Skip to content
بازگشت به نتایج جست‌وجو

پژوهش پیمایشی — طرح پژوهش پیمایشی

معرفی‌شده توسط
Francis Galton, Charles Booth, and early social statisticians; systematised by Paul Lazarsfeld and colleagues at Columbia in the 1940s
سال
Late 19th century; methodologically systematised 1940s–1960s
نوع
Quantitative (and mixed) non-experimental 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 یک طرح کمی (و گاهی ترکیبی) است که در آن پژوهشگر داده‌های گزارش‌شده توسط خود فرد را به صورت استاندارد شده از نمونه‌ای برگرفته از یک جمعیت تعریف‌شده، با استفاده از پرسشنامه یا مصاحبه ساختاریافته، جمع‌آوری می‌کند. این روش، استراتژی غالب غیرآزمایشی برای توصیف ویژگی‌های جمعیت، برآورد شیوع، ترسیم توزیع نگرش‌ها، و آزمون روابط دومتغیره یا چندمتغیره در علوم اجتماعی، رفتاری و بهداشتی است.

شهود پشت روش

پیمایش را به مثابه یک ابزار اندازه‌گیری استاندارد در نظر بگیرید که به طور همزمان بر روی افراد زیادی اعمال می‌شود. پژوهشگر به جای مشاهده عمیق هر شرکت‌کننده، مجموعه یکسانی از پرسش‌ها را از هر پاسخ‌دهنده می‌پرسد. مجموعه داده حاصل، یک مستطیل است: ردیف‌ها افراد و ستون‌ها متغیرها هستند. جادوی پژوهش پیمایشی، تجمیع است — حتی زمانی که پاسخ‌های فردی نویزی باشند، الگوهای مشاهده‌شده در صدها پاسخ‌دهنده می‌توانند حقایق سطح جمعیت را با اطمینان قابل اندازه‌گیری آشکار کنند. مبادله کلیدی، وسعت در برابر عمق است: پیمایش‌ها متغیرهای زیادی را در میان افراد زیادی پوشش می‌دهند، اما نمی‌توانند تجربه یک فرد واحد را با غنایی که مصاحبه فراهم می‌کند، بررسی کنند.

تاریخ

پیمایش اجتماعی نظام‌مند در اواخر قرن نوزدهم با نقشه‌های فقر چارلز بوث از لندن (1889–1903) و تلاش‌های مشابه توسط سیبوم رونتری ظهور کرد. پیمایش احتمالی مدرن با توسعه نظریه نمونه‌گیری تصادفی — مقاله جرزی نایمن در سال 1934 در مورد نمونه‌گیری طبقه‌بندی‌شده به عنوان یک نقطه عطف — و با صنعتی شدن نظرسنجی افکار عمومی از طریق گالوپ، روپر و کراسلی در دهه 1930 شکل گرفت. پل لازارسفلد و همکارانش در دانشگاه کلمبیا در دهه 1940 روش‌شناسی پیمایش را برای علوم اجتماعی تدوین کردند. فلوید فاولر، دان دیلمن و رابرت گرووز متعاقباً کتاب‌های راهنمای روش‌شناختی متعارفی را منتشر کردند که بهترین شیوه‌های فعلی را تعریف می‌کنند.

چه زمانی استفاده شود

پژوهش پیمایشی زمانی مناسب است که هدف توصیف ویژگی‌های جمعیت تعریف‌شده یا روابط بین متغیرها در آن باشد — به‌ویژه زمانی که مشاهده مستقیم یا آزمایش عملی نباشد. این روش انتخابی برای اندازه‌گیری نگرش، ارزیابی نیاز، ارزیابی برنامه و مطالعات شیوع اپیدمیولوژیک است. زمانی از آن استفاده کنید که متغیرها قابل دستکاری نباشند و اندازه‌گیری استاندارد شده از شرکت‌کنندگان زیاد امکان‌پذیر باشد. از پژوهش پیمایشی زمانی استفاده نکنید که سؤال پژوهش نیازمند درک عمیق معنای ذهنی باشد (از پدیدارشناسی یا تحقیق روایی استفاده کنید)، زمانی که استنتاج علی از شرایط دستکاری‌شده مورد نیاز باشد (از طرح‌های آزمایشی یا شبه‌آزمایشی استفاده کنید)، یا زمانی که جمعیت مورد علاقه آنقدر کوچک یا غیرقابل دسترس باشد که نرخ پاسخ قابل استفاده‌ای به دست نیاید.

محدودیت‌ها و ملاحظات

  • طرح‌های مقطعی (رایج‌ترین شکل) نمی‌توانند تقدم زمانی را اثبات کنند یا عوامل مخدوش‌کننده را رد کنند، که استنتاج علی را محدود می‌کند.
  • داده‌های گزارش‌شده توسط خود فرد در برابر واریانس روش مشترک، سوگیری مطلوبیت اجتماعی و اثرات موافقت در پاسخ آسیب‌پذیر هستند.
  • سوگیری عدم پاسخ یک تهدید مداوم است — پاسخ‌دهندگانی که پیمایش را تکمیل می‌کنند ممکن است از نظر سیستماتیک با پاسخ‌دهندگان غایب در متغیرهای مرتبط با مطالعه متفاوت باشند.
  • واژگان آیتم، قالب مقیاس پاسخ و ترتیب پرسش می‌توانند به طور قابل توجهی بر پاسخ‌ها به روش‌هایی تأثیر بگذارند که تشخیص آن‌ها دشوار است.
  • عمق اطلاعات به ازای هر پاسخ‌دهنده محدود است؛ سازه‌های پیچیده ممکن است به خوبی توسط مجموعه کوچکی از آیتم‌ها ثبت نشوند.

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

نقاط قوت

  • امکان توصیف و تحلیل جمعیت‌های بزرگ و پراکنده جغرافیایی با هزینه نسبتاً کم به ازای هر پاسخ‌دهنده را فراهم می‌کند.
  • ابزارهای استاندارد شده، مقایسه‌پذیری بین پاسخ‌دهندگان و تکرارپذیری بین مطالعات را به حداکثر می‌رسانند.
  • نمونه‌گیری احتمالی از تعمیم آماری به یک جمعیت تعریف‌شده با عدم قطعیت قابل اندازه‌گیری پشتیبانی می‌کند.
  • روش اجرای انعطاف‌پذیر (آنلاین، پستی، تلفنی، حضوری) امکان انطباق با جمعیت هدف را فراهم می‌کند.
  • مجموعه داده‌های ساختاریافته‌ای تولید می‌کند که برای طیف وسیعی از روش‌های آماری استنباطی مناسب هستند.
  • می‌تواند تعداد زیادی متغیر را به طور همزمان اندازه‌گیری کند و امکان تحلیل چندمتغیره روابط پیچیده را فراهم می‌آورد.

کاربردها

  • پیمایش‌های سلامت ملی که شیوع بیماری، رفتار پرخطر سلامت و استفاده از مراقبت‌های بهداشتی را در جمعیت‌های بزرگسال برآورد می‌کنند.
  • پیمایش‌های تعهد کارکنان و جو سازمانی که برای نظارت بر نگرش‌های محل کار و هدایت سیاست‌های منابع انسانی استفاده می‌شوند.
  • پیمایش‌های ارزیابی آموزشی که تجربیات یادگیری دانش‌آموزان، خودکارآمدی و رضایت را در آموزش عالی اندازه‌گیری می‌کنند.
  • نظرسنجی‌های افکار عمومی که نگرش‌های سیاسی، نیات رأی‌دهی و ترجیحات سیاستی را قبل از انتخابات می‌سنجند.
  • پیمایش‌های ارزیابی برنامه که داده‌های رضایت شرکت‌کنندگان و نتایج خودگزارش‌شده را برای مداخلات اجتماعی جمع‌آوری می‌کنند.
  • پرسشنامه‌های تحقیقات بازار که ترجیحات مصرف‌کننده، ادراکات برند و رفتار خرید را ترسیم می‌کنند.

چگونه کار می‌کند

چگونه کار می‌کند

1

پژوهشگر سؤالات پژوهش و سازه‌های مورد علاقه را مشخص می‌کند — آنچه پیمایش باید اندازه‌گیری کند و برای کدام جمعیت. اهداف تعیین می‌کنند که آیا طرح صرفاً توصیفی (برآورد شیوع)، رابطه‌ای (آزمون روابط) یا پیش‌بینانه (مدل‌سازی نتایج) است. اهداف روشن از تورم ابزار جلوگیری کرده و تحلیل را متمرکز نگه می‌دارند.

2

آیتم‌های منفرد (پرسش‌ها) برای عملیاتی کردن هر سازه تدوین و اصلاح می‌شوند. واژگان آیتم، نوع مقیاس پاسخ (لیکرت، دیفرانسیل معنایی، دوتایی، باز)، ترتیب و منطق پرش، همگی تصمیماتی هستند که در این مرحله گرفته می‌شوند. آزمایش مقدماتی با یک نمونه در دسترس کوچک برای شناسایی واژگان مبهم و برآورد زمان تکمیل قبل از نهایی کردن ابزار استفاده می‌شود.

3

یک استراتژی نمونه‌گیری برای انتخاب پاسخ‌دهندگان از جمعیت هدف انتخاب می‌شود. طرح‌های احتمالی (تصادفی ساده، طبقه‌بندی‌شده، خوشه‌ای، سیستماتیک) امکان تعمیم آماری به جمعیت را فراهم می‌کنند؛ طرح‌های غیر احتمالی (در دسترس، هدفمند، گلوله برفی) این امکان را ندارند اما برای کارهای اکتشافی یا تأییدی که در آن‌ها نمایندگی هدف نیست، قابل قبول هستند. اندازه نمونه مورد نیاز از انتظارات اندازه اثر، توان آماری مطلوب و حاشیه خطای قابل قبول برآورد می‌شود.

4

ابزار از طریق روش انتخاب‌شده اجرا می‌شود — آنلاین (پلتفرم‌های پیمایش وب)، پستی، تلفنی یا مصاحبه حضوری. انتخاب روش بر نرخ پاسخ، سوگیری مطلوبیت اجتماعی و دسترسی به زیرجمعیت‌ها تأثیر می‌گذارد. یادآوری‌های پیگیری برای بهبود نرخ پاسخ ارسال می‌شوند و پیگیری نرخ پاسخ در طول کار میدانی حفظ می‌شود.

5

پاسخ‌های تکمیل‌شده پاک‌سازی (رسیدگی به داده‌های گمشده، مقادیر خارج از محدوده و خط‌کشی مستقیم) و سپس تجزیه و تحلیل می‌شوند. آمار توصیفی توزیع آیتم و مقیاس را خلاصه می‌کنند. تحلیل‌های استنباطی — t-tests، ANOVA، chi-square، رگرسیون، مدل‌سازی معادلات ساختاری — برای پرداختن به سؤالات پژوهش انتخاب می‌شوند. وزن‌های پیمایش زمانی اعمال می‌شوند که از طرح احتمالی استفاده شده باشد و نرخ پاسخ در بین طبقات متفاوت باشد.

6

یافته‌ها در رابطه با سؤالات پژوهش تفسیر شده و در بستر ادبیات پیشین قرار می‌گیرند. گزارش‌ها شامل جزئیات نمونه‌گیری، نرخ پاسخ، شاخص‌های پایایی ابزار (مانند آلفای کرونباخ برای مقیاس‌های چندآیتمی)، اندازه‌های اثر و فواصل اطمینان هستند. محدودیت‌های مربوط به سوگیری عدم پاسخ، واریانس روش مشترک و قابلیت تعمیم به طور شفاف مورد بحث قرار می‌گیرند.

دام‌های رایج

  • تورم ابزار — گنجاندن هر آیتم بالقوه جالب، زمان تکمیل را افزایش می‌دهد، نرخ ریزش را بالا می‌برد و مجموعه داده‌ای تولید می‌کند که تجزیه و تحلیل منسجم آن بسیار بزرگ است؛ اولویت‌بندی آیتم‌هایی که مستقیماً به سؤالات پژوهش می‌پردازند.
  • نادیده گرفتن آزمایش مقدماتی — آیتم‌هایی که برای پژوهشگر واضح به نظر می‌رسند اغلب توسط پاسخ‌دهندگان اشتباه فهمیده می‌شوند؛ یک آزمایش مقدماتی کوچک (n = 5–10) بیشتر مشکلات واژگان را قبل از اجرای در مقیاس بزرگ شناسایی می‌کند.
  • رفتار با نمونه در دسترس به عنوان نماینده — نتایج حاصل از یک نمونه غیر احتمالی تنها با احتیاط فراوان قابل تعمیم است؛ محدودیت‌های نمونه‌گیری را به صراحت بیان کرده و از ادعاهای شیوع در سطح جمعیت اجتناب کنید.
  • نادیده گرفتن سوگیری عدم پاسخ — نرخ پاسخ پایین به طور خودکار مطالعه را بی‌اعتبار نمی‌کند، اما تجزیه و تحلیل مقایسه‌ای پاسخ‌دهندگان اولیه و دیررس (یا پاسخ‌دهندگان و افراد غایب شناخته‌شده) برای ارزیابی تهدید ضروری است.
  • حذف شواهد پایایی و روایی برای مقیاس‌های چندآیتمی — گزارش آلفای کرونباخ و در صورت لزوم، نتایج تحلیل عاملی تأییدی، در انتشار همتا بررسی شده مورد انتظار است.

پرسش‌های متداول

اندازه نمونه پیمایش من چقدر باید باشد؟

اندازه نمونه مورد نیاز به اندازه اثر مورد انتظار، توان آماری مطلوب (به طور متعارف 0.80)، سطح معناداری (معمولاً 0.05) و پیچیدگی تحلیل‌های برنامه‌ریزی‌شده بستگی دارد. برای یک مقایسه ساده دو گروهی که یک اثر متوسط (d = 0.50) را با توان 80% تشخیص می‌دهد، به حدود 64 نفر در هر گروه نیاز دارید. مدل‌های معادلات ساختاری معمولاً به حداقل 200 مورد کامل نیاز دارند. از تحلیل توان پیشینی (مانند G*Power) به جای قوانین سرانگشتی استفاده کنید و 20 تا 30 درصد برای در نظر گرفتن پاسخ‌های ناقص پیش‌بینی‌شده اضافه کنید.

آیا نرخ پاسخ پایین یک نقص کشنده است؟

نرخ پاسخ پایین یک تهدید است، نه لزوماً یک نقص کشنده. آنچه مهم است این است که آیا پاسخ‌دهندگان از نظر متغیرهای مرتبط با مطالعه با پاسخ‌دهندگان غایب تفاوت سیستماتیک دارند یا خیر. تجزیه و تحلیل سوگیری عدم پاسخ را انجام دهید — پاسخ‌دهندگان اولیه و دیررس را بر اساس جمعیت‌شناسی کلیدی مقایسه کنید، یا نمایه نمونه خود را با معیارهای شناخته‌شده جمعیت مقایسه کنید — و یافته‌ها را گزارش کنید. حتی اگر تجزیه و تحلیل اطمینان‌بخش باشد، عدم قطعیت باقی‌مانده در مورد تعمیم‌پذیری را بپذیرید.

واریانس روش مشترک چیست و چگونه با آن برخورد کنم؟

واریانس روش مشترک (CMV) کوواریانس کاذبی بین متغیرها است که ناشی از این واقعیت است که آن‌ها با همان ابزار در زمان مشابه اندازه‌گیری شده‌اند — که همبستگی‌های مشاهده‌شده را متورم می‌کند. راه‌حل‌های رویه‌ای شامل جداسازی زمانی اندازه‌گیری پیش‌بین و نتیجه، استفاده از قالب‌های پاسخ متفاوت برای سازه‌های مختلف و گنجاندن یک متغیر نشانگر است. بررسی‌های آماری مانند آزمون تک عاملی هارمن یا رویکرد عامل پنهان اندازه‌گیری نشده می‌توانند CMV را تشخیص دهند اما به طور کامل آن را اصلاح نکنند.

چه زمانی باید پیمایش آنلاین را به پیمایش پستی یا تلفنی ترجیح دهم؟

پیمایش‌های آنلاین مقرون‌به‌صرفه، سریع و مناسب هستند زمانی که جمعیت هدف دسترسی قابل اعتماد به اینترنت دارد — بیشتر بزرگسالان در سن کار در کشورهای توسعه‌یافته. پیمایش‌های پستی برای جمعیت‌های مسن‌تر یا کسانی که دسترسی به اینترنت ندارند، با هزینه زمان بازگشت کندتر و هزینه بالاتر به ازای هر پاسخ، ارزشمند باقی می‌مانند. پیمایش‌های تلفنی نرخ پاسخ رو به کاهشی دارند اما امکان منطق انشعابی پیچیده را فراهم می‌کنند و به جمعیت‌های بدون اینترنت دسترسی دارند. طرح‌های چندحالته (که چندین کانال پاسخ ارائه می‌دهند) معمولاً نرخ پاسخ بالاتری نسبت به هر حالت منفرد به دست می‌آورند.

آیا پیمایش می‌تواند علیت را اثبات کند؟

یک پیمایش مقطعی منفرد نمی‌تواند علیت را اثبات کند زیرا فاقد ترتیب زمانی و تخصیص تصادفی است. طرح‌های پانل طولی که همان پاسخ‌دهندگان را در نقاط زمانی متعدد اندازه‌گیری می‌کنند، می‌توانند تقدم زمانی را اثبات کنند، که شرط لازم (اما نه کافی) برای علیت است. مدل‌های پانل با اثر متقابل (cross-lagged panel models) و مدل‌های پانل با اثر متقابل و عرض از مبدأ ثابت (random-intercept cross-lagged panel models) می‌توانند تفاوت‌های فردی پایدار را کنترل کنند و استنتاج علی را تقویت کنند، اما عوامل مخدوش‌کننده اندازه‌گیری نشده همچنان یک تهدید هستند. برای ادعاهای علی بدون ابهام، طرح‌های آزمایشی یا شبه‌آزمایشی لازم است.

روش‌های مرتبط

منابع

  1. Fowler, F. J. (2014). Survey Research Methods (5th ed.). Sage Publications.

    شابک: 978-1452259000
    کپی شد.
  2. Dillman, D. A., Smyth, J. D., & Christian, L. M. (2014). Internet, Phone, Mail, and Mixed-Mode Surveys: The Tailored Design Method (4th ed.). Wiley.

    شابک: 978-1118456149
    کپی شد.