الإجابة المختصرة: منهجية جيويا مقاربة استقرائية للتحليل النوعي، عرضها دينيس جيويا وكيفن كورلي وآيمي هاميلتون في Organizational Research Methods عام 2013. يرمّز الباحثون لغة المخبرين في مفاهيم من المستوى الأول، ثم يجمعونها في موضوعات من المستوى الثاني تصوغها بلغة الباحث، ثم يستخلصون منها أبعادًا كلية، وأخيرًا يبنون نموذجًا متجذرًا يوضح كيف ترتبط المفاهيم ببعضها.
إذا كنت تُجري دراسة مقابلات استقرائية في الإدارة أو نظم المعلومات أو ريادة الأعمال أو دراسات المنظمات، فمن المرجح أن يطلب منك المحكّم رؤية «بنية البيانات» الخاصة بك. هذا الطلب مصدره منهجية جيويا، وهي من أكثر القوالب استخدامًا لعرض الصرامة النوعية في أبحاث كليات إدارة الأعمال.
\nيشرح هذا الدليل ماهية المنهجية ويمر بخطواتها مع مثال تطبيقي قصير. كما يتناول أبرز الانتقادات التي ينبغي أن تعرفها قبل اعتمادها، وما تقوله الأبحاث الحديثة عن استخدام النماذج اللغوية الكبيرة لبناء بنية بيانات وفق منهجية جيويا. ويختتم بقائمة مراجعة تستعملها قبل التقديم.
\n\nمنهجية جيويا مقاربة منهجية لتطوير المفاهيم استقرائيًا وصياغة النظرية المتجذرة. صُممت لتبدو الأعمال النوعية صارمة في عين القارئ دون أن تفقد قدرتها على كشف مفاهيم جديدة. ومخرجها المميز بنية بيانات من ثلاثة مستويات، يليها نموذج نظري متجذر.
\nالمرجع الأصلي هو مقال جيويا وكورلي وهاميلتون، \"Seeking Qualitative Rigor in Inductive Research: Notes on the Gioia Methodology\"، Organizational Research Methods، المجلد 16، العدد 1، الصفحات 15–31 (2013). وقد نشأت المقاربة من أعمال سابقة، أبرزها دراسة جيويا وشيتيبيدي عام 1991 عن التغيير الاستراتيجي في جامعة. وفي عام 2023 نشر ماغنياني وجيويا دليلًا تطبيقيًا لباحثي الأعمال الدولية وريادة الأعمال في International Business Review (المجلد 32، العدد 2، المقالة 102097). ويصف الدليل ثلاث مراحل: بناء بنية البيانات، ثم بناء النموذج المتجذر، ثم كتابة النتائج في سرد مقنع.
\nيقوم على افتراضين. الأول أن العالم التنظيمي مبني اجتماعيًا. والثاني أن الناس الذين يبنون هذا العالم «فاعلون عارفون» يستطيعون شرح أفكارهم ونواياهم وأفعالهم. ومهمة الباحث أن يمثل هذه الأصوات بأمانة، ثم ينظّر على مستوى لا يستخدمه المخبرون أنفسهم.
\n\nيجيب كل مستوى عن سؤال مختلف، والخلط بينها هو أكثر أسباب إعادة الشكل إلى الباحث من المحكّمين.
\n| المستوى | لغة من | ماذا يجيب | الشكل المعتاد |
|---|---|---|---|
| المفاهيم من المستوى الأول | متمحورة حول المخبر | ماذا يقول المشاركون، بألفاظ قريبة من ألفاظهم؟ | عبارات وصفية قصيرة، وغالبًا ما تكون كثيرة في البداية |
| الموضوعات من المستوى الثاني | متمحورة حول الباحث | ما المفاهيم التي تساعد على وصف ما يجري هنا وتفسيره؟ | تسميات ذات معنى نظري، بعضها مستمد من الأدبيات وبعضها جديد |
| الأبعاد الكلية | متمحورة حول الباحث | ما الأفكار الشاملة التي تجمعها الموضوعات؟ | عدد قليل من الأبعاد العليا التي ترسخ النموذج |
يصف جيويا وزملاؤه الانتقال بين البيانات والأدبيات بمجرد أن تبدأ الموضوعات من المستوى الثاني في الاستقرار. يسأل الباحث هل للموضوع الناشئ اسم في النظرية القائمة، أم أنه مفهوم جديد. هذا الذهاب والإياب هو سبب وصف المنهجية غالبًا بأنها استقرائية في روحها وتأويلية في ممارستها. يتناول دليلنا عن التحليل التأويلي (abductive) هذا المنطق بالتفصيل.
\n\nهذا وصف المنهجية كما وردت في مقال 2013 ودليل 2023، مكتوبًا في تسلسل يمكنك اتباعه. اعتبره ترتيبًا للعمل لا وصفة صارمة. فالمؤلفون أنفسهم يحذرون من استخدامها ككتاب طبخ.
\nابدأ بسؤال بحثي محدد يترك مجالًا لمفاهيم لم تُسمَّ بعد. استخدم مقابلات شبه منظمة تتيح للمخبرين وصف الأحداث بمصطلحاتهم، وعدّل دليل المقابلة كلما ظهرت مفاهيم جديدة. يغطي دليلنا عن المقابلات شبه المنظمة تصميم الدليل.
\nارمّز قريبًا من ألفاظ المخبرين، وتجنب التجريد المبكر. توقع قائمة كبيرة ومتشابكة في هذه المرحلة. والرموز الحية (in vivo) مناسبة هنا (انظر الترميز الحي).
\nابحث عن أوجه التشابه والاختلاف بين المفاهيم من المستوى الأول، ودمجها في مجموعة يمكن إدارتها. وأعطِ كل مجموعة عنوانًا أو عبارة تبقى مألوفة للمخبرين.
\nاسأل أي المفاهيم تصف الأنماط وتفسرها. هنا أدخل الأدبيات، واهتم خاصة بالموضوعات التي لا توجد لها تسمية مناسبة في النظرية القائمة. فهذه هي المساهمات المرشحة لديك.
\nحيثما يكون ذلك مناسبًا، اجمع الموضوعات من المستوى الثاني في عدد قليل من الأبعاد الكلية. ارسم شكل بنية البيانات: المفاهيم على اليسار، والموضوعات في الوسط، والأبعاد على اليمين.
\nحوّل البنية الساكنة إلى نموذج ديناميكي يبين كيف ترتبط المفاهيم عبر الزمن أو سببيًا، بالأسهم والمراحل وحلقات التغذية الراجعة. ومن دون هذه الخطوة تبقى بنية البيانات وصفًا لا نظرية.
\nاستخدم عددًا قليلًا من الاقتباسات المؤثرة في السرد، واجعل الأدلة الداعمة الأوفى في جدول منظم حسب الموضوع. ثم بيّن للقارئ كيف يرتبط كل موضوع بالنموذج.
\n\nتخيل دراسة مقابلات مع 25 باحثًا جامعيًا تبنوا أدوات ترميز بالذكاء الاصطناعي. المثال أدناه مُختلق لتوضيح منطق المستويات، وليس مستخلصًا من دراسة منشورة.
\n| المفاهيم من المستوى الأول (ألفاظ المخبرين) | الموضوع من المستوى الثاني | البُعد الكلي |
|---|---|---|
| «أعيد قراءة كل شيفرة يكتبها الذكاء الاصطناعي قبل أن أثق بها»؛ «أتحقق من أن الاقتباس موجود فعلًا في النص المفرغ» | طقوس التحقق | معايرة الثقة في الآلة |
| «يصلح للمرور الأول، لا للموضوعات»؛ «لن أدعه يسمّي موضوعًا أبدًا» | تفويض محدود | |
| «سألني المشرف من الذي قام بالترميز»؛ «أراد المحكّم الثاني رؤية الأوامر» | توقع تدقيق الجمهور | الدفاع عن الشرعية المنهجية |
| «كتبت فقرة عن ذلك في فصل المنهجية»؛ «احتفظت بسجل لما اقترحه الذكاء الاصطناعي» | توثيق الدور البشري |
قد يقترح نموذج متجذر بعد ذلك أن توقع التدقيق يدفع طقوس التحقق، وأن هذه الطقوس توسّع نطاق التفويض المحدود مع الوقت. هذا النموذج يقدم ادعاءً عن العملية لا يستطيع الجدول الساكن أن يقدمه.
\n\nأعدّ فريق البحث في Qualitati هذه القائمة من المصادر المذكورة في هذا المقال. استخدمها قبل إرسال المخطوطة إلى محكّم أو مشرف. كل «لا» تمثل على الأرجح طلب تعديل.
\n| # | البند | لماذا يهم |
|---|---|---|
| 1 | يمكن إرجاع كل مفهوم من المستوى الأول إلى اقتباس واحد على الأقل في جدول الإثبات | يبين أن البنية متجذرة في البيانات، لا مفترضة |
| 2 | تستعمل تسميات المستوى الأول لغة المخبرين، لا مصطلحات النظرية | يحافظ على الفصل بين المستوى المتمحور حول المخبر والمستوى المتمحور حول الباحث |
| 3 | يُعرَّف كل موضوع من المستوى الثاني في جملة واحدة داخل النص | يتيح للقارئ الحكم على اتساق تجميع المفاهيم |
| 4 | تبيّن أي الموضوعات تطابق مفاهيم قائمة وأيها جديد | يجعل المساهمة النظرية صريحة |
| 5 | الأبعاد الكلية قليلة ومتميزة بوضوح | يمنع نموذجًا عامًا إلى حد لا يفسر شيئًا |
| 6 | يتبع بنية البيانات نموذج متجذر ديناميكي | الشكل الساكن وحده ليس هو المساهمة |
| 7 | تُذكر الحالات المخالفة أو السلبية | يرد على الانتقاد بأن القوالب تطمس التوتر التأويلي |
| 8 | إذا ساعد الذكاء الاصطناعي في الترميز، يذكر قسم المنهجية أين ولماذا وكيف جرى التحقق من المخرجات | يتيح للقراء تقدير الدور التأويلي البشري |
تعمل منهجية جيويا جيدًا بوصفها وسيلة لعرض الصرامة، لكنها ليست ضمانًا للبصيرة. فاعرف الجدل قبل أن تختارها.
\nملاحظة للمراجعة البشرية: مدى ملاءمة منهجية جيويا لدراستك يعتمد على إبستمولوجيتك ومجالك والمجلة المستهدفة. ناقش الاختيار مع مشرفك أو مؤلفيك المشاركين.
\n\n| المعيار | منهجية جيويا | النظرية المتجذرة (Glaser/Strauss/Charmaz) | التحليل الموضوعي الانعكاسي |
|---|---|---|---|
| المخرج الرئيسي | بنية بيانات من ثلاثة مستويات مع نموذج متجذر | نظرية موضوعية حول فئة مركزية | مجموعة موضوعات تروي قصة عن البيانات |
| دور الأدبيات | تُدخل بعد أن تستقر الموضوعات | يختلف بحسب المدرسة؛ النسخة الكلاسيكية تؤجلها | مرنة؛ يمكن أن تُثري النظرية التحليل طوال الوقت |
| المخرج المميز | شكل بنية البيانات | مذكرات نظرية وفئة مركزية | خريطة الموضوعات |
| الحقل المعتاد | الإدارة ونظم المعلومات وريادة الأعمال | علم الاجتماع والتمريض والإدارة | علم النفس والصحة والتعليم |
للاطلاع على مفردات الترميز التي تقوم عليها هذه المقاربات، انظر الترميز المفتوح والمحوري والانتقائي والتحليل الموضوعي مقابل النظرية المتجذرة.
\n\nجزئيًا. الذكاء الاصطناعي أكثر فائدة في المستوى الأول، وأقل موثوقية في مستوى الأبعاد الكلية.
\nأوضح الأدلة حتى الآن جاء من دراسة لاتو وماينتيماكي وكوردياكا ولاتو، \"Automating Qualitative Data Analysis with Chain-of-Thought Reasoning Models: A Study with the Gioia Method\" (وقائع AMCIS 2025، نُشرت في 15 أغسطس 2025). استخدم الباحثون نموذج DeepSeek R1 لمحاولة إعادة تحليل جيويا منشور لـ17 نصًا من مقابلات الخبراء، وتحققوا بمسافة Levenshtein من أن الاقتباسات التي أعادها النموذج موجودة فعلًا في النصوص. أنتج النموذج مفاهيم من المستوى الأول مشابهة لما في الدراسة الأصلية، لكنه فقد بعض معانيها. ثم أفرط في التعميم فأنتج موضوعات من المستوى الثاني وأبعادًا كلية رأى المؤلفون أنها غير دقيقة وقليلة القيمة المعلوماتية.
\nيتطابق هذا النمط مع ما نراه في الأبحاث الأوسع حول الترميز النوعي بالذكاء الاصطناعي (انظر أين يتعثر الترميز النوعي بالذكاء الاصطناعي). وهذا تقسيم عملي للعمل:
\nQualitati منصة أوروبية للبحث النوعي موجهة للجامعات وشركات البحث، وقد صُممت مع التركيز الأساسي على خصوصية البيانات والامتثال للائحة GDPR. وفي دراسة بأسلوب جيويا تدعم المنصة الأجزاء الآلية من العمل، وتترك الخطوات التأويلية لك:
\nلا ترسم Qualitati شكل بنية بيانات جيويا ولا النموذج المتجذر نيابةً عنك، ولا ينبغي لها ذلك. فهذه هي المساهمة النظرية.
\n\nاستخدم منهجية جيويا إذا كنت تُجري بناءً نظريًا استقرائيًا قائمًا على المقابلات، وتستهدف مجلات في الإدارة أو نظم المعلومات أو ريادة الأعمال يتوقع محكّموها بنية بيانات. وهي تناسب أيضًا طلاب الدكتوراه الذين يحتاجون مسارًا تحليليًا شفافًا وقابلًا للتعليم.
\nلا تستعملها إذا كانت دراستك استنتاجية أو قائمة على اختبار الفرضيات، أو كانت إبستمولوجيتك تقرأ ضد روايات المخبرين، أو كان هدفك وصفيًا لا بناء نظرية، أو كان محكّمو مجالك يتوقعون التحليل الموضوعي الانعكاسي أو النظرية المتجذرة الكلاسيكية.
\n\nتبقى المفاهيم من المستوى الأول قريبة من ألفاظ المخبرين وتصف ما يقوله المشاركون. أما الموضوعات من المستوى الثاني فمفاهيم تصوغها بلغة الباحث لتفسر ما يجري نظريًا. ثم تجمع الأبعاد الكلية الموضوعات من المستوى الثاني في مستوى أعلى.
\nلا. فهي تستمد من النظرية المتجذرة، ويصفها جيويا وزملاؤه بأنها وسيلة لصياغة النظرية المتجذرة، لكن لها أعرافها الخاصة في العرض، وأبرزها بنية البيانات من ثلاثة مستويات والانتقال إلى نموذج متجذر ديناميكي. كما تُدخل الأدبيات بعد أن تستقر الموضوعات.
\nلا تحدد المنهجية عددًا معينًا. برّر حجم العينة بالتشبع أو بقوة المعلومات، كما في أي دراسة مقابلات نوعية. انظر دليلنا عن حجم العينة في البحث النوعي.
\nيصلح أي أداة تحليل بيانات نوعية تدعم الرموز الهرمية، ومنها NVivo وATLAS.ti وMAXQDA ومساحة عمل QDA في Qualitati. أما الشكل نفسه فيُرسم عادةً في أداة رسم تخطيطي أو عروض تقديمية. فالبرنامج ينظّم الرموز، لكنه لا يقوم بعملية التجريد.
\nليس بشكل موثوق وحده. وجدت دراسة AMCIS عام 2025 أن نموذج استدلال أنتج مفاهيم من المستوى الأول معقولة، لكن موضوعات المستوى الثاني والأبعاد الكلية كانت غير دقيقة ومفرطة في التعميم. استخدم الذكاء الاصطناعي في الصياغة والاسترجاع، وتحقق من كل اقتباس.
\nيرى نقاد مثل ميس-بوس وولش وبيكاري (2022) أن استخدامها كقالب ثابت لا يحل التحديات التأويلية، وقد يؤدي إلى تنميط البحث النوعي. ويقترحون بدلًا من ذلك إرشادات هرمنيوطيقية بدلًا من خطوات مفروضة.
\n\nتمنح منهجية جيويا الباحثين الاستقرائيين لغةً مشتركة لإظهار عملهم: ألفاظ المخبرين، وموضوعات الباحث، والأبعاد الكلية، ونموذج متجذر. وعند استعمالها بتبصر، تجعل التأويل مرئيًا للمحكّمين. وعند استعمالها آليًا، كما يحذر منتقدوها ومؤسسها نفسه، تنتج أشكالًا مرتبة بنظرية هزيلة. يمكن لأدوات الذكاء الاصطناعي أن تسرّع أدنى بنية البيانات، لكن المستويات العليا والنموذج يبقيان من عمل الباحث.
\nلإجراء دراستك القادمة بالمقابلات وترميزها في مكان واحد، يمكنك البدء مجانًا مع 30 رصيدًا شهريًا، دون الحاجة إلى بطاقة ائتمان. انظر الأسعار الشفافة للدراسات الأكبر، أو قارن Qualitati مع NVivo وATLAS.ti وMAXQDA.
\n\nآخر تحديث: 2026-10-18.
\nكتبه فريق البحث في Qualitati. تُنسب الادعاءات المنهجية إلى مصادرها المذكورة؛ يُرجى مراجعتها وفق معايير مجالك قبل استعمالها في أطروحة أو منشور.
\n\n\n","related":[{"slug":"what-is-abductive-analysis-qualitative-research-2026","title":"ما التحليل الاختطافي في البحث النوعي؟","description":"يبني التحليل الاختطافي النظرية من بيانات مفاجئة. تعرّف على خطوات Timmermans وTavory، والفرق بين الاختطافي والاستقرائي والاستنباطي، ومواضع دعم الذكاء الاصطناعي.","category":"تحليل البيانات النوعية","date":"2026-10-17","readTime":"قراءة في 10 دقائق","author":"Qualitati Research Team"},{"slug":"open-axial-selective-coding-2026","title":"الترميز المفتوح والمحوري والانتقائي في نظرية الأساس","description":"الترميز المفتوح يسمّي المفاهيم، والمحوري يربطها بنموذج الترميز، والانتقائي يدمجها حول فئة جوهرية. أمثلة تطبيقية وقائمة مراجعة للتحقق من سلامة الإجراء.","category":"تحليل البيانات النوعية","date":"2026-09-24","readTime":"قراءة في 11 دقيقة","author":"Qualitati Research Team"},{"slug":"nvivo-alternatives-2026","title":"أفضل بدائل NVivo في 2026: دليل مقارنة","description":"قارن أفضل بدائل NVivo في 2026 مثل MAXQDA وATLAS.ti وDedoose والأدوات المدعومة بالذكاء الاصطناعي، مع الميزات والأسعار وبطاقة تقييم جاهزية الانتقال.","category":"تحليل البيانات النوعية","date":"2026-06-17","readTime":"قراءة في 11 دقيقة","author":"Qualitati Research Team"}]}