بایگانی برچسب: s

تحلیل داده های آماری

گراندد تئوری (نظریه داده بنیاد)

گراندد تئوری (نظریه داده بنیاد)

گراندد تئوری (Grounded Theory) یا نظریه داده بنیاد یک روش تحقیق کیفی است که برای نظریه‌پردازی پیرامون پدیده مورد مطالعه استفاده می‌شود. این روش زمانی استفاده می‌شود که ادبیات پژوهش پیرامون موضوع از غنای لازم برخوردار نباشد. همچنین هدف ارائه یک نظریه جدید است که تاکنون در جوامع پژوهشی مطرح نشده است.

این روش توسط دو جامعه شناس به نام بارنی گلیسر (Barney Glaser) و آنسلم اشتراوس (Anselm Strauss) در سال ۱۹۶۷ میلادی معرفی شد. روش اصلی گردآوری داده‌ها در این روش استفاده از انواع مصاحبه است. با تحلیل و کدگذاری متن مصاحبه‌ها به ارائه مدل پارادایمی پرداخته می‌شود. در روش گراندد تئوری با استفاده از یک دسته داده‌ها، نظریه‌ای تکوین می‌یابد. به طوری که این نظریه در یک سطح وسیع، یک فرایند، عمل یا تعامل را تبیین می‌کند. بیشتر پژوهشگران از روش اشتراوس و کوربین برای انجام تحلیل گراندد تئوری استفاده می‌کنند.

نظریه حاصل از اجرای چنین روش پژوهشی، نظریه‌ای فراگردی است. از مزایای روش گراندد تئوری این است که:

  • تئوری به شکل منظم و بر اساس داده‌های واقعی شکل می‌گیرد.
  • برای موقعیتی مناسب است که دانش ما در مورد آن محدود است و تئوری قابل اعتنا در آن موجود نیست که بتوان بر اساس آن فرضیه‌ای برای آزمون تدوین کرد.
  • گراندد تئوری در طول تحقیق رشد می‌کند و از رهگذر تعامل مستمر بین گردآوری و تحلیل داده‌ها حاصل می‌شود.

فلسفه روش گراندد تئوری

فلسفه علمی روش گراندد تئوری براساس نظریه کنش متقابل نماید یا symbolic interactionism قرار دارد. به عبارت دیکر نظریه گراندد تئوری در پارادایم تفسیری تعامل‌گرایی سمبولیک ریشه دارد. در تعامل‌گرایی سمبولیک اعتقاد بر این است که مردم مبنای اینکه چگونه سمبول‌های خاص مانند پوشش‌، عبارات کلامی و غیرکلامی را معنی و تفسیر می‌نمایند، رفتار کرده و با یکدیگر تعامل دارند. عناصر کلیدی روش گراندد تئوری شامل نمونه‌گیری نظری، مقایسه ثابت، کدگذاری باز، محوری و انتخابی، یادآوری و اشباع نظری، توسط اشتراوس و کوربین توصیف شده است.

امروزه ۳ رهیافت مسلط در نظریه­ پردازی زمینه بنیان قابل تفکیک است:

رهیافت اشتراوس، کوربین و چارمز

رهیافت اشتراوس، کوربین و چارمز

رهیافت نظام­‌مند Systematic که با اثر اشتراوس و کوربین (Strauss and Corbin, 1998) شناخته می­‌شود.

رهـیافت ظاهرشونده Emergent که مربوط به اثر گلیسر (Glaser, 1992) است.

رهیافت ساخت­‌گرایانه Constructivist که توسط چارمز (Charmaz, 1990; 2000) حمایت می­‌شود.

نظریه­ داده بنیاد یکی از استراتژی‌­های پژوهش محسوب می‌­شود که از طریق آن نظریه‌­پردازی بر مبنای مفاهیم اصلی حاصل از داده­‌های موجود در زمینه، شکل می‌گیرد. این­گونه نظریه­ پردازی مبتنی بر استعاره کولاژ و همانند مدل سطل زباله تصمیم­‌گیری می‌­باشد که از تلاقی تصادفی اجزاء و البته با هنرنمایی نظریه­ پرداز ترکیبی نو، بدیع و جذاب خلق می‌­شود. به عبارت دیگر، نظریه­‌پرداز زمینه‌­بنیان در زمینی متشکل از داده­‌های پراکنده متعدد و متنوع سیر نموده و به منظور دستیابی به نظری‌ه­ای نو با هنرنمایی آن­ها را ترکیب می‌­نماید. خلاقیت یکی از اجزای مهم نظریه­‌پردازی زمینه­‌بنیان است. رویه­‌های این روش پژوهشگر را مجبور می­‌سازد که پیش‌­فرض­‌ها را درهم شکسته و از عناصر قدیمی نظمی نو بیافریند.

مدل‌های گراندد تئوری

مدل‌های گراندد تئوری

استراتژی روش گراندد تئوری

استراتژی نظریه­ داده بنیاد زمینه­ بنیان از نوعی رویکرد استقرایی بهره می‌­گیرد. یعنی روند شکل­‌گیری نظریه در این استراتژی حرکت از جزء به کل است. این روش یک سلسله رویه­‌های سیستماتیک را به کار می­‌گیرد تا نظریه‌­ای مبتنی بر استقرا درباره پدیده­ مورد نظر ایجاد کند. یافته‌های تحقیق دربرگیرنده تنظیم نظری واقعیت تحت بررسی است نه یک سلسله ارقام یا مجموعه‌­ای از مطالب که به یکدیگر وصل شده باشند.

هدف نظریه­ پردازی زمینه­ بنیان ساختن و پرداختن نظریه‌­ای است که در زمینه مورد مطالعه صادق و روشنگر باشد. این استراتژی پژوهش بر سه عنصر: مفاهیم، مقوله‌­ها و گزاره­‌ها استوار است.

مراحل نظریه داده بنیاد (گراندد تئوری)

مراحل نظریه داده بنیاد (گراندد تئوری)

در پژوهش نظریه­ پردازی زمینه‌­بنیان، نظریه مورد نظر یک نظریه فراگردی است. اگر چه نظریه­پردازان زمینه­بنیان ممکن است یک تک ایده مثلاً مهارت­‌های رهبری را هم مورد تحقیق قرار دهند ولی آن­ها اغلب یک فراگرد را بررسی می­‌کنند. زیرا درک جهان اجتماعی مستلزم این است که افراد با یکدیگر تعامل داشته باشند. در نظریه‌­پردازی زمینه­‌بنیان، یک فراگرد، زنجیره­ای از کنش‌­ها و واکنش­‌ها بین افراد و وقایع مربوط به یک موضوع است.

داده‌هایی که توسط نظریه­‌پرداز زمینه‌­بنیان برای تشریح فراگردها گردآوری می­‌شود شامل انواع مختلفی از داده­‌های کیفی است نظیر مشاهده، گفت و شنودها، مصاحبه، اسناد و مدارک، خاطرات پاسخ‌دهندگان و تأملات شخصی خود پژوهشگر. نظریه­ پردازی زمینه­ بنیان از فراگردی استفاده می­ کند که مستلزم گردآوری و تحلیل همزمان و زنجیره ­وار داده‌­ها است.

در این استراتژی پژوهشی، از نمونه ­برداری نظری استفاده می­ شود. نمونه‌برداری نظری، فراگرد گردآوری داده برای تولید نظریه است که بدان وسیله تحلیل‌گر به طور همزمان داده‌هایش را جمع ­آوری، کدگذاری و تحلیل کرده و تصمیم می­‌گیرد به منظور بهبود نظریه خود تا هنگام ظهور آن، در آینده چه داده­ هایی را جمع­ آوری و در کجا آن­ها را پیدا کند.

فرایند نظریه پردازی نظریه­ داده‌بنیاد

نظریه‌­پردازی داده­‌بنیان مبتنی بر ۳ نوع کدگذاری باز، محوری و انتخابی است که در ادامه هر یک تشریح می‌­شوند.

  • کدگذاری باز Open Coding
  • کدگذاری محوری Axial Coding
  • کدگذاری انتخابی Selective Coding

انواع کدگذاری در روش گراندد تئوری

انواع کدگذاری در روش گراندد تئوری

کدگذاری آزاد ( باز) : کدگذاری، روند تجزیه و تحلیل داده‌­هاست. کدگذاری باز بخشی از فرایند تحلیل داده‌هاست که به خردکردن، مقایسه­‌سازی، نام‌گذاری، مفهوم‌­­پردازی و مقوله­‌بندی داده‌­ها می‌پردازد. طی کدگذاری باز، داده‌­ها به بخش‌­های مجزا خرد شده و برای به­‌دست آوردن مشابهت­‌ها و تفاوت­‌هایشان مورد بررسی قرار می­‌گیرند. کدگذاری باز دربرگیرنده رویه­‌های زیر است.

کدگذاری محوری: کدگذاری محوری مرحله دوم تجزیه و تحلیل در نظریه­‌پردازی زمینه‌­بنیان است. هدف این مرحله برقراری رابطه بین مقوله‌­های تولید شده در مرحله کدگذاری باز است. این کدگذاری، به این دلیل محوری نامیده شده که کدگذاری حول محور یک مقوله رخ می‌دهد. در این مرحله پژوهشگر یکی از مقوله‌ها را به عنوان مقوله محوری انتخاب کرده، آن را تحت عنوان پدیده محوری در مرکز فرایند، مورد کاوش قرار داده و ارتباط سایر مقولات را با آن مشخص می‌کند.

کدگذاری انتخابی : پدیده مورد نظر، ایده و فکر محوری، حادثه، اتفاق یا واقعه‌­ای است که جریان کنش­‌ها و واکنش‌­ها به سوی آن رهنمون می­‌شوند تا آن­ را اداره، کنترل و یا به آن پاسخ دهند. پدیده محوری با این سئوال اصلی همراه است که داده‌­ها به چه چیزی دلالت می­کنند؟  مقوله محوری ایده (انگاره، تصور) یا پدیده‌­ای است که اساس و محور فراگرد است. این مقوله همان عنوانی (نام یا برچسب مفهومی) است که برای چارچوب یا طرح به وجود آمده در نظر گرفته می‌­شود. مقوله‌­ای که به عنوان مقوله محوری انتخاب می‌شود باید به قدر کافی انتزاعی بوده و بتوان سایر مقولات اصلی را به آن ربط داد. اشتراوس (۱۹۸۷) ویژگی­‌های انتخاب مقوله محوری را موارد زیر بیان می‌کند.

ارائه الگوی پارادایمی

درکدگذاری‌باز، مقوله‌ها و مضامین اصلی پیرامون پدیده مورد مطالعه شناسایی می‌شوند. در کدگذاری‌محوری‌، مقوله‌ها‌ به‌طور نظام‌مند بهبودیافته و با زیرمقوله‌ها پیوند داده‌ می‌شوند‌. در نهایت از طریق، کدگذاری گزینشی، الگوی پارادایمی پژوهش ارائه می‌شود. یک مدل پارادایمی شامل موارد زیر است:

  • شرایط علی
  • شرایط زمینه‌ای
  • شرایط مداخله‌گر
  • استراتژی‌ها
  • پیامدها

ارائه الگوی پارادایمی در نظریه‌پردازی داده‌بنیاد

از طریق الگوی پارادایمی، گستره پژوهش تا سطح یکی از چندین فرایند یا شرایط اجتماعی اصلی که در داده‌ها وجود دارند، فشرده‌تر می‌شود. ظهور متغیر محوری در مطالعه، به عنوان راهنمایی برای گردآوری و تحلیل داده‌های بیشتر بعدی نیز، عمل می‌کند، یعنی مقوله محوری سبب جهت‌دهی به نمونه برداری نظری می‌شود.

نتیجه‌گیری

هدف نظریه­پردازی زمینه ­بنیان، تولید نظریه است نه توصیف صرف پدیده. برای اینکه تحلیل­‌ها به نظریه تبدیل شوند مفاهیم باید به طور منظم به یکدیگر ربط یابند. در کدگذاری محوری، مبانی و پایه­های کدگذاری انتخابی پی­ریزی می­شود. کدگذاری انتخابی مرحله اصلی نظریه­پردازی است که مقوله محوری را به شکلی نظام­مند به دیگر مقوله­ها ربط داده، آن روابط را در چارچوب یک روایت و داستان، روشن کرده و مقوله­هایی را که به بهبود و توسعه بیشتری نیاز دارند، اصلاح می‌­کند.

کدگذاری انتخابی، یافته­های مراحل کدگذاری قبلی را گرفته، مقوله محوری را انتخاب می­کند، به شکلی نظام­مند آن را به دیگر مقوله­ها ربط می­دهد، آن روابط را اثبات می­کند، و مقوله­هایی را که به بهبود و توسعه بیشتری نیاز دارند تکمیل می­کند. در این حالت توجه به روابط میان مقوله­ها بر مبنای مشخصه­ها و ابعادشان است.

اولین گام در کدگذاری انتخابی تشریح خط اصلی داستان است. گام دوم ربط دادن مقوله‌های تکمیلی حول مقوله محوری با استفاده از یک مدل است. در مرحله بعد هر یک از مقوله­‌ها می­باید به ابعادشان مرتبط شوند. گام چهارم به تائید رساندن آن روابط با استفاده از داده‌هاست. آخرین مرحله تکمیل مقوله­‌هایی است که نیاز به اصلاح و یا بسط و گسترش دارند. در نهایت نظریه زمینه‌­بنیان ممکن است با گزاره‌­ها یا قضایایی پایان یابد که روابط بین مقوله­‌ها را در الگوی کدگذاری محوری روشن می‌­کنند.

منبع: آموزش روش گراندد تئوری نوشته آرش حبیبی نشر الکترونیک پارس مدیر

تحلیل عاملی اکتشافی چیست؟

تحلیل عاملی اکتشافی (Exploratory Factor Analysis) یک روش آماری است که به کمک آن می‌توانیم سعی کنیم که ساختار داخلی متغیرهای مختلف را به دست آوریم. در واقع، با استفاده از این روش، می‌توانیم بررسی کنیم که آیا متغیرها با هم ارتباط دارند و در چه مقداری با هم همبستگی دارند.

در این روش، ابتدا مجموعه‌ای از متغیرها را در نظر می‌گیریم و سپس با استفاده از روش‌های آماری، تلاش می‌کنیم تا به دست آوریم که چند عامل اصلی (Factor) در پشت ساختار داده‌ها وجود دارند و هر عامل به چه متغیرهایی وابسته است. در واقع، با استفاده از این روش، می‌توانیم به دست آوریم که متغیرهای مختلف چگونه در یک مجموعه عوامل (Factors) قرار دارند و به طور خلاصه، این که هر متغیر در چه عامل‌هایی نقش دارد.

تحلیل عاملی اکتشافی به عنوان یکی از روش‌های خوشه‌بندی، برای شناسایی الگوهای موجود در داده‌ها و بررسی روابط بین متغیرها استفاده می‌شود. استفاده از این روش در بسیاری از حوزه‌های علمی و صنعتی، از جمله روان‌شناسی، علوم اجتماعی، مدیریت، بازاریابی و … رایج است.

مثالی از کاربرد تحلیل عاملی اکتشافی در علوم اجتماعی:

به عنوان مثال، در مطالعات اجتماعی می‌توان از تحلیل عاملی اکتشافی برای شناسایی عوامل مؤثر در تعیین نگرش و نظرات افراد نسبت به موضوعات مختلف استفاده کرد.

فرض کنید که می‌خواهیم بررسی کنیم که چه عواملی مؤثر بر نگرش افراد نسبت به حقوق زنان هستند. در این مثال، ما می‌توانیم از یک پرسشنامه برای جمع‌آوری داده‌ها استفاده کنیم. پرسشنامه ممکن است شامل چندین سوال در مورد نگرش به حقوق زنان باشد که هر یک از این سوال‌ها یک متغیر است. با استفاده از تحلیل عاملی اکتشافی، می‌توانیم به دست آوریم که کدام سوالات با هم مرتبط هستند و چه عواملی در تعیین نگرش افراد نسبت به حقوق زنان مؤثر هستند.

در این مثال، یکی از عواملی که ممکن است تعیین کننده نگرش افراد نسبت به حقوق زنان باشد، عامل “تفاوت‌های جنسیتی” باشد. این عامل می‌تواند شامل سوالاتی باشد که مرتبط با تفاوت‌های جنسیتی و نقش زنان و مردان در جامعه هستند. عامل دیگری که ممکن است در تعیین نگرش افراد نسبت به حقوق زنان مؤثر باشد، “مساویت” است. این عامل می‌تواند شامل سوالاتی باشد که مرتبط با حقوق مساوی برای زنان و مردان در جامعه هستند.

در نتیجه، با استفاده از تحلیل عاملی اکتشافی، ما می‌توانیم به دست آوریم که چه عواملی در تعیین نگرش افراد نسبت به حقوق زنان مؤثر هستند و این که هر متغیر در کدام عامل نقش دارد. این اطلاعات می‌تواند در تدوین سیاست‌هایی مبتنی بر تعیین اولویت‌های مؤثر در

نحوه ی انجام تحلیل عاملی اکتشافی مثال بالا را در Spss :

این منظور، می‌توانید از دستورالعمل‌های زیر استفاده کنید:

ابتدا، داده‌های خود را در SPSS وارد کنید و به مسیر Analyze > Dimension Reduction > Factor بروید.

در پنجره باز شده، می‌توانید متغیرهای مورد نظر خود را انتخاب کنید و سپس روش تحلیل عاملی اکتشافی را انتخاب کنید.

در بخش “Extraction”, می‌توانید روش استخراج عامل‌ها را انتخاب کنید. روش‌های مختلفی برای استخراج عامل‌ها وجود دارد، مانند روش Principal Component Analysis (PCA) و Maximum Likelihood (ML).

در بخش “Rotation”, می‌توانید روش چرخش عامل‌ها را انتخاب کنید. روش‌های مختلفی برای چرخش عامل‌ها وجود دارد، مانند روش Varimax و Oblimin.

در بخش “Scores”, می‌توانید برای هر شرکت کننده، امتیاز عامل‌ها را محاسبه کنید.

در نهایت، با کلیک بر روی دکمه “OK”، SPSS شروع به اجرای تحلیل عاملی اکتشافی شما می‌کند و نتایج را به شما نمایش می‌دهد.

در نتیجه، با استفاده از این روش، می‌توانید به دست آورید که چه عامل‌هایی در تعیین نگرش افراد نسبت به حقوق زنان مؤثر هستند و این که هر متغیر در کدام عامل نقش دارد. این اطلاعات می‌تواند در تدوین سیاست‌هایی مبتنی بر تعیین اولویت‌های مؤثر در ارتقای حقوق زنان موثر باشد.

تحلیل عاملی اکتشافی در نرم افزار های دیگر:

از جمله نرم افزارهایی که می‌توانید برای انجام تحلیل عاملی اکتشافی استفاده کنید عبارتند از R، SAS، و MATLAB.

در R، می‌توانید از پکیج “psych” برای انجام تحلیل عاملی استفاده کنید. برای انجام تحلیل عاملی اکتشافی، می‌توانید از تابع “fa()” استفاده کنید. این تابع شامل پارامترهایی است که می‌توانید برای تنظیم تحلیل عاملی خود استفاده کنید.

در SAS، می‌توانید از روش‌های مختلفی برای انجام تحلیل عاملی استفاده کنید، از جمله روش‌های Principal Component Analysis (PCA) و Maximum Likelihood (ML). برای انجام تحلیل عاملی اکتشافی در SAS، می‌توانید از ماژول “PROC FACTOR” استفاده کنید.

در MATLAB، می‌توانید از پکیج “Statistics and Machine Learning Toolbox” برای انجام تحلیل عاملی استفاده کنید. برای انجام تحلیل عاملی اکتشافی، می‌توانید از تابع “factoran()” استفاده کنید. این تابع شامل پارامترهایی است که می‌توانید برای تنظیم تحلیل عاملی خود استفاده کنید.

در هر صورت، برای انجام تحلیل عاملی اکتشافی در هر نرم افزاری، شما باید داده‌های خود را به فرمت مناسب وارد کنید و پارامترهای مورد نیاز را برای تحلیل عاملی خود تنظیم کنید. سپس، برنامه را اجرا کرده و نتایج را بررسی کنید.

برای یادگیری بیشتر در مورد تحلیل عاملی اکتشافی، می‌توانید از منابع معتبر زیر استفاده کنید:

“Factor Analysis: A Practical Introduction” نوشته ی Jeremy Miles: این کتاب یکی از بهترین منابع برای یادگیری تحلیل عاملی اکتشافی است. همچنین، این کتاب شامل مثال‌هایی از تحلیل داده‌های واقعی است که می‌تواند به شما در فهم بهتر تحلیل عاملی اکتشافی کمک کند.

“Applied Multivariate Statistics for the Social Sciences” نوشته ی James P. Stevens: این کتاب درباره روش‌های آماری مختلف استفاده شده در تحلیل داده‌های چند متغیره می‌باشد و بخشی درباره تحلیل عاملی اکتشافی است.

“Factor Analysis in SPSS” نوشته ی Andy Field: این کتاب به شما نحوه استفاده از تحلیل عاملی در SPSS را آموزش می‌دهد. در این کتاب به توضیح مراحل تحلیل عاملی در SPSS و تفسیر نتایج آن پرداخته می‌شود.

“Factor Analysis: Statistical Methods and Practical Issues” نوشته ی Jae-On Kim and Charles W. Mueller: این کتاب شامل توضیحاتی درباره تاریخچه و تئوری تحلیل عاملی، روش‌های مختلف استخراج عامل‌ها و دستورالعمل‌های اجرایی برای انجام تحلیل عاملی است.

“Factor Analysis for Applied Research” نوشته ی Robert Jennrich and Douglas A. Harrington: این کتاب به شما نحوه تحلیل داده‌های چند متغیره با استفاده از تحلیل عاملی را آموزش می‌دهد. این کتاب شامل مثال‌هایی از تحلیل داده‌های واقعی است که به شما در فهم بهتر تحلیل عاملی کمک می‌کند.

همچنین، منابع معتبر دیگری نیز برای یادگیری تحلیل عاملی اکتشافی وجود دارد که می‌توانید از آنها استفاده کنید.

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی ،تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.نرم افزار های کمی: SPSS- PLS – Amosنرم افزار کیفی: Maxqudaتعیین حجم نمونه با:Spss samplepower

روش های تماس:Mobile :  09143444846  واتساپ – تلگرام کانال

تلگرام سایت: برای عضویت در کانال تلگرام سایت اینجا کلیک کنید(البته قبلش فیلتر شکن روشن شود!!) مطالب جالب علمی و آموزشی در این کانال درج می گردد.

مراحل طراحی پرسشنامه و اعتبار سنجی آن

مراحل طراحی پرسشنامه عبارتند از:

مراحل طراحی پرسشنامه عبارتند از:

تعیین هدف: در این مرحله باید هدف واقعی از پرسشنامه را تعیین کرد.

واضح کردن اهداف پژوهش و تعیین نیازهای اطلاعاتی مورد نیاز از مهمترین اقدامات این مرحله است.

انتخاب موضوع و بعد‌های مورد نظر:

در این مرحله لازم است به اهداف ، سوال ها یا فرضیه های پژوهش مراجعه شود تا موضوع و ابعاد پرسشنامه مشخص گردد.

بعد اصلی پرسشنامه باید مشخص شود و سپس سوالات مرتبط با این بعد تهیه شوند.

باید توجه داشت که سوالات مورد انتظار برای مطالعه، باید مرتبط و معتبر باشند.

ارائه سوالات: در این مرحله سوالات پرسشنامه باید طراحی شوند.

سوال‌ها باید واضح، قابل فهم و مرتبط با هدف اصلی پرسشنامه باشند.

تعیین فرمت پرسشنامه: در این مرحله، باید فرمت پرسشنامه، چیدمان سوالات و نحوه پاسخ‌گویی مشخص شود.

برای مثال، فرمت می‌تواند شامل طرح لیکرت با پاسخ‌های چندگزینه، پاسخ کوتاه، پاسخ طولانی و غیره باشد.

اعتبارسنجی:

برای اعتبارسنجی پرسشنامه، باید آن را به گروهی از افراد که در هدف اصلی پرسشنامه قرار دارند، تحویل داد و از آن‌ها درخواست نظر و بازخورد بگیرید. سپس با تحلیل نتایج، می‌توانید پرسشنامه را اصلاح و تکمیل کنید.

به طور خلاصه اعتبار سنجی در زیر شرح داده می شود:

اعتبارسنجی پرسشنامه به منظور اطمینان از صحت و قابل اعتماد بودن پرسشنامه و اطمینان از اینکه پرسشنامه به درستی می‌تواند اطلاعات مورد نیاز را جمع آوری کند، انجام می‌شود. این فرآیند شامل مراحل زیر است:

اعتبار ظاهری (Face Validity): در این مرحله، پرسشنامه به یک گروه از افراد تحویل داده می‌شود تا بررسی کنند که آیا سوالات پرسشنامه مرتبط و معتبر برای موضوع مورد نظر هستند یا خیر. این فرایند برای تضمین اینکه پرسشنامه شامل سوالات مناسب است، بسیار مهم است.

پایایی (Reliability): پایایی به معنای تکرار پذیری و ثبات پاسخ‌گویی پرسشنامه است. برای اندازه گیری پایایی، می‌توان از روش‌های داخلی مانند ضریب آلفای کرونباخ استفاده کرد. این روش بر اساس همبستگی سوالات پرسشنامه با یکدیگر، ضریب پایایی را محاسبه می‌کند.

پایایی زمانی (Test-retest reliability): برای اندازه‌گیری پایایی زمانی، پرسشنامه به دو گروه از افراد در زمان‌های مختلف تحویل داده می‌شود و نتایج به دست آمده مقایسه می‌شوند. برای ارزیابی پایایی زمانی می‌توان از ضریب همبستگی دوباره تست استفاده کرد.

پایایی داخلی (Internal consistency): برای اندازه‌گیری پایایی داخلی، ارتباط سوالات یک بعد پرسشنامه با یکدیگر سنجیده می‌شود. این پایایی معمولاً توسط ضریب آلفای کرونباخ یا ضریب بیسر تعیین می‌شود.

روایی (Validity): روایی به معنای میزان صحت پرسشنامه در اندازه‌گیری مفهوم مورد نظر است. برای ارزیابی روایی، می‌توان از روش‌های داخلی مانند تحلیل عاملی تأییدی، روش روایی محتوایی و روش روایی معیاری استفاده کرد.

با توجه به اینکه اعتبارسنجی پرسشنامه به مراحل متعددی نیاز دارد، باید توجه داشت که این فرآیند باید با دقت و همراه با بررسی‌های دقیق و دسته‌بندی‌های مناسب انجام شود. همچنین، برای اطمینان از صحت و قابلیت استفاده پرسشنامه، باید این فرآیند به صورت دوره‌ای تکرار و به‌روزرسانی شود.

یکی از موارد مهمی که در این مرحله باید به آن توجه شود تحلیل عاملی می باشد. تحلیل عاملی به دو صورت تاییدی و اکتشافی می باشد. تحلیل عاملی تأییدی با نرم افزار هایی مانند Amos ، Lisrel و pls انجام می گیرد. تحلیل عاملی اکتشافی را می توان با نرم افزار Spss انجام داد.

در مقالات بعدی به تفصیل در مورد تحلیل عاملی بحث خواهد شد.

تست و اجرا: در این مرحله، پرسشنامه باید تست و اجرا شود. برای این منظور، لازم است تا پرسشنامه به گروهی از افراد تحویل داده شود و نتایج آن‌ها تجمع شود.

سپس با تحلیل نتایج، می‌توانید از پرسشنامه برای مطالعه و تحقیق خود استفاده کنید.

تجدیدنظر و به‌روزرسانی: پرسشنامه باید به‌روزرسانی شود تا با نیازهای جدید 

انواع مقیاس های اندازه گیری با ذکر مثال

انواع مقیاس های اندازه گیری با ذکر مثال

در اندازه‌گیری های پژوهشی، مقیاس‌های مختلفی برای اندازه‌گیری متغیرهای مختلف استفاده می‌شوند.

 این مقیاس‌ها می‌توانند بر اساس طبیعت متغیر، نوع داده‌ها و هدف اندازه‌گیری تعریف شوند.

  1. مقیاس اسمی: این مقیاس برای اندازه‌گیری داده‌های کیفی مورد استفاده قرار می‌گیرد و دارای دسته‌های گسسته است.

 برای مثال، می‌توانیم برای این مقیاس، رنگ مورد علاقه شخص را نام ببریم.

مثال های دیگر: جنسیت، سبک موسیقی، شهر محل زندگی

  • مقیاس ترتیبی: این مقیاس برای اندازه‌گیری داده‌هایی استفاده می‌شود که ترتیب مشخصی دارند ولی فاصله بین داده‌ها نامعلوم است.

 برای مثال، می‌توانیم سطوح درد را به عنوان یک مثال برای این مقیاس ذکر کنیم.

یا سطوح تحصیلات (دیپلم، لیسانس، فوق لیسانس، دکترا)، شغل (کارمند، مدیر، صاحب کسب و کار)، مراحل بیماری (سالم، بیماری در دوران ابتدایی، بیماری در دوران پیشرفته)

  • مقیاس اندازه‌گیری فاصله ای: این مقیاس دارای واحد اندازه‌گیری است و امکان انجام محاسبات آماری را فراهم می‌کند. برای مثال، قد و وزن فرد به عنوان یک مثال از این مقیاس می‌تواند ذکر شود.

یا درجه حرارت، فشار خون، سرعت خودرو

  • مقیاس نسبی: این مقیاس دارای نقطه مبنا است و امکان انجام محاسبات ریاضیاتی مانند ضرب و تقسیم را فراهم می‌کند.

 برای مثال، درصد دانش آموزی که به طور کلی به موفقیت دست می‌یابد، یک نمونه از این مقیاس است.

درصد تخفیف، نرخ بهره بانکی، ضریب تبدیل واحد پول، سرعت رشد جمعیت

  • مقیاس اندازه‌گیری دو متغیره: این مقیاس‌ها برای اندازه‌گیری دو متغیر به طور همزمان استفاده می‌شوند.

برای مثال، می‌توانیم قطر و وزن توپ را به عنوان یک نمونه از این مقیاس ذکر کنیم.

موقعیت مکانی دو نقطه روی نقشه، میزان مصرف برق و گاز در یک خانه، طول و عرض عینک یا ساعت

در جدول زیر، برخی از انواع مقیاس‌های اندازه‌گیری را با هم مقایسه کرده‌ایم:

نوع مقیاستوضیحمثال
اسمیمعمولاً به صورت دسته‌ای است و برای داده‌های کیفی مورد استفاده قرار می‌گیرد.جنسیت، رنگ چشم
ترتیبیاین مقیاس ترتیب مشخصی برای داده‌ها بر اساس مفهومی مشخص دارد.سطوح تحصیلات، شغل
اندازه‌گیری فاصله ایاین مقیاس دارای واحد اندازه‌گیری است و امکان انجام محاسبات آماری را فراهم می‌کند.قد، وزن
نسبیاین مقیاس دارای نقطه مبنا است و امکان انجام محاسبات ریاضیاتی مانند ضرب و تقسیم را فراهم می‌کند.درصد، نرخ
اندازه‌گیری دو متغیرهاین مقیاس‌ها برای اندازه‌گیری دو متغیر به طور همزمان استفاده می‌شوند.طول و عرض، قطر و وزن

لازم به ذکر است که این دسته‌بندی‌ها ممکن است بر اساس نوع متغیر و هدف اندازه‌گیری تفاوت کنند و برخی از مقیاس‌ها می‌توانند در چندین دسته قرار گیرند.

مقیاس نسبی (نسبتی) در آمار

مقیاس نسبی در آمار

مقیاس نسبی یکی از انواع مقیاس‌های آماری است که برای اندازه‌گیری و مقایسه متغیرهایی که از نمونه‌های با اندازه‌های مختلف به دست می‌آیند، استفاده می‌شود. در این نوع مقیاس‌ها، ارزش متغیر به صورت نسبی به دیگر مقادیر در نمونه مشخص می‌شود. به عبارت دیگر، این مقیاس‌ها به ما امکان می‌دهند تا متغیرهایی با واحدها و مقادیر مختلف را با هم مقایسه کنیم.

مقیاس‌های نسبی شامل مقایسه‌هایی مانند نسبت، درصد، ضریب، و ارزش p به عنوان یک معیار احتمالی می‌شوند. به طور مثال، نسبت متغیر X به متغیر Y به صورت X/Y تعریف می‌شود و در صورتی که ارزش نسبت برابر با 1 باشد، به این معنی است که دو متغیر با هم برابرند. اگر نسبت بزرگتر از 1 باشد، به این معنی است که متغیر اول بزرگتر از دوم است و اگر کمتر از 1 باشد، به این معنی است که متغیر اول کوچکتر از دوم است.

در مقابل، مقیاس‌های دیگری مانند مقیاس‌های مطلق، مانند میانگین و واریانس، بر اساس واحد‌های مشخصی تعریف می‌شوند و به همین دلیل برای مقایسه متغیرهایی با واحدها و مقادیر مختلف نیاز به تبدیل داده‌ها به واحد‌های مشترک دارند.

استفاده از مقیاس‌های نسبی در آمار، به ما امکان مقایسه و تفسیر داده‌های مختلف را با هم فراهم می‌کند و باعث می‌شود تحلیل داده‌ها به صورت دقیق‌تر و معتبرتری انجام شود.

یک مثال از استفاده از مقیاس‌های نسبی:

فرض کنید می‌خواهید میزان فروش یک محصول در دو دوره زمانی مختلف را مقایسه کنید. در دوره اول، فروش این محصول 1000 واحد بوده است و در دوره دوم، فروش آن به 1500 واحد افزایش یافته است. برای مقایسه این دو دوره، می‌توان از مقیاس نسبت استفاده کرد.

در این صورت، نسبت فروش دوره دوم به دوره اول برابر با 1500/1000=1.5 خواهد بود. این نسبت نشان می‌دهد که فروش در دوره دوم نسبت به دوره اول به میزان 50 درصد افزایش یافته است. اگر به جای مقیاس نسبت، از مقیاس مطلق مانند افزایش تعداد واحدهای فروش استفاده می‌کردیم، این نتیجه قابل مقایسه نبود و نمی‌توانستیم به این سادگی بفهمیم که درصد افزایش فروش در دوره دوم چقدر بوده است.

بنابراین، استفاده از مقیاس‌های نسبی مانند نسبت، درصد و ضریب، به ما این امکان را می‌دهد که متغیرهایی با واحدها و مقادیر مختلف را با هم مقایسه کنیم و تحلیل داده‌ها را به صورت دقیق‌تر و معتبرتر انجام دهیم.

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی ،تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.نرم افزار های کمی: SPSS- PLS – Amosنرم افزار کیفی: Maxqudaتعیین حجم نمونه با:Spss samplepower

روش های تماس:Mobile :  09143444846  واتساپ – تلگرامکانال تلگرام سایت: برای عضویت در کانال تلگرام سایت اینجا کلیک کنید(البته قبلش فیلتر شکن روشن شود!!) مطالب جالب علمی و آموزشی در این کانال درج می گردد.

مقاله نویسی

مقیاس اسمی چیست؟

مقیاس اسمی یکی از انواع مقیاس‌های اندازه‌گیری در روش‌های آماری است که برای دسته‌بندی داده‌ها به کار می‌رود.

در این نوع از مقیاس‌ها، داده‌ها با نشان دادن نام یا برچسبی که به آن‌ها اختصاص داده شده است، دسته‌بندی می‌شوند.

به عبارت دیگر، در مقیاس اسمی، داده‌ها فقط به عنوان اعضای گروه‌های مجزا شناخته می‌شوند و هیچ قدرت مقایسه و محاسبه‌ای بین آن‌ها وجود ندارد.

مثال‌هایی از مقیاس اسمی عبارتند از: جنسیت – رنگ‌ها، نام شهرها، نام کشورها و ژانرهای موسیقی-

آیا مقیاس اسمی در تحلیل داده‌های کمیتی هم مورد استفاده قرار می‌گیرد؟

مقیاس اسمی در تحلیل داده‌های کمیتی معمولاً برای دسته‌بندی داده‌ها و توصیف ویژگی‌های کیفی مانند نام، جنسیت، محل سکونت، رنگ مورد علاقه و غیره استفاده می‌شود.

این نوع از داده‌ها به صورت کیفی نیستند و نمی‌توان به آن‌ها عملیات ریاضی اعمال کرد.

با این حال، در برخی موارد، می‌توان از مقیاس اسمی برای تحلیل داده‌های کمیتی استفاده کرد.

به عنوان مثال، می‌توان داده‌هایی را در نظر گرفت که در آن‌ها متغیرهایی مانند رنگ یک محصول، میزان رضایت مشتریان از آن محصول یا میزان تقاضای محصولاتی با نام‌های مختلف در بازار وجود داشته باشد و از مقیاس اسمی برای توصیف این متغیرها استفاده کرد.

با این حال، در این موارد، برای تحلیل داده‌ها به مقیاس‌های دیگری نیز نیاز است تا بتوان از قابلیت‌های تحلیلی آن‌ها بهره برد.

مثالی از تحلیل داده‌های کمیتی با استفاده از مقیاس اسمی

فرض کنید که شما یک شرکت معتبر برای تحلیل بازار یک محصول خاص استخدام شده‌اید.

شما به دنبال تحلیل داده‌هایی هستید که نشان دهنده تفاوت در نوع محصولاتی است که مشتریان خریداری می‌کنند.

در این مثال، می‌توانیم از مقیاس اسمی برای دسته‌بندی محصولات استفاده کنیم.

برای این کار، از مشتریان خود سوال می‌کنید که محصولی که خریداری کرده‌اند، به چه دسته‌ای از محصولات تعلق دارد.

مثلاً می‌توانیم از دسته‌های محصولاتی مانند الکترونیکی، خانگی، غذایی و غیره استفاده کنیم.

در اینجا، داده‌ها به صورت کیفی هستند و نمی‌توان به آن‌ها عملیات ریاضی اعمال کرد.

با این حال، با دسته‌بندی داده‌ها، می‌توانید الگوهای خریداری محصولات مختلف را تحلیل کرده و بر اساس آن‌ها تصمیم‌گیری کنید که در کدام دسته محصولات باید بیشتر سرمایه‌گذاری کرد.

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

تحلیل داده های آماری برای پایان نامه و مقاله نویسی ،تحلیل داده های آماری شما با نرم افزارهای کمی و کیفی ،مناسب ترین قیمت و کیفیت عالی انجام می گیرد.نرم افزار های کمی: SPSS- PLS – Amosنرم افزار کیفی: Maxqudaتعیین حجم نمونه با:Spss samplepower

روش های تماس:Mobile :  09143444846  واتساپ – تلگرامکانال تلگرام سایت: برای عضویت در کانال تلگرام سایت اینجا کلیک کنید(البته قبلش فیلتر شکن روشن شود!!) مطالب جالب علمی و آموزشی در این کانال درج می گردد.

انواع روایی در روش تحقیق

انواع روایی در روش تحقیق

روایی (یا اعتبار) و پایایی (یا قابلیت اطمینان) ابزارها پژوهش در پدیده‌های اجتماعی و سازمانی، اکثراً از طریق معرف‌ها صورت می‌گیرد. برای مثال، زمانی که هدف ارزیابی وجهه‌ی یک استاد بین دانشجویان است، گفته می‌شود رعایت نظم، داشتن سواد، بیان درست و… در زمره‌ی معرف‌ها یا شاخص‌های یک معلم خوب‌اند. حال سؤال این است که:

  1. آیا این شاخص‌ها واقعا نشان از معلمی خوب دارند؟

۲. آیا مجموع این شاخص‌ها در نهایت برای شناخت و ارزیابی معلمی خوب کافی هستند؟

این سؤال‌ها بااعتبار تجربی مرتبط‌اند؛ بنابراین می‌توان گفت که مسئله‌ی شناسایی اعتبار تحقیق، مخصوصاً در دانش‌های اجتماعی – انسانی، از آن رو مطرح می‌شود که تحقیق غال با در زمینه‌ی امر نظری صورت می‌گیرد؛ یعنی پژوهش باواسطه و غیرمستقیم است (از طریق شاخص‌ها صورت می‌گیرد). پس در محاسبه‌ی اعتبار تحقیق، سؤال اصلی که محقق برای خود مطرح می‌کند، چنین است: آیا شخص در حال اندازه گیری درست آن چیزی است که در اندیشه‌ی اندازه گیری آن است؟

مقصود از روایی آن است که وسیله‌ی اندازه گیری بتواند واقعاً خصیصه‌ی مورد نظر را اندازه بگیرد، نه صفت دیگری را. روایی آن خصیصه‌ی ابزار و یا روش جمع آوری داده‌هاست که دانستن آن خصیصه، همان مقولاتی را تعیین می‌کند که برای تعیین آن مقولات طرح ریزی شده است. در این صورت اعتبار یک وسیله‌ی اندازه گیری آن است که اگر خصیصه‌ی مورد سنجش را با همان وسیله (وسیله‌ی مشابه و قابل مقایسه با آن) تحت شرایط مشابه دوباره اندازه گیری کنیم تا چه حد نتایج به دست آمده مشابهت دقیق و قابل اعتماد داشته باشند. یک وسیله (ابزار) معتبر آن است که دارای ویژگی تکرارپذیری و بازیافت پذیری باشد، یعنی بتوان آن را در موارد متعدد به کار برد و در همه‌ی موارد نتایج یکسانی به دست آورد. «اگر روش‌های اندازه گیری فاقد اعتبار کافی و معقول باشد، اجرای پژوهش‌های تجربی بی‌معنی خواهد بود» (ساروخانی، ۱۳۸۶، ۱۴۴-۱۴۳).

انواع روایی

در این قسمت صرف روایی ابزار سنجش را بررسی خواهیم کرد؛ یعنی وقتی مجموعه‌ای از سؤال‌ها را می‌پرسیم (تدوین یک ابزار سنجش) امید داریم که مفهوم را انعکاس دهیم، چگونه می‌توان به‌طور معقول مطمئن شد آن چه را که قصد آن داشته‌ایم برای سنجش تعیین کرده‌ایم و نه چیز دیگری؟ این امر می‌تواند با به‌کارگیری آزمونه‌ای خاص روانی تعیین شود. برای آزمون درستی و خوب بودن سنجه‌ها، انواع آزمون‌های روانی مورد استفاده قرار می‌گیرد. نویسندگان برای تفهیم آزمون‌های روانی اصطلاحات مختلفی به کار می‌گیرند، برای وضوح موضوع، می‌توانیم آزمون‌های روایی را تحت سه عنوان کلی گروه بندی کنیم: روایی محتوا، روایی معیار و روایی سازه (دانایی فرد و همکاران، ۱۳۸۳، ۳۱۳).

پیشنهاد موضوع پایان نامه دکتری با مقاله بیس ۲۰۲۱

موضوع رساله دکتریهمراه با مقاله بیس ۲۰۲۱

– روایی محتوا

روانی محتوا ایجاد اطمینان می‌کند که همه ابعاد و مؤلفه‌هایی که می‌توانند مفهوم مورد نظر ما را انعکاس دهند، در آن سنجه وجود دارد. هر چه وجود این ابعاد و مؤلفه‌ها در سنجه، جهت انعکاس مفهوم، بیشتر باشد، روانی محتوا بیشتر می‌شود. در شرایط مختلف، محتوا تابعی است از ترسیم و تعیین خوب ابعاد و مؤلفه‌های مفهوم. «روانی صوری»، شاخصی بسیار جزئی از روایی محتواست. روایی صوری نشان می‌دهد که ابعاد و مؤلفه‌هایی که برای سنجش یک مفهوم مطرح می‌گردند، به‌طور ظاهری نیز این مهم را نشان می‌دهند و می‌بینیم که آنها مفاهیم را مورد سنجش قرار می‌دهند.

– روایی وابسته به معیار

روایی وابسته به معیار وقتی ایجاد می‌شود که سنجه‌ی مورد نظر، افراد را بر اساس معیاری که انتظار پیش بینی آن می‌رود، متمایز سازد. این امر می‌تواند به‌وسیله‌ی ایجاد «روانی هم‌زمان» یا «روایی پیش بین» آن طور که ذیلاً تشریح می‌گردد، انجام شود. روایی هم‌زمان موقعی ایجاد می‌گردد که مقیاس، افرادی که مشخص است نسبت به یکدیگر متفاوتند را از هم متمایز می‌کند؛ یعنی باید در آزمون، نمرات متفاوتی بگیرند. برای مثال، اگر یک سنجه در مورد اخلاق کار تدوین می‌شود و در مورد گروهی از دریافت کنندگان خدمات رفاهی اجرا می‌گردد، مقیاس باید افرادی که مایلند شغلی را بپذیرند و از زیر چتر خدمات رفاهی بیرون آیند را از کسانی که می‌خواهند تحت پوشش خدمات رفاهی باقی بمانند و خواهان شغلی نباشد، متمایز گرداند، زیرا کسانی که برای اخلاق کار ارزش زیاد قائل‌اند، نمی‌خواهند تحت پوشش خدمات رفاهی باشند و خواهان و مشتاق پذیرش شغل هستند. از طرف دیگر کسانی که برای اخلاق کار ارزش کمی قائل‌اند، ممکن است تمایل داشته باشند کماکان از خدمات رفاهی برخوردار باشند ولی اشتغال به کاری نداشته باشند. اگر هر دو نوع از افراد، نمره یکسانی بر اساس مقیاس اخلاق کاری بگیرند، آن گاه آزمون نتوانسته است سنجه‌ای از اخلاق کار باشد، بلکه سنجه‌ای از چیز دیگری بوده است.

روایی پیش بین، توانایی آزمون سنجه برای ایجاد تفکیکی بین افراد، در خصوص یک سنجه است که در آینده رخ می‌دهد. برای مثال، اگر نوعی آزمون استعداد یا توانایی، از کارکنان در زمان استخدام به عمل می‌آید، انتظار می‌رود افراد را بر اساس عملکرد مورد انتظار آینده‌ی آنها تفکیک کند، آن گاه افرادی که نمرات ضعیفی دریافت می‌کنند، باید کارکنان ضعیفی باشند و افرادی که نمرات بالا از روی مقیاس به دست می‌آورند باید کارکنان خوبی باشند. آزمون‌ها ممکن است از روانی پیش بینی کنندگی بالا، متوسط و یا پایینی برخوردار باشند.

– روایی سازه

 روایی سازه دلالت بر این دارد که نتایج به دست آمده از کاربرد سنجه‌ها تا چه حد با تئوری‌هایی که آزمون بر اساس آنها طراحی شده، سازگاری دارد. این روایی از طریق «روایی همگرا» و «روایی واگرا (تشخیصی)» ارزیابی می‌شود. روایی همگرا زمانی ایجاد می‌شود که نمرات به دست آمده از دو ابزار مختلف، همان مفهومی را بسنجد که به میزان زیادی به آن مرتبط می‌شود. روایی تشخیصی زمانی ایجاد می‌شود که وقتی بر اساس تئوری پیش بینی می‌شود که دو متغیر همبستگی ندارند، نمرات به دست آمده از طریق سنجش آنها نیز به‌طور تجربی همین امر را تأیید می‌کند.

روایی سازه بیشتر از روایی محتوایی جنبه‌ی نظری دارد. بنا به تعریف، یک آزمون در صورتی دارای روایی سازه است که نمرات حاصل از اجرای آن به مفاهیم یا سازه‌های نظریه‌ی مورد نظر مربوط باشند (کرونباخ، ۱۹۷۰). برای مثال، یک آزمون یا پرسشنامه ی اضطراب در صورتی دارای روایی سازه است که نمرات حاصل از آن، با سازه‌هایی که در نظریه های اضطراب آمده اند ارتباط داشته باشد.

مثال دیگر، آزمون خواندن و فهمیدن درک مطلب است، این آزمون در صورتی دارای روایی سازه است که نمرات آن به‌طور مستقیم به میزان درک و فهم دانش آموزان از مطالب خواندنی (مانند کتاب های درسی) مربوط باشد.

روایی می‌تواند به روش‌های مختلف ایجاد شود. سنجه‌های منتشره برای متغیرهای تحقیق مختلف معمولا اشکال گوناگونی از روایی را گزارش می‌دهند که برای سنجش و ارزیابی طراحی شده اند، بطوری که کاربر، استفاده کننده و یا خواننده بتواند در مورد «درستی و خوب بودن» سنجه قضاوت کند (دانایی فرد و همکاران، ۱۳۸۳، ۳۱۳-۳۱۵).

– روایی صوری

روایی صوری به این مطلب اشاره می‌کند که سؤال‌های آزمون تا چه حد در ظاهر شبیه به موضوعی هستند که برای اندازه گیری آن تهیه شده اند. در واقع روایی صوری نمی‌تواند نوعی روایی باشد، بلکه تنها یک ویژگی آزمون است که در پاره ای مواقع وجود آن مفید به نظر می رسد. ثرندایک و هگن (۱۹۷۹) در رد اهمیت روایی صوری گفته اند: در واقع آنچه تعیین می‌کند که یک آزمون چه چیزی را اندازه می‌گیرد، تکالیفی است که به‌وسیله‌ی سؤال آزمون معرفی می شوند و کسی که بخواهد روایی محتوایی یک آزمون را در رابطه با برنامه درسی مورد قضاوت قرار دهد یا قدرت پیش بینی آزمون را تعیین کند، باید سؤال‌های آزمون را به دقت بررسی کند و برای این منظور، به صورت ظاهر آزمون، چندان اعتنایی نمی کنیم.

با وجود اظهارات فوق، ثرندایک و هگن (۱۹۷۹) می گویند که گاه صورت ظاهر یک آزمون (روایی صوری)، از لحاظ قابلیت پذیرش و معقول بودن آزمون برای آزمون شوندگان، دارای اهمیت است. می‌توان گفت تا آن اندازه که ظاهر آزمون بر انگیزش آزمون شونده اثر می گذارد، روایی صوری می‌تواند مهم باشد. در بعضی آزمونها، به ویژه آزمونه‌ای استخدامی، اگر آزمون فاقد روایی صوری باشد، آزمون شونده ممکن است علاقه ای به جواب دادن به سؤال‌های آزمون از خود نشان ندهد، زیرا ممکن است چنین تصور شود که آزمون به تصمیم های مربوط به استخدام او ربطی ندارد. نتیجه اینکه، روایی صوری، هر چند ضامن اندازه گیری دقیق نیست، اما ممکن است بر انگیزش آزمون شونده و در نتیجه بر روایی نمرات حاصل از آزمون تأثیر داشته باشد.

هر چند روایی صوری یک ویژگی مطلوب آزمون است، در بعضی آزمونها این ویژگی نه تنها ضروری نیست، بلکه بهتر است وجود نداشته باشد. برای مثال: اگر کسی بخواهد بیماری روانی را در افراد معین کند، بهتر است آزمونی را مورد استفاده قرار دهد که روایی صوری اندکی دارد (دیک و هگرتی ۱۹۷۹، ص ۹۵).

روایی صوری یک شکل از اشکال روایی محتوا است که معمولا به صورت عددی بیان نمی شوند. گردآوری چنین شواهدی اساسا و ضرورت مبتنی بر داوری است و چنین داوری هایی باید برای هر هدفی به‌طور جداگانه انجام پذیرد. گردآوری این شواهد شامل بازبینی دقیق و موشکافانه است تا تعیین شود آیا محتوا و هدفهایی که آزمون اندازه گیری می‌کند، هدف آن مطالبی است که حیطه ی محتوا را تشکیل می‌دهند یا خیر؟ اگر تمام داوران (خبرگان امر) توافق کنند که پرسش های آزمون حیطه ی محتوایی را به اندازه ی کافی منعکس می‌کنند، می‌توان گفت آزمون، دارای روایی محتوا است. همچنین این نکته نیز باید مشخص شود که آزمون، از عواملی که با هدف اندازه گیری نامرتبط هستند، تاثیر نپذیرفته است.

با این حال، «قضاوتهای مربوط به روایی محتوایی نه قطعی هستند و نه نهایی؛ آزمونها از سطوح مختلف روایی برخوردارند و متخصصان در قضاوت های خود همیشه با هم توافق نظر ندارند» (مرفی و شوفر ۱۱۰، ۱۹۹۴).

تعریف اعتبار درونی و بیرونی

به‌طور کلی طرح تحقیق همانند طرح یک ساختمان است. همانطور که در طرح یک ساختمان، با توجه به ضرورت ایجاد آن، چگونگی رابطه ی اجزاء آن منعکس است، در طرح تحقیق نیز با توجه به هدف آن، چگونگی گردآوری و تنظیم داده ها و نیز تبدیل آنها به اطلاعات و سرانجام دست یافتن به یافته های تحقیقاتی، نمایان می‌شود؛ اما نسبت به یافته های تحقیقاتی یک طرح تا چه اندازه می‌توان اطمینان داشت؟ در پاسخ به این سؤال باید اعتبار درونی تحقیق را مورد نظر قرار دهیم. علاوه بر این تا چه اندازه می‌توان یافته های تحقیق را در محیط های جغرافیایی یا شرایط دیگر تعمیم داد؟ این سؤالی است که با اعتبار بیرونی تحقیق سروکار دارد. در قسمت های قبل به این نکته اشاره شد که به‌وسیله‌ی تحقیق آزمایشی می‌توان به برقراری رابطهی علت – معلولی میان متغیرها پرداخت. برای مثال اگر بخواهیم تأثیر یک متغیر مستقل (روش تدریس) را بر یک متغیر وابسته یادگیری دانش آموزان بررسی کنیم، طرح تحقیق مناسب یک طرح آزمایشی است؛ اما در بررسی یاد شده که منظور آن شناسایی اثرهای یک متغیر بر متغیر دیگر است، در صورتی فرایند تحقیق از دقت لازم برخوردار است که بتوان اثر سایر متغیرهاناخواسته را کنترل کرد. درجهی کنترل متغیرهای ناخواسته را اعتبار درونی تحقیق می نامند؛ به عبارت دیگر، اعتبار درونی تحقیق نمایانگر آن است که تا چه اندازه یافته های تحقیق از صحت و دقت لازم برخوردار است. عوامل چندگانهای اعتبار درونی را خدشه دار می‌کند که در قسمت های بعد به بیان آنها خواهیم پرداخت.

سؤال دیگری که دربارهی یافته های یک طرح تحقیق مطرح است، مربوط به میزان تعمیم پذیری یافته هاست. تا چه اندازه می‌توان تأثیر متغیر مستقل را بر متغیر وابسته تعمیم داد؟ در پاسخ به این سؤال باید اعتبار بیرونی طرح را مورد نظر قرار داد؛ به عبارت دیگر اعتبار بیرونی با این امر سرو کار دارد که تا چه اندازه یافته های تحقیق که با استفاده از یک نمونه به دست آمده است، به گروه وسیع تری از آزمودنی هایا شرایط دیگری قابل تعمیم است. دو نوع اعتبار بیرونی را می‌توان مورد نظر قرار دادن الف) اعتبار بیرونی با توجه به جامعه ی مورد مطالعه، ب) اعتبار بیرونی زیست محیطی (۲۱۰,۱۹۸۴, McMillan & Schumacher). در اعتبار بیرونی جمعیتی، تعمیم یافته ها به جامعه ی آماری مد نظر قرار می‌گیرد. در حالی که در اعتبار بیرونی زیست محیطی، یافته های تحقیق از یک مجموعه شرایط ویژه که پژوهشگر در چارچوب آنها تحقیق خود را به انجام رسانده است، به شرایط طبیعی تعمیم داده می‌شود. در ادامه به بیان عواملی که اعتبار درونی و بیرونی را تحت تأثیر قرار می‌دهند می پردازیم.

عوامل مؤثر بر اعتبار درونی

  1. انتخاب اختلافی: در برخی از طرح های آزمایشی، ممکن است پژوهشگر ناخواسته افراد قوی تری را برای گروه آزمایشی انتخاب کند. این امر باعث می‌شود که نتیجه ی آزمایش تحت تأثیر قرار گیرد.

۲. افت آزمودنیها: در طول اجرای تحقیق ممکن است برخی از آزمودنیها به دلایل مختلف از ادامه ی مشارکت در تحقیق خودداری کنند. در نتیجه، آزمایش با افت آزمودنیها روبرو خواهد بود. این امر بر نتیجه ی نهایی تحقیق می‌تواند اثر نامطلوب داشته باشد.

٣. پیش آزمون (عامل آزمون): در بسیاری از طرح های آزمایشی که در علوم رفتاری اجرا می‌شود، معمولا قبل از عمل آزمایشی، یک پیش آزمون بر روی آزمودنی ها اجرا می‌شود. پس از پیش آزمون، عمل آزمایشی اجرا شده و سرانجام آزمون نهایی (پس آزمون) اجرا می‌شود. از آنجا که معمولا پیش آزمون و پس آزمون مشابه است، آزمودنیها با گذراندن پیش آزمون تجربه ی بیشتری کسب می‌کنند و در آزمون نهایی پاسخ های بهتری عرضه می‌کنند. این عامل می‌تواند نتیجه ی نهایی را خدشه دار کند.

۴. ابزار اندازه گیری: ابزار اندازه گیری که برای سنجش متغیر وابسته به کار می‌رود، باید از قابلیت اعتماد و اعتبار لازم برخوردار باشد. در صورتی که ابزار به کار رفته از ویژگی های لازم برخوردار نباشد، نتایج تحقیق تحت تأثیر این عامل قرار خواهد گرفت.

 ۵. تداخل اعمال آزمایشی: اگر آزمودنی های گروه کنترل بدانند که عملکردشان با گروه دیگری مقایسه می‌شود، ممکن است سعی کنند تا برتری خود را نشان دهند؛ به عبارت دیگر اگر آزمودنیها از شرایط آزمایشی یکدیگر با اطلاع باشند، این امر می‌تواند به عدم تفکیک اعمال گروه آزمایشی و کنترل از یکدیگر منجر شود.

۶. همزمانی (تاریخچه): چنانچه طرح تحقیق هم‌زمان با اجرای یک فعالیت مشابه به اجرا درآید، یا رویداد بالقوه مؤثری روی متغیر وابسته اثر بگذارد، در این صورت ممکن است نتیجه ی آزمایش خدشه دار گردد.

برای مثال اگر در یک تحقیق، هدف بررسی تأثیر آموزش برنامه ای در مقایسه با آموزش به روش سخنرانی در یادگیری درس ریاضی در پایه سوم راهنمایی تحصیلی باشد و هم‌زمان با اجرای این تحقیق، برنامه ی آموزش ریاضی از تلویزیون پخش شود، این امر می‌تواند نتیجه ی آزمایش را تحت تأثیر قرار دهد.

۷. بلوغ (پختگی): ممکن است در جریان اجرای تحقیق، آزمودنی ها از نظر جسمانی و روانی تغییر کنند. برای مثال در طول آزمایش، دانش آموزان ممکن است از نظر ذهنی تواناتر شوند. این امر می‌تواند بر نتیجه ی آزمایش اثر نموده و آن را خدشه دار کند.

۸ تعامل (اثر متقابل) انتخاب با سایر عوامل: در برخی از طرحهای آزمایشی، عامل انتخاب آزمودنی ها با برخی از عوامل از جمله رشد آنان تعامل داشته و در نتیجه تحقیق تأثیر می گذارد. برای مثال، اگر هدف یک طرح آزمایشی، بررسی تأثیر فیلم سرگذشت علم بر میزان علاقه ی کودکان زیر هفت ساله به کوشش های علمی باشد، چنانچه در انتخاب آزمودنیها، همسانی گروههای آزمایش و کنترل از لحاظ سن رعایت نشود، گروهی که کودکان آن دارای سن بالاتری هستند ممکن است به جهت بالاتر بودن سن، عکس العمل متفاوتی از گروه دیگر نشان دهند. در این صورت تفاوت مشاهده شده را نمی‌توان ناشی از عمل آزمایشی (نمایش فیلم) قلمداد کرد. بدیهی است در سنینی که سرعت رشد سریع تر است، این تعامل بیشتر وجود دارد.

 ۹. رگرسیون آماری: بعضی اوقات آزمودنی ها بر اساس نمره ی کسب شده در یک درس (یا صفت متغیر) به گروه های آزمایش و کنترل منتسب میشوند. در این حالت ممکن است افرادی انتخاب شوند که در انتهای طیف مقیاس اندازه گیری باشند (آزمودنی ها با نمرات بسیار بالا یا آزمودنیها با نمرات بسیار پایین در پیش آزمون). در این صورت چنانچه پیش آزمون و پس آزمون اجرا شود، نمره های پس آزمون تحت تأثیر عامل رگرسیون آماری قرار می‌گیرد. چنانچه افراد ضعیف به گروه آزمایشی منتسب شده باشند، نمرهی آنان در پس آزمون به طرف میانگین تمایل پیدا کرده و در موقع مقایسه، نمره های پیش آزمون و پس آزمون ممکن است تفاوت مثبتی را نشان دهد. برعکس چنانچه آزمودنی های قوی انتخاب شده باشند، مقایسه ی نمره های پس آزمون آنان با نمره های پیش آزمون می‌تواند تفاوتی منفی نشان دهد. این امر به علت تمایل نمره های آنان به طرف میانگین نمره ها است؛ بنابراین عامل رگرسیون آماری، در برخی طرح های آزمایشی که انتخاب افراد بر اساس نمره های نهایی دو طرف طیف یک متغیر قرار می‌گیرد، می‌تواند نتایج نهایی را تحت تأثیر قرار دهد. تأثیر این عامل بیشتر در مواردی مشاهده می‌شود که پیش آزمون مورد استفاده قرار گیرد.

۱۰. تحلیل آماری: استفاده از روش‌های آماری نامناسب ممکن است باعث نتیجه گیری های غیر دقیق شود.

برای مثال ممکن است تفاوت میان گروه آزمایش و کنترل معنی دار تلقی شود در حالی که معنی دار نباشد و بالعکس. در سایر تحلیل های آماری نیز ممکن است چنین اشتباهی رخ دهد.

۱۱. سوگیری پژوهشگر: در برخی از موارد، پژوهشگر ممکن است انتظارات خود را از نتایج آزمایش به آزمودنیها تلقین کند. این امر خود در نتایج آزمایش تأثیر می گذارد. در برخی از پژوهش ها، از جمله پژوهش‌های پزشکی، با اجرای طرح های مختلفی همچون طرح کور مضاعف از تأثیر این عامل جلوگیری می‌شود.

منابع:

دانایی فرد، حسن.، الوانی، مهدی؛ و آذر، عادل.، (۱۳۸۳)، روش شناسی پژوهش کمی در مدیریت رویکرد جامع: چاپ اول، جلد اول: تهران انتشارات صفار- اشراقی.

دانایی فرد، حسن.، الوانی، مهدی؛ و آذر، عادل.، (۱۳۸۳)، روش شناسی پژوهش کمی در مدیریت رویکرد جامع: چاپ اول، جلد دوم: تهران انتشارات صفار- اشراقی.

ساروخانی، باقر.، (۱۳۸۶)، روشهای تحقیق علوم اجتماعی در مدیریت، چاپ اول، تهران، انتشارات میر.

برگرفته از ریسرچ پروپوزال

تحلیل داده های آماری

روش های نمونه گیری احتمالی و غیر احتمالی

در حالت کلی، روشهای نمونه گیری Sampling Methods به دو دسته نمونه گیری غیر احتمالی و احتمالی تقسیم بندی می شوند.

روش های نمونه گیری غیر احتمالی

در روش های نمونه گیری غیر احتمالی، تمامی افراد از شانس برابر برای انتخاب شدن برخوردار نیستند. این روشها عبارتند:

نمونه گیری آسان یا در دسترس Convenience Sampling : نمونه گیری از تمامی بيماران بستري در يك بخش و يا نمونه گیری از تمامی بيماران مراجعه كننده به كلينيك در یک روزي مشخص و یا نمونه گیری از مشتریان بازدیدکننده از شرکت در یک روز مشخص.

نمونه گیری سهمیه ای Quota Sampling: در اين روش ابتدا تعداد نمونه‌ها مشخص شده و سپس به همراه خطوط راهنمایی برای مصاحبه و پرسشگرى تحويل پرسشگر مى‌گردد تا پرسشگر به ميدان مطالعه رفته و خودش افراد نمونه را با توجه به تعدادى که به وى داده شده انتخاب کند و از طريق مصاحبه با آنها اطلاعات لازم را جمع آوری نمايد. اين روش هرچند مورد حمايت عده‌‌اى قرار گرفته، چون در آن اصل شانس برابر براى کليه افراد جامعه رعايت نمى‌شود، ارزش علمى مطلوب ندارد و نمى‌توان به تعميم نتايج آن اعتماد کرد. البته بسيارى از پژوهشگران مسائل اجتماعى و تجارى و نيز افراد و مؤسساتى که درباره عقايد و گرايش‌هاى انسان‌ها مطالعه مى‌کنند، از اين روش استفاده مى‌نمايند. مؤسسه گالوپ در انتخابات سال ۱۹۴۸ از اين روش استفاده کرد و پيش‌بينى آن درست از آب درنيامد و در انتخابات به جاى ديوئي، ترومن پيروز شد. (وايزبرگ، هربرت ف. و بروس د. براون؛ درآمدى بر تحقيق پيمايشى و تحليل داده‌ها؛ ترجمه جمال عابدي؛ ص ۲۴)

نمونه گيري داوطلبي: داوطلبان روش جدید برای درمان سرطان

نمونه گيري مستمر: بررسي يك بيماري نادر

روشهاي نمونه گيري احتمالاتي: در این روش همه افراد شانس انتخاب شدن دارند. این روش ها عبارتند از:

نمونه گيري تصادفي ساده Simple Random Sampling

ر نمونه گیری تصادفی ساده Simple Random Sampling هر یک از عناصر جامعه ی مورد نظر برای انتخاب شدن، شانس مساوی دارند. در این روش، افراد یا اشیای مورد نیاز از فهرست جامعه ی آماری که به همین منظور شماره گذاری و تهیه شده است به صورت تصادفی انتخاب می شوند. مطابق قانون احتمال، افراد انتخاب شده باید دارای ویژگی هایی همانند جامعه ای باشند که از آن انتخاب شده اند.

نمونه گیری تصادفی را می توان به روش هایی مختلف انجام داد. دو گونه از این روشها بدین شرح اند:
الف) قرعه کشی : با هریک از روشهای معمول آن نوعی نمونه برداری است. مثلا اگر بخواهیم از میان 60 نفر نمونه ای 12 نفری به روش تصادفی انتخاب کنیم، کافی است نام یا شماره ردیف این عده را بدون رعایت ترتیب خاصی روی 60 کارت مختلف بنویسیم و کارت ها را در یک جعبه قرار دهیم.
سپس کارت ها را مخلوط کرده ،12 کارت را یکی پس از دیگری انتخاب کنیم .
ب) جدول اعداد تصادفی: فراهم آوردن وسایل قرعه کشی بی نقص، مخصوصا در گروه های بزرگ
کار آسانی نیست و به جای آن می توان از جدول اعداد تصادفی (random digits table) استفاده کرد . در جدول اعداد تصادفی ارقام صفر تا 9 در تعدادی سطر و ستون گرد آوری شده اند. ترتیب استخراج و تنظیم این اعداد به صورت کاملا تصادفی با روشها و وسایلی مانند قرعه کشی و رایانه انجام می گیرد . نمونه ای از چنین مجموعه تصادفی اعداد را می توان در جدول 1 پیوست همین کتاب ملاحضه کرد که با صد سطر و ده ستون در دو صفحه فراهم شده است . تنظیم اعداد در گروههای 5×5 فقط بدین منظور است که بتوان اعداد را به آسانی خواند. خاصیت اصلی این جدول آن است که احتمال پیش آمدن ارقام 0 تا 9 در هر نقطه آن (در هر سطر یا ستون یا گروه چند در چند آن) برای همه ارقام یکسان و مقداری ثابت است.
روش استفاده از این جدول را برای تشکیل نمونه تصادفی با مثال60=N و 12=n شرح میدهیم.

مراحل نمونه برداری تصادفی ساده

مرحله اول: افراد جامعه را از 1 تا N شماره گذاری کنید. بهتر است این شماره گذاری بدون رعایت ترتیب خاصی انجام گیرد.
مرحله دوم: به طور تصادفی عددی را به عنوان مبدا نمونه برداری در جدول انتخاب کنید. برای مثال عدد 4 که در تقاطع سطر 12 و ستون 5 (جدول 1 پیوست ) واقع شده است.
مرحله سوم: از مبدا نمونه برداری ردیفهایی به تعداد ارقام N در نظر بگیرید.
در این مثال چون N دو رقمی است ردیفهای دو تایی را انتخاب کنید، ولی ساده تر آن است که ابتدا ردیف های عمودی و مجاور هم به کار روند. سپس از ردیف دو ستونی ای که با اعداد 49، 88 و 48 شروع می شود،ا ستفاده کنید.
مرحله چهارم: باید اعداد ردیفهای انتخابی را به ترتیب خواند.N عدد متناسب با شماره گذاری جامعه،شماره ردیف افرادی را نشان می دهد که باید در نمونه انتخاب شوند.عدد متناسب، عددی است که در فاصلۀ 1 تا N واقع شده است. پس در این مثال به 49، 88، 48، 77، 77، 89، 31، 23، 42، 09، 47، 13، 58، 19، 24 و 46 توجه داشته باشید که:
اول، اعدادی مانند 88، 77 و 88 که خارح از دامنة شماره گذاری جامعه اند به حساب نیاورید.
دوم، هر عدد مکرر را فقط یک بار به حساب آورید.
سوم، اگر عدد N ضریب کامل 10 باشد باید تعداد ستونها را یک واحد کمتر از N در نظر گرفت. مثلا در جامعه ای 100 نفری می توان با دو ستون اعداد تصادفی نمونه برداری کرد و عدد 00 را به جای شماره 100 پذیرفت. این روش ساده تر را به منزله ی این است که افراد جامعه به جای 1 تا N از صفر تا N-1 شماره گذاری شوند. یکی از مشکلات روش نمونه گیری تصادقی ساده، تهیه و تدوین فهرست افراد جامعه ی آماری است، چرا که در بسیاری از موارد چنین کاری قبلا انجام نشده است.

نمونه گیری تصادفی ساده
نکته مهم برای پژوهشگران و دانشجویان جهت تکمیل پایان نامه خود این است که برای انتخاب یک نمونه به روش تصادفی ساده می توان از دو روش با جای گذاری و بدون جایگزاری بهره برد. در شیوه نمونه گیری با جای گذاری، هر نمونه پس از اینکه انتخاب شد مجددا به جامعه بازگردانده می شود و این شانس را خواهد داشت که حتی در انتخاب های بعدی نیز برای نمونه انتخاب شود


نمونه گيري تصادفي سیستماتیک Systematic Random Sampling

روش نمونه گیری منظم یا نمونه گیری سیستماتیک

روش نمونه گیری سیستماتیک Systematic Random Sampling روش تغییر شکل یافته ی نمونه گیری تصادفی ساده است. در این روش عناصر نمونه از فهرست افراد یا جامعه اماری که به همین منظور آماده شده است انتخاب می شوند. برای مثال فرض کنید از جامعه ای که 2 هزار عضو دارد می خواهیم 100 عضو را انتخاب کنیم. نمونه مورد نظر را می توان از روی فهرست،20 نفر، انتخاب کرد (100÷2000=20). نقطه شروع نمونه گیری عبارت است از هر عضوی که دارای شماره مساوی یا کوچک تر از 20 است؛ این نقطه به صورت تصادفی انتخاب می شود.

این روش برای آن دسته از جوامع آماری که کد از پیش تعیین شده و مرتبی دارند (همانند شماره کارمندی، دانشجویی و پلاک منازل) کاربرد فراوان دارد. با مشخص شدن اولین عضو نمونه، سایر اعضای نمونه در این روش معین می شوند. این خاصیت از یک سو یکی از محاسن روش تلقی و از سوی دیگر موجب از دست رفتن شانس انتخاب برای سایر اعضای جامعه می شود. به عبارت دیگر، خاصیت تصادفی بودن عناصر نمونه برخلاف روش نمونه گیری تصادفی ساده با علامت سوال همراه است.

دقت نمونه گیری تصادفی سیستماتیک زمانی که ترتیب واحدهای جامعه به صورت تصادف باشد، دقیقا معادل با نمونه گیری تصادفی ساده است. نمونه گیری سیستماتیک و منظم زمانی که ترتیب واحدهای جامعه بر اساس صفتی مرتبط با مورد تخمین باشد، بهتر و دقیق تر از نمونه گیری تصادفی ساده و حتی بهتر از نمونه گیری طبقه ای و یا گروهی است. همچنین اجرای نمونه گیری سیستماتیک ساده و کم هزینه است.

مثال نمونه گیری سیستماتیک:

به عنوان مثال برای 12 جامعه زیر، اگر بخواهیم 4 نمونه انتخاب کنیم باید فاصله نمونه گیری برابر 3 باشد.


نمونه گيري تصادفي گروهی Stratified Random Sampling


روش نمونه گیری طبقه ای یا نمونه گیری گروهی

برای بیشتر کردن شباهت نمونه و جامعه و افزایش دقت نمونه برداری برای برآورد پارامترهای جامعه و دخالت دادن ویژگی های جامعه در نمونه، در روش نمونه گیری طبقه ای Stratified Random Sampling (نمونه گیری گروهی) جامعه به گروه های متجانس تقسیم و هر گروه از افرادی تشکیل می شود که ویژگی هایی مشابه دارند. پس از تقسیم جامعه به گروههای متجانس، تعداد نمونه نسبت به هر گروه مشخص و سپس با استفاده از روش نمونه گیری تصادفی ساده یا منظم، تعداد عناصر مورد نیاز از هر گروه انتخاب می شود. از روش نمونه گیری طبقه ای (نمونه گیری گروهی) هنگامی استفاده می شود که محقق اطمینان داشته باشد که اعضای جامعه مورد بررسی، از نظر یک سری ویژگی ها (صفات) با هم متفاوت باشند. در روش نمونه تصادفی ساده، به این ویژگی ها توجهی نمی شود.

نمونه گیری طبقه ای یا نمونه گیری گروهی

مثال نمونه گیری طبقه ای یا نمونه گیری گروهی Stratified Random Sampling:

هدف از این مثال، تحقیق و بررسی وضعیت عملکرد واحد های مختلف سازمان است. در این تحقیق تعداد کارمندان در هر واحد تولید 133 نفر و واحد خدمات 59 نفر. بررسی ها نشان می دهد که باید یک نمونه 80 نفره را از کل سازمان انتخاب و تعداد نمونه ها را بر حسب هر گروه (واحد) مشخص کرد.

از آنجا که مدیریت به تاثیر واحد کاری در عملکرد اعتقاد دارد پس باید نسبت کارمندان هر واحد به کل کارمندان سازمان را در نمونه 80 تایی رعایت کرد.حاصل عملیات نمونه گیری گروهی برای تعیین عناصر نمونه هرگروه در جدول زیر آمده است.

تعيين نمونه هاي مورد نياز در نمونه گیری طبقه ای
چنان که مشخص است براساس سطر آخر جدول بالا، باید از واحد مالی 24 نفر ،اداری 30 نفر، واحد تولید 18 نفر و خدمات 8 نفر را به عنوان نمونه انتخاب کرد.

نمونه گيري تصادفي خوشه اي Cluster Random Sampling 

روش نمونه گیری خوشه ای

هر گاه جامعه مورد بررسی خیلی وسیع و گسترده باشد و تهیه فهرست تمامی اعضای جامعه امکان پذیر نباشد انتخاب نمونه از نظر اجرایی مشکل به نظر می رسد. برای مثال، فرض کنید میخواهیم میزان تحصیلات کارمندان یک شهر بزرگ را بررسی کنیم. انتخاب نمونه با استفاده از روشهای مذکور دشوار است و به دقت و هزینه زیاد نیاز دارد اما با استفاده از نمونه گیری خوشه ای Cluster Sampling می توان واحد نمونه گیری را «سازمان » تعریف کرد. ابتدا چند سازمان (خوشه ) را به صورت نمونه گیری تصادفی ساده یا سامان مند و سپس کارمندان مورد نیاز را از بین این سازمانها انتخاب می کنیم.

تفاوت روش نمونه گیری گروهی و نمونه گیری خوشه ای Cluster Sampling در این است که در روش گروهی تهیه فهرست اعضای جامعه (چهارچوب نمونه گیری ) امکان پذیر است ولی در خوشه ای این کار مقدور نیست. اگر جمعيت گسترده و پراكنده باشد روش مناسبي است. بايد توجه داشت كه هر چه حجم خوشه ها بیشتر باشد و شباهت افراد آن خوشه از نظر صفت متغير مورد بررسي زیاد باشد، دقت نمونه گيري خوشه اي كمتر خواهد شد.

نمونه گیری خوشه ای

مثال: بررسي شيوع عفونت هاي روده اي در روستاهاي استان فارس
چند روستا از استان فارس انتخاب شده و شیوع عفونت در افراد آن روستاها مورد بررسی قرار میگیرد.

تفاوت بین نمونه گیری خوشه ای با نمونه گیری طبقه ای یا گروهی

الف-در نمونه گیری تصادفی طبقه ای یا گروهی از هر طبقه یا گروه تعدادی را به عنوان نمونه انتخاب می کنیم در حالی که در نمونه گیری خوشه ای Cluster sampling، نمونه از تعدادی از خوشه ها انتخاب می شود.
ب- در نمونه گیری طبقه ای، دقت نمونه گیری تابع مستقیمی با همگنی (مشابهت) درون طبقات و ناهمگنی (عدم مشابهت) بین طبقات است. اما دقت نمونه گیری تصادفی خوشه ای تابع مستقیم با ناهمگنی (عدم مشابهت) درون خوشه ها و همگنی (مشابهت) بین خوشه ها است.


نمونه گيري چند مرحله ای multistage sampling

روش نمونه گیری چند مرحله ای

نمونه گیری مرحله ای multistage sampling، شکل گسترده یافته ی نمونه گیری خوشه ای است. در این روش عناصر نمونه اصلی طی چند مرحله انتخاب می شوند یعنی انتخاب نمونه از نمونه ی دیگر. مثلا می توان در مثال نمونه گیری خوشه ای، ابتدا چند سازمان را به طور تصادفی از یک شهر برگزید و سپس از بین هر سازمان چند واحد سازمانی را معین و پس از آن عناصر نمونه را از هر واحد به طور تصادفی انتخاب کرد. به طور کلی باید گفت در روش نمونه گیری مرحله ای، در هر مرحله یک شرط بر روی اعضای جامعه گذاشته می شود و به این طریق نمونه مورد نظر را انتخاب می کنند.

مثال از نمونه گیری خوشه ای چند مرحله ای

برای مثال در برآورد هوش معندی مدیران یک شرکت هلدینگ، می توان مدیران را در سه مرحله با استفاده از واحدهای نمونه گیری مختلف زیر به صورت زیر انتخاب کرد:
واحد مرحله اول: هلدینگ شرکت 1 شرکت 2 …… شرکت 10
واحد مرحله دوم: واحد مدیریت واحد مدیریت 1 و 2 واحد مدیریت 3 و 4 ….. واحد مدیریت 19 و 20
واحد مرحله سوم: مدیران 1، 2، 3، . . . . 58، 59، 60
در مثال فوق ابتدا جامعه مدیران, به شرکت هایی تقسیم شده است. در این مرحله که مرحله اول نمونه گیری است، از میان شرکت های انتخاب شده، دو واحد مدیریت (واحد مرحله دوم) انتخاب شده است. در اینجا از واحد مدیریت شماره یک، مدیران 1 و 2 و از واحد مدیریت شماره دوم مدیران 3 و 4 و بالاخره از واحد مدیریت دهم، مدیران 19 و 20 به طور تصادفی انتخاب شده اند.
در مجموع 60 مدیر (3*2*10 = 60) از 20 واحد مدیریت و 10 شرکت وابسته به هلدینگ انتخاب شده است.
دقت نمونه گیری خوشه ای چند مرحله ای در مقایسه با نمونه گیری خوشه ای بیشتر است به این دلیل که در نمونه گیری خوشه ای چند مرحله ای واحدهای نمونه مرحله نهایی انتخابی از پراکندگی سطح جامعه انتخاب شده و تغییرات متغیر مورد مورد نظر در نمونه، می تواند معرف تغییرات در جامعه باشد. در حالی که در نمونه گیری خوشه ای چنین امری میسر نمی باشد.

نمونه گیری چند مرحله ای

روش های نمونه گیری احتمالی و غیر احتمالی

برگرفته از پایگاه امین آرتیکل

انجام تحلیل پروژه های آماری با نرم افزارهای مختلف کمی . کیفی انجاک می گیرد. برای توضیحات بیشتر کلیک کنید.

تحلیل داده های آماری

انواع متغیر بر اساس نقش آن ها در پژوهش

انواع متغیرهای پژوهش

معمولا در آمار، پژوهش ها و پایان نامه ها با انواع متغیرهای کیفی و کمی سروکار داریم و می باید این متغیرها نام گذاری شوند (نامگذاری متغیرهای تحقیق). در این بخش می خواهیم به انواع متغیرها در آمار، انواع متغیرهای کیفی و کمی در آمار، انواع متغیرها در روش تحقیق با ذکر مثال مانند متغیر مستقل، متغیر وابسته، متغیر تعدیل کننده، متغیر میانجی، متغیر کنترل، و متغیر مداخله گر بپردازیم. این کار باید در بیان فرضیه ها، آزمون فرضیه ها، انجام تحلیل های آماری و تفسیر فرضیه ها انجام شود. نامگذاری انواع متغیرهای آماری در روش تحقیق (انواع متغیرهای پژوهش) به دسته های زیر تقسیم بندی می شوند.

متغیر مستقل Independent variable
متغیر وابسته Dependent variable
متغیر تعدیل کننده Moderator variable
متغیر میانجی Mediator variable
متغیر کنترل Control variable
متغیر مداخله‌گر Intervening variable

متغیر براساس نقشی که در پژوهش به عهده دارد به دو دسته اصلی مستقل و وابسته تقسیم می‌شود:

متغیر مستقل (Independent variable)

متغیر پیش فرض است و متغیر وابسته بر اساس تغییرات آن اندازه گیری و تعیین می‌شود. در تحقیق آزمایشی، متغیر مستقل توسط محقق دستکاری میشود تا تاثیرات آن بر تغییرات متغیر وابسته مشخص شود.

متغیر وابسته (Dependent variable)

متغیری است که ارزش یا مقدار آن به متغیر مستقل بستگی دارد. متغیر وابسته در اختیار محقق نیست و محقق نمی تواند در آن دخل و تصرف یا دستکاری کند. پس، به متغیری کخ به تبع تغییر متغییر مستق ، مقدارش کم و زیاد می شود، متغیر وابسته، پاسخ یا برونداد اطلاق می شود.

متغیر تعدیل کننده Moderator variable

متغیر مستقلی است که نقش ثانویه دارد و محقق مایل است اثر آن را در فرآیند آزمون فرضیه در کنار مستقل مطالعه کند. فرض کنید محققی بر روی رضایت شغلی کارمدان دولت مزالعه می‌کند. او فرضیه ای تدوین می‌کند که: «رضایت شغلی کارمندان با میزان حقوق آنان رابطه دارد».مسلما برای هر محققی این سوال مطرح می شود که آیا میزان رضایت شغلی کارمندان ناشی از افزایش حقوق ماهیانه در میان کارمندان زن و مرد تفاوتی ندارد؟ یعنی درست است که می‌گوییم(به عنوان فرضیه اصلی) برای بالا بردن رضایت شغلی کارمندان باید حقوق ماهیانه آنها را افزایش داد،اما آیا تاثیر این اقدام نزد کارمندان زن و مرد یکسان است؟ در اینجا جنسیت را در صورت‌بندیاین فرضیه متغیر تعدیل کننده می‌نامند. در صورت بندی فرضیه متغیر تعدیل کننده همانند متغیرهای مستقل و وابسته نام برده می‌شود.

متغیر میانجی Mediator variable

یک متغیر ثانوی است که رابطه بین متغیر مستقل و متغیر وابسته را تحت تأثیر قرار می دهد. این متغیر جهت و شدت رابطه بین متغیر مستقل و متغیر وابسته را به صورت غیر مستقیم تحت تاثیر قرار می دهد. معمولا در تحلیل ها و تفسیرهای آماری، اثر متغیر میانجی به عنوان اثر غیرمستقیم indirect effect بیان شده و تجزیه و تحلیل می شود.

متغیر کنترل (Control variable)

متغیری که به منظور حصول اطمینان از اینکه آیا بر روی روابط بین متغیرهای مستقل و وابسته تاثیر دارد یا خیر ، کنترل و ثابت نگهداشته می شود، متغیر کنترل نام دارد. درواقع متغیرهای کنترل شده، متغیرهایی هستند که در جریان تحقیق مورد کنترل قرار می‌گیرند و به تفسیر دیگر، تاثیرات آنها بر فرآیند تحقیق، کنترل یا خنثی می‌شود. از این متغیرها عمدتا در تحقیقاتی که دو گروه آزمایش و گواه داریم، استفاده می‌گردد. به عنوان مثال فرض کنید، می‌خواهیم تاثیر استفاده از رسانه های تصویری را بر آموزش دانش آموزان بسنجیم. بنابراین در این تحقیق،” رسانه های تصویری” متغیر مستق و “آموزش” متغیر وابسته می‌باشند. بدین منظور دو گروه از دانش آموزان را انتخاب می‌کنیم که از حیث همه ویژگی ها مثل سن، جنس و …با یکدیگر برابر باشند. در یک کلاس از رسانه های تصویری استفاده می‌کنیم و در کلاس دیگر استفاده نمی‌کنیم. سپس آزمون را انجام می‌دهیم. نتیجه آزمون برای کلاسی که در آن از رسانه های تصویری استفاده شده است،19 و کلاسی که استفاده نشده است، 15 از 20 نمره بوده است.
نتیجه ای که می توانیم بگیریم آن است که به احتمال زیاد تفاوت نمره موجود به استفاده از رسانه های تصویری بر‌میگردد.وقتی می‌توانیم این جمله را بگوییم که صرفا متغیر مستقل در یک جا وارد شده باشد و در جای دیگر وارد نشده باشد. به تعبیر دیگر، همه متغیرهای غیر از متغیر مستقل (رسانه های تصویری) کنترل شده باشند. دراین تحقیق، سن، جنس و غیره متغیرهای کنترل شده هستند.

متغیر مداخله‌گر Intervening variable

در تحلیل های آماری اگر متغیر میانجی mediating variable قابل اندازه گیری و یا قابل حذف شدن نباشد، به متغیر مداخله کننده تبدیل می شود. بنابراین متغیر مداخله گر بر متغیر وابسته تاثیزگذار است اما قابل مشاهده و قابل اندازه گیری نیست تا به عنوان تعدیل کننده محاسبه شده و یا قابل خنثی کردن است تا به عنوان متغیر کنترلی در تحقیق به حساب آید.

“متغیرها و رابطه بین آنها را می‌توان از طریق اندازه گیری دقیق تر توصیف کرد”.

متغیر گسسته و متغیر پیوسته

متغیرگسسته (Discrete variable): متغیری است که فقط مجموعه ای از ارزش های معین به آن اختصاص داده می‌شود بعنوان مثال تعداد دانشجویان یک کلاس یا تعداد تصادفات جاده ای در روز یک متغیر تصادفی گسسته است. در متغیر گسسته، ارزش های موجود بین دو مقدار یا دو ارزش، دارای معنی و مفهوم نیست.
متغیر پیوسته (Continuous variable): متغیری است که هر ارزش یا مقدار (اعشاری، کسری) را می‌توان به آن اختصاص داد و هر عددی که بین دو واحد آن انتخاب شود دارای معنی و مفهوم است. مانند سن ، قد، وزن و نمره های پیشرفت تحصیلی.

انجام تحلیل پروژه های آماری با نرم افزارهای مختلف کمی . کیفی انجاک می گیرد. برای توضیحات بیشتر کلیک کنید.

پایان نامه نویسی مقاله نویسی

کد گذاری در تحلیل مضمون

کد گذاری در تحلیل مضمون

کدگذاری در تحلیل مضمون

کدگذاری در تحلیل مضمون روشی ساختارمند برای شناسایی مضامین اصلی و فرعی پیرامون پدیده مورد مطالعه است. روش‌های متعددی برای مقوله و مقوله‌بندی کردن در تحقیق کیفی وجود دارد. برخی از این روش‌ها در بحث کدگذاری در تحقیق کیفی ارائه شد. روش‌های کدگذاری در تحلیل مضمون مشابه کدگذاری در تحلیل محتوا است. به‌طور کلی روش واحدی برای کدگذاری در تحقیقات کیفی وجود ندارد. برای نمونه یکی از روش‌های مرسوم استفاده از رویکرد پیشنهادی اترید استرلینگ است. در این مطالعه کوشش شده است تا روش پیشنهادی براون و کلارک تشریح شود.

روش براون و کلارک

براون و کلارک (۲۰۰۶) روشی را برای کدگذاری در تحلیل مضمون ارائه کرده‌اند که با استقبال بسیاری مواجه بوده است. این الگوی پیشنهادی از سه قسمت مرحله، گام و اقدام تشکیل شده است. مراحل سه گانه این الگو عبارتند از:

  • تجزیه و توصیف متن
  • تشریح و تفسیر متن
  • ترکیب و ادغام

تجزیه و توصیف متن خود شامل آشنایی با متن، کدگذاری  ایجاد کدهای اولیه و در نهایت جستجو و شناخت مضامین است. در تشریح و تفسیر متن به ترسیم شبکه مضامین پرداخته می‌شود. در نهایت نیز در مرحله ترکیب و ادغام باید تحلیل شبکه مضامین و تدوین گزارش پرداخته شود. جهت ترسیم شبکه مضامین ابتدا باید مضامین را مرتب کرد. مهم ترین اقدام در این مرحله شناخت مقوله‌های فراگیر، سازمان‌دهنده و مضامین پایه است. اترید استرلینگ کدگذاری در تحلیل مضمون را براساس این سه رکن تشریح کرده است. برای تحلیل شبکه مضامین باید به تعریف و نام‌گذاری مضامین پرداخته شود. در نهایت نیز باید توصیف و توضیح شبکه مضامین ارائه گردد.

روش براون و کلارک

کدگذاری در تحلیل مضمون به روش براون و کلارک

روش اترید-استرلینگ

روش پیشنهادی اترید-استرلینگ Attride-Stirling یکی از روش‌های مرسوم کدگذاری در تحلیل مضمون است. این روش مبتنی بر تشکیل شبکه مضامین Thematic Network است و در پژوهش‌های مختلف مورد استفاده قرار می‌گیرد. شبکه مضامین شامل سه دسته از کدها و مفاهیم است:

  • مضامین پایه Basic Themes
  • مضامین سازمان‌دهنده Organizing Themes
  • مضامین فراگیر Global Themes

مضامین پایه شامل کدها و نکات کلیدی متن است. با مطالعه کامل متن باید خردترین کدها شناسایی و به عنوان یک مضمون پایه انتخاب شود. مضامین سازمان‌دهنده شامل مضامین حاصل از ترکیب و تلخیص مضامین پایه است. کدهای پایه باید مرور و مفاهیم مشابه در کنار هم قرار گیرند. پژوهشگر با توجه به توان تشخیص و تسلط خود باید نام مناسبی برای هر دسته کد انتخاب کند. در نهایت مضامین فراگیر شامل مضامین عالی دربرگیرنده حاکم بر متن به مثابه کل است.

تشریح کدگذاری در تحلیل مضمون

از دیدگاه براون و کلارک قاعده کاملاً مشخصی درباره شناخت مضمون وجود ندارد. اما می‌توان جهت تعریف و شناخت آن از اصول راهنمای مناسبی استفاده کرد. برخی از آن‌ها عبارت اند از:

نخست اینکه شناخت مضمون هرگز به معنی صرفاً یافتن نکته جالبی در داده‌ها نیست، بلکه مستلزم آن است که پژوهشگر مشخص کند در داده‌ها باید دنبال چه چیزی باشد؟ از چه چیزهایی باید صرف نظر و چگونه باید داده‌ها را تحلیل و تفسیر کند؟

دو دیگر آنکه واژه «مضمون» به طور ضمنی و تا حدی، مبین «تکرار» است. بنابراین مقوله‌ای که یک بار صرفاً یکبار در متنِ داده‌ها ظاهر شود نمی توان «مضمون» به حساب آورد. مگر آنکه نقش برجسته و مهمی در تحلیل نهایی داده‌ها داشته باشد. به طور معمول، تکرار به معنی مشاهده و ظاهر شدن در دو یا چند مورد در متن است.

سوم اینکه مضمون‌ها باید از یکدیگر متمایز باشد. با وجود اینکه هم پوشانی در میان مضامین تا حدودی اجتناب ناپذیر است اما اگر مرز کاملاً مشخص و تعریف شده‌ای میان مضامین مختلف وجود نداشته باشد نمی توان درک درستی از تحلیل‌ها و تفسیرها عرضه کرد.

جمع‌بندی کدگذاری در تحلیل مضمون

تحلیل مضمون، طیف گسترده‌ای از روش‌ها و فنون را در بر می‌گیرد. در فرایند تحلیل مضمون با توجه به اهداف و سؤالات تحقیق می‌توان از روش‌های تحلیلی مناسب آن استفاده کرد. در این مقاله، روش کاربردی براون کلارک در تحلیل مضمون معرفی گردید. به عقیده براون و کلارک در تحلیل مضمون، در صورتیکه پژوهشگر نخواهد به نظریه کامل برسد، نیازی نیست به اصول نظریه داده‌ بنیاد پایبند باشد. ضمن اینکه در نظریه داده‌بنیاد، تحلیل از منبع داده شروع می‌شود و تا رسیدن به اشباع نظری ادامه پیدا می‌کند. اما در تحلیل مضمون همه منابع داده، بررسی و مضامین کل داده‌ها، تحلیل و تفسیر می‌شود. کدگذاری در تحلیل مضمون دانشی است که با تمرین و مهارت بیشتر قابل انجام است.

Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative research in psychology, 3(2), 77-101.

Attride-Stirling, J. (2001). Thematic networks: an analytic tool for qualitative research. Qualitative research, 1(3), 385-405.

برگرفته از : پارس مدیر