نگارش پیش پروپوزال کارشناسی ارشد و دکتری
پیش پروپوزال
یک سند کوتاه علمی و تخصصی است که اطلاعات مختصری را در مورد یک پروژه آکادمیک یا تجاری در اختیار مخاطبان قرار می‌دهد. پیش پروپوزال(Pre-Proposal)، طی سال‌های اخیر به یکی از اسناد ضروری برای بسیاری از پروژه‌های دانشگاهی و صنعتی تبدیل شده است. ضرورت نگارش پیش پروپوزال از این جهت است که شخص با ارائه توضیحاتی مختصر و متقاعد‌کننده در یک قالب استاندارد بتواند اجرایی بودن یک پروژه را به مخاطبان نشان داده و آنان را برای مطالعه سایر اسناد مرتبط مانند پروپوزال، پایان‌نامه یا طرح توجیهی ترغیب نماید.
لازم به ذکر است پیش پروپوزال با عنوان‌های دیگری مانند مقاله سفید(White Paper) وهدف‌نامه‌(LOI  یا Letter of Intent) نیز شناخته می‌شود. بر اساس تعریف ارائه شده توسط دانشگاه استنفورد یک مقاله سفید(White Paper) گزارشی رسمی و تخصصی است که مشکلی را شناسایی کرده و راه حلی قابل انجام برای آن ارائه می‌دهد. دلیل اختصاص واژه White Paper یا مقاله سفید به مفهوم پیش پروپوزال به این دلیل بوده است که در فرهنگ بروکراسی و دولتی آمریکا، رنگ های مختلف در برخی از فرم‌ها یا سربرگ‌های دولتی نشان‌دهنده میزان اهمیت، نوع مخاطب و محتوای درون فرم است و برگه سفید رنگ به معنای محتوای غیرمحرمانه و عمومی است.
برای مثال در فرآیند ویزا و مصاحبه سفارت آمریکا سه فرم با رنگهای مختلف وجود دارد که هر یک مفهوم خاصی را برای فرد مصاحبه‌شونده و درخواست‌کننده ویزا آمریکا خواهد داشت. در صورتی که بعد از مصاحبه، شخص درخواست‌کننده ویزا نتواند مامور سفارتخانه(Officer) را متقاعد کند، یک برگه سفید رنگ از طرف وی دریافت خواهد کرد که نشان‌دهنده ریجکت شدن پرونده وی خواهد بود. اما اگر یک برگه زرد رنگ از طرف مامور سفارتخانه(Officer) دریافت کند بدین معنا است که احتمال گرفتن ویزا از طرف سفارت 70 درصد خواهد بود و پرونده وی نیاز به بررسی بیشتر دارد و اگر یک برگه صورتی رنگ دریافت کند به معنای این است که احتمال گرفتن ویزا برای شخص درخواست کننده بالای 99 درصد است. بنابراین همانطور که بیان کردیم برخی از مفاهیم فرهنگی در آمریکا در نام‌گذاری مراحل و فرآیند‌های مختلف تاثیر‌گذار است.
نام دیگری که به مفهوم پیش پروپوزال اختصاص داده شده، هدف‌نامه‌(LOI  یا Letter of Intent) است که در آن هدف از نگارش شفاف‌سازی یک‌سری از مفاهیم و دست پیدا کردن به یک توافق مشترک بین دو یا سه نفر یا گروهی از افراد است. بنابراین همان‌طور که مفاهیم پیش پروپوزال، White Paper و (LOI (Letter of Intent نشان می‌دهند، دلیل اصلی از ارائه و نگارش پیش پروپوزال، شناسایی یک مشکل خاص و پیشنهاد راه حلی برای برطرف کردن آن است، با تاکید بر این موضوع که بتواند نظر مخاطبان را جلب کرده و توافقی جامع بین نویسنده پیش پروپوزال و مخاطب آن ایجاد کند. برای نگارش پیش پروپوزال استانداردهای مشخصی وجود دارد که در بخش‌های مختلف دانشگاهی و تجاری قالب‌های استاندارد و مشخصی از طرف سازمان مربوطه برای آن ارائه می‌شود. به همین منظور در ادامه بخش‌های مختلفی که در پیش پروپوزال‌ها مشترک بوده و در تمامی آنها وجود دارد بیشتر صحبت خواهیم کرد تا بتوانیم یک قالب کلی برای نگارش در اختیار مخاطبان عزیز قرار دهیم. 

 

اما پیش از اینکه به بخش‌بندی یک پیش پروپوزال بپردازیم، باید اصول اولیه نگارش یک پیش پروپوزال استاندارد را بیان کنیم. موضوع اول محدودیت در تعداد صفحات پیش پروپوزال است که حتما باید توسط نگارنده مورد توجه قرار بگیرد. با توجه به اینکه پیش پروپوزال یک سند کوتاه و مختصر در مورد یک موضوع خاص است، باید محتوا و مطالب آن در تعداد محدودی کلمه و صفحه تدوین شود. تعداد صفحات استاندارد برای پیش پروپوزال معمولا 6 صفحه است که یک صفحه به خلاصه موضوع(Synopsis) اختصاص پیدا می‌کند، 4 صفحه به تشریح ابعاد مختلف موضوع و ارائه راه حل که با عنوان شرح پروژه(Project Description) شناخته می‌شود و یک صفحه به مباحث مالی و بودجه‌بندی(Budget Overview) اختصاص داده می‌شود. یکی دیگر از مواردی که می بایست در زمان نگارش پیش پروپوزال رعایت شود، تعداد کلمات مربوط به هر یک از بخش‌های بیان شده است. به طور معمول تعداد کلمات تعیین شده برای بخش خلاصه موضوع(Synopsis) باید در حدود 1000 کلمه باشد و برای بخش‌های Project Description و Budget Overview نیز به ترتیب 6000 و 1000 کلمه میزان استاندارد خواهد بود.
پس از رعایت اصول اولیه مربوط به انجام پیش پروپوزال حال نوبت به بخش‌بندی و ارائه یک فرمت کلی برای ارائه پیش پروپوزال می‌رسد که در ادامه در مورد بخش‌های مختلف آن توضیحات مختصری را ارائه خواهیم کرد.
خلاصه موضوع‌(Synopsis): در این بخش معمولا خلاصه اجرایی از پروژه بیان شده و در آن ابعاد مختلف مشکل یا موضوع شرح داده می‌شود. این بخش در فرآیند انجام پیش پروپوزال ترکیبی از مقدمه و ادبیات موضوع را شکل می‌دهد که در آن مسئله تحقیق بیان شده و ابعاد آن بر اساس کلیدواژه‌های مشخص شده، تبیین می‌گردند. همان‌طور که پیشتر بیان کردیم این بخش از فرآیند نگارش پیش پروپوزال محدودیت‌های محتوایی نیز دارد و مفاهیم موجود می‌بایست در محدوده 1000 کلمه‌ای خلاصه و ارائه شوند. در صورتی که این پروژه با همکاری موسسات و سازمانهای دیگری پیاده‌سازی می‌شود، سعی کنید در بخش خلاصه موضوع‌(Synopsis) معرفی مختصری از این سازمان‌ها و نقش آن‌ها در پروژه را قرار دهید. توجه داشته باشید که این بخش از پیش پروپوزال اولین و مهم‌ترین بخش برای جذب مخاطب و قانع کردن سرمایه‌گذاران خواهد بود، بنابراین باید محتوای آن را کاملا رسمی, علمی، جذاب و متقاعد‌کننده نگارش کنید.

نگارش پیش پروپوزال کارشناسی ارشد و دکتری

شرح پروژه‌(Project Description): این بخش از پیش پروپوزال کامل‌ترین و اصلی‌ترین بخش از معرفی یک موضوع یا پروژه را به خودش اختصاص می‌دهد. بدین معنا که شما در بخش قبلی یک مشکل، موضوع یا پروژه‌ای را معرفی کرده‌اید و حال در قسمت شرح پروژه‌(Project Description) سعی دارید یک راه حل برای مشکل، یک روش تحقیق برای موضوع یا فرآیند اجرایی برای پروژه معرفی و ارائه نمایید. در این بخش باید مزیت‌ها و دلیل انجام پروژه، نحوه پیاده‌سازی آن، هدف از اجرای پروژه، سیستم اندازه‌گیری پیشرفت پروژه (PMS)، روش تحقیق، متخصصان و تیم عملیاتی به دقت تبیین گردند. بسیاری از کارشناسان باور دارند که این بخش از پیش پروپوزال می‌بایست مبتنی بر خواسته‌ها و نیازهای سرمایه‌گذاران، مخاطبان و مدیران پروژه نگارش شود، بدین معنا که توجیه اقتصادی و سرمایه‌ای پروژه در این بخش مدنظر قرار بگیرد. در بخش شرح پروژه در فرآیند نگارش پیش پروپوزال معمولا فرضیات و برنامه کاری با زمان‌بندی دقیق ارائه شده و تیم متخصص، ناظر و عملیاتی پروژه معرفی می‌شوند. بخش شرح پروژه‌(Project Description) در پیش پروپوزال دانشگاهی به پیشینه پژوهش و ارائه روش تحقیق قابل اندازه‌گیری اختصاص می‌یابد. توجه داشته باشید که در پیش پروپوزال موضوعی و خصوصا تجاری اهداف کوتاه مدت، میان مدت و بلند مدت با برنامه عملیاتی و سیستم اندازه‌گیری پیشرفت پروژه(PMS) همخوانی داشته باشد. چرا که وجود مغایرت در این بخش از پیش پروپوزال نشان از عدم هماهنگی در پروژه بوده و برای سرمایه‌گذاران به معنای شکست خواهد بود.
بودجه بندی‌(Budget Overview): این بخش از نگارش پیش پروپوزال در تصمیم نهایی مخاطب برای پذیرش پروژه و سرمایه‌گذاری نقش بسزایی خواهد داشت چرا که در نهایت میزان سود حاصل از اجرایی شدن پروژه در مقابل هزینه‌های عملیاتی آن را ارائه می‌نماید. در صورتی که اشخاص دیگری در پروژه شما همکاری دارند یک ردیف بودجه جداگانه به آن‌ها اختصاص بدهید و سعی کنید تمام اطلاعات داخل جدول به یک واحد ارزی و یک استاندارد عددی تهیه شده باشند. در زمان نگارش پیش پروپوزال برای هر ردیف بودجه یک توضیح مختصر ارائه کرده و مراحل هزینه کرد آن را تشریح نمایید. در پیش پروپوزال تجاری و صنعتی ممکن است شخص سرمایه‌گذار تمام هزینه‌های پروژه را تامین نکند و در این صورت پژوهشگر باید بتواند هزینه نهایی پروژه را محاسبه کرده و سایر منابع مالی در دسترس را نیز در پیش پروپوزال ارائه نماید. لازم به ذکر است که در زمان ارائه جدول بودجه‌بندی پروژه سعی کنید یک جدول زمان‌بندی و مرحله برای پروژه ارائه نمایید تا سیستم اندازه‌گیری پیشرفت پروژه(PMS) را تسهیل کنید.
آزمون ایلتس - آزمون تافل

انواع آزمونهای آماری

آزمون های T :

آزمون T به منظور دستیابی به اینکه آیا تفاوت بین میانگین های دو گروه از نظر آماری معنی دار هست یا نه مورد استفاده قرارمی گیرد. چنانچه گروه ها همبسته باشند باید از آزمون T همبسته و در صورتی که گروه ها مستقل باشند باید از آزمون T مستقل استفاده کرد. آزمون T همبسته : این روش زمانی مورد استفاده قرار می گیرد که دو موضوع یا متغیر در مورد یک گروه موردبررسی قرار می گیرد. مانند نمونه: میزان تمایل به خشونت قبل و بعد از اکران فیلم خشن برای گروهی از دانش آموزان.

آزمون Tمستقل : این آزمون زمانی مورد استفاده قرار می گیرد که بخواهیم میانگین بین دو گروه از افراد، که از همدیگر متفاوت هستند را مقایسه کنیم. مانند نمونه: مقایسه میانگین تفاوت در میزان گرایش به دینداری بین زنان و مردان .

تحلیل واریانس (ANOVA ) :
تحلیل واریانس که به آن ANOVA یا F نیز می گویند، یکی از تکنیک های آماری موثر و پرکاربرد در تحقیقات اقتصادی،اجتماعی، علوم تربیتی، روانشناسی، مدیریت و حتی کشاورزی، بیولوژی و غیره است. زمانی که محقق بخواهد به بررسی تفاوت میانگین های بیش از دو جامعه بپردازد، بکارگیری آزمون هایی همچون T امکانپذیر نخواهد بود. برای این منظور در اینگونه تحقیقات از روش تحلیل واریانس یا آزمون F استفاده می گردد. تحلیل واریانس در واقع روشی برای آزمایش تفاوت بین گروه های مختلف داده ها یا نمونه هاست. این روش کل واریانس موجود در یک مجموعه از داده ها را به دو بخش تقسیم می کند. بخشی ازاین واریانس ممکن است به خاطر شانس و تصادف باشد و بخش دیگر ممکن است ناشی از دلایل یا عوامل خاصی باشد. از طرف دیگر واریانس موجود ممکن است ناشی از تفاوت بین گروه های مورد مطالعه و یا بخاطر تفاوت موجود در درون نمونه ها حادث شده باشد. بنابر این ANOVA به عنوان یک روش تحلیل، با بررسی مجموع این تفاوت ها به تبیین پدیده مورد نظر می پردازد. ازطریق این گونه تحلیل هاست که محقق می تواند بررسی کند که آیا بین درآمد گروه های مختلف شغلی تفاوت معنی داری وجوددارد یا نه؟ تحلیل واریانس یک طرفه : این آزمون زمانی مورد استفاده قرار می گیرد که بخواهیم میانگین سه گروه یا بیشتر را مورد مقایسه قرار دهیم. مثال: بررسی میزان رضایت از زندگی در بین اقوام مختلف ایران. تحلیل واریانس دو طرفه : اگر محقق بخواهد تنها یک متغیر (مانند درآمد) را انتخاب کند و بخواهد تفاوت بین طبقات یا گروه های مختلف را بررسی کند در این صورت از تحلیل واریانس یک طرفه استفاده می کند. اما اگر بخواهد اثر دو عامل را بر روی یک متغیر وابسته بررسی کند باید از تحلیل واریانس دوطرفه استفاده می شود. مثال: یک موسسه آموزشی میزان یادگیری فراگیران را بر اساس روش های مختلف آموزشی و حجم تکلیف تعیین شده برای فراگیران طبقه بندی می کند. سپس می خواهد بداند که آیا تفاوت در میزان یادگیری در روش آموزش کلاسی با آموزش انفرادی در حجم تکلیف کم به مراتب کمتر از حجم تکلیف زیاد است؟ تحلیل واریانس برای گروه های همبسته : این آزمون زمانی مورد استفاده قرار می گیرد که تنها یک گروه وجود دارد و چندین آزمون بر روی آنها اعمال می شود. مثال: بررسی مقایسه نمره دانش آموزان یک کلاس در 3 روش تدریس درس ریاضی .

تحلیل واریانس چند متغیره (MANOVA ) :
تحلیل واریانس چند متغیره (MANOVA ) نیز مانند تحلیل واریانس (ANOVA ) با بررسی تفاوت بین گروه ها سر و کار دارد. با این تفاوت که تحلیل واریانس یک روش یک متغیره بوده و سعی می کند تا از این طریق به سنجش تفاوت گروه ها بر اساس یک متغیر وابسته کمی بپردازد .در حالی که تحلیل واریانس چند متغیره با بیش از یک متغیر وابسته سر و کار داشته و سعی می کند تا به بررسی و سنجش تفاوت گروه ها بر اساس چندین متغیر وابسته کمی به طور همزمان بپردازد. به عبارت دقیق تر هر گاه محقق به جای یک متغیر وابسته با چندین متغیر وابسته مواجه شود برای آزمون تفاوت بین گروه ها از روش F تست استفاده می کند، به طوری که با تکرار آزمون در هر مرحله تنها یک متغیر وابسته مورد بررسی قرار می گیرد و این تکرار تا زمانی ادامه پیدا می کند که کلیه متغیرهای وابسته به طور جداگانه مورد آزمون قرار گیرند. اشکال وارده بر روش T تست در خصوص مقایسه دو به دو میانگین گروه ها در مواقعی که بیش از دو گروه وجود دارد، در این شیوه نیز قابل مشاهده است .زمانی که بیش از یک متغیر وابسته وجود داشته باشد ممکن است همبستگی و ترکیب خطی متغیرهای فوق روابط و نتایج جدیدی را به وجود آورند که در استفاده از تحلیل واریانس یک متغیره (ANOVA ) راه حل مناسبی به نظر نمی رسد. برای حل این مشکل باید از تحلیل واریانس چند متغیره (MANOVA ) استفاده کرد .

آزمون Post Hoc :
پس از این که، این نتیجه حاصل شد که بردارهای میانگین گروه ها با هم برابر نیستند ممکن است محقق درصدد باشد تا مقایسه های دیگری را نیز در بین گروه ها انجام دهد. به عنوان مثال ممکن است فردی بخواهد بداند که آیا تفاوتی بین گروه ها در یک متغیر وابسته خاص یا متغیر ترکیبی وجود دارد یا خیر؟ برای این کار آماره مقایسه مقید شفه بین گروه ها، دانکن و توکی براساس هر یک از متغیر های وابسته، از جمله مقایسه هایی است که انجام می گیرد. بجز این تکنیک ها، روش های دیگری نیز وجود دارند که یکی از آنها تحلیل گام به پیش (Step-down analysis ) می باشد . این روش با حذف اثرات سایر متغیرهای وابسته آماری F یک متغیره، برای یک متغیر وابسته محاسبه می کند .فرآیند محاسبه آن شباهت زیادی به روش گام به گام در رگرسیون دارد. اما در اینجا، این موضوع بررسی می شود که آیا یک متغیر وابسته خاص، به صورت یکسان در تفاوت بین گروه ها نقش ایفا می کند و این ارتباط با سایر متغیر ها ناهمبسته است یا خیر. این فرآیند از طریق مقایسه مقید هلمرت نیز امکانپذیر است. روش دیگر در این زمینه توابع تشخیصی، به ویژه اولین تابع تشخیصی است. این تکنیک مشخص می کند که کدامیک از متغیرها بهتر تفاوت بین گروه ها را نشان می دهد .

 تحلیل کوواریانس (ANCOVA ) و تحلیل کوواریانس چند متغیره (MANCOVA ):

 در هر تحلیل واریانس یک متغیره (ANOVA ) متغیرهای مستقل کمی، می توانند به عنوان متغیرهای کمکی در تحلیل در نظر گرفته شوند. در این صورت اینگونه طرح ها، به عنوان طرح تحلیل کوواریانس نامیده می شود. تحلیل کوواریانس زمانی قابل استفاده است که در آن متغیر وابسته کمی و چند متغیر مستقل کمی و کیفی وجود داشته باشد. در این گونه طرح ها به متغیر مستقل کمی اصطلاح متغیر کمکی (Covariate ) و به متغیر مستقل کیفی اصطلاح عامل (Factor ) اطلاق می شود .متغیرهای کمکی پارامتری یا کمی نوعاً در طرح های تجربی و مطالعه پیمایشی به منظور حذف و از بین بردن اثرات خارجی برمتغیر وابسته و افزایش دقت اندازه گیری مورد استفاده قرار می گیرد. در این نوع بررسی ها روشی شبیه رگرسیون خطی برای رفع اختلاف در متغیر وابسته مرتبط با یک یا چند متغیر کمکی به کار گرفته می شود و سپس یک تحلیل واریانس (ANOVA ) بر روی متغیر وابسته تعدیل شده انجام می گیرد. یک متغیر کمکی موثر در تحلیل کوواریانس (ANCOVA ) متغیری است که همبستگی بالایی با متغیر وابسته داشته، اما همبستگی با متغیر مستقل نداشته باشد. در اینجا واریانس متغیر وابسته، پایه ای را برای خطا در تحلیل واریانس تشکیل می دهد. اگر متغیر کمکی وجود داشته باشد که با متغیر وابسته همبستگی داشته باشد، میتوان از طریق تحلیل رگرسیون بخشی از واریانس را تبیین کرد و تنها واریانس باقی مانده، در متغیر وابسته باقی می ماند .این واریانس باقیمانده، تنها خطی کمی را برای آماره F باقی می گذارد. استفاده از متغیر کوواریانس (ANCOVA ) شرایطی دارد که می توان آن را به شرح ذیل خلاصه کرد: 1 زمانی که یک یا چند متغیر خارجی مزاحم وجود دارد که در متغیر وابسته اثر می -گذارد. 2 این متغیر مزاحم قابل اندازه گیری در مقیاس فاصله ای یا نسبی باشد. 3 بین متغیر یا متغیرهای مزاحم و متغیرهای - -وابسته رابطه وجود داشته باشد. 4 کنترل تجربی متغیرهای مزاحم خارجی امکان پذیر نباشد. اگر در این شرایط قرار نباشد تعدیلی -که در متغیر وابسته از طریق کنترل عوامل مزاحم بدست می آید درنظر گرفته شود، نتیجه به دست آمده صحیح نخواهد بود زیرابرخی اثرات قابل استناد، از متغیر وابسته حذف خواهد شد .تحلیل چند متغیره تحلیل کواریانس چند متغیره (MANCOVA ) ،بسط یافته اصول تحلیل کوواریانس (ANCOVA ) به تحلیل چند متغیره است .

رگرسیون :

ضریب همبستگی که برای کشف وجود یا عدم وجود رابطه بین دو یا چند متغیر بکار می رود از جمله روش های تحلیل است کهعلاوه بر تعیین شدت و ضعف رابطه بین دو متغیر، جهت روابط را نیز نشان می دهد. اما این روش قادر به بیان روابط علی بینمتغیر ها نبوده و نمی تواند مدعی باشد که کدام یک از متغیر ها علت و کدام یک معلول دیگری است. همچنین امکان پیش بینییک متغیر از طریق یا متغیر های دیگر وجود ندارد. به همین دلیل برای تحلیل های پیشرفته تر و پیش بینی دو متغیر وابسته درصورت تغییر در متغیر یا متغیر های مستقل باید از روشهای دیگری نظیر تحلیل رگرسیون استفاده کرد .

رگرسیون ساده :

 اگر بخواهیم تنها با توجه به یک متغیر مستقل، تغییرات متغیر وابسته را پیش بینی کنیم از دستور رگرسیون ساده استفاده می کنیم. مثال: آیا بین ساعات مطالعه و نمره دانشجو رابطه وجود دارد؟

رگرسیون چندگانه :

زمانی که دنبال این مسئله باشیم که کدام یک از متغیر های مستقل برای پیش بینی متغیر وابسته سودمندتر وقوی تر است از طریق تحلیل رگرسیون چندگانه (Multiple Regression ) محاسبه می شود.روش رگرسیون چندگانه (Enter ):اگر به دنبال اثرات کلیه متغیر های مستقل بر وابسته باشیم و تمامی آنها را همزمان وارد تحلیل کنیم از رگرسیون به شیوه Enter استفاده می کنیم. روش رگرسیون چندگانه گام به گام (StepwiseMethod ): روشی است که در آن قوی ترین متغیر ها یک به یک وارد معادله می شوند و این کار تا زمانی که خطای آزمون معنی داری به 5 درصد برسد ادامه می یابد .

 روش رگرسیون چندگانه پس حذف رو (Backward Elimination Method ):

 در این روش نیز مانند روش اینتر ابتدا کلیه متغیر های مستقل وارد معادله شده و اثر کلیه متغیر ها بر روی متغیر وابسته سنجیدهمی شود. اما در این روش به مرور متغیر های ضعیف تر، یکی پس از دیگری از معادله خارج می شوند تا زمانی که خطای آزمونمعناداری به ده درصد برسد.

روش رگرسیون پیشرو (Forward Method ): این روش نیز شبیه روش گام به گام است .

رگرسیون لجستیک :

در صورتی که متغیر وابسته از نوع اسمی دو وجهی باشد بجای استفاده از رگرسیون چندگانه باید از رگرسیون لوجستیک استفاده شود. در این روش بر اساس متغیر های مستقل مورد استفاده می توان احتمال هر یک از سطوح متغیر دو وجهی وابسته را محاسبه کرد .

آلفا کرونباخ :

پایایی ابزار های سنجش در پژوهش های اجتماعی یکی از مهم ترین موضوعات روش شناختی است چرا که بدون آن نمی توان به نتایج مطالعات تجربی اعتماد کافی داشت. هماهنگی درونی بین آیتم ها و ضریب آلفای کرونباخ که بر پایه آن قرار دارد از عمومی ترین شیوه های بررسی پایایی ابزار های سنجش است . آلفای کرونباخ برای ابزارهای تک بعدی مناسب است و در صورت چند بعدی بودن ابزار باید برای هر بعد به نحو جداگانه به محاسبه این ضریب دست زد. این ضریب در علوم مختلف بویژه علوم انسانی و پزشکی برای سنجش پایایی ابزارهای مختلف سنجش نگرش و یا آزمون های آموزشی و سنجش دانش دارای کاربرد فراوان است .
ویژگی های مختلف ضریب آلفای کرونباخ به لحاظ روش شناختی و هم چنین به لحاظ تکنیکی شامل موارد زیر است :
1- این ضریب بر پایه هماهنگی درونی گویه ها با یکدیگر قرار دارد .
2- این ضریب تابع دو متغیر "تعداد آیتم های ابزار" و "متوسط ضریب همبستگی بین آیتم ها" است .
3- در عمل، مقدار آن از حداقل منفی بی نهایت تا حداکثر 1+ تغییر می کند .
4- این فرمول کاربرد گسترده ای دارد و می توان از آن در سنجش پایایی آزمون های آماری شناختی دو گزینه ای تا مقیاس های سنجش نگرش چند گزینه ای بهره برد .

در صورت برخورد کردن با یک ضریب منفی برای آلفای کرونباخ باید به موارد زیر توجه کرد :
1- اولین چیزی که باید چک شود این است که آیا در کد گذاری داده ها اشتباهی رخ داده است یا خیر؟
2- خطای نمونه گیری در نمونه های کم باعث ایجاد یک کوواریانس منفی در یک نمونه خاص شده است .
3- محقق در تهیه گویه هایی که پدیده یکسانی را اندازه گیری می کنند دچار اشتباه شده باشد و گویه های تعریف شده واقعا دارای کوواریانس منفی باشند و بنابراین مجموعه گویه ها تشکیل دهنده مقیاس منفردی که پدیده یکسانی را بسنجند، نیستند . دراستفاده از این ضریب باید به برخی نکات مهم توجه شود:پایین بودن ضریب را نباید دلیل کافی برای ناپایا بودن ابزار سنجش تلقی کرد.بالا بودن ضریب به معنای مناسب بودن ابزار طراحی شده به لحاظ نظری نبوده است.از آنجا که نه بالا بودن ضریب آلفا ضرورتا به معنای پایایی مطلوب و نه پایین بودن آن ضرورتا به معنای ضعف پایایی واقعی ابزار سنجش است، می توان گفت استفاده از تحلیل نظری و کیفی در کنار استفاده از تکنیک های کمی نظیر ضریب آلفای کرونباخ ضرورت دارد .

تحلیل مسیر :

تکنیک تحلیل مسیر از جمله تکنیکهای چند متغیره می باشد که علاوه بر بررسی اثرات مستقیم متغیرهای مستقل بر متغیر وابسته، اثرات غیر مستقیم این متغیرها را نیز مد نظر قرار می دهد و روابط بین متغیرها را مطابق با واقعیتهای موجود، در تحلیل وارد می کند. اهمیت و ارجحیت تحلیل مسیر در مقایسه با تحلیل همبستگی در این است که تحلیل مسیر امکان سنجش اثرات نسبی هر متغیر مقدم یا توضیحی بر متغیرهای بعدی یا وابسته را ابتدا از طریق مشخص کردن مفروضات مربوط به روابط علی و بعد از طریق تعیین اثرات غیرمستقیم متغیرهای مستقل یا توضیحی فراهم می-کند . به قول مارش: آنچه در کار استنباط علی بین محقق و تجربه گرایی لگام گریخته حایل می-شود همین مدل-سازی است، زیرا محقق را به نظریه-پردازی روشن و دقیق وا می دارد. مدل علی حاصل از تحقیق، در یک دیاگرام مسیر به نمایش درمی آید. دیاگرام مسیر برای بیان تصویری روابط بین متغیرهای مورد نظر در تحلیل مسیر بکار می رود .

تحلیل تشخیصی چندگانه :

تحلیل تشخیصی از جمله روشهای تفکیکی است که تلاش می کند تا با بهره گیری از برخی متغیر های مستقل، افراد گروه ها را که داده های آنها به صورت اسمی یا ترتیبی است به بهترین وجه از هم تفکیک کند و نهایتا متغیرها هایی که به طور مناسب گروه ها را از هم تفکیک می کنند مشخص کند. این روش شباهت ها و تفاوت هایی از نظر کاربرد و تحلیل داده ها با سایر روش های چند متغیره دارد. تحلیل تشخیصی زمانی به عنوان یک روش موثر مورد استفاده قرار می گیرد که محقق بخواهد تفاوت های موجود بین گروه ها را تشخیص دهد و یا اینکه در صدد باشد افراد یا واحد های مورد مطالعه را به گروه ها یا طبقات تقسیم کند . بنابر این روش تحلیل تشخیصی زمانی مفید می باشد که یک متغیر گروه بندی شده (کیفی) و چندین متغیر مستقل کمی وجود داشته باشد .
در چنین مواردی تحلیل رگرسیون مناسب به نظر نمی رسد. زیرا در تحلیل رگرسیون متغیر وابسته باید به صورت کمی باشد. بنابر این تحلیل تشخیصی چندگانه زمانی روش مناسب به حساب می آید که در آن متغیر گروه بندی در دو یا چند گروه طبقه بندی شده باشد و محقق بخواهد ارتباط آن را با تعدادی متغیر مستقل که به صورت کمی هستند بررسی کند. به عنوان مثال اگر محقق بخواهد ارتباط انتخاب یک اولویت مانند الف و ب را در رابطه با درآمد، سن، تحصیلات و غیره بررسی کند باید از تحلیل تشخیصی چندگانه استفاده کند .
در صورتی که تنها دو گروه مورد بررسی قرار گیرند به طور ساده از مفهوم تحلیل تشخیصی و چنانچه سه گروه یا بیشتر مورد مطالعه قرار گیرند از تحلیل تشخیصی چندگانه استفاده می شود. تحلیل تشخیصی ترکیب دو یا چند متغیر مستقل را که به بهترین وجه تفاوت بین گروه ها را تبیین می کند نشان می دهد. این موضوع از طریق حداکثر کردن واریانس بین گروه ها نسبت به واریانس درون گروه ها بر مبنای یک قاعده تصمیم گیری آماری انجام می گیرد که به صورت نسبت واریانس بین گروه ها به واریانس درون گروه هاست .

آزمون خی دو (کای اسکویر):

آزمون خی دو یکی از آزمون های غیر پارامتریک است که آن را با علامت نمایش می دهند. این آزمون توسط فیشر ارائه شده است تا به سنجش آماری معنی داری تفاوت بین فراوانیهای مشاهده شده و فراوانی های مورد انتظار بدست آمده از یک جامعه بپردازد. این آزمون نشان می دهد که آیا تفاوت موجود بین مقادیر فوق از نظر آماری معنی دار است یا این تفاوت عمدتا بر اساس شانس می باشد. در محاسبه خی دو فرض می شود که بین دو متغیر مورد بررسی (x و y ) ارتباط معنی داری وجود ندارد . 5 باشد می توان قضاوت کرد که به / اما پس از محاسبه این آزمون از طریق نرم افزار چنانچه سطح معنی داری کوچکتر از 55 احتمال 55 درصد بین دو متغیر رابطه وجود دارد. در این صورت فرض صفر که بر عدم وجود رابطه تاکید می کند رد می شود. اما 5باشد در این صورت می توان ادعا کرد که به احتمال 55 درصد بین دو متغیر / اگر سطح معنی داری محاسبه شده کوچکتر از 51 رابطه وجود دارد .
فرمول خی دو به صورت زیر است :
در این معادله = شاخص خی دو = فراوانی مشاهده شده = فراونی مورد انتظار
شرایط استفاده از آزمون خی دو برای استفاده از آزموی خی شرایط زیر لازم است :
1- داده های مشاهده شده باید به صورت تصادفی گردآوری شده باشند .2- کلیه موارد موجود در نمونه باید مستقل از هم باشند .
3- حتی الامکان هیچ یک از خانه های جدول نباید کمتر از 15 باشد .

ضریب همبستگی چوپروف :

ضریب همبستگی چوپروف که آن را با T نمایش می دهند به منظور تعیین شدت وابستگی بین متغیرهای مورد مطالعه به کار گرفته می شود و مقدار آن همواره بین صفر و یک در نوسان می باشد. این آزمون زمانیکه هر دو متغیر اسمی باشند و یا یکی اسمی و دیگری ترتیبی باشد مورد استفاده قرار می گیرد اما نباید سطر و ستون با هم برابر باشند .

ضریب همسبتگی فی :

2× ضریب همسبتگی فی به منظور بررسی شدت همبستگی بین دو متغیر اسمی که به صورت دو وجهی و در قالب جدول توافقی 2 می باشد مورد استفاده قرار می گیرد. به همین دلیل در اینگونه موارد به جای استفاده از خی دو باید از ضریب همبستگی فی استفاده شود. تفاوت ضریب همبستگی فی با خی دو در این است که خی دو سطح معنی دار بودن همبستگی بین متغییر ها را تعیین می کند، در حالی که ضریب فی شدت همبستگی خی دو را نشان می دهد. ضریب همبستگی فی نیز مانند خی دو مورد تفسیر قرار می گیرد و مقدار آن نیز همواره بین صفر و یک در نوسان است .

ضریب همبستگی توافق پیرسون :

این ضریب که آن را با C نشان می دهند میزان همبستگی بین دو متغیر اسمی، که به صورت توافقی تنظیم شده اند را محاسبه می 2 باشد. هر چه مقدار این ضریب بزرگتر باشد × کند و این شاخص زمانی به کار می رود که خانه های جدول توافقی بیشتر از 2 درجه همبستگی متغیرها با هم بیشتر خواهد بود و افزایش مقدار این ضریب بستگی به تعداد طبقات آن دارد .

ضریب کرامر :

این ضریب برای تعیین میزان شدت همبستگی بین دو متغیر اسمی مورد استفاده قرار می گیرد و آن را با علامت نمایش می دهند که مقدار آن همواره بین صفر و یک در نوسان است. این ضریب در مقایسه با سایر ضرایب انعطاف بیشتری دارد. بطوری که هم 2 و هم برای جداول مستطیلی به کار می رود × برای جداول توافقی بیشتر از 2 .

ضریب همبستگی رتبه ای کندال :

شاخص های کندال حالت تقارن دارد. به این معنا که متغیرها قرینه بوده و برای محقق مهم نیست که کدام یک از متغیرهای مورد مطالعه وابسته و کدامیک مستقل می باشد. این شاخص مشخص می کند که تا چه میزان افزایش یا کاهش در یک متغیر با افزایش یا کاهش در یک متغیر دیگر همراه است. مقدار ضریب کندال همواره بین 1 تا 1+ در نوسان می باشد.کندال به سه روش مختلف محاسبه می گردد. زمانی که جدول به صورت دو بعدی باشد و تعداد آزمودنی یا N نیز بیشتر باشد از کندال تائو a استفاده می شود. کندال تائو b نیز زمانی مورد استفاده قرار می گیرد که تعداد خانه های سطر و ستون جدول دو بعدی با هم برابر باشند. اما آنچه اعداد ردیف ها و ستون ها با هم برابر نباشند و جدول به صورت مستطیل باشد باید از کندال تائو c استفاده شود. در این روش مقیاس ها باید ترتیبی باشند .

ضریب گاما :

ضریب گاما شاخصی است که از طریق آن می توان با آگاهی از پاسخ هایی یک متغیر پاسخ ها و نتایج متغیر دیگر را پیشگویی کرد. گاما در واقع میزان کاهش خطا را که در نتیجه آگاهی از پاسخ افراد در متغیر مستقل رخ می دهد، مشخص می کند. به عبارت دیگر محقق با آگاهی از وضعیت پاسخ افراد به متغیر مستقل x با استفاد از گاما میزان کاهش خطا را در پیشگویی متغیر وابسته (y ) مورد آزمون قرار می دهد. مقادیر گاما بین 1 تا 1+ در نوسان است. از آنجا که ضریب گاما همواره روابط بین متغیر را خیلی - قوی نشان می دهد بنابر این، این شاخص میل به بزرگ نشان دادن شدت ارتباط بین دو متغیر را دارد و به همین دلیل باید در بکارگیری این شاخص احتیاط کرد. از این روش زمانی استفاده می شود که مقیاس ها ترتیبی باشند .

ضریب همبستگی رتبه ای اسپیرمن :

ضریب همبستگی اسپیرمن که در اوایل دهه 1555 توسط چارلز اسپرمن ابداع گردیده است زمانی مورد استفاده قرار میگیرد که داده ها به صورت رتبه ای متوالی نا پیوسته باشد و یا اینکه مقادیر اصلی به رتبه تبدیل شوند. در صورتی که داده ها با مقیاس فاصله ای یا نسبی اندازه گیری شده باشند می توان آنها را به رتبه ای تبدیل کرد و بعد ضریب همبستگی رتبه ای اسپیرمن را محاسبه نمود. برای این منظور رتبه 1 به بیشترین مقدار، رتبه 2 به مقدار بعدی و الی آخر داده شود . در این رتبه اگر در بین مقادیر اصلی دو یا چند مورد دارای مقادیر مساوی باشند، رتبه های مربوط به آن ها با همدیگر جمع شده و بر تعداد آنها تقسیم می گردد و میانگین به دست آمده به عنوان رتبه برای مقادیر فوق در نظر گرفته می شود. ضریب همبستگی اسپیرمن که آن را با P یا نشان می دهند همواره بین 1 و 1+ در نوسان است و از لحاظ سطح سنجش نیز ترتیبی و از نوع متقارن می باشد. به همین دلیل برای محقق مهم نیست که کدام متغیر مستقل و کدام و ابسته است. چنانچه در داده های مربوط به متغیرها موارد هم رتبه زیاد وجود داشته باشد در این صورت بهتر است از روش کندال تائو استفاده کرد. اما اگر تعداد طبقات زیاد باشد و موارد هم رتبه نیز بسیار کم باشند و داده ها به صورت رتبه ای متوالی نا پیوسته باشد باید از ضریب همبستگی اسپیرمن استفاده کرد .

ضریب همسبتگی پیرسون :

ضریب همبستگی پیرسون از روشهای پرکاربرد جهت تعیین میزان رابطه بین دو متغیر محسوب می گردیده و با علامت r نمایش داده می شود. این ضریب به منظور بررسی رابطه بین دو متغیر فاصله ای یا نسبی مورد استفاده قرار می گیرد و مقدار آن همواره بین 1 و 1+ در نوسان است. چنانچه مقدار به دست آمده مثبت باشد به معنای این است که تغییرات در هر دو متغییر بطور هم جهت اتفاق می افتد. به عبارت دیگر با هر گونه افزایش در مقدار یک متغیر، مقدار متغیر دیگر نیز افزایش پیدا می کند و بر عکس. اما چنانچه مقدار r منفی باشد بیانگر این نکته است که دو متغیر در جهت عکس همدیگر حرکت می کنند. یعنی با افزایش یک متغیر، مقادیر متغیر دیگر کاهش می یابد و بر عکس. اگر مقدار به دست آمده برای ضریب همبستگی صفر باشد به معنای این است که هیچگونه رابطه ای بین دو متغیر وجود ندارد. اگر مقدار r دقیقا برابر + 1 باشد بیانگر همبستگی مثبت کامل و اگر برابر 1 باشد نشان دهنده همبستگی کامل منفی بین دو متغیر است .

آزمون مک نمار :

آزمون مک نمار یکی از آزمون های مهم غیر پارامتریک است و اغلب در مواردی به کار برده می شود که داده ها به صورت اسمی و مربوط به دو نمونه مرتبط به هم یا همبسته باشند. این آزمون به ویژه در مواردی بکار گرفته می شود که بخواهیم نظرات قبلی و بعدی افراد را مورد مقایسه و بررسی قرار دهیم. ابتدا تعدادی از افراد را به عنوان نمونه انتخاب کرده سپس نظر آنها را
جویا می شویم سپس مداخله مورد نظر را انجام می دهیم و مجددا نسبت به دریافت نظرات اقدام خواهیم کرد. در این جا فرض صفر
بر این است که تفاوتی بین نظرات قبلی و بعدی وجود ندارد .

آزمون ویلکاکسون :

در بسیاری از پژوهش هایی که نمونه ها به صورت جفت شده و همبسته اند، ممکن است محقق بخواهید تا هم جهت تغییر و هم میزان تغییر را مورد بررسی قرار دهد. برای این منظور آزمون ویلکاکسون آزمون مناسبی است. داده های مورد استفاده در این آزمون حداقل باید در سطح ترتیبی باشند. تست ویلکاکسون که آن را با علامت T نشان می دهند، بر این استدلال استوار است که اگر تفاوتی بین دو مجموعه از مقادیر وجود نداشته باشد، تقریبا به همان میزان که تفاوت + کوچک وجود دارد، تفاوت کوچک – نیز وجود خواهد داشت. همچنین حدودا به همان تعداد که تفاوت + بزرگ وجود داشته باشد به همان میزان نیز تفاوت بزرگ وجود خواهد داشت. بنابر این مجموع رتبه ها برای تفاوت های + تقریبا برابر با مجموع رتبه ها برای تفاوت های خواهد بود. اگر مجموع اختلاف + تفاوت زیادی با مجموع اختلاف داشته باشد می توان قضاوت کرد که تفاوت معنی داری بین دو مجموعه مقادیر وجود دارد .

آزمون فریدمن :

آزمون فریدمن یکی دیگر از آزمون های غیر پارامتریک است. این آزمون در واقع معادل آزمون F است. اما در اینجا فرض توزیع نرمال و برابر بودن واریانس ضرورتی ندارد. این روش برای مقایسه سه گروه یا بییشتر که همبسته باشند به کار می رود. آزمون فریدمن درصدد است تا بداند آیا مجموع رتبه های هر موضوع با چیزی که مورد انتظار می باشد بسیار متفاوت است یا خیر. اگر تفاوت زیادی بین شرایط مورد مطالعه وجود نداشته باشد در این صورت مجموع رتبه ها کم و بیش مثل هم خواهند بود .

آزمون کوکران :

آزمون کوکران به عنوان یکی دیگر از روش های غیر پارامتریک، در واقع تعمیم یافته آزمون مک نمار است با این تفاوت که این روش برای مواردی که تعداد گروه ها یا تکرار، سه یا بیشتر از سه باشد به کار می رود. داده های این آزمون به صورت اسمی می باشند و وجود تفاوت بین نظرات افراد را مورد بررسی قرار می دهد .

آزمون من ویتنی :

این آزمون برای مقایسه میانگین دو جامعه مستقل، زمانی که داده ها به صورت رتبه ای، یا ترتیبی باشند مورد استفاده قرار می گیرد. آزمون من ویتنی برای محاسبه تفاوت های موجود در بین دو گروه ، مقادیر مربوط به هر دو نمونه را به صورت یکجا و بدون توجه به اینکه هر مقدار به کدام گروه تعلق دارد رتبه بندی می کند. در موقع رتبه بندی چنانچه مقادیر تکراری وجود داشته باشد رتبه ی مربوط به آنها را با همدیگر جمع کرده و بر تعداد مقادیر مشترک تقسیم و رتبه مشترکی را برای همه آنها لحاظ می کنند .

آزمون کولموگروف سمیرنف :

در آزمون خی دو اگر فراوانی های مورد انتظار بیش از 25 درصد خانه های جدول، کمتر از 5 باشد در این صورت نمی توان از فرول خی دو استفاده کرد. این مشکل معمولا زمانی پیش می آید که حجم نمونه کمتر از 55 باشد و یا خانه های جدول بیشتر باشد. در چنین حالتی می توان از تست کولموگروف سمیرنف استفاده کرد. اساس این آزمون مقایسه فراوانی تجمعی نسبی مشاهد شده با فراوانی تجمعی نسبی مورد انتظار است .

آزمون کروسکال والیس :

این آزمون در واقع معادل تحلیل واریانس یک طرفه می باشد، اما برخلاف آن نیازی به نرمال بودن جامعه و یکسانی انحراف معیارها نیست. از سوی دیگر این آزمون یاد بودی از روش من ویتنی است که مقادیر نمونه ها را یکجا به صورت نزولی یا صعودی مرتب، و بعد رتبه بندی می کند. آزمون کروسکال والیس که آن را با H نشان می دهند زمانی مورد استفاده قرار می گیرد که تعداد نمونه ها بیش از دو گروه باشد .

آزمون میانه :

آزمون میانه یکی دیگر از روش های غیر پارامتری است که برای مقایسه سه یا بیشتر از سه گروه مورد استفاده قرار می گیرد. اطلاعات مورد نیاز در این روش باید در سطح رتبه ای بوده و حتی الامکان داده ها هم رتبه نباشند زیرا اگر میانه مشترک بین گروه ها جزو نمرات تکراری باشد در این صورت تشخیص تفاوت گروه ها با مشکل مواجه می شود. روش میانه مقادیر گروه های مورد بررسی را با هم ادغام می کند و یک میانه مشترک بین آنها تعیین و سپس تعداد مواردی که در هر گروه به طور جداگانه در بالا و پایین میانه مشترک قرار دارد را به دست می آورد و پس از آن تفاوت بین گروه ها را مشخص می کند. در این روش ضرورتی ندارد گروه ها با هم برابر باشند .

آزمون های آماری - آزمون مک نمار - ضریب همسبتگی پیرسون - تحلیل مسیر

درود و احترام 
انتخاب صحیح اولین گام بلند به سوی موفقیت است 
از انتخاب شما سپاسگذاریم 
ثبت درخواست آنلاین(بر خط)
(لطفا حتما قید بفرمایید:درخواست انجام پروژه دارم)

برای مشاوره و پیگیری سایر مراحل لطفا تماس بگیرید 
09102340118
02188524117
02188524118
business card  3،،سفارش سریع ماد دانش پژوهان
روش دوم ثبت درخواست 

فقط کافیست تماس بگیرید

۰۲۱۸۸۵۲۴۱۱۷-۸

در اولین فرصت در نوبت انتظار با شما تماس میگیریم 
با تشکر از شکیبایی شما 

شبکه های اجتماعی(تلگرام-واتساپ-گوگل میت-اسکایپ) برای عزیزان خارج کشور 
 09102340118

           business card  1،سفارش سریع ماد دانش پژوهان