Wady badań narracyjnych i jak sobie z nimi radzić

Zrozumienie wad badań narracyjnych

Badania narracyjne zajmują charakterystyczne miejsce w metodologii jakościowej. Skupiają się na historiach, które ludzie opowiadają o swoich życiach, swoich doświadczeniach i sposobie, w jaki rozumieją otaczający ich świat. Badacze pracujący w tej tradycji czerpią z wywiadów, historii życiowych, relacji ustnych i materiałów autobiograficznych, aby zbudować głębokie, osadzone w kontekście zrozumienie doświadczenia ludzkiego. To podejście doprowadziło do przełomowych prac w edukacji, pielęgniarstwie, psychologii, pracy socjalnej i badaniach organizacyjnych.

Badania narracyjne niosą jednak rzeczywiste ograniczenia, które badacze muszą uczciwie stawiać czoła. To nie są powody, aby całkowicie unikać badań narracyjnych. To wyzwania, które wymagają przemyślanego projektu, przejrzystego raportowania i świadomości metodologicznej. Niezależnie od tego, czy piszesz propozycję rozprawy, bronisz swojej metodologii przed komisją, czy decydujesz, czy badania narracyjne pasują do twojego badania, zrozumienie tych wad wzmocni twoją pracę.

1. Subiektywność i błąd badacza

Badania narracyjne są z natury interpretacyjne. Badacz nie po prostu zbiera historie i je raportuje. Wybierają które historie zawrzeć, decydują jak interpretować znaczenie, i wydają osądy o tym co ma znaczenie w każdej narracji. To tworzy wiele warstw subiektywności. Uczestnik daje subiektywne konto. Badacz następnie stosuje swój własny subiektywny obiektyw do interpretacji tego konta.

Krytycy argumentują, że ta podwójna subiektywność sprawia, że badania narracyjne są podatne na błąd potwierdzenia. Badacz, który wchodzi w pole badawcze z silnymi założeniami na temat tego, co znaczą doświadczenia uczestników, może nieświadomie ukształtować analizę, aby pasowała do tych założeń. Historie wybrane do wyeksponowania, zidentyfikowane tematy i wyciągnięte wnioski mogą odzwierciedlać perspektywę badacza równie mocno, co uczestników.

Badacze rozwiązują to poprzez refleksyjność, co oznacza systematyczne badanie i dokumentowanie własnej pozycjonowania, założeń i wpływu na proces badawczy. Prowadzenie dziennika refleksyjnego, angażowanie się w dyskusję partnerów i użycie sprawdzania członkami wszystko pomaga ujawnić i zarządzić stronniczością badacza. Te praktyki nie eliminują subiektywności, ale czynią ją widoczną i odpowiedzialną.

2. Małe próbki ograniczają uogólnialność

Badania narracyjne zwykle pracują z bardzo małymi próbkami. Badanie narracyjne może obejmować od trzech do dziesięciu uczestników, a niektóre analizy przypadków narracyjnych skupiają się na historii tylko jednej osoby. Ta głębia to cały punkt. Badacze narracyjni argumentują, że zrozumienie doświadczenia jednej osoby w bogatych szczegółach generuje wglądy, których szersze ankiety nie mogą uchwycić.

Jednak małe próbki oznaczają, że wyniki nie mogą być uogólniane na większe populacje w sensie statystycznym. Badanie narracyjne doświadczeń pięciu nauczycieli z zawodowym wypaleniem zawodowym daje wiele informacji o tych pięciu nauczycielach, ale nie mówi o rozpowszechnieniu wypalenia zawodowego w zawodzie lub czy obserwowane wzorce dotyczą nauczycieli w różnych kontekstach.

Badacze narracyjni rozwiązują to, ramując swoje wkład w kategoriach transferowalności, a nie uogólnialności. Dostarczają gęste opisy, które pozwalają czytelnikom ocenić, czy ustalenia mogą mieć zastosowanie w innych kontekstach. Niektórzy także używają pojęcia “resonancji,” twierdząc, że dobrze opowiadane badanie narracyjne pomaga czytelnikom rozpoznać wzorce w ich własnym doświadczeniu, nawet jeśli próba jest mała.

3. Czasochłonna gromadzenie i analiza danych

Badania narracyjne to jedno z najbardziej pracochłonnych podejść jakościowych. Zbieranie danych często obejmuje wiele pogłębionych wywiadów z każdym uczestnikiem, czasami prowadzonych przez tygodnie lub miesiące. Budowanie zaufania i porozumienia niezbędnego do tego, aby uczestnicy dzielili się głęboko osobistymi historiami, wymaga czasu, którego nie można skompresować.

Analiza jest równie wymagająca. Analiza narracyjna wymaga bliskiego czytania, ponownego czytania i zaangażowania interpretacyjnego z każdą historią. Badacze muszą zwrócić uwagę na strukturę fabuły, sekwencję czasową, punkty zwrotne, postacie i związek między tym, co jest powiedziane, a tym, jak jest powiedziane. W przeciwieństwie do analizy tematycznej, gdzie można stosunkowo szybko kodować uczestników, analiza narracyjna wymaga, aby historia każdego uczestnika była zrozumiana na jego własnych warunkach, zanim rozpocznie się jakiekolwiek porównanie między przypadkami.

Narzędzia AI mogą pomóc w najbardziej czasochłonnych częściach tego procesu. Mówić automatyzuje transkrypcję, dzięki czemu badacze nie spędzają godzin na konwertowaniu nagrań na tekst. Po transkrypcji, AI Chat może pomóc w identyfikacji elementów strukturalnych w narracjach i wskazać na wzorce warte dalszej eksploracji. Praca interpretacyjna pozostaje odpowiedzialnością badacza, ale przygotowanie mechaniczne przebiega znacznie szybciej.

4. Trudność w weryfikacji kont uczestników

Badania narracyjne polegają na samodzielnie zgłaszanych przez uczestników historiach, a ludzie nie zawsze opowiadają historie, które są faktycznie dokładne. Pamięć ma charakter rekonstrukcyjny. Ludzie zapominają szczegóły, kompresują osie czasu i czasami przekształcają zdarzenia, aby pasowały do narracji, którą chcą sobie opowiedzieć. W niektórych przypadkach uczestnicy mogą celowo pominąć lub przesadnie opisać części swoich historii.

To tworzy problem weryfikacji. Badacz zwykle nie może niezależnie potwierdzić, czy zdarzenia miały miejsce dokładnie tak, jak zostały opisane. Jeśli uczestnik mówi, że został pominięty przy awansie ze względu na dyskryminację, badacz nie może zweryfikować procesu decyzyjnego pracodawcy. Historia to dane, a badacz musi pracować z tym, co dzielą się uczestnicy.

Wielu badaczy zajmujących się narracją argumentuje, że dokładność faktyczna nie jest celem. Chodzi o zrozumienie, w jaki sposób ludzie nadają znaczenie swoim doświadczeniom, a nie o ustalenie obiektywnego zapisu tego, co się stało. Sposób, w jaki ktoś opowiada swoją historię, ujawnia jego tożsamość, wartości i procesy tworzenia znaczenia, niezależnie od tego, czy każdy szczegół jest dokładnie prawidłowy. Badacze, którzy chcą dodatkowej weryfikacji, mogą triangulować dane narracyjne z dokumentami, obserwacjami lub innymi źródłami danych.

5. Wyzwania związane z reprezentacją i dynamiką władzy

Badania narracyjne podnoszą trudne pytania dotyczące tego, kto ma prawo opowiedzieć czyjaś historię i jak ta historia jest reprezentowana w ostatecznym produkcie badawczym. Badacz nieuchronnie kształtuje narrację poprzez swoje wybory dotyczące kadrowania, edycji i interpretacji. Uczestnicy mogą nie rozpoznać swoich doświadczeń na koncie badacza, lub mogą czuć, że ważne aspekty ich historii zostały utracone.

Dynamika władzy jest szczególnie ważna, gdy badacze pracują między linią rasy, klasy, płci lub innych pozycji społecznych. Badacz z uprzywilejowanym pochodzeniem badający narracje marginalizowanych społeczności musi być szczególnie ostrożny o to, czego głos dominuje w ostatecznym tekście. Istnieje rzeczywiste ryzyko przywłaszczenia sobie historii uczestników lub narzucenia ram interpretacyjnych, które nie pasują do ich rzeczywistości życiowej.

Podejścia kolaboracyjne i partycypacyjne pomagają rozwiać te obawy. Niektórzy badacze narracyjni dzielą się swoimi interpretacjami z uczestnikami w celu otrzymania opinii i poprawek. Inni zaangażowują uczestników jako współ-analityków lub współ-autorów. Te praktyki dodają czasu i złożoności procesowi badawczemu, ale dają bardziej etyczne i godne zaufania wyniki.

6. Brak ustandaryzowanych procedur

W przeciwieństwie do teorii zakorzenionej lub interpretatywnej analizy fenomenologicznej, badania narracyjne nie mają jednego, szeroko uzgodnionego zestawu procedur analitycznych. W badaniach narracyjnych istnieje wiele tradycji, w tym analiza strukturalna Labova, podejścia dialogowe i performatywne Riesmanna, rama badań narracyjnych Clandinin i Connelly’ego oraz różne metody historii życia. Każda tradycja ma swoje własne założenia, procedury i kryteria jakości.

Ta elastyczność jest częścią tego, co czyni badania narracyjne potężnymi. Można je dostosować do różnych pytań badawczych i kontekstów dyscyplinarnych. Ale brak standaryzacji oznacza również, że recenzenci i członkowie komisji mogą mieć trudności z oceną jakości badania narracyjnego, jeśli nie są zaznajomieni z określoną tradycją, która jest używana. Badanie oceniane według kryteriów teorii zakorzenionej będzie wyglądać słabo, ponieważ badania narracyjne działają całkowicie inną logiką.

Badacze mogą rozwiązać ten problem, będąc wyraźnie stwierdzić, którą tradycję narracyjną podążają, cytując literaturę metodologiczną wspierającą ich podejście i jasno artykułując swoje kryteria jakości. Przejrzystość dotycząca decyzji analitycznych pomaga czytelnikom ocenić pracę na jej własnych warunkach.

7. Potencjał do nadinterpretacji

Ponieważ analiza narracyjna jest głęboko interpretacyjna, istnieje ryzyko czytania więcej w historii uczestników niż dane obsługują. Badacz może przypisać symboliczne znaczenie mimochodowemu komentarzowi, skonstruować rozbudowaną strukturę interpretacyjną wokół pojedynczej frazy lub narzucić łuk narracyjny, którego uczestnik nie zamierzył. Granica między wnikliwą interpretacją a przepadkowaniem interpretacji nie zawsze jest jasna.

To ryzyko wzrasta, gdy badacze pracują sami bez sprawdzenia recenzji rówieśniczej lub analizy opartej na zespole. Pojedynczy badacz zagłębiony w małą liczbę narracji może stać się tak blisko danych, że utraci perspektywę na to, co historie rzeczywiście wspierają, w stosunku do tego, co nałożył poprzez interpretację.

Debata międzypartnerów, szlaki audytu i sprawdzanie członkowskie służą jako zabezpieczenia przed nadinterpretacją. Praca z zespołem badawczym, w którym wiele osób niezależnie czyta i interpretuje te same narracje, może ujawnić różnice interpretacyjne i popychać analizę w kierunku bardziej obronnych wniosków.

8. Trudność w powtarzaniu wyników

Badania narracyjne dają wyniki, które są głęboko powiązane z konkretnymi uczestnikami, kontekstami i badaczem zaangażowanym w badanie. Inny badacz badający tych samych uczestników prawdopodobnie by wyprodukował różne interpretacje, ponieważ wnoszą różne pozycjonowanie, zobowiązania teoretyczne i zdolności analityczne do pracy. To nie jest wada metodologii. To fundamentalna cecha badań interpretatywnych.

Jednak stwarza to wyzwania, gdy interesariusze oczekują odtwarzalności jako markera jakości. Finansiści, decydenci polityczni i recenzenci wytrenowani w tradycjach pozytywistycznych mogą postrzegać niepowtarzalne wyniki jako niewiarygodne. Naukowcy zajmujący się narracją muszą być przygotowani do wyjaśnienia, dlaczego odtwarzalność nie jest odpowiednim kryterium ich pracy i jakie kryteria powinny być używane zamiast tego, takie jak wiarygodność, rezonans, spójność i uczciwość etyczna.

9. Złożoność etyczna związana z wrażliwymi historiami

Badania narracyjne często dotyczą głębokich, wrażliwych i czasem traumatycznych doświadczeń. Uczestnicy mogą dzielić się historiami o przemocy, stracie, dyskryminacji lub chorobie, które wymagają ostrożnego postępowania etycznego. Rozszerzony, oparty na relacjach charakter zbierania danych narracyjnych oznacza, że uczestnicy mogą ujawnić więcej niż początkowo zamierzali, co rodzi pytania dotyczące świadomej zgody jako procesu ciągłego, a nie jednorazowego zdarzenia.

Anonimizacja danych narracyjnych jest również trudniejsza niż anonimizacja odpowiedzi na ankiety. Historie zawierają szczegółowe informacje, lokalizacje, relacje i zdarzenia, które mogą zidentyfikować uczestników nawet gdy zmienią się nazwy. Naukowcy muszą zbalansować potrzebę zachowania bogatości narracji z obowiązkiem ochrony poufności uczestnika.

10. Napięcie między indywidualnymi historiami a szerszymi tezami

Badania narracyjne dają priorytet indywidualnym doświadczeniom. Siła tego podejścia leży w szanowaniu złożoności i specyfiki każdej opowieści danej osoby. Jednak od badaczy oczekuje się często szerszych twierdzeń, które wykraczają poza poszczególne przypadki. To tworzy napięcie między wiernością indywidualnym narracjom a syntetyzowaniem w ich poprzek w celu uzyskania bardziej ogólnych wglądów.

Analiza narracyjna porównawcza jest możliwa, ale wymaga ostrożnej uwagi na to, co się zyskuje i traci w procesie. Synteza narracji ryzyka spłaszczenia indywidualnych różnic na rzecz wspólnych tematów. Pozostanie przy poszczególnych przypadkach zachowuje bogactwo, ale ogranicza zakres wkładu. Badacze muszą być przejrzyści w kwestii poziomu analizy, którą przeprowadzają, i jakie kompromisy to wiąże.

Jak narzędzia AI pomagają rozwiązać ograniczenia badań narracyjnych

Kilka z najbardziej czasochłonnych aspektów badań narracyjnych może być wspierana przez narzędzia AI bez narażania rygoru interpretacyjnego, który czyni metodologię wartościową. Analiza rozmów napędzana AI wykonuje transkrypcję w minutach zamiast godzin, dając badaczom więcej czasu na głęboką lekturę i interpretację, którą wymaga analiza narracyjna.

Narzędzia AI Chat mogą również pomóc w detekcji wzorców międzynarracyjnych. Pracując z opowieściami wielu uczestników, badacze mogą użyć AI do zidentyfikowania powtarzających się elementów strukturalnych, wspólnych punktów przełomowych lub wspólnych wzorów języka w narracjach. To nie zastępuje pracy interpretacyjnej badacza, ale zapewnia wstępną warstwę analizy, którą można zbadać i udoskonalić.

Narzędzia kodowania jakościowego ze wsparciem AI może systematycznie flagować potencjalne tematy i kody w danych narracyjnych, pomagając badaczom upewnić się, że nie pomijają wzorców, które wykraczają poza ich wstępne oczekiwania. Jest to szczególnie przydatne jako sprawdzenie przed błędem potwierdzenia, jedną z najczęściej cytowanych wad badań narracyjnych.