योग्यता अनुसंधान में भरोसेमंदता की स्थापना

योग्यता अनुसंधान प्रक्रिया क्या हैं?

वैधता और विश्वसनीयता की अवधारणा गुणात्मक शोध के क्षेत्र में अपेक्षाकृत विदेशी हैं। अवधारणाएं सिर्फ एक अच्छी फिट नहीं हैं। विश्वसनीयता और वैधता पर ध्यान केंद्रित करने के बजाय, गुणात्मक शोधकर्ता डेटा भरोसेमंदता को प्रतिस्थापित करते हैं । भरोसेमंदता निम्नलिखित घटकों से मिलती है: (ए) विश्वसनीयता; (बी) हस्तांतरण योग्यता; (सी); निर्भरता; और (डी) पुष्टिशीलता।

विश्वसनीयता और भरोसेमंदता

विश्वसनीयता निम्नलिखित विशेषताओं के माध्यम से डेटा की भरोसेमंदता में एक विश्वास में योगदान देती है: (ए) लंबे समय तक जुड़ाव; (बी) लगातार अवलोकन ; (सी) त्रिभुज; (डी) रेफरेंसियल पर्याप्तता ; (ई) सहकर्मी debriefing; और (एफ) सदस्य जांच।

त्रिभुज और सदस्य जांच विश्वसनीयता को संबोधित करने के लिए प्राथमिक और सामान्य रूप से उपयोग की जाने वाली विधियां हैं।

त्रिभुज विभिन्न अध्ययन प्रतिभागियों के समान शोध प्रश्न पूछकर और विभिन्न स्रोतों से डेटा एकत्र करके और उन शोध प्रश्नों के उत्तर देने के लिए विभिन्न विधियों का उपयोग करके पूरा किया जाता है। सदस्य जांच तब होती है जब शोधकर्ता प्रतिभागियों से साक्षात्कारकर्ता द्वारा एकत्र किए गए डेटा और उस साक्षात्कार डेटा के शोधकर्ताओं की व्याख्या दोनों की समीक्षा करने के लिए कहता है। प्रतिभागियों को आम तौर पर सदस्य जांच प्रक्रिया की सराहना होती है, और यह जानकर कि उनके पास अपने बयानों को सत्यापित करने का मौका होगा, अध्ययन प्रतिभागियों को पहले साक्षात्कार से किसी भी अंतराल को स्वेच्छा से भरने का कारण बनता है। ट्रस्ट सदस्य जांच प्रक्रिया का एक महत्वपूर्ण पहलू है।

सामान्यीकरण और भरोसेमंदता

हस्तांतरण योग्यता अन्य परिस्थितियों और संदर्भों के अध्ययन निष्कर्षों का सामान्यीकरण है। हस्तांतरण योग्यता को व्यावहारिक प्राकृतिक अनुसंधान उद्देश्य नहीं माना जाता है।

संदर्भ जिसमें गुणात्मक डेटा संग्रह होता है डेटा को परिभाषित करता है और डेटा की व्याख्या में योगदान देता है। इन कारणों से, गुणात्मक शोध में सामान्यीकरण सीमित है।

प्रयोज्य नमूनाकरण का उपयोग हस्तांतरण के मुद्दे को हल करने के लिए किया जा सकता है क्योंकि डेटा संग्रह होने वाले संदर्भ के संबंध में विशिष्ट जानकारी को अधिकतम किया जाता है।

यही है, विशिष्ट और विविध जानकारी को सामान्यीकृत और समग्र जानकारी के बजाय जानबूझकर नमूनाकरण पर जोर दिया जाता है, जो आमतौर पर मात्रात्मक शोध में मामला होगा। प्रयोजन नमूने के लिए नमूना के अलग-अलग सदस्यों की विशेषताओं पर विचार करने की आवश्यकता होती है, जितनी अधिक विशेषताएं अनुसंधान प्रश्नों से बहुत सीधे संबंधित होती हैं।

विश्वसनीयता और भरोसेमंदता

विश्वसनीयता वैधता पर निर्भर है। इसलिए, कई गुणात्मक शोधकर्ता मानते हैं कि यदि विश्वसनीयता का प्रदर्शन किया गया है, तो निर्भरता को अलग और अलग करने के लिए भी आवश्यक नहीं है। हालांकि, यदि कोई शोधकर्ता शर्तों की पार्सिंग की अनुमति देता है, तो विश्वसनीयता वैधता से अधिक संबंधित प्रतीत होती है और निर्भरता विश्वसनीयता से अधिक संबंधित प्रतीत होती है।

कभी-कभी डेटा सत्यापन का उपयोग डेटा ऑडिट के उपयोग के माध्यम से किया जाता है। डेटा सेट ऑडिट किया जा सकता है यदि डेटा सेट समृद्ध-मोटा दोनों है ताकि लेखा परीक्षक यह निर्धारित कर सके कि शोध की स्थिति उनके परिस्थितियों पर लागू होती है या नहीं। पर्याप्त विवरण और प्रासंगिक जानकारी के बिना, यह संभव नहीं है। भले ही, यह याद रखना महत्वपूर्ण है कि लक्ष्य नमूना से परे सामान्यीकृत नहीं करना है।

एक गुणात्मक शोधकर्ता को मानदंडों को रिकॉर्ड करना होगा कि किस श्रेणी के निर्णय लेना है (डे, 1 99 3, पृ।

100)। डेटा विश्लेषण ढांचे का उपयोग लचीला रूप से, विश्लेषण के लिए खुला रहने के लिए, ओवरलैप से बचने के लिए, और पहले अनुपलब्ध या अनावश्यक श्रेणियों पर विचार करने के लिए गुणात्मक शोधकर्ता की क्षमता , शोधकर्ता की परिचितता और डेटा की समझ पर काफी हद तक निर्भर है। डेटा विश्लेषण (ग्लासर और स्ट्रॉस, 1 9 67) में दीवारों से डेटा विश्लेषण का यह स्तर हासिल किया जाता है।

योग्य कार्य को पहले के काम को दोहराने के लिए आयोजित किया जा सकता है, और जब यह लक्ष्य होता है, डेटा श्रेणियों के लिए आंतरिक रूप से सुसंगत होना महत्वपूर्ण है। ऐसा होने के लिए, शोधकर्ता को नियमों को तैयार करना होगा जो श्रेणी गुणों का वर्णन करते हैं और अंत में, श्रेणी के लिए आवंटित प्रत्येक डेटा बिट को शामिल करने के साथ-साथ प्रतिकृति के बाद के परीक्षणों के लिए आधार प्रदान करने के लिए भी उपयोग किया जा सकता है (लिंकन और गुबा, 1 9 85, पी।

347)।

योग्यता अनुसंधान और भरोसेमंद कला

श्रेणियों के भीतर और उसके भीतर डेटा को परिष्कृत करने की प्रक्रिया व्यवस्थित रूप से की जानी चाहिए, जैसे डेटा को पहले समान रूप से स्पष्ट गुणों के अनुसार समूहों में व्यवस्थित किया जाता है। उस चरण के बाद, डेटा ढेर और उप-ढेर में डाल दिया जाता है, जैसे कि भिन्नता बेहतर और बेहतर भेदभाव पर आधारित होती है।

ज्ञापन लिखने की प्रक्रिया के माध्यम से, एक गुणात्मक शोधकर्ता पैटर्न के उभरने या श्रेणी परिष्करण प्रक्रिया से जुड़े परिवर्तनों और विचारों के बारे में नोट करता है। अध्ययन के दौरान स्पष्ट परिभाषाओं को बदलने की उम्मीद की जा सकती है क्योंकि यह निरंतर तुलनात्मक प्रक्रिया के लिए मौलिक है-श्रेणियां कम सामान्य और अधिक विशिष्ट हो जाती हैं क्योंकि डेटा को समूह के रूप में समूहीकृत किया जाता है और अनुसंधान के दौरान पुन: समूहित किया जाता है। इसलिए, श्रेणियों को परिभाषित करने में, हमें डेटा के प्रति सावधान और टेंटिवेटिव होना चाहिए, और उनकी अवधारणाओं में टिकाऊ होना चाहिए (डे, 1 99 3, पृष्ठ 102)।

_{सूत्रों का कहना है:}

_{डाई, जेजी, श्त्ट्ज़, आईएम, रोसेनबर्ग, बीए, और कोलमन, एसटी (2000, जनवरी)। लगातार तुलना विधि: डेटा का एक कैलिडोस्कोप। योग्यता रिपोर्ट, 4 (1/2)।}

_{ग्लेज़र, बी, और स्ट्रॉस, ए। (1 9 67)। आधारभूत सिद्धांत की खोज: गुणात्मक शोध के लिए रणनीतियां। शिकागो, आईएल: एल्डिन।}

_{लिंकन, वाईएस, और गुबा, ईजी (1 9 85)। प्राकृतिक जांच। न्यूबरी पार्क, सीए: ऋषि।}