Skip to content
بازگشت به نتایج جست‌وجو

پژوهش پیمایشی طولی — پژوهش پیمایشی با اندازه‌گیری مکرر

معرفی‌شده توسط
Established tradition; formalized in social science by Paul Lazarsfeld and colleagues (1940s panel studies)
سال
1940s (panel survey tradition); longitudinal designs codified mid-20th century
نوع
Quantitative / mixed-methods survey design
خانواده
Data collection

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

اندازه قلم

چه کاری انجام می‌دهد؟

پیمایش طولی داده‌های پرسشنامه‌ای ساختاریافته را از افراد یا واحدهای یکسان در دو یا چند نقطه زمانی متمایز جمع‌آوری می‌کند. با پیگیری پاسخ‌دهندگان یکسان در طول موج‌های مختلف، پژوهشگران می‌توانند تغییر واقعی را از تفاوت‌های فردی پایدار تشخیص دهند، ترتیب زمانی بین متغیرها را برقرار کنند و مسیرهای نگرش‌ها، رفتارها یا پیامدها را به شیوه‌ای مدل‌سازی کنند که یک تصویر مقطعی تک‌موجی قادر به پشتیبانی آن نیست.

شهود پشت روش

تصور کنید از یک گروه از افراد هر سال به مدت یک دهه عکاسی کنید در مقابل اینکه هر سال از گروهی متفاوت عکاسی کنید. رویکرد اول — پیمایش طولی — به شما امکان می‌دهد ببینید چه کسی واقعاً تغییر کرده است، به چه میزان و در چه جهتی، به جای حدس زدن از میانگین‌های گروهی. از آنجایی که هر پاسخ‌دهنده به عنوان خط پایه خود عمل می‌کند، تنوع فردی به طور طبیعی کنترل می‌شود و به پژوهشگر اجازه می‌دهد با اطمینان بسیار بیشتری نسبت به هر طرح تک‌موجی بگوید «افرادی که در سال اول عقیده X را داشتند، احتمال بیشتری داشت که در سال سوم پیامد Y را گزارش کنند».

تاریخ

پژوهش پیمایشی طولی سیستماتیک در علوم اجتماعی آمریکا در دهه ۱۹۴۰ از طریق مطالعات پانل پل لازارسفلد در مورد رفتار رأی‌گیری پدیدار شد، که نشان داد پیگیری پاسخ‌دهندگان یکسان در طول زمان می‌تواند تغییر نگرش را روشن کند که در تصاویر مقطعی قابل تشخیص نیست. این رویکرد از طریق مطالعات گروه همسال مانند مطالعه قلب فریمینگهام (۱۹۴۸) و مطالعه رشد ملی بریتانیا (۱۹۵۸) به همه‌گیرشناسی و روانشناسی رشد گسترش یافت. پانل‌های خانوار در مقیاس بزرگ دنبال شدند — مطالعه پانل پویایی درآمد (PSID، ۱۹۶۸) و پانل اجتماعی-اقتصادی آلمان (SOEP، ۱۹۸۴). تدوین روش‌شناختی توسط دانکن (۱۹۷۵) و منارد (۲۰۰۲) پیش برده شد.

چه زمانی استفاده شود

هنگامی که سؤال پژوهش به صراحت به تغییر، توسعه یا تقدم زمانی مربوط می‌شود، از پیمایش طولی استفاده کنید — به عنوان مثال، آیا مداخله سیاستی باعث تغییرات نگرشی پایدار شده است، چگونه پیشرفت تحصیلی از مدرسه ابتدایی به متوسطه تکامل می‌یابد، یا کدام عوامل خطر در اوایل زندگی، پیامدهای سلامتی بعدی را پیش‌بینی می‌کنند. این طرح زمانی مناسب است که داده‌های مقطعی اثرات سن را با اثرات گروه همسال یا دوره زمانی اشتباه بگیرند. از پیمایش طولی زمانی استفاده نکنید که پدیده پایدار است (که اندازه‌گیری مکرر را غیرضروری می‌سازد)، زمانی که منابع یا زمان برای حفظ موج‌های متعدد کافی نیست، یا زمانی که انتظار می‌رود ریزش آنقدر شدید باشد که نمونه حفظ شده دیگر نماینده جمعیت هدف نباشد. پیمایش مقطعی برای سؤالات صرفاً توصیفی و تک‌نقطه‌ای سریع‌تر و ارزان‌تر است.

محدودیت‌ها و ملاحظات

  • ریزش در طول موج‌ها انباشته می‌شود؛ ریزش غیرتصادفی می‌تواند سوگیری انتخاب جدی در موج‌های بعدی ایجاد کند.
  • در مقایسه با پیمایش‌های مقطعی، پرهزینه و زمان‌بر است و به زیرساخت پایدار و تماس مجدد با پاسخ‌دهنده نیاز دارد.
  • اثرات آزمون: قرار گرفتن مکرر در معرض همان سؤالات ممکن است پاسخ‌دهندگان را حساس کند و همان نگرش‌ها یا رفتارهایی را که اندازه‌گیری می‌شوند، تغییر دهد.
  • اثرات تاریخی و روندهای سکولار بین موج‌ها می‌توانند برآوردهای تغییر درون‌فردی را مختل کنند.

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

نقاط قوت

  • ترتیب زمانی متغیرها را برقرار می‌کند و استنتاج علی را فراتر از آنچه طرح‌های مقطعی اجازه می‌دهند، تقویت می‌کند.
  • از آنجایی که هر پاسخ‌دهنده به عنوان خط پایه خود عمل می‌کند، تفاوت‌های فردی پایدار را کنترل می‌کند.
  • مسیرهای تغییر درون‌فردی را آشکار می‌کند — چه کسی، به چه میزان و با چه سرعتی تغییر می‌کند.
  • از تحلیل گروه همسال پشتیبانی می‌کند و اثرات سن، دوره و گروه همسال را زمانی که موج‌ها زمان کافی را پوشش می‌دهند، متمایز می‌کند.
  • سازگار با روش‌های ترکیبی: مصاحبه‌های پیگیری کیفی می‌توانند بین موج‌ها گنجانده شوند.

کاربردها

  • پیگیری تغییرات در نگرش‌های سیاسی، شناسایی حزب یا قصد رأی‌دهی در طول چرخه‌های انتخاباتی.
  • نظارت بر رشد شناختی و اجتماعی-عاطفی کودکان از اوایل کودکی تا نوجوانی.
  • ارزیابی اینکه آیا مداخلات بهداشت عمومی تغییرات رفتاری پایدار را در طول ماه‌ها یا سال‌ها ایجاد می‌کنند.
  • مطالعه مسیرهای شغلی و پویایی دستمزد از طریق نظرسنجی‌های مکرر اشتغال و درآمد.
  • ارزیابی اثرات روانشناختی بلندمدت رویدادهای زندگی مانند از دست دادن شغل، سوگ یا شروع بیماری مزمن.
  • ارزیابی اصلاحات آموزشی با اندازه‌گیری پیشرفت تحصیلی و مشارکت دانش‌آموزان در سطوح مختلف تحصیلی.

چگونه کار می‌کند

چگونه کار می‌کند

1

پژوهشگر تعداد موج‌های اندازه‌گیری، فاصله زمانی بین آن‌ها (هفته‌ها، ماه‌ها، سال‌ها) و سازه‌هایی را که باید در هر موج اندازه‌گیری شوند، مشخص می‌کند. طرح پانل (panel) همان افراد را دنبال می‌کند؛ پانل چرخشی بخشی از پاسخ‌دهندگان را در هر موج جایگزین می‌کند تا بار را محدود کند و در عین حال تداوم را حفظ کند. هسته پرسشنامه برای امکان مقایسه مستقیم در طول موج‌ها یکسان نگه داشته می‌شود و هر مورد جدید به وضوح به عنوان افزودنی علامت‌گذاری می‌شود.

2

یک نمونه احتمالی یا هدفمند در موج اول استخدام می‌شود. از آنجایی که ریزش در طول زمان قدرت آماری را کاهش می‌دهد، نمونه اولیه باید بزرگتر از یک مطالعه مقطعی قابل مقایسه باشد. مواد استخدامی تعهد چندموجی را توضیح می‌دهند و ممکن است برای حفظ مشارکت به پاسخ‌دهندگان مشوق‌هایی ارائه شود. اطلاعات تماس جمع‌آوری و به‌روزرسانی می‌شود تا تماس مجدد تسهیل شود.

3

اولین موج (پایه) اجرا می‌شود — آنلاین، پستی، تلفنی یا حضوری. این موج مقادیر اولیه تمام متغیرهای مطالعه را تعیین می‌کند و کوواریت‌هایی را که برای مدل‌سازی تغییر استفاده می‌شوند، ثبت می‌کند. متغیرهای جمعیت‌شناختی و پیش‌زمینه‌ای که در اینجا اندازه‌گیری می‌شوند، به عنوان نقاط مرجع ثابت برای موج‌های بعدی در نظر گرفته می‌شوند.

4

در هر موج بعدی، همان هسته پرسشنامه به همان پاسخ‌دهندگان مجدداً اجرا می‌شود. پژوهشگران نرخ پاسخ‌دهی در هر موج را پیگیری می‌کنند و برای پاسخ‌دهندگان غایب یادآوری ارسال می‌کنند. فاصله زمانی بین موج‌ها به گونه‌ای انتخاب می‌شود که برای وقوع تغییر معنادار به اندازه کافی طولانی باشد، اما به اندازه‌ای کوتاه باشد که فرآیند علی مورد علاقه توسط رویدادهای بینابینی مبهم نشده باشد.

5

ریزش (Dropout) چالش اصلی روش‌شناختی است. پژوهشگران ویژگی‌های موج اول تکمیل‌کنندگان را در مقابل ریزش‌کنندگان مقایسه می‌کنند تا ارزیابی کنند که آیا ریزش تصادفی است یا سیستماتیک. هنگامی که ریزش غیرتصادفی است، روش‌هایی مانند استنباط چندگانه (multiple imputation)، حداکثر درست‌نمایی با اطلاعات کامل (FIML) یا وزن‌دهی معکوس احتمال (inverse-probability weighting) برای کاهش سوگیری اعمال می‌شوند.

6

داده‌های طولی با روش‌های طراحی شده برای اندازه‌گیری‌های مکرر تحلیل می‌شوند: مدل‌سازی منحنی رشد، مدل‌های چندسطحی یا مختلط، مدل‌های پانل با ضریب متقابل (cross-lagged panel models) یا برآورد تفاضل در تفاضل (difference-in-differences estimation). این تکنیک‌ها تغییر درون‌فردی را از تنوع بین‌فردی جدا می‌کنند و به آزمون مستقیم روابط زمانی اجازه می‌دهند.

دام‌های رایج

  • دست‌کم گرفتن ریزش — عدم برنامه‌ریزی برای ریزش منجر به موج‌های بعدی با توان پایین می‌شود؛ در خط پایه بیش از حد نمونه‌گیری کنید و برای پیگیری و مشوق‌ها بودجه در نظر بگیرید.
  • تغییر ابزار بین موج‌ها — تغییر کلمات، مقیاس‌های پاسخ‌دهی یا ترتیب موارد، هم‌ارزی طولی را می‌شکند و مقایسه‌های موج به موج را نامعتبر می‌سازد.
  • نادیده گرفتن ریزش غیرتصادفی — فرض تصادفی بودن ریزش بدون آزمون آن می‌تواند نمونه حفظ شده‌ای را تولید کند که به طور سیستماتیک با جمعیت هدف متفاوت است.
  • انتخاب نامناسب فواصل موج — فواصل خیلی کوتاه ممکن است اجازه ندهد تغییر معنادار انباشته شود؛ فواصل خیلی طولانی خطر از دست دادن اوج یک فرآیند پویا را دارند.
  • اعمال تکنیک‌های تحلیل مقطعی بر داده‌های طولی — استفاده از رگرسیون معمولی بدون در نظر گرفتن اندازه‌گیری‌های مکرر، مفروضات استقلال را نقض می‌کند.

پرسش‌های متداول

برای پیمایش طولی به چند موج نیاز دارم؟

حداقل دو موج برای اندازه‌گیری تغییر لازم است، اما دو موج فقط می‌تواند تغییر خطی را ثبت کند و نمی‌تواند نوسان گذرا را از یک روند پایدار تشخیص دهد. سه موج یا بیشتر امکان مدل‌سازی منحنی رشد و تشخیص مسیرهای غیرخطی را فراهم می‌کند. تعداد باید با شکل مورد انتظار فرآیند تغییر و محدودیت‌های عملی ریزش و هزینه تعیین شود.

تفاوت بین مطالعه پانل و مطالعه گروه همسال چیست؟

مطالعه پانل، افراد نمونه‌گیری شده یکسان را صرف نظر از سن یا رویداد ورود دنبال می‌کند و آن‌ها را در فواصل زمانی ثابت تقویمی اندازه‌گیری می‌کند. مطالعه گروه همسال، افرادی را دنبال می‌کند که یک تجربه ورود مشترک را دارند — سال تولد، فارغ‌التحصیلی یا تشخیص بیماری — و آن‌ها را از آن نقطه شروع مشترک پیگیری می‌کند. بسیاری از پیمایش‌های طولی ویژگی‌های هر دو طرح را ترکیب می‌کنند.

چگونه باید داده‌های گمشده ناشی از ریزش را مدیریت کنم؟

ابتدا آزمون کنید که آیا فقدان داده تصادفی است (MCAR)، مشروط به متغیرهای مشاهده شده تصادفی است (MAR) یا به طور سیستماتیک با مقادیر مشاهده نشده مرتبط است (MNAR). اگر MAR قابل قبول باشد، استنباط چندگانه یا برآورد حداکثر درست‌نمایی با اطلاعات کامل (FIML) برآوردهای بدون سوگیری را بدون حذف موارد بازیابی می‌کند. حذف ساده موارد ناقص (حذف لیست‌وار) به ندرت در کارهای طولی قابل دفاع است.

آیا می‌توانم سؤالات جدیدی را به موج‌های بعدی اضافه کنم بدون اینکه طرح طولی را مختل کنم؟

بله، اما مجموعه اصلی موارد تکراری باید از نظر کلمات، فرمت پاسخ‌دهی و موقعیت یکسان باقی بماند تا هم‌ارزی اندازه‌گیری در طول موج‌ها حفظ شود. موارد جدید باید به وضوح از مجموعه اصلی جدا شوند و افزودن آن‌ها در مستندات مطالعه ذکر شود. افزودن مواردی که به طور ناخواسته پاسخ‌دهندگان را در مورد سؤالات اصلی تحریک می‌کنند، یک خطای رایج و قابل اجتناب است.

آیا پیمایش طولی برای مطالعه رویدادهای نادر مناسب است؟

بستگی به حجم نمونه و فراوانی رویداد دارد. از آنجایی که هر موج فقط کسری از نمونه اصلی را حفظ می‌کند و رویدادهای نادر به ندرت رخ می‌دهند، مطالعه پیامدهای نادر نیازمند نمونه‌های اولیه بسیار بزرگ یا نمونه‌گیری بیش از حد از گروه‌های پرخطر است. پیوند سوابق اداری به داده‌های پیمایش می‌تواند تشخیص رویدادهای نادر بین موج‌ها را افزایش دهد.

روش‌های مرتبط

منابع

  1. Menard, S. (2002). Longitudinal Research (2nd ed.). Sage Publications.

    شابک: 978-0761922292
    کپی شد.
  2. Longitudinal study. Wikipedia.

    باز کردن مرجع انتشار
    کپی شد.