طراحی پژوهش

اجرای پژوهش

پرسش‌های بسته به آن دسته از پرسش‌هایی گفته می‌شود که پاسخ‌دهندگان به پرسشنامه را مجبور می‌کند در قالب پاسخ‌های از قبل تعریف شده به پرسشنامه پاسخ دهند. داده‌ای که از طریق این نوع پرسش‌ها گردآوری می‌شود، اغلب دادۀ کمی هستند که باید با تکنیک‌هایی که در آمار کمی مطرح است با آنها رفتار شود. بنابراین، پاسخ‌دهنده نمی‌تواند هر پاسخی که مد نظرش است (به غیر از پاسخ‌های از قبل تعریف شده) را در پرسشنامه وارد کند. پرسش‌های بسته می‌توانند انواع گوناگونی داشته باشند:

پرسش‌های دو وجهی: این پرسش‌ها پاسخ‌دهنده را مجبور می‌کنند که بین دو گزینه یکی را انتخاب کند. برای مثال، زمانی که جنسیت پاسخ‌دهنده خواسته می‌شود، به طور معمول او باید «مرد» یا «زن» را انتخاب کند. پرسش‌هایی که پاسخ‌شان بلی/خیر است نیز در این رده تعریف می‌شوند.

پرسش‌های چند وجهی: این پرسش‌ها تا حدی مشابه پرسش‌های دو وجهی هستند، با این تفاوت که انتخاب‌های بیشتری در اختیار پاسخ‌دهندگان قرار می‌گیرد. برای مثال، زمانی که در مورد سطح تحصیلات افراد پرسش می‌شود، ممکن است گزینه‌های «دیپلم»، «کارشناسی»، «کارشناسی ارشد»، و «دکتری» به پاسخ‌دهنده پیشنهاد شود.

پرسش‌های تعیین اولویت: این نوع پرسش‌ها تا حدی مشابه پرسش‌های چند وجهی هستند، با این تفاوت که در این نوع پرسش‌ها از پاسخ‌دهنده خواسته می‌شود تا پاسخ‌ها را بر اساس نظر خودش اولویت‌بندی کند. برای مثال، چهار پاسخ در اختیار او قرار می‌گیرد و از او خواسته می‌شود تا به هرکدام از پاسخ‌ها از عدد «1» (بیشترین اولویت) تا عدد «4» (کمترین اولویت) عددی اختصاص دهد.

پرسش‌های تعیین طیف: تنظیم پاسخ‌ها بر اساس طیف لیکرت بارزترین مثال برای آشنایی با پرسش‌های تعیین طیف است. در این پرسش‌ها پژوهشگر معمولاً به دنبال بررسی نظر و نگرش پاسخ‌دهندگان بر اساس یک طیف خاص است. برای مثال، بررسی میزان رضایت مشتریان از یکی از خدمات ارائه شده توسط سازمان که پاسخ‌ها بر اساس طیف لیکرت پنج ارزشی (یعنی «خیلی زیاد»، «زیاد»، «متوسط»، «کم»، و «خیلی کم»). یا بررسی میزان رضایت همین گروه مشتریان بر اساس یک طیف ده ارزشی (از عدد «1» [ناراضی] تا عدد «10» [کاملاً راضی]).

آن‌چنان که از واژۀ «کمی» در عبارت «تحلیل کمی» استنباط می‌شود، این گونه تحلیل‌ها معمولاً با عدد و رقم سروکار دارند. کار کردن با این اعداد و ارقام قبل از رواج فناوری دشوار بوده، اما رایانه این دشواری را تا حد زیادی برطرف کرده است. نرم‌افزارهای رایانه‌ای مانند اس.پی.اس.اس. (SPSS)، لیزرر (LISRER)، اس.اَی.اس. (SAS)، میکروکَیس (MicroCase)، و غیره برای پاسخگویی به نیاز کار با داده کمی بر روی رایانه توسعه پیدا کرده‌اند. بنابراین، به نظر ببی (2013، ص 422) اولین گام در تحلیل داده کمی، به شکل عدد و رقم درآوردن، یا به اصطلاح کمی کردن (Quantification)، داده است؛ به شکلی که این داده توسط رایانه قابل فهم باشد. کمی کردن داده یعنی تبدیل داده متنی به داده عددی، که به آن کدگذاری هم گفته می‌شود. به همین دلیل، پژوهشگر در این مرحله به یک دفترچه کد (codebook) نیاز دارد. چنین دفترچه‌ای در تمامی مراحل تجزیه و تحلیل داده از ابزارهای کاربردی پژوهشگر است.

برای مثال، زمانی که یک پیمایش انجام می‌شود و در این پیمایش برای سنجش میزان یک متغیر از طیف لیکرت استفاده شده، پژوهشگر باید این طیف را به اعداد تبدیل کند (مثلاً طیف پنج ارزشیِ خیلی کم تا خیلی زیاد را به اعداد 1 تا 5 ترجمه کند). یا می‌توان از مقادیر «صفر» و «یک» برای سازماندهی داده استفاده کرد؛ یعنی به انتخاب‌های پاسخ داده شده مقدار «یک» و به پاسخ‌های خالی مقدار «صفر» اختصاص داد. هرچند، برخی از پاسخ‌هایی که از پیمایش گردآوری می‌شوند (مانند سن، قد، وزن، و غیره) لزوماً کمی هستند.

علاوه بر توزیع‌هایی که به آنها اشاره شد، ممکن است پژوهشگر برای خلاصه و توصیف ویژگی‌های داده از «شاخص‌های گرایش مرکزی» (measures of central tendency) استفاده کند. گرایش مرکزی گرایش داده آماری به مرکز حول یک ارزش خاص است، که این ارزش نماینده مجموعه داده گردآوری شده است. «سه ام» (three Ms) شاخص‌هایی هستند که به طور معمول در گزارش شاخص‌های گرایش مرکزی از آنها استفاده می‌شود. منظور از سه ام، سه شاخص میانگین (mean)، مد یا نما (mode)، و میانه (median) است. بسته به نوع داده‌ای که پژوهشگر با آن سروکار دارد، استفاده از هرکدام از این شاخص‌ها متفاوت است. منظور از نوع داده، ماهیتی است که برای اندازه‌گیری متغیرها به‌کار می‌رود. به طور معمول، از چهار مقیاس برای اندازه‌گیری متغیرها استفاده می‌شود: داده اسمی (nominal)، رتبه‌ای (ordinal)، فاصله‌ای (interval)، و نسبی (ratio).

داده اسمی: داده‌ای مانند زن یا مرد بودن پاسخ‌دهندگان دارای هیچ ارزش عددی نیست. به عبارت دیگر اسم این داده مهم است و اگر هم عددی به آن اختصاص یابد نشان‌دهنده ارزش خاصی نیست. این اعداد ممکن است در قالب کدهایی به داده اسمی اختصاص یابد. جنسیت، نژاد یا قومیت، ملیت، و غیره از این جنس هستند.

داده رتبه‌ای: داده رتبه‌ای بهتر /بدتر یا کمتر /بیشتر بودن یک متغیر را می‌سنجد. ولی مقیاسی کلی ارائه می‌دهند و نمی‌توان از طریق داده رتبه‌ای به این نتیجه رسید که میزان بهتر /بدتر بودن یا کمتر /بیشتر بودن چقدر است. داده‌ای که از طریق طیف لیکرت (خیلی زیاد، زیاد، متوسط، کم، خیلی کم) گردآوری می‌شود نمونه مناسبی درباره این نوع داده است.

داده فاصله‌ای: داده فاصله‌ای نوع پیشرفته داده رتبه‌ای هستند. بنابراین، علاوه بر اینکه به پژوهشگر می‌گویند کدام بهتر /بدتر است کدام کمتر /بیشتر، مقدار را نیز مشخص می‌کنند. به عبارت دیگر، داده فاصله‌ای به پژوهشگر می‌گوید تفاوت داده چه مقدار است. اما باید توجه داشت که داده فاصله‌ای «صفر مطلق» ندارد؛ یعنی نمی‌توان برای مقایسه‌های نسبتی (برای مثال، فلان چیز دو برابر فلان است) از آنها استفاده کرد.

داده نسبی: کامل‌ترین نوع داده، داده نسبی است. این نوع داده تمام ویژگی‌های داده فاصله‌ای به اضافه «صفر مطلق» را داراست. برای مثال، سن افراد داده‌ای است که از طریق مقیاس نسبی می‌توان آن را اندازه گرفت. بنابراین، می‌توان گفت فردی 20 ساله دو برابر یک فرد 10 ساله سن دارد.

به نظر واگان امکان تبدیل داده نسبی به فاصله‌ای، رتبه‌ای، و اسمی وجود دارد، اما عکس این مسئله صادق نیست. به طور معمول، برای گزارش مقیاس‌های نسبی و فاصله‌ای از شاخص‌ها و آزمون‌های پارامتریک، و به منظور گزارش مقیاس‌های رتبه‌ای و اسمی از شاخص‌ها و آزمون‌های ناپارامتریک استفاده می‌شود.

در این میان، از میانگین برای گزارش داده نسبی و فاصله‌ای، از مد برای گزارش داده اسمی، و از میانه برای گزارش داده رتبه‌ای استفاده می‌شود.

میانگین: احتمالاً میانگین رایج‌ترین شاخص آماری است که در زندگی روزمره بسیار از آن استفاده می‌شود. میانگین، یا معدل حسابی، از حاصل جمع داده تقسیم بر تعداد آن به‌دست می‌آید. برای مثال میانگین اعداد 10، 12، 14، و 16 از حاصل جمع این اعداد (52) تقسیم بر تعداد این اعداد (4) به‌دست خواهد آمد؛ بنابراین، میانگین این اعداد برابر با 13 است.

میانه: میانه به نقطه میانی یک توزیع اشاره دارد. به همین دلیل به آن میانه گفته می‌شود. برای محاسبه میانه در یک توزیع، ابتدا باید اعداد را از کم به زیاد مرتب کرد، و سپس عدد وسط را به عنوان میانه گزارش کرد. زمانی که تعداد اعداد مفرد باشد گزارش میانه آسان است، اما اگر تعداد ذوج باشد، باید میانگین دو عدد وسط را به عنوان میانه گزارش کرد.

مد: از آنجاکه مقیاس اسمی ارزش عددی ندارد، بنابراین داده‌ای که در این مقیاس گردآوری شده را نمی‌توان در شاخص‌های میانگین و میانه گزارش کرد. مد شاخصی است که برای گزارش چنین داده‌ای استفاده می‌شود. بر اساس تعریف واگان مد «رخداد فراوان‌ترین عدد در یک توزیع است». برای مثال، در گزارش تعداد مردان و زنان، گروهی که دارای بیشترین فراوانی باشد، مد آن توزیع به شمار می‌آید.

برای درک بهتر و آسان‌تر اینکه چه موقع باید از کدام شاخص گرایش مرکزی استفاده کرد، واگان نمودار زیر را پیشنهاد کرده است.

chart4

چه موقع از کدام شاخص گرایش مرکزی باید استفاده کرد

روشن است که از هر شاخصی برای توصیف هر نوع داده‌ای نمی‌توان استفاده کرد. استفاده نادرست از این شاخص‌ها برای توصیف داده اعتبار یک گزارش پژوهشی را زیر سؤال خواهد برد. بر اساس نمودار فوق، استفاده از این شاخص‌ها آسان‌تر است.

ارائه پژوهش

 
موضوعات