آشتی کمی و کیفی؛ ترکیب بینش‌های کیفی و کمّی در علوم اجتماعی

نویسنده: علی رجب زاده

مقدمه

اگرچه تحلیل داده‌های کلان¹ از طریق مدل‌های آماری و آزمون‌های مرسوم پرطرفدار فرضیه رایج است و در توسعه علم نقشی مهم ایفا کرده، این، تنها دریچه تولید علم نیست. سوالات دیگری از جمله اینکه چگونه باید یک تحقیق را طراحی کرد؟ چه نو ع داده‌هایی را باید جمع‌آوری کرد؟ کدام مدل مناسب است؟ یا به کدام فرضیه‌ها باید توجه کرد؟ مواردی هستند که در فرایند تحقیق، تاثیرگذارند. 

پاسخ به این سوالات از طریق مشاهده‌های کمّی و کیفی ممکن می‌شود و این مشاهدات، بینش‌هایی راهگشا برای محقق فراهم می‌سازند. این نوع مشاهده، به خودی خود در تولید علم جایگاهی مهم دارد و حتی در مواردی، جهت‌گیری یک سنت فکری را از طریق تغییر فرضیه‌های آن، عوض می‌کند. به این نوع مشاهدات، مشاهدات فرآیند علّی² می‌گویند که با دیگر مشاهدات سیستماتیک در مرحله جمع‌آوری داده تفاوت دارند. در حقیقت، مشاهدات فرآیند علّی را می‌توان به عنوان « یک بینش یا بخشی از داده‌ها که اطلاعاتی راجع به زمینه، فرایند و مکانیسم ارائه می‌کنند‌ » تعریف کرد که در استنباط علّی نقش کلیدی ایفا می‌کند و گاهی به عنوان یک نشانه برای تایید علّیت عمل می‌کند. این در حالی است که محققان روش کمّی به مشاهدات مبتنی بر مجموعه داده‌ها علاقه‌مندند. آن چه که در متن پیش‌رو خواهید خواند، روایتی است که نشان می‌دهد چرا استدلال کیفی³ و مشاهدات فرآیند علّی را باید در کنار مشاهدات مبتنی بر مجموعه داده‌ها قرار داد و در حقیقت چرا مرزبندی میان رویکرد کمّی و کیفی، یک مرزبندی غیر سودمند است؟

مثال‌های روشنگر

در سال‌های اخیر استفاده از روش‌‌های تحلیل کمّی به لطف پیشرفت‌های قابل ملاحظه در علم آمار و البته توسعه نرم‌افزارهای آماری گسترش یافته و با ظهور هوش مصنوعی، شتاب بیشتری گرفته است. بااین‌حال دیوید فریدمن⁴، استاد آمار دانشگاه کالیفرنیا، با اشاره به تاریخچه واکسیناسیون آبله و درمان وبا⁵، به زیبایی نقش استدلال کیفی، توجه به ناهنجاری‌ها و کشف‌های تصادفی در پژوهش کمّی را روشن می‌سازد. در حقیقت، اگرچه در روش کمّی پژوهشگر بر داده‌های کمّی و آزمون‌های مرتبط به آمار استنباطی تمرکز دارد، در تمام مراحل تحقیق و به طور مشخص‌تر در مراحل آغازین یک پژوهش، استدلال کیفی اهمیت ویژه‌ای دارد؛ انتخاب ایده تحقیق یا انتخاب مجموعه‌ داده‌ها از میان گزینه‌های متعدد، طراحی تحقیق و استفاده یا ایجاد مدل مفهومی مناسب پرسش‌ها و دغدغه‌هایی هستند که ما را با بینش‌های کیفی مواجه می‌سازند. آنچه در ادامه می‌خوانید، مثال‌هایی از رشته همه‌گیرشناسی است که به خوبی نقش ترکیب این مشاهدات برای کشف علّیت را آشکار می‌سازد.

ادوارد جنر و درمان آبله

در دهه‌ی ۱۹۷۰، آبه‌ گاوی⁶ در بریتانیا بیداد می‌کرد. علامت این بیماری نیز، وجود زخم‌هایی بر پستان گاو بود. کسانی که از شیر گاوهای آلوده استفاده می‌کردند، به زخم‌های در دست‌هاشان مبتلا می‌شدند. این بیماری یعنی مرض آبله در آن دوران، در زمره بزرگ‌ترین قاتل‌های قرن ۱۸ قرار می گیرد.

ادوارد جنر⁷ در سال ۱۷۹۶، برخی ذرات یک زخم آبله گاوی را برداشت و به بازوی یک پسر هشت ساله تزریق کرد. پسر، تا ۹ روز بیمار بود و بعد از آن بهبود یافت. شش هفته بعد، جنر، همان پسر را با ذراتی از بثورات آبله واکسینه کرد اما هیچ علامتی پدیدار نشد.

جنر، ۲۳ مطالعه موردی منتشر کرد تا ایمنی و کارایی واکسیناسیون را نشان دهد. ابتدا با او مخالفت‌های جدی شد اما بعد از چند سال، واکسیناسیون یک روند استاندارد شد و جنر، به شهرت جهانی رسید. تا سال ۱۹۷۸، آبله  از میان رفت.

چه چیزی باعث شد جنر، این آزمایش را انجام دهد؟ نگاه علم پزشکی قرن ۱۸ با آن‌چه که امروز از پزشکی می‌دانیم کاملا متفاوت بود. پزشک معروف  اسکاتلندی، دکتر ویلیام کالن⁸، فکر می‌کرد اغلب بیماری‌ها توسط عوامل بیرونی مثل اقلیم، غذا، بخارات، رطوبت و موارد این چنینی ایجاد می‌شوند. علاوه بر این، تصور رایج این بود که عوامل یکسان بر اساس سیستم عصبی، می‌توانند منجر به بیماری‌های متفاوت در افراد گوناگون شوند. به رغم این درک اشتباه از عامل بیماری، چیزی که در آن زمان می‌دانستند این بود که آبله می‌تواند به طریقی از فردی به دیگری منتقل شود؛ علاوه بر این، کسی که با آبله مواجه شده و زنده مانده است نیز عموما از آن به بعد در مقابل بیماری ایمن بود؛ بنابراین، یک راه پیشگیری این بود که افراد توسط مقادیر اندکی از بیماری حاصل از چرک‌های آبله، آلوده شوند و به نوعی با آلوده شدن توسط یک نمونه‌ی غیروخیم از بیماری، ایمنی بدن را تضمین کنند.بعدتر به این اقدامات آبله‌کوبی یا تلقیح⁹ گفتند. تلقیح، هرگز بدون ریسک نبود؛ گاهی منجر به ابتلای بیمار و اطرافیانش به گونه‌های پرخطر می‌شد و از سوی دیگر، در صورتی که تلقیح موفقیت آمیز نبود، ممکن بود فرد به سادگی به دام مرگ افتد. 

دکتر جنر، به دو واقعیت مهم توجه کرده بود؛ هرچند این واقعیت‌ها در فضای پزشکی آن زمان قابل توضیح و درک نبودند. اولا، مردمی که به آبله گاوی مبتلا شده بودند، هرگز به آبله مبتلا نشدند و تفاوتی میان افراد آبله‌کوبی شده و دیگران وجود نداشت. دوما، برخی از افرادی که به آبله گاوی مبتلا شده بودند، بعد از آبله کوبی علائم بسیار خفیفی داشتند و به عبارتی واکنش شدید به آبله‌کوبی نشان نمی‌دادند. این دو واقعیت، منجر به خلق یک فرضیه شد: آبله گاوی باعث ایمنی‌زایی در برابر آبله می‌شود. همان فرضیه‌ای که جنر هم به صورت مشاهده‌ای و هم با آزمایش، آن را محک زد. به زبان پزشکی امروز، او یک پسر را واکسینه کرد و دید او هیچ واکنش جدی‌ای به واکسیناسیون نشان نداد. بنابراین، ایمن‌سازی در برابر آبله توسط واکسیناسیون انجام شد. ادوارد جنر، با اتکا به مشاهدات خودش و استدلال کیفی، دانش پزشکی دوران خود را زیر سوال برد و بر پایه همین مشاهدات به فرضیه‌ای رسید و آن را با روش علمی آزمایش کرد.

جان اسنو و درمان وبا

در دوران ویکتوریا، بیماری وبا را به «میاسما» یا بخار بدبوی ناشی از تجزیه مواد آلی نسبت می‌دادند. اگر چه، جان اسنو، با الگوهایی در بیماران مبتلا به وبا مشاهده کرد که با این نظریه همخوانی نداشت و او با  انجام یک آزمایش طبیعی به علت این بیماری کشنده پی برد و چند استدلال کیفی به منظور رد نظریه میاسما به کار برد؛ وبا در مسیرهای سفر انسان‌ها پدیدار می‌شود و هرگز سرعتی بیش‌تر از سرعت حرکت انسان‌ها ندارد. همیشه برای اولین بار در مناطق دریایی مشاهده می‌شود و هرگز به دریانوردانی که از یک کشور پاک از وبا حرکت می‌کنند، سرایت نکرده است؛ مگر زمانی که وارد یک بندر آلوده شدند. همچنین اسنو، متوجه این نکته شد که وبای شهر لندن، با یک دریانورد به نام جان هارنلود آغاز شده و بیمار دوم، هم‌اتاقی او بوده است؛ پس احتمال انتقال انسان به انسان وجود دارد.  

نظریه‌ میاسما، دلایل قانع‌کننده‌ای برای روندهای ابتلا به وبا ارائه نمی‌کرد. مشاهده‌ دقیق بیماری منجر به یک نتیجه‌گیری شد؛ وبا همیشه با آلودگی مجرای گوارشی آغاز می‌شود. یک موجود زنده به عنوان  آلاینده‌ آب یا غذا وارد بدن شده، تکثیر می‌شود و علائم بیماری را ایجاد می‌کند. آلودگی از طریق مدفوع از بدن خارج و دیگر افراد را آلوده می‌کند. این، فرضیه‌ تحقیق جان اسنو بود که به کمک مشاهده روند علّی به آن رسید در حالی که دلایل و توضیحات دیگر پزشکان دوران خود را به وضوح زیر سوال می‌برد. 

شواهد پشتیبان فرضیه اسنو  ، در جریان اپدیمی سال ۱۸۵۴ خیابان براد فراهم شد. در حقیقت، اسنو تمام حواس خود را معطوف به این خیابان به عنوان منبع بیماری کرد و اینجا جایی بود که او تجربه طبابت داشت و بر همین اساس، یک دانش شهودی نسبت به منطقه کسب کرده بود. به نظر اسنو، منبع بیماری تلمبه‌ شهر بود و پیشنهاد کرد تا دسته‌ تلمبه را جدا کنند و اینگونه تلمبه از کار بیفتد. مسئولان، اگر چه به گفته‌های اسنو تردید داشتند، این کار را انجام داند و شیوع وبا متوقف شد. آلودگی تلمبه منجر به اپیدمی شده بود و اسنو پیشنهاد داد تا تلمبه تعطیل شود. او، به واسطه‌ تجربه طبابت و دانش پزشکی، از همان آغاز به آلودگی آب تلمبه  خیابان براد مشکوک شده بود؛ اما بعد از بررسی آب، از آنجا که آلودگی کمی در آن مشاهده کرده بود، از نتیجه‌گیری فوی پرهیز کرد تا با بررسی بیشتر به ریشه وبا پی ببرد.

اسنو، به گواهی‌های فوت دسترسی داشت و لیستی از فوت‌های ناشی از وبا قبل از بررسی تلمبه آماده کرد. سپس، به خانه‌ تک تک افراد فوت شده مراجعه کرد و فهمید موارد موجود در لیست، اطراف تلمبه پخش شده اند؛ حدس و گمان او قوی تر شد. او با جمع‌آوری اطلاعات فوت شدگان و توجه به آدرس آن‌ها، دست به یک خلاقیت پژوهشی بی‌نظیر زد؛ یک نقشه از خیابان براد کشید و تعداد فوتی‌های وبا را روی آن مشخص کرد تا رابطه‌ نزدیکی به پمپ و ابتلا به وبا را بررسی کند. او متوجه شد در نزدیکی تلمبه، میزان مرگ و میر ناشی از وبا هم بیشتر است. نکته جالب این است که در نقشه اولیه، محل پمپ اشتباه ترسیم شده بود و اسنو کمی بعد، نقشه را اصلاح کرد. در نقشه اصلاح شده، فرضیه، بهتر عامل بیماری را توضیح می‌دهد. او، افراد فوت شده را به شکل میله ترسیم کرد. 

ممکن است در روند پژوهش به مواردی بر بخورید که استدلال علّی¹⁰ شما را زیر سوال ببرد و این مثال‌های نقض، ممکن است منجر به توقف فرضیه‌سازی شما گردد. جان اسنو هم در جمع اوری داده‌ها، با موارد استثنایی مواجه شد که می‌توانست فرضیه او را رد کند. مثلا در نزدیکی تلمبه، یک کارخانه آبجو سازی وجود داشت و هیچ کس در آن مبتلا نشده بود؛ اگر تلمبه آب عامل بیماری است، چطور کارگران این کارخانه مبتلا نشده اند؟

اسنو دو دلیل برای این امر پیدا کرد

: ۱- هر وقت تشنه می‌شدند آبجو در دسترس بود

۲- یک تملبه‌ مجزا برای خودشان داشتند. یک زن که ساکن خیابان براد نبود نیز مبتلا شده بود؛ اسنو متوجه شد زن، طعم آب تملبه‌ براد را دوست داشته و به همین خاطر با طی مسافتی از همین آب استفاده کرده است.

تحقیق براد بر اپیدمی خیابان براد، قدرت مطالعه موردی¹¹ را نشان می‌دهد. استدلال کیفی، باعث شد جان اسنو، دیگر توضیحات و نظریه‌ها پیرامون وبا را رد کند و تفسیر خاص خودش را توسعه دهد. همچنین، بعد از استدلال کیفی، او با استفاده از روش‌های کمی ساده و یک طراحی تحقیق خوب، بیماری را تحلیل کرد.

استفاده از استدلال کیفی در مطالعه کمی جان اسنو:

۱-  با استدلال کیفی متوجه شد نظریه‌های معروف و مرسوم، اشتباه هستند.

۲- فرضیه‌ آلودگی آب با یک استدلال کیفی به وجود آمد.

۳- جان اسنو متوجه شد در سال ۱۸۵۲، شرکت لمبث¹² لوله آب خود را جابجا کرده تا آب باکیفیت تری داشته باشد، درحالی‌که شرکت‌های سوث‌پارک و واوکس‌هال به استفاده از همین آب‌های آلوده ادامه دادند. بدون استدلال کیفی و توجه به این جابجایی، این که چرا در لمبث وبا مشاهده نشد ممکن نبود. به عبارت دیگر، توجه صرف به داده‌های جمع‌اوری شده بدون درنظر گرفتن زمینه، پتانسیل خطا دارد.

نتیجه گیری

این یافته‌های علمی تاریخی مهم که سرنوشت بشر را تحت تاثیر قرار داده‌اند نشان می‌دهند که پیشرفت‌های علمی، اغلب از طریق ادغام بینش‌های کیفی و روش کمّی رقم خورده‌اند. استدلال کیفی به محقق کمک می‌کند تا بداند در جست‌وجوی چه پرسشی باشد و کدام ناهنجاری‌ها را کندوکاو کند؛ درحالی‌که تحلیل آماری و روش‌های کمّی، ابزارهایی دقیق برای آزمون فرضیه و اندازه‌گیری نتایج ارائه می‌کنند. این همکاری کیفی و کمّی چیزی شبیه به هماهنگی یک تیم فوتبال است؛ نمی‌شود تنها با چند مهاجم یا چند مدافع در مسابقه فوتبال شرکت کرد و پیروز شد بلکه تیم موفق، همان است که هم در دفاع و هم در حمله حرفی برای گفتن دارد. در سال‌های اخیر شاخه‌های مختلف علم از جمله علوم اجتماعی در حال توجه بیشتر به روش‌های آمیخته¹³ و ترکیب روش‌های کمّی و کیفی هستند. این رویکرد باعث می‌شود تا محققان به شکل بهتری پیچیدگی‌های انسان را درک کرده و پدیده‌های اجتماعی را مطالعه کنند.

منبع:

Freedman, D.A., Collier, D., Sekhon, J.S., & Stark, P.B. (2009). Statistical Models and Causal Inference: On Types of Scientific Inquiry: The Role of Qualitative Reasoning.

پاورقی

1. Big Data Analysis ↩︎
2. Causal Process Observations ↩︎
3. Qualitative Reasoning ↩︎
4. David Freedman ↩︎
5. Cholera ↩︎
6. Cowpox ↩︎
7. Edward Jenner ↩︎
8. Dr. William Cullen ↩︎
9. Inoculation/Vaccination ↩︎
10. Causal Reasoning ↩︎
11. Case Study ↩︎
12. Lambeth ↩︎
13. Mixed Methods ↩︎