Skip to content
بازگشت به نتایج جست‌وجو

پژوهش کمی اکتشافی

معرفی‌شده توسط
Earl Babbie; John Creswell (systematic codification in social science methods)
سال
Mid-20th century (codified in social research methods texts c. 1950s–1970s)
نوع
Non-experimental quantitative research design
خانواده
Survey / observational design

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

پژوهش کمی اکتشافی یک طرح غیرآزمایشی است که زمانی به کار می‌رود که پدیده‌ای به اندازه کافی برای پشتیبانی از آزمون فرضیه رسمی درک نشده باشد. پژوهشگر داده‌های عددی را — معمولاً از طریق نظرسنجی‌ها، مشاهده ساختاریافته، یا سوابق موجود — جمع‌آوری می‌کند تا توزیع‌ها را توصیف کند، الگوها را شناسایی کند، و فرضیه‌هایی را تولید کند که مطالعات تأییدی هدفمندتر می‌توانند متعاقباً آن‌ها را بیازمایند. این نوع پژوهش، مرحله اول یک برنامه پژوهشی کمی تجمعی را اشغال می‌کند.

شهود پشت روش

پژوهش کمی اکتشافی را مانند شناسایی قلمرو قبل از ترسیم نقشه در نظر بگیرید. وقتی وارد یک منطقه مطالعه‌نشده می‌شوید، هنوز نمی‌دانید کدام متغیرها اهمیت دارند یا چگونه با هم مرتبط هستند، بنابراین به جای اندازه‌گیری محدود، به طور گسترده اندازه‌گیری می‌کنید. اعداد به شما می‌گویند کدام ویژگی‌های چشم‌انداز برجسته هستند — کدام متغیرها بیشترین تغییر را دارند، کدام‌ها با هم رخ می‌دهند، کدام زیرگروه‌ها متفاوت هستند — و این مشاهدات به فرضیه‌های کاندید برای مطالعه بعدی و دقیق‌تر تبدیل می‌شوند. هدف، کشف منظم است، نه تأیید.

تاریخ

تمایز بین پژوهش اکتشافی و تأییدی در علوم اجتماعی توسط روش‌شناسانی از جمله ارل بابی و پل لازارسفلد از دهه 1950 به بعد نظام‌مند شد که منعکس‌کننده یک گفتگوی گسترده‌تر در فلسفه علم درباره نقش‌های استقرا و استنتاج بود. کار جان توکی در سال 1977 در مورد تحلیل داده‌های اکتشافی (Exploratory Data Analysis) استدلال اکتشافی را در آمار رسمی کرد و بر نحوه چارچوب‌بندی تحقیقات اولیه توسط دانشمندان اجتماعی کمی تأثیر گذاشت. کرسول و همکارانش بعدها فاز اکتشافی را به صراحت در چارچوب‌های طراحی پژوهش ترکیبی و کمی گنجاندند و نقش آن را به عنوان یک انتخاب طراحی شناخته‌شده و اصولی تثبیت کردند.

چه زمانی استفاده شود

از پژوهش کمی اکتشافی زمانی استفاده کنید که وارد یک حوزه واقعاً کم‌مطالعه می‌شوید، زمانی که متغیرهای مرتبط و اندازه‌گیری آن‌ها هنوز مشخص نشده‌اند، یا زمانی که نظریه موجود راهنمایی کافی برای پیش‌بینی‌های جهت‌دار ارائه نمی‌دهد. این روش به عنوان فاز اول یک برنامه چند مطالعه‌ای یا هنگام آزمایش یک ابزار جدید مناسب است. از آن به عنوان جایگزینی برای پژوهش تأییدی استفاده نکنید زمانی که یک فرضیه آزمایش‌شده از قبل وجود دارد — اعمال منطق اکتشافی به یک پدیده شناخته‌شده، خطر کشف کاذب را افزایش می‌دهد. از آن زمانی که هدف استنباط علّی است اجتناب کنید؛ طرح‌های کمی اکتشافی از ادعاهای علّی پشتیبانی نمی‌کنند.

محدودیت‌ها و ملاحظات

  • نتایج فرضیه‌ساز هستند، نه فرضیه‌آزما؛ یافته‌ها نباید به عنوان اثرات تأیید شده تلقی شوند.
  • بدون پیش‌ثبت‌نام، مقایسه‌های متعدد در بین بسیاری از متغیرها، نرخ خطای نوع اول را به طور قابل توجهی افزایش می‌دهد.
  • نمونه‌گیری در دسترس یا هدفمند، تعمیم‌پذیری آمار توصیفی را به یک جامعه تعریف‌شده محدود می‌کند.
  • عدم کنترل تجربی به این معنی است که ارتباطات مشاهده شده را نمی‌توان به مکانیسم‌های علّی نسبت داد.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • تولید کارآمد فرضیه‌های مبتنی بر شواهد برای حوزه‌هایی که نظریه در آن‌ها وجود ندارد یا توسعه‌نیافته است.
  • پوشش متغیر انعطاف‌پذیر اجازه می‌دهد تا الگوهای غیرمنتظره آشکار شوند، به جای اینکه تحقیق را زودتر از موعد محدود کند.
  • داده‌های عددی امکان توصیف قابل تکرار و مقایسه مستقیم بین زیرگروه‌ها را فراهم می‌کنند.
  • یافته‌های یک مطالعه اکتشافی خوب انجام شده می‌توانند قدرت آماری و طراحی یک پیگیری تأییدی قطعی را فراهم کنند.

کاربردها

  • ترسیم پروفایل‌های نگرشی یک گروه شغلی تازه شناسایی شده قبل از طراحی یک مطالعه مداخله‌ای هدفمند.
  • غربالگری مجموعه‌ای از پیش‌بینی‌کننده‌های کاندید ترک تحصیل دانش‌آموزان برای شناسایی متغیرهایی که ارزش گنجاندن در یک مدل معادله ساختاری را دارند.
  • توصیف توزیع و همبسته‌های یک رفتار بهداشتی تازه مستند شده در یک جمعیت بالینی.
  • آزمایش اولیه یک ابزار روان‌سنجی جدید برای بررسی واریانس آیتم و ساختار عاملی قبل از تحلیل عاملی تأییدی.
  • بررسی شیوه‌های سازمانی در یک بخش صنعتی نوظهور که هیچ معیار قبلی وجود ندارد.
  • تولید فرضیه‌های رقیب در مورد مکانیسم‌های یک پدیده اجتماعی که یک طرح آزمایشی بعدی آن را داوری خواهد کرد.

چگونه کار می‌کند

چگونه کار می‌کند

1

پژوهشگر یک موضوع یا جامعه کم‌مطالعه را شناسایی می‌کند که حقایق عددی اساسی در آن ناشناخته یا مورد اختلاف است. یک سؤال پژوهشی گسترده — به جای یک فرضیه جهت‌دار — تحقیق را هدایت می‌کند. هدف این است که تعیین شود چه متغیرهایی و در چه سطوحی اندازه‌گیری شوند، نه اینکه پیش‌بینی‌های از پیش تعیین‌شده آزمایش شوند.

2

یک ابزار اندازه‌گیری (پرسشنامه، طرح کدگذاری، یا پروتکل مشاهده) برای ثبت طیف وسیعی از متغیرهای بالقوه مرتبط توسعه یا اقتباس می‌شود. از آنجا که حوزه مورد بررسی کم‌کاوش شده است، ابزارها اغلب شامل موارد بیشتری نسبت به آنچه یک مطالعه تأییدی متمرکز نیاز دارد، می‌شوند که ابعاد جمعیتی، نگرشی، رفتاری، یا زمینه‌ای را در صورت لزوم پوشش می‌دهند.

3

داده‌ها از یک نمونه انتخابی هدفمند یا در دسترس که به اندازه کافی نماینده جامعه مربوطه است، جمع‌آوری می‌شوند. حجم نمونه‌ها معمولاً متوسط است — به اندازه کافی بزرگ برای اجازه دادن به آمار توصیفی قابل اعتماد و شناسایی الگوهای کلی، اما لزوماً برای برآورد اندازه اثر محدود قدرت‌مند نیست. اجرای مقطعی رایج است.

4

آمار توصیفی (فراوانی‌ها، میانگین‌ها، انحرافات معیار، دامنه‌ها) و تحلیل‌های اکتشافی (ماتریس‌های همبستگی، تحلیل خوشه‌ای، تحلیل عاملی، نمودارهای EDA) برای توصیف توزیع‌ها و آشکارسازی ارتباطات یا تفاوت‌های گروهی قابل توجه محاسبه می‌شوند. در این مرحله هیچ استنباطی در مورد علیت انجام نمی‌شود.

5

الگوهای مشاهده شده در داده‌ها به فرضیه‌های صریح و قابل آزمایش یا سؤالات پژوهشی برای پژوهش تأییدی بعدی ترکیب می‌شوند. سهم مطالعه اکتشافی معرفت‌شناختی است: فضای فرضیه را محدود می‌کند و طراحی — متغیرها، اندازه‌گیری‌ها، حجم نمونه — کار پیگیری قاطع‌تر را اطلاع‌رسانی می‌کند.

دام‌های رایج

  • HARKing (فرضیه‌سازی پس از مشخص شدن نتایج) — گزارش الگوهای پسینی به گونه‌ای که گویی از پیش پیش‌بینی شده بودند، یک مطالعه اکتشافی را به یک مطالعه تأییدی گمراه‌کننده تبدیل می‌کند و نرخ مثبت کاذب را افزایش می‌دهد.
  • تفسیر بیش از حد ارتباطات کوچک — در یک بررسی گسترده از متغیرها، برخی همبستگی‌ها به طور تصادفی به اهمیت اسمی می‌رسند؛ یافته‌های اکتشافی قبل از جدی گرفته شدن نیاز به تکرار دارند.
  • غفلت از پیش‌ثبت‌نام حتی اهداف اکتشافی — برچسب‌گذاری واضح یک مطالعه به عنوان اکتشافی در یک ورودی ثبت، وضعیت استنباطی مناسب را نشان می‌دهد و در برابر HARKing ناخواسته محافظت می‌کند.
  • تلقی مطالعه اکتشافی به عنوان کافی — انتشار یافته‌های اکتشافی بدون پیگیری تأییدی، ادعاها را تأیید نشده و در برابر عدم تکرار آسیب‌پذیر می‌سازد.

پرسش‌های متداول

آیا پژوهش کمی اکتشافی همان پژوهش توصیفی است؟

آنها همپوشانی دارند اما در جهت‌گیری متفاوت هستند. پژوهش توصیفی با هدف توصیف دقیق یک پدیده به عنوان یک هدف فی‌نفسه — گزارش فراوانی‌ها، میانگین‌ها و توزیع‌ها — انجام می‌شود. پژوهش کمی اکتشافی دارای یک هدف آینده‌نگر و فرضیه‌ساز است: توصیف می‌کند تا مشخص کند چه چیزی باید در مرحله بعد مطالعه شود. یک مطالعه می‌تواند هم توصیفی و هم اکتشافی باشد، اما یک مطالعه صرفاً توصیفی لزوماً فرضیه تولید نمی‌کند.

آیا می‌توانم در یک مطالعه اکتشافی آزمون معناداری انجام دهم؟

بله، اما با احتیاط. آزمون‌های معناداری بر روی داده‌های اکتشافی بهتر است به عنوان ابزارهای غربالگری در نظر گرفته شوند که کاندیداها را برای پیگیری مشخص می‌کنند، نه به عنوان شواهد تأییدی. هنگامی که بسیاری از متغیرها به طور همزمان آزمایش می‌شوند، نرخ خطای خانوادگی به سرعت افزایش می‌یابد. گزارش اندازه‌های اثر، فواصل اطمینان، و تصحیحات مقایسه‌های متعدد (مانند Bonferroni یا Benjamini-Hochberg) و شفافیت در مورد اکتشافی بودن مطالعه، همگی اقدامات حفاظتی مهمی هستند.

به چه حجم نمونه‌ای نیاز دارم؟

هیچ قانون واحدی وجود ندارد، اما یک معیار رایج برای آمار توصیفی قابل اعتماد و تشخیص اثرات متوسط تا بزرگ، حداقل 100 تا 200 شرکت‌کننده برای یک مطالعه اکتشافی مبتنی بر نظرسنجی است. اگر قصد استفاده از تحلیل عاملی یا تحلیل خوشه‌ای را دارید، نمونه‌های بزرگ‌تر — اغلب 300 یا بیشتر — توصیه می‌شود. نکته کلیدی این است که نمونه باید به اندازه کافی بزرگ باشد تا آمار توصیفی پایدار باشد، حتی اگر به طور رسمی برای فواصل اطمینان محدود قدرت‌مند نباشد.

آیا پژوهش اکتشافی به گروه کنترل نیاز دارد؟

خیر. پژوهش کمی اکتشافی معمولاً غیرآزمایشی و مشاهده‌ای است. متغیرها را دستکاری نمی‌کند یا شرکت‌کنندگان را به شرایط خاصی اختصاص نمی‌دهد، بنابراین گروه‌های کنترل بخشی از طراحی نیستند. اگر مقایسه‌ای بین گروه‌ها انجام شود، بر اساس ویژگی‌های از پیش موجود (مانند سن، جنسیت، شغل) است و طراحی به پژوهش علّی-مقایسه‌ای نزدیک‌تر است.

چه زمانی باید از پژوهش اکتشافی به پژوهش تأییدی منتقل شوم؟

هنگامی که یک مطالعه اکتشافی مجموعه کوچکی از فرضیه‌های معقول و نظریاً منسجم — ایده‌آل است که بیش از دو یا سه مورد نباشد — را شناسایی کرده است، زمان آن فرا رسیده است که یک مطالعه تأییدی با پیش‌ثبت‌نام، تحلیل توان پیشینی، و یک نمونه تازه و مستقل برنامه‌ریزی شود. تلاش برای تأیید بر روی همان داده‌هایی که برای اکتشاف استفاده شده‌اند، دوری است و برآوردهای اندازه اثر را افزایش می‌دهد.

روش‌های مرتبط

منابع

  1. Babbie, E. (2021). The Practice of Social Research (15th ed.). Cengage Learning.

    شابک: 978-0357360767
    کپی شد.
  2. Creswell, J. W., & Creswell, J. D. (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (5th ed.). Sage.

    شابک: 978-1506386706
    کپی شد.