کد چیست؟ تأملی روش‌شناختی بر هستی، تاریخ و معنای کد در پژوهش کیفی

۱. مقدمه: چرا باید درباره «خود کد» اندیشید؟

در فضای آکادمیک امروز، با یک پارادوکس روش‌شناختی مواجهیم: کدگذاری (Coding) در بیش از هشتاد درصد پایان‌نامه‌ها و مقالات مبتنی بر پژوهش کیفی به‌عنوان روش اصلی تحلیل داده‌ها ذکر می‌شود (Saldaña, 2021)، اما اگر از اکثر این پژوهشگران پرسیده شود «کد اساساً چیست؟»، پاسخ‌ها غالباً مبهم، تقلیل‌گرایانه یا صرفاً معادل واژه «برچسب» است. کدگذاری به یک مناسک (Ritual) دانشگاهی تبدیل شده است که پژوهشگران تازه‌کار از آن عبور می‌کنند تا به یافته‌های خود مشروعیت ببخشند؛ بدون آنکه پرسش بنیادینی درباره ماهیت این عمل مطرح کنند. این وضعیت، یک «آنتولوژی پنهان» (Hidden Ontology) را در پژوهش‌های کیفی نهادینه کرده است که در آن، کد به‌مثابه واقعیتی بدیهی، بی‌نیاز از تأمل فلسفی، تلقی می‌شود (St. Pierre & Jackson, 2014).

جانی سالدانیا (Saldaña, 2021) به زیبایی بیان می‌کند که «کدگذاری بیش از یک گام در فرآیند تحلیل است؛ یک عمل تفسیری است» (ص. ۴). با این حال، در ادبیات روش‌شناسی (به‌ویژه در زبان فارسی)، تمرکز عجیبی بر «چگونه کد بزنیم» (انواع کدگذاری باز، محوری، انتخابی) وجود دارد، در حالی که خلأ عمیقی در پرداختن به «کد چیست» احساس می‌شود. این عدم تعادل، پیامدهای جدی روش‌شناختی به همراه دارد: پژوهشگران به‌جای فهمِ پارادایمی که در آن کار می‌کنند، صرفاً تکنیک‌هایی را کپی می‌کنند؛ به‌جای آگاهی از مفروضات فلسفی، فرمول‌هایی را به‌کار می‌بندند؛ و در نهایت، پژوهش کیفی خود را به یک فرآیند مکانیکی تبدیل می‌کنند که از غنای تفسیری‌اش تهی است(دوره جامع رویکرد کیفی آکادمی تحلیل آماری ایران).

خلأ پرداخت به «خودِ کد» تنها یک کاستی نظری نیست؛ بلکه پیامدهای عملی جدی دارد. وقتی پژوهشگری بدون فهم پارادایمی، کدی را به یک پاره داده اختصاص می‌دهد، در واقع ناخودآگاه یک موضع هستی‌شناختی اتخاذ می‌کند: آیا این کد را در داده «یافته» است، یا «ساخته» است؟ آیا کد یک شیءِ مستقل از پژوهشگر است یا برساخته‌ای از تعامل اوست؟ این پرسش‌ها، چنانکه بلیکر و همکاران (Bleiker et al., 2019) نشان داده‌اند، تعیین‌کننده اعتبار، شفافیت و انسجام درونی پژوهش هستند.

دلیل دیگری که بر اهمیت این مقاله می‌افزاید، تحولات بنیادینی است که در یک دهه اخیر در فضای پژوهش کیفی رخ داده است. از یک سو، ظهور نقدهای رادیکالِ پژوهش پساکیفی (Post-qualitative Inquiry) خودِ وجاهت کدگذاری را به چالش کشیده است (St. Pierre, 2014). از سوی دیگر، ورود مدل‌های زبانی بزرگ (Large Language Models) و قابلیت اتوماتیک‌سازی کدگذاری، پرسش‌های جدیدی درباره ماهیت تفسیری کد مطرح کرده است (Qiao et al., 2024; Zhang et al., 2024). در چنین فضایی، اگر پژوهشگر فهم عمیقی از «خودِ کد» داشته باشد، چگونه می‌تواند موضعی آگاهانه نسبت به این تحولات اتخاذ کند؟

هدف این مقاله پر کردن همین خلأ است. ما در اینجا قصد نداریم لیستی از روش‌های کدگذاری ارائه دهیم؛ بلکه می‌خواهیم با نگاهی تبارشناسانه (Genealogical)، هستی‌شناختی (Ontological) و انتقادی (Critical)، خودِ مفهوم کد را کالبدشکافی کنیم. ساختار مقاله به شرح زیر است: نخست، در بخش روش‌شناسی، رویکرد مرور خود را روشن کنیم. سپس در بخش‌های سوم تا ششم، به‌ترتیب تاریخچه، تعریف هستی‌شناختی، تمایز مفهومی و کارکردهای کد را بررسی می‌کنیم. بخش‌های هفتم و هشتم به آلترناتیوها و نقدهای کدگذاری اختصاص دارد. در بخش‌های نهم و دهم، به نقش نرم‌افزارها و هوش مصنوعی می‌پردازیم. در نهایت، با یک نمونه عملی، تفاوت پارادایمی را در عمل نشان می‌دهیم و با جمع‌بندی و توصیه‌هایی به پژوهشگران تازه‌کار، مقاله را به پایان می‌رسانیم.

۲. روش‌شناسی مقاله

این مقاله یک مرور روایی روش‌شناختی (Methodological Narrative Review) است. برخلاف مرورهای سیستماتیک که به دنبال تجمیع یافته‌های تجربی هستند، مرور روش‌شناختی بر تحول مفاهیم، پیش‌فرض‌های فلسفی و شیوه‌های انجام پژوهش تمرکز دارد. این رویکرد به ما اجازه می‌دهد به‌جای فهرست کردن خطی منابع، یک «روایت تحلیلی» (Analytical Narrative) از تحول مفهوم کد ارائه دهیم که هم تبارشناسانه و هم انتقادی است.

راهبرد جستجوی منابع شامل سه گام بود. در گام نخست، جستجوی نظام‌مند در پایگاه‌های Scopus، Web of Science و Google Scholar با کلیدواژگانی نظیر coding in qualitative research، qualitative data analysis، code definition، post-qualitative inquiry، و thematic analysis انجام شد. در گام دوم، از روش گلوله‌برفی (Snowballing) و بررسی منابع ارجاع‌داده‌شده در آثار کلیدی (نظیر سالدانیا، براون و کلارک) برای گسترش پایگاه منابع استفاده شد. در گام سوم، جستجوی هدفمند برای منابع مرتبط با موضوعات حاشیه‌ای اما حیاتی، نظیر ریشه‌شناسی کد و تلاقی هوش مصنوعی با تحلیل کیفی، صورت گرفت.

منابع منتخب در سه دسته جای می‌گیرند: نخست، متون مرجع کلاسیک که شالوده‌گذار مفهوم کد در پژوهش کیفی هستند (مانند آثار گلیزر و اشتراوس، اشتراوس و کوربین، چارمز، سالدانیا، براون و کلارک)؛ دوم، متون انتقادی که خود عمل کدگذاری را زیر سؤال برده‌اند (مانند آثار الیزابت سنت‌پیر و آلیشیا جکسون)؛ و سوم، متون پیشگام معاصر درباره تلاقی هوش مصنوعی و کدگذاری کیفی (Qiao et al., 2024; Zhang et al., 2024; Parfenova et al., 2024). معیار نهایی انتخاب، نه فقط شمار ارجاعات، بلکه «نقشِ سازنده» منبع در گفتمان روش‌شناختی بود.

۳. ریشه‌شناسی و تاریخچه واژه «کد» در پژوهش کیفی

برای فهم یک مفهوم، نخست باید تبار آن را شناخت. واژه «کد» از ریشه لاتین codex می‌آید که در ابتدا به معنای تنه درخت، سپس لوح چوبی برای نوشتن، و در نهایت کتاب قانون (مانند کُدِکس یوستینیانوس) به‌کار رفته است. این ریشه‌شناسی نکته‌ای مهم را آشکار می‌کند: کد از همان آغاز با مفهوم «قاعده‌مندی»، «طبقه‌بندی» و «نظم بخشیدن به امرِ نامنظم» گره خورده است. این بار معناییِ ضمنیِ نظم‌بخشی، در عمل کدگذاری مدرن نیز بازتولید می‌شود.

در قرن بیستم، با ظهور نظریه اطلاعات شانون (Shannon’s Information Theory) و رمزنگاری، واژه «کد» معنایی فنی‌تر یافت: تبدیل یک پیام به قالبی فشرده، استاندارد و امن. این بار معنایی، تلویحاً مفهوم «کاهش پیچیدگی» را در دل خود حمل می‌کرد — مفهومی که بعدها به ستون فقرات کدگذاری کیفی تبدیل شد. وقتی پژوهشگر کیفی یک پاره داده را «کد» می‌زند، در حقیقت یک کنش رمزنگارانه انجام می‌دهد: پیامی پیچیده را به نمادی فشرده تبدیل می‌کند که خود نیازمند رمزگشایی است.

۳.۱. آغاز پوزیتیویستی: برسلسون و تحلیل محتوای کمی

ورود مفهوم کد به علوم اجتماعی، ریشه‌ای کاملاً پوزیتیویستی و کمی دارد. برنارد برسلسون (Berelson, 1952) در کتاب کلاسیک Content Analysis in Communication Research، کدگذاری را به‌عنوان روشی برای «توصیف عینی، سیستماتیک و کمیِ محتوای آشکار ارتباطات» تعریف کرد. در این دوره، کد یک عدد یا برچسب از پیش تعریف‌شده بود که پژوهشگران آن را به واحدهای متنی (مانند جملات یا پاراگراف‌ها) اختصاص می‌دادند تا فراوانی پدیده‌های مختلف را شمارش کنند. تحلیل محتوای برسلسونی، روح زمانه پوزیتیویستی دهه ۱۹۵۰ را به خوبی بازتاب می‌دهد: داده‌ها واقعیت‌هایی هستند که در متن «نهفته‌اند» و پژوهشگر صرفاً آن‌ها را «استخراج» می‌کند.

۳.۲. گذار کیفی: گلیزر و اشتراوس و تولد نظریه زمینه‌ای

گذار تاریخی کلیدی توسط بارنی گلیزر و انسلم اشتراوس (Glaser & Strauss, 1967) در کتاب The Discovery of Grounded Theory رخ داد. آن‌ها کدگذاری را از انحصار شمارشِ کمی خارج کرده و آن را به ابزاری برای تکه‌تکه‌کردن (Fracturing)، مفهوم‌سازی (Conceptualization) و تولید نظریه از داده‌های متنی تبدیل کردند. این چرخش، یک انقلاب روش‌شناختی بود: کد دیگر یک «شناسه» برای شمارش نبود، بلکه یک «مفهوم تحلیلی» شد که بنای نظریه را پایه‌ریزی می‌کرد. گلیزر (Glaser, 2016) بعدها در بازخوانی تاریخی خود، تأکید می‌کند که هدف اصلی نظریه زمینه‌ای، تولید نظریه از دل داده‌ها بود، نه صرفاً توصیف آن‌ها — و کد ابزار اصلی این تولید بود.

«کد، در پژوهش کیفی، اغلب کلمه یا عبارت کوتاهی است که به‌صورت نمادین، یک ویژگی برجسته، جوهره‌بخش، گیرا و/یا فراخوان را به پاره‌ای از داده‌های زبانی یا تصویری اختصاص می‌دهد.» (Saldaña, 2021, ص. ۵)

۳.۳. شکاف گلیزر-اشتراوس و دو سنت رقیب

دیری نپایید که خود گلیزر و اشتراوس بر سر معنای کدگذاری اختلاف پیدا کردند (Vollstedt & Rezat, 2019). اشتراوس و کوربین (Strauss & Corbin, 1998) رویکردی ساختاریافته‌تر و رویه‌محور برای کدگذاری ارائه دادند که شامل سه مرحله کدگذاری باز، محوری و انتخابی بود. در مقابل، گلیزر این رویکرد را «اجبار داده‌ها» (Forcing the Data) به درون قالب‌های از پیش تعیین‌شده دانست و بر «ظهور» (Emergence) طبیعی کدها از داده‌ها تأکید کرد. این شکاف نظری، نه صرفاً یک اختلاف فنی، بلکه یک تنشِ معرفت‌شناختیِ بنیادین را آشکار می‌سازد: آیا کد محصول رویه‌ای منضبط است یا محصول مواجهه شهودیِ پژوهشگر با داده؟

۳.۴. چرخش سازنده‌گرا: چارمز و بازآفرینی نظریه زمینه‌ای

در دهه‌های پایانی قرن بیستم و آغاز قرن بیست و یکم، با ظهور رویکردهای سازنده‌گرا (Constructivist Approaches) به رهبری کتی چارمز (Charmaz, 2008, 2014)، نگاه به کد دگرگون شد. چارمز که خود شاگرد گلیزر و اشتراوس بود، در اثر مهم خود Constructing Grounded Theory، استدلال کرد که کدها هرگز در داده‌ها «وجود ندارند» که کشف شوند؛ بلکه پژوهشگر آن‌ها را در تعامل با داده‌ها «می‌سازد». این چرخش معرفت‌شناختی، تأکید بر گریزناپذیریِ ذهنیت پژوهشگر را به ارمغان آورد و خواستار شفافیتِ بازاندیشانه (Reflexive Transparency) درباره چگونگی شکل‌گیریِ کدها شد.

۳.۵. چرخش بازاندیشانه: براون و کلارک و تحلیل مضمونی

اخیراً، براون و کلارک (Braun & Clarke, 2006, 2019, 2022) در توسعه تحلیل مضمون بازاندیشانه (Reflexive Thematic Analysis) تأکید کرده‌اند که کدها موجودیت‌هایی مستقل در داده‌ها نیستند که منتظر کشف باشند، بلکه بازتابی از لنزهای نظری و تجربیات پژوهشگرند. آن‌ها بین سه «مکتب» تحلیل مضمونی تمایز قائل می‌شوند: مکتب «اعتبار کدگذاری» (Coding Reliability), مکتب «کتاب کد» (Codebook)، و مکتب «بازاندیشانه» (Reflexive). در مکتب اول، کد یک شیءِ قابل اندازه‌گیری است؛ در مکتب دوم، کد ابزاری ساختاریافته است؛ و در مکتب سوم، کد یک عمل تفسیریِ پیوسته در حال تحول است (Braun & Clarke, 2022). این تنوع نظری نشان می‌دهد که حتی در درون یک سنتِ روش‌شناختی واحد، مفهوم کد می‌تواند معانی کاملاً متفاوتی داشته باشد(دوره جامع رویکرد کیفی آکادمی تحلیل آماری ایران).

سالدانیا (Saldaña, 2021) که می‌توان او را «مورخ معاصر کدگذاری» نامید، در ویرایش چهارم کتاب مرجع خود، بیش از سی نوع کدگذاری را شناسایی و طبقه‌بندی می‌کند. اما نکته جالب توجه این است که خودِ او نیز تأکید می‌کند که این تنوع روش‌شناختی بدون فهم بنیادینِ «خودِ کد»، چیزی جز سردرگمی برای پژوهشگران تازه‌کار به ارمغان نمی‌آورد (Lungu, 2022; Wicks, 2017). به‌بیان دیگر، تاریخچه کد نشان می‌دهد که این مفهوم در طول هفتاد سال گذشته، از یک ابزار ساده طبقه‌بندیِ پوزیتیویستی، به یک عمل تفسیریِ پیچیده، نظری و بازاندیشانه تحول یافته است — و این تحول هنوز پایان نیافته است.

۴. تعریف هستی‌شناختی و معرفت‌شناختی کد

بزرگ‌ترین خطای یک پژوهشگر کیفی، استفاده از کد بدون آگاهی از موضع فلسفی خود است. تنش اصلی در اینجا میان دو مفهوم است: کشف (Discovery) در برابر برساخت (Construction). آیا کدها چیزهایی هستند که در داده‌ها وجود دارند و پژوهشگر آن‌ها را «پیدا می‌کند»؟ یا چیزهایی هستند که پژوهشگر در فرآیند تفسیری «می‌سازد»؟ پاسخ به این پرسش، نه فنی، بلکه فلسفی است و به موضع پارادایمی پژوهشگر بستگی دارد (Bleiker et al., 2019; Dieronitou, 2014). در ادامه، تعریف کد را در چهار پارادایم اصلی بررسی می‌کنیم.

۴.۱. کد در پارادایم پوزیتیویستی / پساپوزیتیویستی

در نگاه پوزیتیویستی، واقعیت یگانه، عینی و مستقل از ذهنِ پژوهشگر است. هستیِ معنا در خودِ متن نهفته است. معرفت‌شناسی بر دوگانگی سوژه/ابژه و عینیت استوار است. بنابراین، کد یک موجودیتِ قابل کشف است که در دل داده‌ها «نهفته» است و وظیفه پژوهشگر، «استخراج» آن است. در این چارچوب، پژوهشگر مانند یک معدنچی است که کدهای واقعی را از رگه‌های داده استخراج می‌کند. توافق یا اعتبار بین‌کدگذار (Intercoder Reliability) در این پارادایم بسیار حیاتی است، زیرا فرض بر این است که دو پژوهشگر عینی، اگر روش درست را به‌کار گیرند، باید به کدهای یکسانی برسند. تحلیل محتوای کلاسیک برسلسون (Berelson, 1952) و رویکردهای متأخر تحلیل محتوای جهت‌دار (Directed Content Analysis) در همین پارادایم جای می‌گیرند.

۴.۲. کد در پارادایم تفسیری / سازنده‌گرا

در نگاه تفسیری و سازنده‌گرا، واقعیت متکثر، ذهنی و برساخته است. معنا نه در متن، بلکه در تعامل ذهنِ تفسیرگرِ پژوهشگر با متن متولد می‌شود. در این چارچوب، کد در داده‌ها وجود ندارد، بلکه در ذهن پژوهشگر و در لحظه مواجهه او با داده، ساخته می‌شود. پژوهشگر یک معدنچی نیست، بلکه یک مجسمه‌ساز است که از سنگِ خامِ داده‌ها، فرم‌های معنایی می‌آفریند(دوره جامع رویکرد کیفی آکادمی تحلیل آماری ایران). کدهای ایجاد شده توسط دو پژوهشگر متفاوت لزوماً یکسان نخواهد بود و این نه تنها نقطه ضعف نیست، بلکه نشان‌دهنده غنای تحلیلی (Analytical Richness) است. چارمز (Charmaz, 2014) و سالدانیا (Saldaña, 2021) را می‌توان نمایندگان شاخص این پارادایم دانست.

۴.۳. کد در پارادایم انتقادی

در پارادایم انتقادی (Critical Paradigm) که ریشه در فلسفه مارکسیستی، انتقادی و فمینیستی دارد، واقعیت تاریخی است و تحت تأثیر ساختارهای قدرت شکل گرفته است. معرفت‌شناسی, ارزش‌مدار و رهایی‌بخش است. کد در این پارادایم، نه یک برچسب خنثی، بلکه ابزاری برای افشای ساختارهای قدرت، هژمونی و نابرابری‌های پنهان در متن است. به‌بیان دیگر، کدگذاریِ انتقادی، یک عمل سیاسی است: انتخاب اینکه چه چیزی «کد» شود و چه چیزی نشود، خود یک موضع‌گیری ارزشی است. در این چارچوب، پژوهشگر نه معدنچی است و نه مجسمه‌ساز، بلکه یک کنشگرِ افشاگر است که از کد به‌مثابه ابزار آگاهی‌بخشی استفاده می‌کند.

۴.۴. کد در پارادایم پساساختارگرا و پساکیفی

رادیکال‌ترین موضع نسبت به مفهوم کد، از سوی پارادایم پساساختارگرا و جریان پژوهش پساکیفی (Post-qualitative Inquiry) مطرح شده است. در این نگاه، خودِ مفهوم «کد» مورد تردید بنیادین قرار می‌گیرد. سنت‌پیر (St. Pierre, 2014) استدلال می‌کند که کدگذاری یک عملِ ذاتاً پوزیتیویستی است که در لباس کیفی پنهان شده است. وقتی پژوهشگر داده‌ها را کد می‌زند، ناخودآگاه فرض می‌کند که داده‌ها «اشیاء» قابل تقسیم، طبقه‌بندی و مدیریت هستند — فرضی که با هستی‌شناسی پساساختارگرا در تضاد بنیادین است. در این پارادایم، تحلیل کیفی نه یک فرآیند کدگذاری، بلکه یک تفکر فلسفی-تجربی است که از قواعد روش‌شناختی صلب فاصله می‌گیرد.

۵. تمایز مفهومی کد، برچسب، مقوله، مضمون

بسیاری از پژوهشگران واژگان کد، مقوله و مضمون را به‌جای هم به کار می‌برند. این آشفتگی ترمینولوژیک، به آشفتگی متدولوژیک می‌انجامد (Vaismoradi et al., 2016). رابطه این مفاهیم، سلسله‌مراتبی و مبتنی بر سطح انتزاع است.

• برچسب (Label/Tag): صرفاً یک شناسه توصیفی سطحی است برای بازیابی. مثلاً اختصاص برچسب «محیط بیمارستان» به یک پاراگراف.
• کد (Code): دارای بار تحلیلی است. کد تلاش می‌کند معنا یا جوهره بخش کوچکی از داده را شکار کند (مثلاً «احساس بیگانگی در محیط بالینی»).
• مقوله (Category): مجموعه‌ای از کدهای مشابه و مرتبط که تحت یک مفهوم وسیع‌تر گروه‌بندی می‌شوند (Saldaña, 2021).
• مضمون (Theme): براون و کلارک (2022) تأکید می‌کنند که مضمون یک کدِ بزرگِ متورم‌شده نیست! مضمون یک الگو (Pattern) از معانی مشترک و سازمان‌یافته است که حول یک مفهوم محوری در سراسر مجموعه داده شکل می‌گیرد (دوره جامع رویکرد کیفی آکادمی تحلیل آماری ایران).

۶. چرا کد؟ کارکردهای شناختی و عملی در تحلیل کیفی

کدگذاری صرفاً برای شلوغ‌کردن متن نیست. مایلز، هوبرمن و سالدانیا (Miles, Huberman, & Saldaña, 2020) و همچنین گلیزر و اشتراوس کارکردهای زیر را برای کدگذاری برمی‌شمرند: نخست، کاهش داده (Data Reduction): تبدیل صدها صفحه رونوشت مصاحبه به واحدهای قابل مدیریت. دوم، بازیابی‌پذیری (Retrievability): امکان بازگشت سریع به تمام نقل‌قول‌های مرتبط با یک مفهوم. سوم، مقایسه مداوم (Constant Comparison): کدها امکان مقایسه سیستماتیک درون یک مورد و بین موارد مختلف را فراهم می‌کنند. و در نهایت، تولید نظریه: کدهای اولیه، آجرهای سازنده مفاهیم انتزاعی‌تر هستند که در نهایت به نظریه ختم می‌شوند.

۷. آلترناتیوهای کدگذاری: آیا تحلیل کیفی بدون کد ممکن است؟

باور عمومی بر این است که پژوهش کیفی مساوی با کدگذاری است. این یک خطای بزرگ است. رویکردهای متعددی وجود دارند که صراحتاً در برابر منطقکدگذاری مقاومت می‌کنند (Wertz et al., 2011). در پدیدارشناسی توصیفی (Descriptive Phenomenology) به روش آمدئو جیورجی (Giorgi, 2009)، پژوهشگر داده‌ها را کدگذاری نمی‌کند، بلکه متن را به «واحدهای معنایی» (Meaning Units) تقسیم کرده و سپس معنای پدیدارشناختی آن‌ها را توصیف می‌کند. در تحلیل روایت (Narrative Analysis) به سبک ریسمن (Riessman, 2008)، تکه‌تکه‌کردن داستان به کدهای کوچک، دقیقاً توالی و فرم روایت را نابود می‌کند؛ لذا تحلیل روی کلیت ساختار داستان انجام می‌شود. در تحلیل پدیدارشناسی تفسیری (IPA)، اسمیت (Smith et al., 2009) از «یادداشت‌برداری اکتشافی» و استخراج «گزاره‌های تجربی» (Experiential Statements) سخن می‌گوید که منطقی بسیار کل‌نگرانه‌تر از کدگذاریِ خط‌به‌خط دارد.

۸. نقد کد و کدگذاری

رادیکال‌ترین نقدها بر مفهوم کد از سوی جریان پژوهش پساکیفی (Post-qualitative inquiry) وارد شده است. الیزابت سنت‌پیر و آلیشیا جکسون (St. Pierre & Jackson, 2014) در مقاله جنجالی خود استدلال می‌کنند که کدگذاری، بازگشت پنهانِ ماشینیسم و پوزیتیویسم به درون پژوهش کیفی است  (Moradi and Kheiri, 2025).

«ما معتقدیم که تحلیل داده‌های کیفی به‌مثابه کدگذاری، فرآیندی است که داده‌ها را از بافت زنده، انسانی و درهم‌تنیده‌شان جدا می‌کند و آن‌ها را در خدمت یک ماشین تحلیلیِ تقلیل‌گرا قرار می‌دهد. ما تحلیل را به‌عنوان کدگذاری آموزش می‌دهیم صرفاً به این دلیل که قابل تدریس و مکانیکی است، نه به این دلیل که لزوماً تفکر عمیقی تولید می‌کند.» (St. Pierre & Jackson, 2014, ص. ۷۱۵)

مشکل تکه‌تکه‌سازی (Fragmentation) این است که وقتی شما یک جمله را به‌عنوان کد ایزوله می‌کنید، زمینه (Context) گوینده، لحن، سکوت‌ها و ارتباط آن جمله با پاراگراف قبلی از بین می‌رود.

۹. نقش نرم‌افزارهای CAQDAS در فهم و عملیاتی‌سازی کد

ظهور نرم‌افزارهایی نظیر NVivo، MAXQDA و Atlas.ti (شناخته شده به‌عنوان CAQDAS) در دهه‌های اخیر، درک ما از «کد» را دگرگون کرده است (Hart & Achterman, 2017). پائولوس و همکاران (Paulus et al., 2017) نشان می‌دهند که چگونه معماری این نرم‌افزارها، پژوهشگران را به سمت یک منطقِ کدگذاری سلسله‌مراتبی و درختی سوق می‌دهد. در حالی که این ابزارها برای سازماندهی و تجسم داده‌ها بی‌نظیرند، سون (Sohn, 2017) هشدار می‌دهد که این نرم‌افزارها ممکن است باعث ایجاد یک فاصله فیزیکی و شناختی بین پژوهشگر و داده‌ها شوند و پژوهش را به یک «صف‌بندی فنی» (Technical sorting) تقلیل دهند تا یک درگیری عمیقِ تفسیری.

۱۰. کد در عصر هوش مصنوعی و مدل‌های زبانی بزرگ (LLMs)

امروزه هوش مصنوعی و مدل‌های زبانی بزرگ نظیر ChatGPT مفاهیم پایه تحلیل کیفی را به چالش کشیده‌اند. کیائو و همکاران (Qiao et al., 2024) در پژوهشی نشان دادند که چگونه می‌توان از طریق پرامپت‌نویسی پیشرفته، کدگذاری استقراییِ مصاحبه‌های عمیق را اتوماتیک کرد. همچنین توسعه ابزارهایی نظیر QualiGPT (Zhang et al., 2024) نوید مقیاس‌پذیری بی‌سابقه‌ای را می‌دهد (Parfenova et al., 2024). اما سؤال فلسفی اینجاست: اگر کد محصول تعامل زیسته پژوهشگر با داده است (چنانکه سازنده‌گرایان می‌گویند)، وقتی ماشین کدگذاری می‌کند، دقیقاً چه کسی در حال تفسیر است؟ خطر اصلی هوش مصنوعی، از دست رفتنِ «بازاندیشی» (Reflexivity) و ورود به جعبه سیاه (Black Box) است، جایی که منطق تولید کد از دسترس محقق خارج می‌شود (Rasheed et al., 2024).

۱۱. نمونه عملی: یک متن، سه لنز متفاوت

برای درک اینکه کد یک موجودیت ثابت نیست، پاره مصاحبه فرضی زیر (بیمار مبتلا به دیابت) را از سه منظر بررسی می‌کنیم: «پزشک که گفت قند خونم بالاست، انگار دنیا روی سرم آوار شد. اولش باور نکردم. می‌گفتم حتماً اشتباه شده. ولی بعد از یک هفته که آزمایش تکرار کردم، دیدم نه، واقعاً هست. حالا هر وعده غذا که می‌خواهم بخورم، اول به آن قرص نگاه می‌کنم. انگار قبلاً یک آدم بودم، الان یک آدم دیگر.»

۱۲. بحث و جمع‌بندی: کد به‌عنوان لنز، نه ابزار

این مقاله تلاشی بود برای بازگرداندن معنای فلسفی به یکی از پرکاربردترین واژگان پژوهش کیفی. «کد» یک برچسب خنثی نیست؛ کد یک لنز است. لنزی که پژوهشگر از طریق آن، پیچیدگی و بی‌نظمی تجربه انسانی را در قالب کلماتی معنادار صورت‌بندی می‌کند. کدها در داده‌ها وجود ندارند تا کشف شوند، بلکه در ذهنِ آموزش‌دیده، بازاندیشانه و نظریِ محقق ساخته می‌شوند. به پژوهشگران تازه‌کار توصیه می‌شود پیش از شروع به کدگذاری، پارادایم فلسفی خود را مشخص کنند، محدودیت‌های تقلیل‌گرایانه کدگذاری را بشناسند، از آلترناتیوهایی نظیر تحلیل پدیدارشناختی آگاه باشند، و در مواجهه با ابزارهای CAQDAS و هوش مصنوعی، هرگز نقش تفسیری و انسانی خود را به الگوریتم‌ها واگذار نکنند.

۱۳. محدودیت‌ها و پیشنهادها برای پژوهش آینده

این مقاله به دلیل ماهیت مروری خود، محدود به متون متنی و زبانی بود. چالش‌های کدگذاری در تحلیل‌های چندوجهی (Multimodal) مانند تحلیل ویدئو و تصاویر نیازمند مقالات مستقلی است. برای پژوهش‌های آینده، بررسی تجربی و سیستماتیکِ تأثیر استفاده از مدل‌های زبانی بزرگ بر «غنای تفسیری» کدهای استخراج‌شده، یکی از مهم‌ترین خطوط تحقیقاتی خواهد بود.