری برای تولید نظریه جدید اضافه نمی‌کنند (اشباع نظری).

چه زمانی بهتر است از تحلیل داده بنیاد استفاده کنید؟

وقتی هیچ نظریه ای برای توضیح پدیده مورد نظر وجود نداشته باشد، می توانید از روش داده بنیاد تحلیلی و راه های تحقیق با بروز ترین متد ها در آکادمی پژوهش کیفی توسط دکتر فریده خلج آبادی فراهانی مدرس و مشاور پژوهش کیفی و از تحلیل داده بنیاد یا نظریه زمینه ای استفاده کنید. حتی می‌توانید از تحقیق داده بنیاد در صورتی که نظریه ای وجود دارد استفاده کنید، مشروط بر این که آن نظریه بر اساس داده های جوامع دیگر بوده و یا بطور بالقوه ناقص است چون داده‌های مورد استفاده برای استخراج آن نظریه از افراد دیگری غیر از جامعه مورد نظر شما، جمع‌آوری شده است. زمانی که به دنبال کشف فرایند شکل گیری یک پدیده در قالب یک نظریه هستید میتوانید از تحلیل داده بنیاد استفاده کنید.

تحقیق داده بنیاد چه مزایایی دارد؟

تحقیق داده بنیاد یا همان تحلیل داده بنیاد مزایای بسیاری دارد که در ادامه به ۶ مزیت از آن پرداخته ایم. با ما همراه باشید تا با مزیت های این روش تحقیق بیشتر آشنا شوید.

یافته ها به طور دقیق زمینه و قوانین دنیای واقعی را نشان می دهند.

تئوری هایی که با استفاده از تحقیق داده بنیاد استخراج می شوند، مستقیماً از مشارکت کنندگان در دنیای واقعی در بافت دنیای واقعی با استفاده از روش هایی مانند مصاحبه های عمیق و مشاهده منتج شده اند، بنابراین این نتایج، با دقت بیشتری منطبق بر دنیای واقعی هستند. برخلاف سایر رویکردهای تحقیقاتی است که ممکن است در شرایط خاص و به دور از دنیای واقعی انجام شود و یا در محیط‌های آزمایشگاهی رخ ​​می‌دهند.

یافته های پژوهش ارتباط نزدیکی با داده ها دارند.

بعلت اینکه در تحقیق داده بنیاد تاکید اولیه بر جمع آوری داده است برای تعیین نتیجه نهایی، یافته های پژوهش به شدت با داده ها ارتباط دارند. این درست برخلاف رویکردهای تحقیقاتی دیگر است که در آنها تکیه بر چارچوب‌های های نظری خارجی است که در آن بیشتر داده‌ها حذف می‌شوند.

تحقیق داده بنیاد برای مکاشفه جدید، بسیار عالی هستند.

تحقیق داده بنیاد یک روش تحقیق قوی با رویکرد استقرایی به منظور کشف نظریه های جدید است. در این روش، هیچ فرضیه از پیش تعیین شده ای هدایت داده ها را به عهده نمیگیرد و شما با فرضیه وارد جمع آوری داده نمی شوید و نگران اعتبار یا توصیف نیستید. درعوض، به داده‌هایی که جمع‌آوری می‌کنید اجازه می دهید در فرایند تجزیه و تحلیل، تولید نظریه را هدایت کرده و به کشف جدید بینجامد.

راهبردهایی برای تجزیه و تحلیل ارائه میدهد

فرآیند تحقیق داده بنیاد راهبردهای خاصی را برای تحلیل ارائه می کند که بسیار مفید هستند. در حالی که تحلیل داده بنیاد یک روش بسیار باز است، استراتژی های تجزیه و تحلیل شما را قادر می سازد در فرآیند کشف، ساختارمند و تحلیلی بمانید.

همزمانی و در هم تنیده بودن جمع آوری و تحلیل داده ها

جمع آوری داده ها و تحلیل داده ها همزمان و به شدت در هم تنیده هستند. با اولین جمع آوری داده ، آن ها را تجزیه و تحلیل می کنید، و آنچه که از تحلیل یاد می گیرید، به شما کمک می کند داده های مناسب تری جمع آوری کنید. این کمک می کند تا اطمینان حاصل شود که داده هایی که جمع آوری می کنید برای توضیح یافته های حاصل از تجزیه و تحلیل کافی است.

سپری در برابر سوگیری و خطای تایید ایجاد می کند

از آنجایی که جمع‌آوری و تجزیه و تحلیل داده‌ها همزمان بوده و به شدت در هم تنیده شده‌اند، شما آنچه را که از دل داده‌ها استخراج می شود، دنبال می‌کنید. این یک سپر و محافظ عالی در مقابل تأیید باورهای قبلی شما در مورد موضوع فراهم می کند.

فایل ویدیویی 9 ساعته وبینار گراندد تئوری با تحقیق داده بنیاد را میتوانید در اینجا تهیه کنید.

تحقیق داده بنیاد چه معایبی دارد؟

تحقیق داده بنیاد مانند تمامی تحقیق های دیگر معایبی دارد. حال که از مزایای تحقیق داده بنیاد مطلع شدید بهتر است با معایب این روش تحقیق نیز آشنا شوید.

مشکل در انتخاب مشارکت کننده در تحقیق

تحقیق داده بنیاد بر فرآیند انتخاب رفت و برگشتی به نام نمونه‌گیری نظری متکی است که در آن هنگام تجزیه و تحلیل داده‌ها، به‌طور همزمان و پیوسته با انتخاب و مصاحبه با شرکت‌کنندگان جدید و مشارکت کنندگان قبلی انجام می‌ گیرد. معیارهای انتخاب و ورود مشارکت کننده در تحقیق نیز بر اساس آموخته های شما تغییر می کند. از آنجایی که معیارهای انتخاب مشارکت کنندگان از پیش تعریف نشده است، یافتن مداوم شرکت کنندگان مناسب برای مطالعه میتواند کاری بس چالش برانگیز باشد.

زمان بر بودن جمع آوری داده ها

در حقیقت شما نمی دانید چه مقدار داده جمع آوری کنید یا چه تعداد مصاحبه باید انجام دهید بنابراین باید کاملا در زمان خود انعطاف پذیر باشید. با گراندد تئوری یا تحقیق داده بنیاد، شما به طور مداوم داده ها را جمع آوری و تجزیه و تحلیل می کنید تا زمانی که به اشباع نظری برسید، این مرحله ، نقطه ای است که در آن داده های جدید بینش جدیدی را به نظریه در حال تکامل شما اضافه نمی کند. این بدان معنی است که شما احتمالاً قبل از تکمیل نظریه خود، چند مرحله از جمع آوری داده ها را انجام می دهید.

چالش در تحلیل داده

تجزیه و تحلیل داده ها به صورت چرخشی انجام می شود و شامل مقایسه مداوم بین بخش های مختلف متن مصاحبه یا گزیده های داده ها است. نگه داشتن سوابق و ردپای مقایسه مداوم داده ها در حین پیشرفت تحلیل می تواند چالش برانگیز باشد. استفاده از یک نرم افزار تجزیه و تحلیل داده های کیفی مانند مکس کیودا MAXQDA میتواند مفید باشد تا به شما کمک کند در طول تجزیه و تحلیل سازماندهی خود را حفظ کنید.

فایل ویدیویی 9 ساعته ” وبینار تحلیل داده های کیفی با استفاده از نرم افزار مکس کیو دا 2020″ را در اینجا می توانید تهیه کنید.

تحقیق داده بنیاد و تاریخچه آن

تحقیق داده بنیاد یا نظریه زمینه ای، اولین بار توسط جامعه شناس بارنی گلیزر و آنسلم اشتراوس توسعه یافت. در این دوره، آنها رویکرد غالب به تحقیقات کیفی را مورد انتقاد قرار دادند که به نظر آنها بسیار محدود بود. مطالعات کیفی در این زمان از روش‌های سنتی پیروی می‌کردند که اساساً شامل ارائه یک فرضیه و انجام تحقیقات برای تایید آن بود. گلیزر و اشتراوس با اتخاذ رویکردی استقرایی به تحقیقات کیفی، پیشگام روشی جدید برای کشف نظریه بودند. آنها به طور رسمی روش تحقیق جدیدی را با عنوان “کشف نظریه داده بنیاد” در سال 1967 ارائه کردند. از آن زمان، تحولات زیادی در نظریه بر پایه یا داده بنیاد پدید آمد، از جمله مبانی تحقیقات کیفی: رویه‌ها و تکنیک‌های نظریه پایه (1990) توسط اشتراوس و کوربین.
این مفهوم از ظهور طبیعی نظریه با طراحی یک چارچوب کدگذاری تحلیلی برای تولید نظریه ها از داده ها به طور سیستماتیک تغییر کرد. در دهه 1990، کتی چارماز رویکرد جدیدی به نام نظریه زمینه‌ای ساخت‌گرا منتشر کرد و استدلال کرد که نه داده‌ها و نه نظریه‌ها کشف نمی‌شوند، بلکه از طریق تجربیات گذشته و حال محققان برساخت یا ساخته می‌شوند.

روش تحقیق داده بنیاد

در اینجا یک مرور کلی انجام می دهیم در مورد اینکه چگونه می توانید تحلیل داده بنیاد یا تحقیق داده بنیاد را انجام دهید. لازم است توجه کنید که این فرایند تنها روش دنبال کردن تحقیق داده بنیاد یا گراندد تئوری نیست، بلکه تنها مجموعه ای از نکات به دست آمده از منابع مختلف تحقیق داده بنیاد است که می توانید استفاده کنید تا از آنها برای مطالعه نظریه زمینه ای یا تحقیق داده بنیاد خود الهام بگیرید.

مراحل انجام تحقیق داده بنیاد یا تئوری زمینه ای
1. تعیین سوالات تحقیق اولیه
2. جمع آوری داده ها (نمونه گیری نظری)
3. متون پیاده شده را بارها بخوانید
4. به کلمات ، جمله ها و پاراگراف ها برچسب یا کد بدهید (کدگذاری باز)
5. کدها را بر اساس اشتراکات مفهومی در قالب طبقات گروه بندی کنید (کدگذاری محوری)
6. مفاهیم بیشتری را در اسناد و متون پیاده شده تجزیه و تحلیل کنید و با کدها مقایسه کنید
7. مراحل 2-6 را تکرار کنید تا به اشباع نظری برسید
8. ایده مرکزی را تعریف کنید(کدگذاری انتخابی)
9. نظریه زمینه ای یا داده بنیاد خود را بنویسید
نکته : تحقیق خود را به صورت رفت و برگشتی دنبال کنید.

تحقیق داده بنیاد یا گراندد تئوری یک فرآیند خطی نیست که در آن داده‌ها را جمع‌آوری کنید، آن‌ها را تجزیه و تحلیل کنید و سپس کارتان را تمام کنید. این یک روش تحقیق رفت و برگشتی است که شامل گذر از مراحل به صورت تکراری است. بخشی از آنچه نظریه داده بنیاد یا گراندد تئوری را منحصر به فرد می کند، این است که جمع آوری داده ها را با تجزیه و تحلیل ترکیب می کند. حتی پس از انجام برخی تحلیل ها بر بازگشت به میدان و جمع آوری داده تاکید می کند. شما با تعدادی شرکت کننده مجدد مصاحبه می کنید و داده ها را جمع آوری کرده و آن ها را تجزیه و تحلیل خواهید کرد، و دوباره با استراتژی بکارگیری مشارکت کننده متفاوت و تمرکز تحقیق به میدان بازگردید. سپس آن یافته ها را در دورهای بعدی تجزیه و تحلیل قرار می دهید. گراندد تئوری یا تحقیق داده بنیاد در واقع ماهیت گردشی دارد.

سوالات اولیه تحقیق را تعیین کنید.

با سوالات اولیه تحقیق خود را شروع کنید. ایده ای داشته باشید که چه پدیده ای را می خواهید توضیح دهید. این سوالات اولیه به راهنمایی اولین گام های شما در بکارگیری و تحلیل داده ها کمک می کند، اما بدانید که سؤالات ممکن است با مشاهده و یادگیری بیشتر از داده هایی که جمع آوری می کنید، تکامل یابند.

داده های کیفی را با استفاده از نمونه گیری نظری جمع آوری کنید.

در تحقیق داده بنیاد، به جای اینکه از قبل معیارهای مشخصی برای انتخاب مشارکت کنندگان در تحقیق داشته باشید، انتخاب افراد را بصورت رفت و برگشتی انجام میدهید. در واقع نمونه گیری نظری انجام میدهید. با نمونه‌گیری نظری، شما با انتخاب گروه کوچکی از شرکت‌کنندگان بر اساس سؤالات تحقیق اولیه خود شروع می‌کنید. هنگامی که داده هایی مانند ضبط مصاحبه های عمیق در اختیار دارید، آن داده ها را پیاده کرده و برای تحلیل آماده می کنید. پس از انجام برخی تحلیل‌های اولیه از آن داده‌ها، از آنچه از آن تحلیل آموخته‌اید استفاده می‌کنید تا مشخص کنید فرد بعدی برای مصاحبه باید چه خصوصیاتی داشته باشد.

متون پیاده شده را با استفاده از کدگذاری باز کد داده یا یا برچسب بزنید.

پس از جمع‌آوری برخی از داده‌ها، مانند پیاده کردن مصاحبه‌ها، می‌توانید کدگذاری باز را شروع کنید. کدگذاری باز زمانی است که متون پیاده شده را به گزیده ها (واحدهای معنایی یا عبارتهایی که حامل یک معنا هستند) جداگانه تقسیم می کنید. سپس گزیده ها (scripts) را به طور مداوم با گزیده های دیگر مقایسه کنید. این عمل مقایسه بخش مهمی از روش تحقیق داده بنیاد است به نام روش مقایسه ای مداوم، که در طول مراحل مختلف تحلیل خود از آن استفاده خواهید کرد.
· به شباهت ها و تفاوت های بین گزیده متون و کدها توجه کنید.
· کدهای مختلف از یک شخص را با هم مقایسه کنید
· گزیده ها و کدهای مشابهی را که بین افراد مختلف اتفاق می افتد، مقایسه کنید
· تجربیات افراد مختلف را در کدهای مشابه مقایسه کنید
· کدها را با هم مقایسه کنید زیرا از یک روز به روز دیگر متفاوت است
به عنوان مثال، در یک مطالعه در مورد قرنطینه کوید 19 یک شهر ، ممکن است کدی را بخوانید که فردی را که مشکل خواب دارد را توصیف می کند. شما باید آن کد را بردارید و آن را با سایر افرادی که مشکل خواب را تجربه کرده اند مقایسه کنید. به شباهت ها وتفاوت های بین آن تجربیات توجه کنید.
*برای هدف این مقاله به داده‌های جمع‌آوری‌شده به‌عنوان «نسخه مصاحبه» و «کد متن» اشاره می‌کنیم، اما می‌توانید از هر نوع داده کیفی مانند مشاهدات، یادداشت‌ها و غیره استفاده کنید.

با نوشتن یادداشت ها در حین تجزیه و تحلیل، در مورد افکار و تضادها کمی تامل کنید.

در مورد افکار تحلیلی خود فکر کنید و آنها را در قالب یادداشت بنویسید. یادداشت‌ها را به‌عنوان «یادداشت‌های تحلیلی خود» در نظر بگیرید تا رشته افکارتان را ثبت کنید و از تأملات خود یادداشت برداری کنید. عمل نوشتن یادداشت ها می تواند راهی عالی برای انعکاس هرگونه تناقضی باشد که در داده ها پیدا می کنید. یادداشت های شما ممکن است در نهایت به بلوک های سازنده نظریه شما تبدیل شوند.

گزیده های متن را با کدهای باز، کد بدهید.

همانطور که واحدهای معنایی و یا گزیده های مصاحبه یا اسناد را مقایسه می‌کنید، به دنبال مجموعه‌هایی از گزیده هایی از متن باشید که ایده یا مفهوم اصلی یکسانی را نشان می‌دهند و آنها را با هم گروه‌بندی کنید. می توانید از یک “کد” برای کپسوله کردن این گروه از واحدهای معنایی یا گزیده ها استفاده کنید. کدها مانند برچسب هایی هستند که به گزیده ای از متن اختصاص داده می شوند.
برای مثال، فرض کنید این گزیده ها را با هم مقایسه می‌کنید:
“من فقط به تماشای اخبار ادامه دادم، حتی تا اواخر شب. و متوجه شدم که خوابم سخت‌تر و سخت‌تر می‌شود.”
” قطعاً برای مدتی بی خوابی را تجربه می کردم…”
“من خیلی نگران بودم. افکار مدام در سرم می چرخیدند و ساعت ها با چشمان باز آنجا دراز می کشیدم.”
همه اینها مفهوم “مشکل خواب” را نشان می دهد. بنابراین، اگر از نرم‌افزار تحلیل داده‌های کیفی استفاده می‌کنید، می‌توانید کدی به نام «مشکل خواب» ایجاد کنید و به همه این گزیده‌ها، کد «مشکل خواب» بدهید.
زمانی که کدی به نام “مشکل خواب” دارید، تمام گزیده هایی را دارید که در آینده تجزیه و تحلیل می کنید نه تنها باید با گزیده های دیگر مقایسه شوند، بلکه باید با کد “مشکل خواب” و هر کدی که می خواهید مقایسه کنید.

کدها را با استفاده از کدگذاری محوری به طبقاتی گروه بندی کنید.

همانطور که به تدریج فهرستی از کدها را ایجاد می کنید که مجموعه ای از گزیده ها را گرد هم می آورد، باید شروع به مقایسه کدها با سایر کدها نیز کنید. هنگامی که بین چندین کد ارتباط پیدا کردید، می توانید آنها را با هم در یک “دسته یا طبقه” گروه بندی کنید. این مرحله از تحقیق داده بنیاد را «کدگذاری محوری» نامیده می‌شود، جایی که شما محورهایی را پیدا می‌کنید که کدهای مختلف را به یکدیگر متصل می‌کنند. اگر از نرم‌افزار تحلیل داده‌های کیفی استفاده می‌کنید، این طبقات با یک سری «طبقات چند لایه همراه با طبقات فرعی» نشان داده می‌شوند که در یک سلسله مراتب روی هم چیده شده‌اند.
برای مثال در مرحله قبل کدی به نام مشکل در خواب داشتیم. فرض کنید کد دیگری نیز داشتید، “تجربه حملات پانیک”. ممکن است متوجه شوید که بین این ۲ کد رابطه وجود دارد و می‌توان آن‌ها را در دسته‌ای به نام «واکنش منفی به بیماری همه‌گیر همراه با اضطراب» دسته‌بندی کرد.
در نرم افزار تحلیل داده های کیفی، این سلسله مراتب به صورت زیر است:
• واکنش منفی به همه گیری همراه با اضطراب
– مشکل در خواب
– تجربه حملات پانیک

گزیده ها یا عبارتهای بیشتری را با استفاده از روش مقایسه ای مداوم تجزیه و تحلیل کنید.

به یاد داشته باشید، تحلیل داده بنیاد یک فرآیند چرخه ای است! حتی پس از ایجاد لیستی از کدها و گروه بندی کدها در دسته بندی ها، باید به تجزیه و تحلیل مصاحبه های بیشتر ادامه دهید و گزیده ها و عبارتهای جدید را با دسته بندی کدهای موجود خود مقایسه کنید. چنانچه بین گزیده‌های جدید خود با کدها و دسته‌های خود مقایسه می‌کنید، گزیده‌های شما معمولاً یکی از سه کار را انجام می‌دهند: در تضاد، گسترش یا پشتیبانی از کدها و دسته‌های موجود شما قرار می گیرند. در اینجا چیزی است که باید در هر سناریو در نظر بگیرید:
– تناقض: اگر کد جدید شما با یک کد مغایرت داشته باشد، ممکن است نشانه آن باشد که باید آن کد جدید را در نظر بگیرید یا آن را تغییر دهید. احتمالاً به این معنی است که باید به مرحله 2 برگردید و مراحل دیگری از جمع آوری داده ها را از طریق نمونه گیری نظری انجام دهید تا به توضیح تناقض کمک کنید.
– بسط: اگر گزیده جدید یا کد جدید شما، کدهای شما را بسط دهد، چه با افزودن توضیحات بیشتر یا توضیح جنبه های بیشتر کد خود، این نشانه خوبی است که شما همچنان به یادگیری بیشتر ادامه می دهید و به این معنی است که باید به جمع آوری و تجزیه و تحلیل داده ها ادامه دهید تا زمانی که کدهای جدید شما به‌جای گسترش کدهای شما، به سادگی از کدهای شما پشتیبانی می‌کنند
– پشتیبانی: اگر کدهای جدید شما به طور کلی از کد شما بدون افزودن اطلاعات اضافی پشتیبانی می کند، این بدان معنی است که ممکن است به اشباع نظری رسیده باشید، که در آن گزیده های بیشتر یا کد بیشتر هیچ بینش اضافی در کدهای شما ایجاد نمی کنند و می توانید به مرحله بعد تحقیق خود بروید.
با تحلیل داده بنیاد، هدف شما کدگذاری یا پیگیری هر چیزی که در هر گزیده ای رخ می دهد نیست. به عنوان مثال، هنگامی که طبقه بندی را ایجاد می‌کنید که افراد تحت قرنطینه کوید 19 با اضطراب به اپیدمی واکنش منفی نشان می‌دهند، لازم نیست به عقب برگردید و تک تک گزیده‌هایی را که به آن طبقه دلالت می‌کند، کدگذاری کنید. با این حال، اگر به گزیده‌ای برخورد کردید که در آن شخصی به اضطراب همه‌گیری واکنش منفی نشان نداد، این ممکن است امیدی برای گسترش یا تغییر طبقه شما ایجاد کند.

جمع آوری و تحلیل داده ها را تا رسیدن به اشباع نظری ادامه دهید.

با تکرار این مراحل، چه زمانی میتوانید بفهمید که به اندازه کافی تحلیل کرده اید؟ چگونه می فهمید بهتر است نمونه گیری را متوقف کنید یا تجزیه و تحلیل داده های بیشتر را انجام ندهید؟ در تحقیق داده بنیاد یا تحلیل داده بنیاد، شما آنقدر ادامه دهید تا زمانی که به نقطه‌ای برسید که گزیده‌های متون پیاده شده مصاحبه ها چیز بیشتری به کدها و طبقات شما اضافه نکند. به عبارت دیگر، اگر شما بارها و بارها حتی با گزیده‌های اضافی، چیز جدیدی را فرا نمی گیرید یا دستگیرتان نمی شود، به این معنی است که کدها و طبقات شما از نظر تئوری اشباع شده‌اند. گزیده‌هایی که تاکنون جمع‌آوری کرده‌اید به تمام جنبه‌های مرتبط کدها و طبقات شما می‌پردازد و نیازی به پیگیری و نمونه گیری بیشتر یا تجزیه و تحلیل داده‌های بیشتر برای کدها و طبقات خاص شما نیست.

طبقه هسته یا مرکزی را با استفاده از کدگذاری انتخابی تعریف کنید.

زمانیکه احساس کردید به اشباع نظری در کدها و طبقات خود رسیدید، زمان آن رسیده است که یافته های خود را با کدگذاری انتخابی جمع کنید. با کدگذاری انتخابی، همه کدها و طبقات خود را تحت لوای یک طبقه اصلی به هم متصل می کنید. این مقوله هسته، تز اصلی و مرکزی تحقیق شما را نشان می دهد و ایده اصلی پشت نظریه شما است. این مقوله اصلی می تواند یک دسته بندی موجود باشد که قبلاً به دست آورده اید، یا می تواند یک طبقه جدید باشد که از تمام یافته های موجود تاکنون بدست آورده اید. این مقوله هسته ، مبنایی برای نظریه پایه جدید شما خواهد بود.

به عنوان مثال، اگر فهرستی از طبقاتی زیر دارید مانند:
• واکنش منفی به بیماری همه گیر همراه با اضطراب
• احساس تنهایی در حین قرنطینه
• ارتباط اجتماعی مجازی و حضوری
• سلامت روان قبل از کوید 19
• مسکن فعلی نامناسب برای در خانه ماندن

می‌توانید از کدگذاری انتخابی برای تعریف دسته اصلی و مرکزی به عنوان [دسترسی به مسکن مناسب برای در خانه ماندن ، کاهش اضطراب کوید 19 ناشی از در خانه ماندن] استفاده کنید تا همه طبقات موجود خود را به هم پیوند دهید.

نظریه بر پایه یا داده بنیاد خود را بنویسید.

هنگامی که طبقه هسته خود را از طریق کدگذاری انتخابی تعیین کردید، و مطمئن شدید که به اشباع نظری رسیده اید، زمان آن فرا رسیده است که نظریه جدید خود را بسازید. داده های کدگذاری شده و مجموعه ای از یادداشت های تحلیلی خود را جمع آوری کنید و از آنها برای توصیف نظریه جدید خود بهره ببرید.
• نظریه جدید خود را فقط در چند کلمه یا جمله بیان کنید
• حدود یا مرز نظریه خود را مشخص کنید
• خلاصه و شرحی بر نظریه خود بنویسید
• از داده های کدگذاری شده خود برای اعتباربخشی به نکاتی که در نظریه خود اشاره کرده اید، استفاده کنید
• در مورد آنچه مورد مطالعه قرار گرفته است ، بدقت بنویسید و نظریه خود را به شکلی توسعه دهید که سایر محققان بتوانند از آن استفاده کنند.

منابع:

Glaser, B. G., & Strauss, A. L. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research.
Corbin, J., & Strauss, A. (1990). Grounded theory research: Procedures, canons, and evaluative criteria. Qualitative Sociology, 13, 3-21.
Charmaz, Kathy (2006). Constructing Grounded Theory: A practical guide through Qualitative Analysis. Thousand Oaks, California: Sage.

آموزش کامل نرم افزار انویو Nvivo فصل 1- قسمت سوم: پنجره های تخصصی

نوشته

تحلیل داده های کیفی با نرم افزار مکس کیو دی ای (Maxqda)

نوشته

روش های محاسبه میانگین در اکسل

نوشته

درگیری شغلی: کلیدی برای موفقیت سازمانی و پرسشنامه های استاندرد آن

نوشته

تحلیل تم یا تحلیل مضمون چیست؟

برگرفته از آکادمی پژوهش کیفی – دکتر فریده فراهانی