Representativitet og generalisering i kvalitativ forskning: En analyse av prinsipper og utfordringer
Kvalitativ forskning, som ofte anvender metoder som fokusgrupper og dybdeintervjuer, har lenge stått overfor spørsmålet om representativitet og generalisering. Mens kvantitativ forskning baserer generalisering på sannsynlighetsutvalg, bygger kvalitative tilnærminger på andre prinsipper for å skape innsikt som kan være overførbar til bredere målgrupper. Marjan Nadim presenterte en grundig analyse av generalisering i kvalitativ forskning, der hun også tok opp hvordan analytiske kategorier kan utfordre vår forståelse av representativitet.
Tre posisjoner i debatten om generalisering i kvalitativ forskning
- Generalisering er ikke ønskelig eller mulig
Enkelte forskere, som Denzin (1983) og Lincoln & Guba (2000), argumenterer for at kvalitativ forskning handler om det unike og kontekstspesifikke. Funnene er spesifikke for hvert case og skal ikke generaliseres, men kan gi innsikt som er nyttig i lignende situasjoner. - En annen form for generalisering
Denne posisjonen går inn for “naturalistisk generalisering”, som er analytisk og teoretisk. Det handler om å identifisere prosesser eller mekanismer som kan være relevante på tvers av situasjoner, ikke nødvendigvis empirisk representativitet. Styrken og logikken i analysen og resonnementet blir viktigere enn utvalgets størrelse eller representativitet. - Generalisering er ønskelig og mulig
Denne posisjonen hevder at generalisering kan være mulig uten sannsynlighetsutvalg. Ved å velge caser strategisk, for eksempel ved å bruke typiske eller kritiske caser, kan forskere oppnå en form for representativitet som er anvendelig for bredere analyser. Dette krever at forskeren er bevisst på hvordan casene utvelges og på hvilken populasjon de er typiske eller atypiske for.
Ulike logikker for ikke-sannsynlighetsutvalg
I kvalitative studier må utvalg baseres på logikker som gir mening i konteksten. Noen eksempler er kritiske caser, maksimum bredde, eller typiske caser, som alle kan bidra til en form for generalisering uten å være statistisk representative. Målet er å oppnå dyp forståelse for fenomenets variasjoner.
Overførbarhet og validitet
Nadim understreker viktigheten av å vurdere overførbarhet. Forskere kan enten ignorere utfordringen (som er den mest vanlige strategien), sikre intern validitet ved å beskrive casene så detaljert at leseren kan vurdere relevansen selv, eller gjøre eksplisitte vurderinger av ekstern validitet. Dette siste krever en sammenligning av likheter og forskjeller mellom case og målpopulasjon, som kan gi grunnlag for overføring av funn.
Analytiske kategorier og generalisering
En viktig utfordring i kvalitativ forskning er bruken av “standardkategorier”, som ikke alltid reflekterer sosialt relevante grupper. For å unngå overforenkling, anbefaler Nadim å bruke kontekstspesifikke kategorier som gir en dypere innsikt i hvordan fenomenet oppleves og forstås i sin spesifikke kontekst. Det er ikke alltid opplagt hvilke forskjeller som er relevante, noe som gjør kontekstforståelse avgjørende.
Konklusjon
For å oppsummere påpekte Nadim at kvalitativ forskning kan og bør generalisere, men at forskerne må gjøre det på en bevisst og stringent måte. I kvalitativ forskning ligger overføringsverdien i det logisk generaliserbare, snarere enn det statistisk representative. Dette krever en grundig vurdering av utvalgets egenskaper, en klar forståelse av casens kontekst, og et eksplisitt forhold til hvilke generaliseringer som kan gjøres på bakgrunn av de analytiske kategoriene. Nadims gjennomgang utfordrer både kvalitativ- og kvantitativ-orienterte forskere til å reflektere over sine metoder for generalisering og til å utvikle en dypere forståelse av hvordan innsikt fra et begrenset antall caser kan være relevant for bredere populasjoner.
Annonse
Annonse
