تحقیقات کمی

تحقیقات کمی داده‌ها را به شکل عددی جمع‌آوری می‌کنند که می ‌توان آن‌ها را به دسته‌بندی ، یا به ترتیب رتبه ، یا اندازه‌گیری کرد . این نوع از داده‌ها را می‌توان برای ساخت نمودارها و جداول داده‌های خام مورد استفاده قرار داد .

محققان کمی قصد دارند تا قوانین کلی رفتار و رفتار را در زمینه‌های مختلف / زمینه‌های مختلف ایجاد کنند . تحقیقات برای آزمودن یک تیوری و در نهایت حمایت یا رد آن استفاده می‌شود .

روش‌ها ( برای بدست آوردن داده‌های کمی )

آزمایش‌ها معمولا ً داده‌های کمی را ارایه می‌دهند چون به اندازه‌گیری چیزها علاقمند هستند . با این حال ، سایر روش‌های تحقیق مانند مشاهدات کنترل‌شده و پرسشنامه می‌تواند هر دو اطلاعات کمی را تولید کند .

به عنوان مثال ، یک معیار درجه‌بندی یا سوالات بسته روی یک پرسشنامه داده‌های کمی را تولید می‌کند ، چرا که این داده‌ها یا داده‌های عددی و یا داده‌های عددی را تولید می‌کنند ( به عنوان مثال ، " بله " ، " خیر " ) .

روش‌های تجربی روش‌های ممکن را محدود می‌کنند که در آن شرکت کنندگان تحقیق می‌توانند واکنش نشان دهند و رفتار اجتماعی مناسب را بیان کنند. بنابراین یافته‌ها احتمالا ً محدود بوده و به سادگی انعکاسی از فرضیاتی هستند که محقق برای بررسی به ارمغان می‌آورد .

آنالیز داده

آمار به ما کمک می‌کند تا داده‌های کمی را به اطلاعات مفید برای کمک به تصمیم‌گیری تبدیل کنیم . ما می‌توانیم از آمار برای جمع‌بندی داده‌های خود ، توصیف الگوها ، روابط و ارتباطات استفاده کنیم . آمار می‌تواند توصیفی یا inferential باشد .

آمار توصیفی به ما کمک می‌کند تا داده‌های خود را جمع‌بندی کنیم در حالی که آمار استنباطی برای شناسایی تفاوت آماری معنی‌دار بین گروه‌های داده ( مانند مداخله و گروهه‌ای کنترل در یک مطالعه کنترل randomised ) به کار می‌رود .

ویژگی‌های کلیدی

محققان کمی سعی در کنترل متغیرهای خارجی از طریق انجام مطالعات خود در این آزمایشگاه دارند .

هدف این تحقیق ، بی‌طرفی ( یعنی بدون جانبداری ) است و از داده‌ها جدا شده‌است .

طراحی این مطالعه قبل از شروع آن تعیین می‌شود .

برای محقق کمی ، واقعیت عینی است و به طور جداگانه برای محقق وجود دارد و می‌تواند توسط هر کسی دیده شود .

تحقیقات برای آزمودن یک تیوری و در نهایت حمایت یا رد آن استفاده می‌شود .

محدودیت‌ها

زمینه : آزمایش‌ها کمی در محیط‌های طبیعی رخ نمی‌دهند . به علاوه ، آن‌ها به شرکت کنندگان اجازه نمی‌دهند که انتخاب خود را توضیح دهند یا معانی سوالات ممکن است برای آن شرکت کنندگان وجود داشته باشد ( کار ، ۱۹۹۴ ) .

تخصص پژوهشگر : دانش ضعیف کاربرد تحلیل آماری ممکن است بر تحلیل و تفسیر بعدی تاثیر منفی داشته باشد ( Black ، ۱۹۹۹ ) .

Variability از مقدار داده : اندازه‌های نمونه بزرگ برای تحلیل دقیق‌تر مورد نیاز است . مطالعات کمی در مقیاس کوچک ممکن است به خاطر مقدار پایین داده‌ها ، کم‌تر قابل‌اعتماد باشد ( Denscombe ، ۲۰۱۰ ) . این امر همچنین بر توانایی تعمیم یافته‌های مطالعه به جمعیت‌های وسیع‌تر نیز تاثیر می‌گذارد .

تعصب تایید : محقق ممکن است به دلیل تمرکز بر نظریه یا آزمایش فرضیه به جای نظریه نسل فرضیه ، شاهد پدیده‌های مشاهده باشد .

نقاط قوت

عینیت علمی : داده‌های کمی را می‌توان با آنالیز آماری تفسیر کرد ، و از آنجا که آمار مبتنی بر اصول ریاضی است ، رویکرد کمی به عنوان علمی عینی و منطقی در نظر گرفته می‌شود ( Carr ، ۱۹۹۴ ؛ Denscombe ، ۲۰۱۰ ) .

برای آزمایش و validating تئوری‌ها ، مفید هستند .

آنالیز سریع : نرم‌افزار پیچیده توانسته‌است نیاز به تجزیه و تحلیل داده‌های طولانی را ، به ویژه با حجم زیادی از اطلاعات درگیر ، از بین ببرد ( انتونیوس ، ۲۰۰۳ ) .

تکرار : داده‌های کمی براساس مقادیر اندازه‌گیری شده هستند و می‌توان آن‌ها را توسط دیگران چک کرد ، زیرا داده‌های عددی برای ابهامات تفسیر کم‌تر باز است . همچنین فرضیه‌ها را می‌توان به دلیل استفاده از آنالیز آماری مورد آزمایش قرار داد ( انتونیوس ، ۲۰۰۳ ) .

منبع سایت روانشناسی ساده