Big Qual Data (Large-Scale Qualitative Data)

Podejście Big Qual Data wykazuje wysoką kompatybilność z założeniami Zarządzania Dowodowego (Evidence-Based Management, EBMnt), ponieważ umożliwia systematyczną analizę dużych zbiorów danych jakościowych w celu identyfikacji wzorców dowodowych występujących w komunikacji, procesach organizacyjnych oraz praktykach decyzyjnych. O ile tradycyjne badania jakościowe koncentrują się zwykle na pogłębionej analizie niewielkiej liczby przypadków, o tyle Big Qual Data pozwala rozszerzyć zakres obserwacji na tysiące dokumentów, wypowiedzi, postów, raportów czy opisów praktyk organizacyjnych, zachowując jednocześnie interpretacyjny charakter analizy.

Big Qual Data pozwala badać tysiące komunikatów, zachowując interpretacyjny charakter analizy jakościowej.

Z perspektywy EBMnt szczególne znaczenie ma fakt, że współczesne organizacje funkcjonują w środowisku nadmiaru danych i informacji. Problemem nie jest już dostęp do treści, lecz zdolność odróżniania informacji wartościowych od informacji pozornie wiarygodnych. W tym kontekście Big Qual Data staje się narzędziem umożliwiającym badanie nie tylko samych treści komunikacyjnych, lecz przede wszystkim sposobów wykorzystywania danych, doświadczeń, opinii ekspertów i wyników badań do uzasadniania twierdzeń, rekomendacji i decyzji.

 Yan Krukau | pexels.com

Przydatność Big Qual Data dla EBMnt wynika również z możliwości analizy struktur dowodowych występujących w dużych korpusach tekstów. W przeciwieństwie do analiz ilościowych, które koncentrują się głównie na częstotliwości występowania określonych zjawisk, analiza jakościowa dużych zbiorów danych pozwala identyfikować relacje pomiędzy kategoriami, sposoby budowania argumentacji, mechanizmy legitymizowania wiedzy oraz wzorce konstruowania wiarygodności. Dzięki temu badacz może analizować nie tylko to, jakie twierdzenia są formułowane, ale również na jakich podstawach są uzasadniane.

W logice Zarządzania Dowodowego szczególnego znaczenia nabiera możliwość identyfikacji różnych klas dowodów. Analiza dużych zbiorów danych umożliwia badanie sposobów wykorzystywania dowodów naukowych, danych organizacyjnych, doświadczeń eksperckich oraz informacji pochodzących od interesariuszy. Pozwala to na empiryczną ocenę, które źródła dominują w określonych środowiskach zawodowych oraz w jaki sposób wpływają na procesy podejmowania decyzji i budowania autorytetu.

Big Qual Data tworzy również warunki do badania zjawisk takich jak Evidence Washing, czyli pozornego wykorzystywania dowodów w celu zwiększenia wiarygodności komunikatów. Analiza dużych korpusów danych umożliwia identyfikację powtarzalnych wzorców argumentacyjnych, takich jak odwoływanie się do badań bez wskazywania źródeł, wykorzystywanie certyfikatów jako substytutów dowodów skuteczności czy prezentowanie danych pozbawionych kontekstu metodologicznego. Z perspektywy EBMnt stanowi to istotny obszar badań, ponieważ pozwala odróżniać komunikację opartą na dowodach od komunikacji jedynie wykorzystującej język nauki i profesjonalizmu.

Wykorzystanie oprogramowania CAQDAS, takiego jak MAXQDA, dodatkowo wzmacnia kompatybilność Big Qual Data z EBMnt. Narzędzia te umożliwiają budowę i rozwijanie ksiąg kodów, analizę współwystępowania kategorii, identyfikację struktur argumentacyjnych oraz tworzenie modeli teoretycznych na podstawie dużych zbiorów danych. W rezultacie Big Qual Data może pełnić rolę pomostu pomiędzy eksploracyjną analizą jakościową a rozwojem teorii średniego zasięgu dotyczących procesów wykorzystywania dowodów w organizacjach.

Z tego względu Big Qual Data można traktować jako jedno z kluczowych podejść metodologicznych wspierających rozwój Zarządzania Dowodowego. Pozwala ono bowiem nie tylko analizować pojedyncze przypadki, lecz również identyfikować powtarzalne mechanizmy wykorzystywania dowodów w skali niemożliwej do osiągnięcia w klasycznych badaniach jakościowych. Dzięki temu staje się narzędziem umożliwiającym empiryczne badanie jakości dowodów, procesów ich interpretacji oraz ich wpływu na decyzje podejmowane przez jednostki i organizacje.

więcej

O analizie witryn internetowych w logice EBMnt

Przez wiele lat strony internetowe traktowano głównie jako kanały komunikacyjne lub narzędzia marketingowe. W badaniach organizacyjnych często sprowadzano je do funkcji „wizytówki firmy”, ewentualnie źródła deklaracji strategicznych i treści promocyjnych. Tymczasem z perspektywy Evidence-Based Management (EBMnt) strona WWW może być rozumiana znacznie szerzej — jako wielowarstwowy artefakt organizacyjny zawierający dane o kulturze, modelu działania, sposobach budowania autorytetu, relacjach władzy, logice sprzedaży, architekturze komunikacyjnej i napięciach między deklaracjami a praktyką.

Wielowarstwowy artefakt organizacyjny zawierający dane.

W tym ujęciu witryna internetowa przestaje być jedynie „tekstem do przeczytania”. Staje się obiektem obserwacji metodologicznej.

Strona WWW zawiera bowiem jednocześnie kilka poziomów komunikacji. Pierwszy jest warstwą deklaratywną — organizacja mówi o swoich wartościach, misji, jakości, odpowiedzialności czy podejściu do klienta. Drugi poziom ma charakter operacyjny i ujawnia się w strukturze interfejsu, sposobie prowadzenia użytkownika, konstrukcji formularzy, architekturze uwagi, języku CTA, ilości bodźców sprzedażowych czy sposobie prezentacji dowodów społecznych. Trzeci poziom jest warstwą kulturową i obejmuje ukryte założenia dotyczące człowieka, relacji, autorytetu, efektywności lub kontroli.

To właśnie dlatego analiza stron WWW w logice EBMnt nie może ograniczać się do klasycznej analizy treści. Sama obecność określonych słów nie stanowi jeszcze dowodu określonego sposobu działania organizacji. 

Organizacja może deklarować transparentność, a jednocześnie projektować interfejs oparty na manipulacji uwagą użytkownika. 

Może mówić o partnerstwie i autonomii, jednocześnie stosując język silnej presji sprzedażowej lub architekturę komunikacyjną utrudniającą świadomy wybór. W praktyce oznacza to konieczność odejścia od redukcyjnego podejścia do danych internetowych. Strona WWW powinna być analizowana jako system komunikacyjny, a nie jedynie zbiór tekstów. Badacz obserwuje nie tylko „co organizacja mówi”, ale również „jak organizacja organizuje percepcję użytkownika”.

Między obserwacją a interpretacją

Z metodologicznego punktu widzenia szczególnie istotne staje się rozróżnienie między obserwacją a interpretacją. Obserwacją może być fakt występowania pięciu wyskakujących okien typu pop-up, automatycznego odtwarzania materiałów wideo lub wielokrotnych komunikatów o ograniczeniu czasowym oferty. Interpretacją będzie natomiast wniosek, że organizacja wykorzystuje mechanizmy presji poznawczej i architekturę niedoboru do zwiększania konwersji sprzedażowej. W logice EBMnt interpretacja wymaga więc nie tylko danych, ale również uzasadnienia epistemicznego.

To rozróżnienie staje się jeszcze ważniejsze przy pracy z narzędziami typu CAQDAS, takimi jak MAXQDA. Program może wspierać organizowanie danych, kodowanie narracji czy analizę relacji między kategoriami, ale nie eliminuje problemu interpretacyjnego. Kod nie jest obiektywną właściwością strony internetowej. Jest decyzją badacza dotyczącą tego, co uznał za znaczące.

Pojawia się tutaj także problem nadkodowania danych. Strony internetowe są strukturami niezwykle gęstymi informacyjnie — zawierają tekst, obraz, układ przestrzenny, animacje, mikrointerakcje, elementy UX, język sprzedażowy, symbole kulturowe i architekturę wizualną. Nadmierne kodowanie każdego elementu może prowadzić do iluzji głębokiej analizy, podczas gdy realna zdolność syntezy danych stopniowo zanika. W efekcie badacz zaczyna produkować coraz więcej kategorii, ale coraz mniej rozumie relacje między nimi.

Dlatego analiza strony WWW wymaga budowania świadomej architektury kodowania. Kategorie powinny wynikać z pytania badawczego, a nie z samej dostępności danych. W przeciwnym razie badanie łatwo przekształca się w chaotyczne kolekcjonowanie obserwacji bez możliwości budowania dowodów interpretacyjnych.

Z perspektywy EBMnt szczególnie interesujące okazuje się badanie napięć między warstwą deklaratywną a operacyjną organizacji. Strona WWW może deklarować „evidence-based approach”, ale nie przedstawiać żadnych źródeł, danych ani mechanizmów weryfikacji twierdzeń. Może mówić o „społeczności”, jednocześnie projektując komunikację całkowicie jednokierunkową. Może eksponować język troski, jednocześnie budując interfejs oparty na przeciążeniu bodźcami i ekonomii uwagi. W takim ujęciu witryna internetowa staje się nie tylko materiałem komunikacyjnym, ale także źródłem danych o rzeczywistym modelu poznawczym organizacji.

Istotne znaczenie ma również temporalność danych internetowych. Strony WWW są strukturami dynamicznymi — zmieniają się, aktualizują, znikają i rekonfigurują. Oznacza to konieczność dokumentowania dat pobrania materiału, archiwizacji wersji stron oraz zachowywania kontekstu obserwacji. W przeciwnym razie proces badawczy traci możliwość replikacji i transparentności. W praktyce badawczej analiza stron WWW może obejmować:

• analizę narracji organizacyjnych,
• analizę strategii perswazyjnych,
• analizę architektury decyzji użytkownika,
• analizę zgodności deklaracji z konstrukcją UX,
• analizę kultury organizacyjnej,
• analizę sposobów budowania autorytetu,
• analizę komunikacji kryzysowej,
• analizę evidence washing,
• analizę mechanizmów manipulacji poznawczej.

Szczególnie interesującym zjawiskiem staje się dziś właśnie evidence washing — sytuacja, w której organizacja używa języka „nauki”, „dowodów”, „badań” lub „eksperckości” głównie jako elementu budowania wiarygodności marketingowej, bez rzeczywistej transparentności źródeł i metodologii. Analiza stron WWW pozwala takie napięcia identyfikować wyjątkowo skutecznie.

Evidence washing — sytuacja, w której organizacja instrumentalnie podszywa się pod „naukowość”, używając słów takich jak badania, dowody czy ekspertyza wyłącznie jako dekoracji marketingowej, bez jakiejkolwiek realnej metodologii, weryfikowalnych źródeł czy transparentności.

W rezultacie strona internetowa przestaje być jedynie nośnikiem informacji. W logice EBMnt staje się przestrzenią obserwacji organizacyjnej, w której widoczne są zarówno deklarowane wartości, jak i ukryte mechanizmy działania systemu. I być może właśnie dlatego analiza WWW wymaga dziś nie tylko kompetencji technologicznych, ale również dojrzałości metodologicznej oraz świadomości, że każda architektura komunikacji jest jednocześnie architekturą wpływu. 

Jeśli organizacje nadużywają słów „badania”, „ekspertyza”, „analiza”, badacz jakościowy musi poświęcać więcej czasu na odróżnianie realnych danych od marketingowej dekoracji.

więcej

Baza Usług Rozwojowych w perspektywie Evidence-Based Management

Baza Usług Rozwojowych (BUR) stała się jednym z najważniejszych mechanizmów organizujących rynek usług szkoleniowych w Polsce. System miał zwiększyć dostęp do dofinansowania, uporządkować opisy usług oraz poprawić jakość procesów edukacyjnych. Z perspektywy Evidence-Based Management (EBMnt) BUR jest jednak czymś więcej niż platformą administracyjną. To środowisko produkcji danych, wskaźników i ocen, które dopiero potencjalnie mogą stać się dowodami jakości.

Kluczowy problem polega na tym, że dane nie są jeszcze dowodami. 

BUR generuje ogromną liczbę informacji: ankiety, opisy efektów uczenia się, procedury walidacji, wskaźniki aktywności czy deklaracje kompetencji trenerów. Samo istnienie tych danych nie oznacza jednak automatycznie, że system potrafi trafnie ocenić rzeczywistą skuteczność procesu uczenia się.

W praktyce bardzo łatwo dochodzi do utożsamienia wskaźnika z rzeczywistością. Wysoka ocena szkolenia nie musi oznaczać wysokiej jakości dydaktycznej. Uczestnik może pozytywnie ocenić usługę dlatego, że była łatwa, przyjemna lub atrakcyjna komunikacyjnie. Tymczasem rozwój kompetencji często wiąże się z wysiłkiem poznawczym, konfrontacją z błędami oraz zmianą dotychczasowych schematów działania.

Pojawia się więc klasyczny problem metodologiczny: system zaczyna mierzyć satysfakcję zamiast rzeczywistej zmiany kompetencyjnej. Dodatkowo ankiety ewaluacyjne obciążone są licznymi biasami poznawczymi — efektem świeżości, efektem autorytetu prowadzącego czy społeczną potrzebą udzielania pozytywnych odpowiedzi.

Kolejne ryzyko wiąże się z proceduralizacją jakości. Instytucje funkcjonujące w BUR uczą się języka systemu: poprawnego formułowania efektów uczenia się, tworzenia dokumentacji i projektowania zgodności proceduralnej. W efekcie organizacja może coraz skuteczniej spełniać wymagania formalne, niekoniecznie poprawiając rzeczywistą jakość procesu edukacyjnego.

To prowadzi do zjawiska „papierowej jakości”. Dobrze opracowana dokumentacja zaczyna zastępować realną ocenę skuteczności dydaktycznej. Powstaje rozdzielenie między jakością deklarowaną a jakością rzeczywiście przeżywaną przez uczestnika szkolenia.

Fot. Pat Whelen

Sytuację dodatkowo komplikuje rozwój generatywnej AI. Narzędzia sztucznej inteligencji pozwalają dziś szybko tworzyć profesjonalnie wyglądające opisy usług, efekty uczenia się czy raporty jakościowe. Problem pojawia się wtedy, gdy system ocenia głównie poprawność dokumentów, a nie rzeczywiste procesy uczenia się. 

Powstają wtedy organizacyjne „halucynacje jakości” — formalnie spójne reprezentacje rzeczywistości, które nie mają silnego zakorzenienia empirycznego.

Z perspektywy EBMnt oznacza to konieczność triangulacji danych. Ocena jakości usługi rozwojowej nie powinna opierać się wyłącznie na ankietach satysfakcji czy zgodności proceduralnej. Potrzebne stają się również dane o trwałości efektów uczenia się, transferze kompetencji do środowiska pracy, zmianie zachowań zawodowych oraz jakości rzeczywistych interakcji dydaktycznych.

BUR ujawnia więc szerszy problem współczesnych systemów jakości: nadmiar danych nie gwarantuje jeszcze lepszych decyzji. Im bardziej organizacje koncentrują się na wskaźnikach, tym większe ryzyko utraty kontaktu z rzeczywistym procesem uczenia się. Dlatego Evidence-Based Management nie powinno być rozumiane jako kultura nieustannego mierzenia, lecz jako kultura krytycznej interpretacji danych, świadomości ograniczeń metodologicznych oraz ciągłego odróżniania informacji administracyjnej od rzeczywistego dowodu jakości.

więcej