Skip to content
بازگشت به نتایج جست‌وجو

پژوهش پیمایشی رابطه‌ای — پژوهش پیمایشی رابطه‌ای

معرفی‌شده توسط
Established in educational and social science research methodology; systematised by Fraenkel & Wallen and others
سال
Mid-20th century onward (systematised ~1960s–1990s)
نوع
Quantitative non-experimental survey 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 پیمایشی رابطه‌ای، طرحی کمی و غیرآزمایشی است که داده‌های خودگزارشیِ ساختاریافته را از یک نمونه گردآوری کرده و به بررسی همبستگی‌های آماری میان دو یا چند متغیر می‌پردازد. برخلاف پیمایش‌های صرفاً توصیفی که فقط توزیع‌ها را مشخص می‌کنند، پیمایش‌های رابطه‌ای می‌پرسند که آیا متغیرها هم‌تغییر هستند و تا چه حد، و بدین ترتیب شواهدی از روابط ارائه می‌دهند، بدون آنکه شرایط را دستکاری کنند یا علیت را برقرار سازند.

شهود پشت روش

پژوهش پیمایشی رابطه‌ای را مانند گرفتن یک عکس فوری از یک گروه در یک مقطع زمانی و سپس پرسیدن این سوال در نظر بگیرید: آیا افرادی که در متغیر الف نمره بالاتری کسب می‌کنند، تمایل دارند در متغیر ب نیز نمره بالاتری (یا پایین‌تری) کسب کنند؟ به عنوان مثال، یک پژوهشگر ممکن است مقیاس‌های معتبر انگیزش تحصیلی و استفاده از فناوری را به دانشجویان دانشگاهی بدهد و سپس ضرایب همبستگی را محاسبه کند تا ببیند کدام جنبه‌های انگیزش به‌طور مداوم‌تر با اشکال مختلف استفاده از فناوری هم‌تغییر هستند. این طرح مداخله نمی‌کند؛ بلکه هم‌تغییری را مشاهده و کمی‌سازی می‌کند.

تاریخ

طرح پیمایش رابطه‌ای از سنت گسترده‌تر پژوهش پیمایشی نشأت گرفته است که در علوم اجتماعی در اوایل تا اواسط قرن بیستم شکل گرفت. تمرکز آن بر روابط بین متغیری مستقیماً از توسعه ضریب همبستگی توسط کارل پیرسون در دهه ۱۸۹۰ و گسترش رگرسیون چندگانه در اواسط قرن بیستم نشأت می‌گیرد. کتاب‌های درسی پژوهش آموزشی که به‌طور گسترده توسط فرانکِل و والِن از دهه ۱۹۹۰ به بعد استفاده شد، پیمایش رابطه‌ای را به عنوان یک نوع طرح متمایز، آن را از پیمایش‌های صرفاً توصیفی از یک سو و طرح‌های مقایسه‌ای علّی از سوی دیگر، رسمی کرد.

چه زمانی استفاده شود

هنگامی که هدف، کمی‌سازی همبستگی‌ها میان متغیرها در یک گروه طبیعی بدون دستکاری تجربی چیزی است، از پیمایش رابطه‌ای استفاده کنید — به عنوان مثال، بررسی ارتباط بین صفات شخصیتی و عملکرد تحصیلی، یا بین جو سازمانی و رفاه کارکنان. این طرح زمانی مناسب است که جمع‌آوری داده‌های مقطع عرضی و خودگزارشی امکان‌پذیر باشد و سؤالات پژوهشی به صورت «آیا X با Y مرتبط است؟» یا «X تا چه حد Y را پیش‌بینی می‌کند؟» تدوین شوند. زمانی که هدف برقراری جهت علّی است (طرح طولی یا آزمایشی را در نظر بگیرید) یا زمانی که سازه مورد علاقه را نمی‌توان به‌طور معتبر با یک مقیاس پرسشنامه‌ای ثبت کرد، از آن استفاده نکنید. زمانی که اندازه نمونه کمتر از حدود ۵۰ نفر باشد، از آن اجتناب کنید، زیرا تخمین‌های همبستگی در Nهای بسیار کوچک ناپایدار و گمراه‌کننده می‌شوند.

محدودیت‌ها و ملاحظات

  • نمی‌تواند جهت علّی را برقرار کند — همبستگی بین X و Y به یک اندازه با X باعث Y، Y باعث X، یا متغیر سومی که باعث هر دو می‌شود، سازگار است.
  • نتایج تنها به اندازه ابزارهای مورد استفاده معتبر هستند؛ پایایی ضعیف مقیاس یا اعتبار سازه، تمام تحلیل‌های بعدی را تضعیف می‌کند.
  • واریانس روش مشترک زمانی یک تهدید است که هم متغیرهای پیش‌بین و هم متغیرهای پیامد با همان ابزار خودگزارشی در همان زمان اندازه‌گیری می‌شوند.
  • پیمایش‌های رابطه‌ای مقطع عرضی نمی‌توانند تغییرات در طول زمان یا روندهای رشدی را ثبت کنند.

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

نقاط قوت

  • روابط چند متغیری را در یک تلاش جمع‌آوری داده واحد به‌طور کارآمد بررسی می‌کند.
  • برآوردهای اندازه اثر کمی استاندارد شده، که به‌راحتی قابل تکرار و مقایسه هستند، تولید می‌کند.
  • با ابزارهای آماری تثبیت شده (همبستگی، رگرسیون، تحلیل مسیر، SEM) به‌خوبی پشتیبانی می‌شود.
  • از طریق اجرای آنلاین یا کاغذی، برای نمونه‌های بزرگ و پراکنده جغرافیایی مناسب است.
  • می‌تواند مبنایی برای مطالعات پیگیری آزمایشی یا طولی بعدی باشد.

کاربردها

  • بررسی رابطه بین خودکارآمدی دانش‌آموز، انگیزش و پیشرفت تحصیلی در پژوهش آموزشی.
  • بررسی همبستگی بین رضایت شغلی، تعهد سازمانی و قصد ترک خدمت در روانشناسی سازمانی.
  • کاوش در ارتباط بین رفتارهای سلامتی (رژیم غذایی، ورزش، خواب) و رفاه خودگزارشی در پیمایش‌های بهداشت عمومی.
  • ارزیابی اینکه چگونه سبک‌های فرزندپروری با نتایج اجتماعی-عاطفی کودکان در پژوهش‌های رشدی هم‌تغییر هستند.
  • مطالعه روابط بین نگرش‌های پذیرش فناوری و الگوهای استفاده در پژوهش سیستم‌های اطلاعاتی.

چگونه کار می‌کند

چگونه کار می‌کند

1

پژوهشگر حداقل دو سازه را که روابط آن‌ها مورد علاقه است، مشخص کرده و سؤالات پژوهشی یا فرضیه‌هایی را در مورد جهت و بزرگی مورد انتظار همبستگی‌ها تدوین می‌کند. یک چارچوب مفهومی یا نظری معمولاً راهنمای انتخاب متغیرها و تعیین اینکه کدام‌یک به عنوان پیش‌بین و کدام‌یک به عنوان متغیر پیامد در نظر گرفته می‌شوند، است.

2

پرسشنامه‌ها، مقیاس‌های درجه‌بندی، یا ابزارهای استاندارد شده معتبر برای اندازه‌گیری عددی هر متغیر انتخاب یا توسعه داده می‌شوند. پیش از جمع‌آوری داده‌های اصلی، آزمون‌های مقدماتی و بررسی‌های پایایی (مانند آلفای کرونباخ) انجام می‌شوند تا تأیید شود که مقیاس‌ها در جمعیت هدف به‌طور مناسب عمل می‌کنند.

3

پیمایش به یک نمونه معرف یا هدفمند، معمولاً در یک موج جمع‌آوری داده (مقطع عرضی)، اجرا می‌شود، اگرچه پیمایش‌های رابطه‌ای می‌توانند در طرح‌های طولی نیز گنجانده شوند. اندازه نمونه کافی پیشاپیش با استفاده از تحلیل توان محاسبه می‌شود، به‌طوری‌که اکثر طرح‌های مبتنی بر همبستگی برای تشخیص قابل اعتماد اندازه‌های اثر متوسط به حداقل ۵۰ تا ۱۰۰ شرکت‌کننده نیاز دارند.

4

همبستگی‌های دومتغیری با استفاده از ضرایب همبستگی (r پیرسون برای متغیرهای پیوسته، رتبه اسپیرمن برای داده‌های ترتیبی یا غیرنرمال) تخمین زده می‌شوند. هنگامی که چندین متغیر پیش‌بین درگیر هستند، رگرسیون چندگانه یا تحلیل مسیر، چارچوب رابطه‌ای را برای ارزیابی سهم‌های منحصربه‌فرد و کنترل عوامل مخدوش‌کننده گسترش می‌دهد.

5

اندازه‌های اثر (r، R²، ضرایب بتا) و فواصل اطمینان در کنار اهمیت آماری گزارش می‌شوند. پژوهشگر معنای عملی همبستگی‌ها را تفسیر کرده، اذعان می‌دارد که شواهد همبستگی نمی‌تواند علیت را برقرار کند، و یافته‌ها را در چارچوب ادبیات پیشین و چارچوب نظری قرار می‌دهد.

دام‌های رایج

  • تفسیر همبستگی آماری معنی‌دار به عنوان شاهدی بر علیت — شواهد پیمایش رابطه‌ای صرفاً همبستگی است؛ ادعاهای علّی نیازمند طرح‌های آزمایشی یا شبه‌آزمایشی قوی هستند.
  • نادیده گرفتن تحلیل توان — مطالعات با کمتر از ۵۰ شرکت‌کننده به‌طور معمول تخمین‌های همبستگی با فواصل اطمینان چنان گسترده‌ای تولید می‌کنند که عملاً غیرقابل تفسیر هستند.
  • استفاده از یک نوبت پیمایش واحد برای اندازه‌گیری هر دو متغیر پیش‌بین و معیار بدون پرداختن به سوگیری روش مشترک — طرح‌های با فاصله زمانی یا راه‌حل‌های رویه‌ای مانند متعادل‌سازی ترتیب مقیاس را در نظر بگیرید.
  • در نظر گرفتن ماتریس همبستگی به عنوان یک مدل علّی بدون توجیه نظری یا آماری اضافی برای جهت‌دهی.

پرسش‌های متداول

حداقل اندازه نمونه برای یک پیمایش رابطه‌ای چقدر است؟

قانون واحدی وجود ندارد، اما به عنوان یک معیار عملی، بسیاری از روش‌شناسان حداقل ۵۰ شرکت‌کننده را برای به‌دست آوردن یک تخمین همبستگی دومتغیری نسبتاً پایدار، و ۱۰۰ یا بیشتر را هنگام برنامه‌ریزی برای رگرسیون چندگانه توصیه می‌کنند. پاسخ رسمی این است که یک تحلیل توان پیشینی انجام دهید که اندازه اثر مورد انتظار، توان مورد نظر (معمولاً ۰.۸۰) و سطح آلفا (۰.۰۵) را مشخص کند؛ این امر حداقل N مورد نیاز برای تشخیص رابطه فرضی را به دست می‌دهد.

آیا می‌توانم از یک پیمایش رابطه‌ای برای آزمون یک مدل علّی استفاده کنم؟

یک پیمایش رابطه‌ای می‌تواند آزمون کند که آیا الگوی همبستگی‌ها با یک مدل علّی سازگار است (با استفاده از تحلیل مسیر یا SEM)، اما نمی‌تواند جهت علّی را تأیید کند. مدل‌سازی معادلات ساختاری با داده‌های پیمایش رابطه‌ای می‌تواند مدل‌هایی را که با داده‌ها ناسازگار هستند، رد کند، اما ادعاهای علّی همچنان نیازمند دستکاری آزمایشی، آزمایش‌های طبیعی، یا طرح‌های طولی با تقدم زمانی هستند.

تفاوت پیمایش رابطه‌ای با یک پیمایش توصیفی ساده چیست؟

یک پیمایش توصیفی، توزیع یک یا چند متغیر را در یک نمونه مشخص می‌کند — میانگین‌ها، فراوانی‌ها، نسبت‌ها. یک پیمایش رابطه‌ای با بررسی آماری اینکه آیا و تا چه حد متغیرها با یکدیگر مرتبط هستند، فراتر می‌رود. هر دو می‌توانند از داده‌های پرسشنامه‌ای یکسان استفاده کنند؛ تفاوت در سؤالات پژوهشی پرسیده شده و تکنیک‌های تحلیلی به‌کار رفته است.

از کدام ضریب همبستگی باید استفاده کنم؟

ضریب پیرسون r زمانی مناسب است که هر دو متغیر پیوسته و تقریباً به‌طور نرمال توزیع شده باشند. رتبه اسپیرمن برای متغیرهای ترتیبی یا زمانی که توزیع‌ها به‌طور مشخصی چولگی دارند، ترجیح داده می‌شود. تاو کندال یک جایگزین برای داده‌های ترتیبی با رتبه‌های متعدد یکسان است. برای متغیرهای دودویی یا دو مقوله‌ای، ضرایب نقطه-دوبیسریال یا فی انتخاب‌های استاندارد هستند.

چگونه سوگیری روش مشترک را در یک پیمایش رابطه‌ای برطرف کنم؟

سوگیری روش مشترک زمانی رخ می‌دهد که داده‌های پیش‌بین و پیامد از یک پاسخ‌دهنده در یک زمان واحد به دست آیند. راه‌حل‌های رویه‌ای شامل جداسازی زمان‌های اندازه‌گیری (طرح با فاصله زمانی)، استفاده از فرمت‌های پاسخ‌دهی متفاوت، و متعادل‌سازی ترتیب مقیاس است. راه‌حل‌های آماری شامل آزمون تک عاملی هارمن و تکنیک متغیر نشانگر است، اگرچه هیچ‌کدام مشکل را به‌طور کامل از بین نمی‌برند.

روش‌های مرتبط

منابع

  1. Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2009). How to Design and Evaluate Research in Education (8th ed.). McGraw-Hill.

    شابک: 978-0073525748
    کپی شد.
  2. Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage Publications.

    شابک: 978-1452226101
    کپی شد.