4. Sosiologian ja tilastotieteen kohtaamisen haasteet
4.4. Tulosten tilastotieteellinen ja sosiologinen tulkinta
Tutkimusprosessin aikana saadaan monenlaisia ja monen tasoisia tuloksia: kukin analyysimenetelmä tuottaa oman tuloksensa, sosiologin tutkimuskysymyksiin saadaan omat tuloksensa ja ehkä vielä koko tutkimuksellekin nimetään tuloksensa.
Näin ollen myös tulosten tulkinta on asia, joka tarkoittaa tilastotieteilijälle ja sosio-logille eri asiaa (kuva 15).
Kuva 15 Sosiologin ja tilastotieteilijän näkemys tulkintaan
Kuvassa esitetyt tilastolliset tulkinnat viittaavat kunkin tilastollisen analyysime-netelmän tuloksen tulkintaan, joka tapahtuu kunkin analyysimeanalyysime-netelmän termistöl-lä ja tilastotieteen ehdoilla. Tilastotieteilijän näkökulmasta tutkimusprosessi myös loppuu tähän tulkintaan. Sosiologille tulkinta merkitsee vastaamista tutkimuskysy-myksiin (Pöntinen 2004, 72). Sosiologin on jatkettava tilastollisesta tulkinnasta sel-laiseen tulkintaan, jonka avulla hän voi vastata tutkimuskysymyksiinsä. Se tarkoittaa tulosten kontekstointia ja liittämistä tutkimuksen yleiseen näkökulmaan.
Monet sosiologit ovat tunnistaneet tilastollisen tulkinnan ja sisällöllisen tul-kinnan eron, kuten Eskolan (1977, 19–20) kuvauksesta ilmenee: ”Määrällisten numerolaskelmien ohella sosiologi pyrkii tavallisesti myös tulkitsemaan tuloksiaan teoreettisesti sekä ymmärtämään niitä tutkittujen henkilöiden ja ryhmien omasta kokemusmaailmasta käsin”. Myös Allardt (1969) on todennut, että tilastollisella analyysilla ja tilastollisilla menetelmillä voidaan matemaattisesti selittää analyysin kohde, mutta enempään ne eivät kykene. Allardtin mukaan matemaattinen selit-täminen ei ole sosiologisesti mielenkiintoista. Sosiologisesti mielenkiintoiseksi menetelmän tulos tulee vasta silloin, kun se liitetään sosiologiseen teoriaan ja yleiseen käsitteistöön. (Allardt 1969, 12.) Myös Suvi Ronkainen, Leila Pehkonen, Sari Lindblom-Ylänne ja Eija Paavilainen (2013, 123–125) toteavat, että tutkija, hänen oivalluksensa sekä ymmärryksen kasvunsa ovat keskeisiä. He jakavat analyyt-tisen prosessin kolmeen vaiheeseen. Ensimmäinen vaihe ”analyysi pikku a:lla” on aineistoon tutustumista ja sen rajojen kokeilua. Toinen vaihe on käsitteellistämistä tai tulkintaa, jossa tutkija siirtää analyysin tuottamat havainnot teoreettiseen tai tutkimuskeskustelujen luomaan yhteyteen. Kolmannessa vaiheessa, luennassa, irrot-taudutaan aineistokeskeisestä analyysista ja haetaan tulkintaideoita. Tulkinta syntyy heidän mukaansa aineiston ja teorian keskusteluttamisen tuottamista oivalluksista.
(Ronkainen ym. 2013, 123–125.)
On myös tutkijoita, joille tilastollisen tulkinnan ja sisällöllisen tulkinnan ero ei ole selvä, kuten Töttö (2012, 71; ks. myös Byrne 2002) toteaa oppikirjassaan:
Määrällisessä tutkimuksessa argumentoidaan luvuilla: tunnusluvuilla, riip-puvuusluvuilla, regressiokertoimilla, selitysprosenteilla, tilastollisilla mer-kitsevyyksillä ja mallin hyvyyttä kuvaavilla indekseillä. Silti on täydellinen väärinkäsitys luulla, että luvut olisivat määrällisen tutkimuksen tuloksia.
Luvut ovat pelkkiä merkkejä, jotka pitää lukea. Tuloksia ovat ne sisällölliset johtopäätökset, joita luvuista tehdään, eli se mitä luvut tutkittavasta ilmiöstä kertovat. (Töttö 2012, 71.)
Myös Paananen ym. (1998, 7) tuovat esiin kvantitatiivisen tiedon tulkinnan haas-teellisuuden seuraavassa:
Työssämme olemme huomanneet, että kvantitatiivisen tiedon tulkinta ei ole helppoa; edes tutkijat eivät aina osaa tunnistaa sen sävyjä, mahdollisuuksia ja rajoituksia. Aivan liian usein tilastotietoja esitetään faktajuttuina eli tietona, jonka uskottavuutta ei tarvitse perustella. (Paananen ym. 1998, 7.)
Joissakin menetelmäkirjoissa tuodaan esille tilastollisen tulkinnan ja sisällöllisen tulkinnan ero. Esimerkkinä mainittakoon Tapio Nummenmaan, Raimo Konttisen, Jorma Kuusisen ja Esko Leskisen (1997, 15) teos, jossa kuvataan tilastollisia mene-telmiä käyttävällä tutkimuksella olevan seitsemän vaihetta. Nämä vaiheet ovat 1) tutkimuskysymys, 2) aineisto, 3) tilastollisen menetelmän valinta, 4) tilastollisen ohjelman valinta ja toteutus, 5) tilastollinen tulkinta, 6) sisällöllinen tulkinta ja 7) arviointi. Myös Pertti Jokivuori ja Risto Hietala (2007, 3) viittaavat menetelmä-oppikirjassaan sisällöllisen tulkinnan tärkeyteen ihmistieteellisessä tutkimuksessa kirjoittaessaan, että: ”Pelkät analyysin avulla tuotetut numerot ovat kuitenkin vain symboleja, joista ei vielä voi tehdä syvällisiä tulkintoja ilmiöstä”.
Robert Rosenthal (1986, 19) esittää mielenkiintoisen kysymyksen: mitä tarkoi-tetaan tutkimuksen tuloksella, mikä mielletään tutkimuksen tulokseksi. Rosenthal ei pidä tutkimustuloksina tutkijan tekemiä johtopäätöksiä, koska ne liittyvät hänen mukaansa liian ympäripyöreästi ja epäselvästi varsinaisiin tuloksiin. Mielenkiintoa herättää myös Rosenthalin epäily tutkimustulosten tulkinnan oikeellisuudesta. Hä-nen mielestään muutos, joka joskus tapahtuu tulososion ja pohdintaosion välillä, on itsessään tutkimisen ja perusteellisen mietinnän arvoista.
Pöntinen (2004, 78) kirjoittaa, että sosiologian tutkimusmenetelmien kannalta on merkitystä sillä, että tutkimuksen kohteena oleva yhteiskunta toimii merkitysvä-litteisesti. Sosiologia toimii kahden kielen alueella. On olemassa arkikieli, jonka va-rassa yhteiskunta toimii ja teoriakieli, jonka avulla sosiologia yhteiskuntaa tulkitsee (Pöntinen 2004, 78). Tällöin – Rosenthalia (1986, 19) mukaillen – olisi
kiinnos-tavaa tietää, minkälaisia muutoksia tapahtuu siirryttäessä tilastollisesta tulkinnasta sisällölliseen tulkintaan. Sisällöllinen tulkinta on sosiologien itsensä varassa, siihen ei tilastotieteilijällä ole juurikaan kykyä vaikuttaa. Sisällöllisen tulkinnan myötä tutkimuksen tulokset alkavat elämään ja tulevat kiinnostaviksi, mutta onko vaara-na, että tulokset alkavat elämään liikaakin omaa elämäänsä. Ketokivi (2009, 6) tuo tilastolliseen analyysiin liittyvän tulkinnan haasteen esille kirjoittaessaan seuraavaa:
Ongelma näkyy myös monissa tilastotieteen oppikirjoissa, joissa käsitellään tilastollista analyysia, mutta lähinnä tilastollisen laskennan näkökulmasta, irrallaan tutkimuskysymyksistä, tulosten tulkinnasta ja erityisesti teoreet-tisesta selittämisestä. Tilastollisen tulosten tulkinnan moniselitteisyydestä ja tilastollisen päättelyn tietynlaisesta metodologisesta keskeneräisyydestä vaietaan.” (Ketokivi 2009, 6.)
Onkin mielenkiintoista pohtia, kuuluisiko tulosten tulkinta ja teoreettinen selittäminen opettaa tilastotieteen oppikirjoissa vai sosiologian oppikirjoissa. Vai tarvitaanko tieteiden väliin sijoittuva oppikirja? Voidaan myös pohtia sitä, onko mahdollista kirjoittaa oppikirjaa tulkinnasta, kuten Toivonen (1999, 134) tuo esille seuraavassa:
Onko diskurssianalyysi periaatteessakaan sen tyyppinen menetelmä, että joku voisi kirjoittaa siitä keittokirjan? Tutkijan oma mielikuvitus, harkinta ja ko-kemus ovat tämän tyyppisessä analyysissa aina avainasemassa. Tavallaan sama pätee tilastolliseen analyysiin, vaikka jonkin tilastollisen ohjelman opiskelijaa voidaankin opastaa tyyliin: ”Ensin painat tätä nappulaa ja sen jälkeen tuota”.
Vasta analyysimenetelmän käytössä osoitettu luovuus ratkaisee analyysin laa-dun. (Toivonen 1999, 134.)
Ronkainen ym. (2013, 123) toteavat myös menetelmäkirjojen rajoittuneisuuden tulkinnan apuna. Menetelmäkirjallisuus tarjoaa heidän mukaansa yleisiä ohjeita tutkimuksen tekemiseen, mutta ei siitä, mitä analyysiprosessissa todella tapahtuu.
Esimerkkinä menetelmäkirjasta, joissa menetelmiä ei esitelläkään vain tiettynä me-netelmänä – kuten tilastotieteessä – vaan ennemminkin osana tutkimusprosessia, mainittakoon Jokivuoren ja Hietalan (2007) monimuuttujamenetelmien käyttöä ja tulkintaa koskeva teos.