이론적 포화 개념의 실용주의적 정의(Sociological Focus, 2019)

이론적 포화 개념의 실용주의적 정의(Sociological Focus, 2019)

A Pragmatic Definition of the Concept of Theoretical Saturation 

Jacqueline Low

University of New Brunswick

이 글에서 나는 글레이저와 스트라우스가 1967년 그들의 기초 텍스트인 The Discovery of Ground Theory에서 처음으로 제시한 개념인 이론적 포화 개념에 대해 비판적으로 논한다. 이론적 포화란 근거 이론의 실천에 핵심이 되는 분석 과정이며, 질적 연구 설계에서 광범위하게 전이가능한transferable 것으로 여겨져왔다.(Guest, Bunce, Johnson 2006;오렐리와 파커 2012; 로이 외 2015).

In this article I critically discuss the concept of theoretical saturation, a concept first presented by Glaser and Strauss in their 1967 foundational text The Discovery of Grounded Theory. Theoretic saturation is an analytic process that is core to the practice of grounded theory and one that has been seen as transferrable across the widest range of qualitative research designs (Guest, Bunce, and Johnson 2006;O’Reilly and Parker 2012; Roy et al. 2015).

'포화'란 데이터 분석에서 "새로운 정보 없음"이 나타나는 순간으로 정의된다는 이야기를 수도 없이 들어왔다.

I have lost count of the number of times I have heard saturation defined as the instance where “no new information” emerges from data analysis.

나는 그러한 정의가 몇 가지 이유로 문제가 있다고 주장한다. 이 정의는 [연구자들이 그러한 순간을 어떻게 결정해야 하는지에 대한 지침]을 제공하지 않으며, 데이터가 계속 수집되고 분석되는 한 항상 새로운 이론적 통찰이 이루어지기 때문에 논리적으로도 오류다. 또한 그러한 정의는 글레이저와 스트라우스(1967)의 주장이나 후에 코빈과 스트라우스(1990), 스트라우스와 코빈(1990, 1998), 차르마즈(2006)가 refinements한 것의 뉘앙스를 설명하지 못한다. 마지막으로, 포화상태에 관한 새로운 작업의 대부분은 포화가 무엇인지에 대한 개념적이고 교훈적인 정의를 개발하기 보다는 [그러한 상태에 도달하기 위해 얼마나 많은 인터뷰나 정보 제공자가 필요한가에 초점을 맞춘다]. 따라서, 이 글에서 나는 이론적 포화에 대한 보다 설득력 있고 실용적인 정의를 주장한다.

I argue that such a definition is problematic for several reasons. The definition provides no didactic guidance on how researchers can determine such a point and is a logical fallacy, as there are always new theoretic insights to be made as long as data continues to be collected and analyzed. Also, such a definition fails to account for the nuances of Glaser and Strauss’s(1967) arguments or the refinements later contributed by Corbin and Strauss (1990), Strauss and Corbin (1990, 1998), and Charmaz (2006). Finally, much of the new work on saturation focuses on how many interviews or informants are required to reach such a state rather than developing conceptual and didactic definitions of what it is. Thus, in this article I argue for a more cogent and pragmatic definition of theoretical saturation.

포화도가 질적 분석의 종결점을 결정하는 금본위제(Guest et al., 2006; Roy et al. 2015)라고 불렸지만, 문헌을 대충만 살펴봐도, 많은 경우 포화가 무엇인지 거의 정의되지 않았으며, 대부분의 경우 "제대로 된 설명이 없다"(Roy et 2015:253). 게다가, 연구자들이 포화의 의미에 대해 진술할 때, 연구자마다 다르게 정의한다.

While saturation has been dubbed the gold standard for determining the end point of qualitative analyses (Guest et al., 2006; Roy et al. 2015), even a cursory review of the literature shows that in many cases this standard has been rarely defined and, in most cases, is “poorly described” (Roy et al. 2015:253). Moreover, when researchers do state what they mean by saturation, they define it differently,

질적 연구와 관련된 두 가지 이상의 포화 유형이 있다.

there is more than one type of saturation associated with qualitative research

이론적 포화(Corbin and Strauss 1990; Glaser and Strauss 1967; Strauss and Corbin 1998), 데이터 포화(Francis et al. 2010; Guest et al., 2006), 그리고 주제 포화(Guest et al., 2006)가 있다. 그리고 많은 연구자들이 여전히 어떤 포화의 유형을 의미하는지 지정하지 않은 채로 포화 상태를 가리킨다(Starks 및 Trinidad 2007).

There is theoretical saturation (Corbin and Strauss 1990; Glaser and Strauss 1967; Strauss and Corbin 1998), data saturation (Francis et al. 2010; Guest et al., 2006), and thematic saturation (Guest et al., 2006). Others still refer to saturation without specifying the type they mean (Starks and Trinidad 2007).

이로 인해 일부 질적 연구자들은 [포화가 다양한 방식으로 해석되고, 질적 연구에서 포화 개념 명확하지 않기 때문에, 여러 학문분야에 걸쳐 '포화'라는 개념을 채택하는 것은 "적절하지 않다"]고 주장하기도 한다(O'Reilly 및 Parker 2012:190) 나는 동의하지 않는다. 필요한 것은 근거 이론의 기초적 가정에 충실한, 실용적인 포화의 정의이다. 즉 포화의 정의는 새로운 정보가 출현하지 않는 상태에 도달하는 지나치게 이상주의적인 관념의 사이렌 호출에 희생되지 않고, 포화에 언제 도달하는지에 대한 실질적인 평가를 가능하게 한다.

This has led some qualitative researchers to conclude that due to the variety of ways the concept is interpreted and the lack of clarity around how it is defined that the transdisciplinary adoption of the concept of saturation in qualitative research is “inappropriate” (O’Reilly and Parker 2012:190). I disagree. What is needed is a definition of saturation that stays true to foundational assumptions of grounded theory, one that is pragmatic— enabling practical assessment of when it is reached and not falling prey to the siren call of overly idealistic notions of reaching a state where no new information emerges.

새로운 정보 없음

No New Information Emerges

글레이저와 스트라우스(1967년), 스트라우스와 코빈(1998년), 차르마즈(2006년)의 작품에서 포화 개념의 보다 복잡한 치료에도 불구하고, 질적 연구에 관한 문헌(Bowen 2008; Morse, Lowy, Steury 2014)에서 반복적으로 반복되는 포화의 정의는 "데이터에서 관찰되는 새로운 정보나 테마가 없는 지점"이다.(Guest 등, 2006:59) 예를 들어, 하이드(2003)는 포화상태는 "모든 가능한 설명을 설명하는 데이터 응축과 해석의 일관되고 엄격한 프로세스에서 도출될 필요가 있다"(48 페이지, 내 강조)고 썼다. 또한 데이터 중복성과 반복성 덕에, 새로운 정보가 없는 상태에 도달했음을 알 수 있다는 주장도 있다(Morse et al., 2014).

Despite more complex treatments of the concept of saturation in the works of Glaser and Strauss (1967), Strauss and Corbin (1998), and later Charmaz (2006), the definition of saturation repeated over and over in the literature on qualitative research (Bowen 2008; Morse, Lowery, and Steury 2014) is “the point at which no new information or themes are observed in the data” (Guest et al., 2006:59). For instance, Hyde (2003) wrote that saturation “needs to be derived from a coherent and rigorous process of data condensation and interpretation that accounts for all possible explanations of” (p. 48, emphasis mine) the phenomenon. Further, it is argued that one can know when one has reached the state of no new information because of data redundancy and repetition (Morse et al., 2014).

포화 상태를 [redundancy]로 이해하는 이러한 방식은 의심할 여지 없이 글레이저와 스트라우스(1967)가 이론적 포화 상태를 분석의 포인트로 정의한 중요한 진술에서 비롯된다.

No doubt this understanding of saturation as redundancy stems from Glaser and Strauss’s(1967) seminal statement in which they define theoretical saturation as the point in analysis when

연구자가 범주의 특성을 개발할 수 있는 추가 데이터는 발견되지 않는다. [연구자]가 유사한 사례를 반복적으로 볼 때, 연구자는 범주가 포화상태라는 것을 경험적으로 확신하게 된다. …하나의 범주가 포화 상태에 도달하면, 다른 범주에 대한 데이터를 위해 새로운 그룹으로 이동하는 것 외에는 아무것도 남아 있지 않으며, 이것은 새로운 범주를 포화하려는 시도이다. (P. 61, 강조 mine)

no additional data are being found, whereby the researcher can develop properties of the category. As [the researcher] sees similar instances over and over again, the researcher becomes empirically confident that a category is saturated. … [W]hen one category is saturated; nothing remains but to go on to new groups for data on other categories, an attempt to saturate these categories also. (P. 61, emphasis mine)

반복과 중복으로 포화 상태를 나타내는 이러한 방식은 차르마즈(2006)에 의해 나중에 재확인되었는데, 차르마즈는 포화 상태란 "이론적 범주에 대한 더 많은 데이터를 수집하더라도, 새로운 속성이 드러나지 않으며, 새로운 근거 이론에 대한 더 이상의 이론적 통찰력을 산출하지 못하는 지점"이라고 주장했다(p. 189, 강조 mine). 데이터 포화 상태든, 이론 포화 상태든, 소송에 따르는 연구자의 수는 군집이다.

This rendering of saturation as repetition and redundancy was later reaffirmed by Charmaz (2006), who endorsed the dictum that saturation is “the point at which gathering more data about a theoretical category reveals no new properties nor yields any further theoretical insights about the emerging grounded theory” (p. 189, emphasis mine). The number of researchers following suit is legion, whether they are referring to data saturation or theoretic saturation.

마찬가지로 "새로운 통찰력을 얻지 못하고, 새로운 테마가 나오지 않으며, 데이터의 범주에 관한 문제가 발생하지 않을 때"(보웬 2008:140, 강조 내 것) 이론적 포화로 판단한다.

Likewise, theoretical saturation is determined when “no new insights are obtained, no new themes are identified, and no issues arise regarding a category of data” (Bowen 2008:140, emphasis mine).

몇 개면 충분할까?

How Many Is Enough?

반복과 중복성으로서의 포화성의 정의는 표본 크기 및 수집된 데이터의 양을 포함한 rubrics of quantity에서 가장 흔히 확인된다. 예를 들어, 로이 외 연구진(2015년)은 포화도가 "표본 크기가 결정되고 이론적 진보가 입증되는 표준"이라고 주장했다(p. 253). 마찬가지로, 모스 외. (2002년)는 "적절한 샘플링 적정성은 포화상태와 복제에 의해 입증된다"고 주장하여, "(포화상태에서) 현상의 모든 측면을 설명할 수 있는 충분한 데이터가 확보된다"(12페이지)라고 주장한다.

The definition of saturation as repetition and redundancy is most often tied in the literature to rubrics of quantity including sample size and amount of data collected. To illustrate, Roy et al. (2015) argued that saturation is the “standard by which sample sizes are determined and by which theoretical advances are demonstrated” (p. 253). Likewise, Morse et al. (2002) argued that “sampling adequacy, then, is evidenced by saturation and replication,” meaning that “sufficient data to account for all aspects of the phenomenon have been obtained” (p. 12)

표본 크기에 대한 그러한 처방을 따르는 것은 다양한 수의 인터뷰나 정보 제공자들이다. 정성적 연구에서 포화 최소값으로 인용된 표본 크기 범위는 다음과 같다: 20-30(Creswell 1998, 2002), 최소 6개(Morse 2000), 15-20(Morse 1994), 30-50(Bernard 2000), 25-30(Charmaz 2003, 2006), 12-20(Kuzel 1992), 최소 15개 인터뷰(Bertaux 1981).

What follows such prescriptions for sample size are a variety of numbers of interviews or informants. Witness the range of sample sizes cited as minimum for saturation in qualitative research: 20 to 30 (Creswell 1998, 2002), at least six (Morse 2000), 15 to 20 (Morse 1994), 30 to 50 (Bernard 2000), 25 to 30 (Charmaz 2003, 2006), 12 to 20 (Kuzel 1992), and at least 15 interviews (Bertaux 1981).

표본 크기의 변화 외에도, 질적 연구의 크기 문제에 대한 합의가 더 일반적으로 부족하다. 포화상태(Mason 2010)를 위해 작은 표본만 필요하다는 주장도 있고, 작은 표본 크기는 신뢰할 수 없다는 주장도 있다(Lareau 2012).

In addition to the variation of sample size, there is a lack of consensus concerning the issue of size in qualitative research more generally. Some argue that small sample sizes are needed for saturation(Mason 2010) and others that small sample sizes are not credible (Lareau 2012).

로이 외 연구진(2015년)은 표본수가 작은 연구라도 데이터의 풍부함은 포화 상태에 충분하며, 표본 크기가 크면 "모든 복잡성에 따라 자료를 조사하는 것이 어렵고, 데이터 수집을 조사하는 능력 제한되며, emergent 질문 개발하거나 quote를 contextualize하기 어렵다"(로이 외 2015:250)고 결론지었다. 비슷하게, Guest et al. (2006)은 포화 달성을 위한 큰 표본 크기의 필요성에 대해 의문을 제기했다.

Roy et al. (2015) concluded that the richness of data in small sample size research is sufficient for saturation and that large sample sizes “may make it difficult to examine data in all of their complexity, limiting ability to probe data collection, develop emergent questions, or contextualize quotes” (Roy et al. 2015:250). Similarly, Guest et al. (2006) called into question the necessity of large sample sizes for achieving saturation.

그들은 "동시에 우리는 6개에서 12개의 인터뷰가 항상 원하는 연구 목적을 달성하기에 충분하다고 가정하거나 (표본 숫자에 대한) 위의 조사 결과를 '빠르고 더러운' 연구를 정당화하기 위해 사용하지 않도록 주의하고 싶다"(79페이지)며 명확한 결론을 회피했다. 마찬가지로 차르마즈(2006년), 링컨과 구바(1985년), 로이 외(2015년)는 모두 질적 연구에서 표본 크기가 작은 경우 "테마의 반복을 제공하지 않기 때문에, 포화 상태에 도달할 수 있었다는 타당성에 대해 의심을 불러일으킨다"고 주장했다(로이 외 2015:250).

They hedged their bets concluding, “[a]t the same time, we want to caution against assuming that six to twelve interviews will always be enough to achieve a desired research objective or using the findings above to justify ‘quick and dirty’ research” (p. 79). Likewise, Charmaz (2006), Lincoln and Guba (1985), and Roy et al. (2015) all argued that small sample sizes in qualitative research generate doubt regarding the plausibility that saturation could have been reached because they “do not offer repetition of themes” (Roy et al. 2015:250).

여전히 포화에 도달하는 데 필요한 샘플의 크기에 초점을 맞추면서, 일부 연구자들은 규정된 숫자를 샘플의 종류, 연구 설계의 종류, 데이터 수집 수단별로 분류한다(Ritchie, Lewis, Elam2003:84). 예를 들어, Morse (1994)는 연구에서 "경험의 본질을 이해하는 것이 목표인 곳" (Onwuegbuzie와 Leech 2007:116) 작은 표본이 포화 상태를 초래할 수 있다고 주장했다. 다른 이들은 표본의 크기를 결정할 때 표본의 상대적 동질성에 초점을 맞춘다(Kuzel 1992; Ritchie et al. 2003).

While still focusing on the size of sample needed to reach a point of saturation, some researchers categorize the prescribed numbers by type of sample, type of research design, or means of data collection (Ritchie, Lewis, and Elam2003:84). For instance, Morse (1994) argued that in research “where the goal is to understand the essence of experience” (in Onwuegbuzie and Leech 2007:116) smaller samples can lead to saturation. Others focus on the relative homogeneity of a sample in determining its size (Kuzel 1992; Ritchie et al. 2003).

대조적으로, Guest 등은 표본이 "정확하고, 데이터 품질이 나쁘며, 조사 영역이 확산되거나 모호한 경우 (p. 79) 작은 사이즈는 효과가 없을 것이라고 단언했다. 그러나 대부분은 표본 크기에 대한 처방에서 구체적인 연구 설계나 데이터 수집 방법을 참조한다(표 1 참조). 덴진과 링컨(1994년)이 파악한 질적 연구 인식론에 대한 반발과 함께 지정 숫자가 시간이 지남에 따라 증가한다는 점은 흥미롭다.

In contrast, Guest et al. (2006) asserted that small sizes will not do if the sample is “heterogeneous, the data quality is poor, and the domain of inquiry is diffuse and/or vague (p. 79). Most, however, refer to specific research designs or methods of data collection in their prescriptions for sample size (see Table 1). It is interesting to note that the specified numbers go up over time concomitant with the backlash against qualitative research epistemology identified by Denzin and Lincoln (1994).

일부는 포화도를 표본 크기로 줄이지 않고 대신 코딩 및 분석 프로세스와 정보원 검증에 대한 설명과 포화도를 동일시한다(Bowen 2008). 어떤 연구자들은 방법론적 고려보다는 상황적 문제와 관련되어있다고 말한다. 또한 다른 이들은 분석의 최종 지점을 결정할 때 "사용 가능한 예산과 자원"(Mason 2010: 5항), 또는 연구자 소진(Bernard 2000)과 같은 현실적인 문제를 지적한다.

Some do not reduce saturation to sample size and instead equate saturation with descriptions of coding and analysis process and informant validation (Bowen 2008). Others point to issues having less to do with methodological considerations than they do with situational contingencies. Still others point to practical concerns such as “budget and resources available” (Mason 2010: para. 5), or researcher burnout (Bernard 2000) in determining the end point of analysis.

포화의 정의적 문제

Saturation's Definitional Problems

질적 분석에서 포화상태에 관한 문헌이 증가하고 있음에도 불구하고, 이 핵심 분석 과정에 대한 설명은 다양한 이유로 여전히 문제가 있다. 우선, 연구자들은 그들이 어떻게 포화에 도달했는지 증명하지 않고 포화 상태에 이르렀다고 간단히 "증언"하는 경향이 있다(Charmaz 2006:114) (Morse 1995; Roy et al. 2015). 또한, 분석의 종료를 강요하는 상황적 우발상황은 현실적 문제이며 "연구자는 선택의 여지가 없고, 원하는 것보다 덜 발전된 이론적 계획에 안주해야 하는 상황"이라는 것을 인정하더라도(스트라우스 및 코빈 1990:192), 그것들은 방법론적 및 인식론적 우려에 기초하는 이 분석 과정에서 [(포화의) 정의]를 대체한다고 받아들여질 수 없다.

Despite the growing literature on saturation in qualitative analysis, explanations of this key analytic process remain problematic for a variety of reasons. To begin, researchers tend to simply “proclaim” (Charmaz 2006:114) that they have reached a point of saturation without demonstrating how they have achieved it (Morse 1995; Roy et al. 2015). Further, while situational contingencies that force the end to analysis are real and are situations in which “the researcher has no choice and must settle for a theoretical scheme that is less developed than desired” (Strauss and Corbin 1990:192), they can hardly be accepted as a substitute for a definition of this analytic process that is based in methodological and epistemological concerns.

더욱이, 주제에 대한 많은 글의 선점인 표본 크기 측면에서 포화도를 정의하는 것은 논쟁의 여지가 있다. 사람들은 포화상태에 대한 수치적 정의를 안심시킬 수 있지만, 이런 식으로 포화상태에 대해 생각하는 데는 문제가 있다. 우선, 많은 저자들은 "어떻게 그들이 이 추정치에 도달했는지" 설명하지 않고 포화상태에 필요한 표본의 크기에 대한 발표를 한다(Onwuegbuzie와 Leech 2007:116) 실제로 캐시 차르마즈(2003)는 2003년 정성분석회의에서 왜 28, 29가 아닌 30이 충분한지 설명하지 않은 상태에서는 30회보다 적은의 인터뷰로 연구과제의 포화 상태에 이르렀다고 자신할 수 없다고 주장했다.

Moreover, defining saturation in terms of sample size, a preoccupation of many writing on the topic, is contentious. While people might find numerical definitions of saturation reassuring, there are problems in thinking about saturation in this way. For one thing, many writers make pronounce- ments about the size of sample necessary for saturation without explaining “how they arrived at these estimates” (Onwuegbuzie and Leech 2007:116). Indeed, Cathy Charmaz (2003) argued at the 2003 Qualitative Analysis Conference that she would not be confident that saturation in a research project had been reached with fewer than 30 interviews without explaining why 30 rather than 28 or 29 would suffice.

문헌에 제시된 규정된 표본 크기에 대한 또 다른 문제는 그러한 표본들이 거의 지켜지지 않는다는 것이다. 예를 들어 메이슨(2010년)은 포화 개념을 이용한 정성적 연구의 메타분해에서 버나드(2000년), 랭포드, 쇤펠트, 이조(2002년), 모스(1995년)가 모두 일부 정성적 연구 설계에서 50회 이상의 면접을 권고하지만 평균 표본 크기는 31회라는 사실을 발견했다.

A further problem with the prescribed sample sizes offered in the literature is that they are rarely adhered to. For instance, Mason (2010) found in his metaanlysis of qualitative research using the concept of saturation that the average sample size was 31 interviews, although Bernard (2000); Langford, Schoenfeld, and Izzo (2002); and Morse (1995) all advise 50 interviews or more in some qualitative research designs.

연구 설계의 유형 측면에서 표본 크기를 구문 분석하는 것도 마찬가지로 문제가 있다. 예를 들어, 표본의 상대적 동질성은 [일부 동질적으로 보이는 표본]이, 실제로 그러한 표본을 구성하는 개인의 경험 측면에서 [극단적으로 이질적일 수 있기 때문에] 필요한 인터뷰나 정보 제공자의 수에 대한 신뢰할 수 있는 지침은 아니다. 마찬가지로, 왜 근거이론 연구에 민족지적 연구보다 더 적은 수의 정보 제공자가 필요한지는 전혀 명확하지 않다.

Trying to parse sample size in terms of type of research design is likewise at issue. For example, the relative homogeneity of a sample is not necessarily a reliable guide to how many interviews or informants one needs as some seemingly homogeneous samples may in fact be heterogeneous in the extreme in terms of the experiences of the individuals that make up such samples. Similarly, it is not at all clear why fewer informants would be needed in a grounded theory study than in an ethnographic one.

더욱이, 표본 크기가 큰 것을 지지하는 많은 주장들은 질적 분석이 아닌 통계적 논리에 근거하고 있으며, 따라서 질적 연구 프로젝트에서 이론적 포화도를 평가하는 잘못된 루브릭이다.

Moreover, many of the arguments advocating large sample sizes are predicated on the logic of statistical not qualitative analysis and are thus a false rubric for assessing theoretical saturation in a qualitative research project.

내 요점은 포화상태에 이를 수 있는 마법의 숫자라는 것은 없다는 것이다. 포화도를 결정하기 위한 수치 공식을 갖고 싶어하는 사람들은 그 수치로 [연구자의 개념적 통찰력과 기술]을 대체하고 싶을 것이다. 그러나 수집된 정보나 데이터의 양이 부실 연구 기술로부터 보장될 수는 없다. 더욱이, 이러한 숫제에 대한 페티시즘은 또한 근거이론 프로젝트에서 [분석 단위는 사례case가 아니라 개념concept이라는 근거 이론]을 잊어버린다(Corbin과 Strauss 1990). 베커(1970:52)는 질적 데이터의 풍부함은 "[응답자의 중복성]과 [관찰자 편향]의 두 가지 위험에 대응하게 해준다"는 것을 오래 전에 우리에게 말했다. 또한 분석단위가 개념일 때 매우 적은 수의 프로젝트에서도 이론적 포화 상태에 도달할 수 있다는 것을 의미한다.

My point is that there is no magic number to ensure that one will achieve saturation. People who would like to have a numerical formula for determining saturation would have it substitute for researcher conceptual insight and skill. In the end, no amount of information or data collected can ensure against poor research skills. Moreover, such fetishism of numbers also forgets the grounded theory dictum that the unit of analysis in a grounded theory project is the concept, not the case (Corbin and Strauss 1990). Becker (1970:52) told us long ago that the richness of qualitative data is such that it “counters the twin dangers of respondent duplicity and observer bias.” It also means that theoretical saturation can be reached even in projects with very small numbers when the unit of analysis is the concept.

마지막으로, 포화 상태를 새로운 정보가 출현하지 않는 분석 지점 또는 테마나 데이터 중복성의 반복과 동일시하는 것은 궁극적으로 결함이 있다. 샤르마즈(2006)가 지적했듯이, "근거 이론 포화는 같은 사건이나 이야기의 반복을 목격하는 것과 같지 않다"(p. 113). 또한 포화 상태를 중복성 또는 반복성과 동일시하는 것은, [일탈 사례에 대해 설명하는 것의 중요성]을 놓치게 한다(Corbin and Strauss 1990, 1990b; Silverman 1998; Strauss and Corbin 1990).

Finally, equating saturation with the point in analysis where no new information emerges or with the repetition of themes or data redundancy is ultimately flawed. As Charmaz (2006) pointed out, “grounded theory saturation is not the same as witnessing repetition of the same events or stories” (p. 113). Further, equating saturation with redundancy or repetition forgets the importance of accounting for deviant cases (Corbin and Strauss 1990, 1990b; Silverman 1998; Strauss and Corbin 1990).

더욱이 포화 상태를 새로운 정보가 출현하지 않는 지점으로 이해하는 것은 논리적으로 불가능한 일이다. 데이터 세트를 다시 분석하기 위해 돌아가면, 늘 새로운 것을 발견하기 때문이다. 분석은 결코 종결complete되지 않는다; 항상 새로운 것을 발견해야 하고, 새로운 통찰이 만들어져야 한다.

Moreover, understanding saturation as the point at which no new information emerges is a logical impossibility, as anyone who has gone back to reanalyze a data set has discovered. Analysis is never complete; there is always something new to discover, some new insight to be made.

새로운 것이 출현하지 않는 분석에는 끝이 없다. 스트라우스와 코빈(1990년)의 표현대로 포화상태에 도달하는 것은 결국 "정도의 문제" (136쪽)이다. 우리는 항상 분석을 다듬고 설명 이론에서 새로운 속성을 발견할 수 있다. 또한 우리는 언제나 항상 관여할 수 있는 것은 [다른 사람의 개념 모델을 기초로 하는 문헌의 이론적 샘플링]이며, 어떤 상징적 상호작용론자들이 특히 하지 못했던 것이다(Nash 2006).

There simply is no end point to analysis where nothing new emerges. As Strauss and Corbin (1990) put it, reaching saturation is, after all, a “matter of degree” (p. 136). We can always refine our analysis and discover new properties in our explanatory theories, and we can always engage is theoretical sampling of the literature to build on others’ conceptual models, something symbolic interactionists have been particularly remiss in doing (Nash 2006).

어떤 사람들은 주제나 데이터 포화, 그리고 다른 한편으로는 이론 포화를 구별함으로써 내가 방금 요약한 문제들을 다루려고 한다. 샌델로프스키(2008)는 [데이터 포화]는 데이터에서 반복과 중복성을 의미하며, "대상 사건을 렌더링하기 위해 선택한 개념과 개념 관계의 속성 및 치수가 충분히 설명될 때 [이론적 포화] 상태에 도달한다"고 주장했다(875 페이지, 강조 내 것). 그러나, 나는 결국 이 두 종류의 포화상태 사이에는 실질적인 차이가 없다고 주장한다. 두 가지 경우 모두 그 정의는 [완전성 또는 절대적 최종점]과 같은 생각에 기초하는데, 이는 논리적으로 불가능하다

Some try to address the problems I have just outlined by making a distinction between thematic or data saturation, on one hand, and theoretical saturation, on the other. Sandelowski (2008) argued that data saturation refers to repetition and redundancy in the data and that theoretical saturation is reached when “properties and dimensions of the concepts and conceptual relationships selected to render the target event are fully described” (p. 875, emphasis mine). However, I argue that in the end there is no real difference between these two types of saturation. In each case the definition rests on some idea of completeness or absolute end point, a logical impossibility.

결국 질적 분석에서 새로운 것이 나오지 않는 지점이란 존재하지 않는다(그린과 토로고드 2004;오렐리와 파커 2012; Wray, Markovic, Manderson 2007). 또한, 일부 연구자가 제공하는 정의는 질적 분석으로부터 일관성 있는 이론을 개발하는 목표에 초점을 맞추지만, 그 정의는 종종 추상적이며, 포화 목표를 달성하는 방법에 대한 교훈적인 조언이 부족하며, [포화 상태를 분석 완료 상태로 정의하는 것]에서 벗어나지 못한다.

In the end, there is no point in any qualitative analysis where nothing new emerges (Green and Thorogood 2004;O’Reilly and Parker 2012; Wray, Markovic, and Manderson 2007). Further, while the definitions that some researchers provide do focus on the goal of developing coherent theory from qualitative analyses, their definitions are often abstract, lack didactic advice of how to achieve the goals of saturation, and fail to avoid defining saturation as a state of analytic completion.

예를 들어, 로이 외 연구진(2015년)은 "개념의 중요성을 전달하기 위해 [횟수에 의존하기 보다는], 이론적 포화도는 어떻게든 관련이 있는 [모든 맥락과 관련 주제에 대한 면밀한 검토]에 달려있어야 한다"고 썼다(p. 254, 강조 mine).

For example, Roy et al. (2015) wrote, “Instead of relying on the number of times a concept emerges to convey its importance, theoretical saturation rests on close examination of all of the contexts and related themes that are somehow related to it” (p. 254, emphasis mine).

마찬가지로, Morse(1995)는 "연구자들은 포괄적이고 설득력 있는 이론을 세울 충분한 데이터가 있을 때 데이터 수집을 중단해야 한다"고 주장했다. 이들은 반복에 의존하는 포화의 정의를 당연히 지양하지만, 여전히 "완전히 포화 개념으로 이어지는 것은 살을 빼거나, 명확하게 하거나, 변형시키거나, 치수화하는 것은 독특한 차원의 소진"과 같은 구절들로 후퇴한다. 또한 궁극적으로 [완전한 분석 상태]로 포화를 정의하는 것은 "모든 가능한 가상의 부정적인 경우를 해결"했을 때 연구자가 포화에 도달했음을 안다고 설명한다.

Likewise, Morse (1995) argued that “researchers cease data collection when they have enough data to build a comprehensive and convincing theory” (p. 148), and while they rightly avoid a definition of saturation that rests on repetition, they still retreat to such dictums as “it is the exhaustion of unique dimensions that flesh out, clarify, transform, or dimensionalize that leads to a fully saturated concept” (p. 148, emphasis mine) and that one knows when one has reached a point of saturation when one “locates every possible hypothetical negative case” (p. 148, emphasis mine) ultimately defining saturation as a state of complete analysis.

포화의 실용적 정의

A Pragmatic Definition of Saturation

우리는 포화상태에 대한 실용적 정의가 필요하다. 또한 (코빈과 스트라우스(1990년)가 설명한) 핵심 원칙을 고수하는 견고하고 일관된 이론 구조에는 [분석과 결과의 절대적이거나 완전한 종단점이 있을 수 있다]는 개념을 버려야 한다.

We need a pragmatic definition of saturation that lets go of the notion that there can ever be an absolute or complete end point to analysis and results in a robust and coherent theoretical construct that adheres to the core principles best explicated by Corbin and Strauss (1990).

글레이저와 스트라우스(1967)의 기초적인 진술은 [포화상태에 대한 지나치게 단순화된 이해의 시작]임이 분명했다. 그러나, 포화를 [새로운 정보가 출현하지 않는 지점]으로만 초점을 맞춤으로써, 이후 연구자들은 글레이저와 스트라우스의 원래 진술의 선택적 부분만을 기억학 되었고, 다른 것을 무시하여 포화의 정의를 더욱 협소하게 만들었다.

The foundational statements of Glaser and Strauss (1967) were clearly the beginning of what has become the overly simplistic understanding of saturation. However, by focusing on saturation as the point at which no new information emerges, researchers thereafter have reduced the definition of saturation further by remembering only selective parts of Glaser and Strauss’s original statement while neglecting others.

예를 들어, Charmaz(2006)는 Glaser의 포화 상태를 "같은 패턴을 반복해서 보지 않는다"(191페이지)라고 언급하였다. 이들은, (글래이저처럼) "패턴의 새로운 특성이 나타나지 않을 때까지 패턴의 서로 다른 특성을 산출하는 것은 이러한 사건들의 비교를 개념화하는 것이다. 이것은 가설로 통합될 때 이론적 완전성과 함께 생성된 기초 이론의 본체를 구성하는 개념적 밀도를 산출한다."(Glaser 2001:191)라고 말하지 않았다.

For instance, while Charmaz (2006) cites Glaser’s(2001) rendering of saturation as “not seeing the same pattern over and over again” (p. 191), rather, “it is the conceptualization of comparisons of these incidents which yield different properties of the pattern, until no new properties of the pattern emerge. This yields the conceptual density that when integrated into hypotheses make up the body of the generated grounded theory with theoretical completeness” (Glaser 2001:191).

따라서 그들이 분석의 완성도 면에서 포화상태에 대해 얼마나 교묘하게 썼을지 모르나, [새로운 정보가 등장하지 않는다]는 말 너머의 의미를 읽는다면, 이것이야말로 글레이저, 스트라우스, 코빈, 차르마즈 모두가 강조하고 있는 것은 [개념적 엄격성]이다. 소수의 작가들만이 이렇게 이해하고 있다(O'Reilly and Parker 2012; Riessman 2009; Starks and Trinidad 2007). 예를 들어, 오렐리와 파커(2012년)는 "근거 이론의 목표"(p. 192)와 이에 따라 포화상태는 "사회적 과정의 설명적 이론"에 관한 것이라고 결론지었다. 마찬가지로, 로이 외 연구진(2015년)은 "흔히 [포화증]의 증거가 푸딩(즉, 발견물)에 있다"고 결론짓고 (pp. 253–254) 긴급한 개념 모델과 이론적 설명에 이르렀다.

Thus, despite how unartfully they may have written about saturation in terms of completeness of analysis, if you read beyond their statements of no new information emerging, what Glaser, Strauss, Corbin, and Charmaz are all emphasizing is conceptual rigor. This is something a minority of authors have understood (O’Reilly and Parker 2012; Riessman 2009; Starks and Trinidad 2007). For example, O’Reilly and Parker (2012) concluded that “the goals of grounded theory” (p. 192) and thus saturation are about “explanatory theory of the social processes.” Similarly, Roy et al. (2015) concluded that “often the proof [of saturation] is in the pudding (i.e., the findings)” (pp. 253–254) and emergent conceptual models and theoretical explanations.

따라서, 우리는 데이터에 대한 완전한 분석이 있을 수 있거나 우리의 설명 이론이나 개념 모델이 절대적일 수 있다는 잘못된 가정을 버려야 한다. 포화상태에 대한 그러한 이해는 코빈과 스트라우스(1990년)와 스트라우스와 코빈(1990년)이 구체적으로 제시한 근거 이론의 핵심 원리로 되돌아오게 한다.

Thus, we must let go of the false assumption that there can ever be complete analysis of data or that our explanatory theory or conceptual models can ever be absolute. Such an understanding of saturation brings us back to a core principle of grounded theory concretely laid out by Corbin and Strauss (1990) and Strauss and Corbin (1990).

당신의 개념 모델은 견실한가? 내 말은, 

• 코빈과 스트라우스(1990)을 다루고 있는가? 

• 그것은 단지 어떤 질문에 대한 서술적 설명만이 아닌 방법과 이유에 대한 핵심 설명 질문을 다루고 있는가(Glaser 2001? 

• 일탈 사례를 다루고 있는가(Corbin and Strauss 1990; Silverman 1998)? 

• 당신의 개념 모델이나 이론적 설명은 "사전 연구를 고려했을 때" make sense하는가? 

• 즉, 관련 문헌(Corbin and Strauss 1990; Strauss and Corbin 1990)을 포함한 이론적 샘플링을 통해 이를 알 수 있는가? 

• 분석 단위가 [사람, 그룹 또는 케이스(Corbin and Strauss 1990)가 아니라] 개념이라는 가정에 근거하여 분석하십니까? 

• 더 넓은 사회적 맥락(Corbin and Strauss 1990; Silverman 1998; Williams 2000)에서 문맥화되기 때문에 일반화 가능한 개념 모델(Corbin and Strauss 1990)을 형성하기 위해 서로 연결된 "범주, 즉 일반적 개념" (Riessman 2009:391)을 생성하는가?

Is your conceptual model robust? By robust, I mean 

• does it address process (Corbin and Strauss 1990)? 

• Does it address the core explanatory questions of how and why, not merely descriptive accounts of what questions (Glaser 2001)? 

• Does it address deviant cases (Corbin and Strauss 1990; Silverman 1998)? 

• Does your conceptual model or theoretical explanation make “sense given prior research” (Bowen 2008:148)? 

• That is to say, is it informed by theoretical sampling including that of the relevant literature (Corbin and Strauss 1990; Strauss and Corbin 1990)? 

• Does your analysis rest on the assumption that the unit of analysis is the concept, not the person, the group, or the case (Corbin and Strauss 1990)? 

• Does it “generate ‘categories,’ that is, general concepts” (Riessman 2009:391) that are connected together to form a conceptual model (Corbin and Strauss 1990) that is generalizable because it is contextualized in the broader social context (Corbin and Strauss 1990; Silverman 1998; Williams 2000)?

---

ABSTRACT

In this article I critically discuss the concept of theoretic saturation, first presented by Glaser and Strauss in their classic book The Discovery of Grounded Theory. Over my almost two-decade career of using, researching, and publishing on qualitative methods, I have lost count of the number of qualitative researchers that have defined saturation as an instance where “no new information” emerges from data analysis. I argue that such a definition is problematic. It provides no didactic guidance on how researchers can determine such a point, and it is a logical fallacy, as there are always new theoretic insights as long as data continue to be collected. Finally, much new work on saturation focuses on how many interviews are required to reach it rather than developing definitions of what it is. In response I present what I argue is a more cogent and pragmatic definition of theoretic saturation.