Intuitivni uvod u problem

Ovo je Deo IV u serijalu blog objava o osnovama istraživačkog dizajna. Raniji tekstovi bili su posvećeni istraživačkim pitanjima i istraživačkim hipotezama u kvantitativnim, kvalitativnim i pristupima na osnovu mešovitih metoda. Ovaj tekst pravi sledeći prirodan korak: objašnjava zašto ti elementi funkcionišu samo kada su usklađeni sa podacima i metodologijom. Drugim rečima, fokus se sada pomera sa pojedinačnih delova dizajna na logiku koja ih vezuje u jednu koherentnu studiju. Metodološka literatura dosledno tretira istraživački dizajn kao skup povezanih odluka, a ne kao gomilu odvojenih izbora, i naglašava važnost usklađenosti između svrhe, pitanja, metode i dokaza.

Zamislite planiranje poslovnog širenja. Ne biste napisali strategiju za to da za tri godine postanete nacionalni franšizni lanac (Istraživačko Pitanje), predvideli samo skromnu promenu u zadržavanju kupaca u jednom gradu (Hipoteza), prikupili dve nedelje podataka o prodaji iz jedne pilot-prodavnice (Podaci), a zatim izabrali sistem prognoziranja i optimizacije namenjen multinacionalnim maloprodajnim lancima (Metodologija). Ipak, upravo ovakav tip neusklađenosti u istraživanju javlja se mnogo češće nego što mnogi studenti pretpostavljaju. Svaki element zasebno može zvučati ozbiljno, ali zajedno ne čine izvodljivu studiju.

Zato je korisno ne misliti više samo u terminima triade, nego u terminima okvira Istraživačke Tetrade. Prvi element je Istraživačko Pitanje: šta pokušavate da saznate? Drugi je Hipoteza: šta predviđate da je odgovor, kada je predikcija primerena? Treći je Podaci: koje dokaze zaista imate ili realno možete prikupiti? Četvrti je Metodologija: kojom logikom, kojim dizajnom i kojim alatima ćete od podataka doći do odgovora? Kada su ova četiri elementa usklađena, studija postaje odgovoriva, verodostojna i metodološki odbranjiva. Kada se sudare, istraživanje počinje da se raspada.

Zašto je doslednost važna

Doslednost je važna zato što se istraživanje ne ocenjuje samo po sofisticiranosti metode ili eleganciji pisanja. Ocenu dobija po tome da li dizajn zaista omogućava da se postavljeno pitanje odgovori na odbranjiv način. Barroga i Matanguihan ističu da istraživačka pitanja i hipoteze razjašnjavaju glavnu svrhu i specifične ciljeve studije i da upravo iz toga proizlaze dizajn, pravac i ishod istraživanja. Booth i saradnici iz šire perspektive istraživačkog pisanja prave srodnu poentu: dobro istraživanje počinje onda kada su problem, dokaz i tvrdnja povezani kroz koherentnu argumentovanu strukturu, a ne samo naslagani jedni pored drugih.

U praksi to znači da snažno pitanje bez odgovarajućih podataka nije dovoljno. Duhovita ili teorijski zanimljiva hipoteza bez metode koja je može testirati nije dovoljna. Sofisticirana metodologija bez podataka odgovarajuće vrste nije dovoljna. Istraživački dizajn uspeva samo kada svaki element podržava ostale. U kvantitativnim studijama ove kolizije se često najlakše vide jer se neusklađenost brzo pokaže kroz promenljive, vremenske horizonte i statističke modele. Ali problem je širi od kvantitativnog istraživanja. Kvalitativne studije takođe se raspadaju kada njihova pitanja traže doživljeno značenje, a podaci su suviše tanki ili je metod suviše rigidan. Studije na osnovu mešovitih metoda se raspadaju kada se dve grane prikupe paralelno bez stvarne integracije. Princip je opšti, iako su ilustracije često kvantitativne.

Kolizije u Tetradu: Kada pitanje, hipoteza i podaci ne odgovaraju jedni drugima

1. Kada se Istraživačko Pitanje sudari sa Podacima

Vrlo česta kolizija nastaje kada istraživačko pitanje traži odgovor koji raspoloživi podaci nikako ne mogu podržati. Zamislimo istraživača koji pita: „Da li rad na daljinu trajno transformiše dugoročnu menadžersku efikasnost?“ a raspolaže samo jednom anketom zaposlenih iz jednog meseca i jedne firme. Pitanje je dugoročno i transformativno; podaci su kratkoročni i uski.

Sudaranje postaje očigledno čim se delovi stave jedan pored drugog. Istraživačko Pitanje pita o trajnoj transformaciji. Podaci hvataju samo kratak presek. Hipoteza, ako postoji, može predviđati dugoročan efekat, ali dokazi uopšte nisu dizajnirani da posmatraju trajnost. Rezultat je predvidiv: istraživač i dalje može proizvesti tabele, koeficijente ili tematske sažetke, ali dizajn ne može legitimno odgovoriti na postavljeno pitanje. Može govoriti o kratkoročnoj povezanosti ili trenutnom iskustvu, a ne o trajnosti. Ovo je klasičan primer preteranog dosega nastalog iz sudara pitanja i podataka.

Manja kvalitativna ilustracija istog problema bila bi pitanje: „Kako novonaseljene izbeglice rekonstruišu identitet tokom prvih pet godina po dolasku?“ uz samo jednu kratku rundu intervjua u prvom mesecu. Verzija mešovite metode bila bi tvrdnja da se proučava dugoročna adaptacija, ali uz kombinaciju jedne presečne (engl. cross-section) ankete i jedne fokusne grupe, iz čega se onda izvode razvojni zaključci. Dizajni se razlikuju, ali kolizija je ista: pitanje nadilazi dokaze.

2. Kada se Istraživačko Pitanje sudari sa Hipotezom

Druga kolizija nastaje kada istraživačko pitanje i hipoteza ne idu ka istom cilju zaključivanja. Uzmimo raniji primer iz objava o istraživačkim pitanjima: „Da li se učenici iz urbanih i ruralnih škola razlikuju po rezultatima na standardizovanom testu iz matematike?“ To je komparativno i fokusirano pitanje. Ali pretpostavimo da istraživač zatim napiše hipotezu: „Uključenost roditelja je glavni determinant matematičkog postignuća.“ Sada pitanje traži jedno poređenje, a hipoteza predviđa nešto sasvim drugo.

Ova vrsta kolizije je iznenađujuće česta zato što studenti često od dobrog pitanja prelaze na hipotezu koja odražava njihovu intuiciju, a ne preciznu logiku samog pitanja. Istraživačko Pitanje definiše metu. Hipoteza bi trebalo da tu metu prevede u očekivanje koje se može testirati i istražiti. Kada su neusklađeni, studija više ne zna na šta pokušava da odgovori. Rezultat je konfuzan dizajn: promenljive se biraju nedosledno, metod postaje nestabilan, a završna interpretacija luta između dva različita projekta. Creswell upravo zato istraživačka pitanja i hipoteze tretira kao različite, ali povezane elemente, jer jedno treba da raste iz drugog, a ne da ga potkopava.

Manja kvalitativna verzija ovog problema javlja se kada pitanje glasi „Kako studenti prve generacije tumače osećaj pripadanja?“ a radna propozicija unapred pretpostavlja da su institucionalne poruke presudan faktor. Verzija mešovitog modela nastaje kada kvantitativno pitanje pita o rasprostranjenosti, a integrativno očekivanje iznenada gura ceo projekat ka uzročnom objašnjenju koje nijedna grana zaista ne može da podrži.

3. Kada se Podaci sudare sa Hipotezom

Treća kolizija pojavljuje se kada hipoteza tvrdi nešto što stvarna struktura podataka ne može podržati. Uzmimo raniji primer o društvenim mrežama. Student može početi od sasvim razumnog pitanja: „Da li je među studentima osnovnih akademskih studija uzrasta od 18 do 24 godine dnevno vreme provedeno na društvenim mrežama zasnovanim na slikama povezano sa višim samoprijavljenim skorovima anksioznosti tokom semestra?“ Ali zatim hipoteza postane uzročna: „Veće dnevno vreme provedeno na društvenim mrežama zasnovanim na slikama izaziva višu anksioznost.“ Ako je skup podataka samo jedna presečna anketa, dizajn ne dozvoljava takvu uzročnu tvrdnju.

Ovde je kolizija između onoga što Hipoteza očekuje da pokaže i onoga što Podaci realno mogu da podrže. Podaci možda podržavaju povezanost, a ne uzročnost. Mogu pokazati grupnu razliku, a ne razvojnu promenu. Mogu podržati opis, a ne mehanizam. Rezultat nije samo „loše formulisana rečenica“. To je iskrivljena struktura zaključivanja. Istraživač može misliti da će problem rešiti tako što će ublažiti jezik u zaključku, ali u stvarnosti je kolizija već oblikovala izbor promenljivih, izbor modela i širinu interpretacije. Upravo zato metodološka literatura naglašava da hipoteze moraju odgovarati dizajnu i dokazima, a ne želji istraživača za snažnijom tvrdnjom.

Isti obrazac javlja se u kvalitativnom radu kada se studija zamišljena kao otvoreno istraživanje tretira kao da može dokazati jednu unapred zadatu propoziciju, i u radu sa mešovitim metodama kada je kvantitativna grana slaba, a integrisani zaključak se ipak piše kao da je triangulacija proizvela sigurnost. Forma se menja, ali osnovna kolizija ostaje ista.

Kako održati lanac usklađivanja

Najjednostavniji način da se usklađenost održi jeste da se istraživački dizajn tretira kao lanac, a ne kao meni. Počnite od pitanja, jer ono definiše cilj. Zatim pitajte da li je hipoteza uopšte primerena i, ako jeste, uverite se da odgovara istom problemu koji pitanje otvara. Posle toga pitajte kakvi podaci bi bili potrebni da se ta hipoteza proveri ili da se na to pitanje odgovori na pravi način. Tek nakon toga treba konačno birati metodologiju. Ovaj redosled je važan jer metodologija treba da služi pitanju kroz raspoložive dokaze, a ne obrnuto. Metodološki priručnici iznova tretiraju dizajn kao skup međusobno povezanih odluka koje moraju logički da pristaju jedna uz drugu.

Korisno pravilo jeste da sebi postavite četiri pitanja pre bilo kakve ozbiljnije analize. Šta tačno pokušavam da saznam? Šta tačno očekujem? Šta moji podaci zaista mogu da pokažu? Šta moja metoda zaista može da uradi sa tim podacima? Ako jedan odgovor zvuči veće, jače ili ambicioznije nego što preostala tri mogu da podrže, kolizija u Tetradu već postoji.

Ovde su i male korekcije važne. Ponekad je pravo rešenje sužavanje pitanja. Ponekad je to ublažavanje hipoteze iz uzročne u relacionu ili istraživačku. Ponekad je potrebno priznati da raspoloživi podaci omogućavaju samo opisnu ili istraživačku studiju. A ponekad je tačan odgovor metodološka skromnost: najbolji mogući dizajn za ograničene podatke i dalje može biti koristan, ali samo ako se ostatak Tetrada preoblikuje da mu odgovara.

Uvođenje metodologije u sliku

Ako prva tri elementa čine konceptualno jezgro studije, onda je metodologija vozilo koje voziter da biste od hipoteze i podataka stigli do odgovora. Ona definiše logiku, alate i proceduru puta. Ali metodologija je jedinstveno zavisna od podataka. U dobroj studiji metodologija se bira zato što je to najrigorozniji način da se hipoteza testira ili da se pitanje obradi pomoću podataka koji su stvarno dostupni. Kada se metodologija i podaci sudare, istraživački proces ne slabi samo malo. On staje.

Uzmimo jednostavan scenario iz oblasti menadžmenta. Istraživač pita da li program treninga liderstva poboljšava produktivnost tima tokom šest meseci, predviđa merljivo poboljšanje kod obučenih timova i prikuplja nedeljne podatke o rezultatima obučenih i uporednih timova. Do tog trenutka dizajn bi mogao podržati ponovljena merenja ili okvir mešovotog modela. Ali istraživač umesto toga bira metodologiju projektovanu za optimizaciju složenih mreža u stotinama firmi, koja zahteva promenljive i nivo složenosti koje skup podataka uopšte nema. Metodologija deluje impresivno u apstraktnom smislu, ali je nepodržana od strane Podataka.

Rezultat je metodološka paraliza. Problem nije samo u tome što je izabrani metod „previše napredan“. Problem je u tome što je akcija nemoguća u odnosu na realnost podataka. U kvantitativnom radu to se često javlja kao izbor modela koji traže pretpostavke, strukturu uzorka ili vremensku dubinu koje ne postoje. U kvalitativnom radu to se može javiti kada istraživač tvrdi da ima fenomenološku dubinu na osnovu nekoliko površnih tekstualnih odgovora. U radu sa mešovitom metodom to se može javiti kada se najavi ambiciozan integrativni dizajn, a nijedna grana nije dovoljno bogata za stvarnu integraciju. Fetters, Curry i Creswell su ovde korisni upravo zato što pokazuju da metod nije samo skup alata, nego logika dizajna koja mora odgovarati raspoloživim dokazima.

Koristeći istu strukturu kao ranije, metodološka kolizija može se izreći sasvim jasno. Scenario je studija sa razumnim pitanjem, hipotezom i podacima. Kolizija se pojavljuje kada metodologija traži više strukture nego što podaci mogu dati. Rezultat je da studija ne može doći od dokaza do odgovora na način na koji je obećala. Ako je Tetrad temelj, metodologija je akcioni krak tog okvira. Kada taj akcioni krak nije oslonjen na stvarnost podataka, čitav dizajn postaje nemoguć zadatak, a ne samo slabo istraživanje.

Rezime integrisanog okvira

Integrisani okvir može se sažeti vrlo jednostavno. Pitanje definiše cilj. Hipoteza definiše očekivanje. Podaci definišu realnost. Metodologija definiše akciju. Ako akcija nije podržana realnošću, cilj ostaje nedostižan. Ako očekivanje ne odgovara cilju, studija postaje nekoherentna. Ako je realnost suviše tanka za očekivanje, tvrdnja postaje naduvana. Na kraju, Tetrad nije dodatna metafora. To je minimalna logika odbranjive studije.

Zato usklađenost nije kozmetička vrlina. To je razlika između istraživanja koje može odgovoriti na sopstveno pitanje i istraživanja koje samo glumi ozbiljnost. Studija može sadržati podatke, tabele, intervjue, citate, modele, kôd i tehnički jezik, a da ipak ostane nemoguća na nivou dizajna. Kada se to desi, nikakva analitička sofisticiranost više ne može spasiti osnovnu kontradikciju. Najjače istraživanje često nije ono sa najnaprednijom metodom, već ono u kome pitanje, hipoteza, podaci i metodologija vuku u istom smeru.

Šta raditi kada su podaci ograničeni

U stvarnom istraživanju problem se često otkrije prekasno. Podaci su već prikupljeni, a tek tada istraživač shvati da je prvobitna ambicija bila veća nego što dokazi mogu da podrže. U tom trenutku rešenje je retko samo prilagođavanje metodologije. Mnogo češće, pitanje, hipoteza i metodologija moraju se revidirati zajedno. Ograničen skup podataka može zahtevati sužavanje dugoročnog pitanja u kratkoročno, promenu uzročne hipoteze u relacionu ili istraživačku, i zamenu složenog dizajna zaključivanja skromnijim, ali poštenijim metodom.

To nije neuspeh istraživačke discipline. To je deo istraživačke discipline. Dobri istraživači se ne drže tvrdoglavo neusklađenog dizajna iz ponosa. Oni ga preoblikuju tako da studija ponovo može dati odgovore. U kvalitativnom radu to može značiti prelazak sa velike tvrdnje o transformaciji na fokusiran prikaz ranog iskustva u određenom okruženju. U radu sa mešovitom metodom to može značiti pojednostavljivanje integrativne tvrdnje tako da odgovara onome što dve grane stvarno mogu doprineti. U kvantitativnom radu to često znači smanjenje inferencijalnog dometa studije tako da odgovara stvarnom vremenskom horizontu, uzorku i merenjima.

Ovde je korisna praktična kontrolna lista. Pre analize pitajte: Da li moji podaci zaista odgovaraju vremenskom horizontu pitanja? Da li moja hipoteza predviđa samo ono što dizajn može da pokaže? Da li moj metod traži više nego što mi podaci mogu dati? Ako je odgovor na bilo koje od ovih pitanja negativan, najbolje rešenje nije retorički optimizam. To je redesign kroz preformulisanje.

Dodatak: Mini studija slučaja na temu preoblikovanja radi postizanja usklađenosti

Da bismo ilustrovali kako se studija može preoblikovati radi jače usklađenosti, uzmimo scenario sa intervencijom u ishrani sa visokim sadržajem proteina.

Početno pogrešno postavljanje

Početno Istraživačko Pitanje: Da li ishrana sa visokim unosom proteina trajno transformiše dugoročni sportski potencijal i metaboličko zdravlje?

Podaci: Težina i vreme na 100m sprinta na Dan 1 i Dan 42 za eksperimentalnu i kontrolnu grupu.

Metodologija: Dizajn kontrolne grupe pre/posle testa.

Kolizija: Pitanje traži „trajnu“ i „dugoročnu“ promenu, ali podaci pokrivaju samo šest nedelja. Metodologija može pokazati da li se promena dogodila u tom intervalu, ali ne može dokazati trajnost ili dugoročnu transformaciju.

Preformulisani usklađeni primer

Da bi se problem ispravio, studiju treba preoblikovati tako da pitanje, hipoteza, podaci i metodologija odgovaraju istom okviru zaključivanja.

1. Istraživačko Pitanje (Cilj)
Kakav je efekat šestonedeljne dijetetske intervencije sa visokim unosom proteina na sastav tela i kratkotrajne fizičke performanse kod amaterskih sportista u poređenju sa kontrolnom grupom?

Ova formulacija funkcioniše zato što precizira vremenski horizont i ograničava ishode na ono što se zaista posmatra.

2. Istraživačka Hipoteza (Očekivanje)
Učesnici u eksperimentalnoj grupi će pokazati statistički značajno smanjenje procenta telesne masti i brže vreme sprinta na 100 metara u odnosu na kontrolnu grupu nakon 6-nedeljnog perioda intervencije.

3. Raspoloživi Podaci (Realnost)
Oznake grupa: eksperimentalna grupa naspram kontrolne.
Mere tela: težina ili procenat telesne masti mereno u 0. i 6. nedelji.
Performanse: Vremena sprinta na 100 m merena u 0. i 6. nedelji.

4. Metodologija (Akcija)
Linearni mešoviti model ili mešoviti ANOVA model.

Ovo odgovara zato što je metod dizajniran da poredi promenu kroz vreme između eksperimentalne i kontrolne grupe koristeći ponovljena merenja iz dve vremenske tačke.

Rezultat usklađivanja

Kada se pitanje ograniči na šestonedeljni intervencioni period, metodologija zaista može dati odgovor. Vozilo sada ima dovoljno goriva da stigne do odredišta. Studija više ne može tvrditi trajnost, ali može dati odbranjiv odgovor o kratkoročnim efektima intervencije. To nije odustajanje od rigoroznosti. To jeste rigoroznost.

Literatura

Barroga, E., & Matanguihan, G. J. (2022). A practical guide to writing quantitative and qualitative research questions and hypotheses in scholarly articles. Journal of Korean Medical Science, 37(16), e121. https://doi.org/10.3346/jkms.2022.37.e121

Booth, W. C., Colomb, G. G., Williams, J. M., Bizup, J., & FitzGerald, W. T. (2024). The craft of research (5th ed.). University of Chicago Press.

Creswell, J. W. (2014). Research design: Qualitative, quantitative, and mixed methods approaches (4th ed.). SAGE.

Fetters, M. D., Curry, L. A., & Creswell, J. W. (2013). Achieving integration in mixed methods designs—Principles and practices. Health Services Research, 48(6 Pt 2), 2134–2156. https://doi.org/10.1111/1475-6773.12117