اصولا تحقیق برای رسیدن به یک نتیجه یا اثبات یک فرضیه استفاده میشه, ما تحقیق را طراحی میکنیم تا به سوالی که برامون پیش آمده جواب بدیم یا فرضیه ای که با اون مواجه شدیم رو ثابت یا رد کنیم.
بدست آوردن داده : برای انجام تحقیق (research) اول باید بدونیم که چطوری داده (data) مناسب برای رسیدن به جواب مورد نظر را پیدا کنیم, طراحی روش تحقیق با توجه به نوع داده جمع شده ممکن است متفاوت باشد.
آنالیز داده : بعد از بدست آوردن داده باید از روش مناسب برای آنالیز کردن داده با توجه به نوع آن استفاده کنیم.
داده یا دیتا به اطلاعاتی گفته میشه که ما جمع میکنیم تا به سوال و یا فرضیه پیش آمده بپردازیم.
این که دیتا بدست آمده کمی باشه یا کیفی بستگی به پرسش ما داره اگر ما به دنبال اطلاعاتی مثل ایده یک چیز یا معنا یک چیز یا مطالعه بر روی چیزی که نمیتوان آن را بصورت عدد و رقم تحلیل کرد با داده کیفی سر و کار داریم, و اگر سوال مطرح شده مارا به سمت توضیح های ریاضی یا تست فرضیه سوق دهد ما با دیتا کمی طرف هستیم.
درست نیست که ما داده کمی یا کیفی را با هم مقایسه کنیم هر کدام مزایا و سختی هایی برای کار کردن دارند برای مثال با نمونه کوچکی از داده کیفی میتوان به نتایجی رسید ولی برای به نتیجه رسیدن با داده کمی معمولا نمونه بزرگی از داده را نیاز داریم, یا برای آنالیز کردن داده کمی میتوانیم از آزمون های آماری مختلف استفاده کنیم در صورتی که برای داده کیفی این امکان وجود ندارد, گاهی در یک تحقیق ما با ترکیبی از داده های کمی و کیفی مواجه میشیم که با آنالیز آنها میتوانیم ارتباط معنا داری بین آن ها بر قرار کنیم.
داده دست اول (Primary data)به داده ای گفته میشه که خود تحقیق کننده یا ریسرچر برای رسیدن به پاسخ سوالی که داره جمع آوری میکنه (برای مثال پرسشنامه, مشاهده و آزمایش), داده دست دوم (secondary data) به داده ای گفته میشه که از قبل جمع آوری شده و ریسرچر از آن ها استفاده میکنه تا به هدف خودش برسه (مثل نتایج سرشماری که دولت انجام میده یا تحقیات علمی که صورت گرفته).
بسته به تحقیقی که در حال انجام هست یک ریسرچر ممکنه از هر کدوم از این روش ها برای جمع آوری دیتا استفاده کنه, استفاده از داده دست دوم هزینه ریسرچ را کاهش میده (هزینه مالی و زمانی) اما استفاده از داده دست اول دست ما رو باز میگذاره تا کنترل بیشتری روی نمونه گیری و روش های اندازه گیری داشته باشیم و خب امکان داره راحت تر به سوال مطرح شده برسیم اما هزینه زمانی و مالی بیشتری داره.
داده
در جمع آوری داده توصیفی (Descriptive data) داده بر اساس مطالعه و مشاهده بدست میاد و ریسرچر مداخله ای بر روی متغیر ها نمیکند, ارزش داده توصیفی به نمونه گیری(sampling) انجام شده بر میگردد هر چه نمونه حساب شده و دقیق باشد داده ما قابل اتکا تر است, جمع آوری داده تجربی (experimental data) تقریبا برعکس هست ریسرچر کنترل کاملی روی متغیر ها داره با کم یا زیاد کردن مقدار یک متغیر اثری که بر روی متغیر های دیگر میگذارد رو بررسی میکند تا به فرضیه مورد نظر بپردازد, برای کار با داده تجربی و تحقیق, ما باید کنترل روی متغیر غیر وابسته (independent variable) داشته باشیم و بتونیم مقدار آن را کم و زیاد کنیم تا اثری که روی متغیر وابسته (dependent variable) میگذارد را بسنجیم (بدیهی است که متغیر وابسته باید قابل اندازه گیری باشد).
کاملا بستگی داره که س.ال یا فرضیه ما برای انجام ریسرچ چی هست:
بسته به سوال و فرضیه ممکن هست از ترکیب هر کدوم از روش ها و انواع دیتا استفاده کنیم.
بنا به نوع دیتایی که جمع آوری میشه و روشی که ریسرچ انجام میشه برای آنالیز کردن ممکن هست اقدامات مختلفی صورت بگیره.
داده ها معمولا به دو روش کمی و کیفی قابل آنالیز کردن هستن برای مثال اگر داده با پرسشنامه جمع آوری شده باشد میتوانیم با آنالیز کیفی آن بار معنایی جواب ها را بسنجیم و از لحاظ کمی تعداد هر نوع پاسخ را اندازه بگیریم.
برای مثال اگر داده ما به صورت عدد و رقم باشه و قابل اندازه گیری باشه (داده ممکنه از پرسشنامه, آزمایش, مشاهدات و ... باشد) ما میتوانیم با استفاده از آزمون های آماری آنالیز را انجام بدیم و به جواب سوال یا درستی و نادرستی فرضیه برسیم.
و اگر داده ما از مصاحبه جمع آوری شده یا با یک سورس متنی سر و کار داریم میتوانیم از آنالیز موضوعی (Thematic analysis) استفاده کنیم.
