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

۷۳ مطلب با موضوع «دپارتمان آموزش» ثبت شده است

مدل سازی معادلات ساختاری (SEM)

هنگامی که محقق بخواهد مدل خاصی را از لحاظ روابط بین متغیرهای تحت بررسی بیازماید، از روش معادلات ساختاری استفاده می کند. برای این منظور لازم است که ماتریس کواریانس متغیرهای اندازه گیری شده تحلیل شود. از جمله تحقیقاتی که در آنها ماتریس همبستگی یا کواریانس تحلیل می شود، تحلیل عاملی و مدل سازی معادلات ساختاری است.

امروزه مدل سازی معادلات ساختاری به عنوان یکی از روش های تجزیه و تحلیل اطلاعات در علوم اجتماعی، روانشناسی و همچنین علوم مدیریتی بسیار متداول و محبوب شده است. روشی که در آن از مجموعه ای از روشهای آماری استفاده شده و به پژوهشگر این امکان را می دهد که فرضیات و یا مدل نظری خود را با داده های واقعی تجزیه و تحلیل نماید.

۰ نظر موافقین ۰ مخالفین ۰ ۱۴ مرداد ۹۹ ، ۰۱:۳۸
مرکز تحلیل آماری نوین

Related image

تحلیل خوشه ای مجموعه ای از مشاهدات را به دو یا چند گروه نامعلوم و ناسازگار متقابل طبقه بندی می کند، که بر اساس ترکیب های از متغیرهای بازه ای قرار دارند. هدف این تحلیل کشف سیستم مشاهدات سازمانی، که معمولا مردم هستند به گروه است که در آن اعضای گروه در اموال عمومی سهیم اند. در کل از لحاظ شناختی، رفتار با افراد و پیش بینی رفتار یا مالکیت ها بر اساس مشاهدات رفتاری و مالکیت های دیگر دشوار است.

تحلیل خوشه ای، گروه های نامعلوم را طبقه بندی می کند. این روش اجازه انتخاب های زیادی درباره ی طبیعت الگوریتم برای ادغام گروه ها را می دهد.هر انتخاب ممکن است، موجب ساختار گروه بندی متفاوتی شود.

به عبارت دیگر تحلیل خوشه ای روشی اصلی برای طبقه بندی توده ای از اطلاعات به ستون های معنادار قابل اجرا می باشد.این تحلیل وسیله تقلیل داده هاست که باعث ایجاد زیرگروه هایی می شود که قابل اجراتر از داده های فردی است.

خوشه بندی تقریبا در همه جنبه های زندگی روزمره اتفاق می افتد. زیست شناسان گونه های مختلف حیوانات را طبقه بندی می کنند. در پزشکی، خوشه بندی نشانه ها یا بیماری ها منجر به طبقه بندی در مورد بیماری ها می شود. در تجارت خوشه هایی از بخش های مصرف کننده اغلب به منظور سیاست های مختلف بازاریابی جستجو می شود.

تحلیل خوشه ای گروه بندی های جدیدی را به وجود می آورد بدون هیچ تصوری که از قبل فرض شده باشد در مورد این که چه خوشه هایی ممکن است به وجود آیند.

۰ نظر موافقین ۰ مخالفین ۰ ۱۰ آذر ۹۵ ، ۲۳:۴۲
مرکز تحلیل آماری نوین

Image result for ‫آمار‬‎

نظریه آغازین مربوط به آنالیز تشخیصی به دهه ۱۹۳۰ و آثار آماردان انگلیسی کارل پیرسون و دیگران در زمینه فواصل گروه ها و یا ضرایب تشابه نژادی بر می گردد.به طور خاص این تکنیک اولین بار توسط فیشر در سال ۱۹۳۶ ابداع شد و بر پایه روش شناسی مورد استفاده در رگرسیون خطی چندمتغیره یعنی جبر ماتریس ها، جهت حل معادلات خطی، توسعه یافت. روش شناسان دانشگاه هاروارد، در دهه های ۵۰ و ۶۰ علاقه ی بسیاری به این روش برای مطالعه در حوزه آموزش و پرورش و روان شناسی نشان دادند. نرم افزارهای مختلفی جهت اجرای آنالیز تشخیصی ابداع شده که SPSS یکی از آن ها می باشد.

۱ نظر موافقین ۰ مخالفین ۰ ۰۴ آذر ۹۵ ، ۰۲:۱۵
مرکز تحلیل آماری نوین

بدون تردید، یکی از عمده ترین مشکلات پژوهشگران، توجیه باورها و نظرهایی است که درباره روابط فرضی بین متغیرها با استفاده از داده های غیرآزمایشی ارائه می دهند. از این رو، همواره تلاش های زیادی صرف ساخت و توسعه روش ها و فنون مختلف آماری برای پاسخ به این نیاز شده است. مدلیابی معادلات ساختاری یا SEM یکی از آخرین دستاوردهای آماردانان در این برهه از زمان، و از جمله مدل های آماری برای بررسی روابط خطی بین متغیرهای مکنون(مشاهده نشده) و متغیرهای آشکار(مشاهده شده) است. از طریق این فنون است که پژوهشگر می تواند ساختارهای فرضی را که به گونه کلی مدل نامیده می شود، رد یا انطباق آن ها را با داده های غیرآزمایشی تایید کند. البته این فنون برای داده های آزمایشی نیز به کار می روند. از سوی دیگر، روش های معادلات ساختاری برای برآورد قدرت روابط فرضی بین همه متغیرهایی که در یک مدل نظری ارائه می شود، چهارچوب منسجمی فراهم می آورد، وبه همین دلیل است که همواره تئوری در قلب روش های معادلات ساختاری قرار دارد و بدون ان نمی توان بین راه های بی شماری که برای توصیف روابط درونی متغیرها به کار می رود تمایز قائل شد. برای بسیاری از متغیرها می توان مدل های مختلفی اختصاص داد و نتایج بسیار متفاوتی نیز بدست آورد.

SEM

بسیاری از کسانی که برای کاربرد این روش ها می کوشند، اشتباهات زیادی مرتکب می شوند زیرا از ریشه ها و منطق زیربنایی روش های معادلات ساختاری درک مناسب و کافی ندارند. این روش ها نسبتا پیچیده و مبتنی بر اصول ریاضی و آماری هستند.

نرم افزارهای مورد استفاده در مدل یابی معادلات ساختاری Amos ، Lisrel و EQS می باشند.

۰ نظر موافقین ۰ مخالفین ۰ ۰۴ آذر ۹۵ ، ۰۲:۱۵
مرکز تحلیل آماری نوین

برای انجام محاسبات کامپیوتری با برنامه SPSSابتدا باید داده ­های گردآوری شده را وارد برنامه­ کرده، ویژگی­ های آن­ها را برای برنامه تعریف کنیم و در مرحله بعد به پردازش و اصلاحاتی مانند برطرف­ کردن خطاهایی که طی گردآوری داده ­ها و انتقال آن­ها به برنامه پیش می ­آید بپردازیم تا برای محاسبات آماری آماده شود. در این بخش نحوه تعریف متغیرها و سپس نحوه ورود داده ­ها در برنامه SPSS آموزش داده می­ شود.


1. تعریف متغیرها

   به طور معمول (در پژوهش­ های مبتنی بر پرسشنامه) منظور از متغیر، سوالات پرسشنامه است. سوالاتی مثل جنس، سن، تحصیلات، معدل و غیره همگی یک متغیر محسوب می­ شوند و باید هر کدام از آن­ها را به عنوان یک متغیر در برنامه تعریف کرد. دقت شود که هر سوال پرسشنامه، یک متغیر محسوب می ­شود.

در پرسشنامه این کتاب، ما با 31 سوال (13 سوال مربوط به خصوصیات استاد، 5 سوال مربوط به تمایل به آموختن برنامه SPSS و ...) مواجه ایم و باید 31 متغیر در برنامه تعریف کنیم. در ادامه به نحوه تعریف متغیرها می ­پردازیم و متغیرهای جنس افراد (زن یا مرد بودن) و سن پاسخگویان را به عنوان تمرین و مثال در برنامه تعریف می­ کنیم.
جهت تعریف متغیرها باید وارد پنجره (Variable View) شویم. در این پنجره همان طور که مشخص است 11 ستون (در نسخه ­های پایین­ تر 10 ستون) وجود دارد که هر ستون مربوط به تعریف و تعیین یک خصوصیت متغیر است.


۰ نظر موافقین ۰ مخالفین ۰ ۱۷ آبان ۹۵ ، ۰۷:۲۲
مرکز تحلیل آماری نوین

تئوری داده  بنیاد (که با نام های تئوری برخواسته از داده ها، تئوری زمینه ای و تئوری بنیادی نیز شناخته می شود) یک روش تحقیقی عام، استقرایی و تفسیری است که در سال 1967 توسط بارنی گلیزر[1] و انسلم اشتراوس[2] بوجود آمد (گلیزر و اشتراوس، 1967). هرچند، تئوری داده بنیاد با الگوهای پیشین روش های تحقیق مرتبط بوده و به صورت ناگهانی و بدون مقدمه بوجود نیامده است.

تئوری برخواسته از داده ها (نظریه بنیادی) یک روش پژوهشی استقرایی و اکتشافی است که به پژوهشگر در حوزه های موضوعی گوناگون امکان می دهد تا بجای اتکا به تئوریهای موجود و از پیش تدوین شده خود به تدوین تئوری و گزاره اقدام نماید. این تئوریها و گزاره ها به شکلی نظام مند و بر اساس داده های واقعی تدوین می شود. واژه گراندد در این موضوع نشانگر آن است که هر تئوری و گزاره ای که بر اساس این روش تدوین می شود بر زمینه ای مستند از داده های واقعی بنیان نهاده شده است. در واقع گراندد تئوری روشی است برای کسب شناخت پیرامون موضوع مورد مطالعه، و موضوع یا موضوعاتی که قبلا در مورد آنها تحقیق جامع و عمده ای نشده است و دانش ما در آن زمینه محدود است.

گلیزر و اشتراوس در سال 1967 برای اولین بار این راهبرد اجرایی پژوهش کیفی را در کتاب خود مطرح کردند:

موضوع اصلی کتاب ما، کشف تئوری بر اساس گردآوری نظام مند داده در پژوهش های علوم اجتماعی است. هر فصل این کتاب بر مراحلی می پردازد که ما در فرایند تولید تئوری پشت سر گذاشته ایم. انگیزه اصلی از معرفی این تئوری رسیدن به مرحله ای از شناخت در مورد موضوع مورد مطالعه است که ما را قادر می سازد نظریه ای را که ساخته ایم بر اساس داده های واقعی استحکام بخشیم.

گلیزر (1992) تئوری داده ¬بنیاد را این گونه تعریف می کند:

تئوری داده بنیاد" بر اساس تولید سیستماتیک نظریه از داده ها بنا شده است، که خود آن به صورت سیستماتیک از تحقیق اجتماعی بدست آمده است."

اشتراوس و کوربین در سال 1994 در یک تعریف مشابه گراندد تئوری را این گونه تبیین کرده اند:

منظور از تئوری داده بنیاد ، نظریه برگرفته از داده هایی است که در طی فرایند پژوهش به صورت نظام مند گردآوری و تحلیل شده اند. در این راهبرد، گردآوری و تحلیل داده ها و نظریه ای که در نهایت از داده ها استنتاج می شود، در ارتباط نزدیک با یکدیگر قرار دارند. پژوهشگر به جای این که مطالعه خود را با نظریه از پیش تصور شده ای آغاز کند، کار را با یک حوزه مطالعاتی خاص شروع کرده، اجازه می دهد که نظریه از دل داده ها پدیدار شود.نظریه بر گرفته از داده ها نسبت به نظریه ای که حاصل جمع آمدن یک سلسله مفاهیم بر اساس تجربه یا تاملات صرف است، با احتمال بیشتری می تواند نمایانگر واقعیت باشد و از آن جا که نظریه های زمینه ای از داده ها استنتاج می شوند، می توانند با ایجاد بصیرت و ادراک عمیق تر، رهنمود مطمئنی برای عمل باشند.

پاول می گوید: نظریه زمینه ای، روشی است که نظریه ها، مفاهیم، فرضیه ها و قضایا را به جای استنتاج از پیش فرض های قبلی، سایر پژوهش ها یا چارچوب های نظری موجود، به طور مستقیم از داده ها کشف می کند. زمانی که گردآوری و تحلیل داده ها متوقف شد، نظریه حاصل ، درک عمیقی در ارتباط با موجودیت های مورد مطالعه فراهم می کند. این کار، نظریه را به عنوان یک فرایند، مورد تاکید قرار می دهد، یعنی به جای یک فراورده تکمیل شده، آن را موجودیتی پیوسته در حال تکوین تلقی می کند. قابلیت تعمیم در این جا عامل موثری نیست. زیرا هدف ، درک پدیده است نه کنترل آن و منظور ادراک شرایط در یک محیط خاص و به همان شکل موجود است، نه پیش بینی آن چه که ممکن است در محیط های مشابه اتفاق بیفتد و تحقیق بر آن است که چرایی رفتارهای افراد را درک کند.


پنج ویژگی نظریه هایی که از طریق گراندد تئوری تولید می شوند:

1. پژوهشگر را قادر به توضیح و تشریح موضوع مورد مطالعه سازد و امکان پیشگویی در مورد رخدادهای

ممکن در زمینه تحقیق را فراهم سازد.

2. در پیشرفت مبانی نظری موضوع مورد مطالعه مؤثر باشد و در آن مشارکت کند.

3. علاوه بر مبانی نظری در زمینه های عملی موضوع مورد مطالعه نیز کاربرد داشته باشد.

4. رویکرد تازه ای برای نگرش به موضوع مورد مطالعه فراهم آورده و پژوهشگر به مرحله ای از شناخت

نسبت به داده برساند که بتواند به داده گردآوری شده معنا و مفهوم ببخشد.

5. پژوهش های آتی در زمینه مورد نظر را تسهیل نمایند


شباهت ها و تفاوت های نظریه بنیانی با دیگر روش ها

مطالعاتی که با راهبرد نظریه زمینه ای انجام می گیرند، با سایر راهبرد های پژوهش کیفی، از برخی جنبه ها

دارای مشابهت یا تفاوت هستند.

شباهت ها: نظریه زمینه ای از نظر موارد زیر با سایر راهبرد ها مشابه است:

منابع داده ها در این راهبرد نیز مانند راهبرد های دیگر عبارت از مصاحبه، مشاهدات میدانی و اسناد و مدارکی مانند دفترهای یادداشت و خاطرات و زندگینامه ها و خود - زندگینامه ها، منابع تاریخی، روزنامه ها و سایر رسانه ها از جمله نوارهای ویدیویی است. در نظریه زمینه ای نیز مانند سایر راهبرد ها می توان از داده های کمی و یا ترکیب روش های تحلیل کیفی و کمی استفاده کرد. همچنین پژوهشگرانی که از راهبرد نظریه زمینه ای استفاده می کنند، مانند سایر پژوهشگران کیفی، مسئولیت و نقشی را که در تفسیر داده ها بر عهده دارند، به خوبی می پذیرند و تنها به گزارش و بیان دیدگاه های افراد، گروه ها و سازمان های تحت مطالعه اکتفا نمی کنند، بلکه مسئولیت تفسیر دیده ها، شنیده ها و خوانده های خود را نیز بر عهده می گیرند.

تفاوت :تفاوت اساسی میان راهبرد نظریه زمینه ای با سایر راهبرد های پژوهش کیفی تاکید این راهبرد بر تکوین نظریه است .پژوهشگران می توانند در اجرای نظریه زمینه ای در جهت تکوین نظریه قایم به ذات است که به دلیل همین زمینه ای بودن و تکوین آن از طریق میان کنش با داده های گردآوری شده در یک موقعیت مشخص،متفاوت از نظریه های عمومی تر قیاسی است. (شاه حسینی، 1388)

محققینی که از تئوری داده ¬بنیاد به عنوان روش تحقیق خود استفاده می کنند، دست به آزمایش یا اعتبار سنجی هیچ فرضیه از پیش تعیین شده ای نمیزنند. تئوری داده¬ بنیاد روشی است برای توسعه نظریه های جدید بر اساس انجام تحلیل به روی داده های جمع آوری شده به صورت سیستماتیک. در این روش تحقیق، محقق به جای داشتن فرضیه هایی برای آزمایش، سوالات تحقیقی دارد که به دنبال جوابگویی آنهاست (منصوریان، 2006). در تئوری داده¬ بنیاد یک محقق باید ذهنش را به روی هر نشانه ای که ممکن است در مجموعه داده ها وجود داشته باشد باز نگه دارد.

به گفته گلیزر (1992) تئوری داده ¬بنیاد " بوجود آوردن نظریه بصورت استقرایی از طریق تحلیل کیفی داده های کیفی و/یا کمی است". در حقیقت در اینجا بین تحلیل کیفی و داده های کیفی تمایزی وجود دارد و تحلیل کیفی را میتوان بر روی داده های کمی نیز انجام داد. برای مشخص کردن معنی واقعی تحلیل کیفی، گلیزر (1992) میگوید:

"تحلیل کیفی یعنی هر نوع تحلیل که یافته ها یا مفاهیم و فرضیاتی را، مانند آنچه در تئوری داده ¬بنیاد است، تولید می کند که توسط روش های آماری بدست نیامده اند."

گلیزر و اشتراوس رویه های تئوری داده¬ بنیاد را مختص یک زمینه علمی نمی دانند، و محققین را به استفاده از این رویه ها برای مقاصد مربوط به زمینه علمی خود توصیه می کنند. با وجود اینکه تئوری داده¬ بنیاد یک روش تحقیق جاافتاده است، بیشتر رویکردی به تحقیق است تا اینکه یک شیوه تحقیق مفصل باشد. هدف کلی تئوری¬ داده¬ بنیاد ساخت نظریه ها به منظور درک پدیده/پدیده های مورد مطالعه است. بنابراین، با وجود اینکه تئوری داده ¬بنیاد در زمینه جامعه شناسی توسعه یافته و عمدتاً مورد استفاده قرار گرفته است، می تواند به شکلی موفق توسط افراد در زمینه های مختلف علمی بکارگرفته شود، و شده است (منصوریان، 2006).

۰ نظر موافقین ۰ مخالفین ۰ ۱۶ آبان ۹۵ ، ۲۳:۳۶
مرکز تحلیل آماری نوین

Image result for ‫آینده پژوهی چیست ؟‬‎

آینده پژوهی مشتمل بر مجموعه تلاش‌هایی است که بااستفاده از تجزیه و تحلیل منابع، الگوها و عوامل تغییر و یا ثبات، به تجسم اینده‌های بالقوه و برنامه ریزی برای آنها می‌پردازد. آینده پژوهی منعکس می‌کند که چگونه از دل تغییرات (یا تغییر نکردن) «امروز»، واقعیت «فردا» تولد می‌یابد.

آینده پژوهی معادل لغت لاتین «Futures Study» است. کلمه جمع Futures به این دلیل استفاده شده‌است که با بهره گیری از طیف وسیعی از متدلوژی‌ها و بجای تصور «فقط یک آینده»، به گمانه زنی‌های سیستماتیک و خردروزانه، در مورد نه فقط «یک آینده» بلکه «چندین آینده متصور»مبادرت می‌شود.

موضوعات آینده پژوهی دربرگیرنده گونه‌های «ممکن» ،«محتمل» و «مطلوب» برای دگرگونی از حال به آینده می‌باشند.


ضرورت آینده پژوهی

امروزه تغییرات با نرخ سریعتری بوقوع می‌پیوندند. تغییرات فناوری و متعاقبا تغییر در دیگر جنبه‌های زندگی، افزایش روز افزون وابستگی متقابل کشورها و ملل، تمرکز زدایی جوامع و نهادهای موجود که بدلیل گسترش فناوری اطلاعات شتاب بیشتری یافته‌است، تمایل روزافزون به جهانی شدن به همراه حفظ ویژگیهای ملی، قومی و فرهنگی و بسیاری عوامل دیگر، لزوم درک بهتر از "تغییرات" و " آینده" را برای دولتها، کسب وکارها، سازمانها و مردم ایجاب می‌کند.


آینده اساسا قرین به عدم قطعیت است. با این همه آثار و رگه‌هایی از اطلاعات و واقعیات که ریشه در گذشته و حال دارند، می‌توانند رهنمون ما به آینده باشند. ادامه «تصمیم گیری صرفاچندین آینده محتمل بر اساس تجارب گذشته»، غفلت از رصد تغییرات آتی را در پی خواهد داشت و با تلخکامی روبرو خواهد شد.

عدم قطعیت نهفته در آینده برای بعضی، توجیه کننده عدم دور اندیشی آنان است وبرای عده‌ای دیگر منبعی گرانبها از فرصت‌ها.

۰ نظر موافقین ۰ مخالفین ۰ ۱۶ آبان ۹۵ ، ۲۳:۳۵
مرکز تحلیل آماری نوین

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

۰ نظر موافقین ۰ مخالفین ۰ ۱۶ آبان ۹۵ ، ۲۳:۲۴
مرکز تحلیل آماری نوین

خاستگاه روش شناسی کیو را باید در منظری سازه­گرا(constructive) جستجو کرد. روش شناسی کیو با پذیرش این امر که انسان­ها براساس تصاویری که از واقعیت دارند عمل می­کنند نه براساس خود واقعیت، سازه­گرایی معرفت شناسانه را برگزید. این نوع نگاه، به رویکرد شناختی نزدیک است؛ رویکردی که معتقد است رفتارها باید از طریق پردازش اطلاعاتی برگرفته از محرک­ها بررسی شود نه خود محرک­ها.

معمولاً روش کیو را پیوند بین روش­های کیفی و کمی می­دانند زیرا از یک سو، انتخاب مشارکت­کنندگان از طریق روش­های نمونه­گیری احتمالی صورت نمی­گیرد بلکه نمونه افراد به طور هدفمند و با اندازه­ای کوچک انتخاب می­شود که آن را به روش کیفی نزدیک می­سازد و از سوی دیگر، یافته­ها از طریق تحلیل عاملی و به صورت کاملاً کمی به دست می­آیند. همچنین به دلیل شیوه گردآوری داده­ها(مرتب سازی)، عمیق­تر می­توان از ذهنیت مشارکت کنندگان آگاه شد. تفاوت اصلی روش کیو با سایر روش­های تحقیق در علوم اجتماعی در این است که در روش­شناسی کیو، به جای متغیرها افراد تحلیل می­شوند.

روش کیو از پنج فاز تشکیل شده است. در فاز اول با مطالعات کتابخانه­ای، ادبیات تحقیق بررسی شده و پیش زمینه انجام فازهای بعدی فراهم می­آید. محقق با انجام فاز اول نسبت به موضوع شناخت عمیقی می­یابد. در فاز دوم با استفاده از مصاحبه و بررسی اسناد و مدارک، اطلاعات تکمیلی در خصوص مسائل مرتبط با تحقیق بدست می­آید. نتایج فاز اول و دوم فضای گفتمان را تشکیل می­دهد. فاز سوم باید با ارزیابی و جمع­بندی محتویات فضای گفتمان به آن سرو سامان داده و نمونه­ای از عبارات را به عنوان نمونه کیو از میان آنها انتخاب کرد. مککئون و توماس تعدادی بین ۳۰ تا ۱۰۰ عبارت را برای نمونه کیو پیشنهاد کرده­اند، ولی معمولاً تعدادی بین ۵۰ تا ۷۰ عبارت انتخاب می­شود. دانر معتقد است تعداد مناسب عبارت برای آنکه یافته­ها دارای اعتبار آماری باشند، بین ۲۰ تا ۶۰ عبارت است. در فاز چهارم مشارکت­کنندگان به مرتب سازی و دسته­بندی کارت­های دسته کیو(Q deck) خواهند پرداخت. در حقیقت، این فاز، مرحله گردآوری داده­هاست. نهایتاً در فاز آخر، به تحلیل داده­های گردآوری شده با روش تحلیل عاملی کیو و تفسیر عامل­های استخراج شده پرداخته می­شود. لازم به ذکر است، در مطالعات کمی، جامعه­ای وجود دارد که نتایج مطالعه در آن سطح به کار می­روند و دارای نمونه­ای است که با روش تصادفی انتخاب می­شود و عموماً نمونه معرف آن جامعه است. روش کیو فاقد چنین جامعه و نمونه­ای است و معمولاً پژهشگر، نمونه افراد را از میان کسانی انتخاب می­کند که آیا ارتباط خاصی با موضوع تحقیق دارند و یا دارای عقاید ویژه­ای هستند.

۰ نظر موافقین ۰ مخالفین ۰ ۱۳ آبان ۹۵ ، ۰۵:۳۹
مرکز تحلیل آماری نوین