بایگانی دسته: تحلیل داده های کمی و کیفی

تحلیل آماری عوامل دموگرافیک (جمعیت شناسی)

نرم افزار تحلیل کیفی maxqda چیست؟

نرم افزار تحلیل کیفی maxqda چیست؟

MAXQDA نیز مانند NVivo یک نرم‌افزار قدرتمند برای تحلیل داده‌های کیفی است. این نرم‌افزار توسط شرکت MAXQDA International توسعه داده شده است و برای تحلیل داده‌های کیفی و پژوهش‌های اجتماعی و روانشناختی استفاده می‌شود.

MAXQDA به کاربران امکان می‌دهد داده‌های کیفی متنی، صوتی، تصویری و چندرسانه‌ای را به طور جامع تحلیل کنند. با استفاده از این نرم‌افزار، محققان و تحلیلگران می‌توانند داده‌ها را سازماندهی کنند، برچسب‌ها و کدها را به آنها اختصاص دهند و الگوها، روابط و مفاهیم مختلف را در داده‌ها شناسایی کنند.

برخی از ویژگی‌های کلیدی MAXQDA عبارتند از:

ایجاد پروژه‌ها و مدیریت داده‌های کیفی در آنها.
امکان اضافه کردن و سازماندهی متن، صدا، تصویر و ویدئوها.
تحلیل و کدگذاری داده‌ها با استفاده از برچسب‌ها و کدها.
ایجاد شبکه‌های روابط بین داده‌ها با استفاده از نرم‌افزار.
امکان جستجوی پیشرفته برای داده‌ها.
مدیریت و مقایسه نتایج تحلیل.
تصویرسازی و چاپ نتایج تحلیل.
MAXQDA برای پژوهشگران و تحلیلگرانی که در زمینه تحلیل داده‌های کیفی فعالیت می‌کنند، یک ابزار مفید است. این نرم‌افزار در حوزه‌های مختلفی از جمله علوم اجتماعی، روانشناسی، آموزش، علوم سیاسی و جغرافیا مورد استفاده قرار می‌گیرد.

انجام تحلیل داده های کمی با نرم افزار آموس (AMOS)

نوشته

برای تحلیل عاملی تأییدی از چه نرم افزار های آماری می توان استفاده کرد؟

نوشته

تفاوت روش‌های تعیین حجم نمونه در تحقیقات کیفی و کمّی

نوشته

تحلیل آماری متغیر تعدیل‌کننده (Moderator Variable)

نوشته

نرم افزار آباکوس چیست ؟

چگونه فایل اکسل را غیر قابل ویرایش کنیم

تحلیل کلاسیک چیست؟

تحلیل کلاسیک چیست؟

تحلیل کلاسیک که به آن آمار فراوان گرا نیز گفته می شود، رویکردی پرکاربرد برای تحلیل آماری است که بر نظریه احتمال تکیه دارد [3]. بر روی آزمایش فرضیه ها و برآورد پارامترهای جمعیت بر اساس نمونه ها تمرکز دارد [2] [4].

در اینجا برخی از ویژگی های کلیدی تحلیل کلاسیک آورده شده است:

بر توزیع احتمال تکیه می کند: آمار کلاسیک فرض می کند که داده ها از یک توزیع احتمال خاص (مثلاً توزیع نرمال) پیروی می کنند [4].
آزمون فرضیه: یک فرضیه صفر (بدون اثر) و یک فرضیه جایگزین (یک اثر وجود دارد) را فرموله می‌کند و سپس از آزمون‌های آماری برای تعیین اینکه آیا شواهد از رد فرضیه صفر حمایت می‌کنند استفاده می‌کند [2].
برآورد: پارامترهای جمعیت (به عنوان مثال، میانگین، انحراف معیار) را از نمونه ها برآورد می کند [5].
تحلیل کلاسیک یک رویکرد اساسی در آمار است و هنوز به طور گسترده برای کاربردهای مختلف استفاده می شود [5].

تحلیل کلاسیک در آمار به مجموعه‌ای از روش‌ها و تکنیک‌های آماری اطلاق می‌شود که برای تحلیل داده‌ها و استنباط درباره جمعیت از آن‌ها استفاده می‌شود. این روش‌ها بر اساس فرضیات کلاسیک آماری مانند فرضیه‌های نرمالیته داده‌ها، استقلال داده‌ها و توزیع نمونه‌ها توسعه یافته‌اند. تحلیل کلاسیک در آمار به طور گسترده در طراحی آزمایش‌ها، تحلیل داده‌ها و استنباط آماری استفاده می‌شود.

تحلیل کلاسیک در آمار شامل مفاهیم و ابزارهایی مانند میانگین، واریانس، ضریب همبستگی، آزمون فرضیه، رگرسیون، تحلیل واریانس (ANOVA) و غیره است. این روش‌ها و تکنیک‌ها بر اساس فرضیاتی از جمعیت و نمونه‌برداری توسعه یافته‌اند و اغلب از توزیع نرمال برای تبیین و توصیف داده‌ها استفاده می‌کنند.

تحلیل کلاسیک در آمار به عنوان روش مبتنی بر فرضیه‌های آماری، معمولاً در صورتی کاربرد دارد که شرایط فرضیه‌های کلاسیک برقرار باشند. این شرایط شامل استقلال داده‌ها، نرمالیته داده‌ها و همبستگی ثابت بین متغیرها می‌شوند. در صورتی که این فرضیه‌ها برقرار نباشند، روش‌های دیگری مانند روش‌های آماری غیرپارامتریک مورد استفاده قرار می‌گیرند.

استفاده از تحلیل کلاسیک در آمار به عنوان یک روش معمول و متداول برای تحلیل داده‌ها و استنباط اطلاعات از جمعیت مورد استفاده قرار می‌گیرد. با این حال، باید توجه داشت که این روش‌ها معمولاً به فرضیات خاصی نیاز دارند و باید این فرضیات را بررسی و اعتبارسنجی کرد تا نتایج به درستی تفسیر شوند.

تحلیل

نوشته

تحلیل محتوای کتاب های درسی با تکنیک ویلیام رومی

نوشته

صنایع تبدیلی صنعت قارچ کدامند؟

نوشته

منظور از گویه در پرسشنامه چیست؟

نوشته

تحلیل آماری پایان نامه

 تحلیل داده های آماری با مناسب‌ترین قیمت و کیفیت برتر!

تحلیل داده های آماری

🌟با تجربه‌ی بیش از 17 سال و ارائه‌ی بهترین خدمات

مشاوره : پایان نامه و مقاله نویسی تحلیل داده های آماری

📊تحلیل داده های آماری با نرم افزارهای کمی و کیفی

توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده،  استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها  قابل ویرایش در قالب نرم افزار ورد Word می باشد. 

مبانی نظری و پژوهشی متغیر ها

📞 تماس: 09143444846 (پیامک، ایتا، واتساپ، تلگرام) 🌐 کانال تلگرام: عضو شوید

(تا جای ممکن با ایتا پیام بفرستید، زودتر در جریان خواهیم بود!)

ایمیل :   abazizi1392@gmail.com

وبلاگ ما

تحلیل آماری statistical analysis

نرم افزار های مناسب تحلیل خوشه بندی کدام ها هستند؟

نرم افزار های مناسب تحلیل خوشه بندی کدام ها هستند؟

نرم افزارهای مناسب برای تحلیل خوشه ای کدامند؟
بسته به نیازهای خاص و سطح تخصص شما، گزینه های نرم افزاری زیادی برای تجزیه و تحلیل خوشه ای موجود است. در اینجا چند نمونه هستند:

بسته‌های نرم‌افزاری آماری: R و Python گزینه‌های محبوبی برای تجزیه و تحلیل داده‌ها هستند و هر دو کتابخانه‌های مختلفی را برای تجزیه و تحلیل خوشه‌ای ارائه می‌دهند [4]
نرم‌افزار تجاری: بسیاری از شرکت‌ها نرم‌افزار تجاری را ارائه می‌کنند که به‌طور خاص برای تجزیه و تحلیل خوشه‌ای طراحی شده است، مانند GeneMarker [6]. اینها می توانند کاربرپسندتر از بسته های نرم افزاری آماری باشند، اما ممکن است گران تر نیز باشند [1].
نرم‌افزار صفحه‌گسترده: تجزیه و تحلیل خوشه‌ای معمولاً در نرم‌افزار صفحه‌گسترده مانند مایکروسافت اکسل ساخته نمی‌شود، اما ممکن است افزونه‌هایی در دسترس باشند که این قابلیت را ارائه می‌دهند [3]
در نهایت، بهترین نرم افزار برای شما به نیازها و ترجیحات خاص شما بستگی دارد.

Sources

تحلیل واریانس (ANOVA) چیست؟

نوشته

تحلیل آماری چیست؟

نوشته

انجام تحلیل داده های کمی با نرم افزار آموس (AMOS)

نوشته

روش‌های تجزیه و تحلیل داده‌های آماری

نوشته

انواع تحلیل استنباطی

 تحلیل داده های آماری با مناسب‌ترین قیمت و کیفیت برتر!

تحلیل داده های آماری

🌟با تجربه‌ی بیش از 17 سال و ارائه‌ی بهترین خدمات

مشاوره : پایان نامه و مقاله نویسی تحلیل داده های آماری

📊تحلیل داده های آماری با نرم افزارهای کمی و کیفی

توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده،  استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها  قابل ویرایش در قالب نرم افزار ورد Word می باشد. 

مبانی نظری و پژوهشی متغیر ها

📞 تماس: 09143444846 (پیامک، ایتا، واتساپ، تلگرام) 🌐 کانال تلگرام: عضو شوید

(تا جای ممکن با ایتا پیام بفرستید، زودتر در جریان خواهیم بود!)

ایمیل :   abazizi1392@gmail.com

وبلاگ ما

تحلیل آماری عوامل دموگرافیک (جمعیت شناسی)

تحلیل خوشه بندی چیست؟

تحلیل خوشه بندی چیست؟

تجزیه و تحلیل خوشه ای یک روش آماری است که برای سازماندهی نقاط داده به گروه ها (به نام خوشه ها) بر اساس شباهت های آنها استفاده می شود [1][3:][4][5]. اشیاء درون یک خوشه نسبت به اشیاء در خوشه های مختلف به یکدیگر شباهت بیشتری دارند [2][6].

این تکنیک برای کشف الگوها یا ساختارهای پنهان در مجموعه داده های پیچیده مفید است [5].

Sources

تحلیل داده های آماری

تحلیل عاملی چیست؟

تحلیل عاملی چیست؟

تحلیل عاملی روشی آماری برای کاهش پیچیدگی داده‌ها و شناسایی ساختار زیربنایی مجموعه‌ای از متغیرها است. این روش به دنبال خلاصه کردن اطلاعات موجود در تعداد زیادی از متغیرها، در قالب تعداد کمتری از متغیرهای نهان (عامل) است.

به عبارت دیگر، تحلیل عاملی به ما کمک می‌کند تا بفهمیم که چه تعداد عامل، واریانس موجود در داده‌ها را تبیین می‌کنند و هر متغیر با کدام عامل ارتباط دارد.

کاربردهای تحلیل عاملی

  • کاهش ابعاد داده‌ها: زمانی که با تعداد زیادی از متغیرها روبرو هستیم، تحلیل عاملی می‌تواند به ما کمک کند تا داده‌ها را به ابعاد کمتری خلاصه کنیم و از این طریق، تحلیل داده‌ها را ساده‌تر کنیم.
  • شناسایی ساختار زیربنایی داده‌ها: تحلیل عاملی می‌تواند به ما کمک کند تا ساختار زیربنایی داده‌ها را شناسایی کنیم و به این ترتیب، درک عمیق‌تری از پدیده مورد مطالعه به دست آوریم.
  • تشکیل مقیاس‌های جدید: تحلیل عاملی می‌تواند برای تشکیل مقیاس‌های جدید از متغیرهای مرتبط با یکدیگر استفاده شود.

انواع تحلیل عاملی

دو نوع اصلی تحلیل عاملی وجود دارد:

  • تحلیل عاملی اکتشافی (EFA): زمانی که اطلاعات کافی درباره ساختار داده‌ها نداریم، از تحلیل عاملی اکتشافی استفاده می‌شود.
  • تحلیل عاملی تأییدی (CFA): زمانی که اطلاعات کافی درباره ساختار داده‌ها داریم، از تحلیل عاملی تأییدی استفاده می‌شود.

Wikipedia – تحلیل عاملی: https://fa.wikipedia.org/wiki/%D8%AA%D8%AD%D9%84%DB%8C%D9%84_%D8%B9%D8%A7%D9%85%D9%84%DB%8C

  1. Analysis Academy – تحلیل عاملی چیست؟: https://analysisacademy.com/4502/4502.html
  2. Parsmodir – تحلیل عاملی: https://parsmodir.com/db/research/factor-analysis.php
  3. اطمینان شرق – تحلیل عاملی-روشی برای خلاصه سازی داده ها: https://spss-iran.ir/factor-analysis/
  4. آپارات – تحلیل عاملی چیست؟ Factor Analysis: https://www.aparat.com/v/5vh4D
  5. Kiara Academy – آموزش تحلیل عاملی اکتشافی: https://kiaraacademy.com/teaching-exploratory-factor-analysis/

فصل 1: آموزش کاربردی نرم‌افزار انویوو NVIVO (آشنایی کلی با نرم افزار)

نوشته

برترین دانشگاه جهان و ایران

نوشته

سایت Earnably چیست؟ کسب درآمد 200 دلار در ماه از سایت پول ساز آنلاین

نوشته

تحلیل محتوای کتاب های درسی با تکنیک ویلیام رومی

نوشته

خواص و مضرات گیاه داروئی آلوئه چیست

 تحلیل داده های آماری با مناسب‌ترین قیمت و کیفیت برتر!

تحلیل داده های آماری

🌟با تجربه‌ی بیش از 17 سال و ارائه‌ی بهترین خدمات

مشاوره : پایان نامه و مقاله نویسی تحلیل داده های آماری

📊تحلیل داده های آماری با نرم افزارهای کمی و کیفی

توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده،  استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها  قابل ویرایش در قالب نرم افزار ورد Word می باشد. 

مبانی نظری و پژوهشی متغیر ها

📞 تماس: 09143444846 (پیامک، ایتا، واتساپ، تلگرام) 🌐 کانال تلگرام: عضو شوید

(تا جای ممکن با ایتا پیام بفرستید، زودتر در جریان خواهیم بود!)

ایمیل :   abazizi1392@gmail.com

وبلاگ ما

 

تحلیل آماری عوامل دموگرافیک (جمعیت شناسی)

روش پژوهش گراندد تئوری

روش پژوهش گراندد تئوری

قبل از اینکه روش پژوهش گراندد تئوری را شرح دهیم، باید با عبارت تحقیق به خوبی آشنا شوید. عبارت تحقیق در دو جایگاه مختلف کاربرد دارد. کاربرد اول عبارت تحقیق در تولید گزاره علمی است که بر بیان انواع مختلف روش‌های علمی دلالت دارد. روش پژوهش تاریخی، روش پژوهش تحلیل محتوا، روش پژوهش آزمایشی و … همگی نمونه‌هایی از کاربرد اول عبارت تحقیق هستد.

اکثر دانشجویان با وجود اینکه نمرات مطلوبی در دروس روش تحقیق اخذ می‌کنند، حین نوشتن پایان نامه با مشکلاتی رو به رو می‌شوند. ضعف دانشجویان در این زمینه، نوع دیگر عبارت تحقیق است. در این نوع، فرد باید بتواند مراحل دقیقی را برای تولید یک پژوهش و مقاله طی کند. کسانی که به دنبال تولید یک اثر پژوهشی در قالب مقاله یا پایان‌نامه هستند، بهتر است از کاربرد دوم این عبارت استفاده کنند و با نوشتار کامل پایان نامه آشنا شوند. 

روش پژوهش گراندد تئوری روشی کیفی است که بر پایه جمع‌آوری اطلاعات و داده‌ها شکل می‌گیرد. جمع‌آوری داده‌ها با استفاده از ابزارهای مختلفی انجام شده که هرکدام طبق نظر پژوهشگر انتخاب می‌شود. در ادامه با مفهوم اصلی روش پژوهش گراندد تئوری آشنا خواهیم شد.

پژوهش گراندد تئوری چیست؟

واژه گراندد تئوری در لغت، معناهای مختلفی را در بر می‌گیرد. این واژه معانی همچون نظریه بنیادی، نظریه زمینه‌ای، نظریه مبنایی، نظریه داده‌محور، نظریه‌پردازی داده‌بنیاد، نظریه مفهوم‌سازی بنیادی، رویش  نظریه، نظریه برخاسته از داده و… دارد. پژوهشگران تصمیم گرفته‌اند که برای جلوگیری از ابهام‌های گوناگون، کلمه گراندد تئوری را به کار ببرند.

روش پژوهش گراندد تئوری با دیگر روش‌های پژوهش متفاوت است. در دیگر روش‌های پژوهش، شروع پژوهش با اتکا به نظریه‌های موجود شکل می‌گیرد. اما در روش گراندد تئوری با تدوین نظریه و فرضیه کار را شروع می‌کنند. گراندد به این معنا است که هر نظریه یا گزاره جزء و زمینه‌ای از داده‌های واقعی هستند. این روش پژوهشی زمانی که اطلاعات جامعی نبوده و ضعف دانش و اطلاعات در زمینه پژوهش باشد، مورداستفاده قرار می‌گیرد. روش پژوهش گراندد بر اساس نظریه استدلال استقرایی انجام می‌شود. این نظریه با توجه به تجربه‌های زندگی روزمره، مراودات، مستندات و مشاهدات شکل می‌گیرد.

پژوهش گراندد تئوری به جمع‌آوری اطلاعات عمیق در مرحله کیفی و جهت‌دهی در مرحله کمی کمک بسیاری می‌کند. از زمانی که این نوع روش پژوهش ابداع شده، الگوهای ساماندهی مختلفی برای اجرای این مسیر ارائه شده است. الگوی اولیه روش پژوهشی گراندد ابتدا توسط گلیزر و اشتراوس ایجاد شده و با همکاری کوربین الگوی دیگری بنیان‌گذاری شده است. پس از گذشت چندین سال، هرکدام از پژوهشگران مسیر خود را پیش گرفته‌اند و الگویی متفاوت از دیگری ارائه داده‌اند. پس از اینکه دو رویکرد اولیه شکل گرفت، کارشناسان رویکردهای دیگری را هم معرفی کردند. در شکل زیر می‌توانید فرایند تاریخی و تقسیمات روش گراندد تئوری را ببینید.

پس از اینکه گلیزر و اشتراوس همکاری خود را به پایان رسانند، در سال ۱۹۹۰ رویکرد نظام‌مند سیستماتیک روش پژوهشی گراندد تئوری معرفی شد. گلیزر به‌تنهایی در سال ۱۹۹۵ رویکرد ظاهر شونده را برای این روش پژوهش ارائه داد. رویکرد نظام‌مند سیستماتیک و ظاهر شونده بسیار مورد استقبال قرار گرفت. چارمز در سال ۲۰۰۰ یک رویکرد ساختارگرایانه، شاتزمن در سال ۱۹۹۱ رویکرد ابعادی و کلارک در سال ۲۰۰۳ رویکرد تحلیل موقعیت را به جامعه پژوهشگران معرفی کردند. با گذشت زمان، این الگوها به انواع بیشتری تقسیم‌بندی شده‌اند که در جدول زیر قرار گرفته است.

بهتر است برای آشنایی بیشتر با این رویکردها، به توصیف هرکدام بپردازیم.

  • رویکرد ظاهر شونده با نام کلاسیک گلیزر هم شناخته می‌شود.
  • در رویکرد ظاهر شونده با استفاده از داده‌ها، نظریه‌ای در فرایند پژوهش شکل می‌گیرد.
  • نظریه پژوهش در رویکرد نظام‌مند اشتراوس و کوربین، به شکل یک مدل پارادایمی (از پیش تعیین شده) است.
  • در رویکرد ساخت‌گرایانه چارمز، نظریه طبق جمع‌آوری داده‌ها از محیط پژوهشگر و تفسیر آن ساخته می‌شود.
  • نظریه رویکرد موقعیتی کلارک، بر اساس توجه مداوم به موقعیت سوژه و عنصرهای انسانی یا غیرانسانی که در سوژه تأثیرگذار هستند، شکل می‌گیرد.
  • در روش تحلیل ابعاد شاتزمن، نظریه پژوهش با در نظر گرفتن ابعاد مختلف اثرگذار بر پدیده اصلی پیاده‌سازی می‌شود.

رویکردهای روش گراندد تئوری

به طور کلی می‌توان گفت که روش گراندد تئوری از سری روش‌های کیفی در پژوهش است که از ابتدای پیدایش با تحولات زیادی روبه‌رو شده است. طبق نظر پژوهشگران احتمال وجود تحولات بیشتر در آینده هم وجود دارد. اکثر پژوهشگران، نظریه‌های خود را با استفاده از رویکرد پنج‌گانه می‌سازند؛ اما رویکردهای دیگری هم در روش گراندد تئوری مورد استفاده قرار می‌گیرد. لازم است برای آشنایی بیشتر، رویکردهای دیگر را توضیح دهیم.

رویکرد انتقادی الیور در روش گراندد تئوری

رویکرد انتقادی الیور تأکید بر ساخت نظریه با رویکرد اشتراوس و کوربین را دارد. این رویکرد با کاربرد رئالیست انتقادی شکل می‌گیرد. همچنین به بررسی و تحلیل واقعیت‌های اجتماعی از ابعاد سه‌گانه ” واقعیت به‌عنوان حوزه ساختار”، “مکانیزم واقعه به‌عنوان حوزه رخدادها” و “تجربه به‌عنوان حوزه ادراک و تجربیات” می‌پردازد.

رویکرد انعکاسی الوسون و اسکالبرگ در روش پژوهش گراندد تئوری

رویکرد انعکاسی الوسون و اسکالبرگ در راستای ساخت نظریه با در نظر گرفتن انعکاس نگرش پژوهشگر است. این نگرش بر جمع‌آوری داده، تحلیل، تفسیر و نتیجه‌گیری تأکید بسیاری دارد.

تعبیر دیگری هم برای این رویکرد وجود دارد. پژوهشگران می‌توانند برای استفاده از این رویکرد، طوری پیش بروند که به نتیجه موردنظر خود برسند. برای مثال پژوهشگر می‌تواند جامعه آماری را طوری انتخاب کند که نگرش‌ها در مصاحبه با افراد انعکاس پیدا کند. پژوهشگر می‌تواند مقوله‌بندی، سؤالات، کدگذاری یا معانی و مفاهیم را طوری با نگرش خود پیش ببرد تا نتیجه پژوهش حاصل اندیشه‌های خود باشد. البته ممکن است که این اتفاق‌ها بدون قصد و ناخودآگاه برای پژوهشگر رخ دهد و قصد تأثیرگذاری بر پژوهش نداشته باشد.

رویکرد نظریه چندگانه گولدکوهل و کرانهولم

رویکرد نظریه چندگانه گولدکوهل و کرانهولم کمی با دیگر رویکردها متفاوت است. در مرحله‌های از پیش تعیین شده، می‌توانید از نظریه‌های موجود برای الهام‌بخشی و مقایسه داده‌ها استفاده کنید.

رویکرد فمینیستی ووست در روش گراندد تئوری

این رویکرد بر معرفت‌شناسی فمینیسم، شنیده‌شدن صدای زنان تحت تبعیض جنسیتی و رفتارهای ناعادلانه تمرکز دارد. این رویکرد نشان می‌دهد که روش گراندد تئوری فمینیستی تنها یک روش پژوهش نیست. از نظر رویکرد فمینیستی، گراندد تئوری رویکردی اضافه‌تر از دیگر رویکردها است که آن را بازتاب تأکید بر رویکرد انسانی و اجتماعی می‌دانند.

رویکرد نظریه بصری کونکی

رویکرد نظریه بصری کونکی یکی از رویکردهای روش گراندد تئوری است که بر داده‌های بصری و مدل تصویربرداری چندتایی تأکید دارد. محورهای اصلی این رویکرد، تلاش بر خلق تصویر، ایجاد ارتباط با تصاویر بصری، محصول بصری، پذیرش یک تصویر و ابعاد بصری نمایش و روش تحلیل اطلاعات بصری است.

رویکرد نظریه مطلع تورنبرگ

رویکرد نظریه مطلع تورنبرگ، سعی بر ایجاد نظریه‌هایی در راستای ادبیات پژوهش و چارچوب‌های نظری موجود دارد. این رویکرد، نظریه‌های پیشین را با دقت و حساسیت بالا مورد بررسی قرار می‌دهد و استفاده از این نظریه هارا منع نمی‌کند.

رویکرد کمی گراندد تئوری

رویکرد کمی گراندد تئوری در اجرای پژوهش، رویکردی جدید نیست و به پژوهشگران اجازه می‌دهد تا با کمک روش استقرایی در ایجاد نظریه از داده‌های کمی کمک بگیرند. این رویکرد بر این مبنا است که  در نظریه زمینه‌ای، از داده‌های کمی یا ترکیب روش‌های تحلیل کیفی و کمی باید استفاده کرد.

رویکرد نظریه‌های نوظهور خنیفر

رویکرد نظریه‌های نوظهور تأکید بر استقلال اندیشه‌های مصاحبه‌شونده دارد. باید در ساخت نظریه از نظرات متفاوت مصاحبه‌شوندگان صحبت کرد و تمامیت اندیشه آنها را در نظریه نهایی استفاده کرد.

در چه پژوهش‌هایی می‌توان از روش گراندد تئوری استفاده کرد؟

پژوهش‌هایی که نظریه‌ای ندارند یا نیاز به گزاره و فرضیه دارند، از سری پژوهش‌هایی هستند که می‌توان از روش گراندد تئوری استفاده کرد. در جدول زیر این موارد را به‌صورت شفاف‌تر بیان کرده‌ایم.

همان‌طور که می‌دانید، فرضیه یک حدس هوشمندانه است که طبق مشاهدات و نظریه‌های مختلف بیان شده و قابل‌بررسی است. در نتیجه برای بیان فرضیه، باید با مبانی نظری پژوهش آشنا باشید. در صورتی که اطلاعات نظری لازم را برای تولید نظریه پژوهش ندارید، می‌توانید با استفاده از روش گراندد تئوری فرضیه را بسازید.

یکی از ویژگی‌های مثبت نظریه خوب، عام بودن آن است. عام بودن نظریه به این معناست که بتوان با آن، بسیاری از امور را تبیین کرد. البته این ویژگی ممکن است گاهی چالش‌برانگیز هم باشد. بهتر است برای چالش برانگیز بودن این ویژگی مثالی بزنیم. یک تور ماهیگیری بزرگ را در نظر داشته باشید. بزرگی این تور ماهیگیری موجب فرار ماهی‌های کوچک می‌شود. در این شرایط از روش پژوهش گراندد تئوری استفاده می‌کنیم. نظریه‌ای که حاصل از این روش به دست می‌آید، تئوری محدود با رویکردی واقعی است.

این روش پژوهش از الگوهایی همچون اگر پس و آنگاه استفاده می‌کند تا موجبات علی رخداد فراهم شود و به پیامد یا نتیجه‌ای برسیم. روش گراندد تمام اطلاعات، محتوا و داده‌ها را منبعی برای ایجاد نظریه و حل پژوهش می‌داند. پژوهشگران زمانی از روش گراندد تئوری استفاده می‌کنند که موضوع تحت مطالعه در پژوهش‌های قبلی موردتوجه قرار نگرفته باشد؛ بنابراین این روش زمانی استفاده می‌شود که هدف از مطالعه تدوین، تعدیل یا اصلاح نظریه باشد.

فرایند اجرای پژوهش گراندد تئوری

مراحل اجرای فرایند پژوهشی گراندد تئوری به صورت خلاصه در جدول زیر قرار گرفته است. در ادامه به بررسی هرکدام از این موارد می‌پردازیم. مرحله‌های اجرای فرایند گراندد به انتخاب الگو یا رویکرد آن وابسته است.

یکی از مهم‌ترین ویژگی‌های گراندد تئوری، هم‌زمانی مرحله جمع‌آوری داده با تجزیه تحلیل و مقایسه مداوم داده‌ها است. گام اول اکثر رویکردها، بر جمع‌آوری داده و منابع مورداستفاده تمرکز دارد. مهم‌ترین منبعی که در این روش برای جمع‌آوری داده‌ها استفاده می‌شود، مصاحبه است. برای تهیه مصاحبه، پژوهشگر باید یک نمونه (شرکت‌کننده یا مصاحبه‌شونده) انتخاب کند. سپس با توجه ‌به هدف مدنظر پژوهش، داده‌های مرتبط را جمع‌آوری کند.

رویکردهای اصلی گراندد تئوری

طراحی پژوهش باید برای هرکدام از پنج رویکرد اصلی گراندد تئوری انجام شود. این پنج رویکرد گراندد تئوری شامل رویکرد کلاسیک گلیزر، رویکرد نظام‌مند اشتراوس و کوربین، رویکرد ساختارگرای چارمز، تحلیل موقعیت کلارک و تحلیل ابعاد شاتزمن است. البته توجه داشته باشید که رویکردهای اصلی و اولیه گراندد تئوری متعلق به گلیزر و اشتراوس است. در ادامه به توصیف و بررسی هرکدام از این رویکردهای اصلی می‌پردازیم.

رویکرد گلیزر

رویکرد گلیزر نیاز به ذهنی سرشار از حساسیت نظری دارد تا به دنبال اطلاعات و داده‌های خاص برود. خلاقیت در پیاده‌سازی نظریه، پایه استفاده از این رویکرد است. رویکرد گلیزر یک رویکرد ظاهر شونده است؛ زیرا با استفاده از مراحل سه‌گانه تحلیل داده از جمله کدگذاری باز، محوری و انتخابی به نظریه می‌رسید. رویکرد گلیزر شامل انواع کدگذاری است که در جدول زیر قرار داده‌ایم.

در روش کدگذاری باز، داده‌ها به صورت آزاد کدگذاری می‌شود تا محور پژوهش مشخص شود. محور پژوهش یا مقوله محوری مشخص می‌کند که چگونه مشارکت‌کنندگان (مصاحبه‌شونده) مشکل اصلی خود را در راستای مسئله طرح شده، حل کنند. پس باید در ابتدای کار که تصمیم به استفاده از کدگذاری باز داشتید، به دنبال متغیر محوری یا اصلی باشید. کدهای نظری به ایجاد ارتباط میان کدهای واقعی کمک می‌کند. کدهای واقعی نتیجه کدگذاری باز و انتخابی است که مجدد به‌صورت خودجوش متصل شده‌اند. پس می‌توان گفت که کدهای واقعی بدون کدهای نظری، تهی و بی‌ارزش هستند.

رویکرد گلیزر برای تلفیق مقوله‌ها به خانواده‌های کدگذاری و مدل‌سازی اشاره می‌کند؛ اما رویکرد استراواس با استفاده از یک پارادایم کدگذاری شده است. گلیزر برای تلفیق‌کردن این کدهای واقعی، ۱۸ گروه یا خانواده از کدهای نظری را به عنوان الگو تلفیق کرد. این ۱۸ خانواده هم‌پوشانی بسیار با یکدیگر داشته‌اند. گلیزر پژوهشگرها را برای تعیین نحوه پیوند واژه‌ها آزاد گذاشته است و تلفیق کدها هیچ‌گونه محدودیتی ندارد. در جدول زیر چهار نمونه از خانواده‌های کدگذاری شده گلیزر قرار دارد.

گلیزر در مطالعات بعدی خود، نمونه‌های دیگری را هم معرفی کرده است تا ذهن پژوهشگر را آزاد کند و دیدگاه وسیع‌تری به او ببخشد. باور اصلی گلیزر بر این مبنا است که نظریه باید به‌صورت طبیعی و خلاقانه از داده‌ها بیرون آید. در مقابل آن، اشتراوس و کوربین بر این عقیده هستند که چارچوب باید یکسان و از پیش تعیین شده بوده تا خروجی داده‌ها و نظریه نهایی در این راستا باشد.

رویکرد اشتراوس و کوربین در گراندد تئوری

همان‌طور که پیش‌تر گفتیم، رویکرد نظام‌مند اشتراوس و کوربین بر مبنای یک چارچوب از پیش تعیین شده است. این رویکرد در مدل یک پارادایم مرتب و معین گام برمی‌دارد. از سری محبوبیت‌هایی که این رویکرد دارد، دستورالعمل و مسیر شفاف آن است. کدگذاری باز، فرایندی است که داده و مفاهیم در آن شناسایی شده و در نهایت ابعاد آن کشف می‌شود. در کدگذاری محوری، مرتبط کردن مقوله‌های فرعی صورت می‌گیرد. محوریت کدگذاری انتخابی بر پایه یکپارچگی نظریه است. یکی از اهداف مدنظر برای جمع‌آوری داده‌های کیفی در این رویکرد، پیاده‌سازی مقوله‌هایی در قالب یک مدل پارادایمی است.

هرکدام از مقوله‌هایی که در مدل پارادایمی رویکرد اشتراوس و کوربین استفاده می‌شود، در جدول زیر به‌صورت مختصر توصیف شده‌اند.

رویکرد اشتراوس و کوربین بر این نظر است که قرارگرفتن این مقوله‌ها در یک مدل، کمک می‌کند تا پژوهشگر به‌صورت نظام‌مند داده هارا به هم مرتبط کرده و شیوه‌ای مناسب به کار گیرد.

رویکرد چارمز

مبنای این رویکرد بر واقعیت‌های چندگانه و تفسیری قرار دارد. رویکرد چارمز عقیده دارد که هر انسان از ادراک، فهم و تعبیر متفاوتی از جهان پیرامون خود می‌رسد. زیرا این موارد با منافع، ارزش‌ها و علایق انسان‌ها خو می‌گیرد. در رویکرد چارمز، پژوهشگر به دنبال این است که بداند در هر موقعیتی سوژه یا افراد چه می‌گویند. این رویکرد کمک می‌کند تا پدیده واقعی باشد و این امکان را دارد تا در زمینه‌های خاص خود را نشان دهد. ادراک، علایق، منافع همگی در نتیجه پژوهش اثرگذار است. پژوهش به صورت گسترده از دیدگاه‌های مختلف مورد بررسی قرار می‌گیرد. اگر پژوهشگر بخواهد برای حل پژوهش خود از این روش استفاده کند، باید مشاهدات خود را با مشارکت بیشتری انجام دهد و با تحلیل و درون‌نگری، اعمال گروه‌های مختلف را مورد آزمایش قرار دهد.

تعارض گروه‌های مختلف به پژوهش مدنظر می‌تواند راهی برای پیداکردن نظریه پژوهش باشد. پژوهشگر برای استفاده از این رویکرد نباید خود و مستندات را محدود کند. در این روش باید به آشکارسازی موارد جزئی و برداشت‌ها، خواسته‌ها و انتظارات پرداخت. شاید بتوان گفت که خانم چارمز با ارائه این رویکرد به مطالعه مردم‌نگارانه پرداخته است. مطالعه مردم‌نگارانه به این معناست که پژوهشگر از طریق مشاهده، سند، مصاحبه و دیگر راه‌های جمع‌آوری داده به مطالعه‌ای عمیق و چندگانه دست یابد.

در رویکرد چارمز نیاز است که پژوهشگر علاوه بر ارتباط و تماس نزدیک با مردم، داده‌ها و شواهد را به خوبی مقایسه و تحلیل کند. پژوهشگر موظف است اطلاعات و حرف‌ها را جزءبه‌جزء در پژوهش ثبت کند. رویکرد چارمز بر رویکرد گلیزر تأکید داشته و اشاره به نداشتن چارچوب حین پژوهش دارد. در این راستا، داشتن یادداشت‌های تفسیری پژوهشگر بسیار قابل اهمیت و مهم است. پژوهشگر باید بداند که این داده‌ها تنها برای پژوهش کافی نیستند و باید معنا، تفسیر و موقعیت را هم تحلیل و یادداشت‌برداری کند. به طور کلی می‌توان گفت که تعامل عینی و ذهنی پژوهشگر، نظریه این رویکرد را می‌سازد.

تفاوت رویکرد چارمز با رویکردهای قبلی این است که پژوهشگر باید اجازه دهد تا روش موردنظر مسئله پژوهش، شکل بگیرد. برای اینکه از کافی بودن داده‌ها اطمینان حاصل کنید، بهتر است سؤالاتی که در جدول زیر قرار دارد را از خود بپرسید.

از سری نکات مهمی که حین پژوهش باید به آن توجه داشته باشید، احترام به نظر مصاحبه‌شونده یا شرکت‌کنندگان است. این مسئله بدین معنا نیست که پژوهشگر همه دیدگاه هارا بپذیرد. تنها باید نظر شرکت‌کننده را تفسیر و بدون تحمیل نظر خود، داده هارا جمع‌آوری و تحلیل کند. هر داده‌ای از جمله واژه‌های پیچیده، نمودار و نقشه‌های مفهومی که اطلاعات را مبهم کند از اعتبار نظریه می‌کاهد. پژوهشگر در این شرایط به جای استفاده از روش کدگذاری نظام‌مند، نظریه را از درون داده‌ها بیرون می‌کشد. تولید نظریه نیاز به خلاقیت فردی پژوهشگر دارد تا با قدرت نویسندگی و تخیل خود، نظریه را ایجاد کند. تولید نظریه با استفاده از جملات مفید و مختصر از دل مصاحبه شکل می‌گیرد.

رویکرد کلارک

روش ادل کلارک با نام گراندد تئوری موقعیتی شناخته می‌شود. این روش بر پایه رویکرد اشتراوس و کوربین بنیان‌گذاری شده و بر موقعیت تمرکز دارد. کلارک در استفاده از این روش تأکید کرده که پژوهشگر باید به طور دائم دنبال موقعیت سوژه موردمطالعه یا عناصر انسانی و غیرانسانی اطراف سوژه باشد. به عبارتی می‌توان گفت که اثرگذاری اطراف سوژه یکی از موضوعات مهم در این رویکرد است. علاوه بر موارد ذکرشده، تمرکز بر سؤالات زیر هم خواهد بود.

چه کسی و چه چیزی در موقعیت سوژه موردمطالعه وجود دارد؟

اهمیت این موقعیت برای چه کسی است؟

عناصر تاثیرگذار بر موقعیت کنونی چیست؟

در رویکردی که ادل کلارک ارائه داده است، به‌جای استفاده از ” زمینه ” مفهوم ” موقعیت ” خود را نمایان می‌کند. زیرا بر این باور است که موقعیت مدام در دگرگونی شرایط تأثیرگذار است. نقشه کردن یکی از وجه‌هایی است که این روش را بر دیگر رویکردها متمایز کرده است. در رویکرد کلارک، نقشه شامل تمام اطلاعاتی است که پژوهشگر به‌صورت تکوینی، رفت و برگشتی و پلکانی جمع‌آوری می‌کند. پروسه نقشه کردن به مصورسازی، تجسم بخشیدن به اندیشه و آشکارسازی کردارهای گفتمانی کمک می‌کند. نقشه‌ای کردن موقعیت یک فرایند و عمل تکرارشونده است که در سه‌گام اساسی شامل موقعیت، عرصه و وضعیت پیاده‌سازی می‌شود. در جدول زیر این موارد به صورت دقیق‌تر قرار دارد.

برای شناسایی و تشخیص عناصر در این مرحله باید پرسش‌های زیر را در پژوهش استفاده کنید.

  • عناصر تشکیل‌دهنده این موقعیت خاص چیست؟
  • در این موقعیت چه کسانی با چه آئینی وجود دارند؟
  • معانی نمادین و ساختارها چیست؟
  • موقعیت مدنظر شامل چه گروه‌ها، قشرها، نهادها یا ساختارها می‌شود؟
  • چه تمایزهایی در موقعیت مشاهده می‌شود؟
  • گفتمان‌های موجود در موقعیت چیست؟
  • چه تمایزهایی در موقعیت وجود دارد؟
  • حوزه‌های نفوذ یا قدرت در این موقعیت کدام‌اند؟

در مرحله بعد باید به تهیه یک نقشه عرصه پرداخت. این مرحله به ایجاد پیوند بین مقوله‌ها کمک می‌کند. سؤالاتی که در این مرحله به کمک شما می‌آیند، به شرح زیر است.

  • جهان‌های اجتماعی مختلف، چگونه حول گفتمان‌ها و علایق و منافع مشترک به وجود می‌آیند؟
  • این جهان‌ها چگونه عمل یا اختلاف پیدا می‌کنند؟

در مرحله سوم پژوهشگر به تهیه نقشه وضعیت می‌پردازد. آماده‌سازی این نقشه کمک می‌کند تا مقوله‌های مرتبط با هم نمایش داده شوند. سؤالات موردنیازی که در این بخش باید پرسیده شود، شامل موارد زیر است.

  • فعل و انفعالات در جریان کدام‌اند؟
  • مسیر غیرخطی فرایندها و فعالیت‌ها در میدان نیرو، چگونه پیش می‌رود؟
  • سناریوهای موجود چیست؟
  • چه اتفاقاتی منجر به چه آثار و نتایجی می‌شود؟

رویکرد شاتزمن در پژوهش گراندد تئوری

این رویکرد نیاز به چشم‌انداز دارد و داشتن چشم‌انداز از ضرورت‌های این رویکرد است. استفاده از چشم‌انداز در این رویکرد برای تحلیل در فرایند و مقایسه دائمی داده‌ها است. پایه شکل‌گیری یک دانشنامه، مدخل نویسی است. دانشنامه باید به یک نوع ژانر خاص و مدیریت مدخل‌ها بپردازد. در نهایت با مفهوم‌سازی بین واحدهای قابل مدیریت، ارتباط برقرار خواهدشد. این ارتباط، واحدهای دانش را به صورت یک کلیت منسجم پیاده‌سازی کرده و دانشنامه جامع ایجاد می‌شود.

دانشنامه، نمایی از دانش را ارائه می‌دهد که پوشش موضوعی دانشنامه را در بر گیرد. در نتیجه می‌توان گفت که با استفاده از رویکرد شاتزمن، هر پدیده در قالب دانشنامه است و تمام مدخل‌های معنایی در این دانشنامه جمع‌آوری می‌شود. در رویکرد شاتزمن، پژوهشگر باید تمام داده‌ها و شواهد را تک به تک نام‌گذاری و نشانه‌گذاری کند و هیچ یک از تجربه هارا از قلم نیندازد. شاتزمن به مفهوم‌سازی بسیار اهمیت داده و این موضوع را به رقص پردازی یا کوریو گراف تشبیه کرده است که به طراحی حرکات پیچیده پرداخته می‌شود. رویکرد شاتزمن در پژوهش‌های گراندد تئوری به صورت چند گام غیرخطی توصیف شده است که در جدول زیر قرار گرفته است.

نکات نمونه‌گیری در روش گراندد تئوری

در استفاده از روش پژوهش گراندد تئوری باید به نکات مختلفی توجه داشته باشید، تا پژوهش شما به شیوه‌ای درست به نظریه برسد. به‌طورکلی روش گراندد تئوری به جامعه آماری بزرگ اهمیتی نمی‌دهد و مبنای این روش بر موقعیت‌های خاص تمرکز دارد. دامنه کار در این روش را موضوع و مسئله پژوهش مشخص می‌کند. برای مثال اگر پژوهش در راستای وجود مشکل در سازمان‌های خاص باشد، باید از افرادی باتجربه‌های مشترک کمک بگیریم. چارچوب انتخاب نمونه در روش گراندد باید بر حسب موضوع، مسئله و موقعیت باشد. این به معنای هدف‌مند بودن این روش است. نظری بودن یکی دیگر از چارچوب‌های نمونه‌گیری است. نظری بودن در رویکرد به این معناست که کفایت لازم برای رسیدن به اکتشافات نظریه وجود داشته باشد. چارچوب نمونه‌گیری در این روش پژوهش با استفاده از دو معیار اندازه‌گیری می‌شود که در جدول زیر مورد بررسی قرار گرفته است.

تعیین مقدار نمونه و سؤالات پژوهش به موقعیت بستگی دارد. نمونه‌گیری پژوهشی که در مرحله صفر باشد نیاز به افراد با تجربه و مملو از اطلاعات دارد که از طبقه‌های اجتماعی مختلفی برخوردار باشند. برای مثال اگر پژوهشی در دانشگاه شکل گرفت باید بررسی کرد که چه گروه‌هایی از افراد حاضر در دانشگاه (اساتید، کادر اجرایی، دانشجویان)  درگیر این مسئله خواهند شد. سپس به دنبال انتخاب نمونه و جمع‌آوری اطلاعات می‌پردازیم. جمع‌آوری اطلاعات باید به حدی پیش برود که داده‌ها تکراری شوند. در این زمان می‌توان گفت که داده‌ها به حد کافی گردآوری شده‌اند. اگر به این مرحله نرسیده‌اید، ممکن است در انتخاب نمونه یا فضای جمع‌آوری اطلاعات اشتباه کرده‌اید؛ بنابراین توجه داشته باشید که حجم نمونه در حین کار مشخص خواهد شد. همچنین علاوه بر افراد می‌توان فضا و موقعیت را مورد بررسی قرار داد.

نکات مهم در جمع‌آوری اطلاعات

مسیرهای پژوهش در این روش با نظریه‌ای خاص آغاز نمی‌شود. این رویکرد با تکیه بر داده موقعیت‌های خاص شروع شده و به نظریه نهایی ختم خواهد شد. تعامل و بررسی داده‌ها در این رویکرد نیاز به ذهنی باز و نظریه‌پرداز دارد. حساسیت نظری یکی دیگر از مسائلی است که باید در جمع‌آوری داده‌ها و اطلاعات به آن توجه کنید. داشتن حساسیت نظری کمک می‌کند تا پژوهشگر به فعالیت‌هایی از جمله تماس ذهنی متفکرانه با موقعیت خاص، مشاهده عمیق و کاربردی، طرح سؤال‌های مناسب برای مصاحبه، تحلیل و آنالیز درست و… بپردازد. به صورت کلی پژوهشگر باید با اشراف کامل نظری به پژوهش و آنالیز داده‌ها داشته باشد تا بتواند به نظریه‌ای خلاقانه برسد. در این جدول اشاره شده که پژوهشگر در رویکردهای متفاوت به دیدگاه‌های مختلفی دست پیدا کرده است.

همان‌طور که گفته شد، جمع‌آوری اطلاعات و داده‌ها در روش گراندد تئوری به صورت‌های مختلفی انجام می‌شود که این روش‌ها شامل مشاهده، مصاحبه، بررسی مدارک، نظرات مشارکت‌کنندگان و تحلیل شخصی پژوهشگر است. مصاحبه به‌صورت مستقیم با شرکت‌کننده انجام می‌شود و ارزیابی عمیقی بر روی ادراک، نگرش و علاقه فرد مقابل صورت می‌گیرد. مصاحبه در رویکرد گراندد تئوری به صورت باز یا نیمه ساختاریافته انجام خواهدشد. در مصاحبه‌های این روش، سؤالات به صورت استاندارد طرح شده و پاسخ پیش فرضی ندارند.

جمع‌آوری داده‌ها با توصیف موقعیت شروع شده و طوری پیش می‌رود که شناخت وضعیت تنها قابل اهمیت است. این مرحله با نام توصیف غنی شناخته می‌شود. توجه داشته باشید که در این مرحله داده‌هایی مانند مکان‌ها، کنش و رخدادها جمع آوری شده و به دنبال الگوی از پیش تعیین شده نخواهیم بود.

نکات موردنیاز در تحلیل یافته‌ها

تحلیل یافته‌ها در این رویکرد با استفاده از خردکردن، مفهوم پردازی، نام‌گذاری و مقوله‌بندی داده‌ها شکل می‌گیرد. اکثر رویکردها حین جمع‌آوری داده به تحلیل آن هم می‌پردازند. البته ممکن است که پس از اتمام جمع‌آوری داده‌ها، مجدد به تحلیل آن‌ها پرداخته شود. این تحلیل تا زمانی که پژوهشگر به اشباع نظری برسد، ادامه پیدا می‌کند. عناصر روش گراندد در جدول زیر است.

ابتدا جملات و داده‌های جمع‌آوری‌شده در یک جدول قرار می‌گیرند. سپس به داده‌ها یک کد معین اختصاص می‌دهند. در نتیجه با شناسایی کدها یک عنوان مفهومی در نظر گرفته می‌شود. در مرحله بعد مفاهیم مشترک را شناسایی کرده و مقوله‌های فرعی را محدود می‌کنیم. درنهایت با تشخیص ویژگی‌های مشترک این مقوله‌های فرعی، مقوله اصلی را سازماندهی می‌کنیم.

کوچک‌ترین واحد داده‌ای که پژوهشگر به دست می‌آورد هم قابل‌تحلیل است، زیرا دارای یک کد معرف است که شامل ابزار، منبع داده و مشخصات مشارکت‌کننده خواهد بود. هرکدام از کدگذاری‌ها در این رویکرد با علامت و کدهای مشخصی نشانه‌گذاری می‌شوند. برای مثال کد مصاحبه IN، پرسش‌نامه بازQN، مشاهده OB، اسنادDO، تأملات شخصی SE و …. است. به همین ترتیب بقیه ابزارها کدگذاری خواهندشد.

فرایند کدگذاری در رویکردهای گلیزری، اشتراوسی دارای شباهت‌هایی است؛ اما به طور کلی تفاوت‌های آن‌ها بر رویکرد غالب است. در رویکرد نظام‌مند اشتراوسی کدگذاری جزئیات و حساسیت‌های بیشتری را شامل می‌شود؛ اما در رویکرد گلیزری قواعد کمتری در پیاده‌سازی کدگذاری به کار گرفته شده است.

انواع کدگذاری

کدگذاری در رویکرد داده‌بنیاد به سه صورت باز، انتخابی و محوری صورت می‌گیرد که در این بخش با مفهوم این سه مورد آشنا خواهیم شد.

کدگذاری باز

در روش کدگذاری باز به کوچک‌ترین داده و مفهوم هم کد اختصاصی داده می‌شود. به عبارتی هرچه واحدها کوچک‌تر شود، بهتر است. واحد معنادار می‌تواند یک جمله یا یک بند بزرگ باشد. نکته مهم این است که مفاهیم از داده‌های مشخص باشد و از ذهن غیر استقرایی و نظریه‌های قبلی شکل نگرفته باشد. ملاحظات جدول زیر به توصیف کدگذاری باز پرداخته است.

سؤال‌هایی که در کدگذاری باز پرسیده می‌شود، در این جدول به صورت کامل قرار دارد.

کدگذاری محوری

پس از مطرح‌کردن کدگذاری باز توسط اشتراوس و کوربین، گلیزر مبحث کدگذاری انتخابی یا نظری را عنوان می‌کند. در کدگذاری نظری باید مقوله‌ها و مفاهیم توسط پژوهشگر مقایسه شود و بر اساس روابط مدنظر ترکیب، ادغام یا خلاصه شوند. البته توجه داشته باشید که این مقایسه با نتایج کدگذاری باز انجام می‌شود. انجام پژوهش با استفاده از رویکرد کدگذاری اشتراوس و کوربین می‌تواند به پژوهشگر کمک کند تا گامی بزرگ در راستای الگوی پارادایمی بردارد. استفاده از رویکرد گلیزر و کدگذاری محوری به پژوهشگر این امکان را می‌دهد تا نظریه‌ای حرفه‌ای خلق کند. در نتیجه هیچ مرزی را نمی‌توان برای استفاده از کدگذاری باز یا محوری انتخاب کرد.

در نظر داشته باشید که مهم‌ترین اقدامات برای مرحله کدگذاری شامل مقایسه و شناسایی روابط، کشف مقوله اصلی و اطمینان از محورهای مقوله‌ای است. شناسایی و کشف پدیده اصلی مهم‌ترین مقوله هسته‌ای است. نمونه مقوله‌ای کردن چندسطحی را می‌توانید در جدول زیر مشاهده کنید.

مقوله‌های هسته‌ای، پژوهشگر را به کدگذاری محوری می‌رساند و شفافیت بیشتری در پژوهش ایجاد می‌کند. برای انتخاب مقوله محوری باید به ویژگی‌های زیر توجه داشته باشید.

کدگذاری انتخابی

کدگذاری انتخابی در نظر اشتراوس و کوربین یا گلیزر به‌عنوان یک پیدایش نظریه شناخته می‌شود. در نظر داشته باشید که کدگذاری انتخابی به صورت یک مرحله جدا در پایان پژوهش نیست و در طی کدگذاری باز اتفاق می‌افتد. نظریه برآمده از داده‌ها، نظریه‌ای در حد میانی است که باید دارای ویژگی‌هایی باشد.

مهم‌ترین فعالیت‌های کدگذاری انتخابی در جدول زیر درج شده است.

کدگذاری انتخابی با یکپارچه سازی و بهبود مقوله‌های موجود، به آرایش خاصی از نظریه‌ها می‌رسد. در این مرحله پژوهشگر باید همانند یک نویسنده مقولات، یادداشت‌ها، نوشته‌های کدگذاری و دیگر مستندات خود را به مقولات محوری ربط دهد.

زمانی که به عنوان یک پژوهشگر، نظریه شما با روش گراندد تئوری به دست آمد، باید به پارامترهای مختلفی توجه داشته باشید. اعتباربخشی، باورپذیری، انتقال‌پذیری، قابلیت اعتماد و تأییدپذیری از سری مواردی است که باید نظریه شمارا در بر بگیرد. با استفاده از رویکردها، اعتبار نتیجه پژوهش و یافته‌های خود را بسنجید تا اطمینان بیشتری از نتیجه کار خود داشته باشید.

برگرفته از ” سایت پیدا

تعریف عملیاتی متغیر های پژوهش به چه صورت می باشد؟

نوشته

جامعه آماري در پژوهش چیست؟

نوشته

نشریات و مجلات معتبر بین المللی (ISI) در حوزه آموزش و پژوهش آموزشی

نوشته

چه مراحلی برای انجام یک اقدام پژوهی در نظر گرفته می‌شود؟

نوشته

مسئله پژوهش را چگونه بیان کنم؟

 تحلیل داده های آماری با مناسب‌ترین قیمت و کیفیت برتر!

تحلیل داده های آماری

🌟با تجربه‌ی بیش از 17 سال و ارائه‌ی بهترین خدمات

مشاوره : پایان نامه و مقاله نویسی تحلیل داده های آماری

📊تحلیل داده های آماری با نرم افزارهای کمی و کیفی

توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده،  استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها  قابل ویرایش در قالب نرم افزار ورد Word می باشد. 

مبانی نظری و پژوهشی متغیر ها

📞 تماس: 09143444846 (پیامک، ایتا، واتساپ، تلگرام) 🌐 کانال تلگرام: عضو شوید

(تا جای ممکن با ایتا پیام بفرستید، زودتر در جریان خواهیم بود!)

ایمیل :   abazizi1392@gmail.com

وبلاگ ما

تحلیل آماری statistical analysis

ملاحظات اخلاقی در پژوهش کیفی با تاکید بر دیدگاه اشتراوس و کوربین

ملاحظات اخلاقی در پژوهش کیفی با تاکید بر دیدگاه اشتراوس و کوربین

بحث اخلاق مداری در پژوهش یکی از مقولات پرکاربرد در اخلاق کاربردی و اخلاق حرفهای است.

درتحقیق کیفی سه بخش عمده گردآوری داده ها، روشهای تحلیل و تفسیری و ارائه نتایج وجود دارد.

در اینت حقیق جایگاه اخلاق در پژوهش کیفی یا عبارت دیگر اخلاق پژوهش در این سه بخش و با استفاده از روش کتابخانه ای انجام شد.

نتایج تحقیق نشان می دهد که :

1- ناشناسی

2 محرمانگی

3 آسیب نرساندن

4رعایت حریم شخصی افراد

5 کسب رضایت آگاهانه

6 صداقت

7 رازداری

8- اصول اخلاقی مرحله گردآوری – داده ها در تحقیق و اصول امانتداری و قضاوت مستدل اصول اخلاقی پژوهش در مرحله تحلیل و تفسیر و اصول نقد پذیری، صداقت و رعایت حقوق تمام ذینفعان در تولید و نشر علم اصول اخلاق در مرحله ارائه نتایج می باشند.

برگرفتهاز: سیویلیکا

اگر می خواهید در خصوص نرم افزار Nvivo آموزش ببینید. اینجا کلیک کنید مجموع آموزش 8 ساعت و 24 دقیقه

تحلیل داده های آماری

خدمات تخصصی پژوهش و تحلیل داده های آماری با مناسب‌ترین قیمت و کیفیت برتر!

🌟با تجربه‌ی بیش از 17 سال و ارائه‌ی بهترین خدمات

مشاوره نگارش: تحلیل داده های آماری

ارائه و طراحی پرسشنامه های استاندارد

📊تحلیل داده های آماری با نرم افزارهای کمی و کیفی

📞 تماس: 09143444846 (پیامک، ایتا، واتساپ، تلگرام)

🌐 کانال تلگرام: عضو شوید

🌐 وبلاگ 

💼کیفیت بالا، قیمت مناسب و خدماتی که به نیازهای شما پاسخ می‌دهند!

💼با ما همراه باشید و پروژه‌ی خود را به یک تجربه‌ی موفق تبدیل کنید.

 

 

نمونه سوالات مصاحبه در تحقیق کیفی

نوشته

تعیین حجم نمونه در پژوهش

نوشته

تحلیل داده های آماری فصل 4 پایان نامه و مقالات علمی با بالاترین کیفیت، قیمت بسیار مناسب

نوشته

نشریات و مجلات معتبر بین المللی (ISI) در حوزه ارتباطات

نوشته

کامل ترین پکیج آموزش کاربردی نرم افزار انویو Nvivo (فصل پنجم)

تحلیل آماری - پژوهش - کیفی - کمی - کامپیوتر

تحلیل محتوای کیفی چیست؟

  • تحلیل محتوای کیفی چیست؟

تحلیل محتوای کیفی فرآیندی است برای جمع آوری، ساختاردهی و تفسیر داده های کیفی برای درک آنچه نشان دهنده آن است. داده های کیفی غیر عددی و بدون ساختار هستند. داده های کیفی عموماً به متن اشاره دارد، مانند پاسخ های باز به سؤالات نظرسنجی یا مصاحبه های کاربر، اما گاهی شامل صوت، عکس و ویدیو نیز می شود. داده های کیفی به طور کلی به داده های متنی کلمه به کلمه از منابعی مانند مصاحبه ها، بحث های گروهی، بررسی ها، شکایات، پیام های چت، تعاملات مرکز پشتیبانی، مصاحبه با مشتری، یادداشت های موردی یا نظرات رسانه های اجتماعی اشاره دارد. در مقایسه با داده های کمی که اطلاعات ساختاریافته را جمع آوری می کنند، داده های کیفی معمولا ساختاری ندارند و عمق و وسعت بیشتری دارند و می تواند به سوالات ما پاسخ دهند و به فرموله کردن فرضیه ها و ایجاد درک بیشتر ما از پدیده ها کمک کند.

روش تحلیل محتوای کیفی چیست؟

تحلیل محتوای کیفی دارای پنج مرحله اساسی است که عبارتند از : 1. جمع آوری داده های کیفی، 2. سازماندهی و اتصال به داده های کیفی، 3. کدگذاری داده های کیفی، 4. تجزیه و تحلیل داده های کیفی برای بینش، 5. گزارش در مورد بینش های به دست آمده از تحلیل داده ها.

روش تحلیل محتوای کیفی چیست؟

مرحله اول، داده های کیفی را جمع آوری کنید.

تحلیل محتوای کیفی با جمع آوری داده کیفی آغاز می شود .اولین گام تحقیق کیفی، جمع آوری داده هاست. به زبان ساده، جمع آوری داده ها، جمع آوری تمام داده های شما برای تجزیه و تحلیل است. یک موقعیت رایج زمانی است که داده های کیفی در منابع مختلف پخش می شوند.

مرحله دوم، داده های کیفی را سازماندهی و منسجم کنید.

اکنون شما همه این داده های کیفی را دارید، اما یک مشکل وجود دارد، داده ها بدون ساختار هستند. قبل از اینکه بتوان بازخورد را تجزیه و تحلیل کرد و ارزشی به آن اختصاص داد، باید در یک مکان واحد سازماندهی شود. چرا این مهم است؟ داشتن ثبات! اگر همه داده ها به راحتی در یک مکان قابل دسترسی باشند و به روشی ثابت تجزیه و تحلیل شوند، زمان ساده تری برای جمع بندی و تصمیم گیری بر اساس این داده ها خواهید داشت. رویکرد دستی برای سازماندهی داده های شما: روش کلاسیک ساختار دادن به داده های کیفی این است که تمام داده هایی را که جمع آوری کرده اید در یک صفحه گسترده (spreadsheet) رسم کنید.

مرحله دوم، داده های کیفی را سازماندهی و منسجم کنید.

کدگذاری در تحلیل محتوای کیفی

سومین مرحله تحلیل محتوای کیفی، کدگذاری داده کیفی است که یکی از مهمترین مراحل تحلیل است. کدگذاری در تحلیل محتوای کیفی فرآیند برچسب گذاری و سازماندهی داده های شماست به گونه ای که بتوانید مضامین موجود در داده ها و روابط بین این مضامین را شناسایی کنید. برای ساده سازی فرآیند کدگذاری، نمونه های کوچکی از داده های کیفی را می گیرید، مجموعه ای از کدها یا دسته بندی ها را ارائه می کنید و هر بخش از بازخورد را به طور سیستماتیک برای الگوها و معنا برچسب گذاری می کنید. سپس نمونه بزرگتری از داده ها را می گیرید، کدها را برای دقت و سازگاری بیشتر اصلاح و اصلاح می کنید. کد کردن به معنای شناسایی کلمات یا عبارات کلیدی و اختصاص دادن آنها به دسته ای از معنا است. بعنوان مثال در کدگذاری در تحلیل محتوای کیفی، “من واقعا از خدمات مشتری این شرکت نرم افزاری متنفرم” به عنوان “خدمات ضعیف به مشتریان” کدگذاری می شود.

کدگذاری در تحلیل محتوای کیفی به روش دستی

1.ابتدا کدگذاری در تحلیل محتوای کیفی باید تصمیم بگیرید که آیا از کدگذاری قیاسی یا استقرایی استفاده خواهید کرد. کدگذاری قیاسی زمانی است که فهرستی از کدهای از پیش تعریف شده ایجاد می کنید و سپس آنها را به داده های کیفی اختصاص می دهید. کدگذاری استقرایی برعکس این است، شما کدهایی را بر اساس خود داده ها ایجاد می کنید. کدها مستقیماً از داده ها به وجود می آیند و در حین حرکت آنها را برچسب گذاری می کنید. شما باید مزایا و معایب هر روش کدگذاری را بسنجید و مناسب ترین روش را انتخاب کنید.

2. داده های بازخورد را بخوانید تا درک گسترده ای از آنچه نشان می دهد به دست آورید. اکنون زمان آن رسیده است که اولین مجموعه کدهای خود را به عبارات و بخش های متن اختصاص دهید.

3. مرحله 2 را تکرار کنید، کدهای جدید اضافه کنید و توضیحات کد را هر چند وقت یکبار که لازم است بازبینی کنید. پس از کدگذاری همه چیز، دوباره همه چیز را مرور کنید تا مطمئن شوید که هیچ تناقضی وجود ندارد و هیچ چیز نادیده گرفته نشده است.

4.در کدگذاری در تحلیل محتوای کیفی یک چارچوب کد برای گروه بندی کدهای خود ایجاد کنید. چارچوب کدگذاری ساختار سازمانی همه کدهای شماست. و دو نوع قاب کدگذاری متداول وجود دارد، مسطح یا سلسله مراتبی. یک چارچوب کد سلسله مراتبی، به دست آوردن بینش از تجزیه و تحلیل خود را برای شما آسان تر می کند.

5. بر اساس تعداد دفعاتی که یک کد خاص رخ می دهد، اکنون می توانید موضوعات رایج را در داده های بازخورد خود مشاهده کنید. این بصیرت است! اگر «خدمات بد به مشتری» یک کد رایج است، وقت آن است که اقدام کنید.

تحلیل محتوای کیفی با استفاده از نرم افزار و به کمک کامپیوتر (CAQDAS)

به طور سنتی در رویکرد تحلیل دستی (اما نه همیشه)، داده های کیفی برای کدگذاری به نرم افزار CAQDAS وارد می شوند. در اوایل دهه 2000، نرم افزار CAQDAS توسط توسعه دهندگانی مانند ATLAS.ti، NVivo و MAXQDA رایج شد و مشتاقانه توسط محققان برای کمک به سازماندهی و کدگذاری داده ها استفاده شد.

کدگذاری در تحلیل محتوای کیفی به روش دستی

مزایای استفاده از نرم افزار تحلیل داده های کیفی به کمک کامپیوتر:

• به سازماندهی داده های شما کمک می کند
• به شما این امکان را میدهد که به کاوش تفاسیر مختلف از تجزیه و تحلیل داده های خود بپردازید
• به شما امکان می دهد داده های خود را آسان تر به اشتراک بگذارید و امکان همکاری گروهی را فراهم می کند (تجزیه و تحلیل ثانویه را امکان پذیر می کند) با این حال، هنوز باید داده ها را کدگذاری کنید، موضوعات را کشف کنید و خودتان تحلیل را انجام دهید. بنابراین هنوز میتواند یک رویکرد دستی تلقی شود.

اگر می خواهید در خصوص نرم افزار Nvivo آموزش ببینید. اینجا کلیک کنید مجموع آموزش 8 ساعت و 24 دقیقه

مرحله چهارم، داده ها را برای تولید بینش های معنادار تجزیه و تحلیل کنید.

اکنون می خواهیم داده های خود را برای یافتن بینش تجزیه و تحلیل کنیم. اینجاست که ما شروع به پاسخ به سوالات تحقیق خود می کنیم. به خاطر داشته باشید که مرحله 4 و مرحله 5 دارای همپوشانی هستند. این به این دلیل است که ایجاد تجسم بخشی از تجزیه و تحلیل و گزارش است. وظیفه کشف بینش ها، جستجوی کدهایی است که از داده ها بیرون می آیند و همبستگی های معناداری را از آنها استخراج می کنند. همچنین در مورد اطمینان از متمایز بودن هر بینش و داشتن داده های کافی برای پشتیبانی از آن است.
بخشی از تجزیه و تحلیل، تعیین میزان ارتباط هر کد با مشخصات جمعیتی و مشخصات مشارکت کنندگان در تحقیق است و مشخص کردن اینکه آیا رابطه ای بین این نقاط داده وجود دارد یا خیر. برای بهبود کیفیت اطلاعات بینش، کدهای فرعی را به صورت دستی ایجاد کنید. اگر چارچوب کد شما فقط یک سطح داشته باشد، ممکن است متوجه شوید که کدهای شما بسیار گسترده هستند و قادر به استخراج بینش معنادار نیستند. اینجاست که ایجاد کدهای فرعی برای کدهای اصلی شما ارزشمند است.

مرحله پنجم، نتایج و داستان داده های خود را گزارش کنید.

آخرین مرحله از تجزیه و تحلیل داده های کیفی، گزارش دادن به آن، گفتن داستان است. در این مرحله، کدها به طور کامل توسعه یافته و تمرکز بر انتقال روایت به مخاطب است. یک طرح کلی منسجم از تحقیقات کیفی، یافته ها و بینش ها برای ذینفعان برای بحث و مناظره حیاتی است، قبل از اینکه بتوانند یک اقدام معنادار را طراحی کنند.

مرحله پنجم، نتایج و داستان داده های خود را گزارش کنید.

نمونه تحلیل محتوای کیفی

یکی از روش های بسیار خوب برای یادگیری تحلیل محتوای کیفی و نحوه گزارش کردن نتایج آن، خواندن مقالات منتشر شده با این رویکرد می باشد. گرچه تحلیل در مطالعات کیفی مختلف از نظر سطح انتزاع و دقت با یکدیگر متفاوت می باشد، ولی محققین با مطالعه انواع مختلف مقالات کیفی که منتشر شده است و مراحل داوری همتایان را پشت سر گذاشته اند، می توانند تا حدود زیادی الگو بگیرند و مسیر پژوهش خود را به راحتی دنبال کنند. در زیر سه نمونه از مقالات کیفی منتشر شده، جهت مطالعه آورده شده است که میتواند راهگشا باشد. مقاله اول به دنبال کشف موانع برنامه های سلامت جنسی از دیدگاه سیاست گذاران حوزه سلامت بوده که بر اساس پایان نامه دکترا با همین مضمون منتشر شده است. مقاله دوم با هدف کشف و واکاوی شرایط زمینه ساز تک فرزندی در زنان و مردان ساکن تهران که دارای یک فرزند بودند انجام شده است و منتج از یک طرح پژوهشی در تهران بوده و مقاله سوم با هدف واکاوی جامعه پذیری جنسی در ایران می باشد که بر اساس یک پایان نامه دکترا می باشد.

سه نمونه از مقالات تحلیل محتوای موضوعی را در زیر مطالعه کنید:

Perceived Barriers to Implementing Sexual Health Programs from the Viewpoint of Health Policymakers in Iran: A Qualitative Study
https://qualitativestudies.com/wp-content/uploads/2022/05/sexual-health-programs.pdf

واکاوی شرایط زمینه ساز قصد و رفتار تک فرزندی در تهران
https://qualitativestudies.com/wp-content/uploads/2022/05/only-child.pdf

درک زنان از جامعه پذیری جنسی در ایران: یک مطالعه کیفی
https://qualitativestudies.com/wp-content/uploads/2022/05/sexual-socialization.pdf

اگر می خواهید در خصوص نرم افزار Nvivo آموزش ببینید. اینجا کلیک کنید مجموع آموزش 8 ساعت و 24 دقیقه

برگرفته از آکادمی پژوهش کیفی – دکتر فریده فراهانی

تحلیل داده های آماری

نوشته

کمبود ویتامین E چه عوارضی دارد؟

نوشته

Maxqda مکس کیو دی ای چیست؟

نوشته

ارزش ویژه برند (Brand Equity) چیست؟

نوشته

چرا بعد از کار اینقدر خسته می‌شوم؟ چه باید کرد؟

خدمات تخصصی پژوهش و تحلیل داده های آماری با مناسب‌ترین قیمت و کیفیت برتر!

🌟با تجربه‌ی بیش از 17 سال و ارائه‌ی بهترین خدمات

مشاوره نگارش: تحلیل داده های آماری

ارائه و طراحی پرسشنامه های استاندارد

📊تحلیل داده های آماری با نرم افزارهای کمی و کیفی

📞 تماس: 09143444846 (پیامک، ایتا، واتساپ، تلگرام)

🌐 کانال تلگرام: عضو شوید

🌐 وبلاگ 

💼کیفیت بالا، قیمت مناسب و خدماتی که به نیازهای شما پاسخ می‌دهند!

💼با ما همراه باشید و پروژه‌ی خود را به یک تجربه‌ی موفق تبدیل کنید.

 

 

تحلیل داده های آماری

تحقیق کمی چیست؟ انواع روش های تحقیق کمی

  • تحقیق کمی چیست؟ انواع روش های تحقیق کمی

تحقیق کمی چیست؟

تحقیق کمی فرآیند جمع آوری و تجزیه و تحلیل داده های عددی است. در واقع تحقیق کمی را می توان برای یافتن الگو ها و میانگین ها، پیش بینی، سنجش روابط علی و معلول و تعمیم نتایج به جمعیت های بزرگتر بکار برد.

تحقیق کمی، درست برعکس تحقیق کیفی است که به دنبال جمع آوری و تجزیه و تحلیل داده های غیر عددی مانند متن مصاحبه ها، ویدیو یا داده های صوتی است.
تحقیق کمی به طور گسترده در علوم طبیعی و اجتماعی مانند زیست شناسی، شیمی، روانشناسی، اقتصاد، جامعه شناسی، بازاریابی و غیره استفاده می شود.

نمونه سوالات تحقیق کمی

· ترکیب جمعیتی کشور ژاپن در سال 2022 چگونه است؟
· میانگین افزایش دمای جهان در طول قرن گذشته چگونه تغییر کرده است؟
· آیا آلودگی محیط زیست بر شیوع نسل مشخصی از حیوانات تاثیر می گذارد؟
· آیا دورکاری باعث افزایش بهره وری برای افرادی با مسافت طولانی بین محل کار و منزل می شود؟

نمونه سوالات تحقیق کمی

روش تحقیق کمی چیست؟

انواع روش های تحقیق کمی شامل روشهایی است که در تحقیقات توصیفی، همبستگی یا تجربی استفاده می شود.
· در تحقیقات توصیفی، شما صرفاً به دنبال یک خلاصه کلی از متغیر های مطالعه خود هستید.
· در تحقیقات همبستگی، شما روابط بین متغیر های مطالعه خود را بررسی می کنید.
· در تحقیقات تجربی، شما به طور سیستماتیک بررسی می کنید که آیا رابطه علت و معلولی بین متغیرها وجود دارد یا خیر.
تحقیقات همبستگی و تجربی هر دو می توانند برای آزمون رسمی فرضیه ها یا پیش بینی ها با استفاده از آمار استفاده شوند و نتایج ممکن است بر اساس روش نمونه گیری مورد استفاده به جمعیت های وسیع تری تعمیم داده شود.

در تحقیق کمی، برای جمع آوری داده ها، اغلب باید از تعاریف عملیاتی استفاده کنید که مفاهیم انتزاعی (مانند خلق و خو) را به معیار های قابل مشاهده و اندازه گیری (مثلا خود ارزیابی احساسات و سطوح انرژی) تبدیل می کنند.

انواع روش تحقیق کمی

روش تحقیق کمی شامل موارد زیر است:
· روش تجربی: یک متغیر مستقل را کنترل یا دستکاری کنید تا اثر آن را بر روی یک متغیر وابسته اندازه گیری کنید. بعنوان مثال: برای بررسی اینکه آیا یک مداخله می تواند اهمال کاری را در دانشجویان کاهش دهد، مداخله ای را به به گروه های هم اندازه می دهید و سپس رفتارهای اهمال کاری را بین گروه ها پس از مداخله مقایسه می کنید.
· روش پیمایش، از گروهی از افراد به صورت حضوری یا آنلاین سوالاتی می پرسید. مثلا”، شما پرسشنامه هایی را با مقیاس های رتبه بندی بین دانشجویان بین المللی توزیع کرده تا تجربیات آن ها را از شوک فرهنگی بررسی کنید.

· روش مشاهده سیستماتیک، یک رفتار مورد علاقه را شناسایی کنید و آن را در شرایط طبیعی خود کنترل کنید. بعنوان مثال، برای مطالعه مشارکت در کلاس، شما در کلاس ها می نشینید و مشاهده می کنید و شیوع رفتار های فعال و غیرفعال دانشجویان با پیشینه های مختلف را ثبت می کنید.

· تحقیق ثانویه، داده هایی که قبلا برای مقاصد دیگر جمع آوری شده اند، مانند پیمایشهای ملی یا سوابق تاریخی، را جمع آوری می کنید، مثلا”، برای بررسی تغییر نگرش نسبت به تغییرات آب و هوا از دهه 1980 ، داده های پرسشنامه مربوطه را از مطالعات طولی قبلی جمع آوری می کنید.

انواع روش تحقیق کمی

تجزیه و تحلیل داده ها در این روش تحقیق

در روش تحقیق کمی، پس از جمع آوری داده ها، ممکن است لازم باشد قبل از تجزیه و تحلیل، آن ها را پردازش کنید. به عنوان مثال، داده های نظرسنجی و آزمون ممکن است نیاز به تبدیل کلمات به اعداد را داشته باشند. سپس می توانید از تجزیه و تحلیل آماری برای پاسخ به سوالات تحقیق خود استفاده کنید.

آمار توصیفی خلاصه ای از داده های شما را در اختیارتان قرار می دهد و معیارهای میانگین و تغییر پذیری یا واریانس را در بر می گیرد. همچنین می توانید از نمودارها، نمودارهای پراکندگی و جداول فراوانی برای تجسم داده های خود و بررسی هر گونه روند یا داده های پرت استفاده کنید.

با استفاده از آمار استنباطی، می توانید بر اساس داده های خود، پیش بینی یا تعمیم انجام دهید. می توانید فرضیه خود را آزمایش کنید یا از داده های نمونه خود برای تخمین پارامتر جمعیت استفاده کنید.

مثال هایی از آمار توصیفی و استنباطی

شما فرض می کنید که دانشجویان سال اول بیش از دانشجویان سال چهارم اهمال کاری می کنند. شما با استفاده از مقیاس های رتبه بندی 7 درجه ای، داده های مربوط به سطوح اهمال کاری دو گروه را جمع آوری می کنید.

ابتدا از آمار توصیفی برای بدست آوردن خلاصه ای از داده ها استفاده می کنید. میانگین (متوسط) و مد (پرتکرارترین رتبه ) اهمال کاری دو گروه را پیدا می کنید و داده ها را رسم می کنید تا ببینید آیا موارد پرت وجود دارد یا خیر.

در مرحله بعد، شما آمار استنباطی را برای آزمایش فرضیه خود انجام می دهید. برای مقایسه میانگین رتبه بندی های دو گروه، تفاوت معنی داری و تایید فرضیه خود از آزمون t استفاده می کنید.

همچنین می توانید قابلیت اطمینان و اعتبار روش های جمع آوری داده های خود را ارزیابی کنید تا نشان دهید که روش های شما واقعاً چقدر سازگار و درست، آنچه را که می خواهید اندازه گیری کرده اند؟

برگرفته از آکادمی پژوهش کیفی – دکتر فریده فراهانی

تحلیل آماری statistical analysis

داده های کیفی – تعریف، انواع، تجزیه و تحلیل مثالها، روشهای جمع آوری و اهمیت داده های کیفی در پژوهش بازاریابی

داده های کیفی – تعریف ، انواع ، تجزیه و تحلیل و مثالها ، روشهای جمع آوری ، و اهمیت داده های کیفی

تعریف داده های کیفی

داده های کیفی (Qualitative Data) به عنوان داده های تقریبی (نزدیک به کیفیت موردنظر) و مشخصه تعریف می شوند.

داده های کیفی - تعریف ، انواع ، تجزیه و تحلیل و مثالها ، روشهای جمع آوری ، و اهمیت داده های کیفی

داده های کیفی – تعریف ، انواع ، تجزیه و تحلیل و مثالها ، روشهای جمع آوری ، و اهمیت داده های کیفی

داده های کیفی را می توان مشاهده و ثبت کرد. این نوع داده ماهیتاً غیر عددی است. این نوع داده ها از طریق روش مشاهدات ، مصاحبه های یک به یک ، انجام گروه های متمرکز و روش های مشابه جمع آوری می شود. داده های کیفی در آمار به عنوان داده های طبقه ای نیز شناخته می شوند – داده هایی که می توانند براساس ویژگی ها و خصوصیات یک چیز یا یک پدیده به طور طبقه بندی شده تنظیم شوند.

مثالهای داده کیفی

داده های کیفی را داده های طبقه ای / طبقه بندی شده نیز می نامند زیرا این داده ها را می توان بر اساس طبقه بندی ها دسته بندی کرد.

به عنوان مثال ، به این فکر کنید که دانش آموز در یکی از جلسات کلاس ، یک پاراگراف از کتاب را بخواند. معلمی که به خواندن گوش می دهد ، درباره نحوه خواندن کودک آن پاراگراف بازخورد می دهد. اگر معلم بر اساس روان بودن ، لحن صدا ، ادای کلمات ، وضوح تلفظ بدون دادن نمره به کودک بازخورد دهد ، این به عنوان نمونه ای از داده های کیفی در نظر گرفته می شود.

درک تفاوت بین داده های کمی و کیفی بسیار آسان است. داده های کیفی در تعریف صفات ، اعداد را شامل نمی شوند ، در حالی که داده های کمی همه در مورد اعداد است.

این کیک به رنگ نارنجی ، آبی و مشکی است (کیفی).
ماده ها موهای قهوه ای ، سیاه ، بلوند و قرمز دارند (از نظر کیفی).

داده های کمی هر اطلاعات کمی است که می تواند برای محاسبه ریاضی یا تجزیه و تحلیل آماری استفاده شود. این شکل از داده ها به تصمیم گیری در زندگی واقعی مبتنی بر مشتقات ریاضی کمک می کند. از داده های کمی برای پاسخ به سوالاتی مانند چند استفاده می شود؟ چند وقت؟ چقدر؟ این داده ها دارای اعتبار و تأیید شده هستند.

برای درک بهتر مفهوم داده های کمی و کیفی ، بهتر است نمونه هایی از مجموعه داده های خاص و چگونگی تعریف آنها را مشاهده کنید. موارد زیر مثالها و نمونه هایی از داده های کمی است.

چهار کیک و سه مافین در سبد نگهداری می شود (کمی).
یک لیوان نوشیدنی گازدار 97.5 کالری (کمی) دارد.

اهمیت داده ها

اهمیت داده های کیفی

اهمیت داده های کیفی

اهمیت داده های کیفی در چیست ؟ داده های کیفی در تعیین فراوانی خاص صفات یا ویژگی ها مهم هستند. این داده ها به آماردانان یا محققان اجازه می دهد پارامترهایی را تشکیل دهند که از طریق آنها می توان مجموعه داده های بزرگتری را مشاهده کرد. داده های کیفی ابزاری را فراهم می کند که ناظران می توانند جهان پیرامون خود را کمی کنند.

برای یک محقق بازار ، جمع آوری داده های کیفی به پاسخگویی به سوالاتی کمک می کند ، اینکه مشتری آنها چه کسانی هستند ، با چه موضوعاتی روبرو هستند و کجا باید توجه خود را متمرکز کنند ، بنابراین مشکلات یا موانع برطرف می شوند.

داده های کیفی در مورد احساسات یا ادراک افراد ، احساساتی است که دارند. در داده های کمی ، این برداشت ها و احساسات ثبت شده است. این به محققان بازار کمک می کند زبانی را که مصرف کنندگانشان صحبت می کنند درک کنند و به طور موثر و کارآمد با این مشکل کنار بیایند.

روشهای جمع آوری 

جمع آوری داده های کیفی به صورت اکتشافی است. این شامل تجزیه و تحلیل و تحقیق عمیق است. روشهای جمع آوری داده های کیفی عمدتا بر کسب بینش ، استدلال و انگیزه متمرکز است. از این رو از نظر تحقیق عمیق تر می شوند. از آنجا که داده های کیفی قابل اندازه گیری نیستند ، محققان روش ها یا ابزارهای جمع آوری داده را ترجیح می دهند که تا حد محدودی ساختار داشته باشند.

در اینجا روشهای جمع آوری داده های کیفی وجود دارد:

مصاحبه های یک به یک 

روشهای جمع آوری داده های کیفی مصاحبه های یک به یک

روشهای جمع آوری داده های کیفی مصاحبه های یک به یک

این یکی از رایج ترین ابزارهای جمع آوری داده برای تحقیقات کیفی است که دلیل اصلی آن رویکرد شخصی آن است. مصاحبه کننده یا محقق داده ها را مستقیماً از مصاحبه شونده به صورت یک به یک جمع آوری می کند. مصاحبه ممکن است غیررسمی و بدون ساختار – گفتگو باشد. عموماً سوالات باز به صورت خودجوش پرسیده می شوند . به مصاحبه کننده اجازه می دهد در جریان مصاحبه سوالات پرسیده شده را تعیین کند.

گروه های کانونی 

روشهای جمع آوری داده های کیفی گروه های کانونی

روشهای جمع آوری داده های کیفی گروه های کانونی

برای این کار در یک محیط بحث گروهی انجام می شود. این گروه به 6-10 نفر محدود می شود و یک ناظر برای تعدیل بحث در حال انجام اختصاص داده شده است.

بسته به داده هایی که مرتب شده اند ، اعضای یک گروه ممکن است مشترکاتی داشته باشند. به عنوان مثال ، محققی که در حال انجام مطالعه روی دوندگان دو و میدانی است ، ورزشکارانی را انتخاب می کند که دونده دو و میدانی باشند. یا دونده باشند و از موضوع آگاهی کافی داشته باشند.

ثبت سوابق

روشهای جمع آوری داده های کیفی ثبت سوابق

روشهای جمع آوری داده های کیفی ثبت سوابق

این روش از اسناد قابل اعتماد موجود و منابع اطلاعاتی مشابه استفاده می کند. از این داده ها می توان در تحقیقات جدید استفاده کرد. شبیه کتابخانه رفتن است. در آنجا می توان کتابها و سایر مطالب مرجع را برای جمع آوری داده های مربوطه که می تواند در تحقیق استفاده شود ، جستجو کرد.

فرآیند مشاهده

روشهای جمع آوری داده های کیفی فرآیند مشاهده

روشهای جمع آوری داده های کیفی فرآیند مشاهده

در این روش جمع آوری اطلاعات کیفی ، محقق خود را در محیطی که پاسخگویانش هستند غرق می کند و به شرکت کنندگان بسیار چشم می دوزد و یادداشت برداری می کند. این به عنوان فرآیند مشاهده شناخته می شود.

علاوه بر یادداشت برداری ، می توان از روش های مستند سازی دیگر ، مانند ضبط ویدیو و صدا ، عکاسی و روش های مشابه استفاده کرد.

مطالعات طولی

روشهای جمع آوری داده های کیفی مطالعات طولی

روشهای جمع آوری داده های کیفی مطالعات طولی

این روش جمع آوری داده ها به طور مکرر و در یک دوره طولانی روی همان منبع داده انجام می شود. این یک روش تحقیق مشاهده ای است که برای چند سال ادامه دارد و در بعضی موارد حتی برای دهه ها نیز ادامه دارد. این روش جمع آوری اطلاعات با هدف یافتن ارتباط از طریق یک مطالعه تجربی روی افراد با صفات مشترک است.

مطالعات موردی

روشهای جمع آوری داده های کیفی مطالعات موردی

روشهای جمع آوری داده های کیفی مطالعات موردی

در این روش ، داده ها با تجزیه و تحلیل عمیق مطالعات موردی جمع آوری می شوند. تطبیق پذیری این روش در چگونگی استفاده از این روش برای تجزیه و تحلیل موضوعات ساده و پیچیده نشان داده شده است. نقطه قوت این روش این است که چه میزان منطق ترکیبی از یک یا چند روش جمع آوری داده های کیفی برای استنتاج استفاده می کند.

تجزیه و تحلیل دادههای کیفی

تجزیه و تحلیل داده های شما حیاتی است ، زیرا برای جمع آوری آنها وقت و هزینه صرف کرده اید. این یک فرآیند اساسی است زیرا شما حتی پس از تلاش های زیاد نمی خواهید خود را در تاریکی پیدا کنید. با این حال ، هیچ قانون اساسی تعیین شده ای برای تجزیه و تحلیل داده های کیفی وجود ندارد. همه چیز با درک دو رویکرد اصلی داده های کیفی آغاز می شود.

دو رویکرد اصلی در تجزیه و تحلیل داده های کیفی

  رویکرد قیاسی – Deductive Approach

تجزیه و تحلیل داده های کیفی رویکرد قیاسی - Deductive Approach

تجزیه و تحلیل داده های کیفی رویکرد قیاسی – Deductive Approach

رویکرد قیاسی شامل تجزیه و تحلیل داده های کیفی بر اساس ساختاری است که توسط محقق از پیش تعیین شده است. یک محقق می تواند از سوالات به عنوان راهنمای تجزیه و تحلیل داده ها استفاده کند. این روش سریع و آسان است و می تواند مورد استفاده قرار گیرد. هنگامی که یک محقق ایده مناسبی در مورد پاسخ های احتمالی که قرار است از جمعیت نمونه دریافت کند ، داشته باشد.

  رویکرد استقرایی – Inductive Approach

تجزیه و تحلیل داده های کیفی رویکرد استقرایی - Inductive Approach

تجزیه و تحلیل داده های کیفی رویکرد استقرایی – Inductive Approach

برعکس ، روش استقرایی مبتنی بر یک ساختار از پیش تعیین شده یا قوانین / چارچوبی اساسی نیست. وقت گیرتر و رویکرد کاملی برای تجزیه و تحلیل داده های کیفی است. رویکرد استقرایی غالباً هنگامی استفاده می شود که محقق نسبت به پدیده تحقیق اطلاعات بسیار اندک باشد یا تصوری از آن نداشته باشد.

مراحل تجزیه و تحلیل داده های کیفی

5 مرحله برای تجزیه و تحلیل داده ها

مراحل تجزیه و تحلیل داده های کیفی

مراحل تجزیه و تحلیل داده های کیفی

این که آیا شما به دنبال تجزیه و تحلیل داده های کیفی جمع آوری شده از طریق مصاحبه یک به یک یا داده های کیفی از یک نظر سنجی هستید ، مراحل ساده  زیر تجزیه و تحلیل داده های قوی را تضمین می کند.

مرحله 1: داده های خود را مرتب کنید

هنگامی که همه داده ها را جمع آوری کردید ، تا حد زیادی بدون ساختار است و گاهی اوقات در یک نگاه بی معنی است. بنابراین ، ضروری است که شما به عنوان یک محقق ، ابتدا نیاز به رونویسی از داده های جمع آوری شده داشته باشید. اولین گام در تجزیه و تحلیل داده ها ترتیب منظم آن است. ترتیب داده ها به معنای تبدیل تمام داده ها به قالب متن است. می توانید داده ها را به صفحه گسترده وارد کنید یا داده ها را به صورت دستی تایپ کنید یا  هر یک از ابزارهای تجزیه و تحلیل داده های کیفی با کمک رایانه انتخاب کنید.

مرحله 2: همه داده های خود را سازماندهی کنید

پس از تبدیل و تنظیم داده های خود ، مرحله بعدی بلافاصله سازماندهی داده های شما است. این احتمال وجود دارد که اطلاعات زیادی داشته باشید که هنوز هم باید به صورت منظمی مرتب شوند. یکی از بهترین راههای سازماندهی داده ها بازگشت به اهداف تحقیقاتی و سپس سازماندهی داده ها بر اساس سوالات مطرح شده است. هدف تحقیق خود را در یک جدول تنظیم کنید ، بنابراین از نظر بصری واضح به نظر می رسد. به هر قیمتی ، از وسوسه های کار با داده های غیر سازمان یافته خودداری کنید. شما در نهایت اتلاف وقت می کنید و هیچ نتیجه قطعی به دست نمی آورید.

مرحله 3: یک کد را روی داده های جمع آوری شده تنظیم کنید

تنظیم کدهای مناسب برای داده های جمع آوری شده ، شما را یک قدم جلوتر می برد. کدگذاری یکی از بهترین روش ها برای فشرده سازی اطلاعات عظیم جمع آوری شده است. کدگذاری داده های کیفی به سادگی به معنای دسته بندی و اختصاص خصوصیات و الگوها به داده های جمع آوری شده است.

برنامه نویسی گام مهمی در تجزیه و تحلیل داده های کیفی است . زیرا می توانید نظریه ها را از یافته های تحقیق مربوط استخراج کنید. پس از اختصاص کدها به داده های خود ، می توانید با استفاده از الگوهای ایجاد بینش عمیق نسبت به داده هایی که به تصمیم گیری آگاهانه کمک می کنند ، شروع کنید.

مرحله 4: اطلاعات خود را تأیید کنید

اعتبارسنجی داده ها یکی از مراحل مهم تجزیه و تحلیل داده های کیفی برای تحقیقات موفق است. از آنجا که داده ها برای تحقیق بسیار ضروری هستند ، اطمینان حاصل شود که داده ها دارای نقص نیستند. لطفاً توجه داشته باشید که اعتبارسنجی داده ها فقط یک مرحله در تحلیل داده های کیفی نیست. این یک مرحله تکراری است که باید در طول فرایند تحقیق دنبال شود. اعتبارسنجی داده ها دو طرف دارد:

دقت در طرح تحقیق یا روشهای تحقیق شما.

قابلیت اطمینان ، یعنی میزان تولید مداوم دقیق داده ها.

مرحله 5: خاتمه دادن به روند تحلیل

مهم است که سرانجام از داده های خود نتیجه گیری کنید .این به معنی ارائه سیستماتیک داده های شما است ، گزارشی که می تواند به راحتی مورد استفاده قرار گیرد. در این گزارش باید روشی بیان شود که شما به عنوان یک محقق برای انجام مطالعات تحقیقاتی ، نکات مثبت و منفی و محدودیت های مطالعه استفاده کرده اید. در این گزارش ، شما همچنین باید پیشنهادات / استنتاج های یافته های خود و هر زمینه مرتبط را برای تحقیقات آینده را بیان کنید.

مزایای داده های کیفی

به تجزیه و تحلیل عمیق کمک می کند :

داده های کیفی جمع آوری شده تجزیه و تحلیل دقیق در مورد موضوعات را در اختیار محققان قرار می دهد. محققان ضمن جمع آوری داده های کیفی ، از شرکت کنندگان تحقیق می کنند و می توانند با پرسیدن نوع صحیح سوالات ، اطلاعات کافی را جمع آوری کنند. از یک سری پرسش و پاسخ ، از داده هایی که جمع آوری می شود برای نتیجه گیری استفاده می شود.

آنچه مشتریان فکر می کنند را بفهمید :

داده های کیفی به محققان بازار کمک می کند تا ذهنیت مشتریان خود را درک کنند. با استفاده از داده های کیفی به کسب و کارها پی می برید که چرا مشتری کالایی را خریداری کرده است. درک زبان مشتری به تحقیقات بازار کمک می کند تا داده های جمع آوری شده به صورت سیستماتیک تر استنباط شود.

داده های غنی :

از داده های جمع آوری شده می توان برای انجام تحقیقات در آینده نیز استفاده کرد. از آنجایی که سوالاتی که برای جمع آوری داده های کیفی پرسیده می شود ، سوالاتی با انتهای باز است ، پاسخ دهندگان در اظهار نظر آزادند و منجر به کسب اطلاعات بیشتر می شوند.

معایب داده های کیفی

وقت گیر

چون جمع آوری داده های کیفی وقت گیر تر است ، افراد کمتری در مقایسه با جمع آوری داده های کمی مطالعه می کنند. تا زمانی که بودجه و هزینه اجازه ندهد ، حجم نمونه کوچکتر در آن گنجانده شده است.

تعمیم آسان نیست

از آنجا که افراد کمتری مورد مطالعه قرار می گیرند ، تعمیم نتایج آن جمعیت دشوار است.

 وابسته به مهارت های محقق

این نوع داده ها از طریق مصاحبه های یک به یک ، مشاهدات ، گروه های متمرکز و غیره جمع آوری می شوند و به مهارت و تجربه محقق برای جمع آوری اطلاعات از نمونه متکی هستند.

برگرفته از مارکتینگ ایران