نمونه گیری
تحلیل گر اجتماعی در اکثر تحقیقات باید از نوعی طرح نمونه گیری برای انجام تحقیق سود جوید.
ارتباط همواره در تمام عرصه های زندگی حضور داشته است.
اما چاپ انبوه، وجود دستگاه ضبط صوت و تصویر، دستگاه فتوکپی و کامپیوترها دسترسی به اطلاعات نمادین را به طور گسترده ای افزایش داده است.
به محض آن که تحلیل گر محتوا مسئله ای را مطرح می کند با سیلی از اطلاعات مواجه می شود که این نهادها تولید می کنند.
و هنگامی که محقق درصدد تحلیل نوار ضبط مکالمات گروه آزمونی که ترتیب داده بر می آید چه بسا ساعت کار تحلیل محتوای چنین نواری 10 تا 100 برابر زمان نوار طول بکشد.
غالبا حتی عملیات پژوهشی مجهز نیز در کل داده های خام موجود غرق می شود.
تحلیل گر محتوا در مواجهه با چنین حجم عظیمی از داده ها باید دو کار انجام دهد.
نخست، وی باید از تمام اطلاعاتی که می تواند برای تفکیک مطالب مربوط از مطالب بی ربط به دست اورد سود جوید.
ممکن است اطلاعات مقتضی برای استنباط های مورد نظر به طور ناموزونی در رسانه ها، انتشارات، اسناد، زمان ها یا مناطق جغرافیایی مختلف توزیع شده باشد.
دوم، چنانچه بعد از بررسی تمام اطلاعات، حجم اطلاعات مربوط کماکان بسیار بزرگ باشد باید با اعمال روش های تصادفی نمونه ای انتخاب کند که برای دربرگرفتن اطلاعات مناسب به اندازه کافی بزرگ و برای تحلیل به اندازه کافی کوچک باشد.
انواع طرح نمونه گیری
عمل نمونه گیری برحسب برنامه نمونه گیری صورت می گیرد.
در این برنامه جزئیات مقتضی طرز عمل دستیابی به نمونه ای از واحدها که مجموعا معرف جامعه آماری مورد نظرند مشخص می شود.
برای نیل به نمونه ای معرف برنامه نمونه گیری تضمین بخش آن است که در چهارچوب محدودیت های ناشی از شناخت موجود درباره پدیده ها هر واحد از شانس برابری در انتخاب شدن در مجموعه واحدهای نمونه گیری برخوردار است.
برنامه نمونه گیری تضمین می کند که هیچ اریبی در شمول واحدها در نمونه وجود ندارد.
نمونه تصادفی
با فرض عدم شناخت پیشین درباره پدیده ها طرح نمونه گیری برای انتخاب نمونه تصادفی ساده تهیه فهرست تمام واحدهای مربوط (شماره های روزنامه، اسناد، سخنرانی ها یا جملات) است که در مورد آنها تعمیم صورت می گیرد.
نمونه های طبقه بندی
نمونه گیری طبقه بندی در جایی است که چند زیر مجموعه متمایز در جامعه آماری مشخص شده است که بدان ها طبقه اطلاق می شود.
هر واحد نمونه گیری فقط به یک طبقه تعلق دارد.
از هر طبقه به طور جداگانه نمونه گیری تصادفی می شود به گونه ای که نتایج حاصله بازتاب تمایزات مشخص پیشین است که در جمعیت آماری وجود دارد.
نمونه گیری سیستماتیک
نمونه گیری سیستماتیک متضمن انتخاب هر k امین واحد از فهرست جامعه آماری بعد از تعیین تصادفی نقطه شروع است.
در تحلیل محتوا نمونه گیری سیستماتیک هنگامی مناسب است که داده ها از انتشارات منظم، توالی تعامل اشخاص، نظم رشته گونه نوشتار، فیلم و موزیک به دست می آید.
مسئله اصلی در نمونه گیری سیستماتیک این است که فاصله طول k ثابت است و چنانچه با آهنگ طبیعی مانند تغییرات موسومی و نظم های دورانی دیگر منطبق گردد نمونه ای اریب به بار می آورد.
به همین دلیل توصیه می شود از این روش برای انتخاب هر هفتمین شماره روزنامه استفاده نشود اما استفاده از مثلا هر پنجمین شماره اشکالی ندارد.
نمونه گیری خوشه ای
در نمونه گیری خوشه ای از گروههایی از عناصر به منزله واحدهای نمونه گیری استفاده می شود که از حد و مرز و عنوان طبیعی برخوردارند.
انتخاب یک خوشه همه عناصر آن را مشمول نمونه می کند و از آنجا که گروهها حاوی تعداد نامشخصی عناصراند احتمال شمول واحدی در نمونه به اندازه گروهها بستگی دارد.
نمونه گیری با احتمال متغیر
نمونه گیری با احتمال متغیر تعیین احتمال شمول هر واحد در نمونه برحسب معیاری پیشین است.
پاره نمونه گیری با احتمال منطبق با حجم رایج ترین شیوه ای است که نمونه هایی به بار می آورد که غالبا نمونه های مناسب خوانده می شوند.
نمونه گیری چند مرحله ای
غالبا نمونه ها به طور متوالی و با استفاده از یک یا چند شیوه نمونه گیری انتخاب می شود.
به این نمونه گیری متوالی نمونه گیری چند مرحله ای اطلاق می شود و می توان آن را تعدیل نمونه گیری خوشه ای به شمار آورد.
حجم نمونه
معمولا بعد از تعیین نحوه نمونه گیری مسئله بعدی اندازه نمونه است.
برای این مسئله هیچ پاسخ ثابتی وجود ندارد.
هنگامی که همه واحدهای نمونه گیری دقیقا همسان اند نمونه ای با حجم یک واحد رضایتبخش است.
این حالت غالبا در آزمون مصرف کننده و مهندسی مفروض است.
آنجا که فهرست واحدها شامل رویدادهای نادر و معنادار است نمونه باید بزرگ باشد و هنگامی که هر یک از واحدهای نمونه گیری منحصر بفردند باید شامل همه آنها باشد.
در عمل این عدم قطعیت چندان هم مخاطره آمیز نیست.
در حالی که هر واحد اضافی نمونه هزینه تحلیل را بالا می برد افزایش واحدها به نقطه ای می رسد که از آن به بعد ارتقاء محسوسی در تعمیم پذیری یافته به بار نمی آورد.
این همان نقطه ای است که حجم نمونه از حداکثر کارایی برخوردار است.
تعیین این نطه موضوع سود و هزینه است که عمدتا به نحوه توزیع ویژگی مورد تعمیم در نمونه بستگی دارد.
ضبط داده ها ضبط داده ها یکی از مسائل اساسی روش شناسی در علوم اجتماعی انسانی است.
این قضیه مورد اذعان علوم طبیعی که واقعیت جز از طریق ابزار سنجش به دست نمی آید در اینجا نیز صدق می کند.
نمی توان چیزی را که به طور مناسبی ضبط نشده مورد تحلیل قرار داد و نمی توان انتظار داشت که اطلاعات منبع در قالب رسمی زبان داده ها ارائه شود.
هر جا که پدیده های مورد نظر یا نسبت به روش های موجود بی ساخت اند یا نمادین اند از این لحاظ که حامل اطلاعاتی درباره پدیده ها هستند که خارج از نمودهای عینی آنهاست ضرورت ضبط به میان می آید.
شکل های نمادین طبیعی آکنده از ساختارهای مبهم و حذف ها و مملو از ابهامات و وابستگی های متنی است که ابزارهای سنجش عینی به ندرت از پس ضبط آنها بر می آیند.
ارتباطات نمادین را که به صورت مکتوب، نوار ضبط صوت و نوار ویدئویی اند باید قبل از استفاده برای پردازش داده ها و استنباط عمدتا به صورت زبان رسمی درآورد.
دستور عمل های صریح ضبط داده ها باید حاوی این نکات باشد: خصوصیات مشاهده گران (کدگذاران، داوران) که برای عمل ضبط داده ها گمارده می شوند.
تعلیم و آماده سازی این مشاهده گران برای ضبط داده ها در صورت اقتضاء نحو و معناشناسی زبان داده های مورد استفاده باید حاوی مطرح کردن عملیات شناختی مورد استفاده در مقوله بندی پیام ها باشد.
تهیه برگه داده ها مشاهده گران طبعا مشاهده گران و داوران باید با ماهیت داده های مورد ضبط آشنا باشند اما همچنین باید قارد باشند با پایایی به مقولات و اصطلاحات زبان داده ها بپردازند.
تحقق این شرط دوگانه چندان هم ساده نیست.
فی المثل اگر مسئله ضبط زبان بومی است یافتن متکلمین زبان بومی ساده است اما پیدا کردن کسی که از آموزش مناسبی در روش علمی برخوردار باشد دشوار است.
از این رو تحلیل گر محتوا غالبا به طور معکوس به مسئله می پردازد و از افرادی چون دانشجویان که آموزش علمی دیده اند استفاده می کند که باید با پدیده مورد ضبط آشنا گردند.
گو اینکه بدین ترتیب احتمالا تحریف ها اندک می شوند فی المثل دانشجویان سفیدپوست طبقه متوسط وقت چندانی برای فراگیری زبان بومی ندارند.
حتی در مورد توصیف نمایش های تلویزیون، موضوع ها و شخصیت هایی که مخاطبان آن مردم عادی اند زمینه اجتماعی اقتصادی و زبانی و تفاوت های تحصیلی کدگذاران غالبا نقش قاطعی در امکان ضبط پایای داده ها دارد.
تعلیم تعلیم کدگذاران کار آماده سازی متداولی در تحلیل محتواست.
نه تنها افراد باید در مورد جزئیات کار ضبط داده ها آموزش ببینند – عمل ضبط داده ها و تعریف آنها به ندرت با تجربه شهودی منطق است – بل این کدگذاران غالبا وسیله شکل دادن به این فرایند خاصه در مرحله آماده سازی تحلیل محتوا هستند.
معناشناسی داده ها (طرق تعریف معنای مقوله ها) نحو و معناشناسی زبان داده ها اساسا در قواعد حاکم بر قرار دادن واحدها در مقوله یا کدها نمود پیدا می کند.
علامت وارسی در برگه داده ها، سوراخ کارت پانچ، تفسیر رمزی تحلیل گر در حاشیه متن منبع تا جایی حاصل اطلاعات اند که با پایایی از قواعد تبعیت کنند.
اما آنها تا حدی معنا دارند که خواصی که موجب ظهور داده ها می شوند به طور مشخصی در آن ها تجلی یافته باشند، داده ها پدیده های نمادین هستند.
برگه داده ها برگه داده ها حاوی شکل ابتدایی و صریح ترین شکل اطلاعات است.
هنگامی که پدیده های مورد ضبط بدون بر جای گذاشتن هیچ نشانه عینی جاری است مانند بحث گروهی یا برنامه زنده تلویزیونی برگه داده ها می تواند تنها ضبط این پدیده ها باشد و موقعی که پدیده های مورد نظر بی ساخت اند مانند سخنرانی های ضبط شده یا دستنویس ها که غالبا بدین گونه اند برگه داده ها اطلاعاتی درباره این پدیده هاست که تحلیل می تواند به بررسی آنها بپردازد.
برگه داده ها شامل چند نوع اطلاعات اند که برخی بدیهی اند و بقیه به طور کلی مطرح شده اند.
این اطلاعات به اختصار عبارتند از: اطلاعات اجرائی اطلاعات درباره سازمان داده ها اطلاعات درباره پدیده های مورد ضبط، یعنی داده ها اطلاعات اجرایی اطلاعات اجرایی راهنمای پردازش داده ها در دفتر کار است.
لزوم گنجاندن این اطلاعات را نباید دست کم گرفت.
غالبا برگه داده ها فاقد نظم و ترتیب بوده، بازسازی توالی داده ها را غیر ممکن می سازد.
بررسی برگه های تکمیل شده ای که در آن تعیین قطعی این که داده ها به چه بخش از مطالعه تعلق دارند، تایید شده اند، پانچ شده اند یا ذخیره شده اند امکان پذیر نیست بس وقت گیر است.
اطلاعات اجرایی حاوی این نکات است: الف- مشخصات طرح تحلیل محتوا که داده ها برای آن ضبط می شوند از جمله مرحله بسط وسیله ضبط در جایی که دستخوش تغییر می گردد و احتمالا مشخص کردن نوع کلی داده ها و نوع واحدی که برای آن به کار می رود.
این اطلاعات را که به کار تفکیک طرح ها یا پدیده های مورد تحلیل می آید می توان بر روی هر برگه داده ها چاپ کرد.
ب- مشخصات وضعیت برگه داده ها: تکمیل شده، تایید شده، پر شده (برحسب شماره)، تکثیر شده، به برگه دیگری منتقل شده، پانچ شده و غیره.
قطع نظر از نوع پردازش داده ها مجری تحقیق باید قبل از بایگانی کردن آنها قادر به تشخیص نحوه پردازش داده ها و باقیمانده کارها باشد.
ج- مشخصات افراد مشمول پردازش داده ها، خاصه مشاهدگردان که پدیده های اصلی را کدگذاری کرده اند و همچنین کسانی که داده ها را وارسی و پردازش کرده اند و چه بسا لازم باشد در برخورد متعاقب با خطاها با آنها تبادل نظر کرد.
د- مشخصات نحوه پانچ داده ها (شماره ستون های اختصاص یافته به متغیرها، شماره مقوله ها) یا به هر طریق دیگری که برای پردازش کامپیوتری آماده شده اند.
اطلاعات درباره سازمان داده ها اطلاعات درباره سازمان داده ها در جایی حائز اهمیت است که تحلیل گر از چند نوع واحد ضبط سود می جوید.
برای استفاده از یک نوع داده ها در تحلیل نوع دیگری از داده ها باید اطلاعات مربوط به سازمان داده ها را یا به شکل فایل مادر که نحوه جفت و جور شدن داده ها را توصیف می کند یا به شکل مدخل های خاص در جایی که داده ها با هم رابطه دارند بدان افزود.
زبان داده ها دستگاه توصیفی که تحلیل گر داده های خود را در قالب آن می ریزد زبان داده ها خوانده می شود.
زبان داده ها رابط دنیای واقعی پدیده ها با داده های علمی است و غالبا گلوگاه بینش علمی است.
زبان داده ها دارای نحو و معناشناسی است.
معناشناسی آن داده ها را به دنیای واقعی پیوند می دهد در حالی که نحو آن داده ها را به شیوه علمی مرتبط می سازد.
تعریف زبان داده ها شکل ضبط داده ها را معین می کند و شامل اینهاست: متغیرها که مقادیرشان در چهارچوب بعدی مفهومی دارای تغییرپذیری در واحدهای ضبط است.
ثابت ها با معنای عملیاتی ثابت که رابطه متغیرها را مشخص می کند.
نحو که قواعد آن حاکم بر ساخت ضبط های دارای قالب (فرمول، بیان) مناسب است که در مورد متغیرها و ثابت ها ا عمال می شود.
منطق که تعیین می