⏱ زمان مطالعه: 10 دقیقه
انتخاب افراد یا واحدهای مورد مطالعه، سنگ بنای هر کار پژوهشی است. پژوهشگران به ندرت امکان بررسی تک‌تک اعضای یک جامعه آماری را دارند، زیرا محدودیت‌های زمانی، مالی و اجرایی مانع از سرشماری کامل می‌شود. روش های نمونه گیری در پژوهش چارچوبی فراهم می‌کنند تا با بررسی بخش کوچکی از جامعه، بتوان ویژگی‌های کل آن مجموعه را کشف کرد یا دیدگاهی عمیق درباره پدیده‌ای خاص به دست آورد. اعتبار یافته‌ها، امکان تعمیم نتایج و دقت تحلیل‌های آماری به شکل مستقیم به شیوه انتخاب این گروه وابسته است.
مفهوم جامعه، نمونه و چارچوب نمونه‌گیری
برای پیاده‌سازی درست هر روش نمونه‌گیری، شناخت مرز میان جامعه، نمونه و چارچوب ضروری است. جامعه آماری به کل مجموعه افراد، اشیاء، رویدادها یا سازمان‌هایی گفته می‌شود که دست‌کم یک ویژگی مشترک دارند و پژوهشگر قصد دارد نتایج تحقیق را به آنها نسبت دهد. نمونه، زیرمجموعه‌ای منتخب از همین جامعه است که در عمل داده‌ها از طریق آنها گردآوری می‌شود. چارچوب نمونه‌گیری نیز فهرست ملموس و مدونی از تمام اعضای جامعه در دسترس است که فرآیند انتخاب بر اساس آن انجام می‌گیرد؛ مانند دفترچه تلفن سازمانی، فهرست دانشجویان یا سیاهه اعضای یک صنف مشخص.
نقص در چارچوب نمونه‌گیری از عوامل اصلی سوگیری به شمار می‌رود. برای نمونه، اگر پژوهشگری قصد ارزیابی بهره‌وری کارکنان یک کارخانه را داشته باشد اما تنها به فهرست پرسنل بخش اداری دسترسی پیدا کند، کارگران خط تولید از شانس انتخاب محروم می‌شوند. در چنین حالتی، نمونه نهایی بازتاب‌دهنده واقعیت‌های کل کارخانه نخواهد بود. برای پیشگیری از این خطا، پیش از شروع فرآیند گردآوری داده، تطبیق دقیق فهرست موجود با تعریف نظری جامعه آماری ضروری است تا از پوشش یکنواخت همه گروه‌ها اطمینان حاصل شود.
تفاوت روش‌های احتمالی و غیراحتمالی در پژوهش
روش های نمونه گیری در پژوهش به دو شاخه کلی احتمالی (تصادفی) و غیراحتمالی تقسیم می‌شوند. خط تمایز این دو دسته، آگاهی از شانس انتخاب هر عضو جامعه و برابری این شانس در فرآیند گزینش است. در رویکرد احتمالی، همه اعضای جامعه شانسی مشخص و غیرصفر برای ورود به نمونه دارند، در حالی که در نمونه‌گیری غیراحتمالی، این شانس معلوم نیست و فرآیند گزینش بر مبنای در دسترس بودن، تمایل داوطلبانه یا قضاوت نظری پژوهشگر پیش می‌رود.
هدف اصلی روش‌های احتمالی، تعمیم‌پذیری آماری یافته‌ها به جامعه بزرگ‌تر با خطای قابل سنجش است. در مقابل، شیوه‌های غیراحتمالی عمدتاً در پژوهش‌های اکتشافی، کیفی، یا موقعیت‌هایی به کار می‌روند که تعریف یک چارچوب نمونه‌گیری دقیق ناممکن است. برای نمونه، بررسی رفتار مصرف‌کنندگان ناشناس در یک بازارچه محلی معمولاً با شیوه‌های غیراحتمالی انجام می‌شود، در حالی که برآورد میانگین درآمد خانوارهای یک استان نیازمند طرح احتمالی است. اشتباه معمول این است که محقق نتایج به دست آمده از شیوه غیراحتمالی را با آزمون‌های آمار استنباطی تعمیم دهد، اقدامی که از نظر روش‌شناسی نامعتبر تلقی می‌شود.
| ویژگی مقایسه | نمونه‌گیری احتمالی | نمونه‌گیری غیراحتمالی |
|---|---|---|
| شانس انتخاب اعضا | مشخص و غیرصفر برای همه | نامشخص و غیرقابل محاسبه |
| قابلیت تعمیم آماری | بالا (با برآورد فاصله اطمینان) | پایین و محدود به نمونه یا نظریه |
| میزان سوگیری پژوهشگر | بسیار اندک و کنترل‌شده | بسته به قضاوت و راحتی دسترسی محقق |
| هزینه و زمان اجرا | معمولاً نیازمند منابع بیشتر | اقتصادی‌تر و سریع‌تر |
| طراحی پژوهش سازگار | عمدتاً کمی، تجربی و پیمایشی | عمدتاً کیفی و مطالعات اکتشافی |
نمونه‌گیری تصادفی ساده
بنیادی‌ترین مدل در میان روش‌های احتمالی، نمونه‌گیری تصادفی ساده است. در این ساختار، هر یک از اعضای جامعه آماری دقیقاً شانسی برابر با سایرین برای حضور در گروه نمونه دارد و انتخاب یک فرد، هیچ اثری بر احتمال انتخاب سایر افراد نمی‌گذارد. این روند معمولاً با استفاده از جدول اعداد تصادفی، نرم‌افزارهای آماری یا قرعه‌کشی فیزیکی انجام می‌گیرد. به کار بستن این روش مستلزم دسترسی بی‌کم‌وکاست به فهرست کامل تمام اعضای جامعه است، بدون آنکه نام یا کدی جا افتاده باشد.
راهنمای جامع این موضوع: روش تحقیق و متدولوژی پژوهش
فرض کنید مدرسه‌ای دارای ۵۰۰ دانش‌آموز است و قرار است ۵۰ نفر برای یک نظرسنجی درباره تغذیه انتخاب شوند. پژوهشگر کدهای ۱ تا ۵۰۰ را در یک مولد آنلاین اعداد تصادفی وارد کرده و ۵۰ رقم غیرتکراری را به عنوان نمونه برمی‌گزیند. خطای رایج در اجرای این مدل، جانشین کردن دلخواه افرادی است که به پرسشنامه پاسخ نمی‌دهند؛ اگر دانش‌آموزی غایب باشد و محقق بدون رعایت ضوابط تصادفی دانش‌آموز کناردستی او را جایگزین کند، فرآیند تصادفی مخدوش شده است. ارزیابی سلامت این روش وابسته به این است که هیچ فیلتر پنهانی در ثبت اسامی و اختصاص اعداد دخالت نکرده باشد.
نمونه‌گیری سیستماتیک (منظم)
نمونه‌گیری سیستماتیک نوعی ساده‌سازی مکانیکی از فرآیند تصادفی است که اجرای سریع‌تری نسبت به قرعه‌کشی تک‌تک اعضا دارد. در این رویکرد، پژوهشگر ابتدا فاصله نمونه‌گیری را با تقسیم حجم جامعه بر حجم نمونه مورد نظر به دست می‌آورد. سپس یک نقطه شروع تصادفی میان عدد یک و عدد فاصله تعیین می‌کند و از آن پس، به صورت منظم با افزودن گام نمونه‌گیری، اعضای بعدی را به فهرست اضافه می‌نماید.
به عنوان یک مثال فرضی، فرض کنید بیمارستانی با آرشیو ۴۰۰۰ پرونده به ۲۰۰ نمونه نیاز دارد. فاصله نمونه‌گیری عدد ۲۰ خواهد بود. پژوهشگر عددی تصادفی بین ۱ تا ۲۰ (مثلاً ۸) را انتخاب می‌کند. پرونده هشتم، پرونده نخست خواهد بود و پرونده‌های بعدی ۲۸، ۴۸، ۶۸ و الی آخر خواهند بود. خطر بزرگ در این الگو، پدیده‌ای به نام تناوب یا دوره زمانی پنهان در داده‌ها است. اگر پرونده‌ها بر اساس الگوی خاصی مانند روزهای هفته یا شدت بیماری چینش دوره‌ای داشته باشند، انتخاب با فاصله ثابت ممکن است ناخواسته گروه خاصی را حذف یا بیش‌ازحد پررنگ کند. بازبینی چینش فهرست پیش از شروع کار، تضمین‌کننده تصادفی ماندن واقعی این شیوه است.
نمونه‌گیری طبقه‌ای (طبقه‌بندی شده)
هنگامی که جامعه آماری از گروه‌های ناهمگن با ویژگی‌های متفاوت تشکیل شده باشد، نمونه‌گیری تصادفی ساده ممکن است سهم برخی گروه‌های کم‌جمعیت را ناچیز نشان دهد یا حذف کند. نمونه‌گیری طبقه‌ای این ناهمگنی را مهار می‌کند؛ به این شیوه که ابتدا جامعه بر اساس یک یا چند متغیر کلیدی (مانند جنسیت، مدرک تحصیلی، گروه سنی یا درآمد) به لایه‌های همگن تقسیم می‌شود، سپس از درون هر لایه به صورت تصادفی ساده یا سیستماتیک اقدام به انتخاب نمونه می‌گردد.
این روش به دو شکل متناسب و نامتناسب اجرا می‌شود. در حالت متناسب، سهم هر طبقه در نمونه برابر با نسبت آن در کل جامعه است. فرض کنید شرکتی متشکل از ۷۰ درصد کارمند مرد و ۳۰ درصد کارمند زن است؛ در یک نمونه ۱۰۰ نفری، ۷۰ مرد و ۳۰ زن تصادفی انتخاب می‌شوند. اشتباه مرسوم این است که متغیر طبقه‌بندی بدون توجه به پرسش پژوهش انتخاب شود. متغیر طبقات باید پیوند نظری مستقیمی با متغیر وابسته پژوهش داشته باشد؛ برای مثال، در مطالعه میزان رضایت شغلی، تفکیک بر پایه سابقه کار یا نوع قرارداد بسیار کارآمدتر از تفکیک بر پایه گروه خونی یا متغیرهای بی‌ارتباط است.
نمونه‌گیری خوشه‌ای و چندمرحله‌ای
در پروژه‌های ملی یا مناطقی با گستره جغرافیایی وسیع، تدوین یک چارچوب نمونه‌گیری شامل همه افراد تقریباً غیرممکن و بسیار پرهزینه است. در نمونه‌گیری خوشه‌ای، واحد اولیه‌ای که انتخاب می‌شود فرد نیست، بلکه گروه‌هایی از پیش موجود هستند که خوشه نامیده می‌شوند؛ نظیر شهرها، مدارس، بیمارستان‌ها یا بلوک‌های ساختمانی شهری. پژوهشگر ابتدا تعدادی از خوشه‌ها را به شکل تصادفی انتخاب می‌کند و سپس تمام یا بخشی از افراد حاضر در خوشه‌های برگزیده را بررسی می‌نماید.
- انتخاب واحدهای بزرگ‌تر (خوشه‌ها) در گام اول به جای اعضای فردی
- کاهش چشمگیر هزینه‌های رفت‌وآمد و زمان هماهنگی با واحدهای میدانی
- تفاوت ساختاری با نمونه‌گیری طبقه‌ای: در طبقه‌ای، درون لایه‌ها همگن و بین لایه‌ها ناهمگن است، اما در خوشه‌ای ایده‌آل، درون هر خوشه باید ناهمگن و بازتاب‌دهنده جامعه باشد
اگر بررسی در چندین مرحله پیاپی انجام گیرد، به آن نمونه‌گیری چندمرحله‌ای گفته می‌شود؛ مانند انتخاب چند استان، سپس چند شهرستان از آن استان‌ها، سپس چند منطقه شهری و در آخر چند خانوار. لغزش اصلی در اینجا چشم‌پوشی از اثر طراحی خوشه است؛ تشابه درونی اعضای یک خوشه می‌تواند واریانس نمونه را کاهش داده و خطای استاندارد را بالا ببرد. بنابراین در تحلیل آماری داده‌های خوشه‌ای، افزایش حجم کل نمونه نسبت به روش تصادفی ساده ضرورت پیدا می‌کند.
نمونه‌گیری در دسترس و داوطلبانه
نمونه‌گیری در دسترس از محبوب‌ترین شیوه‌ها در میان محققان به دلیل سرعت بالا و صرفه اقتصادی است، اما هم‌زمان بیشترین میزان آسیب‌پذیری در برابر سوگیری را دارد. در این شیوه، پژوهشگر افرادی را که ساده‌تر، نزدیک‌تر و در دسترس‌تر هستند وارد مطالعه می‌کند. انتشار پرسشنامه در شبکه‌های اجتماعی شخصی، مصاحبه با عابران یک تقاطع شلوغ یا ارزیابی دانشجویان کلاس خود استاد، نمونه‌های کلاسیک این روش هستند.
نمونه‌گیری داوطلبانه شکل دیگری است که در آن افراد خودشان تصمیم می‌گیرند در تحقیق شرکت کنند، مانند رأی‌گیری‌های وب‌سایت‌های خبری. ایراد بنیادین این دو شیوه در این است که شرکت‌کنندگان خودانتخابی دارند؛ افرادی که احساسات قوی‌تری درباره موضوع دارند یا اوقات فراغت بیشتری دارند تمایل بیشتری به پاسخ نشان می‌دهند. اگر پژوهشگری با استفاده از نمونه‌گیری در دسترس در یک مرکز خرید به ارزیابی سبک زندگی سالم بپردازد، احتمالاً صدای قشرهای کم‌درآمد یا افرادی را که مشغله سنگین دارند از دست می‌دهد. کنترل این مشکل با بیان صریح محدودیت‌های پژوهش و خودداری جدی از تعمیم آماری به کل کشور صورت می‌پذیرد.
نمونه‌گیری هدفمند (قضاوتی) و سهمیه‌ای
در پژوهش‌های عمیق، به ویژه مطالعات کیفی یا بررسی سیاست‌گذاری‌ها، تصادفی عمل کردن ممکن است داده‌های لازم را تامین نکند. نمونه‌گیری هدفمند زمانی به کار گرفته می‌شود که پژوهشگر بر اساس دانش تخصصی و قضاوت خود، اشخاصی را انتخاب می‌کند که غنی‌ترین اطلاعات را درباره پرسش‌های پژوهش در اختیار دارند. برای مطالعه چالش‌های صادرات دارو، مصاحبه با مدیران بازرگانی ۵ شرکت برتر بسیار معنادارتر از انتخاب تصادفی مدیران همه کارخانه‌ها است.
مطلب مرتبط: تحلیل آماری پایان‌نامه و پژوهش
نمونه‌گیری سهمیه‌ای نسخه غیراحتمالی نمونه‌گیری طبقه‌ای است. در این شیوه، ساختار جامعه (برای مثال ۵۰ درصد مرد و ۵۰ درصد زن) شناسایی می‌شود، سپس محقق موظف است تا رسیدن به این نسبت، هر فردی را که یافت وارد مطالعه کند، بدون آنکه انتخاب تصادفی در میان باشد. مغالطه شایع، یکسان دانستن نمونه‌گیری سهمیه‌ای با طبقه‌ای است. در نمونه‌گیری سهمیه‌ای محقق اغلب سراغ افرادی می‌رود که به راحتی پاسخ می‌دهند و افراد ساکت‌تر یا دشوارتر را نادیده می‌گیرد که به انحراف نتایج نهایی منجر می‌شود.
معیارهای کلیدی انتخاب شیوه نمونه‌گیری مناسب
هیچ یک از روش های نمونه گیری در پژوهش برتری ذاتی و مطلق بر روش دیگر ندارد؛ ارزش و درستی روش منحصراً با هدف پژوهش و شرایط عملیاتی سنجیده می‌شود. تصمیم‌گیری میان این شیوه‌ها نیازمند توازن میان چارچوب نظری، محدودیت‌های دسترسی و دقت آماری مورد انتظار است. بررسی مؤلفه‌های زیر به محقق کمک می‌کند مسیر مناسب را برای پژوهش خود پیدا کند:
- ماهیت پرسش پژوهش: برای آزمون فرضیه و سنجش ارتباط کمی متغیرها نیاز به روش‌های احتمالی است، در حالی که درک تجارب زیسته یا مدل‌سازی پدیده‌ها با رویکرد هدفمند سازگار است.
- امکان‌پذیری چارچوب: آیا فهرست ثبت‌شده‌ای از جامعه در دسترس است؟ اگر پاسخی منفی باشد، انتخاب روش‌های احتمالی محض منتفی می‌شود.
- پراکندگی جغرافیایی: در صورت وسعت گسترده اعضا، نمونه‌گیری خوشه‌ای و چندمرحله‌ای هزینه‌ها را مدیریت‌پذیر می‌سازد.
- منابع مالی و زمانی: محدودیت در بودجه معمولاً استفاده از شیوه‌های منظم یا در دسترس با ذکر محدودیت‌ها را ایجاب می‌کند.
خطای تکرارشونده در این مرحله، انتخاب روش بر مبنای راحتی کار و سپس تلاش برای متناسب‌سازی ادبیات پژوهش با آن است. پیش از آغاز هرگونه کار میدانی، آزمودن روش انتخابی از این حیث ضروری است: آیا روش اتخاذ شده می‌تواند به سؤال اصلی پژوهش پاسخی معتبر و خالی از سوگیری سیستماتیک ارائه کند یا خیر؟
پرسش‌های متداول
تفاوت کلیدی میان نمونه‌گیری طبقه‌ای و خوشه‌ای در چیست؟
در نمونه‌گیری طبقه‌ای، نمونه از تمام لایه‌ها به صورت تصادفی برداشته می‌شود و طبقات با هم متفاوتند؛ اما در نمونه‌گیری خوشه‌ای، تنها تعدادی از خوشه‌ها انتخاب شده و اعضای خوشه‌ها ساختاری شبیه به یکدیگر و شبیه به کل جامعه دارند.
آیا می‌توان از نتایج نمونه‌گیری غیراحتمالی آزمون‌های آمار استنباطی استخراج کرد؟
از نظر اصول نظری آمار خیر، زیرا برآورد خطای استاندارد و فاصله اطمینان مستلزم توزیع تصادفی نمونه است؛ هرچند در پاره‌ای از رشته‌ها برای نشان دادن الگوهای درون‌گروهی به عنوان شواهد اولیه استفاده می‌شود، اما قابلیت تعمیم آماری به جامعه را ندارد.
چه زمانی ناچار به استفاده از نمونه‌گیری در دسترس هستیم؟
در مطالعات مقدماتی و پیش‌آزمون ابزارها، در شرایطی که دسترسی به جامعه به دلیل بحران‌ها محدود باشد، یا هنگامی که صرفاً آشنایی اولیه با ابعاد مبهم یک پدیده تازه مدنظر است.
ادامه‌ی مطالعه: