مرکز تحلیل آماری نوین

تجزیه و تحلیل آماری رساله دکتری، پایان نامه و مقاله های علمی

مرکز تحلیل آماری نوین

تجزیه و تحلیل آماری رساله دکتری، پایان نامه و مقاله های علمی

مرکز تحلیل آماری نوین

ارائه دهنده خدمات تجزیه و تحلیل آماری
سازمان های دولتی و خصوصی،
پایان نامه های دانشجویی،
مقاله علمی - پژوهشی،
پروژه های پژوهشی،
رساله دکتری.
تلفن: 09132572215
اینستاگرام: novinamar@
Email: novinamar@gmail.com

تحلیل ساختاری با استفاده از روش میک مک (Mic Mac)

يكشنبه, ۱۶ آبان ۱۳۹۵، ۱۱:۲۴ ب.ظ

درک بهتر از آینده ی یک سیستم مانند یک سازمان یا یک کشور یا حتی یک فناوری، هنگامی رخ می‌دهد که سیستم را به‌ طور عمیق‌تر مورد بررسی قرار داده و آثار روندهای موثر بر آن را دریابیم. فرض کنید می خواهیم در مورد آینده ی مصرف آب در بخش کشاورزی تحقیق کنیم. در نگاه اول روندهایی چون شرایط جوی و میزان بارش، رشد جمعیت، بهبود شرایط اقتصادی، رشد شهر نشینی، بهبود فناوری های دخیل در امر کشاورزی و یا حتی راوبط کشور با کشورهای همسایه که بر روی مسئله حق آبه ی ایران تاثیر دارد را می توان در نظر آورد. که این روندها و چگونگی آنها در فضای احتمالات آینده می تواند بر روی آینده ی مسئله ما یعنی میزان مصرف آب کشاورزی تاثیرگذار باشند. اما با کمی دقت بیشتر متوجه می شویم که برخی از این روندها مستقل نیستند بلکه خود متاثر از روندهای دیگر هستند که این امر بر پیچیدگی مسئله ما می افزاید. برای مثال بهبود فناوری های دخیل در امر کشاورزی مانند مکانیزه کردن فرایندهای کاشت، داشت و برداشت، افراد زیادی که در روستاها مشغول به فعالیت هستند را بی کار و روانه شهرها می کند. اما چگونه می توان در نهایت به این درک رسید که کدام روند تاثیر بیشتری بر آینده سیستم مورد مطالعه دارد و کدام روندها بیشتر تاثیرپذیر هستند؟ برای رسیدن به چنین درکی، روش تحلیل اثر متقابل یا روش تحلیل تاثیر بر گذر (متقاطع) (Cross Impact Analysis)، یک رویکرد کارا و مفید است. تحلیل اثر متقابل، روشی برای تشخیص روابط متقابل است. به‌ طوری‌ که تأثیر هر روند بر روندهای دیگر درجه بندی می‌شود. به عبارت دیگر CIA یک روش نیمه کمی است که در آن، به جای روابط علت – معلولی ساده، روابط متقابل بین خرده‌سیستم‌های مختلف، در ماتریس تحلیل می‌شود. تحلیل اثر متقابل، به عنوان ابزار تحقیقات در مورد آینده، نقش شاخص یک متغیر را در ارتباط با سایر متغیرهای درون یک سیستم آشکار ساخته و آن دسته از متغیرهایی را شناسایی می‌کند که نقش مهم و معناداری در توسعه سیستم در آینده ایفا می‌کنند. اطلاعاتی که این روش تأمین می‌کند تصویری است از اثر متقابل بین روندها و متغیرها. با همان درجه اهمیت، تصویری است از این‌که چه چیز وابسته و چه چیز مستقل است، چه چیز پیشران و چه چیز توسط چیزهای دیگر پیش‌برده می‌شود. روش تحلیل اثر متقابل در شناسایی متغیرها و روندهای کلیدی بسیار مفید است. برای یک متغیر، ویژگی مهم بودن، داشتن ارتباط قوی با سیستم است که با تعداد و شدت این ارتباطات سنجیده می‌شود. متغیرهایی که چنین ویژگی دارند، متغیرهای کلیدی نامیده می‌شوند. از آنجایی که هرگونه تغییر در متغیرهای کلیدی، کل سیستم را تحت تأثیر قرار می‌دهد، شایسته است در آینده بیشتر مورد توجه قرار گیرند. در بیشتر رویکردهای علمی از تحلیل تاثیر متقابل به منظور بررسی احتمال سناریوها استفاده می‌شود. در جعبه ابزار آینده نگاری، معمولا این روش در ترکیب با روش های دیگر مورد استفاده قرار می گیرد. برای مثال ممکن است برای تهیه لیست اولیه از متغیرهای کلیدی از روش دلفی و یا پانل خبرگان استفاده شود و متغیرهای کلیدی شناخته شده توسط این روش نهایتا در برنامه ریزی مبتنی بر سناریو مورد استفاده قرار گیرند.

مراحل روش تحلیل تأثیر متقابل

۱) تهیه لیست پیش‌ران ها یا متغیرها به‌عنوان روندهایی با جهت‌های معین.

۲) تهیه ماتریس قطری n در n به تعداد پیشران‌ها (روندها)

۳) قضاوت در مورد این‌که روند A  تا چه حد بر روند B تأثیر خواهد داشت. این تأثیر معمولاً با عددی در مقیاس صفر تا ۳ مشخص می‌شود. به‌طوری­که عدد صفر بدون تأثیر، عدد ۱ تأثیر کم، عدد ۲ تأثیر متوسط و عدد ۳ تأثیر زیاد را نشان می‌دهد.

۴) جمع بندی نتایج. جمع هر ردیف میزان قدرت پیش‌برندگی متغیر را نشان می‌دهد؛ این بدان معناست که این متغیر تا چه اندازه متغیرهای دیگر را تحت تأثیر قرار می‌دهد. جمع هر ستون، سطح وابستگی هر متغیر را نشان می‌دهد.

۵) رسم روندها (متغیرها) بر روی یک نمودار، وابستگی در یک محور و پیش‌رانی در محور دیگر.

نرم افزار میک مک

قدرت این نوعِ ساده‌ی تحلیل اثر متقابل این است که کمک می‌کند تا فرض ها نسبت به آینده روشن شود و ایده‌های متناقض شناسایی گردد. نکته بسیار مهم دیگر این است که تصویر روشنی از این‌که کدام روندها و پیشران‌ها پیش‌برنده و کدام وابسته‌اند، به دست می‌آید. تحلیل تأثیر متقابل به هنگام تحلیل کیفی مسائل پیچیده، ابزار بسیار سودمندی است. پس از انتخاب تعدادی پیشران/عاملِ تغییر، حال نوبت به ترکیب آن‌ها می‌رسد. در اینجا نیاز به استدلالی کیفی است بر حسب این‌که: اگر این اتفاق یا آن اتفاق رخ دهد چه خواهد شد؟ این اتفاق به چه رویدادهایی منجر می‌شود و چه چیزی می‌تواند آن را تا آن نقطه پبش‌برد؟ ساده‌ترین راه انجام این‌کار، ترکیب نظام‌مند دو عامل در یک زمان و افزودن دیگر عوامل، در ترکیب‌های مناسب است. نتیجه این فرایند، پیدایش چندین “سناریو” خواهد بود که در آن توالی وقوع رویدادها بر اساس تنظیمات ارزش‌های روندها صورت خواهد گرفت. این توانایی، الگوی تعاملی اثر متقابل را به تکنیکی برای تحلیل اکتشافی تبدیل می‌کند. تجربه شخصی من در استفاده از این روش به منظور شناسایی عوامل کلیدی تغییر، چند نکته را مشخصا گوشزد می کند:

این روش ذاتا یک روش ترکیبی یا آمیخته است. لذا محقق بایستی در شناسایی لیست اولیه عوامل کلیدی علاوه بر مطالعات گسترده ی کتابخانه ای، از یکی از روش های مصاحبه، پانل و یا دلفی استفاده نماید که هر کدام از این روش ها نیاز به توانایی های خاص خود دارند. لذا پژوهشگر بایستی با روش های تحقیق کیفی، نحوه نمونه گیری و چگونگی اندازه گیری روایی و پایایی این روش ها آشنایی داشته باشد. همچنین تشکیل ماتریس اثر متقابل نیاز به یک جلسه پانل خبرگان دارد که مدیریت جلسه و تشویق خبرگان به اظهارنظر کاملا به دانش و توانایی محقق وابسته است. به منظور تحلیل ماتریس اثر متقابل تشکیل شده می توان از نرم افزار میک مک (Mic Mac) استفاده کرد. از لینک زیر می توانید این نرم افزار را دانلود نمایید. در برخی از نسخه های ویندوز قبل از نصب این نرم افزار نیاز به نصب Microsoft .NET Framework دارید. این نرم افزار خروجی های مختلفی را از اثرات مستقیم و غیر مستقیم متغیرهای تاثیرگذار و تاثیرپذیر ارائه می دهد و در نهایت می توان با استفاده از آن متغیرهای کلیدی آینده را شناسایی کرد.

نرم افزار میک مک

موافقین ۰ مخالفین ۰ ۹۵/۰۸/۱۶
مرکز تحلیل آماری نوین

نظرات  (۰)

هیچ نظری هنوز ثبت نشده است

ارسال نظر

ارسال نظر آزاد است، اما اگر قبلا در بیان ثبت نام کرده اید می توانید ابتدا وارد شوید.
شما میتوانید از این تگهای html استفاده کنید:
<b> یا <strong>، <em> یا <i>، <u>، <strike> یا <s>، <sup>، <sub>، <blockquote>، <code>، <pre>، <hr>، <br>، <p>، <a href="" title="">، <span style="">، <div align="">
تجدید کد امنیتی