انواع تجزیه و تحلیل

تجزیه و تحلیل داده ها فرآیند استفاده منظم از تکنیک های آماری و/یا منطقی برای توصیف و نشان دادن ، چگال و بازپس گیری و ارزیابی داده ها است. طبق گفته های Shamoo و Resnik (2003) روشهای مختلف تحلیلی "راهی برای ترسیم استنباط های القایی از داده ها و تمایز سیگنال (پدیده مورد علاقه) از سر و صدا (نوسانات آماری) موجود در داده ها" ..

در حالی که تجزیه و تحلیل داده ها در تحقیقات کیفی می تواند شامل روشهای آماری باشد ، بسیاری از آنالیزها به یک فرآیند تکراری در حال انجام تبدیل می شوند که داده ها به طور مداوم جمع آوری و تقریباً همزمان مورد تجزیه و تحلیل قرار می گیرند. در واقع ، محققان به طور کلی الگوهای موجود در مشاهدات را از طریق کل مرحله جمع آوری داده ها تجزیه و تحلیل می کنند (Savenye ، Robinson ، 2004). شکل تجزیه و تحلیل با رویکرد کیفی خاص به دست آمده (مطالعه میدانی ، تجزیه و تحلیل محتوای مردم نگاری ، تاریخ شفاهی ، بیوگرافی ، تحقیقات غیرقابل توصیف) و شکل داده ها (یادداشت های میدانی ، اسناد ، صوتی ، فیلمبرداری) تعیین می شود.

یک مؤلفه اساسی برای اطمینان از یکپارچگی داده ، تجزیه و تحلیل دقیق و مناسب از یافته های تحقیق است. تجزیه و تحلیل های آماری نادرست یافته های علمی را تحریف می کند ، خوانندگان گاه به گاه گمراه کننده (شپرد ، 2002) ، و ممکن است بر درک عمومی از تحقیقات تأثیر منفی بگذارد. مسائل یکپارچگی به همان اندازه برای تجزیه و تحلیل داده های غیر آماری نیز مرتبط است.

ملاحظات/موضوعات در تجزیه و تحلیل داده ها تعدادی از موضوعات وجود دارد که محققان باید با توجه به تجزیه و تحلیل داده ها از آن آگاه باشند. این شامل:

• داشتن مهارت های لازم برای تجزیه و تحلیل
• همزمان انتخاب روش های جمع آوری داده ها و تجزیه و تحلیل مناسب
• استنباط بی طرفانه
• تجزیه و تحلیل زیر گروه نامناسب
• به دنبال هنجارهای قابل قبول برای رشته ها
• تعیین اهمیت آماری
• عدم وجود اندازه گیری نتیجه به وضوح تعریف شده و عینی
• ارائه تحلیل صادقانه و دقیق
• نحوه ارائه داده ها
• مسائل زیست محیطی/متنی
• روش ضبط داده ها
• تقسیم "متن" هنگام تجزیه و تحلیل داده های کیفی
• آموزش کارکنان انجام تجزیه و تحلیل
• قابلیت اطمینان و اعتبار
• میزان تجزیه و تحلیل

داشتن مهارت های لازم برای تجزیه و تحلیل

یک فرضیه ضمنی از محققان این است که آنها آموزش کافی برای نشان دادن استاندارد بالایی از تمرین تحقیقاتی دریافت کرده اند. غیر عمدی "سوء رفتار علمی" احتمالاً نتیجه دستورالعمل و پیگیری ضعیف است. تعدادی از مطالعات حاکی از آن است که این ممکن است بیشتر از آنچه باور می شود اتفاق بیفتد (نواک ، 1994 ؛ سیلورمن ، مانسون ، 2003). به عنوان مثال ، SICA دریافت که آموزش کافی پزشکان در دانشکده های پزشکی در طراحی مناسب ، اجرای و ارزیابی کارآزمایی های بالینی "ناچیز کوچک" است (SICA ، به نقل از نواک ، 1994). در واقع ، یک دوره واحد در زیست شناسی بیشترین چیزی است که معمولاً ارائه می شود (کریستوفر ویلیامز ، به نقل از نواک ، 1994).

یک روش معمول محققان ، تعویق انتخاب روش تحلیلی به یک تیم تحقیقاتی "آماری" است. در حالت ایده آل ، محققان باید به طور قابل توجهی بیشتر از درک اساسی از دلیل منطقی برای انتخاب یک روش تجزیه و تحلیل نسبت به دیگری داشته باشند. این می تواند به محققان این امکان را می دهد تا کارکنان را که روند تجزیه و تحلیل داده ها را انجام می دهند ، نظارت کنند و تصمیمات آگاهانه بگیرند

همزمان انتخاب روش های جمع آوری داده ها و تجزیه و تحلیل مناسبدر حالی که روش های تجزیه و تحلیل ممکن است با نظم و انضباط علمی متفاوت باشد ، مرحله بهینه برای تعیین رویه های تحلیلی مناسب در مراحل تحقیق در اوایل انجام می شود و نباید پس از آن باشد. به گفته Smeeton و Goda (2003) ، "توصیه های آماری باید در مرحله برنامه ریزی اولیه یک تحقیق انجام شود تا به عنوان مثال روش نمونه گیری و طراحی پرسشنامه مناسب باشد".

استنباط بی طرفانه

هدف اصلی تجزیه و تحلیل ، تمایز بین رویدادی است که به عنوان منعکس کننده یک اثر واقعی در مقابل یک کاذب رخ می دهد. هرگونه تعصب در جمع آوری داده ها یا انتخاب روش تجزیه و تحلیل ، احتمال ترسیم یک استنباط مغرضانه را افزایش می دهد. تعصب می تواند در هنگام استخدام شرکت کنندگان در مطالعه کمتر از حداقل تعداد مورد نیاز برای نشان دادن قدرت آماری یا عدم حفظ یک دوره پیگیری کافی مورد نیاز برای نشان دادن اثر باشد (آلتمن ، 2001).

تجزیه و تحلیل زیر گروه نامناسب

محققان هنگام عدم موفقیت در نشان دادن سطح آماری متفاوت بین گروه های درمانی ، ممکن است به منظور یافتن تفاوت ، تجزیه و تحلیل را به زیر گروه های کوچکتر و کوچکتر تقسیم کنند. اگرچه این عمل ممکن است ذاتاً غیر اخلاقی نباشد ، اما این تجزیه و تحلیل ها باید قبل از شروع مطالعه ارائه شود حتی اگر هدف از نظر ماهیت اکتشافی باشد. اگر این مطالعه از نظر ماهیت اکتشافی باشد ، محقق باید این موضوع را صریح کند تا خوانندگان بدانند که این تحقیق بیشتر از یک سفر شکار است نه اینکه در درجه اول تئوری باشد. اگرچه ممکن است یک محقق یک فرضیه مبتنی بر تئوری برای آزمایش روابط بین متغیرهای قبلاً آزمایش نشده نداشته باشد ، برای توضیح یک یافته غیرقابل پیش بینی باید یک تئوری تدوین شود. در واقع ، در علم اکتشافی ، هیچ فرضیه پیشینی وجود ندارد ، بنابراین هیچ آزمایش فرضی وجود ندارد. اگرچه تئوری ها اغلب می توانند فرآیندهای مورد استفاده در بررسی مطالعات کیفی را هدایت کنند ، بسیاری از الگوهای رفتار یا وقایع حاصل از داده های تجزیه و تحلیل شده می توانند منجر به توسعه چارچوب های نظری جدید شوند نه تعیین پیشینی (Savenye ، Robinson ، 2004).

قابل تصور است که چندین آزمایش آماری می تواند به جای اینکه یک اثر واقعی را منعکس کند ، می تواند به تنهایی یافته قابل توجهی را به دست آورد. اگر محقق فقط آزمایشات را با یافته های قابل توجهی گزارش دهد ، یکپارچگی به خطر می افتد و از ذکر تعداد زیادی از آزمایشات که نتوانسته اند به اهمیت خود نرسند ، غفلت می کند. در حالی که دسترسی به بسته های آماری مبتنی بر رایانه می تواند کاربرد روشهای تحلیلی به طور فزاینده ای را تسهیل کند ، استفاده نامناسب از این بسته ها نیز می تواند منجر به سوءاستفاده شود.

به دنبال هنجارهای قابل قبول برای رشته ها

هر زمینه ای از مطالعه شیوه های پذیرفته شده خود را برای تجزیه و تحلیل داده ها توسعه داده است. Resnik (2000) اظهار داشت که برای محققان محتاط است که از این هنجارهای پذیرفته شده پیروی کنند. Resnik در ادامه اظهار داشت که هنجارها مبتنی بر دو عامل هستند:

(1) ماهیت متغیرهای مورد استفاده (یعنی کمی ، تطبیقی یا کیفی) ،

(2) فرضیات در مورد جمعیتی که داده ها از آن ترسیم می شوند (یعنی توزیع تصادفی ، استقلال ، اندازه نمونه و غیره). اگر کسی از هنجارهای غیر متعارف استفاده می کند ، به وضوح بیان این کار بسیار مهم است و نشان می دهد که چگونه از این روش جدید و احتمالاً غیرقابل قبول تجزیه و تحلیل استفاده می شود ، و همچنین نحوه تفاوت آن با سایر روشهای سنتی تر. به عنوان مثال ، Schroder ، Carey و Vanable (2003) شناسایی خود را از راه حل های تحلیلی داده های جدید و قدرتمند تهیه شده برای شمارش داده ها در منطقه خطر انقباض HIV با بحث در مورد محدودیت های روشهای متداول استفاده می کنند.

اگر کسی از هنجارهای غیر متعارف استفاده می کند ، به وضوح بیان این کار بسیار مهم است و نشان می دهد که چگونه از این روش جدید و احتمالاً غیرقابل قبول تجزیه و تحلیل استفاده می شود ، و همچنین نحوه تفاوت آن با سایر روشهای سنتی تر. به عنوان مثال ، Schroder ، Carey و Vanable (2003) شناسایی خود را از راه حل های تحلیلی داده های جدید و قدرتمند تهیه شده برای شمارش داده ها در منطقه خطر انقباض HIV با بحث در مورد محدودیت های روشهای متداول استفاده می کنند.

در حالی که عمل متعارف ایجاد استانداردی از پذیرش برای اهمیت آماری است ، با برخی از رشته ها ، ممکن است در مورد بحث در مورد اینکه آیا دستیابی به اهمیت آماری دارای معنای عملی واقعی است ، یعنی "اهمیت بالینی" مناسب باشد. شلوار جین (1992) "اهمیت بالینی" را "پتانسیل یافته های تحقیق برای ایجاد یک تفاوت واقعی و مهم در مشتری یا عمل بالینی ، وضعیت بهداشتی یا هر مشکل دیگر که به عنوان اولویت مربوط برای این رشته شناخته می شود" تعریف می کند.

کندال و گروو (1988) اهمیت بالینی را از نظر آنچه اتفاق می افتد تعریف می کنند که "... مشتری های مشکل دار و بی نظم اکنون ، پس از درمان ، از یک گروه مرجع غیرقانونی معنی دار و نماینده قابل تشخیص نیستند". تامپسون و نوفری (2002) پیشنهاد می کنند که خوانندگان ادبیات مشاوره باید از نویسندگان انتظار داشته باشند که شاخص های اهمیت عملی یا بالینی یا هر دو را در گزارش های تحقیقاتی خود گزارش دهند. Shepard (2003) سؤال می کند که چرا برخی از نویسندگان نمی توانند خاطرنشان کنند که بزرگی تغییرات مشاهده شده ممکن است برای داشتن هرگونه اهمیت بالینی یا عملی بسیار کوچک باشد ، "گاهی اوقات ، یک تغییر فرض در برخی از جزئیات ممکن است شرح داده شود ، اما محقق نتواند آن را فاش کندروند از نظر آماری معنی دار نیست. "

عدم وجود اندازه گیری نتیجه به وضوح تعریف شده و عینی

هیچ مقدار تجزیه و تحلیل آماری ، صرف نظر از سطح پیچیدگی ، اندازه گیری نتیجه عینی ضعیف را اصلاح نمی کند. چه ناخواسته و چه با طراحی ، این عمل احتمال ایجاد تفسیر یافته ها را افزایش می دهد ، بنابراین خوانندگان بالقوه گمراه کننده هستند.تجزیه و تحلیل صادقانه و دقیق را ارائه دهید

مبنای این مسئله ، فوریت کاهش احتمال خطای آماری است. چالش های متداول شامل محرومیت از فضای باز ، پر کردن داده های مفقود شده ، تغییر یا تغییر داده ها ، داده کاوی و توسعه بازنمایی های گرافیکی داده ها است (Shamoo ، Resnik ، 2003).

نحوه ارائه داده هادر بعضی مواقع ، محققان ممکن است با تعیین نحوه ارائه داده های مشتق شده (بر خلاف داده ها به شکل خام آن) ، تصور یک یافته مهم را تقویت کنند ، که کدام بخش از داده ها نشان داده شده است ، چرا ، چگونه و به چه کسی (شامو ، Resnik ، 2003)بشرنواک (1994) خاطرنشان می کند که حتی متخصصان نیز در تمایز بین تجزیه و تحلیل و ماساژ داده ها موافق نیستند. Shamoo (1989) توصیه می کند که محققان دنباله کاغذ کافی و دقیقی را در مورد نحوه دستکاری داده ها برای بررسی آینده حفظ کنند.

یکپارچگی تجزیه و تحلیل داده ها می تواند توسط محیط یا زمینه ای که داده ها جمع آوری شده است ، یعنی مصاحبه های چهره به چهره در مقابل گروه متمرکز به خطر بیاندازد. تعامل در یک رابطه دیمیک (مصاحبه کننده --- مصاحبه کننده) با گروه پویا گروهی که در یک گروه تمرکز به دلیل تعداد شرکت کنندگان و نحوه واکنش آنها به پاسخ های یکدیگر متفاوت است ، متفاوت است. از آنجا که فرآیند جمع آوری داده ها می تواند تحت تأثیر محیط/زمینه باشد ، محققان باید هنگام انجام تجزیه و تحلیل داده ها این موضوع را در نظر بگیرند.

روش ضبط داده ها

تجزیه و تحلیل همچنین می تواند تحت تأثیر روشی باشد که در آن داده ها ثبت شده است. به عنوان مثال ، رویدادهای تحقیقاتی می توانند توسط:

آ. ضبط صوتی و/یا فیلم و رونویسی بعداً b. یا یک محقق یا نظرسنجی خودآزمایی ج. یا بررسی پایان بسته یا بررسی پایان باز d. تهیه یادداشت های میدانی مردم نگاری از یک شرکت کننده/ناظر e. درخواست می کنند که شرکت کنندگان خودشان یادداشت برداری ، کامپایل و ارسال آنها را به محققان ارائه دهند.

در حالی که هر متدولوژی به کار رفته دارای دلیل منطقی و مزایایی است ، ممکن است هنگام تجزیه و تحلیل داده ها ، موضوعات عینیت و ذهنیت مطرح شود.

تقسیم متن

در طول تجزیه و تحلیل محتوا ، محققان کارکنان یا "رأی دهندگان" ممکن است از استراتژی های متناقض در تجزیه و تحلیل مطالب متنی استفاده کنند. برخی از "رأی دهندگان" ممکن است نظرات را به عنوان یک کل تجزیه و تحلیل کنند ، در حالی که برخی دیگر ممکن است ترجیح دهند با جدا کردن کلمات ، عبارات ، بندها ، جملات یا گروههای جملات ، مطالب متنی را جدا کنند. باید تمام تلاش شود تا ناسازگاری بین "رأی دهندگان" کاهش یا از بین برود تا یکپارچگی داده به خطر نیفتد.

آموزش کارکنان انجام تجزیه و تحلیل

یک چالش اساسی برای یکپارچگی داده ها می تواند با نظارت بدون نظارت از تکنیک های القایی رخ دهد. تجزیه و تحلیل محتوا به رأی دهندگان نیاز دارد تا مباحث را به مطالب متنی اختصاص دهند (نظرات). تهدید به یکپارچگی ممکن است زمانی بوجود بیاید که رأی دهندگان آموزش متناقض دریافت کرده اند ، یا ممکن است تجربه (های) آموزش قبلی را دریافت کرده باشند. تجربه قبلی ممکن است بر نحوه درک رأی دهندگان ماده یا حتی درک ماهیت تجزیه و تحلیل های انجام شده تأثیر بگذارد. بنابراین یک رجر می تواند مباحث یا کدهایی را به مواد اختصاص دهد که با یک رأی دیگر متفاوت است. استراتژی های برای پرداختن به این امر شامل واضح است که لیستی از رویه های تجزیه و تحلیل در دفترچه راهنمای پروتکل ، آموزش مداوم و نظارت روتین رأی دهندگان را بیان می کند.

قابلیت اطمینان و اعتبار

محققان انجام تجزیه و تحلیل در مورد تجزیه و تحلیل های کمی یا کیفی باید از چالش های مربوط به اعتبار و اعتبار آگاه باشند. به عنوان مثال ، در زمینه تجزیه و تحلیل محتوا ، گوتچالک (1995) سه عامل را مشخص می کند که می تواند بر قابلیت اطمینان داده های تحلیل شده تأثیر بگذارد:

• پایداری ، یا تمایل به رمزگذارها برای تنظیم مجدد داده ها به همان روش در طی یک دوره زمانی
• تکرارپذیری ، یا تمایل گروهی از رمزگذارها برای طبقه بندی عضویت در دسته ها به همان روش
• دقت ، یا میزان طبقه بندی یک متن با یک استاندارد یا هنجار از نظر آماری مطابقت دارد

پتانسیل به خطر انداختن یکپارچگی داده ها زمانی بوجود می آید که محققان نمی توانند به طور مداوم ثبات ، تکرارپذیری یا صحت تجزیه و تحلیل داده ها را نشان دهند

به گفته گوتچالک ، (1995) ، اعتبار یک مطالعه تجزیه و تحلیل محتوا به مکاتبات دسته ها (طبقه بندی که رأی دهندگان به محتوای متن اختصاص داده شده اند) به نتیجه گیری و تعمیم پذیری نتایج به یک تئوری اشاره دارد (آیا دسته بندی ها از این پشتیبانی پشتیبانی می کنند. نتیجه گیری مطالعه ، و این یافته به اندازه کافی قوی برای پشتیبانی یا استفاده از یک دلیل نظری انتخاب شده است؟).

میزان تجزیه و تحلیل

پس از کدگذاری مطالب متن برای تجزیه و تحلیل محتوا ، رأی دهندگان باید هر کد را در یک دسته مناسب از یک ماتریس مرجع متقابل طبقه بندی کنند. تکیه بر نرم افزار رایانه برای تعیین فرکانس یا تعداد کلمات می تواند منجر به نادرستی شود."ممکن است یک تعداد دقیق از وقوع و فرکانس آن کلمه بدست آورد ، اما حسابداری دقیقی از معنای ذاتی در هر استفاده خاص ندارد" (گوتچالک ، 1995). تجزیه و تحلیل های بیشتر ممکن است مناسب برای کشف ابعاد مجموعه داده یا هویت متغیرهای اساسی جدید باشد.

چه از روشهای آماری یا غیر آماری تجزیه و تحلیل استفاده شود ، محققان باید از پتانسیل به خطر انداختن یکپارچگی داده آگاه باشند. در حالی که تجزیه و تحلیل آماری به طور معمول بر روی داده های کمی انجام می شود ، روشهای تحلیلی بی شماری وجود دارد که به طور خاص برای مواد کیفی از جمله محتوا ، موضوعی و آنالیز قوم نگاری طراحی شده است. صرف نظر از اینکه یک نفر پدیده های کمی یا کیفی را مطالعه می کند ، محققان از ابزارهای متنوعی برای تجزیه و تحلیل داده ها به منظور آزمایش فرضیه ها ، الگوهای تشخیص رفتار و در نهایت پاسخ به سؤالات تحقیق استفاده می کنند. عدم درک یا تأیید موضوعات تجزیه و تحلیل داده های ارائه شده می تواند یکپارچگی داده ها را به خطر بیاندازد.

منابع:

Gottschalk ، L. A. (1995). تجزیه و تحلیل محتوا از رفتار کلامی: یافته های جدید و کاربردهای بالینی. Hillside ، NJ: Lawrence Erlbaum Associates ، Inc

شلوار جین ، M. E. (1992). اهمیت بالینی تحقیقات: یک نگرانی رو به رشد. مجله تحقیقات پرستاری کانادایی ، 24 ، 1-4.

LeFort ، S. (1993). بحث آماری در مقابل بحث اهمیت بالینی. تصویر ، 25 ، 57-62. Kendall ، P. C. ، & Grove ، W. (1988). مقایسه هنجاری در نتیجه درمانی. ارزیابی رفتاری ، 10 ، 147-158.

نواک ، ر. (1994). مشکلات در کارآزمایی های بالینی فراتر از سوء رفتار است. علوم پایه. 264 (5165): 1538-41. Resnik ، D. (2000). آمار ، اخلاق و تحقیقات: دستور کار برای آموزش و اصلاحات. پاسخگویی در تحقیقات. 8: 163-88

Schroder ، K. E. ، Carey ، M. P. ، Venable ، P. A.(2003). چالش های روش شناختی در تحقیقات در مورد رفتار خطر جنسی: I. محتوای مورد ، مقیاس بندی و گزینه های تحلیلی داده. A Behav Med ، 26 (2): 76-103.

Shamoo ، A. E. ، Resnik ، B. R.(2003). رفتار مسئول تحقیقات. انتشارات دانشگاه آکسفورد.

Shamoo ، A. E. (1989). اصول حسابرسی داده های تحقیق. گوردون و نقض ، نیویورک.

Shepard ، R. J.(2002). اخلاق در تحقیقات علوم ورزش. ورزش پزشکی ، 32 (3): 169-183.

Silverman ، S. ، Manson ، M. (2003). تحقیقات در مورد تدریس در پایان نامه های دکتری تربیت بدنی: یک بررسی دقیق از تمرکز ، روش و تجزیه و تحلیل. مجله تدریس در تربیت بدنی ، 22 (3): 280-297.

Smeeton ، N. ، Goda ، D. (2003). انجام و ارائه تحقیقات کار اجتماعی: برخی ملاحظات اساسی آماری. Br J Soc Work ، 33: 567-573.

تامپسون ، ب. ، نوفری ، G. 2002. آماری ، عملی ، بالینی: در تحقیقات مشاوره باید چند نوع اهمیت در نظر گرفته شود؟مجله مشاوره و توسعه ، 80 (4): 64-71.