logo

موسسه حسابداری چوب خط

صفر تا صد حسابداری را با موسسه حسابداری چوب خط تجربه کنید.
info@chuob-khat.com
09330542540

تحلیل محتوا در حسابداری (۲)

چالش های عملی در مورد قضاوت های غیر عینی

سومین چالش اصلی در مورد قضاوت های غیر عینی است كه به عنوان معانی و گروه بندی های مناسب (کدگذاری) متون در نظر گرفته میشوند. همانگونه که Krippendorff گفته است و Stanton و Stanton نیز در سال ۲۰۰۲ بدان اشاره کرده اند، متون هیچ معنا یا هستی مستقلی ندارند. آنها تا حدی به خواننده وابسته هستند و خواننده است که معانی متن را تعیین می کند. در نتیجه، یک متن یک معنای منفرد ندارد که بتوان آن را به طور کامل توصیف كرد. این متن تا حدی ممکن است انبوهی از اطلاعات را به افراد مختلف و حتی یک نفر، انتقال دهد. به جای دیدن این ذهنیت به عنوان یک ضعف برای روش CA، Krippendorff (1980) ادعا کرده است که تحلیل محتوا مجاز نمی داند که متن از خواننده ای به خواننده ی دیگر، مختلف خوانده شود. به عبارت دیگر، این مسئله در زمانی که تحلیل گر متن در حال تفسیر معانی متن می باشد، او را با چالش عملی روبرو می کند.
در مقالات حسابرسی و سایر مقالات مربوطه، بسیاری از نویسندگان مسئله ی وجود معانی مبهم در تحلیل محتوا را بیان می کنند و برخی دیگر نیز راهنمایی ها درمورد نحوه ی آدرس دهی آنها را ارائه کرده اند. به هر حال، معمولا بحث های شفاف اندکی در مورد نحوه ی مدیریت این موضوع مشاهده می شود. بنابراین، مقایسه میان تجربیات نویسندگان و تشخیص بهترین رویه، انجام نشده است و هر محقق باید چیزی را که بدرد روش خود می خورد، انتخاب کند.
این مسئله چالش بزرگی در مطالعه ی پایلوت نیوزیلند ایجاد كرد. در اینجا، محتوای استنتاج در مورد فرستنده هایی نیست که به خودی خود در پیام های IC حضور دارند . این محتوا همچنین در مورد شوندگانی نیست که به پیام پاسخ می دهند و یا مربوط به عقیده ای نیست که شنوندگان بعد از شنیدن این پیام ها بدست می آورند. هیچکدام از این استنتاج ها، استنتاجی نیست که بر اساس تفسیر نویسنده و یا خواننده، بدست آمده باشد. در این حالت Ahuvia از واژه ی مفسرین مرکزی استفاده کرده است. استنباط های بدست آمده در این مطالعه ی پایلوت در مورد خود پیام می باشد که در محتوای ICR حاصل شده است و منحصراً به تفاسیر مربوط به این آنالیز وابسته است. این یک روش متداول در تحقیقات حسابداری است اما موجب پدید آمدن چالش هایی در زمینه ی تصدیق فردیت و ذهنیت تفاسیر ارائه شده بوسیله ی تحلیل گر، می شود (مسائل مربوط به معانی متن و نحوه ی کدگذاری آنها). مثال ۸ (که از مطالعه ی پایلوت نیوزیلند، انتخاب شده است)، مشکلاتی را نشان می دهد که در مورد قضاوت کردن در مورد نحوه ی کدگذاری متون نوشته شده و تبدیل آنها به گروه های انحصاری، وجود دارد.
عبارت موجود در مثال ۸ می تواند به دو روش تفسیر شود. اولین روش این است که این عبارت می تواند یک پیام در مورد نام و شهرت شرکت را انتقال دهد: مثلا شرکت Contact Energy بزرگترین خرده فروش وسایل الکترونیک در نیوزیلند است. یک چنین تفسیری می تواند به عنوان سرمایه خارجی (اسم شرکت) کدگذاری شود. به طور متقابل، این عبارت ممکن است به عنوان انتقال یک پیام درمورد روابط روز افزون شرکت با مشتریهای آن تفسیر شود و بنابراین، به عنوان سرمایه خارجی (مشتری) در نظر گرفته شود. این تحلیل گر باید قضاوت غیر عینی در زمینه ی تصمیم گیری در مورد بهترین انعکاس ایجاد شده از طریق تفسیر، مورد بررسی قرار دهد و در نتیجه بتواند آن را کدگذاری کند. نحوه ی انتخاب معمولا در مقاله چاپ نمی شود، اگر چه این مسئله در زمینه ی شمارش فرکانس و برای مفاهیم IC بسیار مهم می باشد.
برخی از مطالعات CA مربوط به حسابداری، به واضح غیر عینی بودن آنالیزهای خود را مورد تأیید قرار داده اند. آنها به این نکته اشاره کرده اند که برای مثال، قضاوت برای این ضروری است كه در مورد مشارکت آنها، تصمیم گیری می شود. برای مثال، April و همکارانش (۲۰۰۳) در مورد مطالعه ی IC خود گفته اند: این مسئله معمولا مشکل است که تصمیم بگیریم یک پاراگراف در یک گزارش سالانه شامل مراجع خاصی است که مربوط به سرمایه ی فکری است یا اینکه این عبارت، یک عبارت ظاهری (مانند عبارت: کارمندان من بزرگترین دارایی من هستند) است. به هر حال، هیچ راهنمایی نمی تواند در این مقالات و در مورد رویه های شناختی پیدا شود که بتوان آنها را به منظور مشخص کردن معانی اعمال کرد و بدین صورت آنها را به طور مؤثر و با قابلیت اطمینان بالا، ثبت کرد. بنابراین، این مشکل است که از قابلیت قیاس میان مطالعات مربوط به تحلیل محتوای حسابداری، اطمینان حاصل شود. علت این مسئله این است که قضاوت های غیرعینی مورد نیاز در مورد معانی و گروه بندی ها، از روی ناچاری، متغیر خواهد بود. علاوه براین، چالش مربوط به تفسیر غیر عینی در مواردی تشدید می شود که تحلیل گر،تصاویر را به عنوان داده های با قابلیت اطمینان انتحاب کند (مشابه مطالعه ی پایلوت نیوزیلند). دو مثال زیر این مسئله را نشان می دهد.
مثال اول در مورد یک تصویر از بیماری است که به سیتسم تنفسی متصل شده است و یک دکتر و یک پرستار در حال معاینه ی او هستند ( گزارش سالانه ی شرکت Fisher & Paykel Healthcare ، ۲۰۰۳). اسم شرکت (Fisher & Paykel به طور آشکار بر روی سیستم تنفسی حک شده است. یک تفسیر که می تواند حاصل شود، این است که این تصویر دارای پیامی در مورد اسم شرکت است که از این رو، پیشنهاد می دهد این شکل به صورت سرمایه ی خارجی (اسم شرکت) در نظر گرفته شود. یک تفسیر دیگر که می تواند از این تصویر حاصل شود، در مورد مشتری (یعنی بیمار یا کارکنان بیمارستان) باشد و از این رو می توان آن را به عنوان سرمایه ی خارجی (یعنی مشتریها) در نظر گرفته شود.
در مثال دوم، یک تصویر وجود دارد که در آن یک ساختمان فرودگاه نشان داده شده است که هواپیما در جلوی ساختمان واقع شده است ( گزارش سالانه ی شرکت Auckland International Airport در سال ۲۰۰۳). نام Auckland بر روی ساختمان و Qantas بر روی هواپیما در این شکل قابل مشاهده است. یک تفسیر که می توان از مشاهده ی این تصویر گرفته شود، نام شرکت است. این تصویر با توجه به این موضوع، به عنوان سرمایه ی خارجی (اسم شرکت) کدگذاری می شود. یکی دیگر از تفسیرها در مورد Qantas است. این تفسیر راجع به همکاری این شرکت با دیگر شرکاء می باشد. در مورد آخر، این تصویر را می توان به عنوان سرمایه ی خارجی (هممگاری تجاری) در نظر گرفت.
در هر دو مثال، غیر عینی بودن یا ذهنیت تفسیرها و کدگذاری داده های تصویری، واضح است و این مسئله را نشان میدهد که چرا بسیار از تحلیل گرهای محتوا تصویر را به عنوان یک داده های مناسب در نظر نمی گیرند مگر آنکه در نظر نگرفتن آن خللی در اوضاع ایجاد کند.

مدیریت چالش های مربوط به تحلیل محتوا

مقالات مورد بررسی در این مطالعه، پیشنهاد کرده اند که وقتی تحلیل محتوا به عنوان یک روش تحقیقاتی در حسابرسی مورد استفاده قرار گیرد، این روش صرفا، یک تمرین ساده در دنیای شمارش نیست. در عوض، این روش، تکنیکی است برای ایجاد و جمع آوری داده ها (بوسیله ی استنباط کردن) در زمینه ی پیام های انتقال یافته از متون نوشته شده و تصاویر بصری مربوط به افشاگری حسابرسی. همانند یک روش تحقیقاتی، CA به طور ذاتی غیر عینی است و برخی چالش ها را ایجاد می کند.
برای یک محقق حسابرس که در جستجوی عملی کردن، روش های CA است، مهمترین دغدغه، اطمینان حاصل کردن از این موضوع است که سازگاری و شفافیت فرایند تحلیل، چگونه می باشد. این مسئله موجب افزایش اعتبار این مطالعه و قابلیت قیاس آن با سایر مطالعات می باشد و بنابراین، موجب حمایت و توسعه ی اطلاعات مربوط به مطالعات CA می شود. ما انعکاس های زیر در مورد نحوه ی بهبود سازگاری و شفافیت ارائه کرده ایم که در آنها، چالش های موجود در سر راه CA، به طور عملی، آدرس دهی شده اند.

واحدهای ثبت

در گروه های کدگذاری انتخاب کننده، این مفید است که از گروه های قبلی استفاده کنیم تا زمانی که سازگاری با سایر مطالعات، افزایش یابد. اگر اصلاحات برای مطلوب شدن این مطالعه باید انجام شود، این مهم است که تحلیل محتوا، تغییرات ایجاد شده و دلایل مربوط به آنها را توصیف كرد. تحلیل گر باید همچنین اثر محتمل اصلاحات بر روی یافته های مطالعات آنها و همچنین مقایسه های حاصله را در نظر بگیرد. رویه های کدگذاری اصلاح شده باید به گونه ای ترسیم شوند که مطالعات بعدی قادر به استفاده از آنها باشند.
تحلیل محتوا همچنین باید روشی را که برای تعیین واحدهای مناسب تحلیل، از آنها استفاده شده است را بیان کند. خواه پاراگراف، اصطلاح، موضوع یا سایر واحدهای تحلیلی مورد استفاده قرار گیرد، انتخاب واحدهای ثبت و محتوا باید به طور واضح تعریف شوند و بدون تناقض در مطالعه ی CA اعمال شوند. این مسئله همچنین مفید است که یک تحلیل آزمایشی انجام شود تا بدین صورت فهمیده شود، کدام واحدهای تحلیلی برای متن مورد آنالیز، مناسب ترند و سوالات ایجاد شده در این تحقیق چه سوالاتی هستند.
آزمایشات مربوط به مطالعات پایلوت نیوزیلند پیشنهاد می دهد که استفاده از موضوعات به عنوان واحد ثبت، ممکن است بر مشکلاتی که در هنگام استفاده از جملات و پاراگراف ها با آن روبرو می شویم ، غلبه کند. علت این مسئله این است که موضوعات چندگانه ممکن است در داخل یک جمله ی منفرد وجود داشته باشند یا بطور معکوس، چندین پاراگراف می توانند به عنوان یک موضوع در نظر گرفته شوند. این روش بوسیله ی Holsti مورد حمایت قرار گرفته است. این محقق ادعا می کند که جملات و پاراگراف ها به خودی خود طبقه بندی نمی شوند Krippendorff (2004) نیز از این مسئله حمایت می کند. او پیشنهاد می دهد در زمانی که قضاوت استفاده کننده، برای استنتاج پیام ها مورد نیاز باشد، باید از واحدهای موضوعی استفاده شود. به دلیل اینکه موضوعات صریح مانند کلمات یا جملات، بدیهی و واضح نیستند، آنها باید به خوبی تعریف شوند و ترجیحا به جای عمومیت دادن، باید شرح داده شوند. علاوه بر این، از آنجایی که تفسیر معانی در موضوعات بوسیله ی مفاهیمی شکل دهی می شود که در اطراف متن واحد ثبت کننده، وجود دارد، پاراگراف ها یا زیر بخش ها یک واحد مفهومی مناسب تر نسبت به پاراگراف های طولانی تر هستند (همانگونه که در مطالعه ی پایلوت نیوزیلند مورد استفاده قرار گرفت). واحدهای محتوایی ممکن است موجب ایجاد شکست در شناسایی اختلافات کوچک موجود در معنایی، شوند.
برای تعیین داده های آنالیزی وابسته، پیشنهاد ما این است که تصاویر به عنوان یک بخش مهم از متن در نظر گرفته شوند. این مسئله گاهاً تذکرداده می شود که تصاویر از بخش کاملی از گزارشات حسابرسی تشکیل شده اند بنابراین، حذف آنها می تواند موجب کاهش مطلوبیت نتایج CA شود. به دلیل ذهنیت ذاتی استنباط های بدست آمده از تصاویر، این مسئله بسیارمهم است که تحلیل گر در مورد نحوه ی کد گذاری آنها، صراحت داشته باشد. استفاده از موضوعات به عنوان واحدهای تحلیلی، در اینجا مفید است زیرا بیش از یک موضوع ممکن است در یک تصویر وجود داشته باشد (همانگونه که در مثال های قبلی مشاهده کردید).

پیام های تکراری

چالش عملی دوم در مورد آدرس دهی، کدگذاری پیام های تکراری است. موضوع متداول در اینجا، نیاز به صراحت در انتخاب می باشد. ابتدا، تحلیل گر باید این موضوع را مشخص کند که آیا این مطالعه بر روی حضور یا فرکانس شمارش تمرکز دارد یا نه! زیرا این مسئله اثر قابل توجهی بر روی نتایج گزارش شده دارند. دوم اینکه، اثر واحد مفهومی بر روی روش شمارش باید مشخص شود. آیا چندین بار شمارش یک واژه یا موضوع کلیدی در داخل یک واحد مفهمومی اتفاق می افتد یا در واحدهای مفهومی مختلف؟ دوباره باید گفت، این مسئله بر روی یافته های گزارش شده اثر می گذارد. علاوه بر این، این مسئله موجب تفسیرهای مختلف بوسیله ی خواننده می شود. پیشنهادات بدست آمده در مطالعه ی پایلوت نیوزیلند،این است که شمارش پیغام های تکراری در واحدهای مفهمومی مختلف به عنوان شمارش های مجزا و پیغام های تکراری موجود در داخل یک مفهوم به عنوان یک شماره ی یکسان، در نظر گرفته می شود. به هرحال، هر کدام از این رویه ها انتخاب شوند، این قوانین باید به طور واضح بیان و بدون تناقض اعمال گردد.

قضاوت های غیرعینی (Subjective judgments)

سومین چالش عملی مربوط به غیر عینی بودن (ذهنیت) استنباط ها و تفسیرهای CA است. در حالی که غیر عینی بودن یک روش CA ذاتی است، این مسئله به عنوان یک ضعف تلقی نمی شود. در حقیقت، این مسئله یکی از جوانب مهم تفسیر است که بیشترین پتانسیل را برای مشارکت CA با جهت گیری معنایی به سمت یادگیری ما از افشای حسابرسی، دارا می باشد. به هر حال، این مهم است که در مورد نحوه ی انجام قضاوت صریح باشیم تا بدین وسیله، این قضاوت ها به محققین دیگر نیز انتقال یابد. یک استراتژی برای نشان دادن نواحی دارای دهنیت بالا، استفاده از کدگذارهای چندگانه است که به طور غیر وابسته یک متن را کدگذاری می کنند، نتایج آنها مقایسه می شود و استنباط های متنوع حاصل شده از آنها انعکاس داده می شود. استفاده از این روش موجب می شود تا تحلیل گرهای محتوا بتوانند بیشتر نسبت به جنبه ها و معانی مربوط به تفاسیر غیر عینی، متمایل باشند. به هر حال، خواه تشخیص از طریق کدرهای چندگانه باشد یا از طریق یک کدر، جنبه های غیر عینی بهترین نمایش را از مثال های مربوط به شفاف سازی و قابلیت اعتراض، دارند. تعداد اندکی از مطالعات مربوط به CA که در این مقاله مورد بررسی قرار گرفتند، شامل مثال های روشن هستند. این مسئله راهنمایی در زمینه ی تحقیقات آینده را محدود می کند و این امید است که با انجام مطالعات مقایسه ای، راه برای بهبود این رویه باز گردد.
یک چالش دیگر که مربوط به تفسیر غیر عینی در مطالعه ی نیوزیلند می شود، در مورد این است که آیا تصاویر باید وزن بالاتری را ایفا کنند یا نه؟ زیرا آنها هزاران حرف برای گفتن دارند. به هر حال، این مسئله بوسیله ی محققینی مورد سوال قرار گرفته است که فقدان شفافیت و قابلیت قیاس برای خواننده وجود داشته است. پیشنهاد ما این نیست که تلاش کنیم تا فضای اشغال شده بوسیله ی فاش سازی غیر روایی را با فضای مربوط به متن نوشته شده، برابر قرار دهیم. وقتی مفاهیم افشاگری های تصویری تفسیرمی شوند، ما پیشنهاد می کنیم تا یک آیتم IC را در هر تصویر کدگذاری کنیم و یک شمارش را برای هر عکس ثبت کنیم. علاوه بر این، این مهم است که در مورد نحوه ی کدگذار آیتم های IC و نحوه ی ثبت شمارش ها در هر تصویر را شفاف سازی کنیم تا بدین صورت مقایسه میان مطالعات CA امکان پذیر شود.

نتیجه گیری

این بحث سه چالش کلیدی در زمینه ی استفاده از تحلیل محتوا به عنوان یک روش تحقیقی را شناسایی کرده و شرح داده است. در حالی که هیچ راهنمایی در زمینه ی مدیریت این چالش ها وجود نداشت و هیچ راه ساده ای به منظور انجام تحلیل محتوا نیز وجود نداشت (Weber 1990)، استراتژی های عملی پیشنهاد شده در مقالات CA پایه گذاری شدند و بوسیله ی تجربیات عملی مربوط به انجام این کار در مطالعه ی پایلوت نیوزیلند، مورد حمایت قرار گرفت. امید است تا اثبات گردد این استراتژی ها برای محققین حسابرسی، مفید هستند.
با نگاه کردن به بینش خارجی بدست آمده از مطالعات CA، چندین راه برای توسعه ی مطالعات حسابرسی باز می شود. اول از همه، از بسط اطلاعات تصویری، آگاهی بیشتری نسبت به نتایج حاصل می شود. دوم اینکه یک پتانسیل برای بسط محتوای اثرات به خودی خود وجود دارد که شامل حضور فرستنده در پیام و نحوه ی پاسخ شوندگان است. علاوه بر این، محققین می توانند نحوه ی ایجاد رویه های حسابرسی را بررسی کنند و خوانندگان نیز در مورد متن اطلاعات کسب کنند (یعنی تحلیل محتوا بر اساس پذیرش (Ahuvia 2001)).
این نکته باید تذکر داده شود که روش تحقیق CA نیازمند توصیف و انعکاس پذیری صریح است. برای مثال، تعداد اندکی از مطالعات CA قبلی در مورد سرمایه ی فکری، به طور آشکار در مورد نحوه ی کار با متن در زمان جمع آوری داده ها، صحبت کرده اند. شاید این مسئله به دلیل ادعایی باشد که Guthrie و همکارانش (۲۰۰۴) ارائه کرده اند. آنها ادعا کرده اند که نمی توان در این مورد به مقایسه ی معنادار رسید. بنابراین، این مسئله حیاتی است که محققین CA حسابداری باید به طور واضح در مورد روش مورد استفاده، صحبت کنند. انعکاس پذیری نیز مسئله ی مهمی است. این اهمیت حداقل در دو سطح است. اول از همه، وقتی شروع به مطالعه ی می کنیم، محقق باید نحوه ی طراحی بهتر در زمینه ی یک آنالیز را انعکاس دهد که بوسیله ی آن، سوالات تحقیقاتی متضمن در متون خاص، تحلیل گردد. دوم اینکه، وقتی این مطالعه گزارش می شود، محقق باید به طور آزاد در مورد چالش های پیش روی اعمال روش CA صحبت کند. این شفافیت به خواننده کمک می کند تا نتایج تحقیقاتی را تحلیل کند و با مقایسه، در مورد آنها قضاوت کند. این مسئله به سایر محققین نیز امکان یادگیری تجربیات قبلی را می دهد. با این کار، تجربیات CA در تحقیقات حسابرسی، پیشرفت و توسعه می یابد.

بدون دیدگاه

ارسال یک نظر

نظر
نام
ایمیل
وبسایت