درسنامه مدیریت آموزش عالی

آشنائی با نرم افزار تحلیل داده های کیفی NVivo

زمانی که محقق براساس مساله پژوهش تصمیم به بهره گیری از روش کیفی می نماید شاید دغدغه اصلی پس از انتخاب مورد و جمع آوری اطلاعات تا رسیدن به مرحله اشباع نظری وانتخاب سبک های مختلف تحقیق کیفی ، بحث روش تحلیل باشد. واین همان جایی است که محقق بعضاً با انبوهی از داده ها دراشکال مختلف مواجه است . واقعاً این همه داده  را چگونه می توان سروشکل داد.دروبلاگ یکی از علاقمندان به حوزه آموزش درخصوص استفاده از روش های کمی یا کیفی در تحقیق به نکته جالبی برخورد کردم که نقل قولی شده بود از یکی از استادان که درحوزه کیفی بیشترفعالیت می کرد "به نظر من کسانیکه نمی خواهند فکر کنند کار کمی می کنند. در تحقیق کمی شما فکر کردن و تحلیل رو از دوش خودتون بر می دارید و به نرم افزار می سپارید. اما در کار کیفی باید فکر کنید تحلیل کنید تفسیر کنید و حضور مداوم در میدان تحقیق داشته باشید. کار کمی مثل فست فود میمونه! خوش چهرست اما باطن خوبی نداره!" به هرروی دراینجا بدنبال دفاع از هیچ کدام نیستیم وهرکدام از این روش ها درجای خود قابلیت خود را نشان می دهد.یکی از نرم افزارهایی که مدتی است به کمک پژوهشگران کیفی آمده است همانا نرم افزار NVivo  است که درحال حاضر نسخه 10 آن در سایت http://www.qsrinternational.com  قراردارد که علاقمندان می توانند از ورژن آزمایشی 30 روزه آن استفاده نمایند.این نرم افزار عمدتا برای تجزیه و تحلیل متون در تحقیقات کیفی به کار میرود. به این ترتیب که داده ها (متن مصاحبه های انجام شده، یا پاسخ های تشریحی به پرسشنامه ها) وارد این نرم افزار می شوند، سپس امکان کدگذاری متن وجود دارد و در نهایت از نرم افزار برای بررسی کد های موجود و ارتباط آنها با خصوصیات افراد شرکت کننده استفاده میشود. قابلیت سازمان دهی اطلاعات و جستجوی واژه در تمام داده های موجود کمکهای بسیار بزرگی به محقق محسوب میشوند.

واژه های کلیدی درنرم افزار NVivo

source: اشاره به فایل های حاوی داده است مثل متن پیاده شده یک مصاحبه. می‌تواند وارد نرم‌افزار شده باشد و یا به صورت مستقل باشد.

case: معمولا اشاره به هر فرد شرکت کننده در تحقیق دارد.

casebook: جدولی است که تمام caseها و خصوصیات آن‌ها را به نمایش می‌گذارد و برای بررس و اکتشاف مناسب است.

node: کد یا خصوصیتی است که به یک بخش از متن نسبت میدهیم. بر حسب فلسفه‌ی انتخاب شده نوع کد بندی متفاوت خواهد بود. مثلا در grounded theroy در ابتدا کدگذاری آزاد انجام می‌شود.

relationship: نشان دهنده ی ارتباط دو چیز است و برای مدل سازی و به تصویر کشیدن ایده مناسب است.

atribute: خصوصیت یک case   است. کد ها از مشخصات یک منبع source محسوب میشوند و ربطی به افراد ندارند! بنابراین اگر لازم است خصوصیات یک فرد تعیین شود باید با ایجاد atribute این کار را کرد. برای رسم نمودار و برخی موارد دیگر لازم است atribute مناسب را تعریف کرده باشیم. بهتر است هر گزینه جداگانه تعریف شود به شکل «دارد/ندارد»، نه این که برای یک صفت گزینه های متعدد تعریف شود. در این صورت برای مواردی که یک فرد همزمان چند گزینه را دارد مشکلی پیش نمی‌آید و مقایسه افراد راحت‌تر خواهد بود.

matrix: برای بررسی تعداد موارد در یک جدول متشکل از گزینه های مختلف کاربرد. مثلن جدولی که یک ستون آن از سطوح مختلف میزان تحصیلات تشکیل شده و ردیف‌های آن از سطوح مختلف گروه های سنی. حاصل جدولی است که به ما میگوید از هر سلول (که نماینده گروهی با سن و تحصیلات خاص است) چند نفر داریم.

Queri: برای جست و  جو تعداد موارد خاص یک چیز و یا پیدا کردن واژه های مورد نظر مفید است.

annotaion: برای یادداشت برداری مفید است.

set: گروهی از موارد فوق است که به نوعی با هم در ارتباطند.

درمواجهه با این نرم افزار می بایست برخی از اقدامات را انجام داد مانند:

- سعی کنید فایل های داده های خود (از قبیل متن مصاحبه) را به نرم افزار import کنید (source).

- اگر از قبل کدهای مشخصی (node) برای تحلیل داده ها دارید، آنها را تعریف کنید.

-  افراد شرکت کننده را تحقیق (case) را تعریف کرده و به تعریف کردن خصوصیات (atributes) آنها بپردازید.

معمولاً سرفصل های ذیل در کارگاه آموزشی NVivo تدریس می‌گردد:

• مروری بر تحقیقات کیفی

• معرفی نرم افزار تحلیل داده های کیفی NVivo

• کاربردهای برنامه و مدارک قابل تحلیل در نرم افزار

• آشنائی با فضای کاری NVivo

• نحوه ایجاد یک پروژه در NVivo

• وارد نمودن منابع در NVivo

• آشنائی با انواع گره ها (nodes)

• شیوه کدگذاری در برنامه

• استخراج آیتم های پروژه

• نحوه پرس و جو از داده ها

• نحوه ایجاد مدل و رسم نمودار در برنامه

• گزارش گیری از پروژه

درجهت آشنایی با این نرم افزار وبرای استفاده بهینه ازاین نرم افزار دربازار کتاب داخلی می توانید برکتاب تحلیل داده‌های کیفی با نرم افزار7 NVivo با ترجمه و گردآوری  جناب آقای غلامرضا قائدامینی هارونی انتشارات جهان‌بین تورقی بزنید. هرچند که ورژن 10 آن در حال حاضر در دسترس است. هرچند کتاب نظریه پردازی داده بنیاد با NVivo 8  دردانشگاه امام صادق ترجمه وتالیف محمدرضا ذوالفقاریان و میثم لطیفی به چاپ رسیده است کلیات کتاب اول(7 NVivo ) مشتمل برمواردذیل است:

فصل اول

بطور کلی این فصل با توجه به کتاب‌های تألیفی و ترجمه شده توسط اساتید برجسته و محقق به زبان فارسی گردآوری شده است و به بررسی روش‌های تحقیق کیفی می‌پردازد.

فصل دوم

در این فصل به بررسی روش‌های نصب نرم افزار پرداخته شده است.

فصل سوم

در این فصل به بررسی نحوه ایجاد یک پروژه جدید، نحوه ورود داده‌ها (که همان مصاحبه‌ها و... می‌باشند) و مدیریت آنها و همچنین نحوه ذخیره پروژه‌های ایجاد شده می‌پردازد.

 فصل چهارم

در این فصل بطور عمیق‌‍تر روش‌های ورود انواع داده مثل سندهای حاصل از انجام مصاحبه‌ها، بررسی کتب و ورود  خلاصه‌ای از هر فصل در نرم افزار با ایجاد پیوند به اصل کتاب، ایجاد پیوند با وب سایت‌ها و ورود خلاصه ای از وب مورد نظر در نرم افزار و ورود به سایت مورد نظر در مواقع مورد نیاز، ورود فایل‌های صوتی و یادداشت  نمودن دقایق مورد نیاز در نرم افزار و سایر  منابع می‌پردازد. سه منبع خیلی مهم در این فصل معرفی می‌شوند یعنی اسناد، یادداشت‌ها و منابع خارجی.

علاوه بر این در این فصل به بررسی ایجاد اسناد و پروژه‌ها از درون خود نرم افزار نیز پرداخته شده است.

فصل پنجم

به هر مشاهده در یک تحقیق کیفی یا کمی یک مورد (case) گویند که این مورد می‌تواند یک فرد، سازمان و... باشد  که با توجه به هدف محقق تعیین می‌شود. بنابراین هر مورد یک سری ویژگی‌ها یا صفات دارد که هر صفت نیز ممکن است چند مقوله داشته باشد. مثلا می‌گوئیم صفت جنس که دارای دو مقوله زن و مرد می‌باشد و یا صفت سطح تحصیلات که دارای مثلا مقوله‌های ابتدایی، راهنمایی، دبیرستان و دانشگاهی می‌باشد.  بطور کلی در این فصل با  نحوه مدیریت موردها و صفات پرداخته می‌شود. همچنین در این فصل به مطلب  جدیدتری به نام مجموعه‌ها (Set) پرداخته می‌شود که این مجموعه‌ها در واقع به نگهداری انواع  منابع گوناگون در کنار هم تخصیص داده شده‌اند. یعنی ما می‌توانیم انواع طبقه، فصول کتاب، وب سایت‌ها و غیره را یکجا کنار  هم نگهداری کنیم.

فصل ششم

در این فصل به ویرایش و پیوند دادن (مثلا یک جمله از منبعی را وارد نموده‌ایم که با ایجاد پیوند می‌توانیم به اصل منبع نیز در مواقع مورد نیاز مراجعه  کنیم) انواع سندها به مطالب مورد نیاز خود پرداخته شده است. همچنین نحوه حاشیه نویسی (Annotation) درباره یک منبع  و یادداشت برداری از دیگر مطالبی است  که در این فصل به بررسی آنها پرداخته شده است. از دیگر مطالبی که دراین فصل  بطور اجمالی معرفی و در فصول بعدی بیشتر به آن پرداخته شده است بحث ایجاد مدل است (مدلها از اشکال و ابزار ارتباط دهنده‌ای تشکیل شده‌اند. مدل با اضافه نمودن این اشکال و  ابزارهای ارتباط دهنده به یک صفحه خالی ایجاد می‌شود).

فصل هفتم

این فصل در واقع  مهمترین فصل کتاب می‌باشد و به کدگذاری (کدگذاری دستی و خودکار و...) منابع وارد شده به نرم افزار می‌پردازد. این که چگونه بعد از مطالعه عمیق یک سند چگونه محتوای آن را کدگذاری نمائیم دراین فصل  بطور عمیق مورد بررسی قرار گرفته است. نحوه ایجاد انواع طبقات (طبقات مسقل، طبقات درختی و طبقات موردی) نیز از دیگر مباحثی است که در حین کد گذاری محتوای یک سند مورد بررسی قرار می گیرند.

فصل هشتم

در این فصل ابتدا به بررسی طبقه چهارم یعنی روابط پرداخته شده است (در فصول قبل سه نوع طبقه یعنی طبقات مستقل، درختی و موردی بررسی شده است). در این فصل مشخص می‌شود که چگونه روابطی را که در داده‌ها ی خود مشاهده می‌کنیم  ذخیره نموده و مستندات مرتبط به چنین روابطی را کدگذاری کنیم. از مطالب دیگر این فصل نحوه کدگذاری روابط مشاهده شده در طبقات جداگانه و پیوند این طبقات به منابع حمایت کننده چنین رابطه‌ای می‌باشد. می‌توان روابط  مشاهده شده را از طریق مدل‌ها (در فصول قبل مدل‌ها بطور اجمالی بررسی شدند که دراین فصل به بررسی عمیق آنها پرداخته شده است: نحوه ایجاد، ویرایش، پیوند دادن  اجزای مدل، انوع  مدل ایستا و پویا و...) نیز نمایش داد. ترکیب یا ادغام طبقات در یکدیگر از دیگر مباحث مطرحه شده در این فصل می باشد. نحوه ایجاد  گزارش و چاپ طبقات از دیگر مباحث می‌باشد.

فصل نهم

دراین فصل به عملیات جستجو (Find) (بصورت ساده و پشرفته) و پرس و  جوی (Query) (بصورت ساده و پشرفته) پرداخته شده است. در ابتدا مقدمه ای درباره تفاوت‌های موجود بین عملیات جستجو و پرس و جو بیان شده و در ادامه به نحوه انجام این عملیات توسط نرم افزار پرداخته شده است. مثلا وقتی ما به دنبال این هستیم که آیا در کلیه منابع موجود در پروژه جاری مطلبی در رابطه با موضوعی خاص وجود دارد یا خیر به جستجوی این مطلب می‌پردازیم. ولی وقتی به دنبال سؤالات پیچیده‌تری هستیم از عملیات پرس و جو استفاده می‌شود.

 فصل دهم

همانطور که پروژه کیفی  توسعه می‌یابد، محققان به  گستره‌ای از روش‌های مشاهدۀ "تصویری بزرگ"، "داستانی" کلی و یا یک الگو از داده‌های خود روی می آورند. بیشتر تکنیک‌های نرم افزاری در فصول قبل، در این قسمت بکار خواهند رفت و نوشته‌های شما در یادداشت‌ها  همگی با اهمیت خواهد بود. اما اغلب پیدا کردن یک تکنیک جستجو برای مشاهده یا کشف هم‌افزایی یا الگوها به نظر با اهمیت است. در این فصل فقط به بررسی آن تکنیک- که موجب نمایش ماتریس کیفی می‌شود- و اینکه چگونه این تکنیک را در پروژه خود بکار گیریم، پرداخته شده است.

پرس و جوهای ماتریس کدگذاری، جداولی جهت مقایسه خروجی های چندگانه از آیتم‌هایی که تعیین می‌کنید (آن هم به روشی که شما تعیین می‌کنید) ایجاد می‌کنند. شبیه هر پرس و جوی دیگری یک پرس و جو کدگذاری ماتریس می‌تواند به یک حوزه تعیین شده از طرف شما محدود شود. و شبیه هر پرس و جویی،  این پرس و جو می‌تواند ذخیره شود. به این پرس و جو، پرس و جوی کدگذاری ماتریس می‌گویند. زیرا ماتریس‌ها از طبقاتی ایجاد می‌شوند که داده‌ها را کدگذاری می‌کنند. آیتم‌هایی که شما برای سطر و ستون ها تعیین می‌کنید همان طبقات هستند، و سلول‌های جداول داده‌های کدگذاری شده در ترکیبی از این طبقات تعیین شده خواهند بود (برای مثال اگر با عملگر “AND” سوال کنید، سلول‌ها شامل محتوای کدگذاری شده در مورد هایی با مقوله  مثلا الف و ب خواهند بود).

فصل یازدهم و دوازدهم

تحقیق کیفی یا توجه به مجموعه‌ای از مراحل و کشفیات به ایجاد توضیحات (تبیین) یا تئوری‌ها می‌پردازد که با توجه به مراحل یا کشفیات قبلی ایجاد می‌شوند. بنابراین این مراحل و کشفیات باید به دقت ثبت شوند و ترجیح آنها باید  اثبات شده و  مقادیر داده‌های حمایت کننده این  مراحل و کشفیات باید کامل و مستدل باشد.

در این فصل “NVivo” روش‌های استفاده از ابزارهای نرم افزاری جهت گزارش دهی داده‌ها و تحلیل‌ها ارائه می‌دهد و مواد مناسبی برای استفاده جهت داده‌ها و نمایش نتایج خود و اینکه چگونه به این نتیجه ‌گیری رسیده‌اید را گلچین می‌نماید.

اکثر ابزارهای نرم افزاری پیشنهاد شده در اینجا در فصول قبلی به شما معرفی شدند. اما محققان اغلب در بکارگیری آنها در کنار هم و  ارائه گزارش متقاعد کننده با شکست مواجه می‌شوند. دراین فصل می‌آموزیم که چگونه “NVivo” در موارد زیر به شما کمک خواهد کرد.