در نوشتن پایان نامه، هدفتان این نباشد که درباره همه روش های نمونه گیری بحث کنید، بلکه باید روشی را توضیح دهید که با آن اقدام به نمونه گیری کرده اید.

گرچه، دانستن روش های اصلی نمونه گیری، پیش نیاز نوشتن روش نمونه گیری توسط محقق است.

یکی از مشخصه های خوب یک نمونه معرف بودن آن است.

معرف بودن، امکان تعمیم نتایج حاصل از نمونه را به جامعه آماری فراهم می سازد.

روش های اصلی نمونه گیری که معرف بودن را امکان پذیر می کند، عبارتند از:

الف) نمونه تصادفی ساده،

ب) نمونه گیری تصادفی طبقه ای،

ج) نمونه گیری خوشه ای و

د) نمونه گیری منظم.

در ادامه، هر یک از این روش ها مورد بحث قرار می گیرد.

 

الف) نمونه گیری تصادفی ساده

نمونه گیری تصادفی ساده، انتخاب یک نمونه به گونه ای است که همه افراد جامعه آماری تعریف شده شانس برابر برای انتخاب شدن در نمونه را داشته باشند.

نمونه گیری تصادفی ساده در برگیرنده تعریف آماری، شناسایی اعضای جامعه آماری و انتخاب شانسی آحاد نمونه با استفاده از جدول اعداد تصادفی است.

نمونه گیری تصادفی ساده یکی از بهترین روش ها برای بدست آوردن یک نمونه معرف جامعه است.

در ادامه مثالی از نمونه گیری تصادفی ساده از یک پایان نامه مطرح می شود.

پایان نامه ای که روش تحقیق آن ترکیبی بوده است (مثال 8.3).

 

انتخاب مشارکت کنندگان

مثال8.3

جامعه آماری مورد نظر این مطالعه، تمامی مدیران، معاونین، مدیران مدارس متوسطه (کلاس های 6-12) و مدیران مدارس ابتدایی (کلاس های پیش دبستانی تا 5) اعم از مرد و زن در ایالات متحده بودند.

این جامعه آماری فقط مدیران مدارس دولتی را شامل می شدند.

از اطلاعات شرکت بازیابی داده های بازار (2000)، زیر مجموعه شرکت دان و برِید استریت مستقر در شیکاگو، ایلینوس، برای تعیین جامعه آماری مورد نظر استفاده شد.

در ادامه تفکیکی از جامعه آماری مورد نظر برای هر گروه آورده می شود: 11542 مدیر مرد، 2060 مدیر زن، 4269 معاون مرد، 2267 معاون زن؛ مدیران مدارس ابتدایی، 24591 مرد و 29305 زن؛ و مدیران مدارس متوسطه، 21230 مرد و 7929 زن. کل جامعه آماری شامل 103193 نفر می شود.

طبق گفته کرِجسی و مورگان (1970)، زمانی که جامعه آماری 100000 نفر است، اندازه نمونه 384 نفر توصیه می شود.

نمونه کمی برگرفته از جامعه آماری 103193 نفره، 800 نفر مدیر آموزشی بود که به طور تصادفی به وسیله رایانه از طریق شرکت بازیابی داده ها بازار (2000) انتخاب گردید.

پژوهشگران، داده های کمی مورد نیاز را از طریق پرسشنامه اثربخشی سازمانی و رهبری به دست آورند.

شرکت بازیابی داده ها بازار به طور تصادفی به وسیله رایانه از هر یک از گروهای بالا، 100نفر زن و تعداد 100 نفر مرد را که در کل 800 نفر یا 7 00/0 کل جامعه آماری بودند را انتخاب نمودند(Trautman,2000,p.84).

به لحاظ فنی، مثال بالا مثالی از یک نمونه تصادفی ساده نیست، بلکه یک نمونه تصادفی طبقه ای است.

جامعه آماری مدیران، معاونین، مدیران مدارس متوسطه و مدیران مدارس ابتدائی مورد نظر به تعداد مساوی از مردان و زنان تقسیم شده بودند.

بنابراین، نمونه به دست آمده بر مبنای جنسیت طبقه بندی شده بود و نمونه انتخابی، معرف جامعه بر حسب این مشخصه است.

نمونه گیری تصادفی طبقه ای معمولاً یک نمونه کاملاً معرف تری را نسبت به نمونه گیری تصادفی ساده ارائه می دهد و لذا این روش نمونه گیری بیشتر از نمونه گیری تصادفی ساده مورد استفاده قرار می گیرد.

 

ب) نمونه گیری تصادفی طبقه ای

نمونه گیری تصادفی طبقه ای، فرآیند انتخاب یک نمونه به روشی است که زیر گروه های شناسایی شذه در جامعه آماری به همان نسبتی که در جامعه وجود نداند، در نمونه آماری نمایش داده می شوند.

اگر در صدد مقایسه زیر گروه ها با یکدیگر باشیم، از این نوع نمونه گیری می توانیم برای انتخاب نمونه های یکسان از زیر گروه ها استفاده کنیم.

برای مثال، اگر شما بخواهید عملکرد زیر گروه های مختلف را مقایسه کنید، نمونه هایی با تعداد برابر مفیدتر خواهند بود.

برای مثال، فرض کنید که علاقه مند به مقایسه موفقیت دانش آموزانی هستید که از سطوح توانایی متفاوت (بالا، متوسط، پایین) برخوردارند و به دو روش مختلف تدریس ریاضیات یعنی سنتی و رایانه ای آموزش دیده اند.

مراحل نمونه گیری تصادفی طبقه ای مانند مراحل نمونه گیری تصادفی ساده است، به استثنای این که در نمونه گیری طبقه ای، انتخاب از زیر گروه های جامعه آماری به جای کل جامعه صورت می گیرد.

گزیده ای از پایان نامه دارلن بلیر (2001) در زیر مطرح می شود (مثال 8.4).

 

نمونه مثال 8.5

نمونه این مطالعه متشکل از 239 مدرسه متشکل از معلمان مدارس ابتدایی و متوسطه و دانش آموزان از دو سطح ابتدایی و متوسطه در پنج حوزه تحصیلی در ایالتی در ناحیه شمال مرکزی بود.

اگر چه نمونه گیری مدرسه تصادفی نبود، اما آن متفاوت بود و میان نواحی شهری، حومه شهری و روستایی توزیع شده بود و تمام حدود وضعیت اقتصادی اجتماعی را در برگرفته بود.

مدارس ابتدایی بسیار کوچک در این نمونه در نظر گرفته نشدند؛ در واقع، فقط مدارسی با 10 یا بیش از 10 کادر آموزشی نماینده هایی برای نمونه در نظر گرفته شدند.

مدارسی که مشارکت داشتند در اندازه هایی از 468 تا 3000 دانش آموز با میانگین 1098 دانش آموز بودند.

دو تا از مدارس متوسطه در یک شهر اصلی واقع شده بودند.

یک دبیرستان دیگر و یک مدرسه ابتدایی در حومه شهر بودند.

دو مدرسه دیگر، یکی ابتدایی و دیگری متوسطه، در حوزه دیگر در همان ابالت قرار داشتند و توانسته بودند به عنوان شهر روستای کوچک تعریف شوند.

به علاوه، این نمونه گروهی از معلمان را نشان داد که در سن ، نژاد، جنسیت، تجربه و سطح تحصیلی متفاوت بوددند.

نمونه دانش آموزان نیز از نظر سطح کلاس، ترکیب نژادی، جنسیت و وضعیت اقتصادی اجتماعی متفاوت بود.

بعد از این که مدارس انتخاب شدند، محققان آموزش دیده به صورت شخصی داده ها را از کادر آموزشی و دانش آموزان در هر مدرسه جمع آوری نمودند.

داده های PCI تقریباً تمامی کادر آموزشی سطوح کلاسی بالاتر مدارس ابتدایی و کادر آموزشی مدارس متوسطه در هر مدرسه به دست آمد.

با این وجود، فقط از معلمانی برای مشارکت دعوت به عمل آمد که پنج بار در هفته دروس اصلی را تدریس می کردند.

هر یک از 293 معلم، 49 معلم مدرسه ابتدایی و 190 معلم مدرسه متوسطه، فرم های PCI و برگه های اطلاعات شخصی را کامل کردند.

به طور مشابه، داده های PCB و QSL از یک کلاس تدریس شده به وسیله هر یک از این معلمان توسط یک محقق در طول کلاس هایی که به طور منظم برنامه ریزی شده بود، جمع آوری شد.

در مدارس ابتدایی، کلاس پنجم تا هشتم به وسیله پرتاب تاس برای هر سطح کلاسی انتخاب شدند.

در دبیرستان ها، دانش آموزان کلاس های نهم تا دوازدهم با پرتاب یک تاس برای هر سطح کلاسی انتخاب شدند.

به جز تعداد معدودی از دانش آموزان که تقریباً نیمی از فرم های کلاس ها را بر عکس پر کرده بودند، همه دانش آموزان انتخاب شده به این روش، فرم ها را تکمیل نمودند.

در مجموع برای 5172 دانش آموز فرم های قابل استفاده PCB تدارک دیده شد و 5199 دانش آموز شاخص های قابل استفاده QSL را با متوسط 26 دانش آموز در هر کلاس تکمیل کردند.

در کل، بیش از 5000 کادر آموزشی و دانش آموز در 239 کلاس پرسش نامه های قابل استفاده را بازگرداندند.

برای به دست آوردن نمونه در پایان نامه اشمیت، نمونه گیری خوشه ای مورد استفاده قرار گرفت.

به جای استخراج تصادفی اسامی و سپس برقراری ارتباط انفرادی با معلمان و دانش آموزانی که در تمامی مدارس پراکنده هستند، او دریافت که استخراج یک نمونه تصادفی از حوزه های تحصیل، مدارس و در نهایت کلاس های درون این مدارس، (یعنی خوشه ها) و درخواست از معلمان کلاس برای کمک به جمع آوری داده ها (یعنی درخواست از آنها برای کمک به او تا پرسشنامه های دانش آموزان را توزیع نماید) اثربخش تر خواهد بود.

این روش انتخاب نمونه منتج به تکمیل پرسشنامه ها توسط 239 معلم (با نرخ بازگشت 100 درصد) و بیش از 5100 دانش آموز (تقریباً با نرخ بازگشت 96 درصد) شد. لذا همه معلمان پرسشنامه ها را تکمیل کردند.

به جز آن دسته از دانش آموزان که در روز توزیع پرسشنامه ها غایب بودند، تقریباً همه دانش آموزان حاضر نیز پرسشنامه های توزیع شده در کلاس های مدارس ابتدایی و متوسطه را تکمیل کردند.

 

د) نمونه گیری منظم

در نمونه گیری منظم یا سیستماتیک، افراد از فهرستی انتخاب می شوند که در آن اسامی آحاد جامعه درج و شماره گذاری شده است و اسامی افرادی انتخاب می شود که از مضرب n برخوردارند.

اندازه واقعی n بستگی به تعداد اسامی مندرج در فهرست و اندازه نمونه مورد نظر دارد.

برای مثال، اگر n=4 باشد، از هر 4 نفر یکی و اگر n=10 باشد، از هر 10 نفر یکی باید انتخاب شود و همین طور الی آخر.

در ادامه مثالی از پایان نامه اسکات بَرِت (2000) مطرح می شود (مثال 8.6 را مشاهده کنید).

 

مثال 8.6

نمونه گیری منظم

کل جامعه آماری تحقیق شامل تعداد 622 مدیر مدارس دولتی تگزاس بود که از نرم افزار پنتیشن در زمان این مطالعه استفاده می کردند.

این تعداد از طریق شناسایی مدارس دولتی تگزاس که از نرم افزار پنتیشن استفاده می کردند به دست آمد، سپس با کمک مؤسسه آموزشی تگزاس که اطلاعات مدیران مدارس و نشانی الکترونیک آنها را ارائه می دهد، فهرست کاملی از آنان تهیه شد.

برای جلوگیری از دوباره کاری، فهرست مدیران، همراه با نام شهری که مدرسه در آنجا قرار داشت تنظیم گردید.

برای اطمینان از کافی بودن اندازه نمونه، بر اساس نمودار حداقل اندازه نمونه اُلِجنیک (به استناد گال و همکاران 1996) اقدام شد و تمامی اسامی مضرب 4 (از هر چهار نفر یک نفر) از فهرست شرکت کنندگان در این مطالعه انتخاب شدند و در نهایت یک نمونه 165 نفره به دست آمد (Barrett, 2000,pp. 81-82).

معرف بودن نمونه برای روایی بیرونی مطالعه بسیار مهم است.

معرف بودن یک نمونه توسط افرادی که مشارکت در یک مطالعه را رد می کنند و استفاده از داوطلبین به جای آنان، به خطر می افتد.

عدم همکاری مشارکت کنندگان می تواند یکی از مشکلات پژوهش هایی باشد که از پرسش نامه های پستی و آنلاین استفاده می کنند.

میزان جدی بودن مشکل به میزان عدم پاسخ گویی بستگی دارد.

شما می توانید عدم پاسخ دهی به پرسشنامه ها را با پی گیری پرسشنامه اولیه و با درخواست های مداوم بعد از دو و سه هفته به حداقل برسانید پیوستهای A ، B و C را برای آشنایی با نامه های پی گیری مشاهده کنید).

تفاوت بین دیدگاه افراد داوطلب و غیر داوطلب درباره متغیرهای در دست مطالعه، معرف بودن نمونه را تحت تأثیر قرار خواهد داد.

بنابراین، شما نه تنها نیاز به گزارش تفاوت بین افراد داوطلب و غیر داوطلب دارید، بلکه باید میزان عدم پاسخ دهی به پرسشنامه ها را نیز گزارش کنید.

 

انتخاب نمونه غیر تصادفی

اگر چه فنون نمونه گیری تصادفی بهترین فرصت را برای به دست آوردن نمونه های بدون سوگیری فراهم می آورد، اما این امکان همیشه برای محققان وجود ندارد که از نمونه گیری تصادفی استفاده کنند.

روش های نمونه گیری غیر تصادفی شامل

(الف) نمونه گیری در دسترس،

(ب) نمونه گیری هدفمند و

(ج) نمونه گیری سهمیه ای است.

 

الف) نمونه گیری در دسترس

نمونه گیری در دسترس، نمونه ای است که هر کسی را که اتفاقاً در لحظه انتخاب نمونه حضور دارد در برمی گیرد.

استفاده از افراد داوطلب و استفاده از گروه های موجود، صرفاً به دلیل حضور آنان در لحظه نمونه گیری، مثال هایی از این روش است.

اگر از یک نمونه در دسترس استفاده می کنید، در تعمیم نتایج از آن به جامعه با احتیاط عمل کنید.

بهتر است این بحث را در بخش توصیف نمونه آماری به طور مستقیم مورد توجه قرار دهید.

اگر لازم است که از یک نمونه در دسترس استفاده کنید، نمونه را طوری انتخاب کنید که از تنوع لازم برخوردار باشد، همان گونه که سیندی لوفلر (2005) در پایان نامه اش انجام داد.

وی نمونه خود را از چندین دانشگاه به دست آورد. زمانی که شما نمونه را از چندین دانشگاه (گروه) انتخاب می کنید، مطالعه تان قوی تر از زمانی خواهد بود که صرفاً از یک سازمان (یا گروه) نمونه گیری می کنید.

گزیده ای از پایان نامه لوفلر در زیر مطرح می شود. (مثال 8.7 را مشاهده کنید).

 

مثال 8.7

دومین جامعه آماری تحقیق شامل یک نمونه در دسترس از دانشجویان تحصیلات تکمیلی در هر دو مقطع کارشناسی ارشد و دکتری است که در حال حاضر برای شرکت در کلاس های رهبری آموزش اساتید (n=72) در پاییز 2004 ثبت نام کرده اند.

در سطح ملی یک نمونه 500 تایی از دانشجویان را برای این مطالعه می توان برآورد کرد (n=<500)، در حالی که اطلاعات دریافتی از هر استاد حاکی از این بود که تقریباً به همین تعداد دانشجو در هر یک از کلاس های رهبری آموزشی آنلاین در زمان انجام این مطالعه، ثبت نام کرده بودند.

اساتید گزارش دادند که کلاس هایشان ترکیبی از روش های شبکه پیشرفته تا ارسال داده های غیر هم زمان از طریق رایانه را شامل می شود.

دانشجویانی که در پیمایش شرکت کردند از نظر توزیع جغرافیایی متعلق به تمام 15 ایالت بودند و این ویژگی نمونه امکان تعمیم نتایج تحقیق را به همه کلاس های تحصیلات تکمیلی آنلاین دوره ها و برنامه های رهبری آموزش در دانشگاه ها و دانشکده های دولتی و خصوصی در همه ایالات متحده ایجاد می کند و به این وسیله موجب تقویت روایی بیرونی این مطالعه می گردد (Loeffer, 2005,p. 38).

دقت داشته باشید که چگونه لوفلر نمونه در دسترس خود را با انتخاب از چند دانشگاه در 15 ایالت مختلف تقویت نمود.

مشخصاً این نمونه بزرگ، معرف خوبی از جامعه مورد مطالعه است.

ب) نمونه گیری سهمیه ای نمونه گیری سهمیه ای غالباً در تحقیق پیمایشی مورد استفاده قرار می گیرد، یعنی زمانی که امکان تهیه فهرست همه اعضای جامعه آماری ذینفع وجود ندارد.

وقتی که نمونه گیری سهمیه ای انجام می شود، مشخصه های دقیق و سهم افرادی که در مصاحبه شرکت می کنند در اختیار گردآورندگان داده ها قرار می گیرد (به طور مثال، 30 نفر دختر بزه کار بین سنین 13 تا 17 سال).

 

ج) نمونه گیری هدفمند

نمونه گیری هدفمند در برگیرنده نمونه ای است که بر اساس تجربه یا دانش محقق از جامعه مورد مطالعه انتخاب می شود.

برای مثال، اگر محققی بخواهد دبیرستان های استثنایی را از طریق نمونه گیری هدفمند مورد مطالعه قرار دهد، لازم است گروهی از مدارس استثنایی را بر اساس دانش قبلی خود از آنها برای مطالعه انتخاب کند.

برخی شاخص های روشن و دقیق می تواند بر اساس شاخص های زیر انجام شود:

نسبت بالای قبولی دانش آموزان در دوره های کارشناسی، تعداد زیادی دانش آموزان دارای معدل الف، میزان بالای قبولی در آزمون های تحت نظر دولت، تسهیلات قابل ملاحظه رایانه ای و نسبت های بالای معلمین دارای مدارک کارشناسی ارشد و دکتری.

بیشتر نمونه ها در تحقیقات کیفی هدفمند هستند.

البته نمونه گیری هدفمند در تحقیقات کمی نیز مورد استفاده قرار می گیرد.

در ادامه مثالی از پایان نامه دکتری ویکی استنفیلد با رویکرد کمی ارائه می شود (مثال 8.8).

 

انتخاب مشارکت کنندگان

مثال 8.8

در موقعیتهای خاص، از یک نمونه هدفمند برای جمع آوری داده ها استفاده می شود (Neuman, 1997).

در مطالعه حاضر، نمونه هدفمند ابزاری را برای بررسی یک جامعه خاص از دانشجویان حاضر در دانشکده های کاردانی در ایالات متحده ارائه نمود.

نمونه هدفمند، امکان بررسی داده های مربوط به ثبت نام و پاسخ دانشجویان به پرسشنامه زمان ثبت نام در دانشکده های کاردانی را فراهم ساخت؛ داده هایی که بیش از این مورد مطالعه قرار نگرفته بود.

محقق به دنبال این بود که برای تحقق اهداف تحقیق خود اجازه استفاده از پایگاه داده جامع مؤسسه گروه آمریکایی نول- لویتز را دریافت کند و سرانجام چنین کاری را انجام داد.

توافق نامه ای برای حفظ محرمانگی داده ها و ناشناخته ماندن سازمان ها و افراد شرکت کننده در تحقیق بین محقق و مؤسسه نول- لویتز امضا شد.

هر مؤسسه اطلاعات مربوط به GPA تجمعی هر CSI پاسخ دهنده، ترم های ثبت نام، وضعیت فعلی ثبت نام و دلایل ترک دانشکده را ارائه نمود.

یک پرسشنامه حاوی اطلاعات جمعیت شناختی مؤسسه در پایگاه داده گنجانده شد.

در راستای هدف این مطالعه، مجموعاً تعداد 1368 دانشجو از هشت دانشکده مورد نظر با استفاده از پایگاه داده مؤسسه نول- لویتز انتخاب شدند.

این دانشکده در نواحی شمال، شرق و غرب ایالات متحده مستقر بودند.

هر یک از این سازمان ها، پرسشنامه دانشجوی دانشکده را برای دانشجویان ورودی جدید در نیم سال اول دانشکده بین سال های 1996 تا 1999 توزیع نموده بودند.

اطلاعات منظور شده دانشجو در پرسشنامه دانشجوی دانشکده ویژگی های زیر را شامل می شد: زبان بومی، قومیت، وضعیت تأهل و سطح تحصیلات پدر و مادر (Stanfield, 2000,pp. 42-43).