منابع پایان نامه ارشد با موضوع تحلیل مسیر، رویکرد اسلامی ایرانی، الگوی معادلات ساختاری، نظریه برخاسته از داده

دانلود پایان نامه ارشد

خواهد شد که عبارتند از:
کدگذاري باز
کدگذاري محوري
کد گذاري انتخابي
براين اساس ضرورتاً محقق در اين پژوهش ابتدا به کد گذاري باز، سپس محوري و در نهايت به کدگذاري انتخابي خواهد پرداخت.
كدگذاري باز
از آنجا كه پايههاي اصلي ساختن نظريه مفاهيم هستند، لازم است ساز و كاري تعبيه شود تا مفاهيم شناسايي و بر حسب خصوصيت و ابعاد توسعه داده شود. اين ساز و كار در نظريه داده بنياد در كدگذاري باز انجام ميشود. با شروع مرحله گردآوري دادهها (از طريق مصاحبه و مطالعه ادبيات تحقيق) كاركدگذاري آغاز ميگردد. كدگذاري باز روند خردكردن دادهها در واحدهاي معنايي مجزا است (کرسول147، 2003). روند مزبور از مفاهيم شروع شده و در نهايت به كشف مقوله ميانجامد. مفاهيم برچسبهاي ذهني جداگانهاي هستند كه پژوهشگر به وقايع، حوادث و پديدهها نسبت ميدهد. اين برچسبها كه از طريق فرآيند انتزاعيسازي شكل ميگيرند شبيه سبدهاي خالي هستند كه با تجربه و معناهاي پژوهشگر پر ميشوند ( هچ، 1385). مقوله نيز در اصل مفهومي است كه از ساير مفاهيم انتزاعيتر است. از دل مفاهيم اوليه، مقولههاي مقدماتي در ارتباط با پديده مورد بررسي از طريق سوال كردن درباره دادهها، مقايسه موارد، رويدادها و ديگر حالات پديدهها، براي كسب شباهتها و تفاوتها استخراج ميشوند(استراوس و کوربین148، 1998). اين مرحله باز ناميده ميشود چرا كه پژوهشگر بدون هيچ محدوديتي به نامگذاري مقولهها ميپردازد. به بيان ديگر در كدگذاري باز، پژوهشگر با ذهني باز به نامگذاري مقولهها ميپردازد و محدوديتي براي تعداد كدها و مقولهها قايل نيست (استرابینگ149،2004).
در روش کدگذاري نظري، دو گرايش براي تحليل داده ها وجود دارد. برخي از پژوهشگران به تحليل جز به جز150مي پردازند. يعني متون و داده ها را خط به خط و کلمه به کلمه مورد تحليل قرار مي دهند. برخي نيز به دليل وقت گير بودن اين روش تنها نکات و مضامين کليدي را کدگذاري مي کنند (داناييفر،1384).
کدگذاري محوري
كدگذاري محوري مرحله دوم تجزيه و تحليل در نظريه پردازي داده بنياد است. هدف از اين مرحله برقراري رابطه بين طبقههاي توليد شده(در مرحله كدگذاري باز) است. اين كدگذاري به اين دليل كه كدگذاري حول محور مقوله تشريح ميشود محوري ناميده ميشود (استراوس و کوربین151، 1998). اين كار براساس مدل پارادايم انجام ميشود و به نظريه پرداز كمك ميكند تا فرآيند نظريه را به سهولت انجام دهد. اساس فرآيند ارتباط دهي در كدگذاري محوری بر بسط و گسترش يكي از طبقهها قرار داد (داناييفر و همكاران، 1383). در اين مرحله يكي از مقولهها به عنوان مقوله اصلي در نظر گرفته شده و سپس ساير مقولهها به طور نظري به آن ارتباط داده ميشوند. براساس رهيافت نظاممند (استراوس و کوربین، 1998) در مرحله كدگذاري محوري با توجه به نقش مفاهيم بدست آمده در تبيين فرآيند اخلاق حرفه ای با رویکرد اسلامی ایرانی در بین مدیران آموزشی، مجموع مقولههاي مستخرج از دادههاي خام، در قالب شرايط علي(علل ايجاد پديده اصلي)، راهبرد(كنش يا كنشهاي متقابل كه براي كنترل، اداره، برخورد و پاسخ به پديده اصلي انجام ميشود)، زمينه(شرايط بسترساز موثر در راهبرد)، شرايط مداخلهگر(شرايط عام موثر در راهبردها) و پيامدها (نتايج به كارگيري راهبردها) به صورت نظري از طريق مدل پارادايمي(شكل 3-4) به هم مرتبط ميشوند. بنابر نظر استراس و كوربين در صورتي كه از اين الگو استفاده نشود، نظريه مبنايي فاقد دقت و پيچيدگيهاي لازم خواهد بود.

شکل ‏034- الگوی داده بنیان(بازرگان، 1380)

براي کدگذاري محوري در اين پژوهش اقدامات زير صورت مي گيرد :
بيان كردن ويژگي هاي يك مقوله و ابعاد آن ها؛ اقدامي كه از كدگذاري باز شروع شده است.
شناسايي شرايط گوناگون، كنش يا برهم كنشهاي گوناگون و پيامدهاي مربوط به يك پديده
ربط دهي يك مقوله به زيرمقوله هايش؛ از طريق گزاره هايي كه چگونگي ربط آن ها به همديگر را مطرح مي كنند.
در اين مرحله،يك مقوله مرحله كدگذاري باز را انتخاب كرده و آن را در مركز فرآيندي كه در حال بررسي آن هستيم قرار خواهيم داد. چنين مقوله اي بايد مقوله محوري باشد؛ يعني اينكه، همه مقولههاي اصلي ديگر بتوانند به آن ربط داده شوند و بايد به كرات در دادهها ظاهر شده باشد. اين بدان معناست كه در همه يا تقريباً همه موارد، نشانه هايي وجود دارند كه به آن مفهوم اشاره مي كنند. سپس، اين مقوله انتخابي را در ارتباط با پيامدها، شرايط زمينه اي و مداخله گر، راهبرد ها و شرايط علّي در نظر خواهيم گرفت.
3-مرحله كدگذاري انتخابي
در اين مرحله براي تشكيل يك نظريه، مقوله ها يكپارچه خواهند شد، به طوري كه نتايج تحقيق، به صورت يک نظريه نمود پيدا کند. به عبارت ديگر كدگذاري انتخابي فرآيند يكپارچه سازي و بهبود مقوله ها جهت تشکيل نظريه است. نگارش و گزارش طرح تحقیق نظریه برخاسته از دادهها به شکل 3-5 خواهد بود.

شکل 3-5-الگوي بصري نظریه داده بنیان
(بازرگان، 1380)
3-8-2-روش تحلیل داده ها در بخش کمی
روش تحليل داده ها در بخش کمي استفاده از آزمون تحليل عاملي تاييدي و تحلیل مسیر با بکارگيري نرم افزار ليزرل مي باشد. در ادامه هر يک از اين روشها تشريح مي شود.
3-8-2-1-تحليل عاملي تاييدي
قديميترين و شناخته شدهترين روش آماري براي بررسي روابط بين متغيرهاي مکنون و مشاهده شده تحليل عاملي است. در اين رويکرد تحليل دادهها، محققان کوواريانس ميان يک مجموعه از متغيرهاي مشاهدهشده را به منظور گردآوري اطلاعات درباره سازههاي زيربنايي يا عاملهاي آنها بررسي ميکنند. تحليل عاملي تأييدي زماني استفاده ميشود که پژوهشگر دانش زيادي از سازه مکنون زيربنايي دارد. پژوهشگر بر اساس دانش نظري، تحقيق تجربي و مطالعات قبلي، فرض ميکند بين متغيرهاي مشاهده شده و عاملهاي بنيادي رابطه وجود دارد و سپس به آزمون اين فرض ميپردازد. در تحليل عاملي تأييدي، پژوهشگر به دنبال تهيه مدلي است که فرض ميشود دادههاي تجربي را بر پايه چند پارامتر نسبتاً اندک، توصيف يا تبيين ميکند. اين مدل نيز مبتني بر اطلاعات پيشتجربي درباره ساختار دادههاست
تحليل تأييدي در واقع يک روش آزمون تئوري است، که در آن پژوهشگر تحليل خود را با يک فرضيه قبلي آغاز ميکند. اين مدل که مبتني بر يک شالوده نظري و تجربي قوي است، مشخص ميکند که کدام متغيرها با کدام عاملها و کدام عامل با کدام عاملها بايد همبسته شوند. علاوه بر آن اين روش براي ارزيابي روايي سازه نيز يک روش قابل اعتماد به پژوهشگر عرضه ميکند، تا از اين طريق بتواند فرضيههايي را درباره ساختار عاملي دادهها که ناشي از يک مدل نظري از پيش تعيينشده با تعداد و ترکيب مشخصي از عاملهاست، بيازمايد.روش تحليل تأييدي بعد از مشخص کردن عامل‌هاي پيش تجربي، از طريق تعيين برازندگي مدل عاملي از پيش تعيين شده، تطابق بهينه ساختارهاي عاملي مشاهده شده و نظري را براي مجموعه داده‌ها آزمون مي‌کند. براوني و کادک توصيه کرده اند از جذر برآورد واريانس خطاي تقريب (RMSEA) که استيگر152(1990) به عنوان اندازه تفاوت براي هر درجه آزادي ارائه کرده است استفاده شود. شاخص RMSEA براي مدلهاي خوب برابر با 05/0 يا کمتر است. مقادير بالاتر از آن تا حد 08/0 نشان دهنده ي خطاي معقولي براي تقريب در جامعه است. مدلهايي که RMSEA آنها 10/0 يا بيشتر باشد برازش ضعيفي دارند. براون و کادوک153 (1992) در برنامه ليزرل شاخص هاي برازندگي (GFI) و شاخص تعديل شده برازندگي(AGF) را معرفي کرده اند. نشان مي‌دهند که مدل تا چه حدنسبت به عدم وجود آن، برازندگي بهتري دارد. بر پايه قرارداد، مقدار GFI و AGFIبايد برابر يا بزرگتر از 90/0 باشد تا مدل مورد نظر پذيرفته شود. GFIو AGFI تحت تأثير حجم نمونه است و مي‌تواند براي مدل‌هايي که به گونه ضعيفي فرمول‌بندي شده اند بزرگ باشد. درباره کاربرد آنها توافق کلي وجود ندارد (هومن،1384).
3-8-2-2-تحلیل مسیر
براي غلبه بر محدوديتهاي روشهاي پيشين، نويسندگان بهطور فزايندهاي از مدليابي معادلات ساختاري به عنوان يک راه حل مناسب استفاده کردند. در مقايسه با روشهاي رگرسيوني، که در آنها فقط يک سطح از رابطه بين متغيرهاي مستقل و وابسته به صورت همزمان تحليل ميشوند، در مدليابي معادلات ساختاري به عنوان روش ثانويه امکان مدليابي ارتباط ميان چندين سازه مستقل و وابسته وجود دارد (گفن154، اشتراب155 و بودرئو156،2000). بنابراين در اين دو روش تفاوتي بين متغيرهاي مستقل و وابسته نيست، بلکه بين متغيرهاي مکنون درون زا157 (متغيرهايي که تحت تاثير عوامل درون مدل قرار دارند) و برون زا158 (متغيرهايي که تحت تاثير عوامل خارج از مدل قرار دارند) تمايز وجود دارد. مزايايي که روشهاي مبتني بر مدليابي تحلیل مسیر نسبت به روشهاي پيشين دارند انعطافپذيري اين روشها در بررسي اثر متقابل نظريه و داده ها است. اگر مباني نظري قوي باشد، محققان ميتوانند در تحليل دادهها بيشتر به نظريه متکي شوند و هنگاميکه مباني نظري قابل اطميناني وجود نداشته باشد محققان ميتوانند بيشتر به دادههاي تجربي متکي شوند.
گام هاي اجراي الگوهاي ساختاري به صورت زيرمي باشد:
با استفاده از نمودار، مشخص نماييدكه چه روابطي بين متغيرها برقراراست.
روابط بين متغيرها رادربرنامه نرم افزاري موجود، تعريف نماييد.
باتوجه به الگوي ساختاري، اطلاعات مورد نياز راجمع آوري نماييد.
با استفاده ازبرنامه نرم افزاري، تطبيق الگو با داده هاي جمع آوري شده را آزمون نماييد. برنامه نرم افزاري، آزمون مينمايدكه آيا داده هاي جمع آوري شده ازساختار كوواريانس الگو حمايت مي كنديا خير.
برنامه هاي نرم افزاري، نتايج آزمونهاي آماري انجا م شده راگزارش مي نمايند.
دراين گزارش، مقادير پارامترها تخمين زده شده وخطاهاي استاندارد براي ضرايب عددي درمعادلات خطي ارائه مي شود. با استفاده از اين اطلاعات شما در مي يابيدكه آيا الگو نيازبه اصلاح دارديا خير.درصورت حمايت ضمني داده ها ازمجموعه معادلات ساختاري، الگوي ساختاري ارائه شده موردتأييدقرار ميگيرد. شکل٣-6 اين مطلب رانشان مي دهد.

شکل3-5: الگويساختاريتحلیل کمی
شکل 3-6- الگوی معادلات ساختاری پژوهش

يك الگوي معادلات ساختاري، درواقع يك ساختارعلي مشخص شده بين مجموعه اي از سازه هاي مشاهده ناپذيراست كه هريك توسط مجموعه اي ازنشانگرها اندازه گيري مي شود و مي توان آن را ازلحاظ برازش دريك جامعه مشخص آزمود. يك الگوي كامل معادله ساختاري شامل دومولفه است:
يك الگوي ساختاري كه ساختارعلي مفروض بين متغيرهاي مكنون (سازه هاي نظري كه به طورمستقيم مشاهده پذيرنيستند)رامشخص مي نمايد.
يك الگوي اندازه گيري كه روابط بين متغيرهاي اندازه گيري شده يانشانگرها (متغيرهائي كه به طورمستقيم مشاهده پذيرهستند) و متغيرهاي مكنون را كه براي آنها برآورد تقريبي به كارمي رود، تعريف مي كند. پس از آزمون الگوي معادله ساختاري، براي ارزش يابي برازندگي آن راههاي زيادي وجود دارد.
3-8-2-3-شاخصهاي برازش در مدل تحلیل مسیر
جهت ارزيابي مدل شاخصهاي متعددي وجود دارد که در سه دسته کلي شاخصهاي مطلق، نسبي و تعديل يافته معرفي شدهاند. اين شاخص‌ها در جدول 3-6 درج گرديدهاند. براي فهم بهتر، برخي از اين شاخصها که در اين پژوهش گزارش شدهاند مورد بررسي قرار ميگيرند.
جدول‏06- شاخصهاي برازندگي
شاخص هاي مطلق
شاخص هاي نسبي
شاخص هاي تعديل يافته
مجذور کاي
شاخص نرم شده برازندگي NFI
PGFI
نسبت X2/df
شاخص نرم نشده برازندگي NNFI
شاخص نرم شده برازندگي PNFI
ميانگين مجذور باقيمانده ها RMR
شاخص برازندگي فزآينده IFI

GFI
شاخص برازندگي تطبيقي CFI

AGFI

مجذور کاي و نسبت X2/df
وقتي حجم گروه نمونه برابر با 75 تا 200 باشد، مقدار مجذور کاي يک اندازه معقول برازندگي است. اما براي مدلهاي با تعداد نمونه بيشتر، مجذور کاي تقريباً هميشه از لحاظ آماري معنادار است. اين

پایان نامه
Previous Entries منابع پایان نامه ارشد با موضوع تحلیل داده، روایی محتوا، مسئولیت پذیری، مهارت های فردی Next Entries منابع پایان نامه ارشد با موضوع تحلیل داده، توزیع فراوانی، آموزش و پرورش، اخلاق حرفه ای