«Полуколичественные исследования». Часть II

Тем не менее заходы на шкальные измерения в интервью могут быть осмысленны, при условии что мы действуем именно в качественной, а не в количественной логике.

🦾 Шкала как нарративный стимул. Оценка нужна не сама по себе — лишь чтобы пустить разговор по новому руслу: «А как вы решили, что именно 7, а не 9? А что должно произойти, чтобы стало 10? Вообще, хотя бы какой-то X вы оценили на десятку?» Своеобразный извод лэддеринга, при котором число становится точкой входа в беседу о ценностях, ожиданиях, опыте. Само число после интервью ничто не мешает выбросить: аналитически работает то, что возникло после вопроса «Почему?», «Как?». Некоторым людям вообще проще начинать рефлексию с опорой на измеримое. (Недаром так моден концепт quantified self.)

🦾 Ранжирование и сравнение внутри одного интервью (или фокус-группы, но с ними отдельная история). Если респондент сопоставляет альтернативы между собой — бренды, сценарии использования, атрибуты продукта, — их развесовка вполне себе применима. Внутрииндивидуальные измерения будут существенно устойчивее межиндивидуальных: у респондента есть собственная внутренняя шкала, пусть и несопоставимая с чужой. Сюда же отнесу pre/post измерения в пределах одной встречи: оценка до демонстрации прототипа и после, до и после обсуждения сценария. Референс у респондента — он сам, и это-то и делает сравнение содержательным. Только, само собой, выводы опять же не могут, не должны быть даны в логике «60% участников всех трёх фокус-групп после дискуссии с использованием проективных методик оценили на 2 и более баллов выше, чем в начале». Снова: не пытаемся родить статистику из ниоткуда.

🦾 Использование числовых ответов как эвристики для работы над материалом в качественной парадигме. Утрирую: разделили информантов на «высоко оценивших» и «низко оценивших» — и дальше качественно смотрим, чем отличаются их нарративы, практики, референтные фреймы. Но важно, что число тут служит подсобным инструментом организации анализа, никак претендуя на статус конечного результата. Инструментом внутренней дисциплины себя как аналитика — в конечном счёте защитой от того, чтобы вкрячить в презентацию три любимые цитаты вместо интерпретации всего массива. В сильной форме виде эту логику развивали Беккер и Максвелл (quasi-statistics) — см. например, статью Using Numbers in Qualitative Research; я сторонник более мягкой, в соответствии с которой даже с опорой на quasi-statistics мы не рассуждаем о материале качественного исследования в категориях «больше», «меньше», «обычно».

🦾 Наконец, количественные показатели действительно уместны в работе с уже закодированным материалом в русле grounded theory: частоты категорий и свойств после открытого и осевого кодирования и пр. для проверки насыщенности, плотности концептов, стабильности категорий. Но это уже не касается шкальных оценок от респондентов напрямую.

Сам я избегаю в результатах качественных исследований даже осторожных по форме и по факту-то правдивых ассерций вида «21 из 30 информантов считают, что…». А уж как только в отчёте оказывается столбиковая диаграмма по n=30, заказчик воспринимает такой артефакт как опрос, и никакие методологические оговорки уже не помогают.

Так что — mind the digits, be careful 🖤🌚