محتوای فصول مختلف پایان نامه
در این قسمت به صورت کوتاه ساختار هر یک از فصول پایان نامه و مواردی که در هر یک از فصول ۵ گانه پایان نامه باید وجود داشته باشد ذکر شده است.
محتوای فصل اول:
مقدمه (حدود یک پاراگراف)
بیان مساله پژوهش
اهمیت انجام پژوهش و وجه تمایز پژوهش با سایر پژوهش ها ( توجیه لزوم انجام پژوهش)
اهداف پژوهش (آرمانی، اصلی و ویژه )
فرضیات و سوالات پژوهش
دامنه پژوهش
امکانات و محدودیت های پژوهش
تعریف نظری و عملیاتی مفاهیم و متغیر ها
محتوای فصل دوم:
مقدمه ( حدود یک پاراگراف )
بررسی متون، نظریه ها و تاریخچه
بررسی پژوهش های انجام شده در ایران
بررسی پژوهش های انجام شده در سایر کشور های جهان
محتوای فصل سوم:
مقدمه( حداکثر یک پاراگراف )
جامعه پژوهش
نمونه پژوهش ( حجم نمونه، روش نمونه گیری، معیار های انتخاب نمونه )
نوع پژوهش
ابزار پژوهش
تعیین روایی و پایایی ابزار پژوهش
ابزار و روش های گرد آوری داده ها
مکان و زمان انجام پژوهش
روش تحلیل داده ها
ملاحظات اخلاقی
محتوای فصل چهارم:
مقدمه
جداول و نمودارها
پوشش اهداف و پاسخ به سوالات و آزمون فرضیات
محتوای فصل پنجم:
مقدمه
تحلیل یافته ای پژوهش ( در ارتباط با اهداف، فرضیه ها، سوالات پژوهش )
بحث و تفسیر نتایج
استفاده از پژوهش های دیگران برای رد یا حمایت نتایج بدست آمده
تاکید بر جنبه های تازه و مهم پژوهش
پیشنهادات پژوهشگر در ارتباط با نتایج حاصل از پژوهش
پیشنهادات پژوهشگر برای پژوهش های بعدی
در این قسمت به صورت کوتاه ساختار هر یک از فصول پایان نامه و مواردی که در هر یک از فصول ۵ گانه پایان نامه باید وجود داشته باشد ذکر شده است.
محتوای فصل اول:
مقدمه (حدود یک پاراگراف)
بیان مساله پژوهش
اهمیت انجام پژوهش و وجه تمایز پژوهش با سایر پژوهش ها ( توجیه لزوم انجام پژوهش)
اهداف پژوهش (آرمانی، اصلی و ویژه )
فرضیات و سوالات پژوهش
دامنه پژوهش
امکانات و محدودیت های پژوهش
تعریف نظری و عملیاتی مفاهیم و متغیر ها
محتوای فصل دوم:
مقدمه ( حدود یک پاراگراف )
بررسی متون، نظریه ها و تاریخچه
بررسی پژوهش های انجام شده در ایران
بررسی پژوهش های انجام شده در سایر کشور های جهان
محتوای فصل سوم:
مقدمه( حداکثر یک پاراگراف )
جامعه پژوهش
نمونه پژوهش ( حجم نمونه، روش نمونه گیری، معیار های انتخاب نمونه )
نوع پژوهش
ابزار پژوهش
تعیین روایی و پایایی ابزار پژوهش
ابزار و روش های گرد آوری داده ها
مکان و زمان انجام پژوهش
روش تحلیل داده ها
ملاحظات اخلاقی
محتوای فصل چهارم:
مقدمه
جداول و نمودارها
پوشش اهداف و پاسخ به سوالات و آزمون فرضیات
محتوای فصل پنجم:
مقدمه
تحلیل یافته ای پژوهش ( در ارتباط با اهداف، فرضیه ها، سوالات پژوهش )
بحث و تفسیر نتایج
استفاده از پژوهش های دیگران برای رد یا حمایت نتایج بدست آمده
تاکید بر جنبه های تازه و مهم پژوهش
پیشنهادات پژوهشگر در ارتباط با نتایج حاصل از پژوهش
پیشنهادات پژوهشگر برای پژوهش های بعدی
اشتباهات رایج در تعریف مدل در مدل سازی معادلات ساختاری
شاید باید گفت که بخش تعیین مدل یا همان تعریف مدل مهمترین مرحله از مدل سازی معادلات ساختاری محسوب می شود و بسیاری از اشتباهات پژوهشگران داخلی و حتی خارجی در این بخش اتفاق می افتد. در این مقاله بر اساس مقالات برتر در حوزه مدل سازی معادلات ساختاری برخی از اشتباهات رایج بیان می شود. امید وارم که شما پژوهشگران عزیز در مدل های قبلی خود درگیر این خطاها نبوده باشید.
اشتباه اول: مدل مفهومی بعد از جمع آوری داده ها و آرشیو شدن آنها تدوین شود. گاهی اتفاق می افتد که متغیر های تحقیق فرد مشخص است و فرد پیش از تدوین مدل بر اساس ادبیات پژوهشی داده ها را جمع آوری می کند. به همین دلیل شاخص ها به صورت واقع بینانه متغیر ها را اندازه گیری نکرده اند و مدل از واقعیت به دور است.
اشتباه دوم: تعداد ناکافی متغیر های مشاهده گر یا همان سوالات هر سازه از دیگر مشکلات اساسی است. بر اساس منابع معتبر حداقل ۳ سوال برای اندازه گیری هر شاخص باید وجود داشته باشد. برخی ۴ یا ۵ تا را مناسب می دانند که اگر در تحلیل عاملی تاییدی تعدادی از سوالات حذف شد مدل قابل اجرا باشد.
اشتباه سوم: استفاده از متغیر های مشاهده پذیر ناکارا برای اندازه گیری متغیر های پنهان از دیگر اشتباهات رایج است.
اشتباه چهارم: عدم توجه به روابط همبستگی در مدل اندازه گیری بین متغیر های پنهان و روابط علی و معلولی در مدل ساختاری. منظور عدم توجه به ادبیات پژوهشی برای تدوین دو مدل مذکور است. متاسفانه این در تحقیقات کشورمان بسیار رایج است.
اشتباه پنجم : استفاده از اصلاح مدل صرفا برای بهبود برازش مدل، که منجر به پیچیده تر کردن مدل می شود از اشتباهات دیگر است.
اشتباه ششم: افزودن روابط همبستگی بین خطاها بدون در نظر گرفتن ادبیات پژوهشی از اشتباهات بزرگ دیگر در مدل سازی معادلات ساختاری است.
شاید باید گفت که بخش تعیین مدل یا همان تعریف مدل مهمترین مرحله از مدل سازی معادلات ساختاری محسوب می شود و بسیاری از اشتباهات پژوهشگران داخلی و حتی خارجی در این بخش اتفاق می افتد. در این مقاله بر اساس مقالات برتر در حوزه مدل سازی معادلات ساختاری برخی از اشتباهات رایج بیان می شود. امید وارم که شما پژوهشگران عزیز در مدل های قبلی خود درگیر این خطاها نبوده باشید.
اشتباه اول: مدل مفهومی بعد از جمع آوری داده ها و آرشیو شدن آنها تدوین شود. گاهی اتفاق می افتد که متغیر های تحقیق فرد مشخص است و فرد پیش از تدوین مدل بر اساس ادبیات پژوهشی داده ها را جمع آوری می کند. به همین دلیل شاخص ها به صورت واقع بینانه متغیر ها را اندازه گیری نکرده اند و مدل از واقعیت به دور است.
اشتباه دوم: تعداد ناکافی متغیر های مشاهده گر یا همان سوالات هر سازه از دیگر مشکلات اساسی است. بر اساس منابع معتبر حداقل ۳ سوال برای اندازه گیری هر شاخص باید وجود داشته باشد. برخی ۴ یا ۵ تا را مناسب می دانند که اگر در تحلیل عاملی تاییدی تعدادی از سوالات حذف شد مدل قابل اجرا باشد.
اشتباه سوم: استفاده از متغیر های مشاهده پذیر ناکارا برای اندازه گیری متغیر های پنهان از دیگر اشتباهات رایج است.
اشتباه چهارم: عدم توجه به روابط همبستگی در مدل اندازه گیری بین متغیر های پنهان و روابط علی و معلولی در مدل ساختاری. منظور عدم توجه به ادبیات پژوهشی برای تدوین دو مدل مذکور است. متاسفانه این در تحقیقات کشورمان بسیار رایج است.
اشتباه پنجم : استفاده از اصلاح مدل صرفا برای بهبود برازش مدل، که منجر به پیچیده تر کردن مدل می شود از اشتباهات دیگر است.
اشتباه ششم: افزودن روابط همبستگی بین خطاها بدون در نظر گرفتن ادبیات پژوهشی از اشتباهات بزرگ دیگر در مدل سازی معادلات ساختاری است.
تعریف عملیاتی متغیر های تحقیق چیست؟
در پژوهش، بيشتر با اين تعريف سروكار داريم. هدف اصلي از تعريف عملياتي، سهولت در برقراري ارتباط و جلوگيري از تضاد در معاني نزد خوانندگان است. تعريف عملياتي يعني تعريف مفاهيم به شيو ه اي كه پژوهشگر آنها را در عمل اندازه گيري مي كند.اين مفهوم را دانشمندان به گونه هاي متفاوت شرح داده اند. در زير، چند نمونه كه جامع ترين آنها بيان مي شود:
سلسله دستوراتي كه چگونگي انجام تحقيق را جهت تعيين وجود يا درجه ميزان شيء يا پديده اي(كه در مفهومي خلاصه شده) در سطح تجربي بيان كند.
شرح متغيرها، به شيوه اي كه مورد اندازه گيري قرار مي گيرد . مانند هوش و اضطراب كه در نزد افراد مختلف، داراي تعاريف متفاوت است. تعريف عملياتي براي متغيرها و مفاهيمي كه تعريف يكساني از آنها در دسترس نيست، داراي اهميت بيشتري است.
شرح فعاليت هايي كه پژوهشگر براي اندازه گيري يا دستكاري يك متغير انجام مي دهد.
تعريفي كه از طريق آن، مفهوم يا ساخت پديده، با استفاده از اعمالي كه برا ي اندازه گيري آن به كار برده مي شود، تعريف مي گردد. چگونگي يافتن اندازه يك صفت از طريق معرف ها نيز تعريف عملياتي است.
در پژوهش، بيشتر با اين تعريف سروكار داريم. هدف اصلي از تعريف عملياتي، سهولت در برقراري ارتباط و جلوگيري از تضاد در معاني نزد خوانندگان است. تعريف عملياتي يعني تعريف مفاهيم به شيو ه اي كه پژوهشگر آنها را در عمل اندازه گيري مي كند.اين مفهوم را دانشمندان به گونه هاي متفاوت شرح داده اند. در زير، چند نمونه كه جامع ترين آنها بيان مي شود:
سلسله دستوراتي كه چگونگي انجام تحقيق را جهت تعيين وجود يا درجه ميزان شيء يا پديده اي(كه در مفهومي خلاصه شده) در سطح تجربي بيان كند.
شرح متغيرها، به شيوه اي كه مورد اندازه گيري قرار مي گيرد . مانند هوش و اضطراب كه در نزد افراد مختلف، داراي تعاريف متفاوت است. تعريف عملياتي براي متغيرها و مفاهيمي كه تعريف يكساني از آنها در دسترس نيست، داراي اهميت بيشتري است.
شرح فعاليت هايي كه پژوهشگر براي اندازه گيري يا دستكاري يك متغير انجام مي دهد.
تعريفي كه از طريق آن، مفهوم يا ساخت پديده، با استفاده از اعمالي كه برا ي اندازه گيري آن به كار برده مي شود، تعريف مي گردد. چگونگي يافتن اندازه يك صفت از طريق معرف ها نيز تعريف عملياتي است.
سوالات خود را به دایرکت جناب آقای دکتر مرادی 09128117953 ارسال فرمایید تا پاسخ به سوالات به صورت نکات کلیدی در کانال ارایه داده شود
http://s1.upzone.ir/69618/tam-pls.png
👈طرح وزن دهی در Pls:
از این طرح ها برای مشخص کردن نوع ارتباط بین متغییرهای مکنون استفاده می شود.
سه طرح برای تعیین وزن های داخلی وجود دارد. ابتدا ولد، طرح مرکز هندسی را ارایه کرد. بعد از ایشان لومولر،دو طرح وزن دهی عاملی و وزن مسیر را پیشنهاد نمود.
طرح مرکز هندسی برای نشان دادن همبستگی بین یک متغییر مکنون و متغییرهای مکنون مجاورش به کار می رود.
طرح وزن دهی عاملی از همبستگی استفاده می کند و متغییرهای مکنون رابا استفاده از همبستگی برآورد می کند. طرح وزن دهی مسیر جهت گیری پیکان ها را در مدل مسیری مورد توجه قرار می دهد. در این طرح برآورد متغییرهای مکنون با استفاده از رگرسیون و همبستگی بسته به جهت فلش ها تعیین می شود.
هر چند به نظر می رسد طرح وزن دهی مسیر انسجام بیشتری با جهت روابط ساختاری بین متغییرهای مکنون دارد اما از آنجا که طرح مرکز هندسی در مواردی که متغییرهای مشاهده شده در یک بلوک همبستگی قوی با یکدیگر دارند سازگاری خوبی از خود نشان می دهد بیشتر به کار می رود. طرح وزن دهی عاملی در مواردی بهتر جواب می دهد که این همبستگی ضعیف باشد. به رغم شیوه های متفاوت پیشنهاد می شود از طرح وزن دهی مسیر استفاده نمایید زیرا تنها طرح وزنی است که به طور صریح جهت روابط علی بین متغییرهای درونزا و برونزا را مورد توجه قرار می دهد.
@analysisacademy
👈طرح وزن دهی در Pls:
از این طرح ها برای مشخص کردن نوع ارتباط بین متغییرهای مکنون استفاده می شود.
سه طرح برای تعیین وزن های داخلی وجود دارد. ابتدا ولد، طرح مرکز هندسی را ارایه کرد. بعد از ایشان لومولر،دو طرح وزن دهی عاملی و وزن مسیر را پیشنهاد نمود.
طرح مرکز هندسی برای نشان دادن همبستگی بین یک متغییر مکنون و متغییرهای مکنون مجاورش به کار می رود.
طرح وزن دهی عاملی از همبستگی استفاده می کند و متغییرهای مکنون رابا استفاده از همبستگی برآورد می کند. طرح وزن دهی مسیر جهت گیری پیکان ها را در مدل مسیری مورد توجه قرار می دهد. در این طرح برآورد متغییرهای مکنون با استفاده از رگرسیون و همبستگی بسته به جهت فلش ها تعیین می شود.
هر چند به نظر می رسد طرح وزن دهی مسیر انسجام بیشتری با جهت روابط ساختاری بین متغییرهای مکنون دارد اما از آنجا که طرح مرکز هندسی در مواردی که متغییرهای مشاهده شده در یک بلوک همبستگی قوی با یکدیگر دارند سازگاری خوبی از خود نشان می دهد بیشتر به کار می رود. طرح وزن دهی عاملی در مواردی بهتر جواب می دهد که این همبستگی ضعیف باشد. به رغم شیوه های متفاوت پیشنهاد می شود از طرح وزن دهی مسیر استفاده نمایید زیرا تنها طرح وزنی است که به طور صریح جهت روابط علی بین متغییرهای درونزا و برونزا را مورد توجه قرار می دهد.
@analysisacademy
@analysisacademy
آشنایی با منطق فازی بخش اول
مفاهيم نادقيق بسياري در پيرامون ما وجود دارند که آنها را به صورت روزمره در قالب عبارتهاي مختلف بيان مي کنيم. به اين جمله دقت کنيد " هوا خوب است." هيچ کميتي براي خوب بودن هوا مطرح نيست تا آن را اندازه بگيريم بلکه اين يک حس کيفي است. در واقع مغز انسان با در نظر گرفتن عوامل گوناگون و بر پايه تفکر استنتاجي جملات را تعريف و ارزش گذاري مي نمايد که الگوبندي آنها به زبان و فرمولهاي رياضي اگر غير ممکن نباشد کاري بسيار پيچيده خواهد بود. منطق فازي فناوري جديدي است که شيوه هايي را که براي طراحي و مدل سازي يک سيستم نيازمند رياضيات پيچيده و پيشرفته است، با استفاده از مقادير زباني و دانش فرد خبره جايگزين مي سازد.
اگر از ما پرسیده شود منطق فازي چیست شاید ساده ترین پاسخ بر اساس شنیده ها این باشد که یک نوع منطق است که روش هاي نتیجه گیري در مغز بشر را جایگزین می کند .مفهوم منطق Fuzzy Theory یا فازي توسط دکتر لطفی زاده ، پروفسور دانشگاه کالیفورنیا در برکلی، ارائه گردید و نه تنهابه عنوان متدولوژي کنترل ارائه شد بلکه راهی براي پردازش داده ها، بر مبناي مجاز کردن عضویت گروهی کوچک به جاي عضویت گروهی دسته اي ارائه کرد .به جهت نارسا ونا بسنده بودن قابلیت کامپیوتر هاي ابتدایی تا دهه 70 این تئوري در سیستم هاي کنترلی به کار برده نشد.
پروفسور لطفی زاده اینطور استدلال کرد که بشر به ورودیهاي اطلاعاتی دقیق نیازي ندارد بلکه قادر است تا کنترل تطبیقی را به صورت بالایی انجام دهد.پس اگر ماکنترل کننده هاي فیدبک را در سیستم ها طوري طراحی کنیم که بتواند داده هاي مبهم را دریافت کند، این داده ها میتوانند به طور ساده تر و موثرتري در اجرا به کار برده شوند .
درست مثل کاري که در هنگام دوش گرفتن انجام می دهیم: در صورتی که آب خیلی سرد یا خیلی گرم باشد بدون اینکه از درجه دقیق آب اطلاعی داشته باشیم تنها بر اساس پردازش انجام شده در مغز به کمک دریافت دماي هوا از طریق حسگرهاي پوست با کمی سختی کشیدن آب را به سرعت به دماي دلخواه در می آوریم یا آنکهمیتوانیم در یک اتاق به اشیاءگوناگونی نگاه کنیم وتصمیم بگیریم کدامیک بیشتر شبیه صندلی است ویا به مردم نگاه کرده و بگوییم کدامیک شبیه جان وین ویا کدامیک بیشتر شبیه گاندي است.
منطق فازي قادر به تقلید اینگونه رفتارها اما با سرعت بسیار بالایی است.از طرفی باید به این نکته هم توجه کنیم که تمامی سیستم هاي طبقه بندي ساخته ذهن انسان هستند و برچسب درست تا زمانی به یک سیستم طبقه بندي نسبت داده میشود که سیستم کنترلی دیگر آن را رد نکند مثلا در تئوري نسبیت دیگر درست نیست بگوییم زمین دور خورشید میگردد پس خورشید هم دور زمین می گردد! یا به عنوان مثال دیگر، کشف موجودي عجیب در استرالیا که پلاتی پوس نامیده می شودو بر خلاف پستانداران دیگر همانند خزندگان تخم میگذارد و جوجه هاي جوان را شیر می دهد! با این تعاریف می توان گفت که منطق فازي یک تکنولوژي کنترلی بسیار قدرتمند است که به جاي ساختن یک حصار در اطراف یک طبقه بندي سعی دارد آن را به گونه اي توصیف کند که به ایده نزدیک تر است.
در جهان واقعيات، بسياري از مفاهيم را آدمي به صورت فازي ) fuzzy به معناي غير دقيق، ناواضح، و مبهم درک مي کند و به کار مي بندد. هر چند کلمات و مفاهيمي همچون گرم، سرد، بلند، کوتاه، پير، جوان، و نظائر اينها به عدد خاص و دقيقي اشاره ندارند، ذهن انسان با سرعت و با انعطاف پذيري شگفت آوري همه را مي فهمد و در تصميمات و نتيجه گيريهاي خود به حساب مي گيرد. اين، در حاليست که ماشين فقط اعداد را ميفهمد و اهل دقّت است. اهداف شيوه هاي نو در علوم کامپيوتر آنست که اولا رمز و راز اينگونه تواناييها را از انسان بياموزد و سپس آنها را تا حد امکان به ماشين ياد بدهد. جهت شروع، بايد به ايجاد و ابداع منطقي تازه و نو دست بزنيم که آن همانا منطق فازي است. در منطق قديم فقط دو حالت داريم سفيد و سياه، آري و خير، روشن و تاريک، يک و صفر، و درست و غلط. قوانين علمي گذشته، مثل رياضيّات، فيزيک و مکانيک نيوتوني، همه براساس اينگونه منطق استوار گرديده اند. پر واضح است که ذهن ما با منطقي ديگر کارهايش را انجام مي دهد و تصميماتش را اتخاذ مي کند.
نکته مهم این است که ما در زندگی روزمره بارها از منطق فازی استفاده می كنيم. واقعيت اين است كه دنيای صفر و يك، دنيايی انتزاعی و خيالی است. به ندرت پيش می آيد موضوعی صددرصد درست يا صددرصد نادرست باشد؛ زيرا در دنيای واقعی در بسياری از مواقع، همه چيز منظم و مرتب سرجايش نيست. منطق فازی جهان بينی بديع و واقع گرايانه ای است كه به اصلاح شالوده منطق علمی و ذهنی بشر كمك شايانی كرده است.
@analysisacademy
Www.analysisacademy.com
http://s1.upzone.ir/69634/images_-1-.png
آشنایی با منطق فازی بخش اول
مفاهيم نادقيق بسياري در پيرامون ما وجود دارند که آنها را به صورت روزمره در قالب عبارتهاي مختلف بيان مي کنيم. به اين جمله دقت کنيد " هوا خوب است." هيچ کميتي براي خوب بودن هوا مطرح نيست تا آن را اندازه بگيريم بلکه اين يک حس کيفي است. در واقع مغز انسان با در نظر گرفتن عوامل گوناگون و بر پايه تفکر استنتاجي جملات را تعريف و ارزش گذاري مي نمايد که الگوبندي آنها به زبان و فرمولهاي رياضي اگر غير ممکن نباشد کاري بسيار پيچيده خواهد بود. منطق فازي فناوري جديدي است که شيوه هايي را که براي طراحي و مدل سازي يک سيستم نيازمند رياضيات پيچيده و پيشرفته است، با استفاده از مقادير زباني و دانش فرد خبره جايگزين مي سازد.
اگر از ما پرسیده شود منطق فازي چیست شاید ساده ترین پاسخ بر اساس شنیده ها این باشد که یک نوع منطق است که روش هاي نتیجه گیري در مغز بشر را جایگزین می کند .مفهوم منطق Fuzzy Theory یا فازي توسط دکتر لطفی زاده ، پروفسور دانشگاه کالیفورنیا در برکلی، ارائه گردید و نه تنهابه عنوان متدولوژي کنترل ارائه شد بلکه راهی براي پردازش داده ها، بر مبناي مجاز کردن عضویت گروهی کوچک به جاي عضویت گروهی دسته اي ارائه کرد .به جهت نارسا ونا بسنده بودن قابلیت کامپیوتر هاي ابتدایی تا دهه 70 این تئوري در سیستم هاي کنترلی به کار برده نشد.
پروفسور لطفی زاده اینطور استدلال کرد که بشر به ورودیهاي اطلاعاتی دقیق نیازي ندارد بلکه قادر است تا کنترل تطبیقی را به صورت بالایی انجام دهد.پس اگر ماکنترل کننده هاي فیدبک را در سیستم ها طوري طراحی کنیم که بتواند داده هاي مبهم را دریافت کند، این داده ها میتوانند به طور ساده تر و موثرتري در اجرا به کار برده شوند .
درست مثل کاري که در هنگام دوش گرفتن انجام می دهیم: در صورتی که آب خیلی سرد یا خیلی گرم باشد بدون اینکه از درجه دقیق آب اطلاعی داشته باشیم تنها بر اساس پردازش انجام شده در مغز به کمک دریافت دماي هوا از طریق حسگرهاي پوست با کمی سختی کشیدن آب را به سرعت به دماي دلخواه در می آوریم یا آنکهمیتوانیم در یک اتاق به اشیاءگوناگونی نگاه کنیم وتصمیم بگیریم کدامیک بیشتر شبیه صندلی است ویا به مردم نگاه کرده و بگوییم کدامیک شبیه جان وین ویا کدامیک بیشتر شبیه گاندي است.
منطق فازي قادر به تقلید اینگونه رفتارها اما با سرعت بسیار بالایی است.از طرفی باید به این نکته هم توجه کنیم که تمامی سیستم هاي طبقه بندي ساخته ذهن انسان هستند و برچسب درست تا زمانی به یک سیستم طبقه بندي نسبت داده میشود که سیستم کنترلی دیگر آن را رد نکند مثلا در تئوري نسبیت دیگر درست نیست بگوییم زمین دور خورشید میگردد پس خورشید هم دور زمین می گردد! یا به عنوان مثال دیگر، کشف موجودي عجیب در استرالیا که پلاتی پوس نامیده می شودو بر خلاف پستانداران دیگر همانند خزندگان تخم میگذارد و جوجه هاي جوان را شیر می دهد! با این تعاریف می توان گفت که منطق فازي یک تکنولوژي کنترلی بسیار قدرتمند است که به جاي ساختن یک حصار در اطراف یک طبقه بندي سعی دارد آن را به گونه اي توصیف کند که به ایده نزدیک تر است.
در جهان واقعيات، بسياري از مفاهيم را آدمي به صورت فازي ) fuzzy به معناي غير دقيق، ناواضح، و مبهم درک مي کند و به کار مي بندد. هر چند کلمات و مفاهيمي همچون گرم، سرد، بلند، کوتاه، پير، جوان، و نظائر اينها به عدد خاص و دقيقي اشاره ندارند، ذهن انسان با سرعت و با انعطاف پذيري شگفت آوري همه را مي فهمد و در تصميمات و نتيجه گيريهاي خود به حساب مي گيرد. اين، در حاليست که ماشين فقط اعداد را ميفهمد و اهل دقّت است. اهداف شيوه هاي نو در علوم کامپيوتر آنست که اولا رمز و راز اينگونه تواناييها را از انسان بياموزد و سپس آنها را تا حد امکان به ماشين ياد بدهد. جهت شروع، بايد به ايجاد و ابداع منطقي تازه و نو دست بزنيم که آن همانا منطق فازي است. در منطق قديم فقط دو حالت داريم سفيد و سياه، آري و خير، روشن و تاريک، يک و صفر، و درست و غلط. قوانين علمي گذشته، مثل رياضيّات، فيزيک و مکانيک نيوتوني، همه براساس اينگونه منطق استوار گرديده اند. پر واضح است که ذهن ما با منطقي ديگر کارهايش را انجام مي دهد و تصميماتش را اتخاذ مي کند.
نکته مهم این است که ما در زندگی روزمره بارها از منطق فازی استفاده می كنيم. واقعيت اين است كه دنيای صفر و يك، دنيايی انتزاعی و خيالی است. به ندرت پيش می آيد موضوعی صددرصد درست يا صددرصد نادرست باشد؛ زيرا در دنيای واقعی در بسياری از مواقع، همه چيز منظم و مرتب سرجايش نيست. منطق فازی جهان بينی بديع و واقع گرايانه ای است كه به اصلاح شالوده منطق علمی و ذهنی بشر كمك شايانی كرده است.
@analysisacademy
Www.analysisacademy.com
http://s1.upzone.ir/69634/images_-1-.png
شاخص چولگی میزان تقارن یک توزیع را اندازه گیری می کند و بین ۳ و ۳- تغییر می کند و شاخص کشیدگی نمایانگر میزان تفاوت پاسخگویان از توزیع نرمال می باشد و بین ۵ و ۵- تغییر می کند.
@analysisacademy
@analysisacademy
http://s1.upzone.ir/70485/slide_6.jpg
@analysisacademy
محاسبه ضرائب همبستگی جزیی
با توجه به پیچیده بودن تحلیل روابط بین متغیرها، اغلب اوقات از دید پژوهشگران پنهان می ماند و ممکن است در تحلیل در نظر گرفته شود. برای رفع چنین مشکلی، دستوری به نام Partial correlation در نرم افزارSPSS تعریف شده است که به همبستگی جزئی )تفکیکی(معروف است. همبستگی جزئی، نوعی همبستگی است که ضمن محاسبه میزان رابطه خطی بین دو متغیر، اثر سایر متغیرها را کنترل میکنند. در واقع، ضریب همبستگی تفکیکی، نوعی کنترل آماری است که از طریق آن میتوان اثر یک یا چند متغیر را کنترل کرد. این ضریب، میزان همبستگی بین یک متغیر مستقل با متغیر وابسته را، پس از حذف میزان همبستگی این دو متغیر با یک یا چند متغیر مستقل دیگر، نشان میدهد.
دستور العمل Partial correlation به محاسبه ضرائب همبستگی جزیی می پردازد که رابطه خطی بین دو متغییر را همزمان با کنترل تأثیرات یک یا چند متغیر دیگر شرح می دهد. تمام متغیرها باید کمی( Scale ) باشند.
Analyze > Correlate > Partial
@analysisacademy
محاسبه ضرائب همبستگی جزیی
با توجه به پیچیده بودن تحلیل روابط بین متغیرها، اغلب اوقات از دید پژوهشگران پنهان می ماند و ممکن است در تحلیل در نظر گرفته شود. برای رفع چنین مشکلی، دستوری به نام Partial correlation در نرم افزارSPSS تعریف شده است که به همبستگی جزئی )تفکیکی(معروف است. همبستگی جزئی، نوعی همبستگی است که ضمن محاسبه میزان رابطه خطی بین دو متغیر، اثر سایر متغیرها را کنترل میکنند. در واقع، ضریب همبستگی تفکیکی، نوعی کنترل آماری است که از طریق آن میتوان اثر یک یا چند متغیر را کنترل کرد. این ضریب، میزان همبستگی بین یک متغیر مستقل با متغیر وابسته را، پس از حذف میزان همبستگی این دو متغیر با یک یا چند متغیر مستقل دیگر، نشان میدهد.
دستور العمل Partial correlation به محاسبه ضرائب همبستگی جزیی می پردازد که رابطه خطی بین دو متغییر را همزمان با کنترل تأثیرات یک یا چند متغیر دیگر شرح می دهد. تمام متغیرها باید کمی( Scale ) باشند.
Analyze > Correlate > Partial
http://s1.upzone.ir/70501/topic-15-correlation-spss-13-728.jpg
@analysisacademy
دستورالعمل Bivariate Correlations رابطه های جفتی متغییرها را محاسبه نموده و نتایج را در یک ماتریس نشان می دهد. این قابلیت spss برای تعیین توان و جهت رابطه بین متغیرهای کمی و ترتیبی Scale و Ordinal به کار میرود.
@analysisacademy
دستورالعمل Bivariate Correlations رابطه های جفتی متغییرها را محاسبه نموده و نتایج را در یک ماتریس نشان می دهد. این قابلیت spss برای تعیین توان و جهت رابطه بین متغیرهای کمی و ترتیبی Scale و Ordinal به کار میرود.
http://s1.upzone.ir/70546/slide_2.jpg
@analysisacademy
www.analysisacademy.com
نمودار پرا کنش یا scatter plot
در مطالعه رابطه بین دو متغیر ، اولین قدم رسم داده ها به صورت نقاطی بر روی یک صفحه نمودار است . شکل حاصل که نمودار پراکنش نامیده می شود ، چگونگی خوشه ایی شدن نقاط در اطراف یک خط مستقیم یا یک نوع منحنی مشخص را نشان می دهد و نیز برداشتی عینی از میزان پراکندگی دادها پیرامون خط یا منحنی را فراهم می کند در بیشتر موقعیتها رابطه نظری پیشین معلومی وجود ندارد که ان را به کار ببریم ، بنابرین ، اطلاعات منعکس شده در نمودار پراکنش برای جستجو یک مدل ریاضی مناسب مفید است .در بسیاری از موقعیتها ، رسم نمودار پراکنش نشان می دهد که یک رابطه ، هر چند وجود دارد ، ولی از خطی بودن دور است .
رسم نمودار پرا کنش در رگرسیون اهمیت زیادی دارد و بین دو مجموعه داده استفاده می شود تا نوع رابطه بین دو داده را حدس بزنیم در حقيقت حدس مي زند که يک رابطه به شکل يک خط بين دو متغير وجود دارد و سپس به جمع آوري اطلاعات کمي از دو متغير مي پردازد و اين داده ها را به صورت نقاطي در يک نمودار دو بعدي رسم مي کند. اين نمودار که به آن نمودار پراکندگي [scatter plot] گفته مي شود نقش بسيار مهمي را در تحليل هاي رگرسيوني و نمايش ارتباط بين متغيرها ايفا مي کند.
در صورتي که نمودار نشان دهنده اين باشد که داده ها تقريباً (نه لزوماً دقيق) در امتداد يک خط مستقيم پراکنده شده اند، حدس تحليل گر تأييد شده . و اين ارتباط خطي به صورت زير نمايش داده مي شود:
y = a x + b
که در آن a عرض از مبدأ و b شيب اين خط است.
@analysisacademy
www.analysisacademy.com
نمودار پرا کنش یا scatter plot
در مطالعه رابطه بین دو متغیر ، اولین قدم رسم داده ها به صورت نقاطی بر روی یک صفحه نمودار است . شکل حاصل که نمودار پراکنش نامیده می شود ، چگونگی خوشه ایی شدن نقاط در اطراف یک خط مستقیم یا یک نوع منحنی مشخص را نشان می دهد و نیز برداشتی عینی از میزان پراکندگی دادها پیرامون خط یا منحنی را فراهم می کند در بیشتر موقعیتها رابطه نظری پیشین معلومی وجود ندارد که ان را به کار ببریم ، بنابرین ، اطلاعات منعکس شده در نمودار پراکنش برای جستجو یک مدل ریاضی مناسب مفید است .در بسیاری از موقعیتها ، رسم نمودار پراکنش نشان می دهد که یک رابطه ، هر چند وجود دارد ، ولی از خطی بودن دور است .
رسم نمودار پرا کنش در رگرسیون اهمیت زیادی دارد و بین دو مجموعه داده استفاده می شود تا نوع رابطه بین دو داده را حدس بزنیم در حقيقت حدس مي زند که يک رابطه به شکل يک خط بين دو متغير وجود دارد و سپس به جمع آوري اطلاعات کمي از دو متغير مي پردازد و اين داده ها را به صورت نقاطي در يک نمودار دو بعدي رسم مي کند. اين نمودار که به آن نمودار پراکندگي [scatter plot] گفته مي شود نقش بسيار مهمي را در تحليل هاي رگرسيوني و نمايش ارتباط بين متغيرها ايفا مي کند.
در صورتي که نمودار نشان دهنده اين باشد که داده ها تقريباً (نه لزوماً دقيق) در امتداد يک خط مستقيم پراکنده شده اند، حدس تحليل گر تأييد شده . و اين ارتباط خطي به صورت زير نمايش داده مي شود:
y = a x + b
که در آن a عرض از مبدأ و b شيب اين خط است.
@analysisacademy
http://analysisacademy.com/wp-content/uploads/2016/10/literature-review-1-7282.jpg
پیشینه تحقیق در مطالعات کیفی
مرور پیشینه تحقیق، باید دانش شما را نسبت به مطالب مربوط به موضوع و حوزه های مرتبط با آن نشان دهد. پیشینه تحقیق باید چیزی بیش از یک خلاصه صرف از مطالب مرتبط باشد. این قسمت باید دربرگیرنده قضاوت تحلیلی و انتقادی خود شما نیز باشد. مرور پیشینه تحقیق، زمینه را برای موضوع تحقیق شما فراهم می کند و اساس تحقیق را بر تحقیق های پیشین استوار می سازد. باید بدانید در بیشتر رشته های حوزه تجارت و مدیریت، مقاله هایی که در مجله های دانشگاهی دارای رتبه بالا چاپ می شوند، نسبت به مقاله هایی که در همایش و کتاب ها چاپ می شوند، تاثیر بیشتری دارند. بنابراین شما باید مطالب خود را توسط کارشناسان و صاحب نظران برجسته بیان کنید که در مجله های دانشگاهی معتبر مقاله چاپ می کنند.
اگر قصد دارید از نظریه داده بنیاد استفاده کنید، برخی از نظریه پردازان برجسته معتقدند محقق باید بررسی پیشینه تحقیق را مدتی به تعویق بیندازد و آن را پس از جمع آوری داده و تحلیل آن شروع کند با وجود این توصیه به بررسی نکردن زود هنگام پیشینه تحقیق بیشتر به آن دلیل است که محقق در هنگام تحلیل داده های خود پذیرای ایده های جدید باشد.
به عبارت دیپر هنگامی که در تجزیه و تحلیل داده های خود از نظریه داده بنیاد استفاده می کنید، ایده این است که کدها، دسته بندی ها و مضامین شما باید حاصل تجزیه و تحلیل های خودتان باشد، نه خواندن زودهنگام پیشینه کارهای مشابه که این کار مخالف هدف یک نظریه داده بنیاد است. از این رو اگر می خواهید از روش نظریه داده بنیاد استفاده کنید میزان جامع بودن پیشینه تحقیق به شما و استاد راهنمایتان بستگی دارد. با وجود این نظر کلی این است که باید کمی پیشینه تحقیق وجود داشته باشد تا بتوان موضوع و پرسش های تحقیق را به طور واضح تعریف کرد؛ حتی اگر این به اندازه بررسی های مرحله های بعد جامع نباشد.
http://analysisacademy.com/wp-content/uploads/2016/10/literature-review-1-7282.jpg
پیشینه تحقیق در مطالعات کیفی
مرور پیشینه تحقیق، باید دانش شما را نسبت به مطالب مربوط به موضوع و حوزه های مرتبط با آن نشان دهد. پیشینه تحقیق باید چیزی بیش از یک خلاصه صرف از مطالب مرتبط باشد. این قسمت باید دربرگیرنده قضاوت تحلیلی و انتقادی خود شما نیز باشد. مرور پیشینه تحقیق، زمینه را برای موضوع تحقیق شما فراهم می کند و اساس تحقیق را بر تحقیق های پیشین استوار می سازد. باید بدانید در بیشتر رشته های حوزه تجارت و مدیریت، مقاله هایی که در مجله های دانشگاهی دارای رتبه بالا چاپ می شوند، نسبت به مقاله هایی که در همایش و کتاب ها چاپ می شوند، تاثیر بیشتری دارند. بنابراین شما باید مطالب خود را توسط کارشناسان و صاحب نظران برجسته بیان کنید که در مجله های دانشگاهی معتبر مقاله چاپ می کنند.
اگر قصد دارید از نظریه داده بنیاد استفاده کنید، برخی از نظریه پردازان برجسته معتقدند محقق باید بررسی پیشینه تحقیق را مدتی به تعویق بیندازد و آن را پس از جمع آوری داده و تحلیل آن شروع کند با وجود این توصیه به بررسی نکردن زود هنگام پیشینه تحقیق بیشتر به آن دلیل است که محقق در هنگام تحلیل داده های خود پذیرای ایده های جدید باشد.
به عبارت دیپر هنگامی که در تجزیه و تحلیل داده های خود از نظریه داده بنیاد استفاده می کنید، ایده این است که کدها، دسته بندی ها و مضامین شما باید حاصل تجزیه و تحلیل های خودتان باشد، نه خواندن زودهنگام پیشینه کارهای مشابه که این کار مخالف هدف یک نظریه داده بنیاد است. از این رو اگر می خواهید از روش نظریه داده بنیاد استفاده کنید میزان جامع بودن پیشینه تحقیق به شما و استاد راهنمایتان بستگی دارد. با وجود این نظر کلی این است که باید کمی پیشینه تحقیق وجود داشته باشد تا بتوان موضوع و پرسش های تحقیق را به طور واضح تعریف کرد؛ حتی اگر این به اندازه بررسی های مرحله های بعد جامع نباشد.
