مفاهیم پایه ای روش تحقیق
- afshinsafaee
- اکتبر 10, 2022
- 6 دیدگاه ها
قبل از اینکه به این بپردازیم که سؤالات تحقیقاتی در علوم مختلف مثل روانشناسی، علوم تربیتی و یا علوم اجتماعی از کجا می آیند – و چه چیزی آنها را کم و بیش جالب می کند – درک انواع سؤالاتی که محققان معمولاً می پرسند مهم است. این امر مستلزم معرفی سریع چندین مفهوم اساسی است که در ادامه مباحث این دوره آموزشی با جزئیات بیشتر به بسیاری از آنها باز خواهیم گشت.
متغیرها
سوالات تحقیق در مورد متغیرها است. متغیر کمیت یا کیفیتی است که در افراد یا موقعیت ها متفاوت است. به عنوان مثال، قد دانش آموزان در یک کلاس یک متغیر است؛ زیرا، از دانش آموزی به دانش آموز دیگر متفاوت است. جنسیت دانشآموزان نیز تا زمانی که دانشآموزان دختر و پسر در کلاس وجود داشته باشند متغیر است. یک متغیر کمی، کمیتی است، مانند قد، که معمولاً با اختصاص یک عدد به هر فرد اندازه گیری می شود.
نمونه های دیگر از متغیرهای کمی شامل سطح پرحرفی افراد، میزان افسردگی آنها و تعداد خواهر و برادرهایی است که دارند. یک متغیر طبقهبندی (مقوله ای) کیفیتی است، مانند جنسیت، و معمولاً با اختصاص یک برچسب طبقهبندی به هر فرد اندازهگیری میشود. نمونه های دیگر عبارتند از ملیت افراد، شغل آنها، و اینکه آیا آنها تحت روان درمانی هستند یا خیر.
نمونه برداری و اندازه گیری
محققان معمولاً علاقه مند به نتیجه گیری در مورد گروه بسیار بزرگی از افراد هستند، که به آن جامعه (population) می گویند. جامعه می تواند نوجوانان آمریکایی که در سال 2022 بزهکاری کرده اند، کودکان مبتلا به اوتیسم، ورزشکاران حرفه ای، یا حتی همه انسانها باشند که بستگی به علایق و اهداف محقق دارد. اما، معمولاً فقط یک زیرمجموعه یا نمونه کوچکی از جامعه را مطالعه می کنند. به عنوان مثال، یک محقق ممکن است پرحرفی چند صد دانشجوی کالج را با هدف نتیجه گیری در مورد پرحرفی مردان و زنان به طور کلی اندازه گیری کند.
برای محققین مهم است که از نمونه ای استفاده کنند که معرف باشد (یعنی، نمونه ای که از جنبه های مهم مشابه جامعه باشد).
یکی از روش های به دست آوردن نمونه، نمونه گیری تصادفی ساده است؛ که در آن هر یک از اعضای جامعه شانس مساوی برای انتخاب شدن برای نمونه را دارند. به عنوان مثال، یک نظرسنجی می تواند با لیستی از همه رای دهندگان ثبت نام شده در یک شهر (جامعه) شروع کند، به طور تصادفی 100 نفر از آنها را از لیست (نمونه) انتخاب کند و از آن 100 نفر بپرسد که قصد دارند به چه کسانی رای دهند. متأسفانه، نمونهگیری تصادفی در اکثر تحقیقات روانشناختی دشوار یا غیرممکن است، زیرا جمعیتها نسبت به رأیدهندگان ثبتنام شده در یک شهر به وضوح کمتر تعریف شدهاند.
چگونه یک محقق می تواند به همه نوجوانان آمریکایی بزهکار یا همه کودکان مبتلا به اوتیسم شانس مساوی برای انتخاب شدن برای نمونه بدهد؟
رایجترین جایگزین برای نمونهگیری تصادفی، نمونهگیری در دسترس است، که در آن نمونه از افرادی تشکیل میشود که اتفاقاً نزدیک هستند و مایل به شرکت در پژوهش هستند (مانند دانشجویان درس روانشناسی عمومی).
مشکل آشکار و اصلی نمونه گیری در دسترس این است که نمونه ممکن است نماینده و معرف جامعه نباشد.
هنگامی که نمونه انتخاب شد، محققین باید متغیرهایی را که به آنها علاقه مند هستند اندازه گیری کنند. برای رفع این نیاز به تعریفی عملیاتی دارد (تعریفی از متغیر بر حسب نحوه دقیق اندازه گیری آن و در صورت لزوم نحوه دستکاری آن).
اکثر متغیرها را می توان از نظر عملیاتی به روش های مختلف تعریف کرد. برای مثال، افسردگی را میتوان بهعنوان نمرات افراد در مقیاس افسردگی کاغذ و مداد، تعداد علائم افسردگی که تجربه میکنند، یا اینکه آیا مبتلا به اختلال افسردگی اساسی تشخیص داده شده است، تعریف کرد.
هنگامی که متغیری برای یک فرد خاص اندازه گیری شده باشد، نتیجه را نمره و مجموعه ای از امتیازات را داده می نامند.
توجه داشته باشید که داده ها به صورت یک مجموعه هستند – از داده های مفرد به ندرت استفاده می شود- بنابراین، از نظر گرامری صحیح است که بگوییم «داده های جالبی هستند» (و نادرست است که بگوییم «داده جالب است»).
روابط آماری بین متغیرها
برخی از سوالات پژوهشی در علوم انسانی مانند روانشناسی در مورد یک متغیر است. خاطرات کودکان برای لمس شدن چقدر دقیق است؟ دانشجویان آمریکایی چقدر پرحرف هستند؟ تشخیص اختلال افسردگی اساسی در افراد چقدر شایع است؟ پاسخ به چنین سؤالاتی مستلزم تعریف عملیاتی متغیر، اندازه گیری آن برای نمونه، تجزیه و تحلیل نتایج و نتیجه گیری در مورد جامعه است. برای یک متغیر کمی، این کار معمولاً شامل محاسبه میانگین و انحراف استاندارد نمرات است. برای یک متغیر طبقهبندی، معمولاً شامل محاسبه درصد امتیازات در هر سطح از متغیر است.
با این حال، سوالات تحقیق در علوم انسانی بیشتر در مورد روابط آماری بین متغیرها است. زمانی بین دو متغیر رابطه آماری وجود دارد که میانگین امتیاز یکی به طور سیستماتیک در سطوح متغیر دیگر متفاوت باشد. مطالعه روابط آماری از این جهت مهم است که به جای اینکه رفتارها و ویژگی های روانی را به صورت مجزا به ما بگوید، علل، پیامدها، توسعه و سازماندهی آن رفتارها و ویژگی ها را به ما می گوید.
دو شکل اساسی از رابطه آماری وجود دارد: تفاوت بین گروه ها و همبستگی بین متغیرهای کمی. اگرچه هر دو با تعریف کلی یک رابطه آماری مطابقت دارند – میانگین امتیاز یک متغیر در سطوح متغیر دیگر متفاوت است – معمولاً تا حدودی متفاوت توصیف و تحلیل می شوند. به همین دلیل مهم است که آنها را به وضوح تشخیص دهیم.
تفاوت بین گروه ها
یکی از شکل های اساسی رابطه آماری، تفاوت بین میانگین نمرات دو گروه در برخی از متغیرهای مورد علاقه پژوهشگر است. طیف گسترده ای از سوالات تحقیقاتی در علوم انسانی به این شکل است. آیا زنان پرحرفتر از مردان هستند؟ آیا کودکانی که از نقاشی های انسان استفاده می کنند اطلاعات لمسی بیشتری نسبت به کودکانی که از نقاشی های انسان استفاده نمی کنند به یاد می آورند؟ آیا افرادی که با تلفن همراه صحبت می کنند نسبت به افرادی که با تلفن همراه صحبت نمی کنند توانایی رانندگی ضعیف تری دارند؟ آیا افرادی که روان درمانی A می شوند نسبت به افرادی که روان درمانی B می شوند علائم افسردگی کمتری دارند؟
بعداً، همچنین خواهیم دید که چنین روابطی میتواند شامل بیش از دو گروه باشد و این گروهها میتوانند از افراد مشابهی تشکیل شوند که در زمانهای مختلف یا در شرایط مختلف آزمایش شدهاند. با این حال، در حال حاضر، راحتتر است که به دو گروه مجزا فکر کنیم.
تفاوت بین گروه ها معمولاً با دادن میانگین امتیاز و انحراف معیار برای هر گروه توصیف می شود. این اطلاعات همچنین میتواند در یک نمودار میلهای مانند شکل زیر ارائه شود.
همبستگی بین متغیرهای کمی
دومین شکل اساسی رابطه آماری همبستگی بین دو متغیر کمی است که در آن میانگین نمره یک متغیر به طور سیستماتیک در سطوح متغیر دیگر متفاوت است. دامنه وسیع و گسترده ای از سوالات پژوهشی را می توان در این دسته قرار داد. آیا شادتر بودن با پرحرف بودن همراه است؟ آیا حافظه کودکان برای اطلاعات لمسی با افزایش سن بهبود می یابد؟ آیا اثربخشی روان درمانی به میزان علاقه بیمار به درمانگر بستگی دارد؟
همبستگی بین متغیرهای کمی اغلب با استفاده از نمودارهای پراکندگی (scatter plots) ارائه می شود. شکل زیر یک نمودار پراکندگی است که رابطه مثبت فرضی بین استرس و تعداد علائم فیزیکی را نشان می دهد.
هر نقطه در نمودار پراکندگی نشان دهنده نمره ای است که یک نفر در هر کدام از متغیرها گرفته است. به عنوان مثال، نقطه دایره شده در شکل بالا نشان دهنده فردی است که نمره استرس او 10 بوده و دارای سه علامت فیزیکی است. با در نظر گرفتن تمام نکات، می توان دریافت که افرادی که استرس بیشتری دارند، علائم فیزیکی بیشتری دارند. مثال فوق، مثالی خوب از رابطه ای مثبت است که در آن نمرات بالاتر در یک متغیر با نمرات بالاتر در متغیر دیگر همراه است.
رابطه منفی رابطه ای است که در آن نمرات بالاتر در یک متغیر با نمرات پایین تر در متغیر دیگر همراه هستند. برای مثال، رابطه ای منفی بین استرس و عملکرد سیستم ایمنی وجود دارد، زیرا استرس بالاتر با عملکرد سیستم ایمنی پایینتر همراه است.
قدرت همبستگی بین متغیرهای کمی معمولاً با استفاده از آماره ای به نام r-پیرسون اندازه گیری می شود. شکل زیر محدوده r- پیرسون را نشان می دهد.
r-پیرسون از 1- (قوی ترین رابطه منفی ممکن) تا 1+ (قوی ترین رابطه مثبت ممکن) متغیر است و مقدار 0 به این معنی است که هیچ رابطه ای بین دو متغیر وجود ندارد. وقتی r پیرسون 0 باشد، نقاط روی نمودار پراکنده یک “ابر” بی شکل را تشکیل می دهند. وقتی مقدار آن به سمت 1- یا 1+ حرکت می کند، نقاط به سقوط روی یک خط مستقیم نزدیک و نزدیکتر می شوند.
r-پیرسون معیار خوبی است که فقط برای نشان دادن روابط خطی استفاده می شود، که در آن نقاط به بهترین وجه با یک خط راست تقریب زده میشوند. این معیار خوبی برای روابط غیرخطی نیست، که در آن نقاط بهتر با یک خط منحنی تقریب زده می شوند. شکل زیر “رابطه فرضی غیرخطی بین خواب و افسردگی”، برای مثال، یک رابطه فرضی بین میزان خواب افراد در شب و سطح افسردگی آنها را نشان می دهد.
در این مثال، خطی که نقاط را به بهترین شکل تقریب میکند، یک منحنی است – نوعی U وارونه – زیرا افرادی که حدود هشت ساعت میخوابند، کمترین افسردگی را دارند. کسانی که خیلی کم می خوابند و کسانی که زیاد می خوابند بیشتر افسرده می شوند. روابط غیرخطی در روانشناسی نسبتاً رایج است و در بحث دیگری اندازه گیری قدرت آن را مورد بررسی قرار خواهیم داد.
همبستگی دلالت بر علیت ندارد
محققان اغلب به رابطه آماری بین دو متغیر علاقه مند هستند؛ زیرا، فکر می کنند یکی از متغیرها باعث و علت متغیر دیگری می شود. یعنی، رابطه آماری منعکس کننده یک رابطه علی است. در این شرایط، متغیری که تصور میشود علت است، متغیر مستقل نامیده میشود (اغلب به اختصار X نامیده میشود)، و متغیری که تصور میشود معلول باشد، متغیر وابسته (اغلب به عنوان Y شناخته میشود) نامیده میشود. برای مثال، رابطه آماری بین دریافت رواندرمانی یا عدم دریافت آن بوسیله یک فرد افسرده و تعداد علائم افسردگی او نشاندهنده این واقعیت است که رواندرمانی (متغیر مستقل) باعث کاهش علائم (متغیر وابسته) میشود.
درک روابط علی بسیار مهم است؛ زیرا، به ما امکان می دهد رفتار افراد را به روش هایی قابل پیش بینی تغییر دهیم. اگر می دانیم که روان درمانی باعث کاهش علائم افسردگی می شود – و می خواهیم افراد علائم افسردگی کمتری داشته باشند – می توانیم از روان درمانی برای رسیدن به این هدف استفاده کنیم.
اما، همه روابط آماری منعکس کننده روابط علی نیستند. این همان چیزی است که می گوییم: “همبستگی دلالت بر علیت ندارد.” یک مثال واضح از مطالعه ای در تایوان نشان می دهد رابطه ای مثبت بین تعداد وسایل الکتریکی که مردم استفاده می کنند و میزان استفاده آنها از وسایل کنترل بارداری وجود دارد (Stanovich, 2010). با این حال، واضح است که این بدان معنا نیست که داشتن وسایل برقی باعث جلوگیری افراد از بارداری می شود و تلاش برای کاهش تولد نوزادان با دادن توستر و سشوار به مردم منطقی نیست.
دو دلیل وجود دارد که همبستگی دلالت بر علیت ندارد:
اولین مورد مشکل جهتیابی نامیده میشود. دو متغیر X و Y میتوانند از نظر آماری مرتبط باشند؛ زیرا، X باعث Y می شود و یا Y به دلیل X بوده است. برای مثال، مطالعهای را در نظر بگیرید که نشان میدهد ورزش کردن یا نکردن افراد از نظر آماری با میزان شادی آنها مرتبط است – به عنوان مثال افرادی که ورزش میکنند به طور متوسط از افرادی که ورزش نمی کنند، شادتر هستند. این رابطه آماری با این ایده که ورزش باعث شادی می شود، سازگار است، اما با این ایده که شادی باعث ورزش می شود نیز سازگار است. شاید شاد بودن به افراد انرژی بیشتری می دهد یا آنها را به جستجوی فرصت هایی برای معاشرت با دیگران با رفتن به باشگاه سوق می دهد.
دلیل دومی که همبستگی دلالت بر علیت ندارد، مسئله متغیر سوم نامیده می شود. دو متغیر X و Y می توانند از نظر آماری به هم مرتبط باشند، نه به این دلیل که X باعث Y یا Y باعث X می شود، بلکه به این دلیل که متغیر سوم، Z، هم باعث X و هم Y می شود.
به عنوان مثال، این واقعیت که افرادی که وسایل الکتریکی بیشتری دارند، احتمالا از ابزار کنترل جمعیت، بیشتر استفاده می کنند، نشاندهنده این واقعیت است که داشتن تحصیلات یا درآمد بیشتر باعث میشود افراد لوازم بیشتری داشته باشند و باعث میشود از کنترل بارداری استفاده کنند.
به طور مشابه، رابطه آماری بین ورزش و شادی می تواند به این معنی باشد که یک متغیر سوم، مانند سلامت جسمانی، باعث هر دو متغیر دیگر می شود. سلامت جسمانی می تواند باعث شود افراد ورزش کنند و شادتر باشند.
مطالعه موردی در باب رابطه علی و همبستگی
“آب نبات زیاد می تواند منجر به خشونت شود”
اگرچه محققان آکادمیک می دانند که همبستگی به معنای علیت نیست، بسیاری از روزنامه نگاران این مطلب را یا نمی دانند و یا به آن توجهی ندارند.
جالب است که در یک وب سایت موارد متعددی از اشتباهات رابطه علت و معلولی جمع آوری شده است. آدرس وب سایت:
http://jonathan.mueller.faculty.noctrl.edu/100/correlation_or_causation.htm
در این وب سایت به دهها گزارش رسانهای در مورد تحقیقات واقعی زیستپزشکی و روانشناختی پیوند دارد. بسیاری از سرفصلها نشان میدهند که یک رابطه علّی نشان داده شده است، زمانی که مطالعه دقیق مقالات نشان میدهد که به دلیل جهتپذیری و مشکلات متغیر سوم وجود ندارد.
یک مقاله در مورد مطالعهای است که نشان میدهد کودکانی که هر روز آب نبات میخورند، بیشتر از سایر کودکان به دلیل یک جرم خشونتآمیز دستگیر میشوند. اما، آیا آب نبات واقعاً همانطور که در عنوان نشان می دهد می تواند منجر به خشونت شود؟ چه توضیحات جایگزینی برای این رابطه آماری می توانید در نظر بگیرید؟ چگونه می توان تیتر را بازنویسی کرد تا گمراه کننده نباشد؟
همانطور که در مقالات بعدی خواهیم دید، روش های مختلفی وجود دارد که محققان به مسائل جهت و متغیر سوم رسیدگی می کنند. با این حال، مؤثرترین آنها انجام آزمایش است.
آزمایش مطالعه ای است که در آن محقق متغیر مستقل را دستکاری می کند. به عنوان مثال، به جای اندازه گیری ساده میزان ورزش افراد، یک محقق می تواند افراد را به آزمایشگاه بیاورد و به طور تصادفی نیمی از آنها را به دویدن روی تردمیل به مدت 15 دقیقه و بقیه را به مدت 15 دقیقه روی کاناپه بنشیند. اگرچه به نظر می رسد این یک افزوده جزئی به طرح تحقیق باشد، اما بسیار مهم است. حال اگر ورزشکاران در نهایت خلق و خوی مثبت تری نسبت به کسانی داشته باشند که ورزش نکرده اند، نمی تواند به این دلیل باشد که خلق و خوی آنها بر میزان ورزش آنها تأثیر گذاشته است (زیرا این محقق بود که میزان ورزش را تعیین می کرد). به همین ترتیب، نمیتواند به این دلیل باشد که متغیر سوم (مثلاً سلامت جسمانی) بر میزان ورزش و خلق و خوی آنها تأثیر میگذارد (زیرا باز هم این محقق بود که میزان ورزش را تعیین کرد).
بنابراین، آزمایشها مشکلات جهتگیری و متغیر سوم را حذف میکنند و به محققان اجازه میدهند تا در مورد روابط علی نتیجهگیری محکمی بگیرند.
چکیده آنچه نوشتم
- سوالات تحقیق در روانشناسی در مورد متغیرها و روابط بین متغیرها است.
- دو شکل اساسی از رابطه آماری عبارتند از تفاوت بین میانگین های گروهی و همبستگی بین متغیرهای کمی که هر کدام را می توان با استفاده از چند تکنیک آماری ساده توصیف کرد.
- همبستگی دلالت بر علیت ندارد. رابطه آماری بین دو متغیر X و Y لزوماً به این معنی نیست که X باعث Y می شود. همچنین ممکن است که Y باعث X شود یا متغیر سوم، Z، هم باعث X و هم Y شود.
تمرین
تمرین 1:
10 متغیری را فهرست کنید که ممکن است برای یک محقق جالب باشد. برای هر کدام، کمی یا مقوله ای بودن آن را مشخص کنید.
تمرین 2:
تصور کنید که افراد را به عنوان افراد درون گرا (آرام تر، خجالتی تر، درونگراتر) یا برون گرا (بلندتر، برونگراتر، بیشتر به بیرون) طبقه بندی می کنید. یک نمودار میله ای را ترسیم کنید که یک رابطه آماری فرضی بین این متغیر و تعداد کلماتی که مردم در روز صحبت می کنند را نشان می دهد.
تمرین 3:
اکنون تصور کنید که سطوح برونگرایی افراد را به عنوان یک متغیر کمی اندازه گیری کنید، با مقادیری از 0 (درونگرایی شدید) تا 30 (برونگرایی شدید). یک نمودار پراکنده نشان می دهد که یک رابطه آماری فرضی بین این متغیر و تعداد کلماتی که مردم در روز صحبت می کنند را نشان می دهد.
تمرین 4:
برای هر یک از روابط آماری زیر، تصمیم بگیرید که آیا مشکل جهتگیری وجود دارد یا خیر و حداقل به یک متغیر سوم قابل قبول فکر کنید:
افرادی که بیشتر خرچنگ می خورند، بیشتر عمر می کنند.
افرادی که بیشتر ورزش می کنند، وزن کمتری دارند.
دانشجویانی که الکل بیشتری مصرف می کنند، نمرات ضعیف تری دارند.
6 پاسخ
تمرین (1)
میزان حمایت اجتماعی ادراک شده ( کمی)
میزان کیفیت زندگی زناشویی (کمی)
میزان دلبستگی مادری –جنینی (کمی)
میزان افسردگی دوران بارداری(کمی)
نمره جامعه پسندی(کمی)
انواع سویه های کرونا(مقوله ای)
انتخاب رشته تحصیلی(مقوله ای)
میزان خلاقیت(کمی)
نوع تغذیه(مقوله ای)
شیوه های آموزشی بصورت مجازی و حضوری( مقوله ای)
پراکندگی جمعیت بصورت شهری و روستایی (مقوله ای)
تمرین (2)
تمرین (3)
تمرین (4): برای هر یک از روابط آماری زیر، تصمیم بگیرید که آیا مشکل جهتگیری(جهت یابی) وجود دارد یا خیر و حداقل به یک متغیر سوم قابل قبول فکر کنید:
افرادی که بیشتر خرچنگ می خورند، بیشتر عمر می کنند. این ایده که مصرف خرچنگ باعث طول عمر می شود سازگار است، و این ایده که افزایش طول عمر افراد باعث شده به سمت مصرف خرچنگ (غذای دریایی)گرایش داشته باشند نیز سازگار باشد. (متغیر سوم مثلا ارزش غذایی موجود در خرچنگ برای مثال نقش امگا3) در واقع پیش بینی
افرادی که بیشتر ورزش می کنند، وزن کمتری دارند. ورزش باعث کاهش وزن می شود، و این ایده که کاهش یافتن وزن باعث شده افراد به سمت ورزش بروند سازگار است. (متغیر سوم: انواع ورزش، سلامتی، اعتماد بنفس )
دانشجویانی که الکل بیشتری مصرف می کنند، نمرات ضعیف تری دارند. مصرف الکل منجر به کسب نمره ضعیفتر در دانشجویان می شود. (متغیر سوم: کارآرایی دانشجو)