DMEL第31问：方法背后的逻辑你了解吗？

猴子

　　即使说不出道道，大家也倾向于相信，项目的参与者尤其是受益人的反馈，对于促进项目的改进和发展极为重要。于是在项目完成后，大家都各自埋头苦干、热火朝天的去收集信息了。但结果往往是拿到一堆的反馈，却不知道如何有效利用，只能束之高阁，白白浪费了自己的时间和参与者的热情。


　　究其原因，大多数人只是照猫画虎，仅仅是对操作方法的“模仿”，而在操作过程中也充斥着各种“便宜行事”，难以充分发挥方法本身的价值。大家对收集信息的热情更多是出于规范化操作的需要，而非对其背后逻辑的清晰认识，更谈不上认同了。


　　这个问题在定性方法的使用上表现尤为明显。相比于定量分析，定性分析更依赖于对方法背后逻辑的清晰了解。定量信息收集后，尚可以做些简单的加和平均、直接对比数值，而定性信息就很难处理了。或许这也是不少人追求定量指标，爱用数字说话的原因吧。


　　但对致力于社会问题解决的我们而言，即使是确定定量指标本身，也不是一件容易的事情。很多时候，定量指标也是通过对大量定性信息的分析而得出的。总而言之，对定性数据的收集与分析，是我们绕不开的。提到我们常使用的定性信息，最首要的就是目标对象对项目的反馈，因为它被认为能够直接反映项目成果。


　　不过，在很多情况下，我们并不能确定哪些变化是由项目引起的。为此，我们倾向于向受益人提出一个“大”的问题。比如：“你觉得参加项目期间，你的生活发生了哪些变化？”。而这一问题的回答，我们所得到的信息可能非常宽泛，甚至完全与项目预期无关。这个时候我们该怎么办呢？想一想我们问问题背后的逻辑，就知道了。


　　我们这么问，是因为我们相信，项目活动对目标对象是有影响的。目标对象在项目期内会发生某些变化，而这些变化至少有一部分是由项目活动造成的。同时我们也承认，这些变化也可能有其他原因。因此有些人变化明显，有些不那么明显。


　　根据这一逻辑，我们知道在信息收集时：第一，我们需要让目标对象将自己的变化与项目活动联系起来；第二，我们可以通过提取“显著”的变化，更经济地说明项目成果；第三，我们可以主动去发掘更多促进目标对象出现预期变化的原因，考虑将有利的因素纳入项目活动，排除或控制阻碍因素。


　　因此，我们可以在问了“你觉得参加项目期间生活发生了哪些变化？”这个问题之后，可以进一步追问，比如“你觉得引起这些变化的原因有哪些？”，“这些变化对你的生活已经或者将来会产生什么影响？”，从而将我们得到的回答与项目关联起来。


　　随后，我们可以将得到的信息，按照变化的主题、变化的性质（积极或消极）、是否是我们预期的目标等等进行分类。再结合回答中提供的原因，找出属于项目活动影响的部分，这样就能够很好的说明项目成果了。


　　对原因的进一步分析，则能够直接贡献于项目设计的改进。比如：对导致受益人出现消极变化的原因，想办法排除或控制；对于引起未预期积极变化的原因，结合项目长远目标考虑是否要进一步推进；对于产生预期积极变化的原因，结合项目当前的活动设计，考虑哪些活动需要调整或新增哪些活动。


　　每一种信息收集方法的背后，都有一套自己的逻辑。只有当你了解它的时候，才能够把握其中的关键点。而此时，你再根据自己的实际情况“便宜行事”，就不至于拿到了信息却不知道如何使用，也不至于陷入信息的汪洋大海之中找不到出口了。


　　来源：社会资源研究所（SRI）