ประเด็นทางจริยธรรมสำหรับการวิจัยเชิงปริมาณทางสังคมศาสตร์ (Ethical Issues in Quantitative Methodology in Social Research ) ธีรเดช ฉายอรุณ หลักสูตรประชากรศึกษา ภาควิชาศึกษาศาสตร์ คณะสังคมศาสตร์และมนุษยศาสตร์ มหาวิทยาลัยมหิดล

การวิจัยเชิงปริมาณทางสังคมศาสตร์ เชื่อในเรื่อง “Single reality” ปรากฎการณ์ทางสังคมนั้นมีความเป็นสากล เหมือนกันทั้งหมด เช่นเดียวกับ ปรากฎการณ์ทางธรรมชาติ วิธีการทางวิทยาศาสตร์ (วัด ควบคุม ทดลอง ทดสอบ) จึงใช้ศึกษาปรากฎการณ์ทางสังคมได้ Design, Measurement, Statistics เป็นกลไกหลักในการเข้าถึงความรู้ความจริง (ลดความลำเอียงจากผู้วิจัย) ประเด็นทางจริยธรรมจึงใช้วิธีคิดเดียวกับการวิจัยทางวิทยาศาสตร์ในคนทั่วไป Adapted from Teddlie C., and Tashakkori, A. (2009). Foundations of Mixed Methods Research.

ความเชื่อเรื่องจริยธรรมของการวิจัยเชิงปริมาณ เป็นจริยธรรมเชิงสัมบูรณ์ (Ethical absolutism) มีกฎเกณฑ์ตายตัว (single standard) ว่าด้วยเรื่องของ การเคารพมนุษย์ ความเสี่ยง และประโยชน์ ในการพิจารณาจริยธรรมการวิจัย ไม่ขึ้นกับบริบท ความเชื่อของผู้วิจัย หรือสังคมนั้นๆ คือมีความเป็นสากล ช่วยให้เราตัดสินเชิงจริยธรรมได้ง่ายขึ้น (มี code of conduct) มักถูกโต้แย้งว่า บางครั้งเราก็ไม่อาจพูดได้ชัดเจน 100% ว่าอะไรถูกหรือผิดเสมอไป

การตัดสินเชิงจริยธรรมการวิจัยเชิงปริมาณ ความเสี่ยง ประโยชน์ ต่ำ สูง A B C D Ethical Dilemmas Adapted from: Panter, A.T., & Sterba, S.K. (2011).Handbook of Ethics in Quantitative Methodology. New York: Routledge.

การตัดสินใจเชิงจริยธรรมการวิจัยเชิงปริมาณ (ต่อ) Panter, A.T., & Sterba, S.K. (2011). Handbook of Ethics in Quantitative Methodology. New York: Routledge. เชื่อว่าคุณภาพของวิธีวิทยา (Methodological quality) สะท้อนการมีจริยธรรมการวิจัย คุณภาพของวิธีวิทยานั้นครอบคลุม การกำหนดประเด็นปัญหา/ คำถามในการวิจัย การออกแบบการวิจัยและการสุ่มตัวอย่าง กระบวนการได้มาซึ่งข้อมูล การวิเคราะห์และรายงานผลการวิจัย งานวิจัยที่ได้แสดง/นำเสนอว่า ใช้วิธีวิทยาอย่างมีคุณภาพทุกขั้นตอน ถือว่าได้ควบคุมความเสี่ยงระดับหนึ่งแล้ว การตัดสินใจมีแนวโน้มไปทาง Zone D

การกำหนดประเด็นปัญหา/ คำถามการวิจัย คำถามเชิงจริยธรรม คือ การวิจัยนี้ควรทำหรือไม่? หรือการวิจัยนี้เป็นประโยชน์ต่อใคร? แม้จะเกิดจากความคิดริเริ่มของผู้วิจัย แต่ก็ควรคำนึงถึงเรื่องต่อไปนี้ ผลกระทบในทางบวกที่จะเกิดขึ้นจากผลการวิจัยนี้ มีสถานการณ์ที่แสดงให้เห็นถึงปัญหา เป็นประเด็นที่อยู่ในกระแสสังคม หรือสอดคล้องกับนโยบาย (ท้องถิ่น รัฐ/ประเทศ โลก) และมีการขับเคลื่อน ทั้งในประเทศและต่างประเทศ ยิ่งมีมาก อาจไปอยู่ในพื้นที่ B หรือ D ขึ้นอยู่กับระดับความเสี่ยง แต่ก็มีแนวโน้นที่น่าจะทำ

การออกแบบการวิจัย บนประโยชน์ที่ไม่ต่างกันมาก การออกแบบการวิจัยที่ต่างกันช่วยเพิ่มความเสี่ยง (เข้าสู่พื้นที่ B) หรือลดความเสี่ยง (เข้าสู่พื้นที่ D) ให้กับผู้เข้าร่วมการวิจัย เช่น Survey vs. Experiment Single treatment vs. Combined treatment Single measure vs. Repeated measures การวิจัยที่ศึกษากับกลุ่มเปราะบาง เพิ่มความเสี่ยงให้กับผู้เข้าร่วมการวิจัย แต่เรามักจะเลี่ยงได้ยาก

ขนาดกลุ่มตัวอย่างกับจริยธรรมการวิจัย (1) แม้ว่าจะเก็บข้อมูลจากทุกหน่วยของประชากร ผลที่ได้อาจไม่แม่นยำ เพราะมี Nonsampling Error

ขนาดกลุ่มตัวอย่างกับจริยธรรมการวิจัย (2) ขาดกลุ่มตัวอย่างเกี่ยวข้องกับการสรุปผลการวิเคราะห์ข้อมูลอย่างมาก และขนาดกลุ่มตัวอย่างที่ไม่เหมาะสม ทำให้ข้อสรุปของการวิจัยขาดความน่าเชื่อถือ ขนาดกลุ่มตัวอย่างที่เหมาะสมช่วยสนับสนุนให้เกิด Statistical power และ Accuracy Statistical power ความน่าจะเป็นที่เราสรุปได้อย่างถูกต้องว่าตัวแปรมีความสัมพันธ์กันหรือ treatment นั้นได้ผล (กลุ่มตัวอย่างมาก power มาก) Accuracy ความแตกต่างที่น้อยที่สุดระหว่างค่าสถิติ และพารามิเตอร์ (ดูจากค่า Min-Max ของพารามิเตอร์ใน Confidence interval ที่กำหนด) มีเครื่องช่วยในการคำนวณขนาดกลุ่มตัวอย่างมากมายและควรเลือกให้เหมาะสม

กระบวนการเก็บรวบรวมข้อมูล คำถามเชิงจริยธรรมคือ ผู้วิจัยได้ลดความเสี่ยง หรือ การคุกคาม (กายภาพ จิตใจ สังคม) ที่จะมีต่อผู้เข้าร่วมการวิจัยให้น้อยที่สุดได้อย่างไร? กระบวนการเก็บรวบรวมข้อมูลมี 3 ระยะ ต้นน้ำ: การพัฒนาเครื่องมือวิจัย กลางน้ำ: การเก็บข้อมูล ปลายน้ำ: การบันทึกข้อมูล การเก็บ/ทำลายข้อมูล

จริยธรรมในการเก็บรวบรวมข้อมูล (กลางน้ำ) กระบวนการเชิญชวนให้เข้าร่วมการวิจัย การชี้แจงให้ผู้เข้าร่วมการวิจัยทราบถึงโครงการวิจัยโดยเฉพาะการเก็บรวบรวมข้อมูล การขอความยินยอมโดยเฉพาะกลุ่มเปราะบาง การจัดสภาพแวดล้อมเพื่อลดความเสี่ยง การดำเนินการหากมีผู้เข้าร่วมการวิจัยถอนตัวออกจากการวิจัย

จริยธรรมในการวิเคราะห์ข้อมูล เลือกเทคนิคที่ช่วยตอบคำถาม/ วัตถุประสงค์การวิจัย สอดคล้องกับข้อมูล และ “พอเพียง” การเลือกใช้ Parametric statistics มีผลให้ Statistical power มากกว่า Non-parametric statistics การเลือกใช้ Multivariate statistics ช่วยควบคุม Type I error และเพิ่ม Statistical power ได้ดีกว่า Bivariate statistics ควรทำ Data screening ก่อนการวิเคราะห์ กรณีมีข้อมูลที่ไม่สมบูรณ์ (Missing data) ควรเลือก/ อธิบายวิธีการจัดการที่จะทำให้เกิดผลกระทบทางลบน้อยที่สุด

จากหลักการมาสู่หลักปฏิบัติ การพัฒนาศักยภาพนักวิจัย (วิธีวิทยาการวิจัย, จริยธรรมการวิจัย) การมี IRB (Institution Review Board)