همه نوشته‌های احسان عبدخدایی

نقش نرم افزار در تحلیل کیفی چیست؟

نرم افزار وردکامنت انلایزر برای کمک به تحلیل کیفی است. تفاوت کمیت کمی و کیفی این است که شما خیلی از وقت‌ها با استفاده از تحلیل کمی با استفاده از نرم‌افزار آماری عملاً تحلیلتان را انجام می‌دهید یعنی یک مقدار داده به نرم افزار می‌دهید و یک پروسیجر آماری را اجرا می‌کنید. مثلاً فرض کنید همبستگی، رگریسیون یا نوعی پلات. این نرم افزار یک خروجی به شما می‌دهد و شما می‌توانید از آن خروجی استفاده کنید و result کار شما خواهد شد. در واقع نرم افزار یک سری محاسبات را برای شما انجام می‌دهد. در تحلیل کیفی نقش نرم‌افزار متفاوت است و بیشتر نقش کمکی دارد و تحلیل را انجام نمی‌دهد و خروجی نمی‌دهد و فقط به شما کمک می‌کند که به عنوان یک ابزار کمک ذهنی یا ذهن کمکی از آن استفاده کنید.

فرض کنید زمانی که چیزی به عنوان یادداشت وجود نداشته یا افراد از یادداشت استفاده نمی‌کردند، آن‌ها مجبور بودند حجم زیادی از اطلاعات را به خاطر بسپارند. اما حالا می‌توانند از قسمت‌های مختلف یک موضوع یادداشت برداری و بعد مرتبشان کنند و آن محدودیت حافظه‌ای که انسان دارد به وسیله این برطرف می‌شود. در نرم افزارهای تحلیل کیفی هم در واقع همین کار انجام می‌شود و یک سری ابزارهای کمکی برای ما هستند.
در عمده این نرم افزارها باید داده‌ها (متنی، تصویری، ویدئویی یا صوت) را درون این نرم افزار وارد کرد و کار کد گذاری را انجام داد. یکی از دلایلی که بنده این نرم افزار را ایجاد کردم این بود که نمی‌خواستم از نسخه‌های کرک شده MAXQDA یا NBO استفاده کنم، می‌خواستم یک نسخه نرم افزاری داشته باشم که مجبور به وارد شدن به فضای کرک نباشم و یک تعهد اخلاقی برای خودم قائل بودم و دیگر این‌ که نرم‌افزارهایی که در این زمینه موجود بودند زبان فارسی را ساپورت نمی‌کردند و علاوه بر این، این مسئله که شما باید داده‌هایتان را داخل نرم‌افزار وارد کنید یک دشواری را برای افراد فراهم می‌کند و اگر بخواهند داده‌ها را خارج کنند آن را Export کنند و یکی از استادان می‌گفتند که نرم‌افزار صاحبخانه شما و داده‌هایتان خواهد شد. ایده‌ای که به ذهن بنده رسید (البته قبلاً هم اجرا شده است ولی نه با استفاده از این نرم‌افزار، با استفاده از روش‌های سنتی‌تر مثل ترکیب اکسل و ورد) این است که ما می‌توانیم داده‌هایمان را در نرم‌افزار ورد کد گذاری کنیم.


چه طور با استفاده از R جدول همبستگی مطابق APA ایجاد کنیم

I want to turn an intervariable correlations table in R to a table formatted according to APA styles. The table should have the following characteristics

Have only lower or upper diagonal of the matrix
Usually display correlation coefficients only with 2 decimals and no leading zeros e.g. .25, -.05
Denote significance by e.g. a number of stars


I used Hmisc to create correlation table with p-values but this is
 doable without the package, especially if you want Kendall's tau correlations.

#First indicate which columns do you want in your correlation table
cor_cols = c('gender','age','education','expense',
              'learningmotivation', 'reading')


#Slice the data and calculate correlation table:
mt = as.matrix(data[,cor_cols])
library(Hmisc)
myrcorr <- rcorr(mt, type="spearman")

#format numbers
cor_table <-as.matrix( round(myrcorr$r,2))

#remove rownames and colnames
colnames(cor_table)<- rownames(cor_table)<- NULL

#remove leading zeros and add stars
n <- length(cor_cols)
for (c in 1:n) {
  for (r in 1:n) {
      pval <- myrcorr$P[r,c]
      stars <- ifelse(pval < .001, "***", ifelse(pval < .01, "** ", ifelse(pval < .05, "*  ", "   ")))
      coeff = sub("0*\\.",".",cor_table[r,c]) #remove leading zeros
      cor_table[r,c] = paste(c(coeff,stars),collapse='')
  }
}

cor_table[upper.tri(cor_table)] <- '' # erase the upper triangle
diag(cor_table) <- '-' # replace the diagonals by dash(-)

چه طور با استفاده از گوگل فقط pdf سرچ کنیم؟

احتمالا برایتان پیش آمده که بخواهید فقط فایل های pdf را در جستجوی گوگل پیدا کنید. شاید این کار را با مرور کردن صفحه های متعدد گوگل انجام دادید. هر چند سرچ گوگل بعضی اوقات فایل های pdf را در بعض رکوردهای بالای صفحه با [PDF] مشخص می کند، ممکن است شما فایل مورد نظر خود را در چند صفحه بعد پیدا کنید و این کار برای شما به یک کار سخت تبدیل شود.
اما خوشبختانه گوگل ابزاری با عنوان Advanced Search (جستجوی پیشرفته) را در اختیار قرار می دهد که می توانید به راحتی با آن فرمت فایلی که جستجو می کنید را تعیین کنید تا تنها رکوردهای مربوط به آن فایل نمایش داده شوند. مثلا فقط فایل های پی دی اف. برای این کار کافی است بر روی Settings در قسمت پایین سمت راست سرچ گوگل کلیک کنید و از منویی که می آید Advanced Search را انتخاب کنید یا روی این لینک کلیک کنید.
سپس در صفحه جستجوی پیشرفته، ابتدا در فیلد all these words کلماتی را که می خواهید سرچ در مورد آن ها انجام شود تایپ کنید و
از پایین صفحه file type را برابر با Adobe Acrobat PDF قرار دهید تا هنگام سرچ فقط pdf بازگردانده شود. سپس بر روی دکمه آبی رنگ Advanced Search کلیک کنید تا نتایج سرچ pdf نمایش داده شود. بعد از کلیک بر روی این دکمه مشاهده خواهید کرد که کنار تمام رکوردها [PDF] وجود دارد و شما توانسته این به شکل موثری جستجوی خود را محدود به فایل های پی دی اف کنید.

بخش پیشنهادهای پایان نامه یا مقاله را چگونه بنویسیم؟

معمولا در پایان نامه بخشی تحت عنوان پیشنهادها وجود دارد. بعضی اوقات این پیشنهادها را به پیشنهادهای پژوهشی و کاربردی تقسیم می کنند. دو نکته مهم برای نوشتن پیشنهادها وجود دارد:

نکته اول: پیشنهادها باید برخاسته از پژوهش شما باشند، باید پاسخی برای این سوال “چرا این کار مفید است” در پژوهش شما وجود داشته باشد.

به عبارتی وقتی پیشنهاد می دهید که پژوهشی انجام شود یا کاری صورت گیرد، باید از خود بپرسید چرا این کار به حل یک مسأله می انجامد. ممکن است چیزی که شما پیشنهاد می دهید واقعا مفید باشد، اما وقتی چرایی مفید بودن آن در یافته های پایان نامه شما موجود نیست، ارتباط کمی با پایان نامه شما دارد و بهتر است آورده نشود. به عنوان مثال یکی از یافته های پایان نامه من تأثیر انگیزش و روابط اجتماعی بر عملکرد شناختی در سالمندان بود. دو پیشنهاد که من مطرح کرده بودم را در زیر می بینید:

  • پیشنهاد اول (صحیح) : در آموزش و پرورش و تحصیلات تکمیلی به انگیزه توجه شود چون بر عملکرد شناختی در سالهای آینده تأثیر می گذارد.
    در این پیشنهاد یافته های من دقیقا پاسخ می دهد: چرا انگیزه بر عملکرد شناختی تأثیر می گذارد؟ به دلیل یافته های پژوهش.
  • پیشنهاد دوم (غلط) : مراکزی برای بهبود روابط اجتماعی سالمندان تشکیل شود تا برای عملکرد شناختی آن ها مفید باشد. در این پیشنهاد یافته ها ارتباط کم تری با پیشنهاد دارد، چرا تشکیل مراکز برای بهبود روابط اجتماعی به عملکرد شناختی بهتر می انجامد؟ پژوهش من پاسخ واضحی برای این سوال ندارد. چون ارتباط بین روابط اجتماعی و عملکرد شناختی را بررسی کرده، نه مسأله مراکز سالمندان

بنابراین من پیشنهاد دوم را حذف کردم.

نکته دوم: پیشنهادها باید مسأله ای را حل کنند، مسأله ای که مرتبط با بیان مسأله پژوهش است.

به عبارتی وقتی پیشنهادی می دهید، باید نشان دهید پیشنهاد شما چگونه به حل یک مسأله می انجامد، مسأله ای که مرتبط با پایان نامه شما باشد.

چه طور برای تحلیل مدلسازی معادلات ساختاری، تحلیل توان انجام دهیم؟

می توانید از این محاسبه گر توان به همراه نرم افزار R استفاده کنید. این صفحه کدهای مختلف محاسبه توان را به شما می دهد که باید آن ها را در R کپی کنید و اجرا کنید:
http://timo.gnambs.at/de/scripts/powerforsem

چه چیزی یافته “کیفی” نیست؟

در تز دکتری ام، یک مطالعه اکتشافی کیفی داشتم. من در این مطالعه می خواستم ببینم که شرکت کنندگان خاصی چه عواملی را با سلامت شناختی و حافظه خوب مرتبط می دانند. بعد از مصاحبه با تعدادی شرکت کننده داده هایی که به دست آورده بودم را به زعم خودم به روش تحلیل مضمونی تحلیل کردم و در قالب یک مقاله برای مجله TQR فرستادم.
هنگام داوری نکته ای به من گفته شد که در نهایت باعث شد من یک موضوع مهم را در پژوهش کیفی درک کنم. داوران از مقاله (2010) Sandelowski با عنوان “What’s in a Name? Qualitative Description Revisited” این جمله را نقل کرده بودند که :

data never speak for themselves (Sandelowski, 2010)

داده به خودی خودش حرف نمی زند

و گفته بودند که شما تعدادی داده را به همراه تم ارائه کردید اما توضیح ندادید که چه طور این تم ها به داده ها مربوط اند. وقتی من بررسی کردم دیدم که ارتباط بین داده های من و تم ها در بعضی موارد خیلی واضح است و دقیقا مشکل همین بود. آن داده هایی که خیلی واضح “حرف می زنند” احتمالا اصلا یافته کیفی نیستند چون تفسیری در آن ها وجود ندارد. مثلا اگر تعدادی از شرکت کنندگان در مطالعه من گفتند که ورزش برای حافظه مفید است، این به خودی خودش یافته کیفی نیست. بلکه یک یافته کمی است، یک یافته مبتنی بر رئالیسم است. شما حتی می توانید آن را به عدد تبدیل کنید. یعنی برای هر نفر صفر و یک وجود دارد یا آن فرد گفته که ورزش مفید است و یا نگفته و یا حتی اشاره به ورزش کردن کرده یا نه. اما اگر شما از ورزش فعال بودن را برداشت کنید یا ادراک تحرک را برداشت کنید، این می تواند یک یافته کیفی باشد و آن وقت می توانید توضیح دهید چرا شما از ورزش ادراک تحرک را برداشت می کنید یا “می سازید”. Sandelowski در همان مقاله بالا بیان می کند “پژوهش کیفی، از جمله، پژوهش کیفی توصیفی، همیشه نیازمند به حرکت به سمتی است که: پژوهشگر از داده ها چیزی بسازد”.

[qualitative] researchers make something of their data
Sandelowski (2010)

وقتی به این نتیجه رسیدم که برخی از یافته های مطالعه مزبور کیفی نیستند. تصمیم گرفتم یافته ها را به دو بخش تقسیم کنم و در مورد بخش کمی اصلا جملات یا گفتارهای افراد را نیاورم و در مورد بخش کیفی داده ها را بیاورم و برای آن ها حرف بزنم که چه طور نشانگر مضمونی هستند که از آن ها برداشت کردم.

تحلیل روابط در تحلیل کیفی (رابینسون، 2011)

اگر بخواهیم پس از یک تحلیل محتوای کیفی ترکیبی منسجم از مضمون ها، کدها یا مقوله ها ارائه کنیم، می توانیم از تحلیل روابط استفاده کنیم. رابینسون (2011) در مقاله خود استفاده از 10 شکل رابطه ای کلیدی را که می توانند بین اجزای متن یا داده های کیفی پیوند برقرار کنند برای این کار پیشنهاد کرده است. این اشکال رابطه از رشته ها و متاتئوری های مختلفی از جمله فلسفه ارسطو، نمادگرایی و پدیدارشناسی، نظریه روایتی، نظریه سیستم ها، نظریه های رشدی، نظریه روانی-اجتماعی و نظریه ساخت شخصی (personal construct theory) تدوین شده اند. اگرچه این اشکال روابط یک مجموعه تمام و کامل از انواع روابط نیستند، انواع گوناگونی از آن را در بر می گیرند. خلاصه این اشکال روابط در جدول زیر آمده اند:

نام نام (انگلیسی) اجزاء رابطه گزاره رابطه ای
روابط توصیفی Descriptive relations مضمون الف – رابطه توصیفی – مضمون ب ب مثال یا ویژگی از الف را توصیف می کند
روابط مقایسه ای Comparative relations مضمون الف – رابطه مقایسه ای – مضمون ب ب مشابه با یا متقاوت از الف است
روابط نمادی Semiotic relations مضمون الف (نماد یا علامت) – رابطه نمادی – مضمون ب (آن چه مورد نماد یا علامت قرار گرفته) الف علامت ب است یا الف نماد ب است.
روابط برانگیزانندگی Evocative relations مضمون الف – رابطه برانگیزانندگی (استعاره یا تشبیه) – مضمون ب ب تصویری برانگیزاننده فراهم می کند که الف را روشن می کند
روابط وابستگی Contingency relations مضمون الف (شرط) > رابطه وابستگی (اگر الف آنگاه ب) > مضمون ب (مشروط) ضعیف: اگر الف آنگاه احتمال ب بیش تر است، قوی: الف شرط لازم ب است
روابط علی Causal relations مضمون الف (علت) > رابطه علی (ب نتیجه الف است) > مضمون ب (معلول) الف علت ب است. ب معلول الف است.
روابط رفت و برگشتی Reciprocal relations مضمون الف <-> رابطه رفت و برگشتی <-> مضمون ب الف و ب بر یکدیگر اثر می گذارند و بنابراین تعامل می کنند
روابط دیاکتیکی Dialectical relations مضمون الف <رابطه دیالکتیکی> مضمون ب الف در تقابل با ب است اما از آن جدایی ناپذیر است
روابط جزء و کل مفهومی Conceptual part-whole relations مضمون مادون الف – رابطه معنایی – مضمون ب (مفهوم) الف از لحاظ مفهومی مادون ب است
روابط جزء و کل بافتی Contextual part-whole relations مضمون الف (جزء) – رابطه بافتی – مضمون ب (کل) الف بخشی از ب است و ب بافت آن است

ابزار تبدیل اعداد انگلیسی به فارسی (کاراکترها و ممیز)

با استفاده از این ابزار می توانید هر متنی را که دارای اعداد انگلیسی باشد به اعداد فارسی تبدیل کنید. کافی است آن ها را در جعبه متن زیر کپی کنید و تبدیل را بزنید. نگران این نباشید که اعداد دو طرف ممیز اینجا جا به جا هستند. وقتی این متن را داخل Word کپی کنید و تنظیمات RightToLeft را انجام دهید. اعداد صحیح نمایش داده می شوند.

جستجوی پیشرفته در pubmed (پاب مد) با استفاده از کلیدواژه های Mesh

Pubmed یکی از پیچیده ترین و دقیق ترین سیستم های نمایه سازی (Indexing) را دارد. مقاله های Pubmed به صورت بسیار دقیقی با کلیدواژه های Mesh نمایه می شوند. پایین مقالات پاب مد، یک آکاردیون به نام Mesh Terms وجود دارد که با بازکردن آن می توانید کلیدواژه های مربوط به هر مقاله را ببینید.

همچنین می توان در https://www.ncbi.nlm.nih.gov/mesh/ به جستجو در مورد کلیدواژه های مورد نظر پرداخت. برای اضافه کردن این کلید واژه ها کافی است هنگام سرچ آن ها را همراه با کوتیشن و [Mesh] یا [Majr] اضافه کنید. توجه کنید که [Mesh] موارد بیش تری را از [Majr] در بر می گیرد و شامل کلیدواژه های زیرین (subheadings) نیز می شود.

لیست کامل مواردی که می توان آن ها را داخل کروشه [] آورد در این لینک دیده می شود:
Search Field Descriptions and Tags

چه طور در R فاصله اطمینان یک ضریب همبستگی را پیدا کنیم

برای به دست آوردن فاصله اطمینان ضریب همبستگی می توانید از تابع CIr در پکیج psychometric استفاده کنید

> library(psychometric)
> CIr(.4, n=120, .95)
[1] 0.2378087 0.5404901

همچنین می توانید از تابع CIrdif برای بررسی تفاوت بین همبستگی ها استفاده کنید:

> CIrdif(.10,.16,4000,4000,.95)
DifR SED LCL UCL
1 -0.06 0.02216078 -0.1034343 -0.01656568