Sunteți pe pagina 1din 30

Analiza calitativă | 104

Capitolul 13

Analiza Calitativă

Analiza calitativă este analiza datelor calitative, cum ar fi date de text din transcrierile interviului.
Spre deosebire de analiza cantitativă , care este statistică acționată și în mare mă sură independentă de
cercetă tor, analiza calitativă este puternic dependentă de aptitudinile integrative și analitice alte
cercetă torului și cunoștințele personale privind contextul social de unde se colectează datele. Accentul în
analiza calitativă este pe „decodarea sensuluiˮ sau înțelegerea unui fenomen, mai degrabă decâ t pe
prezicere sau explicare. Este nevoie de un spirit de investigație și creativ pentru analiza calitativă , pe baza
unei atitudini luminate din punct de vedere etic și participantă – la- context și un set de strategii analitice.
Acest capitol oferă o privire generală scurtă asupra câ torva dintre aceste strategii de analiză calitativă .
Cititorii interesați sunt rugați să consulte referințe mai detaliate și cu mai multă autoritate, precum cartea
de seminar a lui Miles și Huberman (1984)10 legată de acest subiect.

Teorie Întemeiată
Cum se poate analiza un set vast de date calitative obținute prin observarea participantului,
interviuri aprofundate, grupuri – țintă, narațiuni ale înregistră rilor audio/video sau documente secundare?
Una dintre aceste tehnici pentru analizarea datelor de texte o reprezintă teoria întemeiată – o tehnică
inductivă de interpretare a datelor înregistrate despre un fenomen social pentru a construi teorii despre
acel fenomen. Tehnica a fost dezvoltată de că tre Glaser și Strauss (1967) 11 în metoda lor de analiză
comparativă constantă a cercetă rii teoriei întemeiate și perfecționată ulterior de Strauss și Corbin (1990)12
pentru a ilustra mai mult tehnicile de codificare specifică – un proces de clasificare și așezare pe categorii a
segmentelor de date de text într-un set de coduri (concepte), categorii (construcții) și relații. Interpretă rile
sunt „înră dă cinateˮ (sau bazate pe) date empirice observate, și de aici și numele. Pentru asigurarea că
teoria este bazată doar pe dovezile observate, abordarea teoriei întemeiate le cere cercetă torilor să
suspende orice ...teoretice preexistente....

În continuare, concepte asemă nă toare se grupează în categorii de nivel mai ridicat. Deși
conceptele ar putea fi specifice contextului, categoriile tind să fie mai largi și generalizabile și evoluează în
final în construcții într-o teorie întemeiată. Este nevoie de categorii pentru a scă dea cantitatea de concepte
cu care trebuie să lucreze cercetă torul și pentru a construi o „imagine de ansambluˮ a chestiunii dominante
pentru a înțelege un fenomen social. Gruparea în categorii se poate realiza prin faze, prin combinarea
Analiza calitativă | 105

conceptelor în subcategorii și apoi subcategoriile în categorii de nivel mai ridicat. Construcțiile din
literatura existentă se pot folosi pentru numirea acestor categorii, în special dacă obiectivul cercetă rii este
să extindă teoriile actuale. Cu toate acestea, trebuie avută grijă în timpul folosirii construcțiilor existente,
întrucâ t aceste construcții ar putea aduce cu ele convingeri deținute în comun și erori sistematice. Pentru
fiecare categorie, caracteristicile sale (sau proprietă țile) și dimensiunile fiecă rei caracteristici ar trebui
identificate. Dimensiunea reprezintă o valoare a unei caracteristici de-a lungul unui continuu. De exemplu,
o categorie de „mijloace de comunicareˮ ar putea avea o caracteristică numită „viteză ˮ, care poate fi
dimensionalizată ca rapidă , medie sau mică. Această grupare pe categorii ajută la diferențierea dintre
diferite tipuri de mijloace de comunicare și le permite cercetă torilor să identifice tipare în date, cum ar fi ce
mijloace de comunicare se folosesc pentru ce tipuri de sarcini.

A doua fază a teoriei întemeiate este reprezentată de codificarea axială, unde categoriile și
subcategoriile sunt reunite în legă turi cauzale sau ipoteze care pot explica provizoriu fenomenul de
interes. Deși este diferită față de codificarea deschisă , codificarea axială se poate realiza simulant cu
codificarea deschisă . Relațiile dintre categorii ar putea fi evidente în mod clar în date sau ar putea fi mai
subtile și implicite. În cazul de pe urmă , cercetă torii ar putea folosi o schemă de codificare (adesea numită
o „paradigmă de codificareˮ, însă diferă față de paradigmele discutate la Capitolul 3) pentru a înțelege ce
categorii reprezintă condiții (împrejură rile în care fenomenul este înglobat), acțiuni/interacțiuni
(ră spunsurile indivizilor la evenimente în aceste împrejură ri) și consecințe (rezultatele acțiunilor/
interacțiunilor). Pe mă sură ce se identifică condițiile, acțiunile/interacțiunile și consecințele, încep să se
ivească propunerile teoretice și cercetă torii pot începe să explice de ce are loc un fenomen, în ce condiții și
cu ce consecințe.

A treia fază și ultima a teoriei întemeiate constă în codificarea selectivă, care implică
identificarea unei categorii centrale sau unei variabile esențiale și asocierea sistematică și logică a acestei
categorii centrale cu alte categorii. Categoria centrală poate evolua din categoriile existente sau poate fi o
categorie de nivel mai ridicat, care include categorii codificate anterior. Datele noi se eșantionează selectiv
pentru validarea categoriei centrale și relațiile sale cu alte categorii (adică teoria provizorie). Codificarea
selectivă limitează gama de analiză și o face să se miște mai repede. În același timp, codificatorul trebuie să
aibă grijă la alte categorii care s-ar putea ivi din date noi care ar putea fi legate de fenomenul de interes
(codificare deschisă ), care ar putea duce la perfecționare ulterioară a teoriei inițiale. Așadar, codificarea
deschisă , axială și selectivă pot continua în același timp. Codificarea de date noi și perfecționarea teoriei
continuă pâ nă la atingerea saturației teoretice, adică atunci câ nd datele suplimentare nu produc vreo
modificare marginală în categoriile sau legă turile de bază .

Procesul de „comparație constantă " implică o rearanjare continua, agregare și….

Analiza Conținutului
Analiza conținutului reprezintă analiza sistematică a conținutului unui text (de exemplu, cine ce
spune, cui, de ce și în ce mă sură și cu ce efect) într-un mod calitativ sau cantitativ. Analiza conținutului se
Analiza calitativă | 106

desfă șoară de obicei după cum urmează : mai întâ i, atunci când sunt multe texte de analizat (de exemplu,
știri din ziar, rapoarte financiare, postă ri pe blog, revizuiri online etc.), cercetă torul începe prin
eșantionarea unui set de texte selectate din populația de texte spre analiză . Procesul nu este aleatoriu, ci în
schimb, textele care au un conținut mai pertinent ar trebui alese în mod selectiv. În al doilea râ nd,
cercetă torul identifică și aplică regulile pentru a împă rți fiecare text în segmente sau „bucă țiˮ care se pot
trata ca unită ți separate de analiză . Acest proces se numește transformare în unități. De exemplu,
supozițiile, efectele, facilitatorii și barierele din texte ar putea constitui astfel de unită ți. În al treilea râ nd,
cercetă torul construiește și aplică unul sau mai multe concepte fiecă rui segment de text transformat în
unită ți printr-un proces denumit codificare. În scopul codifică rii se folosește o schemă de codificare pe baza
temelor pe care le caută cercetă torul sau pe care le descoperă pe mă sură ce clasifică textul. În sfâ rșit, datele
codificate sunt analizate, adesea atâ t din punct de vedere calitativ, câ t și cantitativ, în vederea stabilirii
că ror teme au loc cel mai frecvent, în ce contexte și care este legă tura dintre ele.

Un tip simplu de analiză a conținutului este analiza sentimentelor– o tehnică folosită pentru a
depista opinia sau atitudinea oamenilor față de un obiect, persoană sau fenomen. Citirea mesajelor online
despre un candidat politic publicat pe un forum online și clasificarea fiecă rui mesaj drept pozitiv, negativ
sau neutru este un exemplu de o astfel de analiză . În acest caz, fiecare mesaj reprezintă o unitate de
analiză . Această analiză va ajuta la identificarea dacă eșantionul ca întreg este dispus pozitiv, negativ sau
neutru față de candidat. Analizarea conținutului revizuirilor online într-un mod asemă nă tor reprezintă un
alt exemplu. Deși această analiză se poate realiza manual pentru seturi de date foarte mari (milioane de
înregistră ri de texte), prelucrarea naturală a limbajului și programele de software pe bază analiticilor de
texte sunt disponibile pentru automatizarea procesului de codificare și mențin o înregistrare privind
modul în care fluctuează sentimentele oamenilor în timp.

O critică frecventă adusă analizei conținutului este că îi lipsește un set de proceduri sistematice
care i-ar permite analizei să fie reprodusă de alți cercetă tori. Schilling (2006) 13 a abordat această critică
prin organizarea a diferite proceduri analitice de conținut într-un model spirală . Acest model constă din
cinci niveluri sau faze în interpretarea textului:(1) transformarea casetelor înregistrate în date brute de
texte sau transcrierilor spre analiza conținutului, (2) transformarea datelor brute în protocoale
condensate, (3) transformarea protocoalelor condensate într-un sistem de categorie preliminară, (4)
folosirea sistemului de categorie preliminară pentru a genera protocoale codificate și (5) analizarea
protocoalelor codificate pentru generarea interpretă rilor despre fenomenul de interes.

Analiza conținutului prezintă câ teva limită ri. În primul râ nd, procesul de codificare este
restricționat la informațiile disponibile sub formă de text. De pildă, dacă un cercetă tor este interesat să
studieze pă rerile oamenilor despre pedeapsa capitală , dar nu este disponibilă o astfel de arhivă de
documente text, atunci analiza nu se poate face. În al doilea râ nd, eșantionarea trebuie realizată cu atenție
pentru a evita erorilor sistematice de eșantionare. De pildă , dacă populația ta constă din literatura de
cercetare publicată privind un subiect dat, atunci ai omis sistematic cercetarea nepublicată sau cele mai
recente lucră ri care urmează să se publice.

…circul hermeneutic. Cuvâ ntul hermeneutică singular) se referă la o metodă anume sau la un fir de
interpretare.

Mai general, hermeneutica este studiul interpretă rii și teoria și practica de interpretare. Rezultată
din studiile religioase și lingvistică , hermeneutica tradițională , cum ar fi hermeneutica biblică, se referă la
interpretarea textelor scrise, îndeosebi în domeniile literaturii, religiei și dreptului (cum ar fi Biblia). În
secolul 20, Heidegger a sugerat că o modalitate mai directă , nemijlocită și autentică pentru înțelegerea
realită ții sociale este să o tră iești, mai degrabă decâ t să o observi doar și a propus hermeneutica filosofică,
unde accentul s-a deplasat de la interpretare la înțelegerea existențială . Heidegger a susținut că textele
sunt mijloacele prin care cititorii nu doar că pot citi despre experiența unui autor, ci pot și retră i
experiențele autorului. Hermeneutica contemporană sau modernă , dezvoltată de că tre studenții lui
Analiza calitativă | 107

Heidegger, cum ar fi Hans-Georg Gadamer, a analizat limitele textelor scrise pentru comunicarea
experiențelor sociale și au mers pâ nă la propunerea unui cadru al procesului interpretativ, care cuprindea
toate formele de comunicare, incluziv scrisă, verbală și non-verbală și explorâ nd chestiuni care
restricționează capacitatea comunicativă a textelor scrise, precum presupoziții, structuri de limbă (de
exemplu, gramatică, sintaxă etc.) și semiotică (studiul semnelor scrise cum ar fi simbolismul, metafora,
analogia și sarcasmul). Termenul de hermeneutică este uneori folosit interschimbabil și inexact cu exegeză,
care se referă la interpretare sau explicația critică doar a unui text scris, și în special a textelor religioase.

Concluzii
În sfâ rșit, programele standard de software, cum ar fi ATLAS.ti.5, NVivo și QDA Miner, se pot folosi
pentru automatizarea proceselor de codificare la metodele de cercetare calitativă. Aceste programe pot
organiza rapid și eficient, că uta, sorta și prelucra volume mari de date de texte folosind reguli definite de
utilizator. Pentru ghidarea acestei analize automatizate ar trebui creată o schemă de codificare, specificâ nd
cuvintele cheie sau codurile de că utat în text, pe baza unei examină ri manuale inițiale a datelor de texte
eșantioane. Schema se poate organiza în mod ierarhic pentru organizarea codurilor în coduri de nivel mai
înalt sau construcții. Schema de codificare ar trebui validată folosind un eșantion diferit de texte pentru
precizie și caracterul adecvat. Totuși, dacă schema de codificare este pă rtinitoare sau incorectă , analiza
rezultată a întregii populații de texte ar putea fi deficientă și neinterpretabilă. Cu toate acestea, programele
de software nu pot descifra înțelesul din spatele anumitor cuvinte sau fraze sau contextul în care sunt
folosite aceste cuvinte sau fraze (cum ar fi cele din sarcasm sau metafore), care ar putea duce la
interpretare greșită la analiza calitativă de scară largă .
Quantitative Analysis: Descriptive Statistics | 112

Capitolul 14

Analiza Cantitativă:
Statistică Descriptivă

Datele numerice colectate într-un proiect de cercetare pot fi analizate din punct de vedere
cantitativ folosind instrumente statistice în două feluri diferite. Analiza descriptivă se referă la
descrierea, agregarea și prezentarea statistică a construcțiilor de interes sau asocierilor dintre aceste
construcții. Analiza inferențială se referă la testarea statistică a ipotezelor (testarea teoriei). În acest
capitol vom analiza tehnicile statistice folosite pentru analiza descriptivă, iar capitolul urmă tor va analiza
tehnicile statistice pentru analiza inferențială . Mare parte din analiza cantitativă a datelor din zilele
noastre este realizată folosind programe de software, precum SPSS sau SAS. Cititorii sunt sfătuiți să se
familiarizeze cu unul dintre aceste programe pentru a putea înțelege conceptele descrise în acest capitol.

Pregătirea Datelor
În proiectele de cercetare, datele se pot colecta dintr-o varietate de surse: sondaje prin poștă ,
interviuri, date experimentale pre-și post -testare, date observaționale și așa mai departe. Aceste date
trebuie transformate într-un format lizibil electronic, numeric, cum ar fi o foaie de calcul sau fișier text,
astfel încâ t să poată fi analizate de programe de calculator precum SPSS sau SAS. Pregă tirea datelor
urmează , de obicei, urmă toarele etape.

Codificarea datelor. Codificarea este procesul de conversie a datelor în format numeric. Ar


trebui creată o carte de coduri pentru a ghida procesul de codificare. O carte de coduri este un document
cuprinză tor care conține o descriere detaliată a fiecă rei variabile dintr-un studiu de cercetare, elemente
sau mă sură tori pentru acea variabilă , formatul fiecă rui element (numeric, text etc.) ,scala de ră spuns
pentru fiecare element (adică dacă este mă surat pe o scală nominală, ordinală , de interval sau scală de
rapoarte; dacă acea scală este din cinci puncte, șapte puncte sau alt tip de ......

Mai mult, în timpul introducerii datelor, codificatorul ar trebui să aibă grijă la dovezile evidente ale
datelor incorecte, cum ar fi selectarea de că tre respondent a ră spunsului „puternic acordˮ la toate
elementele, indiferent de conținut, inclusiv elementele codificate invers. În acest caz, astfel de date se pot
introduce, însă trebuie excluse dintr-o analiză ulterioară.
113 \ Cercetare în științele sociale

Valori lipsă. Datele lipsă reprezintă o parte inevitabilă a orică rui set de date empirice. Este
posibil ca respondenții să nu ră spundă la anumite întrebă ri, dacă acestea sunt formulate ambiguu sau
sunt prea sensibile. Astfel de probleme ar trebui detectate mai devreme în timpul pre-testă rilor și
corectate înainte să înceapă procesul principal de colectare a datelor. În timpul introducerii datelor, unele
programe statistice tratează automat intră rile necompletate ca valori lipsă , în timp ce altele necesită o
valoare numerică specifică , precum -1 sau 999 de introdus pentru a denota o valoare lipsă. În timpul
analizei datelor, modul implicit al manipulă rii valorilor lipsă în majoritatea programelor de software este
pur și simplu să renunțe la întreaga observație ce conține chiar și o singură valoare lipsă , printr-o tehnică
numită ștergere la nivel de listă. Această ștergere poate micșora semnificativ mă rimea eșantionului și face
ca detectarea efectelor mici să fie extrem de dificilă . Așadar, unele programe de software permit varianta
înlocuirii valorilor lipsă cu o valoare estimată prin intermediul unui proces numit imputare. De pildă , dacă
valoarea lipsă este un element pe o scală cu pași multipli, valoarea imputată ar putea fi media
ră spunsurilor date de respondent la elementele ră mase de pe acea scală. Dacă valoarea lipsă aparține unei
scale cu un singur element, mulți cercetă tori folosesc media ră spunsurilor celorlalți respondenți la acel
element ca valoare imputată . Această imputare ar putea fi pă rtinitoare dacă valoarea lipsă este de natură
sistematică , mai degrabă decâ t de natură aleatorie. Două metode care pot produce estimă ri relativ
nepă rtinitoare pentru imputare sunt: metoda procedurilor de verosimilitate maximă și metoda impută rii
multiple, ambele acceptate în programele populare de software, precum SPSS și SAS.

Transformarea datelor. Uneori, este necesară transformarea valorilor datelor înainte să se


poată interpreta semnificativ. De pildă , elementele codificate invers, unde elementele transmit sensul
opus față de cel al construcției lor de bază , ar trebui inversate (de ex. pe o scală de interval de la 1 la 7, 8
minus valoarea observată va inversa valoarea) înainte să poată fi comparate sau combinate cu elemente
care nu sunt codificate invers. Alte tipuri de transformă ri pot include crearea mă sură torilor de scală prin
adă ugarea elementelor de scală individuale, crearea unui indice ponderat al mă sură torilor observate și
restrâ ngerea valorilor multiple în categorii mai puține (de ex. restrâ ngerea veniturilor în game de venit).

Analiza univariată
Analiza univariată sau analiza unei singure variabile, se referă la un set de tehnici statistice care
pot descrie proprietă țile generale ale unei variabile. Statistica univariată include: (1) distribuția
frecvenței, (2) tendința centrală ș i(3) dispersia. Distribuția frecvenței unei variabile este un rezumat al
frecvenței (sau procentajelor) de valori individuale sau intervale de valori pentru acea variabilă . De pildă ,
putem mă sura de câ te ori un eșantion de respondenți participă la slujbe religioase (ca o mă sură a
„religiozită țiiˮ lor) folosind o scală categorică : niciodată , o dată pe an, de câ teva ori pe an, circa o dată pe
lună , de mai multe ori pe lună , de câ teva ori pe să ptă mâ nă și categoria opțională pentru „nu a ră spunsˮ . În
cazul în care calculă m numă rul (sau procentajul) de observații din fiecare categorie (exceptâ nd-o pe cea
cu „nu a ră spunsˮ , care este de fapt o valoare lipsă mai degrabă decâ t o categorie) și o afișă m sub forma
unui tabel, după cum se arată în Figura 14.1, ceea ce ne rezultă este o distribuție a frecvenței. Această
distribuție poate fi descrisă și în ....

Tendința centrală este o estimare a centrului unei distribuții de valori. Există trei estimă ri
majore ale tendinței centrale: media, mediana și modul. Media aritmetică (adesea denumită pur și
simplu „mediaˮ) este media simplă a tuturor valorilor dintr-o distribuție dată. Să zicem că avem un set de
opt rezultate de test: 15, 22, 21,18, 36,15, 25,15. Media aritmetică a acestor valori este (15 + 20 + 21 + 20
+ 36 + 15 + 25 + 15)/8 = 20.875. Alte tipuri de medii include media geometrică ( ră dă cina nth produsului a
114 \ Cercetare în științe sociale

n numere dintr-o distribuție) și media armonică (reciproca mediilor aritmetice ale reciprocei de la fiecare
valoare dintr-o distribuție), însă aceste medii nu sunt prea întâ lnite în analiza statistică a datelor din
cercetarea socială .

A doua mă sură a tendinței centrale, mediana, este valoarea mijlocie din cadrul unei game de
valori dintr-o distribuție. Aceasta este calculată prin sortarea tuturor valorilor dintr-o distribuție în ordine
crescă toare și selectarea valorii mijlocii. În cazul în care există două valori mijlocii (dacă există un numă r
par de valori într-o distribuție), media celor două valori mijlocii reprezintă mediana. În exemplul de mai
sus, valorile sortate sunt: 15, 15, 15, 18, 22, 21, 25, 36. Cele două valori mijlocii sunt 18 și 22 și așadar,
mediana este (18 + 22)/2 = 20.

În ultimul râ nd, modul este valoarea care are loc cel mai frecvent într-o distribuție de valori. În
exemplul anterior, valoarea care se întâ lnește cel mai frecvent este 15, care este modul setului de mai sus
de rezultate la test. Rețineți că orice valoare care este estimată dintr-un eșantion, ca o medie, mediană ,
mod sau oricare dintre estimă rile ulterioare se numește statistică.

Dispersia se referă la modul în care valorile sunt împrăștiate în jurul tendinței centrale, de
exemplu câ t de strâ ns sau cât de larg sunt grupate valorile în jurul mediei. Două mă suri obișnuite ale
dispersiei sunt intervalul și abaterea standard. Intervalul este diferența dintre valorile cele mai mari și
cele mai mici într-o distribuție. Intervalul în exemplul anterior este

36-15 = 21.

Intervalul este în special sensibil la prezența valorilor aberante. De pildă , dacă cea mai mare
valoare din distribuția de mai sus ar fi 85 și celelalte valori ar ră mâ ne la fel, intervalul ar fi 85-15 = 70.
Abaterea standard, a doua mă sură a dispersiei, corectează aceste valori aberante folosind o formulă care
ia în considerare câ t de aproape sau câ t de departe este fiecare valoare de media distribuției:

unde a este abaterea standard, Xi este observația ith (sau valoarea), j este media aritmetică , n este numă rul
total de observații și I înseamnă însumarea peste toate observațiile. Pă tratul abaterii standard este numit
varianța unei distribuții. La o distribuție cu frecvență distribuită normal, se observă că 68% din
observații stau într-o abatere standard a mediei (j + 1 a), 95% din observații se află în două abateri
standard (j + 2 a), și 99.7% din observații stau în cadrul a trei abateri standard (+3), după cum se poate
vedea în Figura 14.2.
115 \ Cercetare în științele sociale

-astfel -2a -a it a 2 a 3 a *
4——————————————»

La distribuții normale, 95% din observații stau în două abateri standard ale mediei

Figura 14.2. Distribuție normală

Tabel 14.1. Date ipotetice legate de vâ rstă și stimă de sine


116 \ Cercetare în științe sociale

Stima de sine

Histograma vârstei

Vârstă
Corelarea bivariată dintre vâ rstă și
stimă de sine
Histograma stimei de sine

Figura 14.3. Reprezentare grafică a histogramei și corelă rii vâ rstei și stimei de sine
După calcularea corelă rii bivariate, cercetă torii sunt adesea interesați să știe dacă acea corelare
este semnificativă (adică una reală ) sau este provocată de o simplă întâ mplare. Ră spunderea la o astfel de
întrebare ar necesita testarea urmă toarei ipoteze:

HO r — 0
HI : r * 0

Ho se numește ipoteză nulă și Hi este denumită ipoteza alternativă (uneori reprezentată și ca Ha).
Deși ar putea pă rea ca două ipoteze, Ho și Hi reprezintă de fapt o singură ipoteză , din moment ce acestea
sunt opusul direct al celeilalte. Suntem interesați să testă m Hi mai degrabă decâ t Ho. De reținut și că Hi
este o ipoteză nedirecțională , întrucâ t nu specifică dacă r este mai mare sau mai mic decâ t zero. Ipotezele
direcționale se vor specifica drept Ho ; r < 0; Hi: r > 0 (dacă testă m existența unei corelă ri pozitive).
Testarea semnificației ipotezei direcționale se face folosind un test t unilateral (one-tailed), în timp ce cea
pentru ipoteza nedirecțională se face folosind un test t bilateral (two-tailed).
În testarea statistică , ipoteza alternativă nu se poate testa direct. În schimb, se testează indirect
prin respingerea ipotezei nule cu un anumit nivel de probabilitate. Testarea statistică este întotdeauna
probabilistică , deoarece nu suntem niciodată siguri dacă deducțiile noastre, pe baza datelor eșantionului,
se aplică populației, din moment ce eșantionul nostru nu este niciodată egal cu populația. Probabilitatea
ca o deducție statistică să fie produsă de o pură întâ mplare este numită valoarea p. Valoarea p este
comparată cu nivelul de semnificație (a), care reprezintă nivelul maxim de risc pe care suntem dispuși
să ni-l asumă m legat de faptul că deducția noastră este incorectă. Pentru mare parte din analiza statistică ,
a este stabilit la 0.05. O valoare a lui p mai mică de a=0.05 arată că avem suficiente dovezi statistice pentru
a respinge ipoteza nulă și astfel, acceptă m indirect ipoteza alternativă . Dacă p>0.05, atunci nu avem
dovezi statistice adecvate pentru a respinge ipoteza nulă sau accepta ipoteza alternativă .
117 \ Cercetare în științele sociale

…..pentru simplitate. În cazul în care corelă rile implică variabile mă surate folosind scale interval, atunci
acest tip specific de corelă ri se numesc împreună coeficienți de corelație produs-moment Pearson.

Un alt fel util de a prezenta date bivariate este prin înscrieri în tabele încrucișate (adesea
prescurtate crosstab=tabel încrucișat și numit uneori mai formal un tabel de contingență ). Un tabel
încrucișat este un tabel care descrie frecvența (sau procentajul) tuturor combinațiilor a două sau mai
multe variabile categorice sau nominale. Ca exemplu, să presupunem că avem urmă toarele observații ale
sexului și calificativului pentru un eșantion de 20 studenți, așa cum se prezintă în Figura 14.3. Sexul
reprezintă o variabilă nominală (masculin/feminin sau M/F) și calificativul este o variabilă categorică cu
trei niveluri (A,B și C). O matrice simplă a datelor ar putea afișa distribuția comună a sexului și
calificativelor (adică câ ți studenți din fiecare sex sunt în fiecare categorie de calificativ, ca o numă ră toare
brută de frecvență sau ca procentaj) într-o matrice de 2 x 3. Această matrice ne va ajuta să vedem dacă un
calificativ A,B și C sunt egal distribuite între studenții de sex masculin și feminin. Datele tabelului
încrucișat din Tabelul 14.3 arată că distribuția calificativelor A este pă rtinitoare destul de mult că tre
studenții de sex feminin: într-un eșantion de 10 studenți de sex masculin și 10 de sex feminin, cinci
studenți de sex feminin au primit calificativul A, comparativ cu doar un student de sex masculin. În
contrast, distribuția calificativelor C este pă rtinitoare față de studenții de sex masculin : trei studenți de
sex masculin au primit un calificativ C, comparativ cu doar o studentă. Totuși, distribuția calificativelor B a
fost oarecum uniformă , cu șase studenți de sex masculin și cinci studenți de sex feminin. Ultimul râ nd și
ultima coloană ale acestui tabel se numit totaluri marginale deoarece arată totalurile de-a lungul fiecă rei
categorii și sunt afișate de-a lungul marginilor tabelului.

BUCLĂ

Tabel 14.2. O matrice ipotetică de corelare pentru opt variabile

Set de date ipotetice


118 \ Cercetare în științe sociale

Calificative Total

Masculin
Calcul
Sex
Calcul preconizat

Feminin Calcul
Calcul preconizat

Tabel încrucișat al sexului și calificativului

Tabel 14.3. Exemplu de analiză a metricii

Deși putem vedea un tipar distinct al distribuției calificativelor între studenții de sex feminin și cei de sex
masculin la ...

....calculele preconizate și cele observate pe toate celulele. Putem apoi compara acest numă r cu valoarea
critică asociată cu un nivel dorit de probabilitate (p < 0.05) și gradele de libertate, care sunt pur și simplu
(m- l)*(n-l), unde m și n reprezintă numă rul de râ nduri și respective coloane. În acest exemplu, df = (2 - 1)
* (3 -1) = 2. Din tabelele standard ale testului chi pă trat din orice carte despre statistică , valoare lui chi
pă trat pentru p=0.05 și df=2 este 5.99. Valoarea calculată a lui chi pă trat, pe baza datelor noastre
observate, este 1.00, care este mai puțin decâ t valoarea critică. Așadar, trebuie să conchidem că tiparul de
calificativ observat nu este diferit din punct de vedere statistic față de tiparul care se poate preconiza a fi
din pură întâ mplare.
Capitol 15

Analiză cantitativă:
Statistică Inferențială

Statisticile inferențiale reprezintă procedurile statistice care se folosesc pentru a ajunge la


concluzii despre asocierile dintre variabile. Ele diferă de statisticile descriptive prin faptul că sunt
concepute în mod explicit pentru a testa ipotezele. În această categorie intră numeroase proceduri
statistice, majoritatea fiind susținute de software statistic modern, cum ar fi SPSS și SAS. Acest capitol
oferă un scurt abecedar doar despre procedurile cele mai frecvente și de bază ; cititorii sunt sfă tuiți să
consulte un text formal privind statistica sau să participe la un curs despre statistică pentru proceduri mai
avansate.

Concepte de bază
Filosoful britanic Karl Popper a spus că teoriile nu se pot dovedi niciodată , ci pot fi doar infirmate.
Ca exemplu, cum putem dovedi că soarele va ră să ri mâ ine? Popper spunea că doar pentru că soarele a
ră să rit în fiecare zi pe care ne-o putem aminti nu înseamnă neapă rat că va ră să ri și mâine, deoarece
teoriile obținute inductiv sunt doar presupuneri care ar putea să fie predictive sau nu ale unui fenomen
viitor. În schimb, el a sugerat că putem presupune o teorie că soarele va ră să ri în fiecare zi fă ră să o
dovedim neapă rat și dacă soarele nu ră sare într-o zi nume, teoria este falsificată și respinsă . La fel, putem
doar respinge ipotezele pe baza probelor contrare, dar nu le putem niciodată accepta cu adevă rat ,
deoarece prezența probelor nu înseamnă că nu putem observa probe contrare mai tâ rziu. Deoarece nu
putem accepta cu adevă rat o ipoteză de interes (ipoteză alternativă ), formulă m o ipoteză nulă drept
opusul ipotezei alternative și apoi folosim dovezi empirice pentru a respinge ipoteza nulă pentru a
demonstra sprijinul probabilistic, indirect pentru ipoteza noastră alternativă.
Analiză cantitativă: statistici inferențiale / 116

….că 95% din timp, parametrul populației se află între două abateri standard ale estimă rii eșantionului
observat de noi. Împreună , valoarea p și intervalul de încredere (CI) ne ajută să ne facem o idee despre
probabilitatea rezultatului nostru și câ t de aproape se află acesta de parametrul corespondent de
populație.

Model Liniar General


Majoritatea procedurilor de statistici inferențiale din cercetarea în științele sociale sunt obținute
dintr-o familie generală de modele statistice numite model liniar general (GLM). Un model este o ecuație
matematică estimată care se poate folosi pentru a reprezenta un set de date și liniar se referă la o linie
dreaptă. Așadar, un GLM este un sistem de ecuații care se poate folosi pentru a reprezenta tipare liniare de
relații dintre date observate.

Stimă de sine (y)

Pantă Efect Cauză Eroare

Interceptare
Estimări model

Vârstă (x)
Reprezentare grafică bivariată prin puncte

Figura 15.1. Model liniar cu două variabile

Cel mai simplu tip de GLM este un model liniar cu două variabile care analizează legă tura dintre o
variabilă independentă (cauza sau predictorul) și o variabilă dependentă (efectul sau rezultatul). Să
presupunem că aceste două variabile sunt vâ rsta și respectiv stima de sine. Reprezentarea grafică
bivariată prin puncte pentru această legă tură este prezentată în Figura 15.1, cu vâ rsta (predictor), pe
orizontală sau axa x și stima de sine (rezultatul) pe verticală sau axa y. Din reprezentarea grafică prin
puncte se pare că observațiile individuale reprezentâ nd combinații ale vâ rstei și stimei de stime par în
general să fie împră știate în jurul unei linii imaginare drepte, pe o pantă ascendentă . Putem estima
parametrii acestei linii, cum ar fi panta sa și să o interceptă m din GLM. Amintiți-vă de la algebra de liceu că
liniile drepte pot fi reprezentate folosind ecuația matematică y = mx + c, unde m este panta liniei drepte
(câ t de mult se schimbă y pentru schimbarea unității în x) și c este termenul interceptare (care este
valoarea lui y câ nd x este zero). În GLM, această ecuație este reprezentată formal ca:

y = Po + Pix + £
Analiză cantitativă: statistică inferențială / 118

…… grupele martor dintr-un model experimental), mai degrabă decâ t cantită ți numerice și parametrii
statistici al fiecă rei grupe se estimează separat.

GLM este un instrument statistic foarte puternic deoarece nu este o singură metodă statistică, ci
mai degrabă o familie de metode care se pot folosi pentru a realiza analiza sofisticată cu diferite tipuri și
cantită ți de variabile de rezultat și predictoare. Dacă avem o variabilă predictor fictivă și compară m
efectele celor două niveluri (0 și 1) ale acestei variabile fictive asupra variabilei de rezultat, facem o
analiză dispersională (ANOVA). Dacă facem analiza ANOVA în timp ce controlă m efectele uneia sau mai
multor covariate, avem o analiză a covarianței (ANCOVA). Putem , de asemenea, avea variabile cu rezultate
multiple (de ex. y1, y1 yn) care sunt reprezentate folosind un „sistem de ecuațiiˮ , constâ nd dintr-o ecuație
diferită pentru fiecare variabilă de rezultat (fiecare cu setul să u unic de coeficienți de regresie). Dacă se
modelează multiple variabile de rezultat ca fiind prezise de același set de variabile predictor, analiza
rezultată este numită regresie multivariată. Dacă facem o analiză ANOVA sau ANCOVA cu variabile multiple
de rezultat, analiza rezultată este o ANOVA (MANOVA) MULTIVARIATĂ sau respectiv ANCOVA
(MANCOVA) multivariată . Dacă modelă m rezultatul într-o ecuație de regresie ca predictor într-o altă
ecuație dintr-un sistem interconectat de ecuații de regresie, atunci avem un tip foarte sofisticat de analiză
numită modelarea ecuației structurale. Problema cea mai importantă la GLM este specificarea modelului,
adică cum să se specifice o ecuație de regresie (sau un sistem de ecuații) pentru a reprezenta cel mai bine
fenomenul de interes. Specificarea modelului ar trebui să se bazeze pe considerații teoretice despre
fenomenul ce se studiază , mai degrabă decâ t ceea ce se potrivește cel mai bine datelor observate. Rolul
datelor este să valideze modelul, nu să -l specifice.

Comparație pe Două Grupe


Una dintre cele mai simple analize inferențiale este compararea rezultatelor post-testare ale
subiecților din grupa martor și cea de tratament într-un model randomizat de post-testare doar a grupei
martor, cum ar fi dacă studenții înscriși într-un program special de matematică se descurcă mai bine decâ t
cei care iau parte la un program de învă ță mânt de matematică tradițional. În acest caz, variabila predictor
este o variabilă fictivă (1= grupă de tratament, 0= grupă martor) și variabila de rezultat, performanța este
scalată la rată (de ex. punctajul unui test la matematică după programul special). Tehnica analitică pentru
acest model simplu este o analiză unifactorială ANOVA (unifactorială pentru implică doar o variabilă
predictor) și testul statistic folosit se numește test student t (sau pe scurt, test-t).

Testul t a fost introdus în1908 de că tre William Sealy Gosset, un chimist care lucra pentru Beră ria
Guiness din Dublin, Irlanda, pentru a monitoriza calitatea berii stout – o bere neagră , populară în secolul
19 printre berile negre englezești din Londra. Fiindcă angajatorul să u nu voia să dezvă luie faptul că
recurgea la statistici pentru controlul calității, Gosset a publicat testul în Biometrika folosindu-și
pseudonimul „Studentˮ (era studentul lui Sir Ronald Fisher) și testul implica calcularea valorii lui t, care
era o literă folosită frecvent de că tre Fisher pentru a denota diferența dintre două grupuri. De aici numele
de testul student t, deși identitatea Studentului le era cunoscută colegilor statisticieni.
….mediile populației corespondente sunt diferite semnificativ. Totuși, în cazul în care curbele au
împră știeri mai înguste (adică sunt mai puțin suprapuse), atunci este posibil ca intervalul de încredere (CI)
al fiecă rei medii să nu se suprapună și respingem ipoteza nulă și spunem că mediile populației celor două
grupe sunt diferite semnificativ la p<0.05.
Frecvență

Interval de încredere suprapus în


procent de 95% pentru cele două
medii ale eșantionului implică
faptul că probabil mediile
populației nu sunt diferite

10 20 30 40 50 60 80 90 100
Media grupei martor Media grupei de
tratament

Figura 15.2. Testul student t

Pentru realizarea testului t, trebuie ca mai întâi să calculă m o statistică t a diferenței în medii de
eșantion dintre cele două grupe. Această statistică este raportul diferenței în mediile eșantionului legat de
diferența în variabilitatea lor rezultatelor (eroarea standard):

t= _---_

unde numă ră torul este diferența în mediile eșantionului dintre grupa de tratament (Grupa 1) și
grupa martor (Grupa 2) și numitorul este eroarea standard a diferenței dintre cele două grupe, care la
râ ndul lor, se pot estima ca:

s2 este dispersia și n este dimensiunea eșantionului la fiecare grupă . Valoarea statistică a lui t va fi
pozitivă dacă media grupei de tratament este mai mare decâ t media grupei martor. Pentru a analiza dacă
această statistică t este suficient de mare față de cea posibilă din întâ mplare, trebuie să că ută m
probabilitatea sau valoarea p asociată cu statistica t calculată de noi în tabelele statistice disponibile în
culegerile de texte de statistică standard sau pe Internet sau așa cum au fost calculate de programe
software de statistică , precum SAS și SPSS. Această valoare este o funcție a statisticii t, fie că testul t este
unilateral (one-tailed), fie bilateral (two-tailed) și gradele de libertate (df) sau numă rul de valori care pot
varia liber în calcularea statisticii (de obicei o funcție a dimensiunii eșantionului și tipul testului ce se
efectuează ).
…… efectul interacțiunii. Modelul liniar generalizat pentru acest model factorial pe două niveluri este
desemnat după cum urmează :

unde y reprezintă rezultatele de performanță post- tratament ale studenților, xi este tratamentul ( plan de
învă ță mâ nt special contra tradițional) , x2 este timpul de instruire (3 sau 6 ore/ să ptă mână ). Rețineți că
atâ t xi, câ t și x2 sunt variabile fictive și deși x2 arată ca o variabilă a scalei de rapoarte (3 sau 6), reprezintă
de fapt două categorii în modelul factorial. Coeficienții de regresie 0 i și 02 furnizează estimă rile de
dimensiune a efectului pentru principalele efecte și 03 pentru efectul de interacțiune. Alternativ, același
model factorial se poate analiza folosind o analiză bifactorială ANOVA. Analiza de regresie implicând
variabile predictor multiple este numită uneori regresie multiplă, care este diferită față de regresia
multivariată care folosește variabile multiple de rezultat.

O notă privind interpretarea efectelor interacțiunii. Dacă 03 este semnificativ, acest lucru implică
faptul că efectul tratamentului (tipul planului de învă ță mâ nt) privind performanța studenților depinde de
timpul de instruire. În acest caz, nu putem interpreta semnificativ efectul independent al tratamentului
(0i) sau al timpului de instruire (o 2) deoarece cele două efecte nu se pot izola unul de celă lalt. Principalele
efecte sunt interpretabile doar câ nd efectul interacțiunii este nesemnificativ.

Se pot include covariate în modelele factoriale ca variabile noi, cu coeficienți noi de regresie ( de
ex. 04). Covariatele se pot mă sura folosind mă sură tori de tip scale de rapoarte sau scale interval, chiar și
atunci câ nd predictorii de interes sunt desemnați ca variabile fictive. Interpretarea covariatelor respectă și
ea aceleași reguli ca cele ale orică rei variabile predictor.

Alte Analize Cantitative


Există multe alte tehnici inferențiale folositoare, bazate pe variații ale GLM, care sunt menționate
pe scurt aici. Cititorii interesați sunt rugați să consulte manualele avansate sau cursurile de statistică
pentru mai multe informații legate de aceste tehnici:

• Analiza factorului este o tehnică de reducere a datelor, care se folosește pentru a strâ nge laolaltă
din punct de vedere statistic un numă r mare de mă sură tori (elemente) observate într-un set mai
mic de variabile neobservate (latente) numite factori, pe baza tiparelor de corelare bivariată de
bază . Această tehnică este folosită pe scară largă pentru evaluarea valabilită ții discriminante și
convergente la scalele de mă sură toare cu pași multipli din cadrul cercetă rii în științele sociale.
• Analiza discriminantă este o tehnică clasificatorie al că rei scop este să plaseze o observație dată
într-una din mai multe categorii nominale pe baza unei combinații liniare de variabile predictor.
Tehnica este asemă nă toare cu regresia multiplă , numai că variabila dependentă este nominală .
Este populară în aplicațiile de marketing, cum ar fi pentru clasificarea clienților sau produselor în
categorii, pe baza unor atribute dominante, așa cum sunt identificate din sondajele pe scară largă .
21 \ S o c i a I Science Research

Capitolul 16

Etica Cercetării

Etica este definită în dicționarul Webster drept conformarea cu normele de conduită ale unei
profesii sau grup anume. Aceste norme sunt adesea definite la nivel disciplinar printr-un cod deontologic și
uneori pus în aplicare de comitele universitare, numite chiar Comitele formate pentru a verifica
respectarea regulilor. Chiar dacă nu se specifică în mod explicit, tot se așteaptă de la oamenii de știință să
fie conștienți și să respecte acordurile generale împă rtă șite de comunitatea științifică legate de ceea ce
constituie comportament acceptabil și inacceptabil în conduita profesională a științei. De pildă , oamenii de
știință nu ar trebui să manipuleze colectarea datelor lor, procedurile de analiză și interpretare într-un mod
care să contravină principiilor științei sau metodei științifice sau care le promovează interesele personale.

De ce este importantă etica cercetă rii? Fiindcă știința a fost deseori manipulată în moduri lipsite
de etică de oameni și organizații pentru a-și promova interesele personale și s-au angajat în activită ți
contrare normelor de conduită științifică . Un exemplu clasic este reprezentat de studiul clinic asupra
medicamentului Vioxx al gigantului farmaceutic Merck, în care compania a ascuns efectele secundare fatale
ale medicamentului de comunitatea științifică , rezultâ nd în 3.468 decese ale celor că rora li s-a administrat
medicamentul Vioxx, în mare parte provocate de stop cardiac. În 2010, compania a fost de acord cu o
compensare de 4.85 miliarde $ și a desemnat două comitete independente și un medic -expert care să
monitorizeze siguranța procesului de dezvoltare a medicamentului să u. Conduita Merck a fost lipsită de
22 \ Cercetare în științe sociale

etică și a încă lcat principiile științifice ale colectă rii datelor, analizei și interpretă rii.

Etica este distincția morală dintre bine și ră u și ceea ce este lipsit de etică nu este neapă rat ilegal.
În cazul în care conduita unui om de știință cade în zona gri dintre etică și lege, este posibil ca acesta să nu
fie neapă rat vinovat în ochii legii, însă ar putea, totuși, fi ostracizat în comunitatea sa profesională , s-ar
putea confrunta cu o afectare gravă a reputației profesionale și și-ar putea chiar pierde slujba din cauza
greșelii profesionale. Aceste norme etice ar putea varia de la o societate la alta și aici, ne referim la ...
etică .....

…clasă în orice mod. De pildă , este lipsit de etică să oferi puncte bonus pentru participare și să nu acorzi
puncte bonus în caz de neparticipare, deoarece acest lucru îi pune pe cei care nu participă pe un loc
dezavantajat. Pentru evitarea acestor împrejură ri, instructorul ar putea probabil să le ofere celor care nu
participă o misiune alternativă , astfel încâ t să poată recupera punctele bonus fă ră să participe la un studiu
de cercetare sau prin oferirea de puncte bonus tuturor, indiferent de participare sau neparticipare. Mai
mult, toți participanții trebuie să primească și obligatoriu să semneze un formular de Consimțământ în
cunoștință de cauză care le descrie în mod clar dreptul de a nu participa și dreptul de a se retrage, înainte
ca ră spunsurile lor la studiu să se poată înregistra. Într-un studiu medical, acest formular trebuie în mod
obligatoriu să specifice și orice posibile riscuri pentru subiecți, ca urmare a participă rii lor. Pentru subiecții
care nu au împlinit încă vâ rsta de 18 ani, acest formular trebuie semnat de că tre pă rintele sau tutorele lor
legal. Cercetă torii au obligația de a reține aceste formulare de consimță mâ nt în cunoștință de cauză pentru
o perioadă (adesea trei ani) după încheierea procesului de colectare a datelor pentru a respecta normele
conduitei științifice în disciplina lor sau la locul de muncă .

Anonimitate și confidențialitate. Pentru protejarea intereselor subiecților și bună stă rii lor
viitoare, identitatea acestora trebuie să fie protejată într-un studiu științific. Acest lucru se face folosind
principiile duale de anonimitate și confidențialitate. Anonimitatea implică faptul că cercetătorul sau
cititorii raportului de cercetare finală sau lucră rii nu pot identifica un ră spuns dat cu un anumit
respondent. Un exemplu de anonimitate în cercetarea științifică este un sondaj prin poștă în care nu se
folosesc numere de identificare pentru a urmă ri cine ră spunde la sondaj și cine nu. În studiile privind
comportamentele nedorite sau deviante, cum ar fi folosirea drogurilor sau descă rcarea ilegală de muzică
de că tre studenți, nu se pot obține ră spunsuri sincere dacă subiecții nu sunt asigurați de anonimitate. Mai
mult, anonimitatea asigură faptul că subiecții sunt protejați de organele de lege sau alte autorită ți care ar
putea avea un interes în identificarea și depistarea acestor subiecți în viitor.

La unele modele de cercetare, cum ar fi interviurile față -n-față , anonimitatea nu este posibilă . La
alte modele, cum ar fi ancheta de teren pentru componenta longitudinală , anonimitatea nu este dezirabilă,
întrucâ t îl împiedică pe cercetă tor să coreleze ră spunsurile de la același subiect în diferite momente
pentru analiza longitudinală . În astfel de împrejură ri, subiecților ar trebui să le fie garantată
confidențialitatea, în care cercetă torul poate identifica ră spunsurile unui subiect, însă promite să nu
divulge identitatea acelei persoane în raport, lucrare sau forum public. Confidențialitatea reprezintă o
formă mai slabă de protecție decâ t anonimitatea, fiindcă datele de cercetare socială nu se bucură de același
statut de „comunicare privilegiată ˮ în tribunalele Statelor Unite, cum este cazul comunică rii cu preoții sau
avocații. De pildă , la doi ani după ce autocisterna Exxon Valdez a vă rsat zece milioane de butoaie de petrol
brut în apropierea portului Valdez din Alaska, comunită țile care au suferit pagube economice și de mediu
23 \ S o c i a I Science Research

au comandat unei firme de cercetare din San Diego să ancheteze gospodă riile afectate referitor la detaliile
personale și rușinoase despre problemele psihologice crescute suferite de familiile lor. Fiindcă normele
culturale ale multor nativi americani fă ceau aceste destă inuiri publice foarte dureroase și grele,
respondenții au fost asigurați de confidențialitatea ră spunsurilor lor. Câ nd aceste dovezi au fost prezentate
instanței, Exxon a fă cut o cerere că tre instanță să trimită o somație a chestionarelor de anchetă inițială (cu
informațiile de identificare) pentru a interoga respondenții referitor la ră spunsurile lor pe care le dă duseră
intervievatorilor sub protecția confidențialită ții și acea cerere a fost admisă de instanță . Din fericire, cauza
Exxon Valdez a fost soluționată înainte ca victimele să fie forțate să depună mă rturie în ședință publică ,
însă tot ră mâ ne potențialul de încă lcă ri asemă nă toare ale confidențialită ții.

…divulgate, chiar dacă aruncă o umbra de îndoială asupra modelului de cercetare sau a descoperirilor. În
același fel, multe relații interesante sunt descoperite după încheierea unui studiu, din întâ mplare sau prin
extragere de date. Este lipsit de etică să prezinți aceste descoperiri ca produsul modelului deliberat. Cu alte
cuvinte, ipotezele ar trebui să nu fie concepute în cercetarea pozitivistă după producerea faptului, pe baza
rezultatelor analizei datelor, fiindcă rolul datelor în această cercetare este să testeze ipotezele, nu să le
construiască . De asemenea, este lipsit de etică să -și „ciopleascăˮ datele în diferite segmente pentru a-și
dovedi sau infirma ipotezele de interes sau să genereze lucră ri multiple, care reclamă seturi diferite de
date. Reprezentarea necorespunză toare a unor afirmații îndoielnice ca fiind valabile pe baza analizei de
date necorespunză toare, incomplete sau parțiale este și ea de rea-credință . Știința evoluează prin
franchețe și onestitate, iar cercetă torii pot servi cel mai bine știința și comunitatea științifică prin
divulgarea integrală a problemelor legate de cercetarea lor, astfel încâ t să poată scuti alți cercetă tori de
confruntarea cu aceleași probleme.

Comitete formate pentru a verifica respectarea regulilor


Etica cercetă rii în studiile ce implică subiecți umani este guvernată de legea federală în Statele
Unite. Orice agenție, cum ar fi o universitate sau un spital, care dorește să solicite finanțare federală pentru
sprijinirea proiectelor de cercetare trebuie obligatoriu să stabilească faptul că acestea sunt conforme cu
legile federale ce guvernează drepturile și protecția subiecților umani. Acest proces este supravegheat de
un comitet de experți din acea agenție denumit Comitet format pentru a verifica respectarea regulilor
(IRB). IRB trece în revistă orice propunere de cercetare ce implică subiecții umani pentru a se asigura că
principiile participă rii voluntare, caracterului inofensiv, anonimită ții, confidențialității și așa mai departe
sunt pă strate și că riscurile asupra subiecților umani sunt minime. Chiar dacă legile federale se aplică în
mod specific pentru proiectele finanțate federal, aceleași standarde și proceduri sunt aplicate și în cazul
proiectelor nefinanțate sau chiar ale studenților.

Procesul de aprobare al IRB necesită completarea unei cereri structurate, în care să furnizeze
informații complete despre proiectul de cercetare, cercetă tori (investigatorii principali) și detalii legate de
modul în care se vor proteja drepturile subiecților. Ar putea fi necesară documentație suplimentară , cum
ar fi formularul de Consimță mâ nt în cunoștință de cauză , chestionar de cercetare sau protocol de interviu.
Cercetă torii trebuie să demonstreze, de asemenea, că sunt familiarizați cu principiile de cercetare etică
prin punerea la dispoziție a certifică rii participă rii lor la un curs de etică în cercetare. Colectarea datelor
poate începe doar după ce proiectul este autorizat de că tre comitetul de verificare IRB.
24 \ Cercetare în științe sociale

Codul deontologic
Majoritatea asociațiilor profesionale de cercetă tori au stabilit și publicat coduri de conduită
formală care descriu ce constituie comportament profesional acceptabil și inacceptabil al cercetă torilor
membri. Ca exemplu, codul de conduită sintetizat pentru Asociația Sistemelor Informatice (AIS), asociația
profesională globală a cercetă torilor din disciplina sistemelor informatice, este sintetizat în Tabelul 16.1
(codul de conduită complet este disponibil online la adresa: http://home.aisnet.org/ displaycommon.cfm?
an=l&subarticlenbr=15). Coduri de etică asemă nă toare sunt disponibile și pentru alte discipline…
………

4. Nu prezentați declarații false editorilor și președinților de program de conferință despre


originalitatea lucră rilor pe care le depuneți acestora.
5. Nu abuzați de autoritatea și ră spunderea care vi s-au dat în calitate de editor, recenzent sau
supraveghetor și asigurați-vă că legă turile personale nu vă întunecă judecata.
6. Declarați orice conflict de interese semnificativ care v-ar putea influența capacitatea de a fi
obiectiv sau imparțial la revizuirea lucră rilor depuse, aprobarea cererilor, software-ului sau preluarea de
lucră ri din surse externe.
7. Nu luați sau folosiți date publicate de alții fă ră mulțumiri sau date nepublicate fă ră permisiune și
mulțumire.
8. Recunoașteți contribuțiile substanțiale ale tuturor participanților la cercetare, fie ei colegi ,fie
studenți, potrivit contribuției lor intelectuale.
9. Nu folosiți lucră rile scrise nepublicate ale altor persoane, informațiile, ideile, conceptele sau
datele pe care le-ați putea vedea ca un rezultat al proceselor, cum ar fi evaluare colegială fă ră permisiunea
autorului.
10. Folosiți materiale arhivate doar potrivit regulilor sursei de arhivare.

SFAT: iată câ teva sugestii despre cum să vă protejați de dispute legate de drepturile de autor, pași greșiți,
greșeli și chiar acțiuni în justiție.

1. Pă strați documentația și datele necesare pentru validarea paternită ții literare originale pentru
fiecare lucrare academică cu care aveți legă tură .
2. Nu republicați idei vechi proprii ca și cum ar reprezenta o contribuție intelectuală nouă
3. Rezolvați chestiuni legate de dreptul de proprietate al seturilor de date înainte de compilarea
datelor.
4. Consultați colegi de breaslă dacă aveți îndoieli.

Tabel 16.1. Codul de etică pentru Asociația de Sisteme Informatice


25 \ S o c i a I Science Research

O controversă etică
Robert Allen „Laud" Humphreys este un sociolog și autor american, care este cel mai cunoscut
pentru disertația sa de doctorat, Tearoom Trade (Afacerea din toalete publice), publicată în 1970. Această
carte este o expunere etnografică a întâ lnirilor homosexuale anonime din toaletele publice din parcuri – o
practică cunoscută și sub denumirea de „tea-rooming" = toaletă publică folosită drept loc de întâ lnire între
homosexuali în argoul homosexual din SUA. Humphreys a fost intrigat de faptul că majoritatea
participanților la activită țile care aveau loc într-o astfel de toaletă publică erau în aparență bă rbați
heterosexuali, care altfel tră iau vieți de familie convenționale în comunită țile lor. Totuși, era important
pentru ei să -și pă streze anonimitatea în timpul vizitelor din toaletele publice.

În mod tipic, întâ lnirile din toaletele publice implicau trei persoane- cei doi bă rbați care se
angajau în actul sexual și o persoană care să stea de pază, numită „watchqueen" (regină de șase).Treaba pe
care o avea watchqueen era să -i avertizeze pe cei doi participanți dacă apă rea poliția sau alte persoane, în
același timp plă câ ndu-i să se uite la acțiune ca voyeur. Fiindcă nu avea cum să ajungă la acești subiecți,
Humphreys se ducea la toaletele publice, jucând rolul de watchqueen. Ca observator participant,
Humphreys a putut să realizeze observații pe teren pentru disertația sa, cum ar fi fă cut în mod normal într-
un studiu de proteste politice sau orice alt fenomen sociologic.

Humphreys avea nevoie de mai multe informații legate de participanți. Însă avâ nd în vedere că
participanții nu erau dispuși să fie intervievați pe teren sau să -și divulge identită țile personale, Humphreys
și-a notat numerele de înmatriculare ale mașinilor pe care le conduceau participanții, câ nd acest lucru era
posibil, după care le că uta numele și adresele din bazele de date publice. Apoi îi vizita pe acești bă rbați în
casele lor, deghizâ ndu-se pentru a evita recunoașterea și anunțâ nd că realiza un sondaj și colecta date
personale care altfel nu erau disponibile.

Cercetarea lui Humphreys a generat o controversă considerabilă în cadrul comunită ții științifice.
Mulți critici spuneau că nu ar fi trebuit să le invadeze dreptul la intimidate al altora în numele științei, alții
erau îngrijorați despre comportamentul să u înșelă tor, fă câ ndu-i pe participanți să creadă că era doar un
watchqueen, câ nd avea în mod clar motive ascunse. Chiar și cei care au considerat observarea activită ții din
toaletele publice ca fiind acceptabilă deoarece participanții foloseau unită ți publice au spus că sondajul de
interviu ulterior în casele participanților sub pretexte false a fost lipsit de etică , din cauza modului în care
le-a obținut adresele de domiciliu și pentru că nu a că utat să le obțină consimță mântul în cunoștință de
cauză . Au fost câ țiva cercetă tori care i-au justificat abordarea lui Humphrey, afirmâ nd că acesta reprezenta
un fenomen sociologic important c emerita să fie investigat, că nu exista niciun alt mod prin care să
colecteze aceste date și că amă girea fusese inofensivă , din moment ce Humphrey nu a divulgat nimă nui
identitatea subiecților să i. Această controversă nu a fost niciodată rezolvată și este încă dezbă tută cu
ardoare în clasele și forumurile privind etica cercetă rii.
26 \ Cercetare în științe sociale

Anexă

Mostră de Programă pentru un curs de


doctorat
QMB 7565: Introducere în metodele de cercetare
Universitatea din Sudul Floridei, Colegiul de Afaceri Semestrul de toamnă
2011

Obiective:
Scopul acestui curs este să le prezinte doctoranzilor procesul de realizare a cercetă rii academice.
Vom învă ța despre cum să gâ ndim și să acționă m ca un cercetă tor în conceptualizarea, proiectarea,
executarea și evaluarea proiectelor de cercetare „științifică ˮ. O parte din curs va necesita să proiectați și să
27 \ S o c i a I Science Research

scrieți o propunere de cercetare independentă (cu ajutorul profesorului vostru). În plus, examenul de
absolvire vă va pregă ti pentru secțiunea de metode de cercetare a examenului cuprinză tor de doctorat.

Structură:
Acest curs este conceput sub un format de seminar. Centrul orică rui seminar de doctorat este
reprezentat de discuție și analiza lecturilor desemnate. Pentru a face acest lucru, trebuie să citiți toate
lecturile care vi se recomandă înainte de a intra la clasă, să vă gâ ndiți la aceste chestiuni de-a lungul
semestrului, să dezbateți aceste chestiuni cu colegii de clasă și să le sintetizați mental pentru a vă dezvolta
ca cercetă tor. Vă atrag atenția că dacă nu veniți în clasă complet pregă tiți, veți fi complet pierduți și nu veți
învă ța nimic din curs.

Fiind un seminar de doctorat, acest curs va presupune: (1) un volum de lucru mult mai mare față
de cursul de nivel de master pe care l-ați întâ lnit pâ nă acum, (2) o doză mare de lecturi plictisitoare și (3) o
cantitate substanțială de gâ ndire critică și adesea frustrantă. Acest curs nu este ușor și nu veți primi ușor…

….Acesta este un examen cuprinză tor de 3 ore, în care vi se vor pune întrebă ri de tip eseu din 3-4 pă rți,
asemă nătoare cu cele de la examenele cuprinză toare de doctorat. Mostre de întrebă ri de examen pot fi
descă rcate din Blackboard. Puteți fie scrie ră spunsurile de mâ nă sau să le tehnoredactați la calculator.
Ră spunsurile voastre ar trebui să demonstreze (a) sinteza materialelor parcurse în clasă și (b) propria
voastră analiză critică a acestor materiale și nu doar o regurgitare a lucră rilor sau comentariilor
profesorului. Vi se vor acorda note doar pentru calitatea ră spunsului, nu pentru câ te pagini scrieți. Veți
pierde credite dacă ră spunsul dat este irelevant (de tip incoerent), nu conține suficiente detalii (prea
general sau bag) sau dă dovadă doar de un nivel superficial de înțelegere a materialelor discutate în clasă .
Examenul este de tip carte deschisă / notițe deschise, dar sunteți avertizați că nu vă va ajuta să aveți toate
materialele în față, dacă nu v-ați deranjat să vă pregă tiți pentru examen înainte. Dată fiind avalanșa de
subiecte și materiale parcurse în clasă, tocirea în săptă mâ na dinaintea examenelor va fi prea puțin și prea
tâ rziu.

Propunere de cercetare:
Veți aplica ceea ce ați învă țat despre procesul de cercetare într-o propunere de cercetare care trebuie
predată la sfâ rșitul semestrului. Această propunere va consta din 10-12 pagini, spațiere la un râ nd,
excluzâ ndu-se referințele și anexele. Puteți alege orice problemă de cercetare, la propria alegere, pentru
această propunere, dar de preferat din tradiția pozitivistă de cercetare. Totuși, cercetarea propusă trebuie
obligatoriu să fie originală (adică nu ceva ce faceți pentru un alt curs sau un alt profesor), trebuie să
analizeze o problemă reală (adică nu o problemă ipotetică sau „de joacăˮ) și trebuie să fie cel puțin de o
calitate de nivel de conferință . Propunerea voastră trebuie să includă cinci secțiuni: (1) problema cercetă rii
și semnificația, (2) revizuirea literaturii de specialitate, (3) teorie și ipoteze, (4) metode de cercetare și (5)
plan de cercetare. Colectarea datelor sau analiza nu este necesară. Însă dacă doriți să faceți în schimb un
proiect de cercetare interpretativă , atunci o parte din colectarea și analiza datelor vor fi necesare (și
structura de mai sus se va schimba și ea – discutați cu mine despre aceste modifică ri). Materialele predate
28 \ Cercetare în științe sociale

pentru proiect trebuie predate pe parcursul cursului în semestru, pe mă sură ce parcurgem subiectele
corespunză toare în clasă . Acest lucru îmi va permite să vă dau o reacție și să corectați problemele cu mult
înainte de data de predarea finală. Rețineți că materialele predate intermediar nu se calculează la notă ,
doar propunerea voastră finală va primi notă. De asemenea, veți prezenta propunerea finală în ultima
să ptă mâ nă a cursului printr-o prezentare formală de 15-20 minute (plus o sesiune de 5 minute de
întrebă ri/ră spunsuri), cum ați face în mod obișnuit la o conferință academică .

Revizuirea lucrării:
O componentă cheie a unei cariere academice este evaluarea critică a cercetă rii altora. În timpul celei de-a
doua jumă tă ți a semestrului vi se va cere să scrieți o revizuire formală (critică ) a unei lucră ri depuse spre
publicare într-un ziar de afaceri de top. Pentru a vă ajuta să vă pregă tiți, voi discuta în clasă despre cum să
scrieți revizuiri, vă voi da un cadru de revizuire și vă voi pune să face o rundă de exercițiu de revizuire în
clasă pentru o depunere efectivă la ziar. După ce scrieți revizuirea, vă voi da revizuiri efective de că tre
cronicari /editori anonimi pentru această lucrare astfel încâ t să vă puteți compara propria revizuire cu cea
a cronicarilor profesioniști și să vedeți ce ați ratat. Revizuirea lucră rii, care va primi notă, se face acasă și
trebuie predată cu o să ptă mâ nă înaintea examenului de absolvire. Este posibil să fie nevoie să faceți
cercetă ri de bază sau să citiți unele lucră ri suplimentare înainte de a vă scrie raportul de revizuire, însă
este obligatoriu să nu colaborați sau să discutați lucrarea cu cineva din cadrul sau din afara clasei.

Telefoane mobile: Telefoanele mobile trebuie ÎNCHISE în timpul orei, dar le puteți folosi în timpul pauzelor.

Orarul cursului:
Săptămâna 1: Introducere în cercetare

Program & Introduceri.


Capitolul 1.

Procesul de Cercetare & Publicare.

Săptămâna 2 Gândirea ca un cercetător

Capitolul 2.
O poveste a două lucrări:
• Fichman, R.G. and Kemerer, C.F., "The Illusory Diffusion of Innovation: An Examination of Assimilation
Gaps," Information Systems Research (10:3), September 1999, pp. 255-275. (Difuzarea iluzorie a
inovației: o analiză a decalajelor de asimilare); Cercetare a Sistemelor informatice (10:3) septembrie
1999, paginile 255-275.
• Williams, L.; Kessler, R.R.; Cunningham, W.; and Jeffries, R., "Strengthening the Case for Pair
Programming," IEEE Software, July/August 2000, pp. 19-25. (Întărirea cazului pentru programarea
29 \ S o c i a I Science Research

pereche). Software IEEE, iulie/august 2000, paginile 19-25


Spirit critic:
• Dialog privind Spiritul de conducere, "Awareness is the First Critical Thing," A Conversation with
Wanda Orlikowski, 1999. (Gradul de conștientizare este primul lucru critic, O conversație cu Wanda
Orlikowski, 1999.
Etica cercetării:
• Codul de conduită al AIS: http://home.aisnet.org/displaycommon.cfm?an=l&subarticlenbr=13
• Procesul IRB http://www.research.usf.edu/cs/irb forms.htm

Săptămâna 3: Revizuirea literaturii & Meta-analiză

Revizuirea literaturii:
• Fichman, R.G., "Information Technology Diffusion: A Review of Empirical Research," Proceedings of the
Thirteenth International Conference on Information Systems, Dallas, 1992,195-206. (Difuzarea
tehnologiei informatice: o revizuire a cercetării empirice, Procedurile celei de-a treisprezecea conferințe
internaționale privind sistemele informatice).
• Alavi, M. and Leidner, D.E., "Knowledge Management and Knowledge Management Systems," MIS
Quarterly (25:2), March 2001, pp. 107-136. (Administrarea cunoștințelor și sistemele de gestionare a
cunoștințelor)
Meta-analiză:
• King, W.R, and He, J., "Understanding the Role and Methods of Meta-Analysis in IS Research,"
Communications of the AIS (16), 2005, pp. 665.686. (Înțelegerea rolului și metodele de meta-analiză în
cercetarea IS), Comunicarea AIS
• Henard, D.H. and Szymanski, D.M., "Why Some New Products are More Successful Than Others,"
Journal of Marketing Research (38), August 2001, pp. 362-375. (De ce unele produse noi au mai mult
succes decât altele), Jurnalul Cercetă rii în Marketing
De predat: Propunere de cercetare: problema cercetă rii și semnificația sa.

Săptămâna 4: Filosofia științei


• Barney, J.B., "Firm Resources and Sustained Competitive Advantage," Journal of Management (17:1),
1991, pp. 99-120. (Resursele întreprinderii și avantaj competitiv susținut), Jurnal de Management
• Priem, R.L. and Butler, J.E., "Is the Resource-Based 'View' a Useful Perspective for Strategic
Management Research?", Academy of Management Review (26:1), 2001, pp. 22-40. (Reprezintă
aspectul bazat pe resurse o perspectivă utilă pentru cercetarea de management strategic?), Academia de
revizuire a managementului
Teoria capacității dinamice:
• Teece, D.J.; Pisano, G.; and Shuen, A., "Dynamic Capabilities and Strategic Management," Strategic
Management Journal (18:7), 1997, 509-533. (Capacități dinamice și management strategic), Jurnal de
Management strategic
De predate: Propunere de cercetare: Revizuirea literaturii (cu secțiunile anterioare, modificate dacă este
nevoie).

Săptămâna 7: Măsurare și valabilitate


30 \ Cercetare în științe sociale

Capitolele 6 și 7.
Valabilitatea scalei și unidimensionalitatea:
• Straub, D.W., "Validating Instruments in MIS Research," MIS Quarterly (13:2), June 1989, pp. 146-169.
(Validarea instrumentelor în cercetarea MIS)
• Mackenzie, S. B., Podsakoff, P. M., and Podsakoff, N. P., "Construct Measurement and Validation
Procedures in MIS and Behavioral Research: Integrating New and Existing Techniques," MIS Quarterly
(35:2), 2011, pp. 293-334. (Măsurătoarea construcției și proceduri de validare în cercetarea
comportamentală și MIS: integrarea tehnicilor noi și existente)
De predat: Propunere de cercetare: Teorie & ipoteze (cu secțiunile anterioare, modificate după cum este
necesar)

Săptămâna 8: Cercetarea prin sondaj

Capitolele 5,8 și 9.
Exemplu anchetei pe teren:
• Tsai, W., "Knowledge Transfer in Intraorganizational Networks: Effects of Network Position and
Absorptive Capacity on Business Unit Innovation and Performance," Academy of Management Review,
2001. (Transferul cunoștințelor în rețelele intra -organizaționale: efectele poziției de rețea și capacitatea
de absorbție asupra inovației și performanței unității de afaceri), Academia Revizuirii Managementului
Erori sistematice în cercetarea prin sondaj:
• Malhotra, N. K, Kim, S. S., and Patil, A., "Common Method Variance in IS Research: A Comparison of
Alternative Approaches and a Reanalysis of Past Research," Management Science (52:12), 2006, pp.
1865-1883. (Dispersia metodei comune în cercetarea IS: o comparație a abordărilor alternative și o
reanaliză a cercetării din trecut), Știința managementului

Săptămâna 9: Cercetarea experimentală și cvasi-experimentală

Capitolul 10.
Exemplul experimentului pe teren:
• Hunton, J.E. and McEwen, R.A., "An Assessment of the Relation Between Analysts' Earnings Forecast
Accuracy, Motivational Incentives, and Cognitive Information Search Strategy," The Accounting
Review (72:4), October 1997, pp. 497-515. (O evaluare a relației dintre precizia previzionării
câștigurilor analiștilor, stimulente motivaționale și strategie de căutare a informațiilor cognitive),
Revizuirea contabilită ții
Probleme cu cercetarea experimentală:
• Jarvenpaa, S. L.; Dickson, G. W.; and DeSanctis, G., "Methodological Issues in Experimental IS Research:
Experiences and Recommendations," MIS Quarterly, June 1985, pp. 141-156. (Probleme metodologice
în cercetarea experimentală IS: experiențe și recomandări).
Exemple de cercetare de caz:
• Beaudry, A. and Pinsonneault, A., "Understanding User Responses to Information Technology: A
Coping Model of User Adaptation," MIS Quarterly (29:3), September 2005, pp. 493-524. (Înțelegerea
răspunsurilor utilizatorului la tehnologia informatică: un model de a face față pentru adaptarea
utilizatorului).
31 \ S o c i a I Science Research

• Eisenhardt, K.M., "Making Fast Strategic Decisions In High-Velocity Environments," Academy of


Management Journal (32:3), 1989, pp. 543-577. (Luarea de decizii strategice rapide în mediile de mare
viteză), Academia Jurnalului de management
Analiza pozitivistă contra celei interpretative:
• Trauth, E.M. and Jessup, L.M., "Understanding Computer-Mediated Discussions: Positivist and
Interpretive Analyses of Group Support System Use," MIS Quarterly (24:1), March 2000, pp. 43-79.
(Înțelegerea discuțiilor mijlocite de calculator: analizele pozitiviste și interpretative ale grupului de
sprijin pentru utilizarea sistemului)
De predat: Propunere de cercetare: Metode de cercetare (cu toate secțiunile anterioare).

Săptămâna 12: Cercetare interpretativă

Capitolele 12 și 13.
Demonstrație: Analiza conținutului folosind teoria întemeiată.
Cercetare calitativă:
• Shah, S.K. and Corley, K.G., "Building Better Theory by Bridging the Quantitative-Qualitative Divide,"
Journal of Management Studies (48:3), December 2006, pp. 1821-1835. (Construirea unei teorii mai
bune prin crearea unei punți între divizarea cantitativ-calitativ), Jurnalul Studiilor de management.
Cercetare prin acțiune:
• Kohli, R. and Kettinger, W., "Informating the Clan: Controlling Physician Costs and Outcomes," MIS
Quarterly (28:3), September 2004, pp. 1-32. (Informarea clanului: controlarea costurilor la medic și
rezultatelor)
Etnografie:
• Barley, S.R., "Technicians in the Workplace: Ethnographic Evidence for Bringing Work into
Organization Studies," Administrative Science Quarterly (41), 1996, pp. 404-411 (Tehnicieni la locul de
muncă: dovezi etnografice pentru aducerea muncii în studiile organizației).

Săptămâna 13: Diverse metode

Capitolul 16.
Demonstrație:
• Analiză statistică folosind SPSS.
Analiza datelor secundare
• Chaney, P.K. and Philipich, K.L., "Shredded Reputation: The Cost of Audit Failure," Journal of
Accounting Research (40:4), September 2002, pp. 1221-1245. (Reputație făcută praf: costul eșuării
auditului), Jurnalul de Cercetare Contabilă
Modelare analitică:
• Bayus, B.L., Jain, S., and Rao, A.G, "Truth or Consequences: An Analysis of Vaporware and New Product
Announcements," Journal of Marketing Research (38), February 2001, pp. 313. (Adevăr sau consecințe:
o analiză a software-urilor teoretice și anunțărilor de produse noi), Jurnalul cercetă rii de piață

De predat: Revizuirea articolului.

Săptămâna 14: Examene finale


32 \ Cercetare în științe sociale

Examen cuprinză tor cu că rțile deschise în clasă, de 3 ore. Vezi Mostră de întrebă ri la examen

Săptămâna 15: Prezentările studenților

Prezentare de 20 minute plus 5 minute întrebă ri și ră spunsuri


De predat: Propunerea finală de cercetare
Despre Carte
Această Carte este concepută pentru a introduce doctoranzii și studenții absolvenți în procesul de
realizare a cercetă rii științifice în științele sociale, afaceri, educație, să nă tate publică și disciplinele
asociate cu acestea. Este o sursă compactă , cuprinză toare, unică pentru conceptele de bază în cercetarea
comportamentală și poate servi drept un text de sine stă tător sau un supliment la lecturile de cercetare în
orice seminar doctoral sau orice curs de metode de cercetare. Această carte este folosită în prezent ca text
de cercetare la universită ți de pe șase continente și în curâ nd va fi disponibilă în nouă limbi diferite.

Despre autor
Anol Bhattacherjee este profesor de sisteme informatice și Specialist în cadrul Citigroup/Hidden River la
Universitatea din Sudul Floridei , SUA. Este unul dintre cei mai buni zece cercetă tori în sisteme
informatice din lume, clasat pe locul 8, pe baza cercetă rilor publicate în cele două jurnale de vâ rf în
disciplină, MIS Quarterly și Information Systems Research, din ultima decadă (2001-2010). Într-o carieră
de cercetare ce se întinde pe 15 ani, dr. Dr. Bhattacherjee a publicat peste 40 lucră ri științifice de jurnal și
două că rți care au primit peste 4000 cită ri în Google Scholar. Acesta a fă cut parte și din comisia editorială
a MIS Quarterly timp de patru ani și este invitat în mod frecvent să -și prezinte cercetarea sau să
construiască programe noi de cercetare la universită ți din toată lumea. Mai multe informații despre dr.
Bhattacherjee se pot obține accesâ nd pagina web: http://ab2020.weebly.com.