راهنمای پژوهش

پیش‌ثبت با داده‌های موجود؛ افشای دسترسی و برنامۀ تحلیل

برای داده‌های ازپیش‌گردآوری‌شده، سطح آگاهی قبلی، معیار نمونه، مدل و تغییرات طرح را با یک مثال فرضی و دفتر تحلیل مستند کنید.

گفت‌وگوی پژوهشگران و یادداشت‌های طراحی پروپوزال در کتابخانه
تهیه‌کننده: مؤسسۀ پژوهشی دکتر دیدگر · آخرین ویرایش: · 3 دقیقه مطالعه · ایجاد راهنما:
خروجی قابل تحویل
  • جدول دسترسی قبلی کامل و قابل بررسی.
  • برنامۀ مدل، نمونه و متغیرهای دقیق.
  • نسخۀ ثبت، دفتر تغییرات و کد بازاجرا.
دفتر کار و مثال تکمیل‌شده

چه چیزی هنوز می‌تواند پیش‌ثبت شود؟

وجود یک مجموعه داده مانع ثبت برنامه نیست، اما ادعای تقدم برنامه باید به زمان و اطلاعات واقعی مربوط باشد. OSF قالب مخصوص داده ثانویه دارد. بین شناخت فرهنگ داده، دیدن توزیع متغیر، دیدن رابطه و اجرای تحلیل فرضیه تمایز بگذارید.

اگر همبستگی هدف را قبلاً بررسی کرده‌اید، آن آگاهی را پنهان نکنید. برنامه جدید می‌تواند تحلیل آینده را شفاف کند ولی تحلیل انجام‌شده را به تأیید مستقل تبدیل نمی‌کند. در صورت امکان، مجموعه آزمون یا موج بعدیِ واقعاً بررسی‌نشده را از داده اکتشاف جدا کنید.

سجل دسترسی قبل از انتخاب مدل

جدولی با شخص، تاریخ، فایل یا نسخه، متغیر مشاهده‌شده و نوع بررسی بسازید. تحلیل منتشرشده دیگران و خروجی‌ای که به شما گفته شده نیز ممکن است بر تصمیم اثر گذاشته باشد. دسترسی فنی به فایل با مشاهده نتایج یکسان نیست.

در مثال فرضی، پژوهشگر نام ستون‌ها و گزارش عمومی جذب را دیده، ولی نمره پیامد را باز نکرده است. این عبارت باید قابل پشتیبانی با دفتر کار باشد؛ صرف گفتن «کور بودیم» کافی نیست.

تعریف مجموعه و نمونه تحلیل

نسخه داده، دوره زمانی، واحد تحلیل، معیار ورود، سنجش تکراری، وزن نمونه و محدودیت مجوز را مشخص کنید. قبل از دیدن رابطه هدف، قواعد ساخت متغیر، مدیریت گمشدگی و حذف موارد را بنویسید. معیار علمی حذف را با نتیجه مطلوب انتخاب نکنید.

اگر نمونه بخشی از یک پیمایش پیچیده است، محاسبه باید طراحی آن را رعایت کند. تعداد موجود، به‌تنهایی کفایت توان یا دقت را ثابت نمی‌کند؛ تحلیل حساسیت و محدودیت برآورد را از ابتدا پیش‌بینی کنید.

نوشتن برنامه قابل اجرا

در یک پرونده فرضی، هدف «رابطه ساعات مطالعه و نمره در موج دوم» است. نام و واحد متغیرها، متغیرهای تنظیم با دلیل، مدل، معیار عدم کاربرد مدل و روش گزارش را تعیین کنید. برای پیش‌بینی، جداکردن آزمون باید پیش از پیش‌پردازشِ یادگیرنده و تنظیم مدل انجام شود.

نسخه کد، ورودی و خروجی مورد انتظار را همراه کنید. مدل جایگزین را به‌عنوان حساسیت مشخص کنید، نه انتخاب آزاد از میان مدل‌ها پس از دیدن معنی‌داری.

ثبت، تغییر و نگارش نتایج

پس از ثبت، نسخه زمان‌دار را حفظ کنید. در هر اصلاح بنویسید چه چیزی تغییر کرد، چرا، چه زمانی و چه نتیجه‌ای تا آن زمان دیده شده بود. نشانی ثبت را در مقاله بیاورید و تحلیل اولیه، حساسیت و اکتشاف را جدا گزارش کنید.

همکار بتواند با پروتکل، فرهنگ داده و کد نمونه، تصمیم‌ها را بازسازی کند. داده آموزشی این راهنما متعلق به پیمایش واقعی نیست؛ مجوزِ داده اصلی را جدا دریافت کنید.

نمونۀ تکمیل‌شده برای تمرین

این پرونده فرضی است؛ داده، داوری یا پذیرش واقعی را گزارش نمی‌کند. اعداد فقط برای توضیح تصمیم‌اند.

نمونۀ تکمیل‌شده برای تمرین
تصمیم یا سندنمونۀ آموزشیکاری که برای پروژه خود انجام می‌دهید
نسخه دادهموج دومِ پیمایش فرضی v2شناسه و نسخۀ واقعی را ثبت کنید.
دانسته قبلیفقط فرهنگ داده و شمار جذبتمام دسترسی‌ها و اطلاع‌ها را افشا کنید.
هدفرابطه study_hours و scoreسازه، واحد و زمان سنجش را تعیین کنید.
تغییرتغییر کد گمشدگی قبل از تحلیلتاریخ و علت و آگاهی از نتایج را بنویسید.
گزارشتحلیل اصلی جدا از حساسیتکد و جدول انحراف‌ها را همراه کنید.

خروجی و معیار پایان کار

  • جدول دسترسی قبلی کامل و قابل بررسی.
  • برنامۀ مدل، نمونه و متغیرهای دقیق.
  • نسخۀ ثبت، دفتر تغییرات و کد بازاجرا.

منابع و مطالعه بیشتر

منابع رسمی برای بررسی و مطالعه بیشتر

این راهنما برای آموزش و برنامه‌ریزی پژوهش است؛ اجرای روش را با طراحی واقعی و شیوه‌نامه مؤسسه تطبیق دهید. سیاست محتوایی
بازگشت به بالا