Första upplagan av denna kompendieversion producerades för distanskursen Försöksmetodik för utvecklingsansvariga inom Försvarsmakten, A, 10 poäng, vid Umeå universitet, Enheten för arbets- och organisationspsykologi, utbildningsåret 2004/05. Kompendiet är en bearbetning av originalet från tidigt 1980-tal för kurser på A-nivå i Arbets- och organisationspsykologi  vid Umeå universitet.  Kompendiet får inte mångfaldigas utan författarens godkännande.

Forskargruppen för kommunikationspsykologi och ArbOrg Utveckling AB.

 Bo Strangert, 2004, 2005, 2006

1. INLEDNING 

2. GRUNDBEGREPP I VETENSKAPLIG METODIK

3. PROBLEMANALYS – FORMELLA ASPEKTER

4. FÖRSÖKSDESIGN

5. UNDERSÖKNINGSMETODER – KVALITATIVA OCH KVANTITATIVA INDIKATORER OCH MÅTT

6. KOPPLINGEN FÖRSÖKSDESIGN – DATAANALYS

_________________________________________________________________________

Förord 

Kompendiet är ett styrinstrument för kursen i försöksmetodik 2006. Det ska underlätta för kursdeltagaren att lära sig tillämpa ett vetenskapligt arbetssätt med hög kvalitet men på kort tid. Kursmålet är att utveckla och träna intellektuella färdigheter i vetenskaplig metodik. Målet ska uppnås genom att kursdeltagaren aktivt övar att tillämpa grundbegrepp och principer i praktikfall.

Den bärande idén bakom kursen är att utvecklingsarbetet i Försvarsmakten bör kvalitetssäkras genom att tillämpa vetenskaplig försöksmetodik vid kritiska moment i utvecklingsprocessen. Inriktningen på kursen och kompendiet överensstämmer med Alberts och Hayes’ (2002) ”Code Of Best Practice in Experimentation” för att stärka den försöksmetodiska kompetensen i USAs försvarsmakt. I jämförelse med  deras orienterande handbok för COBP går kompendiet längre i att förbereda för praktisk försöksverksamhet – i anslutning till kursdeltagarnas egna utvecklingsprojekt.

Det ersätter inte de övriga metodböckerna av Graziano och Raulin, Silverman samt Alberts och Hayes i den övriga kurslitteraturen men ger vägledning om hur man ska orientera sig effektivt inom det vidsträckta metodiska kunskapsfältet. Att behärska grundbegreppen och de elementära metodprinciperna är en absolut nödvändighet för att kunna tillämpa vetenskaplig metodik i praktiska sammanhang. Kompendiet kompletterar dessutom den övriga kurslitteraturen genom att ge en introduktion till de speciella teoretiska och metodiska problem, som uppstår i försöksverksamhet med komplexa system.

Referenser

Alberts, D. & Hayes, R. (2002). Code of Best Practice for Experimentation.

DoD Command and Control Research Program, Washington: CCRP publication series

Graziano, A. & Raulins, M. (2000)*. Research Methods. A process of inquiry.

4.ed. Boston: Allyn and Bacon.

Harré, R. (2002). Cognitive Science: A Philosophical Introduction.

London: Sage.

Hartley, P. (1999). Interpersonal Communication. 2nd ed. London:

Routledge.

Korman, A. (1977). Organizational Behavior. Englewood Cliffs.

Prentice-Hall.

Mohr, L. B. (1992). Impact Analysis for Program Evaluation. London: Sage.

Myrdal, G. (1968). Objektivitetsproblemet i samhällsforskningen. Stockholm:

Rabén och Sjögren.

Schein, E. H. (1988). Organizational Psychology, 3rd ed. Englewood Cliffs:

Prentice-Hall.

Silverman, D. (2001). Interpreting Qualitative Data. Methods for Analysing

Talk, Text and Interaction, 2nd ed. London: Sage.

Yin, R. (2003). Case Study Research. Design and Methods, 3rd ed. London:

Sage.

* Sidreferenserna i kompendiet till Graziano och Raulin avser   4. upplagan, 2000.    Senare upplagor, t.ex. 7. upplagan 2010,  har  i allmänhet samma kapitelinnehåll men  annan sidnumrering.

________________

1. INLEDNING

Tro, vetande och värderingar

I forsknings- och utvecklingsarbete likaväl som i den dagliga praktiska verksamheten har man ofta behov av att skilja mellan tro, vetande och värderingar. Vetenskaplig metodik är en produkt av människans strävan av att få en säker grund för att förstå och forma tillvaron i enlighet med vissa behov och värderingar. Framväxten av den moderna vetenskapen belyser många av hindren för en sådan strävan. Graziano och Raulin (2004, kap 1) beskriver den fascinerande historiska bakgrunden till den s.k. vetenskapliga revolutionen, som inleds på 1600-talet. Modern vetenskap bygger på en intrikat förening av rationella och empiriska principer och metoder. Rationalism innebär att utveckla kunskap genom resonerande och logisk slutledning, medan empirism inbegriper kunskaps-inhämtande genom att observera med hjälp av våra sinnen. Redan omkring 600 f.Kr. lades denna grund för västerländsk filosofi och empirisk vetenskap i Grekland (den för-Sokratiska perioden).  Den försvagades senare av spekulativa filosofiska ansatser (särskilt Platons) av abstrakt, rationell karaktär, där den empiriska prövningen av kunskapen nedvärderades. Denna inriktning förstärktes under de närmaste tusen åren i Väst genom att den kristna religionen övertog rollen som auktoritet, när det gällde att förklara tillvarons villkor. Nya empiriska rön fick inte motsäga teologiska dogmer, och de fick dessutom bara användas i religionens tjänst. Starka värdesystem utvecklades i anslutning till dessa dogmer.

Under renässansen försvagades kyrkans grepp, särskilt som en följd av empiriska upptäckter, och den moderna naturvetenskapen växer fram. Dess mål är att förklara och förutsäga fenomen i verkligheten med hjälp av rationella medel (teori och logik) i kombination med empiriska metoder. Empirisk prövbarhet av påståenden om verkligheten är det avgörande kriteriet på en naturvetenskaplig ansats. Påståenden om verkligheten ska formuleras som empiriskt prövbara hypoteser för att man ska kunna avgöra deras sanningshalt. Eftersom målet är att upptäcka universella naturlagar, så är kunskapen om dessa värderingsfri.

Upptäckten av universella naturlagar medförde att olika teknologier kunde utvecklas, med enorma praktiska konsekvenser. Teknologiutvecklingen bidrog i sin tur till en allt snabbare vetenskaplig utveckling genom bl.a. konstruktion av tekniska instrument. Instrumenten innebär exempelvis att man blir mindre beroende av mänskliga sinnesbegränsningar och kan förbättra observations-tekniken. Det innebär samtidigt att det subjektiva inslaget i observationerna kan reduceras eller t.o.m. elimineras. En strängt objektiv vetenskaplig metodik blev möjlig.

Det naturvetenskapliga paradigmet blev förebild för utvecklingen av andra vetenskaper. Inom beteendevetenskapen är det särskilt psykologin, som har en naturvetenskaplig grundansats, även om behovet av att vidareutveckla denna har vuxit sig allt starkare. Även inom samhällsvetenskaperna dominerar vissa grundprinciper från det naturvetenskapliga paradigmet. Den naturvetenskapliga ansatsen är emellertid ifrågasatt inom delar av beteende- och samhällsvetenskap. Enkelt sammanfattat finns det åtminstone två typer av invändningar. Den ena argumenterar utifrån att man har skilda studieobjekt, som kräver olika ansatser. Exempelvis begrepp som ’mening’, ’avsikt’, ’kultur’ anses ofta av principiella skäl inte vara tillgängliga för fruktbara studier med en naturvetenskapligt grundad metodik.

En annan, delvis besläktad typ av invändning gäller kravet på objektiva och värderingsfria resultat eller fakta. Gunnar Myrdal (1968, s.52) hävdade att samhällsvetenskaplig forskning inte kan vara objektiv i traditionell mening: ”Tvärtom, varje undersökning av ett socialt problem – om än aldrig så begränsat i sin omfattning – är och måste vara bestämd av värderingar.”. …”Det enda sättet att sträva efter ”objektivitet” i teoretisk analys är att lyfta fram värderingarna i fullt dagsljus, göra dem medvetna, specifika och explicita och öppet klarlägga hur de bestämmer den empiriska forskningen.”

I det här sammanhanget bör man också nämna ansatser eller skolbildningar, som avviker från en traditionell, naturvetenskapligt färgad vetenskapssyn men är väletablerade inom många humanvetenskaper. Ett känt exempel är hermeneutik, tolkningskonst, som förekommer i olika former, mer eller mindre förenliga med traditionell vetenskap vad gäller gränsdragning och definitioner av ”tro, vetande och värderingar”.

Man bör också ibland vara beredd på att möta extrema avvikelser från ett traditionellt vetenskapligt synsätt. Exempelvis två feministsociologer, Stanley och Wise, har beskrivit begreppet ’objektivitet’ på följande sätt:

– ”an excuse for a power relationship every bit as obscene as the power relationship that leads woman to be sexually assaulted, murdered and otherwise treated as mere objects. The assault on our minds, the removal from existence of our experiences as valid and true, is every bit as questionable.” –

Silverman (s.220) refererar kritiskt Stanley och Wise’s argument att mansdominerade versioner av vad ’objektivitet’ innebär bör ersättas med giltiga beskrivningar av kvinnans verkliga ”upplevelser”. Författarna hävdar att forskningsmålet inte är att ackumulera kunskap utan att tjäna den kvinnliga emancipationen. Exemplet illustrerar att synen på värderingarnas roll kan variera drastiskt, om man går vid sidan av huvudfåran i vetenskapen.

I den praktiska verkligheten är gränserna mellan vad som är tro och vetande naturligtvis flytande och beroende av sammanhanget. Vetandet eller kunskapen omfattar många tveksamma ”sanningar” som är allmänt vedertagna utan att vara kontrollerade eller som grundas på intuition eller på att någon auktoritet uttalat dem. Detta innebär givetvis inte att den ”ovetenskapliga” kunskapen är oanvändbar. Tvärtom använder vi alla i vardagslag övertygelser och kunskap, som oftast inte är rationellt eller empiriskt motiverade utifrån vetenskap eller beprövad praxis.

ÖB  tar i sin aktuella bok till Försvarsmaktens personal upp ett i detta sammanhang relevant problemområde: ”Min vision om Försvarsmakten i framtiden innehåller också klara ställningstaganden när det gäller människovärde och ledarskap. Jag kan inte under några som helst omständigheter acceptera att människor i Försvarsmakten kränks eller trakasseras. Detta hör inte hemma i Försvarsmakten.” (ÖB, 2004, s.47)

ÖBs grundvärdering delas förhoppningsvis av alla i Försvarsmakten. Men hur ska man hantera fenomenen ’trakasserier’ och ’kränkningar’ i praktiken? Arbetsmiljöverket har en särskild föreskrift om Kränkande särbehandling (ASF 1993:17). Men dess användning vid arbetsmiljöinspektionens tillsyn av arbetsplatser har kringgärdats med många förbehåll och stor försiktighet. Skälet har att göra med den oklara distinktionen mellan ”tro och vetande” i dessa ärenden. Vilka krav ska man egentligen ställa på ”fakta” om dessa fenomen från ett vetenskapligt perspektiv eller ur rättssäkerhetssynpunkt? Krävs det någon form av registrering eller dokumentation, eller att minst två oberoende observatörer har bevittnat en incident? Spelar det någon roll vilken relation vittnena står i till de inblandade personerna? Kan man göra en tillförlitlig subjektiv bedömning av hur trovärdig en person är som anmält en kränkning? Räcker det med att personen säger sig ha ”upplevt” en kränkande behandling?

Distinktionen mellan tro och vetande blir ännu mer problematisk om man beaktar de tänkbara psykologiska processer som ligger till grund för upplevelser av händelsen. Offer, förövare och vittnen kan ha olika uppfattningar om vad som hänt. Det kan finnas olika dolda avsikter med att påtala en incident – eller att förneka den. Dessutom kan individens värdering av den specifika inträffade händelsen vara mer eller mindre konsistent med dennes principiella inställning till kränkningar.

Parentetiskt kan man notera att den bästa strategin är primärprevention, dvs. att stämma i bäcken, vilket uppenbarligen är ÖBs avsikt.

Graziano och Raulin (kap.1) betonar att vetenskaplighet är särskilt nödvändig inom psykologin, eftersom vi alla är en sorts amatörpsykologer, som inte alltid får våra felaktiga föreställningar om medmänniskor och tillvaron korrigerade. Särskilt viktigt är det att vetenskapen kan skydda oss mot pseudovetenskaplig psyk-logi.

Att använda ett vetenskapligt arbetssätt för praktisk problemlösning ställer verkligen krav på utövaren. Grundbegreppen och de övergripande metodprinciperna är lätta att tillägna sig. Det är i stället applikationen i praktiska sammanhang, som är svårigheten. Det gäller i synnerhet sociala och organisatoriska system. I fysiska-tekniska applikationer finns det ofta universella principer med vars hjälp man kan utarbeta detaljinstruktioner, som fungerar i skilda sammanhang. I sociala system ingår däremot människor med varierande kunskaper, övertygelser och värderingar. Det finns ett relativt fåtal universella principer, men att tillämpa dem kräver ofta att man måste ta hänsyn till en förskräckande mängd situationsbundna villkor. Konsekvensanalyserna blir då både logiskt, kunskapsmässigt och praktiskt komplicerade.

Osäkerhet om gränser mellan empiriskt grundade fakta, övertygelser och värderingar uppkommer praktiskt taget alltid i samband med komplicerat utvecklingsarbete. Begreppet ’NBF’ är ett exempel, där rågångarna mellan etablerade grundfakta, prognosticerade tillstånd och konsekvenser samt visioner är delvis flytande. Fakta, liksom övertygelser och värderingar av mål och medel hos aktörerna, ändras dessutom dynamiskt efterhand som utvecklingsarbetet fortskrider.

Begreppen tro, vetande och värderingar är alltså oklara och svåra att avgränsa från varandra. Som psykologiska fenomen hos den enskilde människan är de mer eller mindre oupplösligt sammanflätade. Men historien lär oss att det finns goda skäl att försöka göra gränsdragningar. I den moderna vetenskapen finns det definitioner och regler, som preciserar vilka krav man ska ställa på fakta och hypoteser och att tydliggöra antaganden i slutledningar. I svåra gränsfall räcker kanske inte detta regelsystem, men då finns i stället kravet på att redovisa sin forskningsprocedur så tydligt att kompetenta kolleger själva kan ta ställning till dess giltighet (jfr citatet av Myrdal tidigare).

__________

Kompendiet beskriver traditionell vetenskaplig metodik, dvs. har en pragmatisk, naturvetenskaplig ansats som förebild. Först behandlas grundbegreppen översiktligt. I den del som introducerar applikationer på komplexa systemproblem, så utvidgar vi sedan grundbegreppen med en del teoretiska och metodiska verktyg, som krävs för att hantera utvecklingsarbete och systemdesign.

2. GRUNDBEGREPP I VETENSKAPLIG METODIK

2.1 Allmän karakteristik

En forskare (Korman, 1977 s.17) har beskrivit grundprinciperna i vetenskaplig metodik på följande sätt:

(a) "Slutsatser, bedömningar och slutledningar grundas på empiriska observationer, inte på tro eller förhoppningar.

(b) Vetenskaplig forskning är målinriktad, inte slumpartad; dvs. det finns skäl till att vissa frågeställningar väljs ut för undersökning snarare än andra.

(c) Vetenskaplig forskning är kumulativ och självkorrigerande; den bygger på det föregående. 'De som inte känner till historiens misstag är dömda att upprepa dem'.

(d) En vetenskaplig undersökning är möjlig att upprepa; dvs. de procedurer, som använts, beskrivs så tydligt och klart att vilken annan kompetent forskare som helst skulle kunna upprepa undersökningen om hon/han så önskade.

(e) Vetenskaplig forskning är kommunicerbar; de begrepp och idéer som utnyttjas och studeras är inte av privat natur utan är av ett slag som i princip kan användas av alla kompetenta individer."

Korman säger också att principerna är ideal, som ibland överträds medvetet eller omedvetet. "De flesta beteendevetare försöker följa dessa principer, och när de gör det, blir den erhållna informationen mer tillförlitlig än information som erhållits på andra sätt".

Forskning är alltså en speciell form av problemlösning. Verktygen vid denna problemlösning är dels metoder för att samla in och testa information (empiri) och dels olika former av beskrivnings- och förklaringssystem (teorier, modeller) för att organisera och analysera informationen om de fenomen man studerar. Till de empiriska metoderna hör t.ex. direktobservation av händelser; ett annat exempel är intervjuteknik och frågeformulär för att försöka studera upplevelser och uppfattningar. De teoretiska beskrivningssystemen är vanligtvis konstruerade av precisa språkliga uttryck; beskrivningar i matematiska termer eller i form av datorprogram förekommer emellertid allt oftare.

Vilka krav på problemlösningen ska man ställa? Det finns regler knutna till varje fas i forskningsprocessen för att den skall ge resultat som dels är tillförlitliga (kravet på reliabilitet) och dels är välgrundade med hänsyn till problemet (kravet på validitet).

2.2 Faser i forsknings/utredningsprocessen i en enskild studie

Vi särskiljer följande faser i problemlösningsprocessen (se Figur 2.2): problemformulering, datainsamling, dataanalys, tolkning av resultat och kommunikation av information.

Den ursprungliga problemställningen kan vara uttryckt i klientens eller användarens språkbruk och perspektiv. Forskaren/utredaren måste förstå och respektera denna problemsyn – detta utgör grunden för det ”sociala kontrakt" som måste finnas mellan forskaren/utredaren och klienten.

På samma sätt skall slutsatserna senare kommuniceras med ett språk och en begreppsapparat som förstås av avnämarna. I faserna mellan dessa "ingångs- och utgångsvärden" preciseras och bearbetas problemet i en teknisk referensram, där fackspråket dominerar. Problemlösningsprocessen förutsätter att klienten eller användaren har förtroende för kompetens och forskningsetik hos forskaren och utredaren.

Vi skall bara ge en översiktlig skiss av faserna i forsknings- och utrednings-processen här, eftersom de kommer att övas senare under kursen i anslutning till olika praktikfall. I problemanalysen preciseras och formaliseras den ursprungliga problemställningen. Problemet avgränsas och bearbetas inom en given referensram, som bestäms både av det praktiska syftet med utredningen och med hänsyn till teori och kunskap inom problemområdet. Problemanalysen utmynnar i preciserade delfrågeställningar eller i form av hypoteser. (En hypotes är ett påstående, uttryckt som ett möjligt svar på en fråga.)

I nästa fas planeras en undersökning för att samla in information, så att frågeställningarna kan besvaras och hypoteserna prövas. När undersökningen genomförts, bearbetas data med statistiska, matematiska eller språkliga metoder, vilket leder till sammanfattande resultat – hypotesernas riktighet bekräftas eller förkastas. Resultaten tolkas slutligen i relation till den ursprungliga problemställningen samt tidigare kunskap och teori inom problemområdet.

Observera "ramen" kring faserna i Figur 2.2, som innebär att studien planeras och genomförs som en integrerad enhet. Även om faserna i verkligheten följer efter varandra i en bestämd kronologisk ordning, betyder inte detta att tidigare faser planeras oberoende av senare. Planeringen sker både som översiktsplanering och som detaljplanering av resp. fas. Översiktsplaneringen innebär att man samordnar olika faser i processen.

 

Figur 2.2. Faser i forsknings/utredningsprocessen.

 

2.2.1 Problemanalys

Den ursprungliga problemställningen är ofta oprecis och ger ingen direkt ledtråd om var eller hur man skall finna svaret. Syftet med problemanalysen är att på grundval av tillgänglig kunskap (bl.a. facklitteratur och eventuella förstudier) samt logiska överväganden komma fram till mer precist formulerade och lösbara problem.

Man kan skilja mellan innehållsliga och formella aspekter i problemanalysen. Låt oss se på några steg i den formella analysen:

Ett forskningsproblem definieras formellt som "en relation mellan två eller flera begrepp, uttryckt som en fråga". Antag att den ursprungliga problemställningen lyder på följande sätt:

"Vad påverkar lägesuppfattningen i en ledningsenhet i Försvarsmakten?"

Detta problem bör omformuleras för att uppfylla de logiska kraven. Ett av begreppen är naturligtvis "lägesuppfattningen", men vilket eller vilka andra begrepp bör ingå i forskningsproblemet? Den ursprungliga frågeformuleringen i termer av ”Vad?” är alldeles för allmän för att ge några riktlinjer för hur problemet ska undersökas. Problemet bör alltså avgränsas och struktureras för att man ska kunna komma fram till entydiga slutsatser. Ett vanligt sätt att strukturera problem är att formulera orsak-verkan-samband. Det förutsätter att man avgränsar en eller flera tänkbara orsaker och relaterar dem till en eller flera effekter. En lösare relation beskriver ingångs- och utgångsvärden (input/output): mängden X är input, och mängden Y är output av någon process.

Genom bl.a. litteraturstudier samt analys av förekommande praxis kommer vi kanske fram till en mängd olika faktorer, som kan påverka lägesuppfattningen. Den ursprungliga problemställningen kan t.ex. ha ett underförstått fokus på att lägesuppfattningen är resultatet av en informationsinhämtning; det kan ge oss en vägledning om att avgränsa problemet till att först kartlägga sambandet mellan lägesinformation och lägesuppfattning, dvs. en sorts input/output-relation kan vara lämplig.

Grundproblemet kan alltså avgränsas och formuleras så att det uttrycker en formell relation mellan två begrepp, typer av lägesinformation (X) och lägesuppfattning (Y), t.ex:

"Vilken lägesinformation påverkar lägesuppfattningen?"

Vi kan också formulera om problemet till en allmän hypotes. Hypoteser kan alltid skrivas om till formen "Om X, så Y" (den s.k. generella implikationsformeln, som ofta skrivs X→Y). I vårt fall blir hypotesen:

"Om viss lägesinformation X förekommer, så påverkas lägesuppfattningen Y."

Observera att det är "relationen" mellan begreppen, som är bärare av information (ny kunskap) och har "förklaringsvärde" i detta fall. Det är viktigt att också göra klart för sig logiskt vad hypotesen inte uttrycker. I princip kan exempelvis en lägesuppfattning uppkomma, utan att ha samband med någon tydlig informationskälla.

Den allmänna hypotesen är i sig redan en avgränsning av den ursprungliga problemställningen. Den kan specificeras ytterligare genom att formulera en rad del- eller underhypoteser.

För att hypoteser skall bli prövbara måste emellertid begreppen och relationen preciseras genom definitioner. Vad menas egentligen med "lägesinformation" och "lägesuppfattning"? De språkliga termerna är ofta oprecisa och uppfattas olika av olika människor.

Det finns två huvudtyper av definitioner:

(a) att precisera den allmänt förekommande betydelsen av en term (deskriptiv definition). Ett exempel på en sådan definition är:

’Lägesinformation'=def ”Information avseende aktörer, miljö och resurser med deras egenskaper som geografisk position, status, pågående verksamhet, lydnadsförhållande, senast erhållet uppdrag/ order och/eller syftet med agerandet, samt information avseende miljön (terräng, väder, sikt och ljusförhållanden). Lägesinformation kan vara historisk, aktuell eller planerad/ prognosticerad.”

(b) att tilldela en ny eller gammal term en speciell betydelse (stipulativ definition). Ett exempel på en sådan definition är: "’Lägesuppfattningen’ undersöktes genom att deltagarna i undersökningen fick producera en individuell grafisk lägesbild med hjälp av ett givet symbolspråk.”

Vidare bör begreppen ha en klar logisk form. Vetenskaplig begreppsbildning använder sig av två viktiga typer:

(a) Klassifikationsbegrepp. Begreppet består då av olika kvalitativa aspekter eller klasser, t.ex. begreppet kön med klasserna kvinnligt (K) och manligt (M). Klasserna skall vara ömsesidigt uteslutande (K ≠ M) och uttömmande (inga andra klasser kan vara definitionsmässigt möjliga - men kan ändå förekomma i verkligheten! ). I vårt exempel är det angeläget att konstruera en lämplig klassifikation av olika typer av lägesinformation med utgångspunkt från definitionen tidigare.

(b) Kvantitativa begrepp. Dessa förutsätter att en variation i mängd eller grad är möjlig. Ett kvantitativt begrepp utgör följaktligen en variabel. Exempelvis mängden lägesinformation av viss typ skulle kunna betraktas som ett kvantitativt begrepp.

Begreppsbildningen måste grundas på en innehållslig analys  med hänsyn till existerande kunskap, teori samt naturligtvis syftet med studien. Man måste i varje undersökning ta ställning till om man skall använda existerande begrepp och definitioner eller utveckla nya och bättre. I allmänhet försöker man bilda begrepp och hypoteser, som har hög generalitet och förklaringsförmåga, men ändå tillfredsställande precision. Den innehållsliga analysen bestämmer också om hypotesen skall uttrycka enbart ett statistiskt samband mellan begreppen eller en starkare kausal relation (orsak-verkan).

Ta t.ex. begreppet "lägesinformation", som är generellt. För att formulera precisa frågor eller hypoteser fordras det att man specificerar underbegrepp. Exempel på sådana framgår av den tidigare definitionen, som i praktiken är en form av klassifikation. Ibland kan man nöja sig med att söka fastställa ett enkelt samband mellan X (lägesinformation) och Y (lägesuppfattning). Förklaringsvärdet vad gäller relationen mellan ’lägesinformation’ och ’lägesuppfattning’ är däremot fortfarande minst sagt oklart: Hur kan lägesinformationen påverka lägesuppfattningen? För att förklara det behöver vi uppenbarligen specificera en rad ytterligare begrepp, t.ex. den uppgift eller roll, som ledningsenheten har. Den rollen är i sin tur beroende av andra organisatoriska funktioner, t.ex. om det gäller en centraliserad eller decentraliserad bearbetning av lägesinformationen osv. Problemanalysen kan avslöja en rad oklarheter i begreppen och deras relationer, även om man vid första påseende kan tycka att det är mer eller mindre självklart att en viss lägesinformation bidrar till lägesuppfattningen på ett visst sätt.

Ett exempel på ett något mer utvecklat sådant hypotetiskt samband är: ”Lägesinformation av typ X_T för att lösa en viss uppgift X_U förbättrar lägesuppfattningen Y” (se streckad linje i Figur 2.2.1) Av flera skäl bör man emellertid fördjupa problemanalysen på denna punkt. Vad ligger bakom ”förbättringen”? Det finns troligen också många undantag från hypotesen om ett enkelt samband, vilket kan tyda på att andra faktorer ”modererar" påverkanseffekten av lägesinformation. Vad har man egentligen förklarat genom att påvisa ett måttligt samband mellan X (X_T & X_U) och Y?

Om man i stället formulerar en hypotes om att det finns en kausal relation mellan en eller flera riskfaktorer (orsaker) och ledningsuppfattning (verkan), så förutsätter man någon slags process eller mekanism, som förklarar påverkan från X till Y. I Figur 2.2.1 är det hypotetiska processbegreppet betecknat med P. Vi behöver alltså specificera ett nytt inskjutet processbegrepp "P" med de relationer, som markeras av pilarna i figuren. Ett exempel på ett sådant begrepp eller mekanism är någon form av "bedömningsprocesser". Resonemanget leder alltså till en mer specifik hypotes om att viss lägesinformation i en given uppgift eller roll förbättrar ledningsuppfattningen, tack vare att bedömningarna kan ske på ett visst effektivt sätt.

 

Figur 2.2.1. Exempel på problemanalys.

Det resonemang som vi har fört illustrerar begreppsbildningens roll vid problemanalys och skulle kunna vara början till en modell av lägesbedömningar. Modellen kan utvecklas till en teori, som innebär ett system av begrepp och relationer mellan dem, som har prövbara konsekvenser (formulerade som hypoteser).

Den första faktorn eller begreppet (X) i hypotesen "Om X, så Y" kallas ofta för oberoende variabel, medan faktorn Y kallas beroende variabel. I hypoteser om kausala relationer är den oberoende variabeln alltid identisk med orsaksfaktorn och den beroende variabeln uttryck för dess verkan. I hypoteser om samband är denna distinktion inte lika "naturlig", utan vad som är oberoende resp. beroende variabel beror på undersökningens syfte och kan alltså variera från tillfälle till tillfälle.

Det är givetvis också möjligt att formulera och undersöka mer komplexa hypoteser som inrymmer flera oberoende variabler t.ex. "om X, Z, V, så Y". Ett exempel på en mer komplicerad design är om vi vill undersöka både de specifika och kombinerade effekterna av X_T och X_U på Y:  dvs.   X_T × X_U→Y.

Hypotesprövningens grundlogik

En hypotes i ett experiment är ett påstående om ett visst experimentresultat eller utfall Y, givet en förutsättning X. En enkel kausal hypotes H är H: X→Y (X orsakar Y). Den implicerar logiskt att om X förekommer, så ska Y inträffa. Om Y inte inträffar, så är följaktligen hypotesen H falsk.

Hypotesprövning förutsätter alltså ett utfallsrymd, där det finns ömsesidigt uteslutande utfall, som antingen bekräftar eller falsifierar hypotesen. I exemplet ingår de två alternativen Y respektive icke-Y i utfallsrymden).

Slutledningen har en bestämd logisk form (Modus ponens) som omfattar tre led:

1. Teoretisk premiss: H: X→Y

2. Empirisk premiss: X

3. Slutledning om empiriskt utfall: Y

I experimentella undersökningar förutsätter hypotesprövningen således att en specifik hypotes formuleras (teoretisk premiss), och att man konstruerar en faktisk undersökningssituation, som uppfyller de logiska och teoretiska kraven på dels X (empirisk premiss) och dels Y (empirisk konsekvens som motsvarar den logiska slutsatsen).

Hypotesprövningen förutsätter logiskt att det finns en kontrast till X, dvs. icke-X, och en kontrast till Y, dvs. icke-Y. Undersökningsmetodiken måste utformas på så sätt att de logiska villkoren uppfylls i undersökningsdesignen. Detta innefattas under begreppet kontroll. Se vidare kapitel 8 om hypotesprövning i Graziano och Raulin.

2.2.2 Undersökningsmetodik

Utgångspunkten vid val av undersökningsmetod är alltså ett problem eller alternativt en hypotes, som uttrycker en relation mellan två eller flera variabler (faktorer), och där oberoende och beroende variabler är definierade. Undersökningsplanering innebär att hypotesen (problemet) översätts till empiriska operationer. Begreppen blir följaktligen operationellt definierade (se Figur 2.2.1). Det är uppenbart att det i princip finns ett oändligt antal möjligheter att operationalisera begreppen. Valet av undersökningsbetingelser styrs till viss del av hur hypotesen är formulerad. En hypotes med väldefinierade, precisa begrepp är lättare att pröva entydigt, medan en oklar frågeställning lämnar föga vägledning vid undersökningsplaneringen.

Vilka krav skall man ställa på en bra undersökningsmetod? Frågan har berörts tidigare, och svaret är att metoden skall ge information som har hög reliabilitet och validitet. Reliabilitet betyder tillförlitlighet och innebar frånvaro av slumpmässiga (osystematiska) fel vid undersökningen. Metoden måste alltså minimera tillfälligheternas spel i undersökningssituationen.

Validitet innebär frånvaro av systematiska fel i resultaten. Vi behöver särskilja några olika typer av validitet: Begreppsvaliditet gäller frågan om hur väl de operationella definitionerna överensstämmer med de teoretiska begreppen. I vårt exempel gäller det hur pass väl de faktiska undersökningsmetoderna att beskriva och observera lägesinformation, bedömningsprocesser och lägesuppfattning stämmer överens med motsvarande teoretiska begrepp (X, P, Y).

Varje undersökning/utredning måste granskas med avseende på hur olika faktorer kan påverka resultatet. Skälet härtill är att man vill kunna avfärda alternativa förklaringar till resultat, som inte inryms i hypotesen. Förfarandet avser att fastställa den interna validiteten i resultaten. En mängd olika faktorer i och vid sidan av bedömningssituationen kan spela in och påverka lägesuppfattningen. Om man är intresserad av pröva exempelvis en specifik hypotes om hur lägesinformation påverkar lägesuppfattning, så måste dessa andra ovidkommande faktorer kontrolleras. Annars kan man av logiska skäl inte pröva hypotesen. Resultatet saknar då intern validitet.

En undersökning/utredning ska inte bara ha en riktig logisk uppbyggnad, utan den bör också ge resultat som kan generaliseras till andra tider, situationer, individer, arbetsuppgifter och organisationer än de som ingått i undersökningen. Detta gäller kravet på extern validitet (generaliserbarhet).

Insamlandet av information måste därför ske under väl kontrollerade former för att undvika olika typer av felkällor och felaktiga slutsatser. Graden av kontroll över felkällor varierar med typ av undersökningsmetodik. Ju fler kontrollrestriktioner man kan införa i undersökningen, desto lättare är det i allmänhet att pröva kausala hypoteser (Graziano och Raulin, kap.2).

Experimentell metodik används främst för att pröva hypoteser om kausala relationer. Det utmärkande för experimentell metodik är att forskaren aktivt manipulerar en eller flera oberoende variabler (OV) för att studera effekter på beroende variabler (BV). Tre typer kan särskiljas: (a) "Äkta" experiment (oftast laboratorieförsök), där man fördelar deltagare (eller motsvarande enheter) slumpmässigt på de olika betingelser som OV består av. (b) Kvasiexperiment (oftast fältförsök), då kravet på slumpmässig fördelning av deltagare eller enheter inte kan tillgodoses, utan fördelningen måste styras utifrån någon given, naturlig princip (t.ex. befattning, avdelningstillhörighet); (c) Simuleringsexperiment (egentligen en kombination av a och b), då man i laboratorieform försöker konstruera verklighetstrogna uppgifter och situationer.

Icke-experimentell metodik (ibland kallad korrelationsmetodik) används då oberoende variabler inte kan manipuleras aktivt. I allmänhet (men inte nödvändigtvis) är undersökningssituationen även i övrigt under sämre kontroll än vid experimentella studier. Det är i princip möjligt att undersöka kausala relationer också med icke-experimentell metodik; tillvägagångssättet blir dock mer indirekt och resultatet betydligt osäkrare än vid experiment.

Fallstudie är enligt Yin (2003, s.13) en empirisk undersökning som undersöker ett samtida fenomen i dess verkliga sammanhang (kontext), speciellt när gränserna mellan fenomenet och kontexten inte är tydliga. Den kvalificerade fallstudien styrs teoretiskt och använder multipla datakällor i situationer, där det finns fler variabler än datapunkter.

Aktionsforskning är en speciellt utvecklad form av vetenskaplig metod för att möjliggöra kontrollerade interventioner i sociala system (t.ex. arbets-organisationer). Aktionsforskning liknar experiment så till vida att forskaren (förändringsagenten) aktivt intervenerar i undersökningssituationen. Till skillnad från fallet i experimentella studier utgör de "oberoende variablerna" här komplexa skeenden i naturliga miljöer, vilket medför starkt begränsade möjligheter att kontrollera felkällor.

Undersökningsplanering utmynnar i en plan (design) för hur data skall insamlas. Där specificeras bl.a. de oberoende och beroende variablerna, olika åtgärder för att kontrollera effekten av ovidkommande faktorer samt naturligtvis de tekniker, som används för registrering, klassifikation och mätning av data.

Undersökningsteknikerna omfattar bl.a. systematiska och deltagande observationer samt olika former av objektiva och subjektiva mätinstrument för att studera händelser och beteenden. Upplevelser, attityder m.m. studeras vanligen indirekt genom intervjuer, frågeformulär, subjektiva bedömningar och olika tester. Dessutom finns icke-reaktiva tekniker, där deltagarna inte kan reagera på undersökningsmetoden. Dit hör bl.a. studier av arkivdata, vissa fysiska registreringar och analyser av produkter eller spår av beteenden och händelseförlopp.

__________

Övriga faser i forsknings/utredningsprocessen kommer vi att behandla i anslutning till olika praktikfall.

2.3 Sammanfattande beskrivning av vetenskapligt paradigm

Figur 2.3 illustrerar relationen mellan beskrivningssystem och empiriskt system, dvs. empiriska händelser och objekt. Avbildningen av det empiriska systemet beror på hur man väljer empiriska metoder och sätt att beskriva logiska nätverk av hypoteser om begreppsrelationer. Ett vetenskapligt paradigm föreskriver hur detta bör gå till.

 

Figur 2.3.1 Relationen beskrivning – empiriskt system.

Figur 2.3.1 ger en översiktsbild av vilka frågor, som bör ställas för att få en uppfattning om den vetenskapliga ansatsen. Schemat är konstruerat mot bakgrund av en naturvetenskaplig grundansats. Figuren visar hur paradigmet påverkar problemval, planering, genomförande och slutsatser av en studie. Figur 2.3.2 ger en schematisk bild och exemplifiering av vad som kännetecknar god metodik vid empirisk prövning av hypoteser.

Begreppsligt plan. Ett paradigm ger svar på frågor om hur man väljer beskrivningssystem:

1. Valet beror i första hand på vilka undersökningsobjekt och händelser i verkligheten det gäller. Det kan exempelvis vara sociala system, komplexa förlopp, upplevelser osv.

2. Syftet med studien eller projektet är viktigt. Handlar det t.ex. om att upptäcka och förklara skeenden som orsak-verkan-samband? Eller är uppgiften att förändra och designa verksamheter för att nå vissa mål?

3. Förekommer olika aspekter på ”tro, vetande, värderingar” i uppgiften och kan och bör dessa hållas isär eller ej?

4. Vilka beskrivningsformer är lämpliga? Alternativa former är t.ex. naturligt språk, bilder och grafik eller formella symbolspråk (matematik, logik, programkoder etc.)

5. Vilka ämnesteorier och principer är relevanta för studien?

Empiriskt plan. Undersökningsobjekt och faktorer kan gälla mikro- eller makrovärldar. Distinktionen mellan mikro och makro är relativ men påminner oss om att makrobeskrivningar ibland kan reduceras till mikronivå, t.ex. från beteenden till neurala och muskulära processer. Omvänt kan beskrivningar på detaljnivå ibland sammanfattas på makronivå. Exempelvis relationen mellan fysiska spår och produkter av en verksamhet samt beteenden kan beskrivas sammanfattade i makroorganisatoriska termer.

Ett empiriskt plan omfattar också metoder och interventioner, dvs. empiriska operationer för att undersöka, bedöma, manipulera undersökningsobjekt och händelser.

Kopplingen mellan begreppsligt och empiriskt system. Två viktiga aspekter på kopplingen är:

– att den begreppsliga beskrivningen är en avbildning eller kunskapsrepresentation av empirin,

– att begreppssystemet krävs för att ta fram ny empiriskt grundad kunskap i syfte att beskriva och förklara verkligheten och för att manipulera verkligheten (genom intervention och design).

Vetenskaplig kunskap är en produkt av rationalism och empirism (Graziano och Raulin, kap. 1). Verifikationen av påståendekunskap kräver att påståenden (hypoteser) kan kategoriseras som sanna eller falska och att metoden för den empiriska prövningen måste beaktas.

Principerna för ”god metodik” i en naturvetenskaplig grundansats illustreras i Figur 2.3.1. Idéer i begreppslig form bildar hypoteser, dvs. generella påståenden om empiriska företeelser. Uppslaget till hypoteser kan ibland härledas deduktivt från en teori, men bygger ofta på en induktiv generalisering, dvs. på erfarenhets-baserade slutsatser. En generell hypotes kan inte prövas direkt, utan den kräver att man härleder mer specifika, prövbara hypoteser. Figur 2.3.2 är ett exempel på nätverk av implikationer (härledda hypoteser) på olika abstraktionsnivåer.

         

Figur 2.3.1.   Hur paradigmet påverkar problemval, planering,                    genomförande och slutsatser av en studie.

Observera att hypotesprövning om empiriska förhållanden förutsätter att man gör slutledningar enligt logiska regler. De logiska villkor som måste uppfyllas för att ett påstående ska kunna kategoriseras som sant eller falskt måste i sin tur ha en motsvarighet på det empiriska planet (se 2.4).

Man inser lätt att en generell hypotes som genererar många implikationer (hypoteser), varav ett flertal bekräftas, ger en god teoretisk beskrivning av verkligheten. En generell hypotes kan ej logiskt bevisas vara sann, eftersom ett oändligt antal prövningar är möjliga i princip. Någon följdhypotes i framtiden kan visa sig ge motstridigt resultat, vilket då innebär att den generella hypotesen måste förkastas eller åtminstone modifieras. Detta är grunden till att teorier och universella hypoteser ständigt förändras till följd av empiriska prövningar och att man konstruerar nya begreppsmodeller.

Paradoxalt nog kan man inte logiskt bevisa att en universell hypotes är sann men däremot att den är falsk – om nämligen en logisk följdhypotes inte bekräftas. Filosofen Karl Popper har hävdat att vetenskapen utvecklas genom att förkasta inadekvata hypoteser om verkligheten.

Empiriska fakta utgör den stabila grunden. De logiska villkoren för en prövning beskrivs i specifika, datanära forskningshypoteser. I Figur 2.3.2 gäller det hypoteserna närmast det empiriska planet. Det empiriska resultatet eller utfallet av en prövning ska i princip vara entydigt och faktiskt och ge svar på frågan om den specifika hypotesen är sann eller falsk. Sensmoralen är att om forsknings-hypotesen är tillräckligt specifik och datanära, så kan man få ett entydigt svar på om den är sann eller falsk. Ytterst är det alltså sådana specifika empiriska prövningar som ska avgöra om en generell hypotes ska bekräftas, dvs. få stöd eller förkastas.

Hur används   'Vetenskaplig metodik'  för  att ge svar på frågor av typen:

(1) kan en händelse ha inträffat på det sätt som framgår av en beskrivning (data)?

(2) Kan händelsen förklaras med hjälp av accepterade teorier och kända fakta eller måste den tidigare kunskapen modifieras?

Figur 2.3.2 illustrerar  principer för empiriska prövningar.

Figur 2.3.2.  Schematisk  bild av empirisk prövning.

Sammanfattningsvis, generella hypoteser uttrycker preliminär kunskap, medan empiriska fakta, uttryckta som specifika hypoteser, utgör stabila men begränsade kunskapselement.

Till beskrivningen ovan av vetenskaplig metodik måste fogas två reservationer. En är att sant-falskt-logiken i slutledningar i allmänhet måste kompletteras med sannolikhetsbeskrivningar. En hypotes är alltså sann eller falsk med en viss sannolikhet. Det grundläggande resonemanget förändras emellertid inte av detta. I praktiken innebär det att statistiska beskrivningar och bedömningar måste komplettera det logiska resonemanget. Den andra reservationen gäller den empiriska metodiken. Alla slutsatser om hypotesprövning är naturligtvis beroende av att man använt en adekvat metodik och kontrollerat felkällor etc.

2.4. Begreppet ’kontroll’

’Kontroll’ är ett fundamentalt begrepp i vetenskapen. Det står för de empiriska villkor som måste vara uppfyllda för att man ska kunna göra giltiga slutledningar om att utsagor är sanna eller falska (eller har sannolikheter för detta). ’Kontroll’ är alltså de empiriska operationer eller villkor som svarar mot de logiska villkoren vid hypotesprövning.

Kontroll av variation. Vi ska utveckla kontrollbegreppet i anslutning till några enkla exempel. Anta att vi vill utvärdera prestationen hos ett speciellt förband med ny organisation X. Vi betecknar prestationen med Y. En empirisk prövning av förbandets prestation utförs och ger resultatet Y₁. Om vi har någon form av prestationsnorm Y_k, kan vi jämföra prestationen med normen och dra en direkt slutsats om prestationen var tillräcklig eller ej.

Y kan vara antingen en kvalitativ eller kvantitativ faktor, t.ex.

– Y₁ skiljer sig kvalitativt från Y_k

– Y₁ uppfyller inte det kvalitativa kravet Y_k

– Y₁ är en kvantitativt lägre prestation än Y_k

De tre påståendena kan vara hypoteser med sanningsvärdena ”sant” eller ”falskt”.

Vid tillfället t₁ kan vi i princip avgöra om respektive påstående är sant eller falskt.  Det förutsätter naturligtvis att vi kan identifiera X och Y-faktorerna i verkligheten. Vi måste med andra ord ha någon slags rudimentär kontroll över undersökningssituationen.

Frågan är emellertid om vi kan generalisera resultatet till andra tillfällen, situationer och deltagare. Eller var resultatet en tillfällighet vid denna tidpunkt och plats och med dessa deltagare i förbandet? Eftersom det handlar om ett komplext, socialt och tekniskt system, måste vi räkna med en osäkerhet i prestationen, som beror på en mängd svårkontrollerade förhållanden.

Ett naturligt sätt att skaffa sig en uppfattning om osäkerheten i resultatet är att upprepa försöket ett antal gånger,

(Y₁), Y₂, Y₃, … Y_i, …Y_n.

En estimation eller skattning av ett väntevärde (det statistiska gränsvärde som uppkommer om försöket skulle upprepas ett oändligt antal gånger) blir då möjlig, t.ex. genom att beräkna proportionen kvalitativt godtagbara resultat,

p_Y = f_y/n,

dvs. antal godtagbara prestationer (f_y) dividerat med antal upprepade försök (n). Alternativt kan prestationen Y vara en kvantitativ variabel (ett prestationsmått) och ett medelvärde beräknas av Y_i,

MY=ΣY_i/n,

där summan av prestationerna (1 … n) divideras med antalet försök.

Dessutom blir det möjligt att beräkna ett osäkerhetsområde – spridningsmått Sp_y eller SM_y – för variationen kring p_Y respektive M_Y. Ju fler försök som görs, desto säkrare blir skattningen av väntevärdet p eller M och deras spridningsmått.

Två exempel på resultat visas i diagrammen nedan. I det vänstra diagrammet med ett kvalitativt procentkriterium Y_k är p_Y = 0.60. I det högra diagrammet med ett kvantitativt prestationsmått är M_Y= 3,55 Om Y_k≥3,50, så finns det också här 60% godtagbara försök.

              Procent godtagbara försök                        Antal försök med Y=1...5  

               Kvalitetskrav Y_k                                                 Prestationsmått Y

”Kontrollen” i exemplet innebar att X, dvs. förbandsorganisationen, hölls konstant, samt att observationen av Y gjordes på samma sätt vid upprepade försök. Utan denna konstanthållning hade man inte kunnat dra någon generell slutsats alls om X.  (Detta gäller när man prövar universella [generella] hypoteser, ”Det gäller för alla X att om X så Y”. En existentiell hypotes, ”Det gäller för åtminstone ett X att om X så Y”, kräver däremot bara ett enda positivt utfall för att hypotesen ska bekräftas.)

Den fortsatta utvecklingen av ett X-system – om resultatet bedöms som lovande – kan då inriktas på att dels försöka minska den störande ”felvariationen” (Sp_y, SM_y), dvs. kontrollera olika störfaktorer som skapar den slumpmässiga variationen i Y, och att dels systematiskt förbättra prestationen Y (dvs. öka p_Y, M_Y).

När det gäller tekniska eller fysiska krav, kan en sådan försöksuppläggning ofta vara tillfyllest. När det gäller komplexa sociala system, ställs det i allmänhet betydligt större krav på kontroll.

Kontroll genom att använda kontrasterande betingelser. I det förra exemplet var betingelsen X (ny förbandsorganisation) given och utvärderades mot en prestationsnorm. Oftast saknas en enda entydig norm, och det finns en rad olika krav eller kriterier på prestationen. Under sådana omständigheter behöver man pröva sig fram genom att jämföra eller kontrastera olika alternativ. Vanligen existerar oftast alternativa betingelser, t.ex. en redan existerande förbands-organisation. Många gånger är alternativet till X logiskt underförstått; exempelvis kan hypotesen ”Om X, så Y” implicera att om X inte inträffar, dvs. ”icke-X”, så ska ”icke-Y” inträffa, dvs. X är en nödvändig betingelse för Y.

Prövningen kan då formuleras som en jämförelse mellan två eller flera betingelser, X_A, X_B, … X_J. Den gamla organisationen X_B blir en kontrollbetingelse till den nya organisationen X_A och deras prestationer jämförs under i övrigt samma villkor. Observera att begreppet ’kontroll’ nu har två olika funktioner:

(a) Kontroll av den oberoende betingelsen (variabeln), dvs. kontrasten mellan betingelserna X_A och X_B i det här fallet.

(b) Kontroll av ovidkommande (störande) betingelser, dvs. variabler Z som påverkar X_A och X_B på olika sätt, så att vi inte kan avgöra om resultatet beror på kontrasten X_A och X_B och/eller på inverkan av Z-variabler.

Experimentell kontroll är ett överlägset sätt att kontrollera ur logisk synvinkel. Det beror på att den oberoende variabeln kan manipuleras aktivt av försöksledaren och att försökssituationen i övrigt kan kontrolleras i princip med avseende på störande faktorer. Det kan ske genom att eliminera eller konstanthålla dem eller genom randomisering, dvs. slumpa ut störeffekterna på X-betingelserna så att de blir likvärdiga inom slumpens gränser.

Den allmänna principen är självklar. Genom att lägga restriktioner (kontroll) på försöket, så minskar osäkerheten i utfallet, och det blir enklare att dra slutsatser om orsak och verkan, dvs. att testa kausala hypoteser. Men fördelarna är begränsade till relativt enkla hypoteser och försök. Vi ska illustrera det genom att se vad som händer om det undersökta systemet inkluderar allt flera betingelser, dvs. blir mer komplext.

I det enklaste fallet har vi bara en betingelse A som vi vill undersöka effekten av. Det innebär en jämförelse med en kontrollbetingelse, som vi kan kalla icke-A, vilket innebär att vi inte förväntar oss någon effekt. Resultaten under respektive betingelse kallar vi Y_A och  Y₀.

Obeoende variabel:      Betingelse A – Kontrollbetingelse  icke-A

Beroende variabel:  Y_A - Y₀

”Den linjära modellen” är helt dominerande vad gäller dataanalys. Den beskriver det observerade resultatet Y_A som en linjär additiv funktion av ett väntevärde eller systematisk effekt a och ett slumpvärde e, dvs. Y_A = a+e.

Om man jämför A och icke-A under välkontrollerade former, så kan det förväntade resultatet beskrivas som en differens Y_A-Y₀= (a+ e) - (a₀+e) = a, där a₀ betyder 0-effekt och slumpfelen e vanligtvis antas ta ut varandra i princip. I ett idealt fall är skillnaden mellan betingelserna alltså ett direkt uttryck för effekten a.

Om data är av kvalitativ art så uttrycker operationerna + och – olika logiska kombinationer; vid kvantitativa data har + och – sina vanliga aritmetiska betydelser.

Antag att försöket i stället gäller två samtidigt verkande variabler A och B, som vardera har två olika värden 1 och 2. Ett exempel är frågan hur lägesuppfattningen Y påverkas om lägesinformationen varierar i mängd A (a₁=stor, a₂=liten) och typ B (b₁=bearbetad, b₂=obearbetad).

Effekterna a och b på Y, där a=a₁-a₂ och b= b₁-b₂, kan beskrivas som:

Den linjära modellen av de kombinerade effekterna av A och B är

Y_AB = a + b + ab + e.

Formeln kan utläsas som att resultatet Y_AB kan tolkas som en summa av de enskilda huvudeffekterna a och b samt en särskild kombinationseffekt ab förutom en felterm e. Det som tillkommer är interaktionseffekten ab som uttrycker en effekt utöver summan av a- och b-effekterna. I själva verket visar en signifikant interaktionseffekt att den linjära additiva modellen egentligen inte är adekvat, eftersom ab beskriver en produkt eller multiplikativ effekt. När antalet variabler är litet, så kan man ändå skatta och tolka en interaktionseffekt någorlunda enkelt med hjälp av modellen.

I vårt exempel skulle lägesuppfattningen hypotetiskt kunna påverkas negativt av för liten informationsmängd (a-effekt) och av att informationen är bearbetad eller ej (b-effekt). En ab-effekt skulle kunna innebära att kombinationen av stor, bearbetad informationsmängd förbättrar lägesuppfattningen, medan en stor, obearbetad mängd försämrar den kraftigt. Figur 2.4.1 visar en sådan hypotetisk interaktionseffekt.

Figur 2.4.1. Exempel på interaktionseffekt av faktorerna informationsmängd

                      och bearbetning på lägesuppfattningen.

Men när antalet interagerande variabler ökar, så blir både den linjära modellen och den experimentella metodiken i praktiken otjänliga. Fyra interagerande variabler är i praktiken en övre gräns i ett experiment, som då kräver stora mängder observationer för att kunna tolkas överhuvudtaget. Vi kompletterar vårt tidigare försök med lägesuppfattning med ytterligare två faktorer, C = om lägesinformationen är distribuerad eller ej, samt D = om insatser ska göras samordnade eller ej. Detta ställer nu ytterligare krav på lägesuppfattningen, eftersom hänsyn eventuellt måste tas till samverkande förband och deras uppfattning om läget. Motsvarande linjära modell har följande utseende, om de fyra variablerna är A, B, C och D:

Y_ABCD = a+b+c+d+ab+ac+ad+bc+bd+cd+abc+abd+acd+bcd+abcd+e.

Lägesuppfattningen Y kan i princip påverkas av var och en av de fyra faktorerna (huvudeffekter) men också av 11 olika interaktionseffekter. I princip kan dessa olika effekter kombineras på ett utomordentligt stort antal sätt. Tolkningsproblematiken är alltså formidabel. I praktiken blir oftast många interaktionseffekter omöjliga att testa, beroende på att man har för få försöksobservationer och för okänsliga metoder

Den generella linjära modellen ger en intuitiv förståelse av de praktiska och logiska svårigheterna att systematiskt kontrollera ett multifaktorexperiment och tolka de olika typerna av effekter. Men fyra samverkande variabler som i exemplet är ändå ett extremt enkelt fall, jämfört med vad som kan förekomma i komplexa system i den naturliga kontexten!

2.5. Alternativa ansatser att undersöka komplexa system

Ett komplext system kan i princip undersökas genom att man gör en serie välkontrollerade och lagom komplicerade experiment. Förutsättningen är dock att experimentplaneringen styrs av en kraftfull teori. Denna förutsättning finns inom naturvetenskap och teknik, men gäller inte för sociala system, särskilt inte när mänskligt tänkande och agerande spelar en väsentlig roll.

Genom att göra visst avkall på kontrollkraven kan man närma sig mer komplexa och naturliga situationer. I experimentella simuleringar kan man introducera vissa representativa drag från den naturliga kontexten, samtidigt som man fortfarande har aktiv experimentell kontroll över de viktigaste faktorerna. Vid fältstudier används kvasiexperimentella designer med varierande grader av kontroll över situationen. Värdet av resultaten är i allmänhet beroende av hur teoretiskt välgrundade studierna är.

Användbara teorier om komplexa sociala system och skeenden saknas generellt, vilket försvårar möjligheterna att undersöka dem. Vad kan då göras på vetenskaplig grund? Vi vill hävda att det finns två principiellt skilda ansatser att undersöka och förändra komplexa system och skeenden i naturlig kontext. Båda ansatserna utnyttjar den naturliga variationen och osäkerheten i stället för att försöka reducera den.

I den ena ansatsen utgår man från att det komplexa ”naturliga” systemet ändå har en rimligt enkel struktur eller processhierarki, som är möjlig att observera och beskriva. Ansatsen förespråkar avancerade fallstudier av multifaktortyp i naturlig kontext. Teoretiska principer och modeller bör styra analysen av det undersökta systemet (se Yin, 2003).

Den andra ansatsen är aktionsforskning, som liknar experiment i så måtto att man försöker påverka systemet, och att påverkan bör vara teoristyrd. Aktionsforskning bygger på bl.a. två antaganden som formulerades av socialpsykologen Kurt Lewin: (1) Ingenting är så praktiskt som en bra teori, (2) Om du vill studera en organisation (system, grupp), så försök då att förändra den.

Aktionsforskningen är besläktad med design och därför också med vetenskapligt grundat utvecklingsarbete. Ett aktionsforskningsförlopp kan innebära att man stegvis förändrar ett system genom att med olika medel uppnå delmål på vägen mot ett slutmål. Aktionsforskningen följer alltså primärt en mål-medel-modell, där medlen är underordnade ändamålen. Orsak-verkan-samband används sekundärt i den mån de är tillgängliga. Aktionsforskning kan likställas med en teknologi, om det inte vore för att aktionerna också kan bidra till att förstå systemets egenskaper (jfr Lewins andra tes).

3. PROBLEMANALYS – FORMELLA ASPEKTER

Varför bör man göra en explicit problemstrukturering och analys även i praktiskt inriktade projekt? Projekt och utvecklingsarbete gäller ofta komplexa uppgifter och sammansatta mål. I utgångsläget bygger emellertid projekt ofta på en oklar blandning av etablerad kunskap, övertygelser, visioner och värderingar. Projektbegreppet i sig avslöjar inte detta, eftersom det är rationellt definierat, vanligtvis i form av ett antal faser: t.ex. målformulering, planering, genomförande och rapportering. Denna rationella form döljer att det rör sig om en komplicerad process. Exempelvis projekt som gäller organisationsförändring lyckas sällan uppfylla sina mål, enligt de vetenskapliga utvärderingar som har gjorts.

En inte oväsentlig del i förklaringen till projektmisslyckanden kan ligga i oklara eller felaktiga utgångspunkter. I och för sig ligger det i projektets natur, som handlar om att upptäcka eller uppfinna nya medel för att uppnå mål. Problemlösning och innovation är ju en följd av osäkerhet om möjligheter och lösningar. Det krävs kvalificerat tänkande, men risken att ”gå bort sig” i problemrymden är stor. Känslan av att projektet bygger på skarpsinniga resonemang kan vara stark – men också illusorisk, vilket en utomstående betraktare kan avslöja när projektet i värsta fall redan har gått för långt. Därför bör man använda sig av vetenskapligt arbetssätt som en kvalitetssäkring av projektarbete.

3.1 Vad innebär problemanalys i projekt?

Rationell måluppfyllelse i projekt förutsätter att man planerar och använder medel för att nå målen. Planeringen inbegriper en analys av både mål och tänkbara medel.  Analysen kräver man söker information om mål och medel, samt bearbetar och prövar den. Den säkraste vägen att inhämta information är givetvis att göra kvalificerade empiriska prövningar eller test. Men i utgångsläget är vare sig målen, tänkbara medel eller prövningskriterierna särskilt tydliga. Det innebär kanske att en förstudie måste göras. Men under alla omständigheter behöver man systematisera vad som finns av tillgänglig kunskap, och vilken ny kunskap som är nödvändig för att gå vidare i projektet. Problemanalysen bör alltså inledas med en rationell form för detta.

Formulering av prövbara hypoteser och specifika frågeställningar föregås av problemanalys (se Forsknings/utredningsprocessen, Figur 2.1). Problemanalys är en sammanfattande term, som betecknar analys av såväl forskningsproblem som utvecklings- eller designuppgifter. Vetenskapligt arbetssätt kräver att analysen är innovativ, eftersom målet är att skapa nya ”kunskapsprodukter”. Denna fas i FoU-processen skiljer sig därför från övriga faser genom sin relativa brist på regler och normer. Det egentliga kravet är blott att man kan logiskt härleda prövbara hypoteser och frågor från det ursprungliga problemet eller uppgiften – och motivera sitt förfaringssätt övertygande! Originalitet i tänkandet gör analysen slagkraftigare.

Problemanalysen är naturligtvis innehållsligt inriktad på det problem- eller ämnesområde, som ligger under problemet eller uppgiften. Det finns vanligtvis en begreppsapparat, vissa principer och eventuellt också teorier, som är relevanta i sammanhanget. Men det finns också formella aspekter på val av beskrivnings-system, som kan underlätta struktureringen och analysen av problemet. Det här kapitlet syftar till att ge några exempel på formella hjälpmedel.

3.2 Problemstrukturering

Med problemstrukturering menar vi första steget i problemanalysen. Det är någon form av formellt verktyg för att avgränsa och tydliggöra uppgiften. De formella verktygen ska ha helst vara allmänt användbara, dvs. tillämpas på olika typer av problem och uppgifter.

Ett ofta användbart sätt att inleda en problemstrukturering är att försöka avgränsa eller definiera en grundmängd av de objekt eller händelser som projektet gäller. De senare kallas element i grundmängden. Inom grundmängden kan man identifiera olika delmängder av element.  Elementen och delmängderna av element kan vidare stå i olika relationer till varandra. Ett exempel på detta är ett ledningssystem, där individerna bildar en delmängd och teknik och utrustning en annan, och det finns relationer eller kopplingar såväl mellan individer som mellan individer och teknik/utrustning. Grundmängden av element samt mängden relationer mellan dem bildar tillsammans ett s.k. relationssystem.

3.3 Klassifikation

I ett enkelt typfall är utgångspunkten en allmän hypotes eller frågeställning, som ska brytas ner i mer specifika hypoteser. Frågeställningen är formulerad som en relation mellan två allmänna begrepp, och problemet kräver ingen speciell teoretisk strukturering. Problemanalysen leder till en kedja eller ett nätverk av allt mer specifika hypoteser. Figur 2.3.2 illustrerar ett sådant fall. Inom grundforskningen eller på välundersökta problemområden kan man finna dokumenterade exempel på sådana koncentrerade nätverk av hypoteser och begreppssystem. I praktiska sammanhang är däremot begreppsbilden ofta både unik och diffus; den måste konstrueras och ibland skräddarsys speciellt för att lösa uppgiften.

Ett exempel på en allmänt hållen frågeställning är: ”Hur påverkas individernas stridsvärde av den sociala kontexten på förbandet?” Specifikation eller nedbrytning till underordnade begrepp innebär klassifikation (Harré, 2002, kap.3). Den är grunden för själva existensen av skilda begrepp. Ett klassifikatoriskt system (taxonomi) är oftast hierarkiskt, dvs. överordnade begrepp indelas i underordnade på olika nivåer. Figur 3.3 är ett exempel på en hierarkisk klassifikation av begreppet ’social kontext’ (Hartley, 1999).

Figur 3.3. Klassifikatoriskt system av ’social kontext’ (Hartley, 1999).

En klassificering innebär att man måste ange vissa nödvändiga och tillräckliga villkor för att ett element ska ingå i klassifikationen (klassen av klasser eller grundmängden av element). I komplexa praktiska fall är det inte alltid lätt att definiera sådana villkor. Vad innefattas exempelvis under det allmänna begreppet ’social kontext’? Hartley’s egna deskriptiva definitioner på högre klassifikationsnivåer är vaga, t.ex. ’social struktur’ beskrivs som: ”By social structure, I mean the ways the particular event we are looking at is organised.” Men vi kan få en vägledning genom att granska hans definitioner av underklasser på de mer specifika nivåerna. Ju fler klasser eller nivåer klassifikationen har, desto mer precisa och användbara begreppskriterier innehåller den i allmänhet.

En viktig distinktion är mellan en klass’ intension och dess extension. Klassens intension innefattar de egenskaper som varje element i klassen har gemensamt med alla andra, dvs. de nödvändiga och tillräckliga villkoren för att tillhöra klassen ifråga. Klassens extension omfattar de faktiska elementen i klassen. I allmänhet gäller att ju mer specifik klassens intension är, desto mindre är dess extension, dvs. desto färre element ingår i klassen.

Motsvarande distinktion finns på det empiriska planet. Den empiriska innebörden av ett begrepp eller klass kan vara nominell eller reell. Den nominella innebörden utgör de empiriska kriterier eller operationer som används för att tillordna en empirisk händelse eller objekt till en bestämd klass. I beteendevetenskapen betecknar man dem som ”operationella definitioner”. Den reella innebörden i empiriska händelser/objekt är de faktiska faktorer som ligger under de nominella egenskaperna (och som bara kan beskrivas teoretiskt).

Klassifikation som ett logiskt begrepp förutsätter att klassifikationen är uttömmande (dvs. alla relevanta element kan klassificeras) och att klasserna är ömsesidigt uteslutande (dvs. ett element tillhör en och endast en klass). Elementen i en klass ska alltså stå i en ekvivalensrelation till varandra, dvs. vara likvärdiga i något avseende. En strikt klassifikation enligt logiska regler är i själva verket en förutsättning för att tillämpa ytterligare logiska och statistiska metoder. (Vi återkommer till detta i samband med genomgången av dataanalys.) I praktiken har det visat sig svårt att skapa klassifikationer av sociala fenomen, som uppfyller de logiska kraven. I exemplet illustreras detta av indelningen i sociala normer, regler och relationer som inte är alldeles entydig.

3.4 Sammansatta klassifikationer

Kombinationer av klassifikationer spelar en viktig roll för att beskriva komplexa fenomen. Ett exempel på en enkel 2×2-kombination fanns i avsnitt 2.4:

I detta fall vill man pröva effekter av alla tänkbara kombinationer. Hypoteserna kan gälla huvudeffekter och/eller interaktionseffekten. I andra fall, som t.ex. i sociala sammanhang, förekommer inte alla kombinationer i praktiken, vilket begränsar möjligheterna att testa vissa hypoteser.

Kombinerar man underbegreppen i Hartley’s delbegrepp – sociala normer, regler och relationer samt social och fysisk miljö – får man ett komplex av betingelser, vars storlek beror på antalet klasser i varje underbegrepp. Det minsta antalet möjliga klasser per begrepp är två; följaktligen är antalet kombinationer av betingelser minst 2×2×2×2×2=2⁵=32. Problemanalysen kan då bestå i att överväga vilka kombinationsmönster, som har teoretisk och praktisk relevans och bör väljas ut för undersökning. Ett flertal specifika hypoteser om sambandet mellan social kontext och t.ex. individens stridsvärde kan alltså formuleras.

3.5 Kvalitativa och kvantitativa begrepp

Klassifikationer ger en indelning i kvalitativt olika begrepp. Den indelningen är fundamental i vår föreställningsvärld och i vetenskapen. Den ligger också bakom hur man formar kvantitativa begrepp, bl.a. i så måtto att numeriska tal avbildar egenskaper i kvalitativt skilda klasser (t.ex. talet ”2” kan representera händelser bestående av två aktörer, som skiljer sig från händelser med tre aktörer osv.)

Kvantitativa begrepp innefattar en speciell uppsättning logiska-matematiska villkor som motsvarar egenskaperna i formella numeriska system. Det är många gånger både praktiskt och teoretiskt fruktbart att avbilda verkligheten med numeriska eller matematiska system. En fördel är givetvis att avbildningen blir mer precis, när man använder ett numeriskt beskrivningssystem av företeelser, som faktiskt varierar kvantitativt i mängd eller intensitet. Exempelvis är en beskrivning av vindstyrkan i m/s mer precis än en verbal beskrivning i termer av kuling, storm etc. En annan fördel med att utnyttja en matematisk begreppsapparat är att den öppnar vägen för att använda en mängd olika modelleringsverktyg och statistiska metoder.

I exemplet med sambandet mellan social kontext och individernas stridsvärde uppkommer frågan tidigt i problemanalysen om den beroende variabeln ska behandlas som en kvalitativ eller en kvantitativ faktor. Begreppet ’stridsvärde’ är svårt att definiera och observera entydigt. Det bör därför behandlas som en inskjuten variabel. Följaktligen måste man välja minst en kvalitativ och/eller en kvantitativ indikator (specifik beroende variabel). Flera möjligheter står i princip till buds, t.ex. subjektiva data från intervjuer eller samtal klassificerade som ”stridsduglig” eller ”icke stridsduglig”, eller kvantitativa bedömningar på en skattningsskala från ”lågt till högt stridsvärde”. Alternativt utnyttjas objektiva data om uppträdande i eller inför kombattantsituationer, t.ex. med klasserna ”aktiv” och ”passiv”, eller kvantitativa data i form av exempelvis antal gånger individen deltagit som kombattant. Olika indikatorer kan ge olika resultat. Därför måste begreppsanalysen vara övertygande, när det gäller att härleda och formulera de specifika hypotetiska sambanden.

3.6 Matematiska modeller

I avsnitt 2.4 introducerades den generella linjära modellen i funktionsform. Den kan användas för att modellera både kvalitativa och kvantitativa relationer. En modell i matematisk form ger möjlighet att precisera både logiska och numeriska egenskaper, vilket kan förtydliga och underlätta problemanalysen. Exempelvis granskade vi en tänkbar linjär funktion mellan en beroende variabel och fyra samverkande faktorer. Modellen synliggjorde behovet att förenkla funktionen för att den skulle bli tolkbar. Det kan ibland ske genom att göra teoretiskt motiverade begränsningar, t.ex. genom att föra in antaganden om att vissa interaktioner inte är möjliga eller genom att aktivt eliminera eller konstanthålla dem i undersökningsdesignen.

Matematiska och logiska modeller finns i en mängd olika former och kan beskrivas i både symbolspråk och grafiskt. Grafiska modellverktyg används ofta för att åskådliggöra kvalitativa relationer mellan begrepp.

3.7 Processmodeller

Figur 3.7 ger ett exempel på en processmodell av en kommunikationsepisod med två aktörer (Hargie, 1994, ref. i Hartley, 1999).

Figur 3.7. Processmodell av kommunikation

(efter Hargie, 1994, publicerad i Hartley, 1999).

 

Modellen representerar en klass av händelser, som innefattar kommunikation mellan två parter B och S (interpersonell kommunikation). Andra viktiga egenskaper är att båda parterna kan vara sändare och mottagare av kommunikation, att processen kan vara cyklisk och inbegriper feedback. En kommunikationscykel kan t.ex. omfatta en sändning från en part och mottagning och reaktion från den andra parten. Parterna modelleras som delsystem, med input-, output- och feedbackkanaler. De har samma inre struktur, dvs. samma uppsättning ”mentala begrepp” inklusive relationer mellan dem. Det är uppenbart att det rör sig om en processmodell, där man ska kunna följa och beskriva ett bestämt förlopp, steg för steg. Begreppen och deras relationer står för olika tillstånd och transformationer av information.

Detta beskrivningssystem lägger vissa restriktioner på vilka typer av hypoteser, som kan genereras och prövas i en studie. Å andra sidan tillåter processmodellen stor variation i användningen. Den lägger exempelvis inga restriktioner på vad kommunikationen gäller. Själva förloppet kan avse olika tidsrymder, platser och aktörer. Aktörens ”mentala modell”, som representeras av fyra inskjutna begrepp, är visserligen grov men åtminstone inte oförenlig med kognitionspsykologiska fundament. Den tillåter att man kan representera varierande mentala tillstånd hos aktörer, t.ex. beträffande uppmärksamhetsfokus, kognitiva mål, avsikter och tolkningar av information, handlingsplanering och reaktionsmönster.

Vi ska granska närmare vad modellen säger oss om verkligheten, och i vilken grad denna beskrivning går att pröva empiriskt. Den mest påtagliga modellrestriktionen gäller ordningsföljden mellan olika processteg. I s.k. flödesmodeller är denna tydligt markerad i en processcykel, t.ex.

3.7.1. Exempel på processcykel.

Vad är egentligen en sådan processcykel en modell av? En mottagare får information (input data), behandlar och reagerar på den genom att sända information (output data). Det är lätt att identifiera och registrera input- och outputinformationen i den verkliga kommunikationen. Genom att granska sambandet mellan dem kan vi dra slutsatsen att en transformationsprocess (t.ex. någon form av tolkning) måste ha förekommit mellan input och output, eventuellt också dra en slutsats om dess egenskap. Utan ytterligare kunskap (data?) kan vi dock inte specificera mer än att det förekommer en enda processkomponent och formulera en hypotes om dess karaktär. Typ I är en vanlig kommunikationsmodell – en avbildning av vad som händer i situationen.

En annan typ II representeras av de inskjutna processerna hos en part – en ”mental modell” (Figur 3.7.2). Här antar vi (teoretiskt) att det inte är möjligt att observera de olika subjektiva processtegen direkt, utan de ligger hypotetiskt inbäddade i det stora process-steget (process data).

Figur 3.7.2. Processmodell med tre hypotetiska transformationer.

Modellen specificerar i detta fall mer än vad som kan identifieras och registreras empiriskt i situationen. Det finns fler oidentifierbara än identifierbara faktorer i modellen, och den utvidgade modellen II kan inte prövas annat än i samma form som Typ 1.

För att pröva Typ II-modellen krävs det dels ytterligare teoretiska specifikationer av vad de tre inskjutna delprocesserna innebär och dels utökade möjligheter att – helst experimentellt – variera och pröva input-output-relationerna. En annan möjlighet är att försöka observera och mäta delprocesserna direkt, vilket då förvandlar dem till identifierbara storheter. Logiskt gäller naturligtvis samma restriktioner som för att entydigt lösa ett ekvationssystem i matematiken, dvs. att antalet okända faktorer inte får vara fler än de kända.

3.8 Analytiska och förklarande modeller

Harré (2002, kap 3) påpekar att man bör skilja mellan två typer av modeller:

(a) analytiska modeller som idealiseringar av sina empiriska källor eller användningar, och (b) förklarande modeller som representerar det okända. Typ I-modellen i exemplet ovan skulle då vara en analytisk, idealiserad modell av kommunikationen (den empiriska källan) med syftet att beskriva den. Typ II kan representera en teoretisk ansats med syftet att förklara vilka specifika hypotetiska mekanismer, som krävs för att behandla input och producera en output. Mekanismerna är i så fall ingen idealisering av den observerade kommunikationen (den empiriska källan).

3.9 Kontroll- eller feedbackmodeller

Processer beskrivs vanligtvis med någon form av flödesmodeller. I enklaste fall kan en process beskrivas med en linjär, additiv modell och förloppet antas fortskrida i en riktning (rekursiv modell). En sådan modell används ofta för att beskriva en utvecklingsprocess, där varje utvecklingssteg (delprocess) bidrar till att nå utvecklingsmålet. Sådana sekventiella processer kan också kopplas parallellt som t.ex. i Figur 3.9.1.

Figur 3.9.1. Exempel på modell med sekventiella och parallella processer.

Särskilt komplexa system utmärks emellertid av olika former av kontroll- och anpassningsmekanismer. Exempelvis återförd information (feedback) från resultatet av en tidigare process utnyttjas för att korrigera denna. Feedback-mekanismer innebär att processen inte enbart fortskrider i en riktning, och en mer komplicerad (icke-rekursiv) modell behövs. En kontrollerad aktivitet eller verksamhet kan modelleras med hjälp av följande enkla modellkomponenter (Figur 3.9.2):

Figur 3.9.2. Exempel på sluten och öppen kontrollmodell.

Kontrollenheten mottar feedback-information om utförandet eller aktiviteten och omvandlar den till styrinformation. Den vänstra modellen är sluten, och kan inte påverkas utifrån. I den högra öppna modellen är kontrollkomponenten kopplad till omgivningen och kan både påverka och påverkas av denna.

Ett exempel på en hierarki av kontrollkretsar är avbildad i Figur 3.9.3 på två olika sätt som dock är logiskt likvärdiga. Den övre kontrollnivån är kopplad till sin omgivning, medan den lägre enbart kan påverkas indirekt utifrån. Observera att den lägre kontrollnivån representerar en utförandekomponent sett i ett högre perspektiv.

Figur 3.9.3. Exempel på likvärdiga hierarkiska kontrollmodeller.

Figur 3.9.4 visar ett exempel på kontrollmodell med vissa specificerade kontrollfunktioner.

Figur 3.9.4. Exempel på modell av kontrollfunktioner.

3.10 Problemstrukturering med hjälp av öppen systemteori

Projekt- eller problemområden kan beskrivas som öppna system. Ett öppet system är en modell av en del av verkligheten, som kan avgränsas från sin omvärld, men som står i växelverkan med den. Systemet består av en uppsättning element (noder) eller enheter, som ska motsvara objekt eller händelser i verkligheten, och som är relaterade till varandra. Figur 3.10 visar att det finns två huvudtyper av relationer (streck, pilar): mellan omvärlden och element inom systemet samt inbördes mellan systemelementen.

Figur 3.10. Principskiss av öppet system.

Observera att en hypotes om ett förlopp kan formuleras i systemtermer. Omvärldens (omgivningens) påverkan på systemet kallas input (insats, inflöde, instorheter) till systemet. Systemets påverkan på omvärlden betecknas output (resultat, utfall, utflöde, utstorheter). Systemets uppgift är att transformera input till output. Detta är systemteorins sätt att beskriva verksamheten i t.ex. organisationer eller organismer.

Exempelvis lägesinformation (X=input) påverkar lägesuppfatt-ningen (Y=output) genom en bedömningsprocess, transformationen P. I metodterminologi kan input sägas vara oberoende variabel, transformationen P är inskjuten variabel (processvariabel) samt output är beroende variabel.

Det är lätt att se hur systembeskrivningen kan tillämpas på verksamheter och organisationer. Exempelvis ett ledningssystem är i vissa avseenden (t.ex. fysiskt, administrativt, socialt) avgränsat från sin omvärld (t.ex. andra organisationer, samhället i övrigt, miljön) men står i växelverkan med den (genom att inhämta och sända information, tjänster och material, styra delar av omvärlden, göra och motta personliga besök, lyda under lagar och direktiv m.m.). Inom systemet finns det olika typer av element, t.ex. människor, kommunikationsmedel, maskiner,  utrustning och många andra fysiska arrangemang, som står i komplicerade relationer till varandra och utgör en struktur.

I grundläggande systemteori beskrivs samspelet med omvärlden i form av överföring av energi eller information till systemet (input) och en omvandling (transformation) av den inom systemet, vilket resulterar i en produkt eller utflöde av energi eller information (output). Komplicerade system har många olika typer av input, output och transformationer.

Det praktiska syftet bestämmer hur pass detaljerad systembeskrivningen ska göras. Noggrannheten och precisionen måste vara avhängig sammanhanget och syftet med beskrivningen. Det är inte nödvändigt att begränsa beskrivningen till konkreta objekt eller händelser. Också mer abstrakta företeelser som t.ex. bedömnings-processer och ledningsfunktioner kan beskrivas i systemtermer som element eller relationer.

I vissa fall kan det vara lämpligt att infoga fler systemegenskaper i sin systembeskrivning. Utgångspunkten är att ett system för att klara kraven från en komplicerad och föränderlig omvärld måste ha en viss kapacitet. I systemteorin (Katz & Kahn, 1978) kan man beskriva även följande egenskaper förutom input, output och transformationer dem emellan:

(a) att transformationerna ofta har en cyklisk karaktär. De upprepas med mer eller mindre jämna mellanrum. Exempelvis kan detta regleras internt av program, scheman och arbetsordningar eller bero på aktiviteter i omvärlden. Transformationer har också ofta en hierarkisk uppbyggnad. Exempelvis handläggning av ett ärende kan förutsätta vissa underordnade rutinaktiviteter, som registrering och distribution av meddelanden. På högre nivåer kan ärendet föranleda tidskrävande bedömningar, medan själva beslutet kan ta kort tid. I exemplet omfattar cykeln hela tiden från registrering av det inkomna ärendet till det att ett beslutsmeddelande sänds ut till underställda enheter.

(b) Negativ entropi, vilket innebär att systemet importerar mer energi eller information än det exporterar. Denna import av energi och information är investeringar, som bidrar till att bygga upp systemets struktur och kapacitet för framtida bruk och extrema situationer.

(c) Informations- eller kontrollmekanismer. Systemet mottar information från yttre och inre källor, som måste bearbetas med hjälp av särskilda mekanismer eller operationer. Systemet styrs med hjälp av sådana informations- eller kontroll-processer.

(d) Dynamisk jämvikt. System försöker upprätthålla ett stabilt inre tillstånd genom att kontrollera och neutralisera yttre och inre krafter, som hotar detta tillstånd. Ett absolut jämviktsläge är svårt att upprätthålla i perioder med starka förändringar i tekniska, ekonomiska, sociala och kulturella faktorer. Jämviktsläget måste därför anpassas tid efter annan (dynamiskt).

(e) Likfinalitet: System kan ofta nå samma slutmål på olika sätt eller med olika medel. Detta faktum understryker behovet av att system är flexibla och anpassningsbara.

(f) Ett differentierat och specialiserat rollsystem. System med svåra uppgifter i en komplicerad verklighet måste själva ha en komplicerad struktur för att klara sådana situationer. Organisationer och andra system utvecklas i själva verket genom att bygga upp en mer komplicerad inre struktur. I organisationen innebär det specialiserade arbetsroller och arbetsuppgifter och uppdelning av organisationen i delsystem, t.ex. avdelningar, insatsstyrkor, instruktörsgrupper m.m. En för långt gången differentiering eller specialisering är emellertid av ondo. En organisation ska inte ha mer komplicerad struktur än vad som krävs för att fullgöra uppgiften under en viss tidrymd. Detta bestäms framför allt av kraven från omvärlden.

3.11 Modellens koppling till empirin

Den empiriska prövningen beror i mycket hög grad på hur problemanalysen har genomförts. De formella verktyg som exemplifierats i kapitlet kan bidra till att göra problemanalysen logisk och motsägelsefri. Men det avgörande kriteriet på en bra problemanalys är givetvis inte formell stringens, utan i vilken grad problemet eller uppgiften i verkligheten kan utsättas för relevanta empiriska testningar.

Begreppsmodellen måste alltså för det första avbilda den empiriska problem- eller uppgiftsstrukturen på ett adekvat sätt. För det andra måste begreppsmodellen kunna generera ett antal prövbara påståenden eller specifika frågor, som kan ges reliabla och valida svar.

När det gäller komplexa och dynamiska sociala system så är detta förenat med betydande svårigheter. Ett vanligt fel är exempelvis att bara modellera och analysera sådana delproblem och uppgifter, där det redan existerar förebilder och lösningar och lämna resten av systemproblematiken åt sitt öde. Ett annat fel är att modellera system med hjälp en linjär additiv modell, när uppgiften kräver en icke-linjär dynamisk ansats. Vanligt är också att man analyserar vissa systemegenskaper som om de vore oberoende och bortser från att de bildar ett integrerat relationssystem i verkligheten.

Brister i problemanalys och modellering leder ofelbart till att undersöknings-metodiken vrids i fel riktning, vilket ger en bristfällig begreppsvaliditet i resultaten.

3.12 Problemanalys som kontrollfunktion i FoU-arbetet

Eftersom problemanalysen ska vara en kreativ process, kan den i ett tidigt skede ge intryck av att vara delvis kaotisk. Problemanalysen är ingen enkel linjär process. Dess definitiva logiska karaktär är egentligen som tydligast i slutrapporten. I praktiken är problemanalysen dock avslutad i och med att genomförandefasen – datainsamling eller designarbete – inleds.

Man kan lägga två kontrollperspektiv på problemanalysen: ett framåtriktat (feedforward) och ett återkopplande (feedback). Figur 3.12 illustrerar dem.

– Problemanalysen kan ses som en strukturerad problemlösning för att formulera ett antal specifika hypoteser eller medel för att nå ett mål eller lösning. Analysen ska fortskrida logiskt utifrån givna teoretiska och empiriska premisser.

– Problemanalysen inkluderar också resultatet av återkopplingar, grundade på analyser av tänkbara konsekvenser och restriktioner.

Figur 3.12. Problemanalys som en kontrollfunktion i FoU-arbetet.