تیتر خبرها
مقیاس سازی

مقیاس سازی در پژوهش های کمی و کیفی

مقیاس سازی در پژوهش های کمی و کیفی 

 

مقیاس های اندازه گیری سازه ها که ما در مقالات خارجی با عبارت  scale آنها را مشاهده می کنیم اکنون به یکی از معضلات اصلی تحقیقات کشور ما بدل گشته است. در دوره های آکادمی تحلیل آمایر ایران گاه ساعت ها پیرامون استفاده از یک مقیاس استاندارد و مشکلاتی جدی که که مقیاس های خود ساخته غیر استاندارد به بار می آورند صحبت شده است و دانشجویان به صورت ملموس با خطای بزرگی که ساخت مقیاس های خود ساخته غیر استاندارد به بار می آورد آشنا هستند. در این مقاله مقداری پیرامون مقیاس هایی یا ترکیب گویه هایی که برای سنجش یک سازه توسط یک محقق بر آمده از یک پژوهش کیفی صحبت می شود.

 

همه مقیاس ها به طور یکسان خلق نمی شوند.

متاسفانه تمامی ترکیبات گویه ها به دقت تنظیم و ساخته نمی شوند. برای بسیاری از آن ها، کاربرد واژه مونتاژ بهتر از خلق شدن است. برخی از محققان به جدا سازی گویه ها در یک گروه و سپس چسباندن آن ها به هم می پردازند و در نهایت نیز تصور می کنند که مقیاس مناسبی را ساخته اند. مشخص است که این دسته از محققان که گاه مدل های خود را که بر اساس دسته بندی همین گویه است در دوره های آکادمی به دانشجویان دیگر ارائه می کنند، اصلا به مسائل زیر فکر نکرده اند.

  • آیا گویه ها از علت مشترکی برخوردارند؟
  • آیا گویه ها نتیجه مشترکی خواهند داشت؟
  • آیا گویه ها تنها نمونه ای از یک رده بالاتر مشابه هستند که نه پیشینه علت و معلولی مشترک و نه نتیجه و عواقب یکسانی خواهند داشت.

 

بار ها اتفاق افتاده که محقق در مقیاس سازی خود نتوانسته از یک نظریه بهره ببرد بلکه تنها بر اساس تفسیر و استنباط نادرست خود از نظریه مربوطه مقیاس را ساخته که لاجرم به نتایج کاملا نادرستی نیز دست میابد. متاسفانه یکی از نتایج تلخی که بارها مشاهده شده است این است که گویه های مورد نظر که در قالب یک مقیاس مونتاژ شده اند تنها یک سازه یا متغیر بی اهمیت و ناسازگار با نظریه های مرتبط را ایجاد کرده اند.

علت چیست؟ بسیاری از محققان وقت کافی گذاشته و زحمت بسیار می کشند پس چرا اغلب سازه های ما توان انعکاس و توسعه نظریه های موجود را ندارند؟

خیلی ساده است. موضوع این است که بسیاری از متغیر های مورد علاقه پژوهشگران، به طور مستقیم قابل مشاهده نیست. این حقیقتی است که ما به سادگی آن را فراموش می کنیم. ما در اغلب موارد به بررسی روابط میان جایگزین ها یا همان علائم و نشانه های مقیاس ها می پردازیم نه خود مقیاس ها. یعنی بعضا ممکن است یک جایگزین قابل مشاهده با یک متغیر غیر قابل مشاهده اشتباه گرفته شود.

به عنوان مثال، در نگاه اول به نظر می رسد که متغیر هایی همچون فشار و یا درجه حرارت بدن قابل مشاهده هستند، اما آن چه ما حقیقتا می بینیم تنها یک عامل جایگزین است مانند ستون جیوه. و نتیجه گیری های ما درباره متغیر ها با این فرض انجام می شود که جایگزین های مشاهده شده هستند که ارتباط نزدیکی با متغیر های مورد نظرمان دارند. بنابراین در اینجا ما پدیده ای را سنجش می کنیم که تنها یک جایگزین قابل مشاهده است و حقیقت آن است که هیچ ارتباط منطقی و درستی میان گویه ها و متغیر مورد نظر ما وجود ندارد.

حال به سراغ متغیری در تحقیقات بازاریابی می رویم. مثلا فرض کنید شخص با بررسی ادبیات و اطلاعات نظری در یک بازه زمانی و گردآوری اطلاعات وسیع از خبرگان این حوزه می خواهد مقیاسی برای اندازه گیری وفاداری به یک برند استخراج کند اما او به سراغ جایگزین های مشاهده شونده برای اندازه گیری و سنجش رجوع می کند چرا که اغلب متغیر هایی که ما به دنبال آن ها هستیم قابل مشاهده نیستند. مثلا جایگزین هایی مثل اینکه فرد این برند را در یک بازه زمانی بار ها خریداری کرده و یا اگر انتخاب های دیگری نیز داشته باز هم به سراغ برند مربوطه رفته است.

می بینیم که مقیاس ها استاندارد راه طولانی برای خلق شدن دارند و اغلب محققان به دنبال نشانه های قابل مشاهده می روند و مقیاسی را مونتاژ و یا خلق می کنند که ارتباطی با متغیر مورد نظر ندارد.

محسن مرادی

مطالب سایت و کانال تنها با ذکر نام سایت آکادمی تحلیل آماری مجاز است.

درباره ی admin

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *