آکادمی تحلیل آماری ایران مدرسه پژوهش کمی و کیفی

برای طراحی پرسشنامه، پژوهشگر بایستی به نکات زیر توجه کند: 1-در طراحی پرسش ها بایستی از لغاتی استفاده کرد که برای پاسخگو مفهوم باشد. 2-تعیین چارچوب زمانی و مکانی برای سوالات ضروری است. 3-ابتدا سوالات راحت و سپس پرسشهای سخت بایستی مطرح شود. 4-سوالات کوتاه بهترین سوالاتند.

برای گردآوری داده های مورد نیاز در پژوهش های کیفی از روش های زیر استفاده می شود: 1-نمونه همگون: شامل افرادی است که متعلق به یک فرهنگ فرعی یا گروهی می باشند که دارای ویژگیهای مشابه اند. مثلا در مصاحبه با متخصصان زمینه ای خاص، نمونه انتخاب شده از نظر متغییر معینی نظیر حرفه، سوابق، نوع تجربه، سن و جنسیت، مشابه یکدیگر هستند.

علی رغم ویژگیهای مهم پژوهش کیفی در مقام مقایسه با پژوهش های کمی، این شیوه با انتقادات و چالشهایی رو به رو است. بیشتر این انتقادات از سوی طرفداران اثبات گرایی است(بورمن و پرسیل گوئز،1986) که حضور استراتژی غالب کیفی را در صدر تحقیقات اجتماعی برنمی تابند. با این وجود این انتقادات را می توان چالشهایی برشمرد که پژوهشگر بایستی در انجام پژوهش به آنها توجه کند تا بهترین نتیجه ممکن را در پاسخ به سوال پژوهشی به دست آورد. برایمن(2008:391)،چهار انتقاد عمومی را از پژوهش کیفی بیان می کند که عبارتند از:

اینکه مدل تدوین شده توسط محقق بر مبنای چارچوب نظری و پیشینه تئوریک آن تا چه اندازه با واقعیت انطباق دارد؟ سوالی است که هر پژوهشگری که مدل خود را بر اساس مدل سازی معادلات ساختاری تدوین نموده است، با آن روبرو بوده و در تلاش برای اثبات آن است.این امر توسط شاخص هایی تحت عنوان شاخص های برازش تعیین می گردد. دکتر هایر بیان می دارد که اگر مدلی به صورت کامل اجرا شد و تمام بارهای عاملی و ضرایب مسیر هم تایید گردید ولی از نقطه نظر برازش ایراد داشت، هیچ ارزش علمی نخواهد داشت چرا که برشی از واقعیت نخواهد بود.یکی از مهمترین دسته های شاخص های برازش ، شاخص های مقتصد یا اقتصاد مدل است که در این مطلب به آن پرداخته ایم.

این دو شاخص اولین بار توسط Joreskog& Sorbom به عنوان شاخص جایگزین کای اسکوئر در سال 1989 به وجود امد به حجم  نمونه بستگی نداشته و نسبت واریانس باز تولید شده را به کمک برآورد مقدار کواریانس مشاهده شده محاسبه می نماید(Tabachnick&fidell,2007).  با مشاهده واریانس و کواریانس باز تولید شده توسط مدل شاخص GFI بیانگر میزان دقت مدل در تکرار ماتریس کواریانس مشاهده شده است(Hooper et al.,2008:54).