2.3: केस का चयन (या, अपने तुलनात्मक विश्लेषण में केस का उपयोग कैसे करें)
- Last updated
- Save as PDF
- Page ID
- 168954
- Dino Bozonelos, Julia Wendt, Charlotte Lee, Jessica Scarffe, Masahiro Omae, Josh Franco, Byran Martin, & Stefan Veldhuis
- Victor Valley College, Berkeley City College, Allan Hancock College, San Diego City College, Cuyamaca College, Houston Community College, and Long Beach City College via ASCCC Open Educational Resources Initiative (OERI)
सीखने के उद्देश्य
इस अनुभाग के अंत तक, आप निम्न में सक्षम होंगे:
- केस स्टडी में केस चयन के महत्व पर चर्चा करें।
- खराब केस चयन के निहितार्थ पर विचार करें।
परिचय
केस का चयन किसी भी शोध डिजाइन का एक महत्वपूर्ण हिस्सा है। यह तय करना कि कितने मामले और किन मामलों को शामिल करना है, यह स्पष्ट रूप से हमारे परिणामों के परिणाम को निर्धारित करने में मदद करेगा। यदि हम अधिक संख्या में मामलों का चयन करने का निर्णय लेते हैं, तो हम अक्सर कहते हैं कि हम लार्ज-एन शोध कर रहे हैं। लार्ज-एन शोध तब होता है जब टिप्पणियों या मामलों की संख्या काफी बड़ी होती है, जहां हमें किसी भी सहसंबंध या कारणों की खोज और व्याख्या करने के लिए गणितीय, आमतौर पर सांख्यिकीय, तकनीकों की आवश्यकता होती है। किसी भी प्रासंगिक निष्कर्ष को प्राप्त करने के लिए लार्ज-एन विश्लेषण के लिए, कई सम्मेलनों का अवलोकन करने की आवश्यकता है। सबसे पहले, नमूने को अध्ययन की गई आबादी का प्रतिनिधि होना चाहिए। इस प्रकार, यदि हम COVID के दीर्घकालिक प्रभावों को समझना चाहते हैं, तो हमें उन लोगों का अनुमानित विवरण जानना होगा जिन्होंने वायरस को अनुबंधित किया था। एक बार जब हम जनसंख्या के मापदंडों को जान लेते हैं, तो हम एक नमूना निर्धारित कर सकते हैं जो बड़ी आबादी का प्रतिनिधित्व करता है। उदाहरण के लिए, महिलाएं सभी दीर्घकालिक COVID बचे लोगों में से 55% हिस्सा लेती हैं। इस प्रकार, हमारे द्वारा जेनरेट किए गए किसी भी नमूने में कम से कम 55% महिलाएं होनी चाहिए।
दूसरा, लार्ज-एन रिसर्च में किसी तरह की रैंडमाइजेशन तकनीक को शामिल करने की आवश्यकता है। इसलिए न केवल आपका नमूना प्रतिनिधि होना चाहिए, बल्कि उस नमूने के भीतर बेतरतीब ढंग से लोगों का चयन भी करना चाहिए। दूसरे शब्दों में, हमारे पास ऐसे लोगों का एक बड़ा चयन होना चाहिए जो जनसंख्या मानदंड के भीतर फिट हों, और फिर उन पूलों में से बेतरतीब ढंग से चयन करें। रैंडमाइजेशन से अध्ययन में पूर्वाग्रह को कम करने में मदद मिलेगी। इसके अलावा, जब मामले (लंबे समय तक COVID वाले लोग) बेतरतीब ढंग से चुने जाते हैं, तो वे अध्ययन की गई आबादी का उचित प्रतिनिधित्व सुनिश्चित करते हैं। तीसरा, आपका नमूना काफी बड़ा होना चाहिए, इसलिए किसी भी निष्कर्ष के लिए लार्ज-एन पदनाम किसी भी बाहरी वैधता के लिए है। सामान्यतया, नमूने में अवलोकन/मामलों की संख्या जितनी अधिक होगी, अध्ययन में हमारी वैधता उतनी ही अधिक हो सकती है। कोई जादुई संख्या नहीं है, लेकिन अगर उपरोक्त उदाहरण का उपयोग किया जाए, तो लंबे समय तक COVID रोगियों का हमारा नमूना कम से कम 750 लोगों का होना चाहिए, जिसका उद्देश्य लगभग 1,200 से 1,500 लोगों का है।
जब तुलनात्मक राजनीति की बात आती है, तो हम शायद ही कभी लार्ज-एन शोध में उपयोग की जाने वाली संख्याओं तक पहुंचते हैं। लगभग 200 पूरी तरह से मान्यता प्राप्त देश हैं, जिनमें लगभग एक दर्जन आंशिक रूप से मान्यता प्राप्त देश हैं, और यहां तक कि यूरोप या लैटिन अमेरिका जैसे कम क्षेत्र या अध्ययन के क्षेत्र भी हैं। इसे देखते हुए, जब एक मामले, या कुछ मामलों का अध्ययन किया जा रहा है, तो वह क्या रणनीति है? अगर हम केवल संयुक्त राज्य अमेरिका में COVID-19 की प्रतिक्रिया जानना चाहते हैं, न कि दुनिया के बाकी हिस्सों में? हम यह सुनिश्चित करने के लिए कि हमारे परिणाम पक्षपाती नहीं हैं या प्रतिनिधि नहीं हैं, हम इसे कैसे यादृच्छिक बना सकते हैं? ये और अन्य प्रश्न वैध मुद्दे हैं जिनका सामना कई तुलनात्मक विद्वानों को शोध पूरा करते समय करना पड़ता है। क्या रैंडमाइजेशन केस स्टडी के साथ काम करता है? गेरिंग से पता चलता है कि ऐसा नहीं है, क्योंकि “कोई भी दिया गया नमूना व्यापक रूप से प्रतिनिधि हो सकता है” (पृष्ठ 87)। इस प्रकार, जब केस स्टडी की बात आती है तो रैंडम सैंपलिंग एक विश्वसनीय दृष्टिकोण नहीं है। और भले ही यादृच्छिक नमूना प्रतिनिधि हो, इस बात की कोई गारंटी नहीं है कि एकत्रित साक्ष्य विश्वसनीय होंगे।
कोई यह तर्क दे सकता है कि लार्ज-एन अध्ययनों में केस का चयन उतना महत्वपूर्ण नहीं हो सकता जितना कि वे स्मॉल-एन अध्ययन में हैं। लार्ज-एन रिसर्च में, संभावित त्रुटियों और/या पूर्वाग्रहों में सुधार किया जा सकता है, खासकर अगर नमूना काफी बड़ा हो। यह हमेशा ऐसा नहीं होता है कि क्या होता है, त्रुटियां और पूर्वाग्रह निश्चित रूप से लार्ज-एन शोध में मौजूद हो सकते हैं। हालांकि, गलत या पक्षपाती निष्कर्ष चिंता से कम होते हैं जब हमारे पास 1,500 मामले बनाम 15 मामले होते हैं। स्मॉल-एन रिसर्च में, केस का चयन बस बहुत अधिक मायने रखता है।
यही कारण है कि ब्लैटर और हैवरलैंड (2012) लिखते हैं कि, “केस स्टडी 'केस-सेंटर्ड' हैं, जबकि लार्ज-एन अध्ययन 'चर-केंद्रित' हैं"। लार्ज-एन अध्ययनों में हम वैरिएबल की अवधारणा और संचालन से अधिक चिंतित हैं। इस प्रकार, हम इस बात पर ध्यान देना चाहते हैं कि दीर्घकालिक COVID रोगियों के विश्लेषण में किस डेटा को शामिल किया जाए। यदि हम उनका सर्वेक्षण करना चाहते हैं, तो हम यह सुनिश्चित करना चाहेंगे कि हम उचित तरीके से प्रश्नों का निर्माण करें। लगभग सभी सर्वेक्षण-आधारित लार्ज-एन शोध के लिए, प्रश्न प्रतिक्रियाएं स्वयं सांख्यिकीय विश्लेषण में उपयोग किए जाने वाले कोडित चर बन जाती हैं।
केस का चयन तुलनात्मक राजनीति में कई कारकों से प्रेरित हो सकता है, पहले दो दृष्टिकोण अधिक पारंपरिक होते हैं। सबसे पहले, यह शोधकर्ता (ओं) के हितों से प्राप्त हो सकता है। उदाहरण के लिए, यदि शोधकर्ता जर्मनी में रहते हैं, तो वे देश के भीतर COVID-19 के प्रसार पर शोध करना चाह सकते हैं, संभवतः एक उप-राष्ट्रीय दृष्टिकोण का उपयोग करते हुए जहां शोधकर्ता जर्मन राज्यों में संक्रमण दर की तुलना कर सकते हैं। दूसरा, केस चयन क्षेत्र के अध्ययन द्वारा संचालित किया जा सकता है। यह अभी भी शोधकर्ता के हितों पर आधारित है क्योंकि आम तौर पर बोलने वाले विद्वान अपने निजी हितों के कारण अध्ययन के क्षेत्रों को चुनते हैं। उदाहरण के लिए, वही शोधकर्ता यूरोपीय संघ के सदस्य-राज्यों में COVID-19 संक्रमण दर पर शोध कर सकता है। अंत में, चयनित मामलों का चयन उस केस स्टडी के प्रकार से प्रेरित हो सकता है जिसका उपयोग किया जाता है। इस दृष्टिकोण में, मामलों का चयन किया जाता है क्योंकि वे शोधकर्ताओं को उनकी समानताओं या उनके मतभेदों की तुलना करने की अनुमति देते हैं। या, एक ऐसा मामला चुना जा सकता है जो ज्यादातर मामलों के लिए विशिष्ट हो, या इसके विपरीत, एक ऐसा मामला या मामले जो मानदंड से भटक जाते हैं। हम केस स्टडी के प्रकारों और नीचे दिए गए केस चयन पर उनके प्रभाव पर चर्चा करते हैं।
केस स्टडी के प्रकार: वर्णनात्मक बनाम कारण
केस स्टडी को वर्गीकृत करने के कई अलग-अलग तरीके हैं। सबसे हाल के तरीकों में से एक जॉन गेरिंग के माध्यम से है। उन्होंने केस स्टडी रिसर्च (2017) पर दो संस्करण लिखे, जहां उन्होंने कहा कि शोधकर्ता द्वारा प्रस्तुत केंद्रीय प्रश्न केस स्टडी के उद्देश्य को निर्धारित करेगा। क्या अध्ययन का अर्थ वर्णनात्मक होना है? यदि हां, तो शोधकर्ता क्या वर्णन करना चाहते हैं? कितने मामले (देश, घटनाएं, घटनाएं) हैं? या अध्ययन का मतलब कारण है, जहां शोधकर्ता एक कारण और प्रभाव की तलाश कर रहा है? इसे देखते हुए, गेरिंग केस स्टडी को दो प्रकारों में वर्गीकृत करता है: वर्णनात्मक और कारण।
वर्णनात्मक केस अध्ययन “एक केंद्रीय, अतिव्यापी कारण परिकल्पना या सिद्धांत के इर्द-गिर्द व्यवस्थित नहीं हैं” (पृष्ठ 56)। अधिकांश केस अध्ययन प्रकृति में वर्णनात्मक होते हैं, जहां शोधकर्ता केवल यह वर्णन करना चाहते हैं कि वे क्या देखते हैं। वे अध्ययन की गई राजनीतिक घटना के बारे में जानकारी प्रसारित करने के लिए उपयोगी हैं। वर्णनात्मक केस स्टडी के लिए, एक विद्वान एक ऐसा मामला चुन सकता है जिसे जनसंख्या का विशिष्ट माना जाता है। एक उदाहरण में अमेरिका के मध्यम आकार के शहरों पर महामारी के प्रभावों पर शोध करना शामिल हो सकता है। इस शहर को पूरे देश में मध्यम आकार के शहरों की प्रवृत्तियों को प्रदर्शित करना होगा। सबसे पहले, हमें यह समझना होगा कि 'मध्यम आकार के शहर' से हमारा क्या मतलब है। दूसरा, हमें तब मध्यम आकार के अमेरिकी शहरों की विशेषताओं को स्थापित करना होगा, ताकि हमारे मामले का चयन उचित हो। वैकल्पिक रूप से, मामलों को उनकी विविधता के लिए चुना जा सकता है। अपने उदाहरण को ध्यान में रखते हुए, शायद हम छोटे, ग्रामीण शहरों से लेकर मध्यम आकार के उपनगरीय शहरों से लेकर बड़े आकार के शहरी क्षेत्रों तक कई अमेरिकी शहरों पर महामारी के प्रभावों को देखना चाहते हैं।
कारण केस अध्ययन “एक केंद्रीय परिकल्पना के इर्द-गिर्द व्यवस्थित होते हैं कि एक्स वाई को कैसे प्रभावित करता है” (पृष्ठ 63)। कारण मामले के अध्ययन में, एक विशिष्ट राजनीतिक घटना या घटना के आसपास का संदर्भ महत्वपूर्ण है क्योंकि यह शोधकर्ताओं को उन पहलुओं की पहचान करने की अनुमति देता है जो उस परिणाम के लिए शर्तों, तंत्रों को स्थापित करते हैं। विद्वान इसे कारण तंत्र के रूप में संदर्भित करते हैं, जिसे फालेटी एंड लिंच (2009) द्वारा परिभाषित किया गया है “पोर्टेबल अवधारणाएं जो बताती हैं कि किसी दिए गए संदर्भ में एक परिकल्पित कारण कैसे और क्यों, किसी विशेष परिणाम में योगदान देता है"। याद रखें, कार्य-कारण तब होता है जब एक चर में परिवर्तन सत्यापित रूप से किसी अन्य चर में प्रभाव या परिवर्तन का कारण बनता है। कारण तंत्रों को नियोजित करने वाले कारण मामलों के अध्ययन के लिए, गेरिंग उन्हें खोजपूर्ण केस-चयन, केस-चयन का आकलन करने और नैदानिक केस-चयन में विभाजित करता है। अध्ययन में केंद्रीय परिकल्पना का उपयोग कैसे किया जाता है, इसके इर्द-गिर्द अंतर घूमते हैं।
संभावित कारण परिकल्पना की पहचान करने के लिए अन्वेषक केस स्टडी का उपयोग किया जाता है। शोधकर्ता उन स्वतंत्र चर का चयन करेंगे जो परिणाम को प्रभावित करते हैं, या आश्रित चर, सबसे अधिक प्रभावित करते हैं। लक्ष्य यह है कि संदर्भ प्रदान करके कारण तंत्र क्या हो सकता है, इसका निर्माण करना है। इसे परिकल्पना परीक्षण के विपरीत परिकल्पना उत्पन्न करने के रूप में भी जाना जाता है। शोधकर्ता के लक्ष्य के आधार पर केस का चयन व्यापक रूप से भिन्न हो सकता है। उदाहरण के लिए, यदि विद्वान एक 'आदर्श-प्रकार' विकसित करना चाहते हैं, तो वे एक चरम मामले की तलाश कर सकते हैं। एक आदर्श-प्रकार को “गर्भाधान या उसकी उच्चतम पूर्णता में किसी चीज़ का मानक” (न्यू वेबस्टर डिक्शनरी) के रूप में परिभाषित किया गया है। इस प्रकार, यदि हम आदर्श-प्रकार की पूंजीवादी व्यवस्था को समझना चाहते हैं, तो हम एक ऐसे देश की जांच करना चाहते हैं, जो आर्थिक व्यवस्था के शुद्ध या 'चरम' रूप का अभ्यास करता हो।
केस स्टडी का आकलन पहले से ही एक परिकल्पना के साथ शुरू होता है। लक्ष्य एकत्रित डेटा/साक्ष्य के माध्यम से परिकल्पना का परीक्षण करना है। शोधकर्ता 'कारण प्रभाव' का अनुमान लगाना चाहते हैं। इसमें यह निर्धारित करना शामिल है कि क्या स्वतंत्र और आश्रित चर के बीच संबंध सकारात्मक, नकारात्मक है, या अंततः यदि कोई संबंध मौजूद नहीं है। अंत में, डायग्नोस्टिक केस स्टडी महत्वपूर्ण है क्योंकि वे “एक परिकल्पना की पुष्टि, अपुष्टि या परिष्कृत करने” में मदद करते हैं (गेरिंग 2017)। डायग्नोस्टिक केस स्टडी में केस का चयन भी भिन्न हो सकता है। उदाहरण के लिए, विद्वान कम से कम संभावित मामला चुन सकते हैं, या ऐसा मामला जहां परिकल्पना की पुष्टि की जाती है, भले ही संदर्भ अन्यथा सुझाया जाए। एक अच्छा उदाहरण भारतीय लोकतंत्र को देखना होगा, जो 70 वर्षों से अधिक समय से अस्तित्व में है। भारत में उच्च स्तर की जातीय-भाषाई विविधता है, आर्थिक रूप से अपेक्षाकृत अविकसित है, और देश के बड़े क्षेत्रों के माध्यम से आधुनिकीकरण का निम्न स्तर है। ये सभी कारक दृढ़ता से सुझाव देते हैं कि भारत को लोकतांत्रिककरण नहीं करना चाहिए था, या लंबे समय तक लोकतंत्र में बने रहने में असफल होना चाहिए था, या एक देश के रूप में विघटित होना चाहिए था।
सबसे समान/सबसे अलग सिस्टम दृष्टिकोण
पिछले उपधारा में चर्चा केस चयन पर ध्यान केंद्रित करती है जब यह एकल मामले की बात आती है। एकल केस अध्ययन मूल्यवान हैं क्योंकि वे उस विषय पर गहन शोध का अवसर प्रदान करते हैं जिसके लिए इसकी आवश्यकता होती है। हालांकि, तुलनात्मक राजनीति में, हमारा दृष्टिकोण तुलना करना है। इसे देखते हुए, हमें एक से अधिक केस चुनने होंगे। यह चुनौतियों का एक अलग सेट प्रस्तुत करता है। सबसे पहले, हम कितने मामले चुनते हैं? यह एक मुश्किल सवाल है जिसे हमने पहले संबोधित किया था। दूसरा, हम पहले बताई गई केस चयन तकनीकों, वर्णनात्मक बनाम कारण को कैसे लागू करते हैं? यदि हम एक खोजपूर्ण दृष्टिकोण का उपयोग करते हैं, या नैदानिक केस दृष्टिकोण चुनने पर दो कम से कम संभावित मामलों का उपयोग करते हैं, तो क्या हम दो चरम मामलों का चयन करते हैं?
शुक्र है कि जॉन स्टुअर्ट मिल के नाम से एक अंग्रेजी विद्वान ने इस बारे में कुछ जानकारी दी कि हमें कैसे आगे बढ़ना चाहिए। उन्होंने एक जटिल वातावरण में किसी कारण को अलग करने के स्पष्ट लक्ष्य के साथ तुलना करने के लिए कई दृष्टिकोण विकसित किए। इनमें से दो तरीके, 'समझौते की विधि' और 'अंतर की विधि' ने तुलनात्मक राजनीति को प्रभावित किया है। 'समझौते की विधि' में दो या दो से अधिक मामलों की तुलना उनकी समानताओं के लिए की जाती है। विद्वान उस विशेषता, या परिवर्तनशील को अलग करना चाहता है, जो उनके समान है, जिसे बाद में उनकी समानताओं के कारण के रूप में स्थापित किया जाता है। 'अंतर की विधि' में दो या दो से अधिक मामलों की तुलना उनके मतभेदों से की जाती है। विद्वान विशेषता, या परिवर्तनशील को अलग करने की कोशिश करता है, उनमें कोई समानता नहीं है, जिसे बाद में उनके मतभेदों के कारण के रूप में पहचाना जाता है। इन दो तरीकों से, तुलनावादियों ने दो दृष्टिकोण विकसित किए हैं।
सबसे समान सिस्टम डिज़ाइन (MSSD) क्या है?
यह दृष्टिकोण मिल की 'अंतर विधि' से लिया गया है। सबसे समान सिस्टम डिज़ाइन डिज़ाइन में, तुलना के लिए चुने गए मामले एक-दूसरे के समान होते हैं, लेकिन परिणाम में भिन्नता होती है। इस दृष्टिकोण में हम निर्वाचित मामलों में उतने ही चर रखने में रुचि रखते हैं, जिनमें तुलनात्मक राजनीति के लिए अक्सर देश शामिल होते हैं। याद रखें, स्वतंत्र चर वह कारक है जो अन्य चर में परिवर्तनों पर निर्भर नहीं करता है। यह संभावित रूप से कारण और प्रभाव मॉडल में 'कारण' है। आश्रित चर वह चर है जो स्वतंत्र चर की उपस्थिति से प्रभावित या उस पर निर्भर होता है। यह 'प्रभाव' है। अधिकांश समान प्रणालियों के दृष्टिकोण में ब्याज के चर समान रहने चाहिए।
एक अच्छे उदाहरण में अमेरिका में राष्ट्रीय स्वास्थ्य देखभाल प्रणाली की कमी शामिल है। न्यूजीलैंड, ऑस्ट्रेलिया, आयरलैंड, यूके और कनाडा जैसे अन्य देशों में मजबूत, सार्वजनिक रूप से सुलभ राष्ट्रीय स्वास्थ्य प्रणालियां हैं। हालांकि, अमेरिका ऐसा नहीं करता है। इन सभी देशों में समान प्रणालियां हैं: अंग्रेजी विरासत और भाषा का उपयोग, उदार बाजार अर्थव्यवस्था, मजबूत लोकतांत्रिक संस्थान, और उच्च स्तर की संपत्ति और शिक्षा। फिर भी, इन समानताओं के बावजूद, अंतिम परिणाम अलग-अलग होते हैं। अमेरिका अपने सहकर्मी देशों की तरह नहीं दिखता है। दूसरे शब्दों में, हमारे पास अलग-अलग परिणाम उत्पन्न करने वाले समान सिस्टम क्यों हैं?
सबसे अलग सिस्टम डिज़ाइन (MDSD) क्या है?
यह दृष्टिकोण मिल के 'समझौते की विधि' से लिया गया है। सबसे अलग सिस्टम डिज़ाइन में, चुने गए मामले एक-दूसरे से भिन्न होते हैं, लेकिन परिणाम समान होते हैं। इस दृष्टिकोण में, हम ऐसे मामलों का चयन करने में रुचि रखते हैं जो एक दूसरे से काफी अलग हैं, फिर भी एक ही परिणाम पर आते हैं। इस प्रकार, आश्रित चर समान है। मामलों के बीच अलग-अलग स्वतंत्र चर मौजूद हैं, जैसे कि लोकतांत्रिक बनाम सत्तावादी शासन, उदार बाजार अर्थव्यवस्था बनाम गैर-उदार बाजार अर्थव्यवस्था। या इसमें सामाजिक समरूपता (समानता) बनाम सामाजिक विषमता (विविधता) जैसे अन्य चर शामिल हो सकते हैं, जहां एक देश खुद को जातीय/धार्मिक/नस्लीय रूप से एकीकृत या उन्हीं पंक्तियों के साथ खंडित पा सकता है।
एक अच्छा उदाहरण उन देशों को शामिल करता है जिन्हें आर्थिक रूप से उदार के रूप में वर्गीकृत किया गया है। हेरिटेज फाउंडेशन सिंगापुर, ताइवान, एस्टोनिया, ऑस्ट्रेलिया, न्यूजीलैंड, साथ ही स्विट्जरलैंड, चिली और मलेशिया जैसे देशों को मुफ्त या अधिकतर मुफ्त में सूचीबद्ध करता है। ये देश एक दूसरे से काफी अलग हैं। सिंगापुर और मलेशिया को त्रुटिपूर्ण या उदार लोकतंत्र माना जाता है (अधिक चर्चा के लिए अध्याय 5 देखें), जबकि एस्टोनिया को अभी भी एक विकासशील देश के रूप में वर्गीकृत किया गया है। ऑस्ट्रेलिया और न्यूजीलैंड अमीर हैं, मलेशिया नहीं है। चिली और ताइवान सत्तावादी सैन्य शासनों के तहत आर्थिक रूप से मुक्त देश बन गए, जो स्विट्जरलैंड के लिए ऐसा नहीं है। दूसरे शब्दों में, हमारे पास एक ही परिणाम उत्पन्न करने वाली अलग-अलग प्रणालियाँ क्यों हैं?