Jednym z największych wyzwań, przed którymi staje doktorant, jest formułowanie trafnych i wieloaspektowych pytań badawczych. Odpowiednio postawione pytania ukierunkowują Twoje poszukiwania naukowe, pomagają skupić się na tym, co naprawdę ważne, a także ułatwiają interpretację danych i analizę wyników. W tym artykule wyjaśniam, czym jest macierz pytań (Question Matrix) według modelu Wiederhold i Kagana (2007) oraz jak możesz ją skutecznie zastosować w swoich pracach akademickich.
1. Na czym polega macierz pytań (Q-Matrix)?
Macierz pytań to tabela, która pomaga zorganizować i pogłębić rodzaje pytań, jakie zadajesz sobie i innym na temat badanego zagadnienia. Jej struktura opiera się na:
- Czasie / trybie (present, past, possibility, probability, prediction, imagination) – czyli kiedy coś się dzieje bądź może się zadziać.
- Typie informacji, której poszukujesz (event – what, situation – where/when, choices – which, person – who, reason – why, means – how).
Z połączenia tych dwóch osi powstają pytania: What is…?, Where/When did…?, Which might…?, Who can…? itd. Każde z nich ma inny charakter – od prostego ustalenia faktów po wnikliwe eksplorowanie przyczyn, możliwości czy przyszłych scenariuszy.
2. Trzy poziomy pytań: od opisu do analizy
Autorzy koncepcji wyróżniają również trzy poziomy głębi pytań, przydatne np. do tworzenia pytań badawczych bądź do rozważań merytorycznych w analizie literatury:
- Poziom 1 (Retell – Reader as Meaning Maker)
- Pytania, które pozwalają przywołać i uporządkować podstawowe informacje.
- Służą np. do opisania „co się działo”, „kiedy i gdzie?”, „kto wziął udział?”, „co się stało w przeszłości?”.
- Przykład: „What is the main focus of this study?”, „Who participated in the experiment?”
- Poziom 2 (Explain and Infer – Reader as Text User)
- Pytania wyjaśniające znaczenie i funkcję badanej rzeczy, docierające do sensu i mechanizmów.
- Pozwalają na wyciąganie wniosków (inferences) i łączenie faktów w spójną całość.
- Przykład: „Why did the authors choose this statistical test?”, „How does the intervention work in practice?”
- Poziom 3 (Predict, Analyse, Synthesize – Reader as Text Analyzer)
- Pytania najwyższej złożoności poznawczej: skupione na przewidywaniu, analizie, syntezie czy krytyce.
- Pomagają ocenić wiarygodność tez, wskazać luki badawcze, zaproponować przyszłe kierunki badań.
- Przykład: „Which alternative explanation might account for these results?”, „What could happen if we apply this method in a different context?”
3. Jak wykorzystać Q-Matrix w pisaniu rozprawy doktorskiej?
a) Formułowanie pytania głównego i pytań szczegółowych
- Zastanów się nad najważniejszym obszarem, w którym brakuje wiedzy (tzw. luka badawcza).
- Zidentyfikuj elementy kluczowe: kto/what/why/how i określ, czy interesuje Cię stan obecny (is/do), przeszłość (did), przyszłość (will), możliwości (can), prawdopodobieństwo (would) czy przypuszczenie (might).
- Przykład pytania głównego (poziom 2-3):
- „How would the implementation of a flipped classroom model (choices – which, means – how) in university-level mathematics courses affect students’ problem-solving skills (event – what) over one semester?”
b) Planowanie metodologii i zbierania danych
- Dla każdego kluczowego pytania (np. Which did…? Why can…? Who might…?) zaplanuj:
- Jakie metody (ankiety, wywiady, eksperymenty) pozwolą udzielić odpowiedzi?
- Jakich uczestników potrzebujesz (np. studenci, nauczyciele, przedstawiciele firm)?
- Jaką perspektywę czasową uwzględnisz (przeszłość, teraźniejszość, możliwa przyszłość)?
c) Analiza danych i interpretacja wyników
- Po zebraniu danych, powróć do Q-Matrix, by sprawdzić, czy możesz odpowiedzieć na różne poziomy pytań (1 – opis, 2 – wyjaśnienie, 3 – analiza i synteza).
- Zastanów się, czy dane dostarczają odpowiedzi na to:
- „Co się faktycznie zdarzyło?” (What did…?) – Poziom 1
- „Dlaczego tak się stało?” (Why did…?) – Poziom 2
- „Jak można to wykorzystać lub co by było, gdyby…?” (How can? Who might? Which might…?) – Poziom 3
d) Prezentowanie wniosków i dyskusja
- Podczas pisania rozdziału dyskusji rozważ, czy odpowiedziałeś na wszystkie pytania, które pierwotnie postawiłeś (poziom 1–3).
- Jeśli pojawiły się nieoczekiwane wyniki, możesz tworzyć dodatkowe pytania z macierzy typu:
- „Why might these results differ from the literature?”
- „What would happen if we replicate the study in another population?”
4. Przykładowe zastosowanie w praktyce
Załóżmy, że piszesz doktorat z dziedziny nauk społecznych, a Twoim tematem jest „Wpływ zdalnego nauczania na motywację studentów”.
- Poziom 1 (Retell)
- What is the current state of online learning at university X?
- Who is most engaged in remote classes?
- Poziom 2 (Explain and Infer)
- Why do some students show higher motivation online than others?
- How does the availability of interactive tools (e.g. breakout rooms, quizzes) relate to engagement?
- Poziom 3 (Predict, Analyse, Synthesize)
- Which factors might significantly impact the effectiveness of remote learning in the future?
- How could we adapt the model to other universities or different demographics?
- What might happen if we combine online learning with VR technologies?
W ten sposób masz zestaw pytań o różnej głębokości i perspektywie czasowej (co jest teraz, co było, co może nadejść).
5. Korzyści z wykorzystania macierzy pytań w badaniach doktoranckich
- Strukturyzacja myślenia: Macierz zmusza do uporządkowania pytań pod kątem czasu i typu poszukiwanego wyjaśnienia (co, kto, dlaczego, jak).
- Wielowymiarowe spojrzenie: Unikasz zawężenia badań do jednego wątku – możesz rozważyć różne scenariusze (np. can, will, might), co przydaje się przy formułowaniu hipotez i dyskusji.
- Wzbogacenie pytań w ankiecie/wywiadzie: Jeśli prowadzisz badania empiryczne, Q-Matrix może zainspirować Cię do zadawania pytań badawczych respondentom na różnych poziomach analizy (od prostego „co się stało?” do „co by się mogło stać w przyszłości?”).
- Przygotowanie do publikacji: Naukowe czasopisma i recenzenci chętnie widzą artykuły, w których widać zróżnicowane podejście do tematu – od opisu po predykcje i praktyczne rekomendacje.
6. Podsumowanie
Macierz pytań (Q-Matrix) to proste narzędzie, które może wzbogacić zarówno proces planowania badań, jak i analizę wyników. Dzięki niej:
- Zadbasz o klarowność głównych i pomocniczych pytań badawczych,
- Rozbudujesz warstwę interpretacyjną (od faktów do hipotez i scenariuszy),
- Zwiększysz przejrzystość i spójność swojej rozprawy doktorskiej bądź artykułu naukowego.
Pamiętaj, że dobre pytania stanowią serce każdego projektu badawczego. Bez nich nawet solidne dane i zaawansowane metody analizy mogą nie prowadzić do istotnych wniosków. Zatem jeśli stoisz przed zadaniem ułożenia planu badań czy pisania rozdziału teoretycznego, zerknij na Q-Matrix – a z pewnością znajdziesz inspirację do głębszego i wieloaspektowego namysłu. Powodzenia!