تحقیق کمی در نگارش پایان نامه

تحقیق کمی در نگارش پایان نامه از نظر فراوانی، جایگاه بالاتری نسبت به تحقیق های کیفی داشته و هم از نظر قدمت نیز سابقه بیشتری را دارا هستند. با توجه به تشریح انواع پژوهش کمی و کیفی از نظر فرایند اجرا در نگارش پایان نامه پزشکی با آن خواهیم پرداخت. تحقیقات کمی را باید به عنوان یک روش پژوهشی سیستماتیک و علمی در نظر گرفت که براساس جمع‌آوری داده و اطلاعات از پدیده‌ها مورد بررسی، عمل می‌کند. در این روش تحقیقی، پس از دسته‌بندی و آماده‌سازی اطلاعات جهت پردازش، از تکنیک های آماری، ریاضی یا محاسباتی به منظور مدل‌سازی رفتار پدیده‌ها استفاده می‌شود.

روش تحقیق کمی اولیه

«تحقیقات کمی اولیه» (Primary Quantitative Research) پرکاربردترین روش انجام تحقیقات کمی محسوب می‌شوند. ویژگی بارز تحقیقات اولیه این است که محقق بر جمع آوری داده‌ها به طور مستقیم و نه وابسته به داده‌های جمع آوری شده از تحقیقات قبلی، تمرکز دارد. در این متن ابتدا به بررسی روش تحقیق کمی اولیه پرداخته و در ادامه، تحقیق کمی ثانویه را مورد بررسی قرار خواهیم داد.

طرح تحقیق کمی اولیه را می‌توان به سه مسیر یا رویکرد متفاوت طبقه‌بندی کرد.

• تکنیک و نوع مطالعه
• روش جمع‌آوری و به کارگیری داده‌ها
• تعیین نحوه آنالیز و تحلیل داده‌ها

در ادامه هر یک از این رویکردها را با توجه به روش‌هایی که به کار گرفته می‌شود، معرفی و مقایسه خواهیم کرد.

بیشتر بخوانید : موضوعات پیشنهادی برای پایان نامه پزشکی

تکنیک و نوع مطالعه در روش تحقیق اولیه

شیوه‌های گوناگونی برای اجرای تحقیق اولیه با توجه به نوع یا روش تحقیق و همچنین تکنیک به کار رفته، می‌توان در نظر گرفت. به تقسیم‌بندی که در ادامه دیده می‌شود توجه کنید. بخش‌هایی از این متن به بررسی هر یک از این تکنیک و روش‌ها اختصاص یافته است که با خواندن آن‌‌ها، از زاویه‌های پنهان تحقیق کمی اولیه آگاه خواهید شد.

• تحقیق کمی با دیدگاه پیمایشی
• تحقیق کمی به منظور تشخیص رابطه‌های همبستگی
• تحقیق کمی برای تشخیص ارتباط علی و مقایسه‌ای
• تحقیق کمی با کشف اثرات تیمار و طرح آزمایش‌ها

روش جمع‌آوری و به کارگیری داده‌ها در تحقیق کمی

دومین گام مهم در تحقیقات کمی اولیه، جمع آوری داده‌ها است. با استفاده از نظرسنجی‌ها در قالب پرسشنامه، می‌توان داده‌ها را به روش نمونه‌گیری و جمع آوری داده‌ها تقسیم کرد. در ادامه متن روش‌های نمونه‌گیری و جمع‌آوری داده‌های آماری را معرفی می‌کنیم که زمان و البته هزینه زیادی از تحقیق کمی را به خود اختصاص می‌دهند.

روش‌های جمع‌آوری داده‌ها و روش‌های نمونه‌گیری

برای تحقیق کمی، دو روش اصلی نمونه گیری وجود دارد که بخصوص از جنبه آماری و کاربردی مورد توجه هستند. برای اطلاعات بیشتر مقاله روش های نمونه گیری در علوم پزشکی را مطالعه نمایید.

• نمونه گیری احتمالی
• نمونه گیری غیر احتمالی

هر یک از این شیوه‌ها، ویژگی و محدودیت‌های خاص خود را دارند. بنابراین بهتر است براساس این طبقه بندی، تکنیک‌های جمع آوری داده را مورد بررسی قرار دهیم.

نمونه گیری احتمالی

از نظریه احتمال برای فیلتر کردن افراد از یک جمعیت و ایجاد نمونه‌هایی در روش‌های «نمونه گیری احتمالی» (Probability sampling)، استفاده می‌شود. شرکت‌کنندگان در یک نمونه، طبق فرایندهای انتخاب تصادفی برگزیده شده برای اجرای طرح آماری از اطلاعات آن‌ها استفاده می‌گردد. هر یک از مخاطبان هدف در یک طرح نمونه تصادفی، از فرصت برابر برای انتخاب در نمونه برخوردار هستند.

چهار روش نمونه گیری احتمالی وجود دارد که به معرفی آن‌ها می‌پردازیم.

• نمونه گیری تصادفی ساده: همانطور که از نام مشخص است، «نمونه گیری تصادفی ساده» (Simple Random Sampling) چیزی نیست جز انتخاب تصادفی عناصر برای یک نمونه. این روش نمونه برداری در مواردی اجرا می‌شود که جمعیت مورد نظر بسیار زیاد باشد ولی همگی اعضای جامعه تقریبا یک شکل و همسان هستند. در صورتی که از چند جامعه آماری بهره می‌بریم، می‌توان از هر یک نمونه‌گیری تصادفی انجام داده و اطلاعات آن‌ها را جمع‌آوری کنیم.
• نمونه گیری تصادفی طبقه‌ای: در روش «نمونه گیری تصادفی طبقه ای» (Stratified random sampling)، جمعیت به گروه‌ها (طبقه) تقسیم شده و اعضای یک نمونه به طور تصادفی از این طبقه‌ها انتخاب می‌شوند. واضح است که این طبقه‌ها باید ساختار یا مقدار مولفه‌های متفاوتی با یکدیگر داشت باشند.
• نمونه گیری خوشه‌ای: «نمونه گیری خوشه ای» (Cluster Sampling) یک روش نمونه گیری احتمالی است که با استفاده از آن بخش اصلی جامعه، به خوشه‌ها تقسیم می‌شود و معمولاً از پارامترهای تقسیم بندی جغرافیایی و جمعیتی برای انجام این کار استفاده شده و از هر خوشه، یک نمونه تصادفی تهیه می‌شود. خوشه‌های به شکل سلسله‌مراتبی با یکدیگر در ارتباط هستند و ملاک نمونه‌گیری، دسترسی به آخرین خوشه است.
• نمونه گیری سیستماتیک: «نمونه گیری سیستماتیک» (Systematic Sampling) روشی است که نقطه شروع نمونه به صورت تصادفی برگزیده شده و سایر عناصر با استفاده از یک بازه ثابت انتخاب می‌شوند. این فاصله با تقسیم اندازه جمعیت بر اندازه نمونه مورد نظر محاسبه می‌شود.

نمونه گیری غیر احتمالی

«نمونه گیری غیر احتمالی» (Non-probability sampling) جایی است که از دانش و تجربه محقق برای ایجاد نمونه استفاده می‌شود. به دلیل دخالت محقق، همه اعضای یک جامعه هدف احتمال یکسانی برای انتخاب شدن به عنوان بخشی از یک نمونه ندارند. به همین جهت، این شیوه را غیر احتمالی می‌نامند.

پنج مدل نمونه گیری غیر احتمالی وجود دارد که در ادامه عبارت‌هایی را به معرفی آن‌ها اختصاص داده‌ایم.

• نمونه گیری اتفاقی: در «نمونه گیری اتفاقی» (Accidental Sampling)، عناصر یک نمونه فقط به یک دلیل اصلی انتخاب می شوند: مجاورت آنها با محقق. این نمونه ها سریع و آسان اجرا می شوند زیرا پارامتر دیگری در انتخاب وجود ندارد.
• نمونه گیری متوالی: «نمونه گیری متوالی» (Consecutive sampling) کاملاً شبیه نمونه گیری راحت است ، به غیر از این واقعیت که محققان می توانند یک عنصر یا گروهی از نمونه ها را انتخاب کرده و تحقیقات را به طور متوالی طی یک دوره قابل توجه انجام دهند و سپس همان روند را با نمونه های دیگر انجام دهند.
• نمونه گیری سهمیه‌ای: با استفاده از «نمونه گیری سهمیه‌ای» (Quota sampling)، محققان می‌توانند با استفاده از دانش خود در مورد صفات و شخصیت‌های نمونه هدف، عناصر را برای تشکیل اقشار انتخاب کنند. حتی اعضای طبقه‌های مختلف را می‌توان به عنوان بخشی از نمونه انتخاب کرد.
• نمونه برداری گلوله برفی: «نمونه برداری گلوله برفی» (Snowball sampling) یکی دیگر از روش های نمونه گیری است که براساس مخاطبان اصلی انجام می‌شود که تماس با آنها و کسب اطلاعات دشوار است. در مواردی که جمع آوری مخاطب برای تحقیق به ندرت انجام می‌شود، محبوب است.
• نمونه گیری قضاوتی: همانطور که مشخص است، «نمونه گیری قضاوتی» (Judgmental sampling) یک روش نمونه گیری غیر احتمالی است که نمونه‌ها فقط بر اساس تجربه و مهارت محقق انتخاب می‌شوند.