داده های کمی چیست؟

داده های کمی چیست؟

داده های کمی چیست؟ ، بسیاری از متخصصان، از جمله محققان، اقتصاددانان و رهبران تجاری، برای کمک به تصمیم گیری به داده ها تکیه می کنند. قبل از اینکه بتوانند این کار را انجام دهند، باید داده ها را جمع آوری و تجزیه و تحلیل کنند. یکی از انواع داده های ضروری، داده های کمی است. در این راهنما، ما در مورد داده های کمی، از جمله مزایای تحقیقات کمی، انواع داده های کمی و نحوه جمع آوری آن بحث می کنیم.

داده های کمی چیست؟
داده های کمی چیست؟ – تزیسمی

فهرست مطالب

داده های کمی چیست؟

داده های کمی داده هایی هستند که به صورت مقادیر عددی هستند. از آنجایی که هر مقدار در مجموعه داده دارای یک مقدار عددی است، این به شما امکان می دهد محاسبات ریاضی را با آن انجام دهید. هدف داده های کمی پاسخگویی به سوالاتی از قبیل:

. چند تا؟
. چقدر؟
. چند وقت؟

دو نوع عمده داده وجود دارد که شامل کمی و کیفی می شود. در حالی که داده های کمی چیزها را به شکل عددی اندازه گیری می کند، داده های کیفی ویژگی ها را اندازه گیری می کند. به عنوان مثال، در یک جعبه مداد رنگی، تعداد مداد رنگی یک اندازه گیری کمی است، در حالی که هر رنگ جداگانه کیفی است. شما می توانید هر دو شکل داده را در مطالعات تحقیقاتی بیابید، اما آنها کاربردها و مزایای متفاوتی دارند.

مزایای داده های کمی- داده های کمی چیست؟

مزیت اصلی استفاده از داده های کمی عینی بودن آن است. به اعداد مشخص و متغیرهای کمتری متکی است. این می تواند به حذف سوگیری ها از تحقیق و دقیق تر کردن یافته ها کمک کند. مزیت دیگر این است که اغلب به دست آوردن نمونه های بزرگ آسان تر است. تحقیقات داده های کیفی اغلب شامل تعاملات عمیق تر با افراد در سطح شخصی است. با این حال، داده های کمی فقط به پاسخ های عددی نیاز دارند. فرستادن نظرسنجی برای هزاران نفر بسیار ساده تر از انجام مصاحبه با آنهاست.

این همچنین باعث می شود که تحقیقات داده های کمی معمولاً مقرون به صرفه تر و سریع تر باشد. برای مثال، تنظیم مصاحبه با پاسخ دهندگان اغلب به پول بیشتری نسبت به تهیه پرسشنامه نیاز دارد. همچنین هزینه زمانی که محققان برای در نظر گرفتن صرف می کنند وجود دارد.

معایب داده های کمی- داده های کمی چیست؟

علیرغم مزایای تحقیقات کمی، گاهی اوقات در توضیح موضوعات پیچیده تحقیق ناکافی است. محدودیت های آن عبارتند از:

سطحی نگری

استفاده از تعاریف عملیاتی دقیق و محدود کننده ممکن است به اندازه کافی مفاهیم پیچیده را نشان دهد. برای مثال، مفهوم خلق و خوی ممکن است فقط با یک عدد در تحقیقات کمی نشان داده شود، اما با توضیح در تحقیقات کیفی توضیح داده شود.

تمرکز باریک

متغیرهای از پیش تعیین شده و روش‌های اندازه‌گیری می‌تواند به این معنی باشد که سایر مشاهدات مرتبط را نادیده می‌گیرید.

سوگیری ساختاری

علیرغم رویه های استاندارد شده، سوگیری های ساختاری همچنان می تواند بر تحقیقات کمی تأثیر بگذارد. داده های از دست رفته، اندازه گیری های نادرست یا روش های نمونه گیری نامناسب سوگیری هایی هستند که می توانند منجر به نتیجه گیری اشتباه شوند.

فقدان زمینه

تحقیقات کمی اغلب از تنظیمات غیرطبیعی مانند آزمایشگاه‌ها استفاده می‌کند یا زمینه‌های تاریخی و فرهنگی را که ممکن است بر جمع‌آوری داده‌ها و نتایج تأثیر بگذارد در نظر نگیرد.

انواع داده های کمی- داده های کمی چیست؟

انواع رایج داده های کمی عبارتند از:

شمارنده ها

شمارنده زمانی است که شما تعداد چیزی را در یک منطقه معین محاسبه می کنید. این اغلب یکی از انواع ساده‌تر داده‌های کمی است، زیرا ممکن است به ابزار خاصی نیاز نداشته باشد. به عنوان مثال، تعداد افراد در یک اتاق یا تعداد انگور در یک کاسه، دو موردی هستند که می توانید برای دریافت داده های کمی روی آنها حساب کنید.

اندازه گیری ها

اندازه گیری چیزی همچنین داده های کمی را در اختیار شما قرار می دهد. این شامل مواردی می شود که شما در حال اندازه گیری شکل فیزیکی یک جسم، مانند طول یا عرض آن، یا اندازه گیری زمان لازم برای یک فرآیند هستید. انواع دیگر اندازه گیری ها عبارتند از:

. سرعت
.درجه حرارت
. ارتفاع
. فاصله

طرح ها

پیش بینی زمانی است که شما یک تخمین در مورد شمارش یا اندازه گیری آینده بر اساس داده های قبلی انجام می دهید. برای مثال، اگر گیاهی دارید که بعد از چهار هفته 12 اینچ قد دارد، ممکن است پیش‌بینی کنید که در عرض پنج هفته به 15 اینچ می‌رسد. حتی اگر هنوز اطلاعات واقعی را ندارید، می توانید محاسبات را با این پیش بینی انجام دهید و آن را به داده های کمی تبدیل کنید.

اندازه گیری حسی

اطلاعات حسی که شما با اندازه گیری عددی نشان می دهید، داده های کمی هستند. برای مثال، می توانید دسی بل را اندازه گیری کنید تا میزان بلندی صدا را مشخص کنید. مثال دیگر دوربین های دیجیتال است که از حسگرهایی برای تبدیل اطلاعات الکترومغناطیسی به داده های عددی استفاده می کنند.

نمایش عددی داده های کیفی

گاهی اوقات، برای انجام عملیات ریاضی با داده های کیفی، ممکن است بخواهید مقادیر عددی را به آن اختصاص دهید. به عنوان مثال، ممکن است از مشتریان بخواهید که محصول شما را بر اساس یک مقیاس رتبه بندی کنند. در حالی که نظر یک فرد عددی نیست، اختصاص یک مقدار عددی به آن به شما امکان می دهد کارهایی مانند پیدا کردن میانگین نظر یک محصول را انجام دهید.

روش های جمع آوری داده های کمی- داده های کمی چیست؟

در زیر رایج ترین روش های جمع آوری داده های کمی آورده شده است:

مشاهدات

جمع آوری داده ها از طریق مشاهدات شاید ساده ترین روش باشد. شما می توانید چیزی را مشاهده کنید و داده ها را ثبت کنید. به عنوان مثال، می توانید ارتفاع یک گیاه را مشاهده کرده و در طول یک ماه اندازه گیری کنید. شما نیازی به انجام هیچ محاسباتی ندارید. شما به سادگی آنچه را که می بینید مستند می کنید.

آزمایش

استفاده از آزمایش ها برای جمع آوری داده های کمی شامل ایجاد یک فرضیه و طراحی سیستمی برای آزمایش آن است. فردی که آزمایش را اجرا می کند معمولاً می خواهد به یک سؤال پاسخ دهد و داده هایی را جمع آوری می کند تا به آنها در پاسخ به آن کمک کند. برای مثال، ممکن است کسی بخواهد بداند که آیا گیاهان در زیر لامپ های سفید یا زرد بهتر رشد می کنند. سپس دو گیاه، یکی در زیر هر نوع لامپ رشد می‌کنند و نتایج را اندازه‌گیری می‌کنند.

نظرسنجی ها

نظرسنجی مجموعه ای از سوالاتی است که به مخاطبان داده می شود. مدیران نظرسنجی از سوالات چند گزینه ای برای تعیین کمیت پاسخ های مخاطبان خود استفاده می کنند. برخی از سؤالات ممکن است مستقیماً از پاسخ دهنده یک مقدار عددی بخواهند، در حالی که در برخی دیگر، مدیر نظرسنجی ممکن است یک مقدار عددی را تعیین کند. به عنوان مثال، نظرسنجی ممکن است از پاسخ دهندگان بخواهد که تجربه خود را بر اساس یک مقیاس ارزیابی کنند. گزینه دیگر ارائه گزینه هایی مانند “ضعیف”، “عادلانه”، “خوب” و “عالی” برای پاسخ دهندگان است که هر گزینه دارای یک مقدار عددی است. در این صورت «فقیر» برابر یک و «خوب» برابر با سه است.

مصاحبه ها

مصاحبه ها مشابه نظرسنجی ها هستند اما معمولاً در گروه های کوچکتر و اغلب یک به یک انجام می شوند. یکی از مزایای استفاده از مصاحبه این است که می تواند به مصاحبه کننده اجازه دهد سوالات دقیق تری بپرسد، که ممکن است توضیح آن در نظرسنجی چالش برانگیز باشد. در عین حال، پاسخ دهندگان می توانند پاسخ های دقیق تری ارائه دهند. با این حال، انجام مصاحبه ممکن است به زمان بیشتری نسبت به نظرسنجی نیاز داشته باشد.

داده های کمی چیست؟
داده های کمی چیست؟ – تزیسمی

روش های تحلیل کمی داده ها- داده های کمی چیست؟

پژوهشگران و تحلیلگران برای انجام تحلیل داده های خود از روش های زیر استفاده می کنند:

جدول بندی متقاطع

جدول بندی متقاطع روشی است که رابطه بین چند متغیر را تجزیه و تحلیل می کند. همچنین به عنوان زبانه های متقاطع شناخته می شود، یکی از روش های رایج تجزیه و تحلیل هنگام کار با داده های کمی است. از طریق جدول بندی متقابل، می توانید نتایج یک متغیر را با هر یک از متغیرهای دیگر مقایسه کنید.

برای مثال، یک کمپین سیاسی ممکن است نظرسنجی انجام دهد تا ببیند که رای دهندگان احتمالاً کدام نامزد را در انتخابات آینده انتخاب خواهند کرد. هنگامی که همه پاسخ دهندگان را با هم گروه بندی می کنند، متوجه می شوند که نامزد آنها 50٪ آرا و رقیب آنها 50٪ دیگر را دریافت می کند. با این حال، از طریق تجزیه و تحلیل جداول متقابل، آنها می توانند ببینند که چگونه جمعیت شناسی مختلف به این نظرسنجی پاسخ دادند. آنها ممکن است متوجه شوند که نامزدشان به خوبی با دانشجویان کالج عمل نکرده و تصمیم بگیرند تبلیغات کمپین بیشتری را روی آن گروه سنی متمرکز کنند.

تحلیل روند

تجزیه و تحلیل روند زمانی است که به داده های جمع آوری شده در یک دوره زمانی نگاه می کنید. این به شما این امکان را می دهد تا ببینید که چگونه اوضاع در آن دوره تغییر کرده است. به عنوان مثال، یک نظرسنجی ممکن است از ساکنان یک ایالت در مورد نظر آنها در مورد فرماندار خود بپرسد، سپس هر ماه به مدت یک سال دوباره همان سوال را بپرسد. اگر تغییر قابل توجهی در داده ها وجود داشته باشد، می توانید تعیین کنید که چه چیزی بر تغییر تأثیر گذاشته است.

تجزیه و تحلیل مشترک

هدف از تجزیه و تحلیل پیوسته درک بهتر این است که مردم چگونه تصمیمات پیچیده می گیرند. ارزش هایی را به ویژگی های مختلف اختصاص می دهد و از پاسخ دهندگان می خواهد که آنها را ارزیابی کنند.

برای مثال، کسب‌وکاری که کامپیوتر می‌فروشد ممکن است از تجزیه و تحلیل مشترک برای کمک به تعیین اینکه چه ویژگی‌هایی باید به رایانه خود بدهد، استفاده کند. چند ویژگی مانند اندازه هارد، وزن، اندازه صفحه نمایش و RAM موجود را انتخاب می کند. سپس سطوح واقعی را برای هر یک از این ویژگی ها اضافه می کند، از جمله 500 گیگابایت، یک ترابایت و دو ترابایت برای اندازه هارد. در این نظرسنجی، محققان لپ‌تاپ‌های مختلفی را به پاسخ‌دهندگان می‌دهند تا از بین آنها انتخاب کنند که هر کدام ترکیبی از ویژگی‌ها را نشان می‌دهند. پس از جمع‌آوری داده‌ها، کسب‌وکار می‌تواند ببیند که مشتریان کدام ویژگی‌ها را نسبت به دیگران اولویت دارند.

مراحل انجام تجزیه و تحلیل داده های کمی

برای داده های کمی، اطلاعات خام باید با استفاده از روش های تجزیه و تحلیل داده ها به شیوه ای معنادار ارائه شود. این داده ها باید برای یافتن داده های شواهدی که به فرآیند تحقیق کمک می کند، تجزیه و تحلیل شود.

. مقیاس‌های اندازه‌گیری را با متغیرها مرتبط کنید: مقیاس‌های اندازه‌گیری مانند اسمی، ترتیبی، فاصله و نسبت را با متغیرها مرتبط کنید. این مرحله برای چیدمان داده ها به ترتیب مناسب مهم است. داده ها را می توان در یک برگه اکسل وارد کرد تا آنها را در قالب خاصی سازماندهی کند.
. ارتباط آمار توصیفی با داده ها: پیوند آمار توصیفی برای محصور کردن داده های موجود. ایجاد یک الگو در داده های خام می تواند دشوار باشد. برخی از آمار توصیفی پرکاربرد عبارتند از:
1. Mean- میانگین مقادیر برای یک متغیر خاص
2. میانه – نقطه وسط مقیاس ارزش برای یک متغیر
3. Mode- برای یک متغیر، رایج ترین مقدار است
4. فرکانس – تعداد دفعاتی که یک مقدار خاص در مقیاس مشاهده می شود
5. حداقل و حداکثر مقادیر – کمترین و بالاترین مقادیر برای یک مقیاس
6. درصد – فرمت برای بیان امتیازات و مجموعه مقادیر برای متغیرها

. تعیین مقیاس اندازه گیری: تصمیم گیری مقیاس اندازه گیری برای نتیجه گیری آمار توصیفی برای متغیر مهم است. به عنوان مثال، یک امتیاز متغیر اسمی هرگز میانگین یا میانه نخواهد داشت، بنابراین آمار توصیفی به ترتیب متفاوت خواهد بود. در مواقعی که قرار نیست نتایج به جامعه تعمیم داده شود، آمار توصیفی کافی است.
. انتخاب جداول مناسب برای نمایش داده ها و تجزیه و تحلیل داده های جمع آوری شده: پس از تصمیم گیری در مورد مقیاس اندازه گیری مناسب، محققان می توانند از قالب جدولی برای نمایش داده ها استفاده کنند. این داده ها را می توان با استفاده از تکنیک های مختلفی مانند جدول متقاطع یا TURF تجزیه و تحلیل کرد.

نتیجه

استفاده از داده های کمی در تحقیقات یکی از بهترین راهبردها برای تضمین نتایج قابل اعتماد است که امکان تصمیم گیری بهتر را فراهم می کند. به طور خلاصه، داده های کمی اساس تجزیه و تحلیل آماری است.

داده هایی که می توانند اندازه گیری و تأیید شوند، اطلاعاتی در مورد کمیت ها به ما می دهند. یعنی اطلاعاتی که با اعداد قابل اندازه گیری و نوشتن باشد. داده های کمی یک عدد را تعریف می کنند، در حالی که جمع آوری داده های کیفی توصیفی است.

QuestionPro نرم افزاری است که برای جمع آوری داده های کمی با استفاده از یک پلت فرم قدرتمند با پرسشنامه های از پیش بارگذاری شده ایجاد شده است. علاوه بر این، شما قادر خواهید بود داده های خود را با ابزارهای تحلیلی پیشرفته مانند جداول متقاطع، مقیاس لیکرت، اینفوگرافیک و موارد دیگر تجزیه و تحلیل کنید.

2 دیدگاه دربارهٔ «داده های کمی چیست؟»

  1. بازتاب: تحقیق ترکیبی چیست؟ - تزیسمی

  2. بازتاب: داده های کیفی در مقابل داده های کمی: تفاوت چیست؟ - تزیسمی

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *