سلام و وقت بخیر خدمت استاد محترم . ملاک هایی که برای گزینش و سنجش داده ها مشخص میشوند ، همواره یکسان هستند یا بر اساس موضوع و مسیر پژوهش مشخص میشوند ؟ ممکن است چند مثال از ملاک هایی برای گزینش و سنجش داده ها بزنید ؟ متشکرم 

سلام و سپاس از سوال شما اقای کاظمی عزیز.

فکر می‌کنم سوال شما برآمده از بخش‌های ابتدایی دوره است که از تبدیل داده به اطلاعات صحبت کردم و گفتم وقتی داده‌ها سنجش و گزینش می‌شوند به اطلاعات تبدیل می‌شوند. معمولاً ملاک‌هایی را می‌توان برای این گزینش و سنجش مطرح کرد که در هر حوزه‌ای از پژوهش کاربرد دارند. امّا ممکن است موضوع و روش‌شناسی خاصی از پژوهش ملاک‌های خاص‌تری را هم پیشروی ما بگذارند. من به موارد عمومی‌تر اشاره می‌کنم.

قبل از اشاره به این ملاک‌ها مایلم یکبار دیگر به ارزش فقدان داده‌ اشاره کنم. فراموش نکنیم که همیشه وجود داده اهمیت ندارند، گاهی فقدان داده‌ها می‌تواند بسیار راهگشا باشد. به عنوان نمونه شما می‌خواهید کسب و کار خاصی را راه اندازی کنید. در ابتدای راه اندازی هر کسب و کاری حتما لازم است مطالعات امکان سنجی انجام شود. [مطالعاتی که از جهات مختلف امکان موفقیت را در آن پروژه می‌سنجد. مثلا امکان فنی به این مسئله می‌پردازد که ایا توان فنی تولید فلان محصول یا ارائه فلان خدمت وجود دارد. از جمله مواردی که در این مطالعات بررسی می‌شود این است که آیا این محصول مخاطب لازم را دارد؟ آیا تولید این محصول یا ارائه این خدمت مقرون به صرفه است؟] تصور کنید می‌خواهید پودر سفیده تخم مرغ تولید کنید. یک سوال اساسی که در ابتدا لازم است به آن پاسخ دهید این است که چرا شرکت‌های بزرگی که تخم مرغ عرضه می‌کنند، بعد از سالها فعالیت هنوز این کالا را تولید نکرده‌اند در صورتی که خیلی طبیعی است که برخی تخم مرغ‌ها در ضمن اماده سازی شونه‌های تخم مرغ بشکنند و یکی از بهترین راه‌های استفاده از این تخم مرغ‌ها خشک کردن سفیده و عرضه آن به بازار است. ببینید این سوال برآمده از فقدان داده درباره تولید سفیده است. در پی توجه به این فقدان، نکات متعددی به ذهن می‌رسد که لازم است بررسی شود و توجه به آن ممکن است مسیر انتخاب شما را به کلی تغییر دهد. مثلا شاید تبدیل سفیده به پودر سفیده تکنولوژیی نیاز دارد که در ایران موجود نیست، شاید بسیار هزینه‌بر است و صرفه اقتصادی ندارد. شاید ایرانی‌ها تمایل ندارند از پودر این اقلام استفاده کنند، شاید تبدیل سفیده به پودر سفیده فواید غذایی آن را از بین می‌برد، شاید پودر سفیده کارایی سفیده مایع را ندارد. مثلا یکی از کاربردهای آن تهیه کیک است ولی با پودر سفیده‌ای که در آب حل شده است، نمی‌توان کیک درست کرد و ... . پس نکته اول اینکه اتفاقا توجه به فقدان داده‌ در بسیاری از پژوهش‌ها مسیری را پیش پای شما باز می‌کند که می‌تواند بسیار حیاتی باشد.خب اگر بازگردیم به پاسخ سوال اصلی می‌توان از جمله به ملاک‌های زیر اشاره کرد:

1. آزمون وضوح و تمایز داده‌ها:داده مبهم و آشفته می‌تواند پژوهش را به بیراهه ببرد. وقتی داده‌ای مبهم است تفاسیر متعددی دارد و روشن نیست که اساسا آیا به پژوهش شما مربوط است یا نه. آیا به نفع فرضیه شما هست یا نه.

2. آزمون ارتباط:داده‌های مربوط داده‌هایی هستند که بتوانند در تشخیص یا حل مسئله نفی و اثبات فرضیه تحقیق یا نقد فرضیه‌های رقیب موثر باشند.برای بکار گیری این آزمون می‌توانید سوالات زیر را در مورد داده‌های پیشرو بپرسید:آیا این یافته می‌تواند در تشخیص مسئله (موضوع تبدیل مشکل به مسئله مشخص و متمایز را در بحث‌های پیشروی دوره خواهید دید) کمک کننده باشد؟آیا این داده در حل مسئله تحقیق راهگشاست؟آیا این داده در فهم و نقد فرضیه‌های رقیب نفش دارد؟آیا این داده در تحلیل، نقد، اثبات و ابطال فرضیه تحقیق موثر است؟

برای پاسخ به این سوالات لازم است ذهنتان درگیر مسئله پژوهشی باشد، در این صورت می‌توانید ارتباط‌هایی که لزوما ظاهری نیستند را تشخیص دهید و داده‌ای را به صرف عدم ارتباط ظاهری حذف نمی‌کنید.

3. آزمون درستی داده‌هاداده‌های نادرست نتیجه پژوهش را به کلی نادرست می‌کنند. درستی داده‌ها را به دو شیوه می‌توان سنجید:مستقیم و غیرمستقیم.در روش مستقیم بررسی می‌کنیم که شواهد ما برای درستی داده‌ای که در دست داریم چیست؟ آیا این شواهد از منبعی معتبر گرفته شده‌اند؟ آیا از این شواهد می‌توان درستی داده‌ها را نتیجه گرفت؟در روش غیرمستقیم در واقع نادرستی داده‌ها را بررسی می‌کنیم. برای تشخیص نادرستی داده‌ها نیز می‌توان از دو روش استفاده کرد:

در روش اول به دنبال تناقضات درونی هستیم: اگر داده‌ای تناقض و ناسازگاری درونی دارد، بدون شک نادرست است.در روش دوم نتایج و پیامدهای محال را بررسی می‌کنیم: هر داده‌ای که پذیرش آن نتیجه‌ای محال دارد، نادرست است.

4. آزمون کفایت داده‌هاآزمون دیگری که در راستای سنجش و گزینش داده‌ها اهمیت اساسی دارد، آزمون کفایت داده‌هاست. شاید این سوال به ذهن شما رسیده باشد که کفایت داده‌ها را نسبت به چه امری باید بسنجم؟ پاسخ این است که کفایت داده‌های شما در نسبت به ادعاهای پژوهش شما مطرح است. در نتیجه منظور از کفایت داده‌ها این است که داده‌های بیان شده در تحقیق باید بتواند صحت ادعاهای مطرح شده را به نحو قابل قبولی تایید کنند. در پژوهش‌هایی که نیاز به مطالعات آماری دارند، با تعیین میزان خطا بر اساس فرمولی ریاضی تعداد مواردی که باید بررسی شوند تا نتایج قابل اعتماد باشند و خطایی کمتر از میزان مورد نظر داشته باشند مشخص می‌شوند. در پژوهش‌هایی که قابل بررسی آماری نیستند تشخیص کفایت داده‌ها سخت‌تر خواهد بود. اما در این موارد هم با مطالعه پژوهش‌های معتبر به مرور متوجه خواهید شد که کدام استدلالها در پژوهش‌هایی از این دست از استحکام کافی برخوردارند و متناسب با این استدلال‌ها کدام داده‌ها باید جمع‌آوری شود.یکی از نکات کلیدی در مسئله کفایت داده‌ها این است که جمع‌آوری داده‌ها باید بدون سوگیری و جانبداری باشد. در پایان بخش تفکر انتقادی در پژوهش سوگیری‌هایی را معرفی کرده‌ام که در پژوهش بسیار اهمیت دارند. یکی از مهترین آنها سوگیری‌های تایید است. بر اساس سوگیری تایید ما تمایل داریم داده‌هایی را جمع‌آوری کنیم که فرضیه ما را تایید کند و به داده‌هایی که این فرضیه را رد می‌کند توجهی نداریم. توجه و تلاش برای پرهیز از سوگیری تایید در درستی پژوهش تاثیری حیاتی دارد. یکی از راه‌کارهای پرهیز از این سوگیری این است که از خودتان بپرسید چه نوع داده‌ای می‌تواند فرضیه من را رد کند؟ بعد از مشخص کردن این نوع داده‌ها، ضمن جستجوها به دنبال این داده‌ها هم باشید.

یکی از عوامل بی‌توجهی به مسئله کفایت داده‌ها، روشن نبودن مسئله تحقیق برای پژوهشگر است. وقتی تصویر روشنی از مسئله پژوهشی‌تان ندارید، وقتی هدف از پژوهش‌تان برایتان روشن نیست، وقتی نمی‌دانید دقیقاً می‌خواهید چه کنید، نمی‌توانید آزمون کفایت داده‌ها را به خوبی انجام دهید.

**‌ توجه داشته باشید که آزمون‌های سنجش و ارزیابی داده‌ها منحصر به این چهار آزمون نیستند؛ امّا این چهار آزمون از مهمترین آزمون‌های سنجش و ارزیابی است.