środki dyskretne to środki, które nie wymagają od badacza ingerencji w kontekst badawczy. Bezpośrednia i uczestnicząca obserwacja wymaga fizycznej obecności badacza. Może to prowadzić respondentów do zmiany ich zachowania, aby dobrze wyglądać w oczach badacza. Kwestionariusz jest przerwą w naturalnym strumieniu zachowań. Respondenci mogą zmęczyć się wypełnianiem ankiety lub mieć pretensje do zadawanych pytań.
dyskretny pomiar prawdopodobnie zmniejsza uprzedzenia wynikające z wtargnięcia badacza lub instrumentu pomiarowego. Jednak dyskretne środki zmniejszają stopień, w jakim badacz ma kontrolę nad rodzajem gromadzonych danych. W przypadku niektórych konstrukcji mogą po prostu nie być dostępne żadne dyskretne środki.
omówiono tu trzy rodzaje dyskretnych pomiarów.
środki pośrednie
środek pośredni to dyskretny środek, który występuje naturalnie w kontekście badań. Badacz jest w stanie zebrać dane bez wprowadzania formalnej procedury pomiarowej.
rodzaje środków pośrednich, które mogą być dostępne, są ograniczone jedynie wyobraźnią i pomysłowością badacza. Na przykład, załóżmy, że chcesz zmierzyć popularność różnych eksponatów w Muzeum. Możliwe, że istnieje możliwość stworzenia pewnego rodzaju mechanicznego systemu pomiarowego, który jest niewidoczny dla patronów Muzeum. W jednym z badań system był prosty. Muzeum zainstalowało nowe płytki podłogowe przed każdym eksponatem, na którym chciało dokonać pomiaru, a po pewnym czasie zmierzyło zużycie płytek jako pośrednią miarę ruchu i zainteresowania patronów. Być może uda nam się znacznie poprawić to podejście przy użyciu środków elektronicznych. Możemy na przykład skonstruować urządzenie elektryczne, które wyczuwa ruch przed eksponatem. Albo możemy umieścić Ukryte kamery i zakodować zainteresowanie patronami na podstawie nagranych dowodów.
jeden z moich ulubionych pośrednich środków wystąpił w badaniu preferencji słuchania stacji radiowych. Zamiast przeprowadzać natrętne ankiety lub wywiad na temat ulubionych stacji radiowych, naukowcy udali się do lokalnych dealerów samochodowych i garaży i sprawdzili wszystkie samochody, które były serwisowane, aby zobaczyć, do jakiej stacji Radio było obecnie dostrojone. W podobny sposób, jeśli chcesz poznać preferencje dotyczące magazynów, możesz grzebać w śmieciach ze swojej próbki lub nawet organizować recykling magazynów od drzwi do drzwi.
te przykłady ilustrują jeden z najważniejszych punktów dotyczących miar pośrednich – trzeba bardzo uważać na etykę tego typu pomiarów. W sposób pośredni, z definicji, zbierasz informacje bez wiedzy respondenta. Czyniąc to, możesz naruszać ich prawo do Prywatności i na pewno nie korzystasz z świadomej zgody. Oczywiście niektóre rodzaje informacji mogą być publiczne i dlatego nie wiążą się z naruszeniem prywatności.
czasem może się zdarzyć, że środek pośredni będzie odpowiedni, łatwo dostępny i etyczny. Podobnie jak w przypadku wszystkich pomiarów, należy jednak mieć pewność, aby spróbować oszacować wiarygodność i ważność środków. Na przykład zbieranie preferencji stacji radiowych w dwóch różnych okresach czasu i korelowanie wyników może być przydatne do oceny niezawodności testu. Lub możesz włączyć środek pośredni wraz z innymi bezpośrednimi środkami tego samego konstruktu (być może w badaniu pilotażowym), aby pomóc w ustaleniu ważności konstruktu.
analiza treści
analiza treści to analiza dokumentów tekstowych. Analiza może być ilościowa, jakościowa lub jedno i drugie. Zazwyczaj głównym celem analizy treści jest identyfikacja wzorców w tekście. Analiza treści jest niezwykle szerokim obszarem badań. Obejmuje ona:
- Analiza tematyczna tekstu. Identyfikacja tematów lub głównych pomysłów w dokumencie lub zbiorze dokumentów. Dokumentami mogą być wszelkiego rodzaju teksty, w tym notatki terenowe, artykuły prasowe, dokumenty techniczne lub notatki organizacyjne.
- indeksowanie. Istnieje wiele różnych zautomatyzowanych metod szybkiego indeksowania dokumentów tekstowych. Na przykład analiza słów kluczowych w kontekście (KWIC) to komputerowa analiza danych tekstowych. Program komputerowy skanuje tekst i indeksuje wszystkie słowa kluczowe. Słowo kluczowe to dowolny termin w tekście, który nie jest zawarty w słowniku WYJĄTKÓW. Zazwyczaj można skonfigurować słownik wyjątków, który zawiera wszystkie nieistotne słowa, takie jak „jest”, „i” I „of”. Wszystkie słowa kluczowe są ułożone alfabetycznie i są wymienione z tekstem poprzedzającym i następującym po nim, dzięki czemu badacz może zobaczyć słowo w kontekście, w którym wystąpiło w tekście. Na przykład w analizie tekstu wywiadu można łatwo zidentyfikować wszystkie zastosowania terminu „nadużycie” i kontekst, w którym zostały użyte.
- ilościowa analiza opisowa. Tutaj celem jest ilościowe opisanie cech tekstu. Na przykład możesz dowiedzieć się, które słowa lub wyrażenia były najczęściej używane w tekście. Ponownie, ten rodzaj analizy jest najczęściej wykonywane bezpośrednio z programów komputerowych.
analiza treści ma kilka problemów, o których należy pamiętać. Po pierwsze, jesteś ograniczony do rodzajów informacji dostępnych w formie tekstowej. Jeśli studiujesz sposób, w jaki wiadomości są obsługiwane przez media informacyjne, prawdopodobnie będziesz miał gotową populację wiadomości, z których możesz spróbować. Jeśli jednak jesteś zainteresowany studiowaniem poglądów ludzi na temat kary śmierci, mniej prawdopodobne jest, że znajdziesz archiwum dokumentów tekstowych, które byłyby odpowiednie. Po drugie, musisz być szczególnie ostrożny z próbkowaniem, aby uniknąć stronniczości. Na przykład, badanie aktualnych badań nad metodami leczenia raka może wykorzystywać opublikowaną literaturę jako populację. Pominiełoby to zarówno pisanie o raku, które nie zostało opublikowane z tego czy innego powodu, jak i najnowsze prace, które nie zostały jeszcze opublikowane. Na koniec trzeba uważać na interpretację wyników automatycznych analiz treści. Program komputerowy nie może określić, co ktoś miał na myśli przez termin lub frazę. Stosunkowo łatwo jest w dużej analizie błędnie zinterpretować wynik, ponieważ nie wzięto pod uwagę subtelności znaczenia.
jednak analiza treści ma tę zaletę, że jest dyskretna i, w zależności od tego, czy istnieją zautomatyzowane metody, może być stosunkowo szybką metodą analizy dużych ilości tekstu.
wtórna Analiza danych
wtórna analiza, podobnie jak analiza treści, wykorzystuje już istniejące źródła danych. Jednak analiza wtórna zazwyczaj odnosi się do ponownej analizy danych ilościowych, a nie tekstu.
we współczesnym świecie istnieje niewiarygodna masa danych, które są rutynowo gromadzone przez rządy, firmy, szkoły i inne organizacje. Wiele z tych informacji jest przechowywanych w elektronicznych bazach danych, do których można uzyskać dostęp i przeanalizować. Ponadto wiele projektów badawczych przechowuje swoje surowe dane w formie elektronicznej w archiwach komputerowych, dzięki czemu inne mogą również analizować dane. Wśród danych dostępnych do analizy wtórnej jest:
- dane census bureau
- rekordy przestępczości
- standardowe dane testowe
- dane ekonomiczne
- dane konsumenckie
Analiza wtórna często obejmuje łączenie informacji z wielu baz danych w celu zbadania pytań badawczych. Na przykład możesz połączyć dane o przestępstwach z informacjami ze spisu, aby ocenić wzorce zachowań przestępczych według lokalizacji geograficznej i grupy.
Analiza wtórna ma kilka zalet. Po pierwsze, jest wydajny. Korzysta z danych, które zostały już zebrane przez kogoś innego. Jest to naukowy odpowiednik recyklingu. Po drugie, często pozwala znacznie rozszerzyć zakres studiów. W przypadku wielu małych projektów badawczych nie jest możliwe wzięcie pod uwagę próby krajowej ze względu na związane z tym koszty. Wiele zarchiwizowanych baz danych ma już zasięg krajowy, a dzięki ich wykorzystaniu można wykorzystać stosunkowo niewielki budżet do znacznie szerszego badania niż w przypadku samodzielnego zbierania danych.
jednak analiza wtórna nie jest bez trudności. Często nie jest rzeczą trywialną dostęp do danych i łączenie ich z dużych złożonych baz danych. Często badacz musi przyjąć założenia, jakie dane połączyć i które zmienne są odpowiednio agregowane w indeksy. Co ważniejsze, gdy korzystasz z danych zebranych przez innych, często nie wiesz, jakie problemy wystąpiły w oryginalnym gromadzeniu danych. Duże, dobrze finansowane badania krajowe są zazwyczaj dokumentowane dość dokładnie, ale nawet szczegółowa dokumentacja procedur często nie zastępuje bezpośredniego gromadzenia danych.
jednym z najważniejszych i najmniej wykorzystywanych celów analizy wtórnej jest powielanie wcześniejszych wyników badań. W każdej oryginalnej analizie danych istnieje możliwość wystąpienia błędów. Ponadto każdy analityk danych ma tendencję do podejścia do analizy z własnej perspektywy za pomocą narzędzi analitycznych, które znają. W większości badań dane są analizowane tylko raz przez oryginalny zespół badawczy. To straszna strata. Dane, które mogły zająć miesiące lub lata, są analizowane tylko raz w stosunkowo krótkim czasie i z perspektywy jednego analityka. W badaniach społecznych Zwykle wykonujemy straszną pracę dokumentowania i archiwizowania danych z poszczególnych badań i udostępniania ich w formie elektronicznej innym do ponownej analizy. I mamy tendencję do niedużego uznania dla badań, które są ponownymi analizami. Niemniej jednak, w naukach twardych tradycja powtarzalności wyników jest krytyczna i my w stosowanych naukach społecznych może skorzystać poprzez kierowanie więcej naszych wysiłków do wtórnej analizy istniejących danych.
