نمونه‌برداری در پژوهش‌های کمی یکی از مهم‌ترین مراحل طراحی پژوهش است که به پژوهشگر امکان می‌دهد به جای بررسی تمام اعضای جامعه آماری، تعداد مشخصی از آنها را به‌عنوان نمونه انتخاب و داده‌های موردنیاز را جمع‌آوری کند.
در پژوهش‌های کمی، نمونه‌گیری معمولاً با هدف دستیابی به نمونه‌ای انجام می‌شود که بتوان بر اساس آن، با رعایت شرایط آماری و روش‌شناختی، نتایج را به جامعه هدف تعمیم داد. به همین دلیل، روش انتخاب نمونه، حجم نمونه، نمایندگی نمونه و خطای نمونه‌گیری اهمیت زیادی دارند.
برای مثال، اگر جامعه آماری یک پژوهش شامل ۱۰ هزار نفر باشد، بررسی تمام افراد ممکن است از نظر زمانی و مالی امکان‌پذیر نباشد. پژوهشگر می‌تواند با استفاده از یک روش نمونه‌گیری مناسب، تعدادی از افراد را انتخاب کند و پس از جمع‌آوری و تحلیل داده‌ها، یافته‌های پژوهش را با توجه به محدودیت‌های روش‌شناختی به جامعه آماری تعمیم دهد.
در این مقاله از آکادمی ساپتز، با مفهوم نمونه‌برداری در تحقیقات کمی، انواع روش‌های نمونه‌گیری، تفاوت روش‌های احتمالی و غیر احتمالی، نحوه تعیین حجم نمونه و مهم‌ترین نکات نمونه‌گیری در انجام پایان‌نامه آشنا می‌شوید.
نمونه‌برداری در پژوهش‌های کمی چیست؟
نمونه‌برداری یا نمونه‌گیری (Sampling) فرایندی است که طی آن پژوهشگر بخشی از جامعه آماری را برای انجام مطالعه انتخاب می‌کند.
در پژوهش کمی معمولاً سه مفهوم باید از یکدیگر تفکیک شوند:
جامعه آماری
تمام افراد، اشیا، سازمان‌ها یا واحدهایی که پژوهشگر قصد دارد درباره آنها نتیجه‌گیری کند، جامعه آماری نام دارند.
برای مثال:
تمام معلمان مدارس دولتی یک شهر در سال تحصیلی مشخص.
نمونه آماری
بخشی از جامعه آماری که واقعاً مورد مطالعه قرار می‌گیرد، نمونه آماری نام دارد.
واحد نمونه‌گیری
واحد نمونه‌گیری همان عنصری است که از جامعه برای قرار گرفتن در نمونه انتخاب می‌شود؛ مانند فرد، خانوار، شرکت، مدرسه یا سازمان.
بنابراین، مسیر کلی را می‌توان چنین خلاصه کرد:
جامعه آماری → روش نمونه‌گیری → انتخاب نمونه → جمع‌آوری داده → تحلیل → استنباط درباره جامعه
چرا نمونه‌برداری در پژوهش کمی اهمیت دارد؟
اگر نمونه به‌درستی انتخاب نشود، حتی تحلیل آماری بسیار دقیق نیز نمی‌تواند مشکل اساسی پژوهش را برطرف کند.
نمونه‌گیری مناسب می‌تواند به موارد زیر کمک کند:
- کاهش هزینه جمع‌آوری اطلاعات
- کاهش زمان اجرای پژوهش
- امکان مطالعه جوامع بزرگ
- افزایش قابلیت تعمیم نتایج
- کاهش خطاهای ناشی از انتخاب نامناسب نمونه
- افزایش اعتبار استنباط‌های آماری
در مقابل، نمونه‌گیری نامناسب ممکن است موجب سوگیری نمونه، کاهش نمایندگی نمونه و تعمیم نادرست نتایج شود.
تفاوت نمونه‌برداری در پژوهش‌های کمی و کیفی
نمونه‌گیری در پژوهش کمی و کیفی از نظر منطق انتخاب نمونه تفاوت دارد.
در بسیاری از پژوهش‌های کمی، هدف این است که نمونه با استفاده از روش مناسب از جامعه انتخاب شود تا بتوان بر اساس داده‌های نمونه درباره جامعه استنباط کرد.
در پژوهش کیفی، معمولاً تمرکز بیشتری بر غنای اطلاعات، تجربه مشارکت‌کنندگان و درک عمیق پدیده وجود دارد.
به همین دلیل، در پژوهش کمی معمولاً موضوعاتی مانند:
- حجم نمونه
- احتمال انتخاب
- خطای نمونه‌گیری
- نمایندگی جامعه
- توان آماری
اهمیت ویژه‌ای پیدا می‌کنند.
انواع روش‌های نمونه‌برداری در پژوهش‌های کمی
روش‌های نمونه‌گیری را می‌توان به دو گروه اصلی تقسیم کرد:
- نمونه‌گیری احتمالی
- نمونه‌گیری غیر احتمالی
تفاوت اصلی این دو گروه در نحوه انتخاب واحدهای نمونه و میزان مشخص بودن احتمال انتخاب آنهاست.
نمونه‌گیری احتمالی چیست؟
در نمونه‌گیری احتمالی (Probability Sampling)، انتخاب نمونه بر اساس یک سازوکار تصادفی انجام می‌شود و احتمال انتخاب واحدها در چارچوب نمونه‌گیری مشخص یا قابل تعیین است.
این روش‌ها معمولاً برای پژوهش‌هایی که هدف آنها استنباط آماری درباره جامعه است، اهمیت زیادی دارند.
مهم‌ترین روش‌های نمونه‌گیری احتمالی عبارت‌اند از:
- نمونه‌گیری تصادفی ساده
- نمونه‌گیری سیستماتیک
- نمونه‌گیری طبقه‌ای
- نمونه‌گیری خوشه‌ای
- نمونه‌گیری چندمرحله‌ای
نمونه‌گیری تصادفی ساده
در نمونه‌گیری تصادفی ساده (Simple Random Sampling) هر واحد واجد شرایط جامعه، طبق طرح نمونه‌گیری، فرصت انتخاب شدن دارد.
فرض کنید جامعه آماری شامل ۲۰۰۰ دانشجو باشد و پژوهشگر بخواهد ۲۰۰ نفر را انتخاب کند.
اگر فهرست کامل جامعه در اختیار باشد، می‌توان برای هر فرد یک شناسه تعیین کرد و با استفاده از یک روش تصادفی، ۲۰۰ نفر را انتخاب کرد.
مزایای نمونه‌گیری تصادفی ساده
- مفهوم نسبتاً ساده
- کاهش نقش انتخاب شخصی پژوهشگر
- مناسب برای جوامعی با فهرست کامل
- قابلیت استفاده از روش‌های آماری استاندارد
محدودیت
اگر جامعه بسیار گسترده یا پراکنده باشد، اجرای نمونه‌گیری تصادفی ساده می‌تواند دشوار و پرهزینه شود.
نمونه‌گیری سیستماتیک
در نمونه‌گیری سیستماتیک (Systematic Sampling)، واحدهای جامعه بر اساس یک فاصله مشخص انتخاب می‌شوند.
برای مثال، اگر حجم جامعه ۱۰۰۰ نفر و حجم نمونه ۱۰۰ نفر باشد، فاصله نمونه‌گیری اولیه می‌تواند برابر با:
k = N / n
باشد.
در این مثال:
k = 1000 / 100 = 10
یعنی پس از انتخاب نقطه شروع مناسب، می‌توان مثلاً هر دهمین واحد را انتخاب کرد.
البته اجرای صحیح این روش به نحوه مرتب شدن فهرست جامعه و شرایط آن نیز بستگی دارد.
نمونه‌گیری طبقه‌ای
در نمونه‌گیری طبقه‌ای (Stratified Sampling) جامعه به طبقات یا زیرگروه‌هایی تقسیم می‌شود که از نظر یک یا چند ویژگی مرتبط با پژوهش اهمیت دارند.
برای مثال، اگر جامعه کارکنان یک سازمان از کارکنان اداری، فنی و مدیریتی تشکیل شده باشد، پژوهشگر می‌تواند جامعه را بر اساس این طبقات تقسیم کند و از هر طبقه نمونه بگیرد.
این روش زمانی مفید است که پژوهشگر بخواهد گروه‌های مهم جامعه در نمونه حضور مناسبی داشته باشند.
نمونه‌گیری طبقه‌ای متناسب
در این روش، سهم هر طبقه از نمونه متناسب با سهم آن طبقه در جامعه تعیین می‌شود.
مثلاً اگر ۶۰ درصد جامعه را گروه A و ۴۰ درصد را گروه B تشکیل دهد، در یک نمونه ۵۰۰ نفری نیز می‌توان به‌صورت متناسب حدود ۳۰۰ نفر از گروه A و ۲۰۰ نفر از گروه B انتخاب کرد.
نمونه‌گیری خوشه‌ای
در نمونه‌گیری خوشه‌ای (Cluster Sampling) به جای انتخاب مستقیم تمام افراد، ابتدا گروه‌ها یا خوشه‌هایی از جامعه انتخاب می‌شوند.
برای مثال، در یک پژوهش درباره دانش‌آموزان یک استان، ممکن است مدارس به‌عنوان خوشه در نظر گرفته شوند.
سپس تعدادی مدرسه انتخاب و از دانش‌آموزان آنها داده جمع‌آوری شود.
این روش زمانی می‌تواند کاربردی باشد که جامعه گسترده و جغرافیایی باشد و دسترسی مستقیم به تمام افراد هزینه زیادی داشته باشد.
نمونه‌گیری چندمرحله‌ای
در نمونه‌گیری چندمرحله‌ای (Multistage Sampling) انتخاب نمونه در چند مرحله انجام می‌شود.
برای مثال:
استان‌ها → شهرها → مدارس → دانش‌آموزان
در هر مرحله، بخشی از واحدها انتخاب می‌شوند تا در نهایت نمونه نهایی شکل بگیرد.
این روش برای پژوهش‌هایی که جامعه آماری بسیار بزرگ و پراکنده دارند، کاربرد زیادی دارد.
نمونه‌گیری غیر احتمالی چیست؟
در نمونه‌گیری غیر احتمالی، انتخاب نمونه به‌گونه‌ای نیست که احتمال انتخاب هر واحد جامعه در چارچوب نمونه‌گیری به شکل مشخص و تصادفی تعیین شود.
روش‌های رایج عبارت‌اند از:
- نمونه‌گیری در دسترس
- نمونه‌گیری هدفمند
- نمونه‌گیری سهمیه‌ای
- نمونه‌گیری گلوله‌برفی
این روش‌ها ممکن است در شرایط خاص کاربردی باشند، اما باید محدودیت آنها در تعمیم آماری نتایج مورد توجه قرار گیرد.
نمونه‌گیری در دسترس
در نمونه‌گیری در دسترس (Convenience Sampling)، پژوهشگر افرادی را انتخاب می‌کند که دسترسی به آنها آسان‌تر است.
برای مثال، اگر پژوهشگر پرسشنامه خود را میان دانشجویان حاضر در یک دانشگاه توزیع کند، ممکن است نمونه او تا حدی بر اساس دسترسی شکل گرفته باشد.
این روش ساده و کم‌هزینه است، اما خطر سوگیری انتخاب در آن بیشتر است.
نمونه‌گیری سهمیه‌ای
در نمونه‌گیری سهمیه‌ای، پژوهشگر ابتدا برای گروه‌های مختلف سهم تعیین می‌کند و سپس افراد را تا تکمیل سهمیه انتخاب می‌کند.
برای مثال، ممکن است پژوهشگر بخواهد نمونه‌ای شامل:
- ۵۰ درصد زنان
- ۵۰ درصد مردان
داشته باشد.
اما باید توجه کرد که رعایت سهمیه به‌تنهایی به معنی تصادفی بودن انتخاب افراد نیست.
نمونه‌گیری گلوله‌برفی
در نمونه‌گیری گلوله‌برفی (Snowball Sampling)، مشارکت‌کنندگان اولیه افراد واجد شرایط دیگری را معرفی می‌کنند.
این روش بیشتر برای گروه‌هایی کاربرد دارد که دسترسی به آنها دشوار است.
با وجود این، زنجیره معرفی افراد ممکن است نمونه را به سمت شبکه‌های اجتماعی مشابه سوق دهد و تنوع نمونه را محدود کند.
چگونه حجم نمونه در پژوهش کمی تعیین می‌شود؟
یکی از مهم‌ترین سؤالات پژوهشگران این است:
برای انجام پژوهش به چند نفر نمونه نیاز داریم؟
پاسخ به این سؤال به شرایط پژوهش بستگی دارد.
عوامل مهم عبارت‌اند از:
- حجم جامعه
- هدف پژوهش
- نوع متغیرها
- روش تحلیل آماری
- سطح اطمینان
- خطای مجاز
- اندازه اثر
- توان آماری
- روش نمونه‌گیری
- میزان ریزش یا عدم پاسخ
بنابراین، تعیین حجم نمونه نباید صرفاً بر اساس یک عدد ثابت انجام شود.
استفاده از فرمول کوکران برای تعیین حجم نمونه
یکی از روش‌های شناخته‌شده، استفاده از فرمول کوکران است.
فرمول پایه برای برآورد نسبت در جامعه بزرگ به شکل زیر نوشته می‌شود:
n₀ = Z²p(1-p) / e²
در این رابطه:
- n₀ = حجم نمونه اولیه
- Z = مقدار مربوط به سطح اطمینان
- p = نسبت برآوردشده صفت در جامعه
- 1-p = مکمل نسبت
- e = خطای مجاز
برای سطح اطمینان ۹۵ درصد، مقدار Z معمولاً ۱٫۹۶ در نظر گرفته می‌شود.
اگر نسبت جامعه مشخص نباشد، در بسیاری از کاربردها p = 0.50 در نظر گرفته می‌شود.
جدول کرجسی و مورگان برای تعیین حجم نمونه
جدول کرجسی و مورگان نیز یکی از ابزارهای رایج در پژوهش‌های دانشگاهی برای تعیین حجم نمونه است.
در این جدول، پژوهشگر با توجه به حجم جامعه، می‌تواند حجم نمونه متناظر را پیدا کند.
برای نمونه، در مقادیر رایج جدول:
| حجم جامعه | حجم نمونه تقریبی |
|---|---|
| 100 | 80 |
| 200 | 132 |
| 300 | 169 |
| 500 | 217 |
| 1000 | 278 |
| 2000 | 322 |
| 5000 | 357 |
| 10000 | 370 |
البته استفاده از جدول باید با شرایط پژوهش و مفروضات آن سازگار باشد.
آیا حجم نمونه بیشتر همیشه بهتر است؟
خیر.
افزایش حجم نمونه می‌تواند دقت برآورد را در شرایط مناسب افزایش دهد، اما «بیشتر بودن» به‌تنهایی به معنی «بهتر بودن» نیست.
اگر نمونه‌گیری با سوگیری جدی انجام شود، افزایش تعداد افراد الزاماً مشکل را برطرف نمی‌کند.
برای مثال، اگر به‌جای نمونه‌گیری مناسب، ۵۰۰۰ نفر از یک گروه خاص را انتخاب کنیم، ممکن است نمونه بزرگ باشد اما نماینده مناسبی برای جامعه هدف نباشد.
بنابراین:
کیفیت طراحی نمونه‌گیری در کنار حجم نمونه اهمیت دارد.
توان آماری و حجم نمونه
در پژوهش‌هایی که هدف آنها آزمون فرضیه است، توان آماری (Statistical Power) نیز اهمیت دارد.
توان آماری به‌طور کلی به احتمال شناسایی یک اثر واقعی در شرایط مشخص مربوط می‌شود.
در تعیین حجم نمونه مبتنی بر توان آماری، معمولاً عواملی مانند:
- اندازه اثر مورد انتظار
- سطح معناداری
- توان موردنظر
- نوع آزمون آماری
در نظر گرفته می‌شوند.
این رویکرد به‌خصوص در پژوهش‌هایی که قرار است تفاوت، رابطه یا اثر مشخصی آزمون شود، می‌تواند نسبت به استفاده مکانیکی از جدول‌های عمومی اطلاعات دقیق‌تری ارائه کند.
خطای نمونه‌گیری چیست؟
خطای نمونه‌گیری (Sampling Error) به تفاوت احتمالی میان ویژگی‌های نمونه و ویژگی واقعی جامعه اشاره دارد که به دلیل بررسی بخشی از جامعه به وجود می‌آید.
برای مثال، میانگین یک متغیر در نمونه ممکن است دقیقاً برابر با میانگین واقعی همان متغیر در جامعه نباشد.
این خطا با مفاهیمی مانند:
- حجم نمونه
- روش نمونه‌گیری
- پراکندگی داده‌ها
- سطح اطمینان
ارتباط دارد.
البته باید توجه داشت که همه خطاهای پژوهش ناشی از نمونه‌گیری نیستند. خطاهای اندازه‌گیری، عدم پاسخ، ورود داده و طراحی پرسشنامه نیز می‌توانند بر کیفیت نتایج اثر بگذارند.
سوگیری نمونه‌گیری چیست؟
سوگیری نمونه‌گیری (Sampling Bias) زمانی رخ می‌دهد که فرایند انتخاب نمونه باعث شود برخی بخش‌های جامعه بیش از حد یا کمتر از حد در نمونه حضور داشته باشند یا احتمال انتخاب آنها به شکل نامناسبی متفاوت باشد.
برای مثال، اگر پژوهشی درباره رضایت مشتریان یک فروشگاه انجام شود اما فقط مشتریانی که در یک ساعت خاص مراجعه می‌کنند بررسی شوند، ممکن است برخی گروه‌های مشتریان کمتر در نمونه حضور داشته باشند.
سوگیری می‌تواند قابلیت تعمیم یافته‌ها را کاهش دهد.
نمونه‌برداری در پژوهش کمی چگونه انجام می‌شود؟ مراحل گام‌به‌گام
مرحله اول: تعریف جامعه آماری
ابتدا باید دقیقاً مشخص کنید جامعه آماری چه کسانی یا چه واحدهایی را شامل می‌شود.
مرحله دوم: تعیین واحد نمونه‌گیری
مشخص کنید واحد انتخاب‌شونده فرد، خانوار، شرکت، مدرسه، سازمان یا مورد دیگری است.
مرحله سوم: تهیه چارچوب نمونه‌گیری
در صورت امکان، فهرست یا چارچوبی تهیه کنید که واحدهای جامعه هدف را پوشش دهد.
مرحله چهارم: انتخاب روش نمونه‌گیری
بر اساس هدف و شرایط پژوهش، روش مناسب را انتخاب کنید.
مرحله پنجم: تعیین حجم نمونه
با توجه به روش تحقیق، هدف آماری و شرایط پژوهش، حجم نمونه تعیین شود.
مرحله ششم: اجرای فرایند انتخاب
نمونه را دقیقاً مطابق روش انتخاب‌شده انتخاب کنید.
مرحله هفتم: کنترل کیفیت نمونه
بررسی کنید آیا نمونه نهایی با معیارهای ورود و طراحی پژوهش سازگار است یا خیر.
نمونه‌برداری در فصل سوم پایان نامه چگونه نوشته می‌شود؟
در فصل سوم پایان‌نامه، بخش نمونه‌گیری باید به اندازه‌ای شفاف باشد که خواننده بتواند منطق انتخاب نمونه را درک کند.
معمولاً باید موارد زیر مشخص شوند:
- جامعه آماری
- حجم جامعه
- نمونه آماری
- روش نمونه‌گیری
- حجم نمونه
- نحوه تعیین حجم نمونه
- معیارهای ورود و خروج
- ابزار گردآوری داده‌ها
- نحوه اجرای نمونه‌گیری
برای مثال، اگر از نمونه‌گیری تصادفی طبقه‌ای استفاده شده است، صرفاً نوشتن عبارت «روش نمونه‌گیری تصادفی بود» کافی نیست.
باید توضیح داده شود که:
طبقات چگونه تعریف شدند، سهم هر طبقه چگونه تعیین شد و افراد چگونه از هر طبقه انتخاب شدند.
چگونه بفهمیم روش نمونه‌گیری مناسبی انتخاب کرده‌ایم؟
برای بررسی مناسب بودن روش نمونه‌گیری، به این سؤالات پاسخ دهید:
- جامعه آماری به‌درستی تعریف شده است؟
- هدف پژوهش مشخص است؟
- واحد نمونه‌گیری مشخص شده است؟
- روش نمونه‌گیری با هدف پژوهش هماهنگ است؟
- امکان دسترسی به چارچوب نمونه‌گیری وجود دارد؟
- حجم نمونه بر اساس منطق آماری تعیین شده است؟
- احتمال سوگیری نمونه بررسی شده است؟
- احتمال عدم پاسخ در نظر گرفته شده است؟
- روش تحلیل آماری با حجم نمونه سازگار است؟
- روش انتخاب نمونه در فصل سوم قابل دفاع است؟
اگر پاسخ این پرسش‌ها روشن باشد، می‌توان با اطمینان بیشتری از طراحی نمونه‌گیری دفاع کرد.
اشتباهات رایج در نمونه‌برداری پژوهش‌های کمی
انتخاب نمونه بر اساس دسترسی بدون توجه به هدف پژوهش
آسان بودن دسترسی به افراد، به‌تنهایی دلیل کافی برای نماینده بودن آنها نیست.
انتخاب حجم نمونه صرفاً بر اساس یک جدول
جدول‌های حجم نمونه باید با شرایط و هدف پژوهش سازگار باشند.
بی‌توجهی به روش تحلیل
حجم نمونه موردنیاز برای آزمون‌های مختلف می‌تواند متفاوت باشد.
نادیده گرفتن عدم پاسخ
اگر بخشی از افراد پرسشنامه را تکمیل نکنند، تعداد پاسخ‌های نهایی ممکن است کمتر از حجم نمونه موردنیاز باشد.
تعمیم نتایج بدون توجه به روش نمونه‌گیری
قابلیت تعمیم نتایج باید متناسب با طراحی نمونه‌گیری و شرایط پژوهش تفسیر شود.
افزایش حجم نمونه برای جبران نمونه‌گیری ضعیف
نمونه بزرگ نمی‌تواند به‌طور خودکار یک روش نمونه‌گیری دارای سوگیری را اصلاح کند.
نمونه‌گیری احتمالی بهتر است یا غیر احتمالی؟
نمی‌توان بدون توجه به سؤال پژوهش گفت یکی همیشه بهتر است.
اگر هدف پژوهش استنباط آماری و تعمیم نتایج به جامعه مشخص باشد و شرایط اجرایی اجازه دهد، روش‌های احتمالی معمولاً مزیت مهمی دارند.
اما در برخی شرایط، نمونه‌گیری غیر احتمالی ممکن است تنها گزینه عملی یا متناسب با هدف مطالعه باشد.
مهم این است که پژوهشگر:
روش انتخاب‌شده را بشناسد، دلیل استفاده از آن را توضیح دهد و محدودیت‌های آن را صادقانه گزارش کند.
چک‌لیست نهایی نمونه‌برداری در پژوهش کمی
قبل از نهایی کردن روش نمونه‌گیری، این موارد را بررسی کنید:
- جامعه آماری دقیقاً تعریف شده است.
- واحد تحلیل و واحد نمونه‌گیری مشخص هستند.
- حجم جامعه مشخص است.
- روش نمونه‌گیری انتخاب شده است.
- دلیل انتخاب روش نمونه‌گیری مشخص است.
- حجم نمونه با روش علمی تعیین شده است.
- روش تحلیل آماری با حجم نمونه هماهنگ است.
- احتمال عدم پاسخ بررسی شده است.
- خطر سوگیری نمونه‌گیری بررسی شده است.
- نحوه انتخاب افراد مستند شده است.
- محدودیت‌های نمونه‌گیری مشخص شده‌اند.
- روش نمونه‌گیری به‌صورت شفاف در فصل سوم گزارش شده است.
جمع‌بندی
نمونه‌برداری در پژوهش‌های کمی فرایندی است که طی آن بخشی از جامعه آماری برای جمع‌آوری داده و انجام تحلیل انتخاب می‌شود. کیفیت این فرایند مستقیماً بر اعتبار استنباط‌های پژوهش اثر می‌گذارد.
در پژوهش‌های کمی می‌توان از روش‌های احتمالی مانند نمونه‌گیری تصادفی ساده، سیستماتیک، طبقه‌ای، خوشه‌ای و چندمرحله‌ای استفاده کرد. روش‌های غیر احتمالی مانند نمونه‌گیری در دسترس، سهمیه‌ای و گلوله‌برفی نیز در شرایط خاص کاربرد دارند.
در کنار انتخاب روش نمونه‌گیری، تعیین حجم نمونه نیز اهمیت زیادی دارد. فرمول کوکران، جدول کرجسی و مورگان و روش‌های مبتنی بر تحلیل توان آماری از رویکردهای شناخته‌شده هستند؛ اما انتخاب هر روش باید با هدف پژوهش، نوع تحلیل و طراحی مطالعه هماهنگ باشد.
نکته کلیدی این است که نمونه بزرگ لزوماً نمونه مناسب نیست. یک نمونه زمانی ارزشمند است که فرایند انتخاب آن با جامعه هدف، سؤال پژوهش، روش تحلیل و منطق روش‌شناختی مطالعه سازگار باشد.
بنابراین، در نگارش فصل سوم پایان‌نامه بهتر است فقط به ذکر «حجم نمونه» اکتفا نکنید؛ بلکه جامعه آماری، روش نمونه‌گیری، نحوه تعیین حجم نمونه، فرایند انتخاب واحدها و محدودیت‌های احتمالی نمونه را نیز به‌صورت شفاف توضیح دهید.
دیدگاه‌ها
هنوز دیدگاهی برای این مقاله ثبت نشده است.
پرسش یا تجربه خود را با ما در میان بگذارید.