پژوهشهای کیفی اگرچه بسیار مورد توجه هستند اما در مورد شیوه انجام آنها دیدگاههای متنوعی وجود دارد.
در این ویدیوی آموزشی داستان انتخاب موضوع، نگارش پروپوزال و پایان‌نامه یک تحقیق کیفی را بررسی کرده‌ایم. این تحقیق با عنوان بررسی عوامل موفقیت پروژه‌های برنامه‌نویسی موبایل توسط کامران عبداللهی انجام گرفت
مهمترین سرفصلهای مورد توجه در این ویدیوی آموزشی شامل موارد زیر هستند:
ادبیات تحقیق Literature Review واقعا مظلوم‌ترین بخش در پژوهشهای ماست. در حالی که مهمترین و اساسی‌ترین بخش یک مطالعه علمی همین مرور ادبیات پیشین است.
مگر میشود که ما بیان مسأله پژوهش، طراحی تحقیق و بیان نتایج و یافته‌ها را انجام دهیم بدون اینکه بر سوابق نظری کار مسلط باشیم؟ مگر می‌توانیم فرضیه‌هایی را مطرح کرده و آنها را تایید یا رد کنیم بدون اینکه رد پای این فرضیات را در نوشتارهای قبلی به دقت پیگیری و تحلیل کرده باشیم؟
به قولی اگر می‌خواهیم دوردست‌ها را ببینیم باید اول بدانیم که روی شاخ چه غول‌هایی ایستاده‌ایم و پژوهشگران قبل از ما در این زمینه سطح دانش را تا کجا رسانده‌اند. سپس بر مبنای آن از طریق پاسخ به سوال پژوهشی یا رد و تایید فرضیه‌ها، ذره‌ای به دانش موجود در زمینه تخصصی خود اضافه کنیم.
در بخش ادبیات تحقیق پایان‌نامه‌ها و مقالات وطنی شاهد آیتمی به نام مرور پیشینه هستیم. این بخش معمولاً در انتهای فصل دوم پایان‌نامه و مقاله قرار داده میشود. که در آن دو دسته پیشینه داخلی و پیشینه خارجی تعبیه شده و خلاصه‌ای از هر تحقیق قبلی آن ارایه میشود.
واقعیت این است که طبقه‌بندی «پیشینه داخلی و پیشینه خارجی» اختراع خود ماست! علم یک پدیده پیوسته و جهانی است و به هیچ وجه ایرانی و خارجی ندارد.
تنها تفاوت تحقیقات داخلی و خارجی، زبان نگارش آن‌هاست که مسأله مهمی در تحقیق به شمار نمی‌رود. در بخش ادبیات تحقیق باید از منابع دست اول، اثرگذار و مرتبط استفاده شود. چه این منابع فارسی باشند، چه انگلیسی و چه هر زبان دیگری.
کپی کردن چکیده و خلاصه یافته‌های تحقیقات قبلی (تحت عنوان پیشینه تحقیق) بدون داشتن چارچوب مشخص و بدون ترکیب کردن آنها فضیلتی برای گزارش پژوهشی به شمار نمی‌رود.
بخش ادبیات تحقیق حتما باید از بررسی سیستماتیک، بازنویسی، ترکیب و بسط مطالعات قبلی در یک چارچوب مختص به موضوع پژوهش حاضر نوشته شود.
قرار نیست یافته‌های پژوهش ما دنیای علم را واژگون کرده یا کل مشکلات جامعه را حل کند؛ یک نوشته علمی همین که بتواند ذره‌ای به دانش علمی موجود اضافه کند رسالت خود را انجام داده است.
یافتن این فضاهای خالی برای پژوهش فقط از طریق مطالعه و مرور دقیق نوشته‌های پیشین امکان‌پذیر است. بدیهی است که هیچ موضوع پژوهشی در خلأ نمی‌تواند خلق شود.
دانشجویان برای اطمینان از کیفیت پایان‌نامه خود قبل از ارسال آن برای داوری می‌توانند از چک لیست زیر استفاده کنند. از این طریق مطمئن می‌شوند که موردی از قلم نیفتاده و کیفیت هر جزء از پایان‌نامه را کنترل کنند.اساتید نیز می‌توانند پایان‌نامه دانشجوی خود را بر اساس این معیارها همواره تحت نظر داشته باشد. بر مبنای این لیست در هر مرحله جزئیاتی که دانشجو باید مورد توجه قرار دهد را به وی گوشزد کنند.
این چک لیست شامل ۱۱۰ شاخص در ۱۵ بخش است.
دانلود چک لیست ارزیابی پایان نامه
دنیای علمی چیزی شبیه صنعت مُد است؛ در یک دوره زمانی یک سری موضوعات مورد توجه فراوان قرار گرفته و تحقیقات زیادی درباره آنها انجام میشود. سپس به تدریج این موضوعات از مُد افتاده و تاپیک‌های جدید جای آنها را می‌گیرند.
پژوهشگران از طریق رصد مجلات پیشرو، جدیدترین روندهای حوزه فعالیت خود را شناسایی کرده و روی آنها مطالعه و تحقیق می‌کنند.
گوگل اسکالر برای شناسایی مجلات پیشرو و مقالات داغ رشته ابزار بسیار مناسبی است؛ از طریق لینک زیر:
مشاهده فهرست مجلات برتر در گوگل اسکالر
مجلات برتر کل رشته‌ها را مشاهده خواهید کرد.
برای انتخاب رشته خود روی گزینه categories کلیک کنید.
سپس برای انتخاب حوزه تخصصی خود در صفحه‌ای که باز میشود گزینه subcategories را انتخاب کنید.
در اینجا شما مجلات پیشرو حوزه تخصصی خود را مشاهده خواهید کرد.
برای مثال ما روی مقوله کسب و کار و مدیریت و زیرمجموعه کارآفرینی و نوآوری را انتخاب کردیم. نتیجه به ترتیب زیر بدست آمد:
مجلات برتر در حوزه کارآفرینی و نوآوری
برای دستیابی به مقالات داغ هر مجله کافی است روی عدد جلوی مجله در ستون h5-index کلیک کنید. داغ‌ترین مقالات پنج سال اخیر مجله به همراه تعداد ارجاعاتی که مقالات دیگر به آن داده‌اند به این ترتیب در دسترس شماست!
بیگ دیتا هم اکنون به یک روند فراگیر جهانی تبدیل شده است. یک محقق حوزه تربیت بدنی که تاثیر عادات حرکتی و فعالیت‌های روزانه را بر پارامترهای جسمانی بررسی می‌کند یا محققی که تخصصش روانشناسی است و موضوع مورد علاقه‌اش ویژگی‌های خلقی انسان‌ها طی چرخه عمر است یا یک استاد خبره که به دنبال ارائه محتوای درسی متناسب با سطح توانایی هر دانشجو است یا یک جامعه شناس که می‌خواهد کشف کند نوجوانانی که قصد خودکشی دارند پیش از این اقدام الگوهای رفتاری‌شان به چه صورتی تغییر کرده است یا مدیر بازاریابی یک شرکت که قصد دارد بهینه‌ترین الگوی تبلیغات دیجیتال را برای اثرگذاری بر مخاطبین متنوع شرکت اجرا کند و بسیاری از تحقیقات دیگر در حوزه‌های مختلف علوم انسانی و اجتماعی، مهندسی و پزشکی به زودی تحت تاثیر بیگ دیتا ( Big Data یا همان کلان‌داده و یا به بیان فرهنگستانی‌اش مَه‌داده) متحول خواهند شد.
بیگ دیتا به مجموعه‌های عظیم داده‌ها گفته میشود که به دلیل پیچیدگی و بزرگ بودن، روش‌ها و نرم‌افزارهای سنتی تجزیه تحلیل و استنتاج از داده‌ها در مورد آنها جوابگو نیست.
این داده‌ها از روش‌های مختلفی چون شبکه‌های اجتماعی، جستجوهای روزانه کاربران و همچنین ابزارهایی چون تلفن‌های همراه، سنسورها و دوربین‌ها جمع آوری می‌شوند.
برای مثال گوشی موبایلی که من دارم داده‌های مربوط به تعداد گام‌هایی که در روز برمی‌دارم و الگوی پیاده‌روی من را در ساعات مختلف ثبت می‌کند. من می‌توانم داده‌های مربوط به خودم را ببینم و روندهای روزانه، هفتگی و ماهانه‌ام را بررسی کنم.
این یک نوع داده ساده و سنتی است. اما وقتی داده‌های من در کنار داده‌های چند میلیون نفر دیگر که کاربر این برنامه کاربردی موبایل هستند قرار می‌گیرد به یکباره با یک مجموعه داده گسترده و پیچیده مواجه خواهیم شد که از دل آن الگوهای بسیار مهمی در زمینه عادات پیاده‌روی استخراج خواهد شد.
حال اگر یک پژوهشگر این مجموعه داده‌ها را در اختیار داشته باشد و آن را در کنار مجموعه داده عظیم دیگری که در مورد اطلاعات پزشکی و سلامت کاربران است قرار دهد می‌تواند به الگوهای ارتباط بین عادات پیاده‌روی و پارامترهای سلامت پی ببرد.
پیش‌بینی میشود که بیگ دیتا تاثیری انقلابی بر تمام حوزه‌های علمی و اجرایی بگذارد. داده‌های بیشتر منجر به تحلیل‌های بهتر و استخراج الگوهای متعددتر خواهند شد.
در تحقیقات سنتی استخراج این الگوها ممکن نبود چرا که نهایتاً ما می‌توانستیم از طریق پرسشنامه و در یک نمونه کوچک داده‌های گسسته و از نظر زمانی محدودی را گردآوری کنیم؛ اما اکنون با مجموعه داده‌هایی مواجه هستیم که در آن اطلاعات ده‌ها میلیون نفر به صورت پیوسته ثبت شده است.
نتایج حاصل از تحلیل بیگ دیتا می‌تواند بسیاری از مدل‌های سنتی تفکر ما را به هم ریزد. برای مثال سال‌هاست که پزشکان سفارش می‌کنند حتما پیاده‌روی روزانه داشته باشیم چون برای سلامتی مفید است. اما فقط تحلیل بیگ دیتای پیاده‌روی و مشکلات حرکتی و عضلانی است که می‌تواند نشان دهد الگوی پیاده‌روی هر کدام از ما (ساعات انجام پیاده‌روی، تعداد گام‌ها و الگوی تناوبی قدم زدن) چگونه باشد که در سنین بالاتر دچار کمترین میزان عوارض عضلانی و آسیب‌های حرکتی شویم.
پاسخ ساده است. تقریبا در اغلب رشته‌ها مطالعات مربوطه شروع شده‌اند. البته هنوز اول راه است و این یعنی فرصت‌های متعددی برای پژوهش اصیل و اثرگذار در دسترس شما قرار دارد.
برای اینکه بدانید در رشته تخصصی شما بیگ دیتا چه می‌تواند انجام دهد کافی است که در گوگل جستجویی ساده انجام دهید. تقریبا با هر حوزه تخصصی که جستجو کنید پژوهش‌ها و گزارش‌های بسیاری جالبی بدست می‌آید:
در مورد روش تحلیل بیگ دیتا هم باید سراغ تکنیک‌هایی چون خوشه‌بندی، بصری‌سازی، مدل‌های همبستگی، الگوهای پیش‌بینی، روش‌های استخراج الگو و سایر تکنیک‌های الگویابی و معنابخشی داده‌ها رفت.
و نهایتاً اینکه در حال حاضر چالش‌های زیادی برای گردآوری و دسترسی به داده‌های کلان و تحلیل و تفسیر آنها وجود دارد. اما چشم‌انداز نتایج بیگ دیتا بسیار جذاب است. به مرور نیز چالش‌های آن که اغلب فنی هستند در طی زمان حل خواهند شد.
درباره این سایت