تیتر خبرها
شناسایی داده سازی

شناسایی تقلب و بی اخلاقی آشکار در داده های پژوهش با رویکرد کمی (داده های کپی شده)

شناسایی تقلب و بی اخلاقی آشکار در داده های پژوهش با رویکرد کمی (داده های کپی شده)

یکی از مهمترین آزمون های پیش پردازش داده ها این است که مطمئن گردیم که هیچ دو نفری پیرامون تعداد زیادی شاخص نگرش و ترجیحی کاملا یکسان ندارند. این اتفاق زمانی رخ می دهد که اخلاق در پژوهش مورد چشم پوشی قرار گیرد و فرد به دلیل زمان ناکافی، بودجه ناکافی، توان ناکافی اقدام به گپی و جایگزینی برخی از سطر ها در سطر های دیگر نماید. بنابراین یک آمار دان باید این پیش پردازش را اجرا و فایل داده ها را از وجود اینگونه داده ها خالی نماید(مرادی ، میرالماسی، 761، 1398)

فراموش نگردد آکادمی تحلیل آماری در پژوهشی با 280 نمونه آماری احتمالی در تحقیقات متوجه شد که 91.4 درصد پژوهش ها از این روش کثیف و غیر اخلاقی استفاده کرده اند و متاسفانه بسیاری اساتید حتی توانایی ساده ای برای چک کردن این تقلب پژوهشی ندارند. در این مقاله روش شناسایی این تقلب به محققین آموزش داده می شود تا از یک طرف جلوی محقق هایی که مقالات آبروی پژوهش کشورمان را می برند و در مجلات خارجی مورد جریمه قرار می گیرند و یا در لیست سیاه قرار می گیرند، گرفته شود از طرفی اساتید به سادگی سلامت داده های پایان نامه یک دانشجو را تایید نکنند.. البته این یکی از 15 پیش پردازشی است که در حالت حداقلی برای سلامت داده ها باید اجرا نمود.

ابتدا داده ها را در نرم افزار spss  باز نمایید(البته این آزمون در نرم افزار های دیگر هم قابل اجرا است)

 

شکل 1

در شکل 1 می بینیم که فایل داده ها دارای 28 شاخص است که توسط 300 نفر پاسخ داده شده است.

اکنون برای شناسایی داده های کپی شده و یا تکثیر شده از مسیر شکل 2 عمل کنید تا بتوانید داده های منحصر به فرد را از داده های کپی شده تشخیص دهید.

شکل 2

می بینیم که در شکل 3 پنجره دیالوگی باز می شود که باید کلیه ی شاخص ها را از پنجره سمت چپ به باکس مشخص شده منتقل نماییم. ملاحظه می شود که عملیات بسیار شده است. همچنین در کادر پایین مشخص شده است که داده های منحصر به فرد با عدد 1 و داده های کپی شده با عدد صفر مشخص می شود. یعنی سطر های کپی شده با عدد صفر مشخص می شود. حال ok را می زنیم

 

شکل 3

خروجی نرم افزار در شکل 4 مشخص است. از بین 300 سطر یا ردیف داده ها 5 سطر کپی شده و تکراری است که همین تعداد می تواند یک فرد را خارج از کشور وارد لیست سیاه کند.

 

شکل 4

اکنون نمایی از داده ها را در شکل 5 می بینیم که در آن ستونی جدید اضافه شده است که توسط کادر آبی مشخص شده است. هر سطر با عدد صفر خبر از کپی آن از سطر های دیگر می دهد و یک بی اخلاقی کثیف در انجام پژوهش است، یعنی در یک داده سالم و خالی از تقلب کپی کردن داده ها باید همه ی ردیف ها در این ستون عدد 1 یا همان منحصر به فرد باشد.

 

شکل 5

 

به عنوان یک استاد یا آمار گر فرد متقلب را سرزنش کرده و تایید کار او و یا چاپ آن و … خودداری کنید. باید این بی اخلاقی رایج از بین برود. بنابراین 5 ردیف تکثیر شده را پاک می کنیم و جدول خروجی داده های کپی شده به صورت زیر می شود.

شکل 6

خوشبختانه مشاهده می شود که محقق فاقد هر گونه داده تکثیر شده است و مجموعه داده ها از بی اخلاقی در پژوهش کمی مبرا می باشد.

 

اطلاعات کتاب شناسی مقاله بالا

  • Moradi, M., & Miralmasi, A. (2020). Pragmatic research method. (F. Seydi, Ed.) (1st ed.). Tehran: School of quantitative and qualitative research. Retrieved from https://analysisacademy.com/

خواندن مطالب زیر به عزیزان توصیه می شود.

دستبرد علمی توسط محقق نماها

محاسبه گر خودکار متغیر میانجی با روش سوبل

آموزش تحلیل متغیر میانجی در مدل

فیلم آموزش انواع متغیر در مدل های علی به زبان ساده

مقالات بسیار مهم reference نرم افزار SMART PLS

تحصیل آنلاین رایگان در 1500 دانشگاه برتر دنیا

نکات مهمی که باید در جلسه دفاع از پایان نامه رعایت کنیم

معرفی پایگاه های اصلی مقالات فارسی

150 ابزار آنلاین بسیار ضروری برای هر پژوهشگر

نکات بسیار مهم آزمون های تعقیبی post hoc

دانلود MPLUS 8.3 آپدیت نهایی(به صورت فول کرک و نصب آسان)

آموزش محاسبه شاخص روایی واگرا HTMT در SPSS و EXCEL

محاسبه گر حجم نمونه برای مدل سازی معادلات ساختاری (SEM)

 

#دکتر محسن مرادی 

#دکتر آیدا میرالماسی

 

از کپی کردن مطالب سایت یا کانال بدون ذکر منبع خودداری شود.

آدرس کانال تلگرام: https://telegram.me/analysisacademy

آدرس پیج اینستاگرام   https://www.instagram.com/analysisacademy

درباره ی admin

مطلب پیشنهادی

دانلود رایگان کتاب مهم Grounded Theory and Grounded Theorizing

یکی از کتاب های مهم در روش پژوهش با پارادایم عملگرایانه کتاب Grounded Theory and …

دیدگاهتان را بنویسید

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