مروری بر روش‌های سنتی گردآوری داده‌ها

بهتر است قبل از بررسی روش گردآوری اطلاعات در پروپوزال نوین، برخی از روش‌های سنتی را نیز بررسی نماییم. ضروری‌ترین روش‌ها به شرح زیر خواهند بود:

پرسشنامه‌ها (Surveys)

این ابزار از جمله ابزارهای رایج برای جمع‌آوری داده‌های کمی است که می‌تواند به‌صورت چاپی یا دیجیتال اجرا گردد. در این روش موضوع مورد بررسی و پارامترهای تحت تاثیر آن در قالب پرسشنامه چیدمان شده و مطابق با نظر جامعه آماری تحلیل می‌شوند.

مصاحبه‌ها (Interviews)

در مصاحبه‌ها سعی شده گفتگوهای حضوری یا تلفنی با شرکت‌کنندگان ایجاد گردد تا بتوان با کمک این امر برای جمع‌آوری داده‌های کیفی اقدام نمود. مشخصا نمی‌توان در تمامی تحلیل‌ها صرفا به مصاحبه اتکا نمود اما در نوع خود شامل موارد اطلاعاتی زیادی خواهد بود.

مشاهده (Observation)

برای بررسی رفتارها یا وقایع در محیط طبیعی یا آزمایشگاهی می‌توان از مشاهده کمک گرفت. شاید در وهله اول این امر بسیار ساده به نظر برسد اما برای داشتن دید محققانه باید تک تک موارد را مورد ارزیابی قرار داد و آن‌ها را به دقت تحلیل نمود.

گروه‌های متمرکز (Focus Groups)

بسیاری از محققان از طریق مباحثه گروهی کنترل‌شده با هدف کشف دیدگاه‌های عمیق فعالیت‌های تحقیقاتی خود را پیش می‌برند. با این اقدام می‌توان از نتایج سایر همتایان کمک گرفت و تحلیل‌ها و پیشنهادات بهتری ارائه داد. دقت کنید انجام این روش‌ها با مزایای زیادی همراه است اما با چالش‌هایی مانند هزینه بالا، زمان‌بر بودن و محدودیت در پوشش جغرافیایی نیز مواجه خواهند بود. برای حل این چالش‌ها در کنار این روش‌ها، سایر روش‌های نوین جمع‌آوری اطلاعات در پروپوزال نیز قرار گرفته‌اند که می‌توانند کمک‌گر باشند.

جدیدترین روش گردآوری اطلاعات در پروپوزال

به منظور یافتن داده‌ها و اطلاعات می‌توان علاوه بر روش‌های سنتی از روش گردآوری اطلاعات در پروپوزال نوین نیز بهره گرفت. این روش‌ها می‌توانند با تکنیک‎های سنتی ترکیب شده و روند تحقیق را آسان‌تر کنند. برخی از این روش‌ها به شرح زیر خواهند بود:

پلتفرم‌های دیجیتال جمع‌آوری داده (Survey Platforms)

در سال پیشرو، می‌توان با کمک ابزارهای آنلاین همچون SurveyCTO، QuestionPro و Google Forms پروسه انجام مقالات علمی را سرعت داد. این پلتفرم‌ها با ارائه امکانات متعدد همچون طراحی پرسشنامه‌های هوشمند، اعتبارسنجی پاسخ‌ها، ذخیره‌سازی امن در فضای ابری و خروجی‌گیری مستقیم برای تحلیل در SPSS، Excel یا R به کاربران کمک می‌کنند آسوده‌تر پیش بروند. با وجود این ابزارها دقت تحلیل بالا رفته و در زمان صرفه‌جویی می‌شود. ازاین‌طریق می‎توان از راه دور و بدون نیاز به تماس فیزیکی به اطلاعات ضروری دست پیدا کرد.

مصاحبه‌های دیجیتال و خودکارسازی تحلیل‌ها

برای پیگیری مصاحبه‎های ویدیویی به شکل نوین می‌توان از ابزارهایی چون Google Meet یا پلتفرم‌های مبتنی بر هوش مصنوعی، کمک گرفت. بسیاری از محققان با استفاده از الگوریتم‌های NLP متون مصاحبه را به‌صورت خودکار تحلیل می‌کنند و به کار خود سرعت بیشتری می‌بخشند. با کمک این امر می‌توان به نمونه‌های گسترده جغرافیایی دسترسی پیدا کرد و داده‌های کیفی را سرعت بیشتری تحلیل نمود. در نتیجه این اقدام سبب صرفه‌جویی در هزینه سفر و ضبط حرفه‌ای جلسات می‌گردد.

گردآوری داده با حسگرها و اینترنت اشیا (IoT)

در حوزه‌های پزشکی، محیط‌زیستی یا روان‌شناسی رفتاری، می‌توان از حسگرهای هوشمند و دستگاه‌های IoT استفاده نمود. با کمک این حسگرها امکان دریافت داده‌های زنده، میسر خواهد شد. به عنوان مثال اگر محقق به دنبال بررسی رفتار خواب با ساعت‌های هوشمند یا سنجش آلودگی محیط با سنسورهای زیست‌محیطی است، می‌تواند از این ابزارها کمک بگیرد. با کمک این ابزارها و دریافت داده‌ها می‌توان پارامترها را بررسی، تحلیل و نتیجه‌گیری کرد. دستگاه‌های IoT با جمع‌آوری لحظه‌ای و دقیق سبب کاهش خطای انسانی شده و فرایند جمع‌آوری داده‌ها را خودکار می‌کنند.

داده‌های ردپاهای دیجیتال (Digital Trace Data)

فعالیت کاربران در فضای مجازی سبب شده حجم زیادی از داده‌های قابل تحلیل به‌وجود آید. برای تحلیل این رفتارها همچون تعداد کلیک، پست‌ها، جستجوها و ... می‌توان از ابزارهایی مثل Google Analytics، Facebook Insights یا ابزارهای داده‌کاوی، به‌ویژه در تحقیقات بازاریابی و رفتاری، استفاده کرد. این ابزارها کمک می‌کنند محققان حوزه بازاریابی به درک چرایی رفتار مشتری بپردازند و برای آن پاسخ درستی پیدا کنند. با کمک این ابزارها امکان دسترسی به داده‌های واقعی و طبیعی صورت می‌گیرد و می‌توان برای تحلیل داده‌های کلان اقدام نمود.

هوش مصنوعی و یادگیری ماشین

با استفاده از رشد الگوریتم‌های یادگیری ماشین محققان می‌توانند داده‌ها را از منابع مختلف یافته و آن‌ها را تحلیل کنند. این امر در تحقیقات مرتبط با احساسات، تشخیص چهره یا پیش‌بینی رفتار بسیار مؤثر است. با این روش می‌توان داده‌ها را از منابع متنوع استخراج نمود و با دقت بالا آن‌ها را تحلیل کرد. با یادگیری ماشین و هوش مصنوعی می‌توان بر اساس داده‌های گذشته رفتارها را پیش‌بینی نمود.

ترکیب روش‌ها (Mixed Methods) در بسترهای دیجیتال

در یک پژوهش علمی می‌توان از ترکیب روش‎های کمی و کیفی بهره برد. برای این منظور ترکیب روش‌ها صرفا محدود به چاپ و کاغذ نخواهد بود با کمک نرم‌افزارهایی مانند SurveyCTO و QuestionPro می‌توان همزمان پرسشنامه، مصاحبه و تحلیل داده‌های رفتاری را در یک پلتفرم پیاده‌سازی کنید. با این امکانات در داده‌ها جامعیت خواهید داشت و اعتبار تحقیق افزایش پیدا خواهد کرد. علاوه بر آن در طراحی پرسش‌ها و ابزارها نیز انعطاف قابل قبولی وجود خواهد داشت.

نتیجه‌گیری

در سال پیشرو می‌توان از جدیدترین روش گردآوری اطلاعات در پروپوزال استفاده نمود و با کمک آن‌ها پروسه این امر را کوتاه‌تر کرد و حرفه‌ای‌تر پیش برد. پلتفرم‌های دیجیتال، اینترنت اشیا، داده‌های شبکه‌های اجتماعی و هوش مصنوعی، می‌توانند به محققان کمک کنند به داده‌های علمی دسترسی داشته باشند. برای تهیه یک پروپوزال علمی قوی، انتخاب هوشمندانه روش گردآوری داده‌ ضروری است. با کمک گرفتن از ابزارهای جدید گردآوری اصولی اطلاعات به راحتی میسر خواهد شد.