मानसशास्त्रीय संशोधनातील थीमॅटिक
विश्लेषण: तत्त्वज्ञान, प्रक्रिया आणि
उपयुक्तता
मानसशास्त्रीय
संशोधन हे मानवाच्या वर्तन, अनुभूती, भावना, सामाजिक आंतरक्रिया आणि सांस्कृतिक
अर्थनिर्मितीचे विश्लेषण करण्याचे एक महत्त्वाचे माध्यम आहे. या संशोधनात केवळ
आकडेवारीवर आधारित निष्कर्षांपेक्षा अधिक महत्त्व मानवी अनुभवांच्या सखोल समजुतीला
दिले जाते. या संदर्भात गुणात्मक संशोधन (Qualitative
Research) अत्यंत
महत्त्वाची भूमिका बजावते, कारण ते व्यक्तींच्या जीवनातील जटिल आणि सूक्ष्म पैलू समजून घेण्याचा
प्रयत्न करते. गुणात्मक संशोधन विशिष्ट सामाजिक संदर्भात अनुभवांचे अर्थ, दृष्टिकोन, आणि समज कशा प्रकारे तयार होतात यावर प्रकाश टाकते (Denzin
& Lincoln, 2011).
मानसशास्त्रात, विशेषतः चिकित्सा, सामाजिक, शैक्षणिक आणि आरोग्य मानसशास्त्रात, अनेक अनुभव असे असतात जे केवळ संख्यात्मक पद्धतीने व्यक्त करता येत नाहीत.
उदाहरणार्थ, नैराश्य, अवसाद, चिंता, सामाजिक ओळख, लिंगभाव, किंवा
मानसोपचारानंतरचा बदल यांसारख्या संकल्पना गुणात्मक दृष्टिकोनातूनच अधिक
प्रभावीपणे समजून घेता येतात. गुणात्मक संशोधन व्यक्तींच्या स्वानुभवावर भर देत
असल्यामुळे हे संशोधन मानवाच्या "अर्थनिर्मिती प्रक्रियेवर" प्रकाश
टाकते, जे
वैज्ञानिक विश्लेषणात अनेकदा दुर्लक्षित होते (Smith,
2015).
या
प्रकारच्या संशोधनाचे प्रमुख उद्दिष्ट म्हणजे ‘कसे’ आणि ‘का’ या प्रश्नांची उत्तरे
शोधणे "एखादा अनुभव व्यक्तीसाठी काय आणि कसे असतो?"
किंवा "कोणते सामाजिक-सांस्कृतिक घटक एखाद्या अनुभवावर परिणाम
करतात?" याचा
शोध घेणे. त्यामुळेच, मानसशास्त्रीय
संशोधनात, गुणात्मक
पद्धतीमुळे प्रसंगसापेक्ष, सखोल, आणि अनुभवसंपन्न
माहिती उपलब्ध होते, जी
धोरणनिर्मिती, आंतरनिरसन
कार्यक्रम, मानसोपचार
पद्धती आणि सामाजिक न्यायासाठी उपयुक्त ठरते (Yardley,
2000).
थीमॅटिक विश्लेषणाची ओळख
गुणात्मक
संशोधनाच्या विविध पद्धतींपैकी एक अत्यंत प्रभावी आणि लवचिक पद्धत म्हणजे थीमॅटिक
विश्लेषण (Thematic
Analysis). ही
पद्धत संशोधकांना मोठ्या प्रमाणावर माहितीचे सखोल विश्लेषण करून त्यातून
"थीम्स" (themes) म्हणजे पुनरावृत्ती होणाऱ्या संकल्पना, अर्थवाचक नमुने, किंवा महत्त्वाचे विषय ओळखण्याची आणि
विश्लेषित करण्याची संधी देते. थीमॅटिक विश्लेषणामुळे संशोधकाला माहितीचा अर्थ
लावता येतो, जो
केवळ वर्णनात्मक न राहता सामाजिक किंवा मानसशास्त्रीय अर्थनिर्मितीच्या
दृष्टिकोनातून सखोल स्पष्टीकरण देते (Braun
& Clarke, 2006).
ब्राऊन
आणि क्लार्क यांनी 2006 साली सविस्तरपणे या पद्धतीचे सहा टप्पे मांडले, ज्यामुळे ही प्रक्रिया पारदर्शक, पुनरुत्पादनीय आणि शिस्तबद्ध झाली.
त्यांनी थीमॅटिक विश्लेषणाचे महत्त्व असे नमूद केले की, ही पद्धत स्वतंत्र संशोधन पद्धती म्हणून वापरली जाऊ शकते, आणि ती केवळ "डेटा विश्लेषणाची
एक साधन" न राहता पूर्ण संशोधन चौकटीचा भाग होऊ शकते (Clarke
& Braun, 2014). ही
पद्धत संशोधकांना त्यांच्या स्वतःच्या तात्त्विक चौकटीनुसार (उदा. सामाजिक संबंध, फिनॉमेनॉलॉजी) विश्लेषण करण्याची मुभा
देते, त्यामुळे
ती तात्त्विकदृष्ट्या लवचिक आहे.
थीमॅटिक
विश्लेषणाची खासियत म्हणजे तिचा सोपेपणा आणि परिणामकारकता यांचे संतुलन. ही पद्धत
संशोधकांना डेटामधील नमुने शोधण्यास, सहभागींच्या अनुभवांचे स्पष्टीकरण करण्यास आणि त्या अनुभवांमधून
सामाजिक रचना समजून घेण्यास मदत करते. उदाहरणार्थ, वैद्यकीय मानसशास्त्रातील एक संशोधन "कर्करोगग्रस्त रुग्णांचा
उपचारप्रक्रियेतील अनुभव" समजून घेण्यासाठी या पद्धतीचा वापर करू शकतो, जेथे थीम्स उदा. "संवेदना आणि
देखभाल", "अस्पष्टता
आणि भीती", "समर्थनाची
गरज" इत्यादी ओळखता येतात (Nowell
et al., 2017).
शैक्षणिक
क्षेत्रात देखील, विद्यार्थ्यांच्या
शैक्षणिक दडपणाविषयीच्या अनुभवांवर आधारित संशोधनामध्ये थीमॅटिक विश्लेषणाने
"पालकांचा दबाव", "गुणांच्या स्पर्धा", "स्वतःशी तुलना" अशा थीम्स अधोरेखित केल्या आहेत. यामुळे
अभ्यासकांना त्या विषयावर उपाययोजना सुचवता येतात (Tuckett,
2005). थीमॅटिक
विश्लेषण ही एक अशी पद्धत आहे जी शब्दांमधून अर्थ शोधते, आणि त्यामुळेच ती मानसशास्त्रात एक अमूल्य संशोधनसाधन ठरते.
गुणात्मक डेटातील "थीम"
म्हणजे काय?
गुणात्मक संशोधनात “थीम” हा शब्द
म्हणजे डेटामधून उद्भवणारा, अनुभवात्मक
किंवा अर्थपूर्ण नमुना होय, जो संशोधनाच्या
प्रश्नाशी संबंधित असतो. थीम हा केवळ एक पुनरावृत्ती होणारा शब्द नसतो, तर तो एका सांस्कृतिक किंवा वैयक्तिक संदर्भात व्यक्त होणारा अनुभवाचा
सारांश असतो (Nowell et al., 2017).
ब्राऊन आणि क्लार्क (2006) यांच्या मते, एक 'थीम' हा डेटामधील
काही विशिष्ट घटकांचा सुसंगत, महत्त्वपूर्ण
आणि समजून घेण्यासारखा नमुना असतो, जो संशोधन
प्रश्नाच्या उत्तरात योगदान देतो. म्हणजेच, एक थीम फक्त
किती वेळा विशिष्ट गोष्ट आली यावर आधारित नसून, तिचा
गुंतागुंतीचा अर्थ व त्यामागील सामाजिक-सांस्कृतिक संदर्भ यांवर अवलंबून असतो.
उदाहरणार्थ, जर तुमचे
संशोधन प्रश्न असेल की “कामाच्या ठिकाणी महिलांना कोणते मानसिक अनुभव येतात?” तर सहभागींच्या उत्तरांतील विविध भावनिक अनुभव, चिंता, विरोधकांच्या वागणुकीविषयीच्या
प्रतिक्रिया इत्यादींचे विश्लेषण करून “लिंगविषयक भेदभावाची जाणीव,” “स्वत:ला सिद्ध करण्याची प्रेरणा,” “मनःशांतीसाठी
वैयक्तिक तंत्रे” अशा थीम्स उदयास येऊ शकतात. थीम्स ओळखताना संशोधकाने खालील
बाबींचा विचार करणे गरजेचे असते:
- थीम डेटा संपूर्णपणे व्यापते का?
- ती थेट संशोधन प्रश्नाशी संबंधित आहे का?
- त्या थीममधून कोणती सामाजिक, भावनिक किंवा मनोवैज्ञानिक रचना समजते?
यामुळे थीम हा फक्त वर्गीकरण नाही, तर तो एक अर्थ-निर्मितीचा आधार असतो जो सामाजिक अनुभवांचे विश्लेषण
करून मानसशास्त्रीय निष्कर्ष तयार करतो.
ब्राऊन आणि क्लार्क यांची सहा
टप्प्यांची प्रक्रिया
थीमॅटिक विश्लेषण (Thematic Analysis) ही मानसशास्त्रीय गुणात्मक संशोधनात वापरली
जाणारी एक लवचिक, खोलात जाणारी व विवेचनात्मक
प्रक्रिया आहे. 2006 मध्ये व्हर्जिनिया ब्राऊन आणि व्हिक्टोरिया क्लार्क यांनी या
पद्धतीसाठी एक स्पष्ट, सहा टप्प्यांची प्रक्रिया प्रस्तावित
केली, जी आजही संशोधकांमध्ये अत्यंत
लोकप्रिय आहे.
1. डेटा परिचित होणे (Familiarization
with the Data)
या पहिल्या टप्प्यात संशोधकाने
संकलित डेटा—म्हणजेच मुलाखतींचे ट्रान्स्क्रिप्ट, निरीक्षण नोंदी, फोकस ग्रुप चाचण्या इ.—काळजीपूर्वक वाचून समजून घ्यावा लागतो. यामध्ये
ट्रान्स्क्रिप्ट ऐकणे किंवा वाचणे, महत्त्वाचे
मुद्दे अधोरेखित करणे आणि सुरुवातीचे निरीक्षण नोंदवणे समाविष्ट असते. या
प्रक्रियेत संशोधक डेटाशी "परिचित" होतो आणि त्यामधील महत्त्वाचे मुद्दे, भावना, आणि संभाव्य थीम्सचे सुरुवातीचे
संकेत मिळवतो.
उदाहरणार्थ, जर संशोधनाचा
विषय “कॉलेज विद्यार्थ्यांमधील परीक्षा तणाव” असेल, तर संशोधक
प्रत्येक विद्यार्थ्याच्या उत्तरातून त्यांच्या अनुभवातील शब्द, स्वर, आणि भावना यावर लक्ष केंद्रित करतो.
हे टप्पे सखोल समज तयार करतात आणि पुढील कोडींग प्रक्रियेस तयार करतात (Nowell
et al., 2017).
2. प्राथमिक कोडींग (Generating Initial Codes)
या टप्प्यात संशोधक डेटामधून संबंधित
व अर्थपूर्ण तुकडे वेगळे करून त्यांना “कोड” देतो. कोड म्हणजे एखाद्या विधानाला, वाक्याला किंवा भावनेला दिलेली टॅग किंवा वर्गीकरण होय. कोडींग
मॅन्युअली (हस्ते) किंवा सॉफ्टवेअरच्या सहाय्याने (उदा. NVivo,
Atlas.ti) करता येते. कोडींग करताना संशोधक
पूर्वग्रहांपासून शक्य तितका अलिप्त राहून, सर्व संभाव्य
मुद्द्यांची नोंद करतो.
उदा. एका विद्यार्थिनीच्या विधानात “माझं झोपणं पूर्ण बंद झालं होतं, कारण मी सतत अभ्यास करत होते,” या विधानासाठी कोड असू शकतो – झोपेच्या सवयी बिघडणे, तणावामुळे बदललेली दिनचर्या, किंवा परीक्षेचा मानसिक परिणाम. ब्राऊन आणि क्लार्क (2006) सुचवतात की या टप्प्यावर शक्य तितके कोड निर्माण करावेत – अगदी लहान गोष्टीसुद्धा वगळू नयेत, कारण त्या भविष्यात एखाद्या मोठ्या थीममध्ये रूपांतरित होऊ शकतात.
3. थीम्स शोधणे (Searching
for Themes)
या टप्प्यात सर्व कोडसचे विश्लेषण
करून त्यांमधून व्यापक अर्थ असणाऱ्या “थीम्स” (Themes)
ओळखल्या जातात.
थीम म्हणजे कोड्सचा एक समूह जो विशिष्ट अर्थ, नमुना किंवा
अनुभव दर्शवतो. कोड्सचा एकत्रित विचार करून संशोधक विविध थीम्स प्रस्तावित करतो
आणि त्यांचे प्रारूप तयार करतो.
उदा. पुढील कोड्स – झोपेचा अभाव, शारीरिक थकवा, बदललेली
आहारशैली – हे “शारीरिक परिणाम” या थीमखाली एकत्र येऊ शकतात. तसेच आईवडिलांकडून
अपेक्षा, स्पर्धा, अपयशाची भीती
हे “सामाजिक दबाव” या थीमखाली बसू शकतात. Braun
& Clarke (2006) यांच्यानुसार, हे थीम्स शक्यतो “डेटा-आधारित/ विगामी” (inductive) असावेत आणि संशोधकाच्या हायपोथेसिसवर आधारित नसावेत.
4. थीम्सचे पुनरावलोकन (Reviewing
Themes)
थीम्स तयार केल्यानंतर त्यांचे
मूल्यांकन व पडताळणी करणे हा अत्यावश्यक टप्पा आहे. या टप्प्यात प्रत्येक थीममधील
कोड्स व डेटाचे भाग समजतात का, सुसंगत आहेत का, याचे पुनर्विचार केले जाते. काही वेळा एक थीम अत्यंत व्यापक वाटते आणि
तिला दोन किंवा अधिक थीम्समध्ये विभागावे लागते. किंवा काही वेळा दोन थीम्स एकत्र
येऊन अधिक योग्य अर्थ देतात.
5. थीम्सची व्याख्या आणि नामकरण (Defining
and Naming Themes)
पुनरावलोकनानंतर, प्रत्यक्ष विश्लेषण करताना प्रत्येक थीमचा स्पष्ट अर्थ शोधला जातो.
संशोधक प्रत्येक थीम काय दर्शवते, ती संशोधन
प्रश्नाशी कशी संबंधित आहे, आणि तिची
विशिष्ट उपथीम्स (sub-themes) कोणत्या आहेत, हे स्पष्ट करतो. त्यानंतर त्या थीमला एक संक्षिप्त, सुसंगत आणि अर्थपूर्ण नाव दिले जाते.
उदा. “मूलभूत सामाजिक दबाव” या थीमखाली
“आईवडिलांचे अपत्यावर अपेक्षांचे ओझे” आणि “स्पर्धात्मक शिक्षण पद्धती” हे उपथीम्स
असू शकतात. Braun & Clarke (2006) यांच्या मते, या टप्प्यात संशोधकाने वाचकांना प्रत्येक थीमची मुळातली कल्पना आणि
तिचा संबंध संपूर्ण डेटाशी स्पष्टपणे दिला पाहिजे.
6. अंतिम अहवाल लेखन (Producing
the Report)
ही प्रक्रिया संशोधनाचा प्रत्यक्ष
निष्कर्ष मांडण्याचा टप्पा आहे. येथे संशोधक प्रत्येक थीमचे स्पष्टीकरण, तिला आधार देणाऱ्या मूळ डेटाचे नमुने (उदा. सहभागींची विधाने), आणि त्यांचे विश्लेषण विस्तृतपणे सादर करतो. अहवाल वाचकांना केवळ
निष्कर्ष सांगणारा नसावा, तर डेटातून
विश्लेषण कसे विकसित झाले हेही दाखवणारा असावा. Braun
& Clarke (2006) सूचवतात की, “एक चांगला
थीमॅटिक अहवाल म्हणजे डेटा आणि विश्लेषण यांचे सुसंगत मिश्रण असावे, जे वाचकांना संबंधित अनुभव समजण्यास मदत करेल.”
ही सहा टप्प्यांची प्रक्रिया थीमॅटिक
विश्लेषणाला एक पारदर्शक, शिस्तबद्ध आणि
वैज्ञानिक स्वरूप देते. प्रत्येक टप्पा पुढील टप्प्यासाठी आधार तयार करतो आणि
संपूर्ण प्रक्रियेमध्ये संशोधकाचे समज, निरीक्षण आणि
विवेकबुद्धी ह्यांना महत्त्व असते. ही प्रक्रिया मानसशास्त्र, सामाजिक कार्य, आरोग्यशास्त्र
व शैक्षणिक संशोधनात प्रभावीपणे वापरली जाते.
डेटा संकलनाच्या पद्धती (Data
Collection Methods in Thematic Analysis)
थीमॅटिक विश्लेषणामध्ये
विश्लेषणासाठी वापरल्या जाणाऱ्या डेटाचे स्वरूप हे अत्यंत महत्त्वाचे असते.
गुणात्मक संशोधनाचे मुख्य उद्दिष्ट म्हणजे व्यक्तींच्या अनुभव, अर्थनिर्मिती, विचारसरणी, भावना आणि सामाजिक परिप्रेक्ष्याचे सखोल आकलन. त्यामुळे संशोधकाला
‘डेटा कसा संकलित करायचा?’ याची योग्य
निवड करावी लागते. खालील प्रमुख चार पद्धती थीमॅटिक विश्लेषणासाठी उपयुक्त मानल्या
जातात:
अ. अर्ध-संरचित मुलाखती (Semi-Structured
Interviews)
अर्ध-संरचित मुलाखती या गुणात्मक
डेटाचे सर्वाधिक वापरले जाणारे स्रोत आहेत (Braun
& Clarke, 2013). या मुलाखती पूर्वनियोजित
प्रश्नांच्या आधारे घेतल्या जातात, मात्र
त्यामध्ये लवचिकता राखली जाते. त्यामुळे सहभागींना त्यांच्या अनुभवांची मोकळेपणाने
मांडणी करता येते.
उदाहरणार्थ, एखाद्या
व्यक्तीचा मानसिक आजाराविषयीचा अनुभव जाणून घेण्यासाठी असे विचारले जाऊ शकते:
"आपल्याला प्रथम कधी जाणवले की काहीतरी वेगळं आहे?"
अशा प्रश्नातून
व्यक्तीचा वैयक्तिक दृष्टिकोन, भावनिक संघर्ष, आणि सामाजिक प्रतिसाद यांची माहिती मिळते. ही माहिती कोडींग करून
थीम्समध्ये रूपांतरित करता येते.
या पद्धतीची एक महत्त्वाची वैशिष्ट्य
म्हणजे ‘संशोधक आणि सहभागी यांच्यात संवाद साधण्याची प्रक्रिया’. त्यामुळे डेटा हे
फक्त "सत्य" नसून एक ‘घटनात्मक निर्माण’ (co-construction)
मानले जाते (Kvale
& Brinkmann, 2009).
ब. फोकस ग्रुप (Focus
Groups)
फोकस ग्रुप्स म्हणजे काही विशिष्ट
सहभाग्यांना एकत्र बोलत ठेवून त्यांच्यामधील संवादाच्या माध्यमातून डेटा गोळा
करणे. यात सामान्यतः 6 ते 8 सहभागींना विशिष्ट विषयावर चर्चा करण्यास आमंत्रित
केले जाते. संशोधक "facilitator"
च्या भूमिकेत
राहतो आणि संवाद योग्य दिशेने जात आहे का हे पाहतो (Morgan,
1997).
फोकस ग्रुपचे वैशिष्ट्य म्हणजे
त्यातील संवाद: सहभागी एकमेकांशी सहमत/असहमत होतात, अनुभवांची
तुलना होते, आणि काही वेळा नवीन दृष्टिकोन समोर
येतात. थीमॅटिक विश्लेषणात अशा गटचर्चांमधून सामाजिक अर्थरचना, समविचार गटांचे मुद्दे आणि मतभिन्नता स्पष्टपणे समोर येतात (Wilkinson,
1998).
उदाहरणार्थ, किशोरवयीन
विद्यार्थ्यांमध्ये परीक्षा तणावावर फोकस ग्रुप घेतल्यास, विविध शाळांतील
अनुभव आणि coping strategies यांचे
तुलनात्मक चित्र मिळते.
क. निरीक्षण (Observation)
निरीक्षण म्हणजे संशोधकाने विशिष्ट
सामाजिक किंवा वर्तनात्मक परिस्थितीचे थेट अवलोकन करणे. हे निरीक्षण नैसर्गिक (naturalistic) असू शकते – म्हणजे संशोधक कोणतीही हस्तक्षेप न
करता केवळ पाहतो – किंवा सहभागी निरीक्षण (participant
observation) ज्यात संशोधक स्वतः परिस्थितीत सामील
होतो (Angrosino, 2007).
निरीक्षणातून मिळणारा डेटा हा अनेकदा
भाषिक नसतो, जसे की देहबोली, चेहऱ्यावरील भाव, हालचाल, किंवा एकत्र असण्याचे स्वरूप. अशा डेटाचा वापर करून त्या वर्तनांमागचा
सामाजिक आणि मानसिक अर्थ शोधला जातो. उदाहरणार्थ, शिक्षक व
विद्यार्थ्यांमधील संवादाचे निरीक्षण करून ‘शिक्षकाच्या वागणुकीतून निर्माण
होणाऱ्या अपेक्षा’ हा थीम शोधता येतो.
ड. शाब्दिक दस्तऐवज (Textual
Documents)
गुणात्मक संशोधनात मजकूर दस्तऐवज
म्हणजे व्यक्तींनी लिहिलेली सामग्री, जसे की आत्मचरित्र, दैनंदिनी, ब्लॉग, सामाजिक माध्यमांवरील पोस्ट्स, किंवा अधिकृत शासकीय कागदपत्रे यांचा समावेश होतो. दस्तऐवज
विश्लेषणातून सामाजिक प्रवाह, भाषिक रचना, अनुभवांची अभिव्यक्ती इत्यादींचा अभ्यास करता येतो (Bowen,
2009).
थीमॅटिक विश्लेषणासाठी हे दस्तऐवज
"सेकंडरी डेटा" म्हणून वापरले जाऊ शकतात. उदा., कोविड काळात
लॉकडाऊनमधील नागरिकांचे अनुभव जाणून घेण्यासाठी फेसबुकवरील वैयक्तिक पोस्ट्स किंवा
ब्लॉग्सचा वापर करून थीम्स ओळखता येतात – जसे की "एकटेपणाची भावना", "तंत्रज्ञानावर वाढती अवलंबित्व",
"कौटुंबिक
नात्यांतील तणाव" इ.
ही पद्धत खर्चिक नाही आणि
सार्वजनिकपणे उपलब्ध माहितीचा उपयोग करून संशोधन करता येते, पण नैतिक परवानगीची गरज लक्षात ठेवावी लागते.
संशोधकाची भूमिका (Role
of the Researcher)
अ. विवेकबुद्धी आणि अनुभवाचा प्रभाव (Reflexive
Thinking and Researcher's Influence):
गुणात्मक संशोधनात संशोधक ही
निष्क्रिय अस्तित्व नसून एक सक्रिय भागीदार असतो. त्याच्या वैयक्तिक अनुभव, सामाजिक पार्श्वभूमी, आणि अभ्यासातील
पूर्वग्रह डेटा संकलन, विश्लेषण आणि अर्थनिर्मितीवर प्रभाव
टाकू शकतात. म्हणून संशोधकाच्या विवेकबुद्धीचा आणि वैयक्तिक संदर्भाचा शोधाच्या
प्रक्रियेत विचार केला जाणे अत्यावश्यक आहे. Braun
आणि Clarke (2019) यांनी "reflexive
thematic analysis" ही संकल्पना मांडली आहे, जिच्या मते
संशोधकाने आपले दृष्टीकोन, भावना, आणि निर्णय प्रक्रियेत वापरलेल्या तत्त्वज्ञानाचा शोध घेणे गरजेचे
आहे. त्यामुळे निष्कर्ष जास्त पारदर्शक व सामाजिकदृष्ट्या विश्वासार्ह बनतात.
ब. आत्मपरिक्षण आणि रिफ्लेक्सिव्हिटी (Self-examination
and Reflexivity):
रिफ्लेक्सिव्हिटी म्हणजे संशोधकाने
सतत स्वतःच्या विचारसरणी, अनुभव, आणि प्रतिक्रियांचे परीक्षण करत राहणे. यामुळे संशोधन प्रक्रियेत
येणारे पूर्वग्रह ओळखणे, त्यांना शक्य
होईल तेवढे नियंत्रित करणे, आणि संशोधन
प्रक्रियेला पारदर्शक ठेवणे शक्य होते. Finlay
(2002) च्या मते,
"Reflexivity is a continual process of self-awareness and scrutiny of the
self as researcher." यामुळे संशोधक
डेटाच्या अर्थनिर्मितीत स्वतःची भूमिका स्पष्टपणे ओळखतो आणि तिचे प्रतिबिंब
परिणामांवर पडत आहे का याचा विचार करतो. रिफ्लेक्सिव्हिटीचे
व्यवहारिक उदाहरण म्हणजे मुलाखती घेताना संशोधकाने स्वतःच्या हावभावांमुळे सहभागी
काय बोलतात ते बदलत नाही ना, याचे भान ठेवणे, किंवा विश्लेषण करताना आपले सामाजिक दृष्टिकोन डेटा वर थोपवले जात
नाहीत ना, हे तपासणे.
गुणवत्ता आणि वैधता (Quality
and Trustworthiness in Thematic Analysis)
गुणात्मक संशोधन हे
"वैधता", "विश्वासार्हता" आणि
"गुणवत्ता" यांसारख्या संकल्पनांमध्ये पारंपरिक संख्यात्मक
संशोधनापेक्षा वेगळे असते. लिन्कन आणि गुबा (Lincoln
& Guba, 1985) यांनी विश्वासार्ह संशोधनासाठी चार
निकष मांडले: विश्वासार्हता (Credibility), स्थानिक वैधता (Transferability), सुसंगतता (Dependability), आणि पडताळणीयोग्यता (Confirmability). हे निकष थीमॅटिक विश्लेषणातही तंतोतंत लागू होतात.
1. विश्वासार्हता (Credibility): विश्वासार्हता म्हणजे विश्लेषणातून प्राप्त झालेले निष्कर्ष हे
संशोधनातील सहभागी व्यक्तींच्या अनुभवाशी किती अचूक आणि प्रामाणिकपणे जुळतात, हे पाहणे. संशोधकाने माहिती संकलनाच्या वेळी प्रासंगिक चौकशी करणे, सदस्य तपासणी (member
checking) वापरणे, आणि अनेक
स्रोतांमधून माहिती घेतल्यास विश्लेषण अधिक विश्वासार्ह होते (Patton,
1999). थीमॅटिक
विश्लेषण करताना सहभागींच्या कथांमध्ये जे थीम्स दिसतात, त्या थीम्स
त्या व्यक्तींच्या जीवनानुभवाशी जुळतात का, याचे मूल्यांकन
करणे आवश्यक असते. उदा., जर एखाद्या
विद्यार्थ्यांशी संबंधित संशोधनात "शैक्षणिक दबाव" हा थीम दिसतो, तर तो त्या विद्यार्थ्यांच्या मूळ विधानांशी जोडलेला असावा, केवळ संशोधकाच्या गृहितकांवर आधारित नसावा.
2. स्थानिक वैधता (Transferability): स्थानिक वैधता
म्हणजे संशोधनातून प्राप्त झालेले निष्कर्ष हे इतर संदर्भात लागू पडतात का, याचा विचार. गुणात्मक संशोधनामध्ये सामान्यीकरण (generalization) हाच हेतू नसतो, परंतु
संशोधकाने विश्लेषण करताना इतक्या तपशीलात वर्णन करावे की इतर वाचक स्वतःच्या
संदर्भात तो अनुभव किती लागू होतो हे ठरवू शकतील (Geertz,
1973). यासाठी
"घन वर्णन" (thick
description) महत्त्वाची भूमिका बजावते. उदा., ग्रामीण भागातील किशोरवयीन मुलींच्या
सामाजिक अनुभवांवरील संशोधनात जे थीम्स सापडले, ते शहरी भागात
लागू पडतात का, हे वाचकांच्या विवेकावर आधारित
राहते.
3. सुसंगतता (Dependability):
सुसंगतता
म्हणजे संशोधनाची प्रक्रिया स्थिर, स्पष्ट आणि
नोंदलेली आहे का हे पाहणे. म्हणजेच, दुसऱ्या
कोणत्याही संशोधकाने त्या डेटावर काम केल्यास त्याला तसाच वा तुल्य अर्थ लागू शकेल
का, याचा अंदाज. यासाठी "ऑडिट ट्रेल" (audit
trail) ठेवणे उपयुक्त ठरते — ज्यात
निर्णयप्रक्रिया, कोडींग संरचना, विषय निवड व निष्कर्ष यांचा तपशीलवार लेखाजोखा असतो
(Shenton, 2004). उदा., जर विश्लेषकाने एखादी प्रतिक्रिया
"अनिश्चितता" या थीममध्ये का ठेवली हे स्पष्ट लिहून ठेवले असेल, तर इतर संशोधकही ते निर्णय समजू शकतील.
4. पडताळणीयोग्यता (Confirmability):
पडताळणीयोग्यता
म्हणजे निष्कर्ष हे केवळ संशोधकाच्या व्यक्तिनिष्ठतेवर आधारित नसून डेटा व
अनुभवावर आधारित आहेत का, हे तपासणे. हे
सुनिश्चित करण्यासाठी संशोधकाने आपल्या पूर्वग्रहांचा (bias)
स्पष्ट विचार
करणे, reflexivity जपणे आणि सहभागींचे अनुभव
केंद्रस्थानी ठेवणे गरजेचे आहे (Lincoln
& Guba, 1985). उदा., जर संशोधक
स्वतः मानसिक आरोग्य क्षेत्रात कार्यरत आहे, तर 'औषधोपचाराबद्दल सकारात्मक दृष्टीकोन' हा थीम तो
स्वतः निर्माण करत नाहीये ना, हे तपासणे
गरजेचे आहे.
मर्यादा व आव्हाने (Limitations
and Challenges in Thematic Analysis)
थीमॅटिक विश्लेषण ही एक लवचिक आणि
वापरण्यास सोपी वाटणारी पद्धत असली तरी तिच्या काही स्पष्ट मर्यादा आणि आव्हाने
आहेत, ज्यांचा संशोधकांनी गांभीर्याने
विचार केला पाहिजे.
अ. विश्लेषणातील व्यक्तिनिष्ठता (Subjectivity
in Interpretation): गुणात्मक
विश्लेषणात संशोधक स्वतः एक 'साधन' असतो. त्यामुळे त्याचे मूल्य, विश्वास, पूर्वग्रह, सामाजिक स्थान
इ. गोष्टी संशोधनावर प्रभाव टाकू शकतात (Berger,
2015). विश्लेषण
करताना कोणत्या विधानांना महत्त्व द्यायचे, कोणते कोड तयार
करायचे, कोणते थीम ठरवायचे, हे सर्व निर्णय
व्यक्तिनिष्ठ असतात. हे व्यक्तिनिष्ठ निर्णय संपूर्णपणे
टाळता येत नाहीत, परंतु रिफ्लेक्सिव्ह डायरी, पिअर-डेब्रीफिंग आणि त्रिकोणीकरण (triangulation) यासारख्या मार्गांनी याचे नियंत्रण ठेवता येते.
ब. सामान्यीकरणाचे बंधन (Limitations
of Generalizability): थीमॅटिक विश्लेषणातून मिळालेले
निष्कर्ष विशिष्ट सांस्कृतिक, सामाजिक वा
भौगोलिक संदर्भांशी निगडीत असतात. त्यामुळे ते व्यापक लोकसंख्येवर लागू पडतातच, असे म्हणता येत नाही. उदा., महाराष्ट्रातील
ग्रामीण किशोरवयीन मुलींचे अनुभव दिल्लीतील मुलींना लागू पडतीलच असे नाही.
त्यामुळे अशा विश्लेषणाचे निष्कर्ष "सामान्यीकरण" करण्याच्या ऐवजी
"स्थानिक अर्थ समजून घेण्यासाठी" वापरावेत (Smith,
2004).
गुणात्मक विश्लेषणाचा उद्देश
व्यक्तींचे अनुभव समजून घेणे, त्यात असणारे
अर्थ स्पष्ट करणे असा असतो — निष्कर्ष सगळ्यांना लागू होतीलच असा नाही. त्यामुळेच
"स्थानिक वैधता" (Transferability) अधिक योग्य संकल्पना ठरते.
समारोप:
मानसशास्त्रीय
गुणात्मक संशोधन मानवी अनुभवाच्या अर्थनिर्मितीकडे केंद्रित असते. हे संशोधन
"कसे" आणि "का" या प्रश्नांची उत्तरे शोधते आणि मानवी
भाव-भावना, सामाजिक आंतरक्रिया,
आणि
सांस्कृतिक घटकांचे बारकाईने विश्लेषण करते. अशा संशोधनात थीमॅटिक विश्लेषण ही एक
प्रभावी आणि लवचिक पद्धत आहे. ब्राऊन आणि क्लार्क (2006)
यांनी प्रस्तावित केलेल्या सहा टप्प्यांतून संशोधक डेटाशी परिचय करून घेतो,
प्राथमिक
कोड तयार करतो, थीम्स ओळखतो व त्यांचे पुनरावलोकन,
व्याख्या
आणि अहवाल लेखन करतो. या प्रक्रियेमुळे संशोधन फक्त वर्णनात्मक न राहता अर्थपूर्ण,
संदर्भाधारित
आणि अनुभवाधिष्ठित होते. त्यामुळेच, थीमॅटिक
विश्लेषण ही पद्धत केवळ डेटा विश्लेषणाचे साधन नसून, संपूर्ण
मानसशास्त्रीय संशोधनासाठी एक विवेचनात्मक चौकट प्रदान करते.
(सर्व चित्रे आणि इमेजेस google वरून साभार)
संदर्भ:
Berger,
R. (2015). Now I see it, now I don’t: Researcher’s position and reflexivity in
qualitative research. Qualitative Research, 15(2), 219–234.
Braun, V., & Clarke,
V. (2006). Using thematic analysis
in psychology. Qualitative Research in Psychology, 3(2),
77–101.
Braun,
V., & Clarke, V. (2012). Thematic
analysis. In H. Cooper (Ed.), APA Handbook of Research Methods in Psychology
(Vol. 2, pp. 57–71).
Washington, DC: APA.
Braun,
V., & Clarke, V. (2019). Reflecting on reflexive thematic analysis.
Qualitative Research in Sport, Exercise and Health, 11(4), 589–597.
Clarke, V., & Braun,
V. (2014). Thematic analysis. In T.
Teo (Ed.), Encyclopedia of Critical Psychology. Springer.
Denzin, N. K., &
Lincoln, Y. S. (2011). The
Sage Handbook of Qualitative Research (4th
ed.). SAGE Publications.
Finlay,
L. (2002). “Outing” the researcher: The provenance, process, and practice of
reflexivity. Qualitative Health Research, 12(4), 531–545.
Geertz, C. (1973).
The interpretation of cultures: Selected essays. Basic
Books.
Lincoln, Y. S., &
Guba, E. G. (1985). Naturalistic
inquiry. Sage Publications.
Nowell,
L. S., Norris, J. M., White, D. E., & Moules, N. J. (2017).
Thematic analysis: Striving to meet the
trustworthiness criteria. International Journal of Qualitative Methods, 16(1),
1–13.
Patton, M. Q. (1999).
Enhancing the quality and credibility of qualitative
analysis. Health Services Research, 34(5
Pt 2), 1189–1208.
Shenton, A. K. (2004).
Strategies for ensuring trustworthiness in qualitative
research projects. Education for Information, 22(2),
63–75.
Smith, J. A. (2004).
Reflecting on the development of interpretative
phenomenological analysis and its contribution to qualitative research in
psychology. Qualitative Research in Psychology, 1(1),
39–54.
Smith, J. A. (2015).
Qualitative Psychology: A Practical Guide to Research
Methods (3rd ed.). SAGE
Publications.
Tuckett, A. G. (2005).
Applying thematic analysis theory to practice: A
researcher's experience. Contemporary Nurse, 19(1-2),
75–87.
Yardley, L. (2000).
Dilemmas in qualitative health research. Psychology
and Health, 15(2),
215–228.
कोणत्याही टिप्पण्‍या नाहीत:
टिप्पणी पोस्ट करा
Thank you for your comments and suggestions