Data-analyse en interpretatie

In eerste instantie beoogt onze data-analyse zicht te krijgen op de sociale interactieprocessen tussen ouders aanwezig in de wachtzaal. In de literatuur kan onze methode van data-analyse gedeeltelijk worden samengevat onder de noemer ‘grounded theory’ (Turner, 1981). Dit is een algemene onderzoeksmethode die frequent wordt toegepast in kwalitatief onderzoek. Het betreft de systematische ontwikkeling van theoretische bevindingen uit de wederkerige processen van dataverzameling en data-analyse (Verstraete, Symon & Pereman, 2005). Grounded theory wordt veelvuldig aangewend bij observaties van face-to-face interacties binnen een sociale context (Turner, 1981). Er zijn veel verschillende manieren om een grounded theory vorm te geven (La Rossa, 2005).

Toch vertrekken we vanuit een aantal algemene uitgangspunten dewelke centraal staan bij de verschillende grounded theory methodieken (LaRossa, 2005). Zo zien we dat een grounded theory vertrekt vanuit het belang van taal in het sociale leven. Bijgevolg worden woorden of uitgeschreven observatievoorbeelden als indicatoren beschouwd waaruit een descriptief narratief of een theorie kan worden afgeleid (LaRossa, 2005).

Ten tweede is de basis van analyse een voortdurende codering van observatieonderdelen (LaRossa, 2005). Codering is het product van een continue vergelijking van observatiegegevens met elkaar (Mason, 1996). Ons proces van open codering is gebaseerd op het ‘Variabel-Concept-Indicator‘-model (LaRossa, 2005). De verschillende observatieverslagen geven de onderzoeker een grote hoeveelheid

aan gegevens. Via het toekennen van codes aan deze data, krijgt de onderzoeker er een beter zicht op. Eerst en vooral gaat de onderzoeker in zijn data op zoek naar observatievoorbeelden die gecodeerd kunnen worden als een ‘informatieve indicator’. Dergelijke indicatoren zijn woorden of kleine observatievoorbeelden die mogelijks nuttig zijn voor verdere analyse (LaRossa, 2005). Dit proces van microanalyse is tijdsrovend. De ene na de andere indicator dient immers aan een grondige analyse te worden onderworpen. Door de gelijkenissen en verschillen van meerdere indicatoren na te gaan, kunnen ze verder geclassificeerd worden. Wanneer een aantal indicatoren op basis van enkele gemeenschappelijke kenmerken onder eenzelfde noemer kunnen worden samengebracht, is er sprake van het ontwikkelen van een ‘concept’. Een dergelijk concept bevat een hogere graad van abstractie dan de indicatoren zelf (LaRossa, 2005). Wanneer enkele concepten prominent naar voren blijven komen uit de data-analyse, worden deze verder vergeleken met losstaande observatie-indicatoren. Wanneer geen nieuwe informatie meer vrijkomt uit het groeperen van indicatoren onder een bepaald concept, kunnen we stellen dat het concept theoretisch verzadigd is (Turner, 1981). Elk concept vereist meerdere indicatoren om dit punt van verzadiging te bereiken (LaRossa, 2005). Om onze grote hoeveelheid aan data beheersbaar te maken, is het noodzakelijk om deze verzadigde concepten verder te analyseren. Uit de vergelijking van deze concepten treden een aantal algemene ‘categorieën’ naar voren. Deze vertonen een nog hoger niveau van abstractie dan de concepten. Dit volledige coderingsproces wordt ook wel ‘cross-sectionele data-indexering’ genoemd (Mason, 1996). Kort samengevat houdt het in dat de onderzoeker in zijn observatieverslagen naar zo veel mogelijk voorbeelden op zoek gaat die bij eenzelfde concept en later bij een algemene categorie kunnen worden ondergebracht. Uit een eerste systematische analyse van de data in de observatieverslagen generaliseerden we op bovenvermelde wijze vier belangrijke categorieën betreffende de interactieprocessen tussen ouders in de wachtzaal.

De codering van de verschillende observatieverslagen gebeurde manueel. Het voordeel van een manuele codering is dat je als onderzoeker een goed overzicht houdt over de data omdat je alles zelf uitvoert. Nadelig aan een manuele codering is zijn tijdrovend karakter.

In ons onderzoek worden de vier interactiecategorieën verder geanalyseerd op basis van een ‘non-cross-sectionele data-analyse’. Bij deze analyse worden de thema’s verder uitgediept en wordt meer aandacht besteed aan een aantal voorbeelden en specifieke situaties uit de wachtzaal. Elk thema afzonderlijk wordt dan vanuit een specifieke optiek geanalyseerd. Het uiteindelijke doel van deze non- cross-sectionele analyse is om de lezers een beschrijvende analyse te geven van hoe de verschillende interactiethema’s binnen de wachtzaal vorm krijgen.

Door in het onderzoek gebruik te maken van zowel cross-sectionele als non- cross-sectionele data-indexering kan een eerste globaal overzicht van de observatiedata gevolgd worden door een verdere uitdieping van de diverse data. Cross-sectionele data-indexering alleen kan in het licht van onze

doelstellingen niet volstaan aangezien deze manier van coderen een beperkt verhelderend potentieel heeft wat de analyse van complexe sociale interactieprocessen betreft (Mason, 1996).

De keuze voor het rekruteren en uitdiepen van een beperkt aantal thema’s is een doelbewuste, pragmatische keuze. Indien we ons niet willen beperken tot een oppervlakkige data-analyse, is het onmogelijk alle aanwezige interacties in de wachtruimte in hun totaliteit te beschrijven. Omdat het begrip ‘interactie’ te abstract is, wisten we ons genoodzaakt om inhoudelijke keuzes te maken in onze analyse. Dankzij deze selectie konden we de gekozen thema’s uitvoerig belichten en interpreteren. Bij de analyse van de afzonderlijke thema’s kwamen immers nieuwe onderzoeksfocussen aan het licht. Op het einde van dit hoofdstuk vatten we deze kernachtig samen.

Vanuit de praktijk proberen we op een inductieve manier een beter inzicht te krijgen in de interactieprocessen van de wachtzaal. Pas na intensieve analyse van de grote hoeveelheid aan observatiedata traden deze in het voetlicht. Toch kan ons onderzoek niet uitsluitend als inductief worden gekarakteriseerd. Inductivisme wordt het vaakst bekritiseerd om het feit dat de onderzoeker op geen enkele manier in een theoretisch vacuüm kan handelen gedurende zijn onderzoek (Mason, 1996). Hoewel de concrete onderzoeksvragen en -focussen slechts vorm kregen doorheen de opeenvolgende observatie- en analysemomenten, werd er op voorhand aan de hand van een uitgebreide literatuurstudie reeds kennis gemaakt met literatuur over publieke ruimtes, sociale netwerken, sociale steun en individualisme.

Wij achtten het noodzakelijk om voor de aanvang van het onderzoek reeds kennis te hebben gemaakt met de voorhanden literatuur. LaRossa bemerkt immers dat de onderzoeker op die manier kan voorkomen het wiel opnieuw uit te vinden (LaRossa, 2005). Persoonlijke ervaringen en vroegere literatuurstudies spelen met andere woorden een belangrijke rol bij het kijken naar de onderzoeksvragen.

Om vooroordelen en theoretische beïnvloeding zo veel mogelijk te vermijden, trachtten we op het moment van de observatie afstand te nemen van deze voorkennis. Bij de analyse maakten we dan weer de terugkoppeling naar het theoretisch deel. Zo bleef de literatuurstudie doorheen het verdere onderzoek aan verandering onderhevig en werd er blijvend gezocht naar nieuwe literatuur die aansloot bij onze bevindingen.

We wezen er reeds op dat onze data-analyse slechts gedeeltelijk als grounded theory kan worden gekwalificeerd. Naast het open coderen, is ook axiale codering immers van belang wanneer we het hebben over grounded theory (LaRossa, 2005). Tijdens deze axiale coderingsfase worden er relaties gelegd tussen verschillende variabelen. Bij het bestuderen van variabelen gaat men met andere woorden op zoek naar oorzaken, contexten, gevolgen, covarianties en condities. Ons onderzoek gaat echter niet zo ver dergelijke relaties en verbanden tussen de diverse variabelen bloot te leggen.

Omdat het een eerste verkennend onderzoek betreft, proberen we globaal beeld te geven van de verschillende interactiethema’s op basis van een descriptieve weergave van de realiteit binnen de wachtzaal.