تحلیل تطبیقی کیفی یا QCA

مقدمه

ارزیابی مداخلات در حوزه سیاست‌گذاری و مدیریت معمولاً با این پرسش اساسی روبه‌روست: چرا یک برنامه در یک بستر مشخص نتیجه مطلوب را ایجاد کرده، اما همان برنامه در بستر دیگر شکست خورده است؟ پاسخ به این پرسش به‌ندرت در یک عامل منفرد خلاصه می‌شود. اغلب ترکیبی از عوامل زمینه‌ای، ظرفیت‌های اجرایی، همراهی ذی‌نفعان و سازوکار خود مداخله در کنار هم نتیجه را شکل می‌دهند. تحلیل تطبیقی کیفی یا QCA روشی است که برای همین صورت از مسئله طراحی شده است؛ جایی‌که تبیین پیامد نیازمند بررسی نظام‌مند ترکیب شرایط است، نه اثر مجزای یک متغیر.

تحلیل تطبیقی کیفی چیست؟

تحلیل تطبیقی کیفی (Qualitative Comparative Analysis) یک روش تحلیلی برای مقایسه نظام‌مند پرونده‌ها یا موارد مطالعه است. هدف اصلی QCA شناسایی این نکته است که کدام شرایط یا ترکیبی از شرایط، به‌طور نظام‌مند با یک پیامد معین هم‌راستا هستند. برخلاف تحلیل‌های آماری که عمدتاً اثر خالص هر متغیر را مستقل از سایر متغیرها برآورد می‌کنند، QCA بر ترکیب شرایط متمرکز است و این امکان را فراهم می‌کند تا صورت‌های مختلفی از علیت، از جمله علیت پیچیده و مسیرهای متعدد منتهی به یک پیامد، بررسی شوند.

QCA عمدتاً به دو پرسش پاسخ می‌دهد: نخست اینکه چه ترکیب‌هایی از شرایط با حضور پیامد مرتبط‌اند، و دوم اینکه آیا مسیرهای متفاوتی برای دستیابی به همان پیامد وجود دارد یا نه. این روش برای بررسی نمونه‌هایی مناسب است که تعداد موارد آن‌ها برای تحلیل آماری معنادار کوچک است، اما برای مطالعه موردی صرف نیز آن‌قدر متنوع‌اند که مقایسه نظام‌مند را ضروری می‌کنند.

این روش چه مسئله‌ای را در ارزیابی حل می‌کند؟

در بسیاری از ارزیابی‌ها، مسئله اصلی این نیست که «آیا مداخله اثر داشته است؟»، بلکه این است که «اثر در چه شرایطی و از چه مسیری ایجاد شده است؟». اگر چند منطقه یک برنامه مشابه را دریافت کرده‌اند و تنها در برخی از آن‌ها پیامد مطلوب مشاهده شده است، تحلیل میانگین اثر یا مقایسه ساده دو گروه نمی‌تواند توضیح دهد که چرا نتیجه متفاوت بوده است. در چنین شرایطی، آنچه ارزیاب نیاز دارد درک ترکیب‌های متفاوت از شرایط است، نه سنجش اثر یک عامل خاص.

QCA دقیقاً همین خلأ را پر می‌کند. این روش با حفظ نگاه کل‌نگر به هر مورد، امکان می‌دهد الگوهای مشترکی را در میان موارد موفق و ناموفق تشخیص دهیم. به این ترتیب، QCA به ارزیاب کمک می‌کند از توصیف صرف تنوع نتایج فراتر رود و به استنباطی درباره شرایط لازم، شرایط کافی یا ترکیب‌های علی مؤثر بر پیامد نزدیک شود؛ استنباطی که در عین حال محدودیت‌های خود را نیز دارد و باید با احتیاط تفسیر شود.

چه زمانی از QCA استفاده کنیم؟

QCA برای ارزیابی مداخلاتی مناسب است که در آن‌ها بستر اجرا اهمیت دارد و چند مسیر محتمل برای ایجاد پیامد وجود دارد. این شرایط به‌ویژه در مداخلات اجتماعی، سیاست‌های محلی، برنامه‌های توسعه، طرح‌های شهری و اقدامات منابع انسانی رخ می‌دهد. وقتی تعداد موارد مطالعه برای تحلیل آماری قوی ناکافی است، اما ارزیاب به مقایسه فراتر از یک یا دو مطالعه موردی نیاز دارد، QCA انتخاب مناسبی است.

همچنین وقتی پرسش ارزیابی به «چه ترکیبی از عوامل» یا «چرا اینجا و نه آنجا» مربوط می‌شود، QCA می‌تواند چارچوبی نظام‌مند برای پاسخ فراهم کند. این روش برای بررسی «هم‌پایانی» کاربرد ویژه دارد؛ یعنی وقتی می‌دانیم یا فرض می‌کنیم چند مسیر متفاوت می‌توانند به نتیجه یکسان ختم شوند.

مسئله ارزیابیسؤال اصلیQCA چه کمکی می‌کند؟شواهد لازمتصمیم یا نتیجهمداخله در برخی مناطق موفق و در برخی ناموفق بوده است.کدام ترکیب از شرایط با موفقیت همراه بوده است؟ترکیب‌های علی مشترک در موارد موفق را شناسایی می‌کند.داده کیفی یا کمی درباره حضور یا شدت شرایط در هر منطقهشناسایی شرایط لازم یا ترکیب‌های کافی برای موفقیتچند مسیر محتمل برای ایجاد پیامد وجود دارد.آیا مسیرهای متفاوت به همان پیامد می‌رسند؟صورت‌های متعدد تحقق پیامد را بررسی می‌کند.شواهد ترکیبی از شروط زمینه‌ای و مداخله‌ایتشخیص هم‌پایانی و پرهیز از تجویز مسیر واحداثر مداخله به شرایط اجرایی وابسته است.در چه شرایطی مداخله اثرگذار است؟ترکیب شرایط حمایت‌کننده پیامد را صورتبندی می‌کند.سنجه‌های فازی یا دودویی از عوامل اجرایی و زمینه‌ایتنظیم مداخله بر اساس شرایط لازم یا کافی تجربه‌شده

ارتباط QCA با نظریه تغییر

QCA به خودی خود یک نظریه تغییر نیست، اما می‌تواند به‌عنوان ابزار تحلیلی برای بررسی تجربی آن به کار رود. در این حالت، نظریه تغییر مشخص می‌کند که بر اساس منطق مداخله، کدام فعالیت‌ها به چه نتایجی و از طریق چه سازوکاری منتهی می‌شوند. QCA سپس بررسی می‌کند که آیا الگوی مشاهده‌شده در داده‌ها با این انتظارات سازگار است یا نه.

برای نمونه، اگر نظریه تغییر تصریح کند که موفقیت یک برنامه آموزشی به «آموزش باکیفیت» و «حمایت مدیریتی» وابسته است، QCA می‌تواند نشان دهد که آیا ترکیب این دو شرط واقعاً در موارد موفق حضور داشته است، آیا یکی از آن‌ها شرط لازم محسوب می‌شود، یا اینکه مسیر موفقیت بدون یکی از آن‌ها نیز ممکن است. بنابراین QCA راهی برای آزمودن ادعاهای نظریه تغییر در مجموعه‌ای از موارد واقعی فراهم می‌کند، بی‌آنکه ادعای قطعیت علی داشته باشد.

چگونه از QCA استفاده کنیم؟

کاربست QCA معمولاً از یک صورت سؤال آغاز می‌شود که به پیامد مشخص و مجموعه‌ای از شرایط قابل بررسی اشاره دارد. مراحل زیر یک مسیر منطقی متعارف را نشان می‌دهد، هرچند جزئیات اجرا بسته به پرسش ارزیابی می‌تواند متفاوت باشد.

  1. تعریف پیامد: مشخص کنید نتیجه مورد بررسی چیست و ملاک تحقق یا عدم تحقق آن در هر مورد چگونه تعیین می‌شود.

  2. تعیین شرایط: بر اساس نظریه تغییر، تجربه اجرایی یا مرور شواهد، شرایطی را که احتمال می‌دهید در ایجاد پیامد نقش دارند، فهرست کنید.

  3. انتخاب موارد: مجموعه‌ای از پرونده‌ها را برگزینید که هم موارد دارای پیامد و هم موارد فاقد آن را در بر بگیرد.

  4. گردآوری داده: برای هر مورد، حضور یا شدت هر شرط را ثبت کنید. این ثبت می‌تواند دودویی (حضور یا عدم حضور) یا فازی (درجه‌بندی‌شده) باشد.

  5. ساخت جدول ترکیب‌ها: موارد را بر اساس ترکیب شرایط و وضعیت پیامد در جدولی منظم سازمان‌دهی کنید.

  6. تحلیل نظام‌مند: از منطق مقایسه برای شناسایی شرایطی که همواره همراه پیامد هستند یا ترکیب‌هایی که با پیامد هم‌راستایی دارند استفاده کنید.

  7. بررسی توضیحات رقیب: برای هر الگوی شناسایی‌شده، از خود بپرسید آیا شرایط دیگری می‌توانسته‌اند نتیجه مشابه را ایجاد کنند.

  8. تفسیر محتاطانه: یافته‌ها را به‌عنوان تقویت یا تضعیف یک تبیین نظری و نه اثبات قطعی رابطه علی گزارش کنید.

شواهد موردنیاز

QCA به داده‌ای نیاز دارد که برای هر مورد تصویری قابل مقایسه از شرایط و پیامد ارائه دهد. این داده‌ها می‌توانند کیفی یا کمی باشند. گزارش‌های اجرایی، مصاحبه‌ها، بررسی اسناد، سنجه‌های عملکردی و داده‌های بستر اجرا همگی می‌توانند به کار گرفته شوند. نکته مهم آن است که تعریف هر شرط باید به‌اندازه کافی شفاف باشد تا بتوان آن را در همه موارد با قاعد‌ه واحدی ثبت کرد.

کیفیت استنباط در QCA به کیفیت این ثبت‌ها وابسته است. اگر شواهد ناقص باشند یا تعریف شرط‌ها مبهم باشد، نتیجه حساس به خطاهای اندازه‌گیری و تفسیر خواهد بود. همچنین باید به شواهدی توجه کرد که شاید با الگوی اصلی هم‌خوانی ندارند. وجود موارد متناقض که از ترکیب‌های مشابه، پیامد متفاوت نشان می‌دهند، نشانه‌ای از ناقص بودن مجموعه شرایط یا وجود عامل مغفول است و نباید نادیده گرفته شود.

مثال کاربردی

فرض کنید یک برنامه دولتی برای بهبود ایمنی عابران در تقاطع‌های پرخطر چند شهر اجرا شده است. نتیجه مورد بررسی کاهش تصادف‌های عابران طی یک سال است. بر اساس برنامه، موفقیت به سه عامل وابسته فرض می‌شود: اجرای فنی مناسب اصلاح هندسی، اجرای برنامه آموزشی برای رانندگان و همراهی پلیس راهور در هفته‌های نخست اجرا.

ارزیاب داده‌های مربوط به ده تقاطع را گردآوری می‌کند و برای هر تقاطع حضور یا عدم حضور هر سه شرط و وضعیت کاهش تصادف را ثبت می‌کند. مقایسه نظام‌مند نشان می‌دهد که در همه موارد موفق، اصلاح هندسی و آموزش رانندگان هردو حضور داشته‌اند، اما همراهی پلیس گاهی حضور داشته و گاهی غایب بوده است. همچنین برخی موارد با حضور هر دو شرطِ نخست، باز هم موفق نبوده‌اند. این الگو به ارزیاب می‌گوید که دو شرط نخست احتمالاً لازم‌اند اما کافی نیستند و باید عامل دیگری مانند نوع محله یا حجم عبور عابران نیز بررسی شود. این یافته فرضی، چرایی شکست در برخی نقاط را دقیق‌تر می‌کند و تصمیم درباره توسعه برنامه را هدفمندتر می‌سازد.

مزایای QCA

QCA به ارزیاب امکان می‌دهد که مقایسه‌ای نظام‌مند را بدون از دست دادن جزئیات زمینه‌ای انجام دهد. این روش برای بررسی علیت ترکیبی و شناسایی مسیرهای متعدد نتیجه‌بخشی مزیت مهمی دارد و در شرایطی که تعداد موارد تحلیل زیاد نیست، جایگزین مناسبی برای تحلیل‌های آماری متعارف فراهم می‌کند. همچنین با اتکا بر داده‌های کیفی و کمی به‌صورت هم‌زمان، انعطاف بالایی برای کاربرد در برنامه‌های واقعی دارد و به‌جای خلاصه‌کردن اثر کل مداخله، تصویری از شرایط تحقق پیامد به دست می‌دهد.

محدودیت‌ها و خطاهای رایج

QCA فرض می‌کند شرایطی که ارزیاب وارد تحلیل می‌کند، دربردارنده عوامل اصلی مرتبط با پیامد هستند. اگر عامل مهمی مغفول بماند، ترکیب‌های شناسایی‌شده می‌توانند گمراه‌کننده باشند. افزون بر این، تعریف و آستانه‌گذاری شرایط می‌تواند نتیجه را تغییر دهد؛ به‌ویژه وقتی از مقیاس‌های فازی استفاده می‌شود، قضاوت ارزیاب در تعیین درجه عضویت اثرگذار است. افزایش تعداد موارد نیز گرچه امکان تحلیل را گسترده می‌کند، معمولاً عمق اطلاعات هر مورد را کاهش می‌دهد. در نهایت، QCA الگوهای هم‌راستا با پیامد را نشان می‌دهد، اما به خودی خود ثابت نمی‌کند که آن شرایط علت پیامد بوده‌اند؛ بنابراین استنباط علی باید در چارچوب نظری و با توجه به توضیحات رقیب صورت گیرد.

مقایسه با روش‌های مشابه

روش سؤال اصلی نقطه قوتمحدودیت اصلی چه زمانی مناسب‌تر است؟QCAکدام ترکیب شرایط با پیامد مرتبط است؟بررسی علیت ترکیبی و هم‌پایانی در نمونه کوچکحساس به انتخاب و تعریف شرایطمقایسه نظام‌مند چند ده مورد با توجه به بستر اجراردیابی فرایندسازوکار علی در یک مورد چگونه عمل کرده است؟عمق بالا در بررسی زنجیره علیتعمیم‌پذیری محدودوقتی یک یا چند مورد برای فهم سازوکار باید عمیقاً بررسی شودتحلیل سهمآیا مداخله در ایجاد تغییر مشاهده‌شده سهم داشته است؟ارزیابی صریح سهم با توجه به توضیحات رقیبنیازمند زنجیره شواهد و چارچوب نظری قویهنگام نسبت‌دادن تغییر به مداخله در شرایط غیرآزمایشیارزیابی واقع‌گرایانه چه چیزی برای چه کسی و در چه شرایطی مؤثر است؟تمرکز بر سازوکار و بستراجرای کامل آن پیچیده و زمان‌بر است وقتی پرسش به الگوهای سازوکار-بستر-پیامد معطوف است

جمع‌بندی

QCA روشی عمل‌گرایانه برای ارزیابی مداخلاتی است که در آن‌ها نتیجه به ترکیب شرایط و بستر اجرا گره خورده است. این روش به ارزیاب کمک می‌کند از مقایسه نظام‌مند موارد محدود، الگوهای معنادار را استخراج کند و دریابد که موفقیت یا شکست برنامه با کدام ترکیب از عوامل هم‌راستا بوده است. اما QCA را نباید ابزار اثبات قطعی رابطه علی دانست؛ ارزش آن در ساختاربخشی به مقایسه و آزمون تجربی انتظارات برآمده از نظریه تغییر است. هنگام انتخاب این روش، مهم‌ترین نکته شفافیت در تعریف پیامد و شرایط و توجه به محدودیت‌های تفسیر علی یافته‌ها است.