تجزیه و تحلیل داده ها برای تحقیقات اجتماعی با استفاده از تکنیک های کیفی و کمی

در تحقیق ، تجزیه و تحلیل داده ها به فرایند استفاده از تکنیک های آماری و منطقی برای ارزیابی و سنتز داده های جمع آوری شده اشاره دارد. این امکان را به محققان می دهد تا بینش های معنی دار را از یک توده داده بدون ساختار استخراج کنند. هنگامی که ما می توانیم بینش و معنی را از داده ها استخراج کنیم ، درک بهتری از جهان و پدیده های مختلف به ما می دهد و تصمیم گیری را در این فرآیند بهبود می بخشد.

داده های مختلف باید با استفاده از تکنیک های مختلف مورد تجزیه و تحلیل قرار گیرند. در این مقاله ، انواع مختلفی از داده ها را در تحقیقات و روش های مختلف تجزیه و تحلیل داده ها برای تجزیه و تحلیل آنها مورد بررسی قرار خواهیم داد.

راهنمای تحقیق انحصاری

ببینید که چگونه آمازون ، Uber و اپل تجربه مشتری را در مقیاس افزایش می دهند.

انواع داده ها در تحقیق

سه نوع اصلی داده در تحقیقات وجود دارد:

• داده های کیفی: از داده های کیفی برای توصیف خصوصیات یا ویژگی ها استفاده می شود و به طور کلی به یافته های توصیفی جمع آوری شده از طریق روش های مختلف تحقیق اشاره دارد. این به داده هایی اشاره دارد که از نظر طبیعت غیر عددی هستند و بنابراین قابل اندازه گیری نیستند. برخی از نمونه های داده های کیفی عبارتند از گروه خونی ، گروه قومی ، رنگ ها و غیره
• داده های کمی: نوع داده هایی که مقدار آن ارقام یا شمارش مشخصی را که با یک مقدار عددی همراه است ، می گیرد. این به اطلاعات قابل اندازه گیری اشاره دارد که می تواند برای انجام تجزیه و تحلیل آماری و محاسبات ریاضی استفاده شود. برخی از نمونه های داده های کمی هزینه ، سن و وزن است.
• داده های طبقه بندی شده: داده های طبقه بندی شده به انواع داده هایی که می توانند به گروه ها تقسیم شوند ، اشاره دارد. متغیرهای طبقه بندی شده فقط می توانند یکی از مقادیر ممکن را محدود و معمولاً ثابت کنند. برخی از نمونه های داده های طبقه بندی شامل نژاد ، جنسیت ، گروه سنی و غیره است.

تجزیه و تحلیل داده ها در تحقیقات کیفی

بیایید نگاهی بیندازیم که چگونه تجزیه و تحلیل داده ها در تحقیقات کیفی انجام می شود و روشهای مختلفی که معمولاً برای انجام این کار استفاده می شوند.

چگونه الگوهای موجود در داده های کیفی را شناسایی کنیم

هنگام تجزیه و تحلیل و جستجوی الگوهای در اطلاعات متنی ، روشهای مختلفی وجود دارد که می توان از آنها استفاده کرد ، از جمله:

• روش مبتنی بر کلمه: روش مبتنی بر کلمه به طور کلی شامل خواندن دستی از طریق داده های جمع آوری شده برای یافتن مضامین تکراری یا کلمات متداول است.

• تکنیک مبتنی بر بررسی: از تکنیک مبتنی بر بررسی برای نتیجه گیری صرفاً بر اساس آنچه که قبلاً توسط محقق شناخته شده است استفاده می شود. این یک روش محبوب از تجزیه و تحلیل متن برای شناسایی همبستگی ها و الگوهای موجود در اطلاعات متنی است.
• پارتیشن بندی متغیر: پارتیشن بندی متغیر ، یا پارتیشن بندی پویا ، می تواند برای تقسیم متغیرها استفاده شود تا توضیحات و توضیحات منسجم تر از داده های گسترده قابل استخراج باشد.

روشهای مورد استفاده برای تجزیه و تحلیل داده ها در تحقیقات کیفی

شش روش اصلی تجزیه و تحلیل داده ها در تحقیقات کمی وجود دارد:

• تجزیه و تحلیل روایت: تجزیه و تحلیل روایی ، همچنین به عنوان تحقیق روایت شناخته می شود ، یک روش تحقیق کیفی است که در آن محققان متون یا داده های بصری را که دارای یک شکل ذخیره شده هستند تفسیر می کنند. رویکردهای مختلفی برای تحلیل روایت وجود دارد ، از جمله ؛عملکردی ، موضوعی ، ساختاری و دیالوگ.
• تجزیه و تحلیل محتوای کیفی: این یک روش ساده از تحقیقات کیفی است که در آن الگوهای موجود در یک قطعه از محتوا ارزیابی می شود. می توان از آن با اشکال مختلف محتوا مانند کلمات ، عبارات و/یا تصاویر استفاده کرد.
• تئوری مبتنی بر: این روش تجزیه و تحلیل کیفی برای ایجاد نظریه های جدید با استفاده از داده های جمع آوری شده ، با استفاده از یک سری "آزمایش" و "تجدید نظر" استفاده می شود. تئوری زمینی (GT) از یک روش ساختاری اما انعطاف پذیر پیروی می کند و به طور کلی روی فرآیندهای اجتماعی یا اقدامات متمرکز است.

• تجزیه و تحلیل گفتمان: از این روش برای مطالعه کتبی ، آواز ، زبان علامت یا هر رویداد نشانه شناسی قابل توجه در رابطه با زمینه اجتماعی آن استفاده می شود. این امکان را به محققان می دهد تا یک زبان فراتر از جملات را بررسی کنند و درک چگونگی عملکرد این جملات در یک زمینه اجتماعی را ارائه می دهند.
• تجزیه و تحلیل موضوعی: تجزیه و تحلیل موضوعی شامل جستجوی الگوهای با گرفتن بدنهای بزرگ داده و سپس گروه بندی آنها بر اساس مضامین مشترک یا شباهت ها برای ارائه پاسخ به سؤال تحقیق است. این روش تجزیه و تحلیل داده های کیفی به طور گسترده در زمینه روانشناسی استفاده می شود.
• تجزیه و تحلیل پدیدارشناختی تفسیری (IPA): IPA رویکردی برای تحقیقات کیفی روانشناختی است و تمرکز ایدئولوژیکی دارد. از آن برای ارائه یک بررسی دقیق از یک شخص و تجربیات زندگی شده آنها استفاده می شود. هدف IPA این است که بفهمد شرکت کنندگان چگونه از دنیای شخصی و اجتماعی خود معنا می کنند.

به نرم افزار نظرسنجی Voxco در عمل با نسخه ی نمایشی رایگان مراجعه کنید.

به نرم افزار نظرسنجی Voxco در عمل با نسخه ی نمایشی رایگان مراجعه کنید.

تجزیه و تحلیل داده ها در تحقیقات کمی

اکنون بیایید چگونگی انجام تجزیه و تحلیل داده ها در تحقیقات کمی و روش های مختلفی که معمولاً برای انجام این کار استفاده می شود ، بررسی کنیم.

آماده سازی داده ها برای تجزیه و تحلیل داده های تحقیقات کمی

قبل از تجزیه و تحلیل داده های کمی ، ابتدا باید با استفاده از سه مرحله زیر تهیه شود:

• مرحله 1: اعتبار سنجی داده ها: اعتبار سنجی داده ها به فرآیند مقایسه داده های جمع آوری شده در برابر قوانین تعریف شده اشاره دارد تا اطمینان حاصل شود که در پارامترهای کیفیت مورد نیاز ، بدون هیچ گونه تعصب است. این به طور کلی شامل بررسی موارد زیر است. کلاهبرداری ، غربالگری ، رویه و کامل بودن.
• مرحله 2: ویرایش داده ها: ویرایش داده ها به روند بررسی و تنظیم پس از بررسی ورودی های گمشده ، نامعتبر یا متناقض در سوابق داده اشاره دارد.
• مرحله 3: کدگذاری داده ها: همانطور که از نام آن پیداست ، کدگذاری داده ها شامل کدهای استخراج از داده های مشاهده شده است. این به فرایند تبدیل اطلاعات جمع آوری شده سازماندهی به مجموعه ای از دسته های معنی دار و منسجم اشاره دارد.

روشهای مورد استفاده برای تجزیه و تحلیل داده ها در تحقیقات کمی

دو روش اصلی تجزیه و تحلیل داده ها در تحقیقات کمی استفاده شده است:

• آمار توصیفی S: این روش کمی از تجزیه و تحلیل داده ها برای توصیف ویژگی های اساسی داده ها در یک مطالعه استفاده می شود و خلاصه های ساده ای در مورد اقدامات و نمونه ها ارائه می دهد. این به محققان کمک می کند تا جزئیات یک گروه نمونه را درک کنند ، و هدف از آن پیش فرض یا پیش بینی در مورد کل جمعیت نیست. تجزیه و تحلیل توصیفی به طور کلی شامل اولین مجموعه آماری است که قبل از حرکت به آمار استنباطی پوشش داده می شود.

برخی از آزمایشات آماری متداول که در آمار توصیفی مورد استفاده قرار می گیرند ، میانگین ، میانگین ، حالت ، پوستی و انحراف استاندارد است.

• آمار استنباطی: آمار استنباطی با آمار توصیفی متفاوت است زیرا هدف آن استنباط در مورد جمعیت است ، نه در مورد یک مجموعه داده یا نمونه خاص. بنابراین ، به محققان این امکان را می دهد تا در مورد کل جمعیت فرضیات و پیش بینی هایی را انجام دهند.

دو نوع پیش بینی اصلی با استفاده از آمار استنباطی وجود دارد ، از جمله پیش بینی در مورد تفاوت بین گروه ها در یک جمعیت و پیش بینی در مورد روابط بین متغیرهای مربوط به یک جمعیت.

برخی از روشهای استنباطی متداول مورد استفاده در تجزیه و تحلیل داده های کمی عبارتند از: تجزیه و تحلیل رگرسیون ، جداول فرکانس ، تجزیه و تحلیل واریانس (ANOVA) ، تنظیم متقابل و تحقیقات همبستگی.