معرفی کتاب راهنمای کدگذاری برای پژوهشگران کیفی

کتاب راهنمای کدگذاری داده‌های کیفی نوشته‌ی جانی سالدانیا، راهنمایی جامع برای پژوهشگران کیفی است که روش‌های کدگذاری را با مثال‌های عملی و نرم‌افزارهای تحلیل داده معرفی می‌کند.

فهرست مطالب

زمان مطالعه: 4 دقیقه

نویسنده: علی رجب‌زاده

در پژوهش‌های کیفی، کدگذاری داده‌ها نقش اساسی در سازمان‌دهی و تحلیل اطلاعات دارد و به پژوهشگران کمک می‌کند تا الگوها و معانی نهفته در داده‌های متنی را شناسایی کنند. کتاب «راهنمای کدگذاری داده‌های کیفی» نوشته‌ جانی سالدانیا، یکی از منابع خوب و کاربردی در این حوزه است که انواع روش‌های کدگذاری را با رویکردی نظام‌مند معرفی می‌کند. این اثر، با ارائه‌ راهکارهای عملی، مثال‌های واقعی و بررسی نرم‌افزارهای تحلیل کیفی، پژوهشگران را در فرایند تحلیل داده‌ها راهنمایی می‌کند.

معرفی کتاب

معمولاً داده‌های تحقیق کیفی از دل مصاحبه، مشاهده میدانی، تحلیل متن‌ و اسناد و موارد مشابه به دست می‌آیند و این نوع داده‌ها جزئیات متنوعی دارند. این در حالی است که پژوهش‌های کمی معمولاً با داده‌های ساده‌ و ساختاریافته‌تری دست‌وپنجه نرم می‌کنند. وجه اشتراک هر دو رویکرد در جمع‌آوری داده این است که به‌نوعی داده‌ها تقلیل می‌یابند یا ساده‌سازی می‌شوند؛ به این معنا که گاهی یک مصاحبه طولانی به متنی خلاصه‌شده یا مجموعه‌ای از کدها و مضمون‌ها کاهش می‌یابد و گاهی نیز به مجموعه‌ای از گزینه‌های رتبه‌بندی‌شده از کم تا زیاد تبدیل می‌شود.

پژوهشگر علاقه‌مند به رویکرد تحلیل کمی، با داده‌های عددی سروکار دارد و پژوهشگر علاقه‌مند با پژوهش کیفی، با داده‌های ساختارنیافته‌ای چون متن مصاحبه دست‌به‌گریبان می‌شود. این مواجهه با داده‌های ساختارنیافته و پرجزئیات، یکی از چالش‌های جدی پژوهشگران کیفی است و کدگذاری، راه‌حل آن‌ها برای مدیریت داده‌ها محسوب می‌شود. در واقع، کدگذاری نوعی فرایند تقلیل داده‌هاست که از طریق تخصیص برچسب به بخش‌هایی از متن، امکان شناسایی الگوها، مضمون‌ها یا روابط میان متغیرها را فراهم می‌کند. کدگذاری، پژوهشگر را قادر می‌سازد تا دست به استنباط علی1 زده و مکانیسم‌های علی را شناسایی کند.

کدگذاری، به شیوه‌های گوناگونی انجام می‌شود. شیوه‌ سنتی و ابتدایی، کدگذاری دستی است و البته برای این‌ کار، پژوهشگران کیفی به مجموعه‌ای از نرم‌افزارها و ابزارها مجهز شده‌اند؛ نرم‌افزارهایی چون مکس‌کیودا2، ان‌ویو3 یا اطلس تی‌‌آی4. این روز‌ها با گسترش و توسعه مدل‌های زبانی بزرگ5 (معروف به هوش مصنوعی) از جمله دیپ سیک6، جی‌‌پی‌تی7، لاما8، کلاد9، جمنای10 و انواع مدل‌های دیگری که هرروز به شمار آن‌ها افزوده می‌شود، فرایند کدگذاری داده‌های کیفی نیز در حال تغییر است و برخی پژوهشگران امکان استفاده از هوش مصنوعی در تحلیل داده‌های کیفی را مورد توجه قرار داده‌اند. نرم‌افزارهای رایج تحلیل داده‌های کیفی نیز در حال تطبیق خود با این پیشرفت‌ها هستند و امکانات تازه‌ای در راستای بهره جستن از هوش مصنوعی به آن‌ها اضافه شده است.

تصویر ۱.  جانی سالدانیا

کتاب «راهنمای کدگذاری داده‌های کیفی» (2009)، نوشته جانی سالدانیا، یک راهنمای کاربردی و مفید برای فراگیری و تمرین کدگذاری داده‌های کیفی است. سالدانیا که استاد بازنشسته دانشگاه آریزونا است، جز پر ارجاع‌ترین پژوهشگران در زمینه پژوهش کیفی و به‌خصوص کدگذاری داده‌های کیفی است. این کتاب، شامل مجموعه‌ای مثال‌ها و تمرین‌های کاربردی است تا مخاطب به‌خوبی با «داده‌های کیفی» و نیز «کدگذاری» آن داده‌ها آشنا شود. همچنین، کدگذاری به کمک نرم‌افزارهای رایج و اصلی پژوهش کیفی نیز به مخاطبان آموزش داده شده است.

تصویر 2. بخشی از کتاب که در آن یک مثال از کدگذاری توصیفی ذکر شده است.

از نظر سالدانیا و البته دیگر پیشگامان، کدگذاری، فرایندی چندمرحله‌ای11 و گام‌به‌گام است؛ به این معنا که پژوهشگر به‌صورت مستمر، میان متن و کد رفت‌وآمد می‌کند و قضاوت‌های خود را مورد بازاندیشی قرار می‌دهد. کتاب «راهنمای کدگذاری برای پژوهشگران کیفی» ابتدا با اهمیت و بیان مفاهیم مبنایی کدگذاری شروع می‌کند و سپس انواع روش‌های کدگذاری را به همراه مثال توضیح می‌دهد. این کتاب به فارسی نیز ترجمه شده و دسترسی به آن هم به‌صورت الکترونیک و هم فیزیکی ممکن است12.

معرفی بخش‌های اصلی کتاب

۱. مقدمه‌ای بر کد و کدگذاری: این بخش به تعریف کدگذاری در پژوهش کیفی و تمایز آن با کدگذاری در دیگر زمینه‌ها پرداخته است و مفاهیم پایه‌ای به همراه مثال‌هایی ملموس ارائه شده‌اند.

۲. نوشتن در دفترچه‌ یادداشت تحلیل‌گر: سالدانیا به پژوهشگران توصیه می‌کند تا بینش‌های تحلیلی خود را در زمان کدگذاری و در تمام مراحل مکتوب کنند. این یادداشت‌ها و خاطرات در مرحله آخر به تحلیل کمک می‌کند و حتی خود یادداشت‌ها یک گزینه تحلیل محتوا یا تحلیل مضمون هستند.

۳. روش‌های کدگذاری دور اول: در این بخش، سالدانیا روش‌های دور اول13 را معرفی می‌کند. در دور اول کدگذاری، هدف، آشنایی با اصل مطلب به شیوه‌ای توصیفی و تا حدی مفهومی است. از جمله روش‌های دور اول می‌توان به کدگذاری توصیفی[14]، کدگذاری درون‌متنی14 یا کدگذاری فرایندی15 اشاره کرد.

۴. پس از کدگذاری دور اول: در این بخش، سالدانیا به استراتژی‌هایی به‌منظور گذار از کد‌های اولیه و رسیدن به دسته‌بندی‌های بهبودیافته صحبت می‌کند.

۵. روش‌های کدگذاری دور دوم: در این بخش، به روش‌های پیشرفته‌تر از جمله کدگذاری به‌منظور کشف الگوها16، کدگذاری متمرکز17 به‌منظور توجه به کدهای پرتکرار دور نخست یا کدگذاری محوری18 به‌منظور کشف رابطه میان کدها می‌پردازد.

۶. پس از کدگذاری دور دوم: سالدانیا، در این قسمت از کتاب راجع به راه‌های نوشتن یافته‌های تحقیق پس از کدگذاری دور دوم صحبت می‌کند و تکنیک‌هایی معرفی می‌کند تا پژوهشگران بتوانند از کدها به مضمون یا سازه‌های نظری برسند.

جمع‌بندی

کتاب راهنمای کدگذاری داده‌های کیفی نوشته جانی سالدانیا، اثری جامع و کاربردی برای پژوهشگران کیفی است که قصد دارند مهارت کدگذاری داده‌های متنی را بیاموزند. این کتاب با ارائه تعاریف، اصول و روش‌های متنوع کدگذاری، پژوهشگران را گام‌به‌گام در مسیر تحلیل داده‌های کیفی همراهی می‌کند. سالدانیا کدگذاری را فرایندی چندمرحله‌ای می‌داند که در آن پژوهشگر از طریق بازاندیشی مستمر، الگوها و روابط میان داده‌ها را شناسایی و تحلیل می‌کند. این کتاب علاوه بر روش‌های سنتی، به استفاده از نرم‌افزارهای پژوهش کیفی نیز پرداخته و با مثال‌ها و تمرین‌های عملی، راهنمایی ارزشمند برای محققان محسوب می‌شود. با پیشرفت فناوری و ظهور مدل‌های هوش مصنوعی، کدگذاری داده‌های کیفی در حال تحول است و این کتاب، همچنان یکی از منابع مرجع برای پژوهشگران این حوزه به شمار می‌رود.

منبع

Saldaña, J. (2013). The coding manual for qualitative researchers (2nd ed). SAGE Publications.

پاورقی

  1. Causal Inference ↩︎
  2. MAXQDA ↩︎
  3. Nvivo ↩︎
  4. ATLAS.ti ↩︎
  5. Large Language Models (LLMs) ↩︎
  6. Deepseek ↩︎
  7. GPT ↩︎
  8. Llama ↩︎
  9. Claude ↩︎
  10. Gemini ↩︎
  11. Iterative ↩︎
  12. سالدانیا، ج. (1395). راهنمای کدگذاری برای پژوهشگران کیفی. (عبدالله گیویان، مترجم). تهران: انتشارات علمی و فرهنگی. ↩︎
  13. First-cycle methods ↩︎
  14. In Vivo ↩︎
  15. Process Coding ↩︎
  16. Pattern Coding ↩︎
  17. Focused coding ↩︎
  18. Axial Coding ↩︎

دیدگاهتان را بنویسید

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

مطالب پیشنهادی

telegram-cloud-photo-size-4-5951669609977462974-y
telegram-cloud-photo-size-4-5951669609977462977-y
telegram-cloud-photo-size-4-5951669609977462969-y
ادامه مطلب