अनुभवातून सिद्धांतनिर्मिती: ग्राउंडेड सिद्धांत | Grounded Theory

 

अनुभवातून सिद्धांतनिर्मिती: ग्राउंडेड सिद्धांत

सामाजिक वास्तवाचा अभ्यास करताना संशोधक अनेकदा पूर्वनिर्धारित सिद्धांतांच्या चौकटीत अडकून पडतात, ज्यामुळे वास्तवाचे जटिल पैलू नजरेआड होतात. 1960च्या दशकात याच अपुरेपणावर मात करण्यासाठी Barney Glaser आणि Anselm Strauss यांनी Grounded Theory या गुणात्मक संशोधन पद्धतीची निर्मिती केली. 'डेटा आधारीत सिद्धांतनिर्मिती' हे या पद्धतीचे वैशिष्ट्य असून, या प्रक्रियेमध्ये सिद्धांत हा तळातून, म्हणजेच प्रत्यक्ष अनुभवांच्या निरीक्षणातून विकसित होतो.

ग्राउंडेड सिद्धांताची उत्पत्ती

ग्राउंडेड सिद्धांत (Grounded Theory) या संशोधन पद्धतीचा उगम 1960च्या दशकात अमेरिकेतील सामाजिक विज्ञानाच्या क्षेत्रात झाला. त्या काळात बहुसंख्य समाजशास्त्रीय संशोधन हे सांख्यिकीय मॉडेल्स किंवा पूर्वनिर्धारित सिद्धांतांवर आधारित असायचे. सामाजिक वास्तवाची जटिलता लक्षात न घेता संशोधक आधीपासूनच अस्तित्वात असलेल्या सिद्धांतांची चाचपणी करायचे. या पारंपरिक प्रवाहाला एक सृजनशील पर्याय म्हणून Barney Glaser आणि Anselm Strauss यांनी 1967 मध्ये "The Discovery of Grounded Theory: Strategies for Qualitative Research" हा ग्रंथ प्रकाशित केला. हाच ग्रंथ ग्राउंडेड सिद्धांताच्या पद्धतशास्त्राचा पाया मानला जातो.

      Glaser आणि Strauss यांनी ग्राउंडेड सिद्धांताची मांडणी करताना "उर्ध्वगामी सिद्धांत निर्मिती" (bottom-up theory development) या तत्त्वावर भर दिला. त्यांचा दृष्टिकोन असा होता की, सिद्धांत हे संशोधकाच्या पूर्वग्रहांवर आधारित नसावे, तर प्रत्यक्ष अनुभवांवर आधारित प्रत्यक्ष डेटामधून विकसित झाले पाहिजे. ते म्हणतात, “Theory that is grounded in data is more likely to resemble the ‘reality’ than a theory that is speculative” (Glaser & Strauss, 1967).

ग्राउंडेड सिद्धांताची निर्मिती प्रक्रिया विशेषतः Strauss यांच्या हॉस्पिस पेशंट्सवरील मृत्यूच्या अनुभवांवर केलेल्या फील्डवर्क मधून विकसित झाली. Strauss आणि Glaser यांनी "Awareness of Dying" (1965) नावाचा ग्रंथ लिहिला होता, ज्यामध्ये रुग्ण, नातेवाईक आणि वैद्यकीय कर्मचाऱ्यांच्या अनुभवांवर आधारित विश्लेषण होते. या प्रकल्पाच्या दरम्यान त्यांनी पाहिले की, पारंपरिक विश्लेषणात्मक पद्धती सामाजिक परस्परसंवादांच्या सखोल समजून घेण्यासाठी अपुरी पडत होती. यामुळे त्यांनी एक अशी पद्धत विकसित केली ज्यात डेटा संकलन आणि विश्लेषण परस्परसंबंधीत व गतिशील असतात.

या पद्धतीतून सामाजिक क्रिया, मानवी भूमिका, संबंध, आणि अनुभव या गोष्टी कशा घडतात, त्यांची मुळे काय आहेत, आणि त्या वेगवेगळ्या संदर्भात कशा बदलतात हे समजून घेण्याचा प्रयत्न होतो. उदाहरणार्थ, एका रुग्णालयातील परिचारिकेची भूमिका रुग्ण, डॉक्टर, कुटुंबीय, व्यवस्थापन यांच्याशी कशा प्रकारे परस्परसंवादात बदलतात, हे पूर्वसिद्धांत न वापरता प्रत्यक्ष मुलाखती व निरीक्षणातून स्पष्ट केले गेले.

Strauss आणि Glaser यांनी मांडलेली पद्धत केवळ समाजशास्त्रापुरती मर्यादित राहिली नाही. कालांतराने ती मानसशास्त्र, शिक्षणशास्त्र, आरोग्य विज्ञान, व्यवसायशास्त्र, आणि ग्रामीण विकास अशा अनेक क्षेत्रांमध्ये वापरली जाऊ लागली. विशेषतः गुणात्मक संशोधनाच्या पुनरुज्जीवनात या पद्धतीने निर्णायक भूमिका बजावली.

आजही, अनेक संशोधक ग्राउंडेड सिद्धांताचा उपयोग करून सामाजिक आणि मानसिक वास्तवाच्या नवीन व्याख्या तयार करतात. त्यामुळे, 1967 मधील त्या मूलगामी ग्रंथाने केवळ एक पद्धत दिली नाही, तर संपूर्ण गुणात्मक संशोधन दृष्टिकोनात परिवर्तन घडवून आणले.

ग्राउंडेड सिद्धांत पद्धतीची वैशिष्ट्ये

1. विगामी (Inductive): डेटा पाहून सिद्धांत निर्माण करणे

ग्राउंडेड सिद्धांत पद्धतीत संशोधनाची प्रक्रिया विगामी असते. म्हणजेच संशोधक आधी कोणताही सिद्धांत गृहीत न धरता, फक्त प्रत्यक्ष अनुभवावर आणि संकलित डेटावर आधारित निरीक्षणे करतो आणि त्यातून संकल्पना व सिद्धांत तयार करतो. पारंपरिक संशोधन पद्धतींमध्ये एखादा सिद्धांत असतो आणि त्याची पडताळणी (deductive method) केली जाते, तर ग्राउंडेड सिद्धांत उलट दिशेने कार्य करतो. उदाहरणार्थ, जर संशोधक ग्रामीण भागातील महिलांच्या आरोग्यसेवेवरील दृष्टिकोनाचा अभ्यास करत असेल, तर तो आधी कोणत्याही "Health Belief Model" वर आधारित काम न करता, प्रत्यक्ष मुलाखती घेऊन त्या महिलांच्या अनुभवांमधून संकल्पना तयार करतो (Charmaz, 2014). अशा प्रकारे डेटा स्वतः सिद्धांत "घडवतो" तो सिद्धांत बाहेरून "आणला जात" नाही.

2. सतत तुलनात्मक विश्लेषण (Constant Comparative Analysis)

सतत तुलनात्मक विश्लेषण ही ग्राउंडेड सिद्धांतची मध्यवर्ती प्रक्रिया आहे. यात प्रत्येक नव्या डेटाची तुलना पूर्वीच्या डेटा, कोड्स, व संकल्पनांशी केली जाते. या तुलनेतून नवीन समानता, फरक, किंवा वैविध्य स्पष्ट होते आणि संकल्पना अधिक प्रगल्भ होते. उदाहरणार्थ, जर एका विद्यार्थ्याने 'शैक्षणिक स्पर्धेचा ताण' या अनुभवाबद्दल सांगितले, आणि दुसऱ्या विद्यार्थ्याने 'पालकांच्या अपेक्षांमुळे होणारा ताण' नमूद केला, तर संशोधक हे दोन्ही अनुभव एकाच "दडपणाची भावना" या व्यापक कोडखाली वर्गीकृत करू शकतो. Glaser आणि Strauss (1967) यांनी या प्रक्रियेला "constant interplay between data and emerging categories" असे म्हटले आहे. हे विश्लेषण डेटा गोळा होत असतानाच सतत चालू राहते, आणि त्यामुळेच संकल्पनांचा विकास अधिक विश्वासार्ह होतो.

3. तपासणीसाठी उघडे दृष्टिकोन (Open-ended Inquiry)

ग्राउंडेड सिद्धांतमध्ये तपासणी करण्यासाठी संशोधक 'मुक्त' आणि 'लवचीक' पद्धत वापरतो. म्हणजेच, पूर्वग्रह किंवा निश्चित चौकशी चौकट न ठेवता, संशोधक सहभागींच्या अनुभवांपासून संशोधन घडवतो. यामध्ये अर्धसंरचित मुलाखती, फोकस ग्रुप चर्चा, किंवा मुक्त कथनाचा वापर होतो. उदाहरणार्थ, जर संशोधक शिक्षकांच्या ऑनलाईन शिक्षणावरील अनुभवांचा अभ्यास करत असेल, तर तो त्यांच्या समोर फक्त एक सामान्य प्रश्न ठेवतो: "तुमच्या ऑनलाईन शिक्षणाच्या अनुभवाबद्दल सांगा." यानंतर सहभागी आपले अनुभव, अडचणी, कल्पना, भावना खुल्या स्वरूपात मांडतात. त्यामुळे डेटा अधिक समृद्ध आणि व्यापक स्वरूपात गोळा होतो (Birks & Mills, 2015).

4. सिद्धांत निर्माण हे अंतिम उद्दिष्ट

ग्राउंडेड सिद्धांतचे अंतिम उद्दिष्ट म्हणजे संकल्पनांवर आधारित एक सुसंगत आणि "जमिनीवर आधारित" सिद्धांत तयार करणे. हा सिद्धांत प्रत्यक्ष अनुभवातून घडलेला असल्यामुळे तो अधिक सजीव, पारंपरिक सिद्धांतांपेक्षा अधिक उपयुक्त व उपयोगात येणारा ठरतो. उदाहरणार्थ, जर संशोधक पालकत्वातील भावनिक गुंतवणुकीचा अभ्यास करत असेल, आणि त्याला ‘भावनिक उपस्थिती’ (Emotional Presence), ‘शिस्तीचे प्रकार’, ‘संवादपद्धती’ अशा संकल्पना मिळाल्या, तर या संकल्पनांचा परस्परसंबंध लक्षात घेऊन "भावनिक संलग्नता आधारित पालकत्व सिद्धांत" निर्माण केला जाऊ शकतो. Strauss आणि Corbin (1998) नुसार, "a grounded theory is more than a set of themes; it is a theoretical explanation of a process."

5. डेटा संकलन व विश्लेषण समांतरपणे चालते

ग्राउंडेड सिद्धांतमध्ये डेटा संकलन आणि विश्लेषण ही दोन स्वतंत्र टप्पे नसून, दोन्ही प्रक्रिया एकत्रितपणे आणि परस्परावलंबी स्वरूपात घडतात. संशोधक जेव्हा मुलाखत घेतो, तेव्हा तो त्याच वेळी त्या डेटाचे प्राथमिक कोडींगही करतो. त्यातून मिळालेल्या सुरागांवर आधारित पुढच्या सहभागींसाठी प्रश्न थोडे बदलले जाऊ शकतात. उदाहरणार्थ, एखाद्या आईने म्हटले की तिला ऑनलाईन शिक्षणात मुलाच्या वर्तनात बदल जाणवले, तर संशोधक पुढच्या मुलाखतीत या 'वर्तनबदल' या पैलूवर अधिक खोलात विचारतो. याला "Theoretical Sampling" असेही म्हणतात — म्हणजेच सिद्धांत निर्माणाच्या गरजेनुसार डेटा गोळा करणे (Charmaz, 2014). त्यामुळे डेटाचा अर्थ अधिक खोलवर समजतो आणि सिद्धांत अधिक परिपक्व होतो.

संशोधनाची प्रक्रिया: ग्राउंडेड सिद्धांतचे टप्पे

1. डेटा संकलन (Data Collection)

ग्राउंडेड सिद्धांतात संशोधन प्रक्रियेचा प्रारंभ "डेटा संकलन" पासून होतो. मात्र हे पारंपरिक क्वांटिटेटिव्ह संशोधनासारखे एकदाच नव्हे, तर सातत्यपूर्ण आणि परत-पाठवणी (iterative) स्वरूपात होते. संशोधक सुरुवातीस एक विस्तृत किंवा अर्धसंरचित प्रश्नावली घेऊन क्षेत्रात जातो, आणि तेथील सहभागींशी अर्धसंरचित मुलाखती (semi-structured interviews) घेतो. याशिवाय नॅरेटिव्ह्स (narratives) — म्हणजेच सहभागी स्वतःचे अनुभव कथन करतात, आणि फोकस गट चर्चा (focus group discussions) यांसारख्या पद्धतींनीही डेटा संकलन केला जातो (Charmaz, 2014).

महत्त्वाचे म्हणजे, ग्राउंडेड सिद्धांतामध्ये डेटा संकलन करताना केवळ "काय" म्हटले गेले याकडे लक्ष नसते, तर ते कसे, कुठे, कोणत्या पार्श्वभूमीत, आणि कोणत्या सामाजिक संदर्भात म्हटले गेले यावरही लक्ष असते. उदाहरणार्थ, जर संशोधक विद्यार्थ्यांच्या मानसिक आरोग्यावर स्पर्धात्मक शिक्षणसंस्थेचा परिणाम अभ्यासत असेल, तर तो विद्यार्थ्यांशी केवळ तोंडी संवादच नव्हे, तर त्यांच्या वागणुकीतील संकेत, अवकाश, आणि भाषेतील लय यांचा सुद्धा अभ्यास करतो (Glaser & Strauss, 1967).

2. कोडींगचे टप्पे (Stages of Coding)

डेटा संकलनानंतर त्याचे विश्लेषण कोडींग या प्रक्रियेद्वारे केले जाते. कोडींग म्हणजे डेटामधून अर्थपूर्ण एकके (meaningful units) वेगळे करणे आणि त्यांना संक्षिप्त प्रतीकात्मक अर्थ (कोड) देणे. या प्रक्रियेत तीन प्रमुख पायऱ्या असतात:

अ. ओपन कोडींग (Open Coding)

या टप्प्यात संशोधक प्रत्येक विधान, अनुभव किंवा कथन यांचे सूक्ष्म विश्लेषण करतो आणि स्वतंत्र कोड्स तयार करतो. कोड हे प्राथमिक स्वरूपाचे असून, ते भविष्यकालीन विश्लेषणासाठी आधार ठरतात. उदा., जर एखादा विद्यार्थी म्हणतो की, “माझ्या आईवडिलांना IIT पाहिजेच, मी कितीही थकलो तरी मी अभ्यास करतो,” तर "पालकांचा दबाव," "थकवा असूनही अभ्यास," आणि "यशासाठी मानसिक बलिदान" हे वेगवेगळे कोड्स बनू शकतात. या टप्प्यावर पूर्वग्रह किंवा सिद्धांत पूर्वकल्पनांपासून दूर राहून कोड तयार करणे महत्त्वाचे असते (Strauss & Corbin, 1998).

ब. अ‍ॅक्सियल कोडींग (Axial Coding)

एकदा प्राथमिक कोड्स तयार झाले की, संशोधक वेगवेगळ्या कोड्समधील अंतर्गतरचना आणि संबंध शोधतो. हे संबंध कारण-परिणाम, संदर्भ, परिप्रवाही घटक (intervening conditions), क्रिया/प्रतिक्रिया, आणि परिणाम यांच्या माध्यमातून समजले जातात. उदाहरणार्थ, "पालकांचा दबाव" (कारण), "विद्यार्थ्याचे मानसिक दडपण" (परिणाम), "स्पर्धात्मक शैक्षणिक वातावरण" (संदर्भ), आणि "अंतर्गत प्रेरणा हरवणे" (परिणाम) यांच्यातील परस्परसंबंध लक्षात येतो. या टप्प्यात संकल्पनांची व्यवस्था आणि सुसंगती तयार होते (Corbin & Strauss, 2008).

क. सिलेक्टिव कोडींग (Selective Coding)

या अंतिम कोडींग टप्प्यात, संशोधक एक मुख्य "कोर श्रेणी (core category)" किंवा मध्यवर्ती संकल्पना निवडतो, आणि उर्वरित सर्व कोड्स तिच्याभोवती गुंफतो. उदा., "स्पर्धा-प्रधान शिक्षणसंस्था विद्यार्थ्यांचे मानसिक आरोग्य कसे प्रभावित करतात?" हे कोर प्रश्न असल्यास, त्याभोवती कोड्स — "दडपणाखाली अभ्यास", "अपेक्षांची चिंता", "स्व-ओळख गमावणे", इत्यादी — एकत्र बांधले जातात. या टप्प्यात सिद्धांताची चौकट अधिक स्पष्ट होते, आणि डेटा एकत्रितपणे एका मूळ निष्कर्षाच्या दिशेने वाहू लागतो (Charmaz, 2014).

3. सतत तुलनात्मक विश्लेषण (Constant Comparison Method)

ग्राउंडेड सिद्धांतामधील एक अत्यंत महत्त्वाचा घटक म्हणजे सतत तुलनात्मक विश्लेषण. यामध्ये नवीन मिळालेला डेटा सतत पूर्वीच्या कोड्स, कॅटेगरीज आणि संभाव्य सिद्धांताशी तुलना करत पुढील विश्लेषण होते. उदाहरणार्थ, जर एका विद्यार्थ्याने दबावामुळे झोपेचे विकार झाल्याचे सांगितले आणि दुसऱ्याने सांगितले की त्याला आत्महत्येचे विचार येतात, तर "दबावाचे मानसिक परिणाम" ही एकत्रित श्रेणी निर्माण होऊ शकते. ही पद्धत संकल्पनांची खोली, रुंदी आणि शुद्धता वाढवते (Glaser, 1978).

4. थिअरी जनरेशन (Theory Generation)

सर्व कोड्स, कॅटेगरीज, आणि कोर संकल्पनांना एकत्र गुंफून एक समजूतदार आणि "ग्राउंडेड" सिद्धांत तयार केला जातो. हा सिद्धांत केवळ अनुभवांवर आधारित नसतो, तर संशोधकाने शोधलेल्या वैविध्यपूर्ण संदर्भांची एक सुसंगत मांडणी असतो. सिद्धांतात विशिष्ट सामाजिक घटना किंवा वर्तनाचे स्पष्टीकरण असते, आणि तो भविष्यातील संशोधन व धोरणनिर्धारणासाठी उपयोगी ठरतो. उदा., वरील उदाहरणाच्या आधारे तयार झालेला सिद्धांत असे म्हणू शकतो: "भारतीय शहरी मध्यमवर्गीय कुटुंबांतील शैक्षणिक अपेक्षा विद्यार्थ्यांमध्ये मानसिक अस्वस्थता निर्माण करतात, विशेषतः जेव्हा वैयक्तिक स्वप्ने सामाजिक प्रतिमांच्या आहारी जातात."

वरील प्रत्येक टप्पा परस्परावलंबी असून, डेटा संकलन, विश्लेषण, आणि सिद्धांतनिर्मिती हे एकाच वेळेस गुंफलेले असतात. त्यामुळे ग्राउंडेड सिद्धांत ही एक स्पंदनशील आणि सर्जनशील संशोधन प्रक्रिया ठरते. तिच्या माध्यमातून सामाजिक वास्तवाच्या मुळाशी पोहोचून, अनुभवांवर आधारित सशक्त सिद्धांत तयार होतो.

मेमो राइटिंग (Memo Writing): एक अंतर्गत संवाद प्रक्रिया

ग्राउंडेड सिद्धांत पद्धतीमध्ये "मेमो राइटिंग" ही एक अत्यंत आवश्यक व सर्जनशील प्रक्रिया मानली जाते. संशोधनाच्या दरम्यान संशोधक जेव्हा मुलाखती घेतो, निरीक्षण करतो, किंवा कोडींग करतो, तेव्हा त्याच्या मनात विविध विचार, निरीक्षणे, प्रश्न आणि संकल्पना उद्भवतात. या सर्व प्रक्रियांचे लिखित स्वरूप म्हणजे "मेमोज". हे मेमोज म्हणजे संशोधकाचे "विचारांचे ट्रॅक रेकॉर्ड" असते (Charmaz, 2014).

उदाहरणार्थ, जर एखादा संशोधक ग्रामीण विद्यार्थ्यांच्या अभ्यास पद्धतींवर संशोधन करत असेल आणि त्याने निरीक्षणातून हे लक्षात घेतले की, परीक्षेपूर्वी धार्मिक पूजा किंवा ताबीज घेण्याची प्रथा सामान्य आहे, तर तो एक मेमो लिहू शकतो — "विद्यार्थ्यांच्या अभ्यासविश्वावर सांस्कृतिक श्रद्धा कशा परिणाम करतात?". हे विचार नंतर विश्लेषणाच्या टप्प्यावर मुख्य थीम्समध्ये विकसित होऊ शकतात.

मेमो राइटिंगमुळे संकल्पनांमध्ये स्पष्टता येते, आणि हे मेमोज पुढील कोडींग दरम्यान आधार ठरतात. संशोधक स्वतःला विचारतो – "हे निरीक्षण माझ्या सिद्धांताशी कसे जोडले जाते?", "हा डेटा नव्या प्रकारची अंतर्दृष्टी देतो का?", अशा प्रश्नांची उत्तरे शोधण्याची प्रक्रिया म्हणजे मेमो राइटिंग.

डेटा विश्लेषण साधने (Qualitative Data Analysis Tools)

ग्राउंडेड सिद्धांतमधील डेटाचे विश्लेषण हे एक गुंतागुंतीचे, बहुआयामी आणि सखोल कार्य असते. यामध्ये विविध मुलाखती, टिप्पण्या, दस्तऐवज, ऑडिओ किंवा व्हिडीओ डेटा यांचे व्यवस्थापन करणे, त्यांचे कोडींग करणे, त्यातून उगम पावणाऱ्या थीम्स ओळखणे आणि अखेरीस सिद्धांत उभारणे या सर्व टप्प्यांचा समावेश असतो. हे सर्व टप्पे प्रभावीपणे पार पाडण्यासाठी सॉफ्टवेअर टूल्सचा उपयोग उपयुक्त ठरतो.

उदाहरणार्थ, NVivo हे सॉफ्टवेअर मुलाखती, चॅट लॉग्स, आणि लेखी मजकूर यांचे कोडींग व थीम विश्लेषण करण्यासाठी वापरले जाते. त्यात "Word frequency", "Matrix coding", "Node comparison" अशा टूल्समुळे संशोधक डेटा मधील प्रतिमान (patterns) सहज ओळखू शकतो.

Atlas.ti हे सॉफ्टवेअर संकल्पनात्मक नेटवर्किंगसाठी प्रसिद्ध आहे. उदाहरणार्थ, जर संशोधक ग्रामीण महिलांच्या आरोग्यविषयक निर्णयांवर संशोधन करत असेल, तर "प्रभाव करणारे घटक" (पती, सासू, स्थानिक वैद्य, इ.) यांच्यातील संबंध Atlas.ti मध्ये ग्राफ स्वरूपात दर्शवता येतात. MAXQDA सुद्धा एक बहुपर्यायी सॉफ्टवेअर आहे जे कोडींग, विज्युअलायझेशन, आणि ट्रेंड विश्लेषणासाठी उपयुक्त ठरते, विशेषतः जेव्हा मोठ्या प्रमाणावर मजकूर डेटा हाताळायचा असतो.

वैधता आणि विश्वासार्हता (Validity and Trustworthiness)

गुणात्मक संशोधनात "वैधता" ही पारंपरिक प्रमाणशीरतेच्या चौकटीत न बसता, संशोधनाची विश्वासार्हता (trustworthiness) यावर आधारित असते. Lincoln आणि Guba (1985) यांनी या विश्वासार्हतेसाठी चार प्रमुख घटक मांडले आहेत:

• सुसंगती (Credibility): संशोधकाने मिळवलेली माहिती आणि सहभागींच्या अनुभवांमधील सुसंगती दर्शवणे. उदाहरणार्थ, सहभागींच्या प्रतिक्रिया त्यांच्या जीवनानुभवाशी जुळतात का, हे तपासणे.
• स्थानांतर्यता (Transferability): संशोधनाच्या निष्कर्षांचा अन्य संदर्भांत उपयोग होऊ शकतो का? उदाहरणार्थ, महाराष्ट्रातील ग्रामीण महिलांवरील अध्ययन गुजरातच्या आदिवासी भागांत कितपत लागू होते?
• सुस्पष्टता किंवा शोधनीयता (Auditability): संशोधकाच्या संपूर्ण प्रक्रियेचा दस्तऐवजीकरण इतका स्पष्ट असावा की दुसरा अभ्यासक तेच चरण पुन्हा पार पाडू शकेल.
• संकल्पनात्मक विश्वासार्हता (Dependability): प्रक्रिया किती स्थिर आणि पुनरुत्पादक आहे हे दाखवणे.

गुणात्मक संशोधनात संशोधकच साधन असतो, त्यामुळे पारदर्शकपणा, स्वयं-प्रत्यालोचन (reflexivity), आणि डेटा स्त्रोतांची विविधता (triangulation) या गोष्टी वैधता टिकवण्यासाठी महत्त्वाच्या ठरतात.

मर्यादा (Limitations of Grounded Theory)

ग्राउंडेड सिद्धांत ही अत्यंत खोलवर जाणारी आणि तपशीलवार विश्लेषण करणारी पद्धत आहे. मात्र, तिच्या काही मर्यादा आहेत:

• डेटा संकलन, त्याचे ओपन कोडींग, अ‍ॅक्सियल कोडींग, मेमो राइटिंग, आणि सिद्धांत निर्माण हे सर्व टप्पे वेळ घेणारे आहेत. काही वेळा एक मुलाखत कोड करायलाच अनेक तास लागतात.
• संशोधक स्वतः डेटा संकलन, विश्लेषण, व अर्थ लावणाऱ्या प्रक्रियेचा भाग असल्याने त्याचे पूर्वग्रह, अनुभव, सामाजिक स्थान यांचा परिणाम होण्याची शक्यता असते. उदाहरणार्थ, शिक्षक असलेल्या संशोधकाला विद्यार्थी मानसिक आरोग्याच्या प्रश्नात काही विशिष्ट पूर्वग्रह असू शकतो.
• ही पद्धत केवळ माहिती गोळा करण्याची नाही, तर त्या माहितीच्या पाठीमागच्या अर्थसंगती समजून घेण्याची आहे. म्हणूनच संशोधकाला समाजशास्त्रीय, मनोवैज्ञानिक आणि सांस्कृतिक आकलन असणे आवश्यक ठरते.

समारोप:

ग्राउंडेड सिद्धांत ही केवळ एक संशोधन पद्धती नसून, ती संशोधनाची संकल्पना, प्रक्रिया, आणि हेतू यांमध्ये मूळभूत परिवर्तन घडवणारी दृष्टी आहे. या पद्धतीने संशोधकांना समाजाच्या अंतर्भूत आणि अनेकदा दुर्लक्षित राहिलेल्या अनुभवांचे अर्थ लावता येतात. विगामी विश्लेषण, सतत तुलना, कोडींग प्रक्रिया, आणि थिअरी जनरेशन यासारख्या घटकांच्या साहाय्याने ग्राउंडेड सिद्धांत संकल्पना स्पष्ट करतच नाही, तर नव्या सिद्धांतांचे बीजही रोवतो. त्यामुळेच आजच्या बहुविध आणि गुंतागुंतीच्या सामाजिक वास्तवाच्या अभ्यासासाठी ग्राउंडेड सिद्धांत एक शक्तिशाली आणि प्रासंगिक साधन ठरतो.

(सर्व चित्रे आणि इमेजेस google वरून साभार)

संदर्भ:

Birks, M., & Mills, J. (2015). Grounded Theory: A Practical Guide. SAGE.

Charmaz, K. (2014). Constructing Grounded Theory (2nd ed.). SAGE Publications.

Corbin, J., & Strauss, A. (2008). Basics of Qualitative Research (3rd ed.). SAGE Publications.

Glaser, B. G. (1978). Theoretical Sensitivity. Sociology Press.

Glaser, B. G., & Strauss, A. L. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research. Aldine Publishing.

Strauss, A., & Corbin, J. (1998). Basics of Qualitative Research: Techniques and Procedures for Developing Grounded Theory (2nd ed.). SAGE Publications.

Strauss, A., & Glaser, B. (1965). Awareness of Dying. Aldine Transaction.