कथा एका रिसर्चची

कुठलंही संशोधन म्हटलं की पहिली आवश्यक गोष्ट म्हणजे पैसा. होय, संशोधनाच्या उद्दिष्टाहून आवश्यक गोष्ट म्हणजे आर्थिक साहाय्य. त्यामुळेच बहुधा सगळे अभ्यास हे एखाद्या संस्थेच्या मागणीवरून (कारण ती संस्था आर्थिक आणि इतर मदत करते) किंवा वैयक्तिक असल्यास शिष्यवृत्ती वा तत्सम मदतीच्या बळावरच केले जातात. 'अर्थस्य रिसर्चो दासः।' हे शंभराहून अधिक टक्के खरं आहे.

मात्र आर्थिक बाबींची पूर्तता झाली की संशोधनाच्या कक्षेबाहेर विचार (आणि खर्च!) करणं, हा अक्षम्य गुन्हा आहे. संशोधनाच्या कक्षेत कोणकोणत्या गोष्टी येतात, आपली उद्दिष्टं काय असावीत (terms of reference) याचा सर्वप्रथम विचार केला जातो. उदाहरणार्थ 'महाराष्ट्रातल्या सरकारी रूग्णालयात रूग्ण आणि डॉक्टर यांच्या समाधानाचे मूल्यमापन' हा प्रमुख विषय ठरला तर त्यातील प्रत्येक भागाची नेमकी व्याख्या करून प्रत्यक्षात आपण काय मोजू शकतो हे पाहिलं जातं.

याशिवाय जर अशा प्रकारचे मूल्यमापन आधी झालेले असेल तर ते कधी झाले?, नजीकच्या काळात झालेले असल्यास आपल्या अभ्यासात दरम्यानच्या काळात झालेले बदल नमूद करणे अभिप्रेत आहे का?, अशा प्रश्नांचाही विचार करावा लागतो.

रूग्ण आणि डॉक्टर यांचे समाधान कोणत्या प्रकारे मोजता येईल? मुळात याअंतर्गत कोणत्या घटकांचा समावेश होतो? या घटकांचा विचार करताना त्यातल्या सगळ्या/बहुतेकांचा समावेश कसा करता येईल? त्यात काही असे घटक आहेत का ज्यांमुळे आपल्या मुख्य उद्देशाला बाधा येईल? इ. अनेक प्रश्न यातून उमलतात.

अशा प्रश्नांचा निवाडा केला की सर्वसाधारण रूपरेषा आपल्या डोळ्यासमोर येते आणि आपण संशोधनातल्या एका महत्त्वाच्या अंगाकडे येऊन ठेपतो: Methodology किंवा पद्धती.

Methodology ही सर्वसाधारण रूपरेषेच्या पुढची पायरी असते. बहुतांश वेळा संशोधन हे माहितीच्या आधारावर होत असते. ही माहिती मिळवण्याकरता आपण काय निकष वापरणार आहोत याचं नेमकं विवेचन methodology मध्ये असतं. उदा. इस्पितळांच्या मूल्यमापनात कोणती इस्पितळं निवडायची, त्यात कोणत्या प्रकारच्या डॉक्टर आणि रूग्णांचा समावेश करायचा, प्रत्येक इस्पितळातून किती 'आकडा' घ्यायचा या गोष्टी ठरवणं यात अभिप्रेत असतं.

हे एकदा पक्कं झालं की 'मोहीमां'ना सुरूवात होते. पण त्याआधी एक जास्त महत्त्वाची गोष्ट जी पुस्तकात बहुदा दुर्लक्षित होते, ती म्हणजे प्रश्न तयार करणं - questionnaire designing.

माहिती मिळवण्याचा हा पहिला आणि मोक्याचा टप्पा आहे. यात अनेक गोष्टींचं भान ठेवावं लागतं. अचूकतेबरोबर वेळ, खर्च, नेमकेपणा आणि सातत्य (consistency) यांचाही विचार करावा लागतो. एकतर प्रश्नांची संख्या आणि लांबी कमीत कमी ठेवावी, कारण बहुतेक लोकांना हे प्रश्न 'नसत्या उचापती' वाटतात. मिळणारी उत्तरं हो/नाही, एखादा आकडा, उदा. १००, १९७० साल, पाच वर्ष या प्रकारची असतात. कधी कधी प्रश्नाचं स्वरूप असं असतं की मुलाखत देणारा/देणारी अवघडून जाऊ शकतात किंवा सरळ उडवून लावू शकतात. उदा. गरिबीसंबंधीच्या संशोधनात लोकांना 'तुमचं उत्पन्न किती आहे हो?' असं सरळ विचारता येत नाही. तुमचं घर कोणत्या प्रकारचं आहे, छत कशाचं बनवलंय, भिंती कशाच्या आहेत, जमीन कशी आहे असं विचारून त्याप्रमाणे त्यांच्या जीवनमानाबद्दल अंदाज बांधावा लागतो. (किंबहुना NSS - National Sample Survey ची घरासंबंधी सोपी व्याख्या अशी: घराची जमीन, भिंती, छत यातील तिन्ही सिमेंट वा तत्सम पक्क्या बांधणीची असतील तर ते घर पक्कं, एक किंवा दोनच अशी असतील तर अर्ध-पक्कं नाहीतर कच्चं.)

यातला दुसरा मुद्दा असा की लोकांना हे प्रश्न जे सदस्य विचारणार आहेत त्यांच्या पूर्वग्रहाचाही (bias) विचार करावा लागतो. समजा एका सरकारी इस्पितळात भरती झालेल्या रूग्णाकरता प्रश्न आहे, "डॉक्टर रोज राऊंड घेतात का नाही? असल्यास किती?" आता हा प्रश्न (सखाराम गटणे टाईप) जसाच्या तसा विचारला तर बहुधा 'हो' आणि काहीतरी आकडा १,२ असं येईल. एरवीही नुसतं विचारलं तर "डॉक्टर राऊंड घेतात आपले" अशा प्रतिसादातला सूक्ष्म नकार टिपणं केवळ अशक्य असतं. 'आपले'मागचा सूर चांगला आहे का वाईट हे कळणं महत्त्वाचं.

दर वेळेस आखूडशिंगी, बहुदुधी प्रश्नमालिका तयार करणं अवघड असतं. आपला उद्देश किमान साध्य होईल अशा रोखाने ती बनवली जाते. बाकी सारं लोकांच्या हाती.

मात्र हेही तितकंच खरं की लोकांशी प्रत्यक्ष बोलणाऱ्या सदस्यांची निरीक्षणं (त्यांचे पूर्वग्रह वगळून) फार मोलाची ठरतात. फॉर्मवरची उत्तरं आणि निरीक्षणं म्हणजे कवितेतले शब्द आणि ध्वन्यार्थाप्रमाणे असतात. माणसांची निरीक्षणं करू इच्छिणाऱ्याला या ठिकाणी प्रचंड वाव आहे. अर्थात यात त्याने स्वतःची भलीबुरी मतं मिसळण्यापासून कटाक्षाने दूर राहिलं पाहिजे. पण गंमत म्हणजे संशोधनात भाग घेताना उतरंडीत ते सर्वात खाली, असं चित्र उमटलेलं दिसतं.

पण एका अर्थी ते बरोबर आहे. भारंभार माहिती मिळवून आणण्याचं काम ते करत असले तरी त्या माहितीला बोलतं करण्याचं काम संशोधकाचं असतं. ते नक्कीच कौशल्याचं असतं. (यातही माहितीला प्रमाण मानून निष्कर्ष शोधणारे आणि तिला 'थर्ड डिग्री' लावून निष्कर्ष काढणारे, असा भेद असतो. पण त्याबद्दल पुढे.)

तर माहितीचा प्रवास सुरू झालेला आहे. निरनिराळ्या ठिकाणी investigators गेलेले आहेत. लोकांशी थेट भेट होऊन प्रश्नमालिका भरणं चालू झालं आहे.

बऱ्याच वेळी sample मोठं असतं. शंभरेक लोकांच्या मुलाखती घ्यायच्या असतात. अशा वेळी मोहीमेवर गेलेले सदस्य स्वतः सगळ्या मुलाखती घेण्याऐवजी मिळतील तसे चार-पाच त्या ठिकाणचेच लोक - बहुधा विद्यार्थी मिळवतात. त्यांना प्रश्नमालिका समजावून सांगतात आणि प्रति प्रश्नपत्राच्या हिशोबाने त्यांच्यामार्फत त्या भरून घेतात. अशा वेळी सदस्यांचं दर संध्याकाळी एक काम न चुकता ठरलेलं असतं - ते म्हणजे दिवसभरात जी प्रश्नपत्रं भरली गेली त्यात काही उणीवा, संदिग्धता आहे का ते पहाणे आणि तत्काळ दुरूस्त करणे. हे काम महत्त्वाचं अशाकरता की त्या जागेहून मुक्काम हलला की अशा चुका दुरूस्त करणे केवळ अशक्य असते अन् संदिग्ध किंवा सदोष माहिती अज्ञानाहून वाईट हे सांगायला नकोच.

अशा प्रकारे 'मोहीमा' संपल्या, ठिकठिकाणाहून माहितीचा ओघ (आणि प्रश्नपत्रांचे गठ्ठे) मुख्य केंद्रात येऊन पडले की माहितीचा पुढचा प्रवास सुरू होतो. पुढचं विश्रांतीस्थान - संगणकाची कठीण स्थाली - hard disk.

आता 'विदा' स्थिरावतो. पंख्याखाली निवांतपणे संगणकात शिरायला लागतो. Microsoft excel किंवा SPSS (Statistical Package for Social Sciences) किंवा यासारख्या सॉफ्टवेअरचा उपयोग करून माहिती संगणकात टाकताना आकडे /अक्षरांचा उपयोग केला जातो. उदा. डॉक्टरांना असा प्रश्न असेल की OPD मधला रूग्णतपासणीचा वेळ (प्रत्येक रूग्णामागे) तुम्हाला पुरेसा वाटतो का? उत्तर 'हो' असल्यास '१', 'नाही' असल्यास '०' अशा पद्धतीने संगणक याची नोंद करतो. बहुपर्यायी प्रश्न असल्यास, जसं की (डॉक्टरांना उद्देशून) "तुम्ही या सेवेत येण्याची कारणं काय?" उत्तरांमधे "नोकरीची शाश्वती" असं असल्यास 'A', "सरकारी नोकरीचं वलय" असल्यास 'B', "सगळ्या प्रकारच्या रूग्णांचा अनुभव" असं असल्यास 'C' याप्रमाणे encoding-रूपांतरण होतं. असं रूपडं पालटल्यास माहितीला शिस्त येते. सगळे मिळून 'A' किती असं विचारलं अन् काँप्यूटर म्हणाला ४०; तर ४० लोकांच्या मते "नोकरीची शाश्वती" हे डॉक्टरी व्यवसायात यायचं कारण आहे असं दिसतं.

आता हे सगळं सोपं वाटतंय. पण हे नसताना card-punching वर त्या वेळेस लोकांनी कसं काम केलं असेल? असाही हा data-entry चा सोहळा फार कंटाळवाणा होतो. विशेषतः साथीला गाणी आणि नियमित चहाचे ब्रेक्स नसतील तर फारच!

गठ्ठे हळूहळू कमी व्हायला लागतात. सगळा विदा संगणकात गेला की त्याची धुलाई होते. 'डेटा क्लिनींग' म्हणजे सगळ्या माहितीची, ती योग्य प्रकारे भरली गेली आहे का नाही अशी तपासणी करणे. नजरचुकीने किंवा प्रश्नपत्रच चुकीचे भरल्याने एखाद्या वेळेस संगणकात तेवढी माहिती चुकीची भरली जाते. तिचा छडा लावून योग्य ते बदल केले जातात.

संशोधकाची टोपी आता भरली गेलेली आहे. Analysis ची छडी फिरण्याचा अवकाश आहे, संशोधनातला सर्वात महत्त्वाचा टप्पा सुरू होत आहे. 'कृपया कुर्सी की पेटी बांध लिजीये।' या पुढचा भाग लगेचच कळेल असं नाही.

संख्याशास्त्रात माहितीच्या साध्या वर्गीकरणापासून अनेक साधनं माहितीचा अर्थ लावण्याकरता उपलब्ध असतात. अनुभवी डोळ्यांना साध्या वर्गवारीतूनही निष्कर्षांचा अंदाज येऊ शकतो. किंबहुना कुशल डॉक्टर जसा रूग्णाची लक्षणे (symptoms) बघून त्याला कशा प्रकारचा उपचार द्यायचा ते ठरवतो; तसा चांगला संशोधक माहितीचा नूर पाहून कोणती विशेष संख्याशास्त्रीय कसोटी लावायची ते ठरवतो.

या संदर्भात वर म्हटलेल्या एका मुद्द्याबद्दल इथं थोडं विस्ताराने सांगणं योग्य ठरेल. साधारणपणे एखाद्या संशोधनात माहिती गोळा करण्याआधी 'उद्दिष्टे' ठरलेली असतात. थोड्या जड भाषेत सांगायचं झालं तर 'हायपोथेसिस' तयार असतो. आपण मिळवलेली माहिती या पूर्वानुमानाला - हायपोथेसिसला कितपत साहाय्य करते?; मुख्य म्हणजे हे साहाय्य संख्याशास्त्रीय दृष्टीकोनातून लक्षणीय (statistically significant) आहे का?, या प्रश्नांचा निवाडा करणं अपेक्षित असतं. संशोधकाची भूमिका इथे एखाद्या न्यायाधीशासारखी असते. जसा न्यायाधीश आरोपीला गुन्हेगार ठरवण्यासाठी दिलेला पुरावा पुरेसा सबळ आहे का याचा विचार करतो तसाच एखादा संशोधक वर म्हटल्याप्रमाणे माहितीचा वापर करतो. पण दुर्दैवाने काही हरीचे लाल (यांची संख्या वाढत आहे असे आम्ही ऐकतो.) निराळा दृष्टिकोन स्वीकारतात. माहिती जमवून मग तिच्याकडून उद्दिष्ट/पूर्वानुमान(?) वदवून घेतात. (हे म्हणजे जिराफाचा फोटो दाखवून 'हा जिराफ आहे' किंवा 'हा हत्ती नाही' असं सिद्ध करण्यासारखं आहे.) या कामी त्यांना संख्याशास्त्राची मदत होते. खरं म्हणजे ते गैरवापर करतात, असं म्हणणं अधिक योग्य ठरेल. शास्त्रं बोलूनचालून मुकी बिचारी, कुणीही हाका.

माहितीचा वापर करताना प्रत्येक संशोधकाला तिच्या मर्यादांची जाणीव असते. (उदा. इस्पितळातील रूग्णांचे ते तेथून बाहेर पडताना इस्पितळासंबंधी अभिप्राय परिस्थितीच्या दडपणामुळे चांगलेच असतात. इंग्लिशमधे याला courtesy bias म्हणतात.) पण तरीही तिचं 'पावित्र्य' राखणं अतिशय गरजेचं असतं. आपल्या संशोधनामागे जो विचार आहे, त्याचं प्रत्यक्षातलं प्रतिबिंब पहायचा ही माहिती एक आरसा आहे. या विचारांचं खरं स्वरूप समजून घ्यायची इच्छा असेल तर आरसा स्वच्छ आणि सरळ असावा लागतो; अन्यथा प्रतिबिंब 'विकृत' होते.

संख्याशास्त्रीय कसोट्यांबद्दल खूप बोलण्यासारखे आहे (कळण्यासारखं फार नाही). इतकंच महत्त्वाचं की कुठली कसोटी कुठे वापरायची याचं भान हवं. अन्यथा हाती कुर्‍हाड मिळाल्यावर बागेत शिरलेल्या बाल वॉशिंग्टनमधे आणि निव्वळ संख्याशास्त्रीय कसोट्या घोकून संशोधन करणार्‍या संशोधकात काहीही फरक रहात नाही. (लहानग्या वॉशिंग्टननं किमान आपल्या चुकीची प्रांजळपणे कबुली दिली; इथे तीही अपेक्षा करता येऊ शकत नाही.)

हा सगळा भाग मान्य केला तरी संशोधनाचं, चांगल्या संशोधनाचं महत्त्व कमी होत नाही. याचं कारण, अशा चांगल्या संशोधनातून निघणारे निष्कर्ष लोकांच्या आयुष्यात बदल घडवू शकतात. त्यांच्यात तेवढं सामर्थ्य असतं. संख्याशास्त्रीय कसोट्यांवर घासलेली माहिती निव्वळ 'विदा' रहात नाही. ती बोलू लागते. स्वतःस व्यक्त करते. संशोधकाला निष्कर्षांची वाट दाखवते. निष्कर्षांवर आधारित धोरणं प्रत्यक्षात आली तर वर्तुळ पूर्ण होतं. लोकांपासून सुरू झालेली माहितीची दिंडी धोरणांच्या स्वरूपात पुन्हा त्यांच्याकडेच येऊन पोहोचते आणि एका परीने पुढच्या प्रवासाची सिद्धता करते!

field_vote: 
4
Your rating: None Average: 4 (1 vote)

प्रतिक्रिया

छान लेख.. शेवटचे तात्पर्य अधिक बोलके.
लोकांना प्रश्न विचारून बोलते करणे किती अवघड आहे याचा पुसटसा का होईना अनुभ्व घेतलेला आहे.
जमा केलेला विदा चाळून त्यातून काही सत्त्व आपलेसे करतात तर काही खड्यांकडे बोट दाखवतात. दोन्ही तितकेच महत्त्वाचे असते!

बाकी कोणाकडे लेखातील इंग्रजी शब्दांना मराठी पर्यायी शब्द असल्यास माहिती म्हणून जाणून घ्यायला आवडतील.

  • ‌मार्मिक0
  • माहितीपूर्ण0
  • विनोदी0
  • रोचक0
  • खवचट0
  • अवांतर0
  • निरर्थक0
  • पकाऊ0

- ऋ
-------
लव्ह अ‍ॅड लेट लव्ह!

जमा केलेला विदा चाळून त्यातून काही सत्त्व आपलेसे करतात तर काही खड्यांकडे बोट दाखवतात. दोन्ही तितकेच महत्त्वाचे असते!

हे वाचून केशवसुतांनी (अनाहूतपणे) केलेली संशोधकाची व्याख्या आठवली..

"फोले पाखडिता तुम्ही निवडतो, ते सत्त्व आम्ही (पक्षी: संशोधक) निके." Smile

सत्त्व आणिक खडे, दोन्ही महत्त्वाचे असतात हा त्याहून पुढला विचार झाला..बहोत खूब!

  • ‌मार्मिक0
  • माहितीपूर्ण0
  • विनोदी0
  • रोचक0
  • खवचट0
  • अवांतर0
  • निरर्थक0
  • पकाऊ0

शीर्षकावरुन असं वाटलं की तुम्ही 'एका' रिसर्चची कथा सांगत आहात. प्रत्यक्षात तुम्ही संशोधनाच्या प्रक्रियेतले टप्पे सांगितले आहेत. त्यामुळे फसवणूक झाल्यागत वाटतंय Smile

<< कुठलंही संशोधन म्हटलं की पहिली आवश्यक गोष्ट म्हणजे पैसा.>> यातल्या 'पहिली' शब्दाशी असहमत. संशोधन करायला पैसा लागतो याबबत दुमत नाही पण पहिली आवश्यक गोष्ट म्हणजे 'अमूक एक गोष्ट अशी का आहे?' असा प्रश्न पडायला पाहिजे. तो प्रश्नच नसेल पडलेला तर केवळ पैसा आहे म्हणून केलेल्या संशोधनातून काहीही साध्य होत नाही, होणारही नाही.

प्रश्नावली (प्रश्नमालिका) सारखंच आणखी एक साधन म्हणजे 'छोट्या समुहांत विषयकेंद्री चर्चा' (Focus Group Discussion)- त्याविषयी अजून वाचायला आवडलं असतं. शिवाय मोहीमा (फील्ड वर्क) मधून येणारी माहिती संख्यात्मक असते आणि गुणात्मकही असते. याबाबत संशोधन क्षेत्रात बरीच चर्चा झाली आहे, पुढेही होत राहील. वैज्ञानिक संशोधन आणि समाजशास्त्रीय संशोधन यांच्यातल्या साम्य आणि फरकांबाबत रोचक चर्चा चालू असते.

पुढे या सगळ्या मुद्यांवरही विस्ताराने लिहाल अशी अपेक्षा. आणि एखादा रिसर्चची कथा वाचायला मनापासून आवडेल.

  • ‌मार्मिक0
  • माहितीपूर्ण0
  • विनोदी0
  • रोचक0
  • खवचट0
  • अवांतर0
  • निरर्थक0
  • पकाऊ0

पुढे या सगळ्या मुद्यांवरही विस्ताराने लिहाल अशी अपेक्षा. आणि एखादा रिसर्चची कथा वाचायला मनापासून आवडेल.

+१

प्रश्नावली कशी बनवतात हा भाग फारच रोचक आहे,.

  • ‌मार्मिक0
  • माहितीपूर्ण0
  • विनोदी0
  • रोचक0
  • खवचट0
  • अवांतर0
  • निरर्थक0
  • पकाऊ0

---

सांगोवांगीच्या गोष्टी म्हणजे विदा नव्हे.