ಗುಣಾತ್ಮಕ ಸಂಶೋಧನೆಯಲ್ಲಿ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಸ್ಥಾಪಿಸುವುದು

ಗುಣಾತ್ಮಕ ಸಂಶೋಧನಾ ಪ್ರಕ್ರಿಯೆಗಳು ಯಾವುವು?

ಗುಣಾತ್ಮಕ ಸಂಶೋಧನೆಯ ಕ್ಷೇತ್ರಕ್ಕೆ ಸಿಂಧುತ್ವ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆಯ ಪರಿಕಲ್ಪನೆಗಳು ತುಲನಾತ್ಮಕವಾಗಿ ವಿದೇಶಿಗಳಾಗಿವೆ. ಪರಿಕಲ್ಪನೆಗಳು ಕೇವಲ ಉತ್ತಮ ಫಿಟ್ ಆಗಿಲ್ಲ. ವಿಶ್ವಾಸಾರ್ಹತೆ ಮತ್ತು ಸಿಂಧುತ್ವವನ್ನು ಕೇಂದ್ರೀಕರಿಸುವ ಬದಲು, ಗುಣಾತ್ಮಕ ಸಂಶೋಧಕರು ಬದಲಿ ಮಾಹಿತಿ ವಿಶ್ವಾಸಾರ್ಹತೆ . ವಿಶ್ವಾಸಾರ್ಹತೆಯು ಕೆಳಗಿನ ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ: (ಎ) ವಿಶ್ವಾಸಾರ್ಹತೆ; (ಬಿ) ವರ್ಗಾವಣೆ; (ಸಿ); ವಿಶ್ವಾಸಾರ್ಹತೆ; ಮತ್ತು (ಡಿ) ದೃಢೀಕರಣ.

ವಿಶ್ವಾಸಾರ್ಹತೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆ

ಈ ಕೆಳಗಿನ ಗುಣಲಕ್ಷಣಗಳ ಮೂಲಕ ವಿಶ್ವಾಸಾರ್ಹತೆಯ ಮಾಹಿತಿಯ ವಿಶ್ವಾಸಾರ್ಹತೆಯು ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ನೀಡುತ್ತದೆ: (ಎ) ಸುದೀರ್ಘವಾದ ನಿಶ್ಚಿತಾರ್ಥ; (ಬಿ) ಸ್ಥಿರವಾದ ಅವಲೋಕನ ; (ಸಿ) ತ್ರಿಕೋನ; (ಡಿ) ಉಲ್ಲೇಖಿತ ಅರ್ಹತೆ ; (ಇ) ಪೀರ್ debriefing; ಮತ್ತು (ಎಫ್) ಸದಸ್ಯ ಚೆಕ್.

ಟ್ರೈಯಾಂಗಲೇಷನ್ ಮತ್ತು ಸದಸ್ಯ ಚೆಕ್ಗಳು ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಪರಿಹರಿಸಲು ಪ್ರಾಥಮಿಕ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ವಿಧಾನಗಳಾಗಿವೆ.

ವಿಭಿನ್ನ ಅಧ್ಯಯನ ಭಾಗವಹಿಸುವವರ ಅದೇ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುವ ಮೂಲಕ ಮತ್ತು ವಿವಿಧ ಮೂಲಗಳಿಂದ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವ ಮೂಲಕ ಮತ್ತು ಆ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಲು ವಿಭಿನ್ನ ವಿಧಾನಗಳನ್ನು ಬಳಸುವುದರ ಮೂಲಕ ತ್ರಿಕೋಣವನ್ನು ಸಾಧಿಸಲಾಗುತ್ತದೆ. ಸಂದರ್ಶಕರಿಂದ ಸಂಗ್ರಹಿಸಿದ ಮಾಹಿತಿಯನ್ನೂ ಮತ್ತು ಸಂದರ್ಶಕರ ಡೇಟಾದ ಸಂಶೋಧಕರ ವ್ಯಾಖ್ಯಾನವನ್ನೂ ಪರಿಶೀಲಿಸಲು ಸಂಶೋಧಕರು ಭಾಗವಹಿಸುವವರು ಕೇಳಿದಾಗ ಸದಸ್ಯ ಚೆಕ್ಗಳು ​​ಸಂಭವಿಸುತ್ತವೆ. ಭಾಗವಹಿಸುವವರು ಸಾಮಾನ್ಯವಾಗಿ ಸದಸ್ಯ ಪರಿಶೀಲನಾ ಪ್ರಕ್ರಿಯೆಯ ಮೆಚ್ಚುಗೆಯನ್ನು ಹೊಂದಿದ್ದಾರೆ ಮತ್ತು ಅವರ ಹೇಳಿಕೆಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಅವಕಾಶವನ್ನು ಅವರು ಪಡೆದುಕೊಳ್ಳುತ್ತಾರೆ ಎಂದು ತಿಳಿದುಬಂದಾಗ ಅಧ್ಯಯನದ ಪಾಲ್ಗೊಳ್ಳುವವರು ಹಿಂದಿನ ಸಂದರ್ಶನದ ಯಾವುದೇ ಅಂತರವನ್ನು ಮನಃಪೂರ್ವಕವಾಗಿ ತುಂಬಲು ಕಾರಣವಾಗುತ್ತಾರೆ. ಟ್ರಸ್ಟ್ ಸದಸ್ಯ ಚೆಕ್ ಪ್ರಕ್ರಿಯೆಯ ಪ್ರಮುಖ ಅಂಶವಾಗಿದೆ.

ಸಾಮಾನ್ಯೀಕರಣ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆ

ಇತರ ಸನ್ನಿವೇಶಗಳು ಮತ್ತು ಸನ್ನಿವೇಶಗಳಿಗೆ ಅಧ್ಯಯನ ಸಂಶೋಧನೆಗಳ ಸಾಮಾನ್ಯೀಕರಣವನ್ನು ವರ್ಗಾವಣೆ ಮಾಡುವುದು. ವರ್ಗಾವಣೆ ಸಾಮರ್ಥ್ಯವನ್ನು ಕಾರ್ಯಸಾಧ್ಯವಾದ ನೈಸರ್ಗಿಕ ಸಂಶೋಧನಾ ಉದ್ದೇಶವೆಂದು ಪರಿಗಣಿಸಲಾಗುವುದಿಲ್ಲ.

ಗುಣಾತ್ಮಕ ದತ್ತಾಂಶ ಸಂಗ್ರಹವು ಸಂಭವಿಸುವ ಸಂದರ್ಭಗಳು ದತ್ತಾಂಶವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುತ್ತದೆ ಮತ್ತು ಡೇಟಾದ ವ್ಯಾಖ್ಯಾನಕ್ಕೆ ಕೊಡುಗೆ ನೀಡುತ್ತವೆ. ಈ ಕಾರಣಗಳಿಗಾಗಿ, ಗುಣಾತ್ಮಕ ಸಂಶೋಧನೆಯ ಸಾಮಾನ್ಯೀಕರಣ ಸೀಮಿತವಾಗಿದೆ.

ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಸಂಭವಿಸುವ ಸಂದರ್ಭಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ನಿರ್ದಿಷ್ಟ ಮಾಹಿತಿಯನ್ನು ಗರಿಷ್ಠಗೊಳಿಸಿದ ನಂತರ ವರ್ಗಾವಣೆ ಸಾಮರ್ಥ್ಯದ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಉದ್ದೇಶಪೂರ್ವಕ ಮಾದರಿಗಳನ್ನು ಬಳಸಬಹುದು.

ಅಂದರೆ, ಸಾಮಾನ್ಯ ಮತ್ತು ಸಮಗ್ರ ಮಾಹಿತಿಗಿಂತ ನಿರ್ದಿಷ್ಟ ಮತ್ತು ವಿಭಿನ್ನ ಮಾಹಿತಿಯು ಉದ್ದೇಶಪೂರ್ವಕ ಮಾದರಿಗಳಲ್ಲಿ ಒತ್ತಿಹೇಳುತ್ತದೆ, ಇದು ಸಾಮಾನ್ಯವಾಗಿ ಪರಿಮಾಣಾತ್ಮಕ ಸಂಶೋಧನೆಯಾಗಿರುತ್ತದೆ. ಉದ್ದೇಶಪೂರ್ವಕ ಮಾದರಿಯು ಆ ಗುಣಲಕ್ಷಣಗಳು ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಗಳಿಗೆ ಹೆಚ್ಚು ನೇರವಾಗಿ ಸಂಬಂಧಿಸಿರುವಂತೆಯೇ ಮಾದರಿಯ ವೈಯಕ್ತಿಕ ಸದಸ್ಯರ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಪರಿಗಣಿಸುತ್ತದೆ.

ವಿಶ್ವಾಸಾರ್ಹತೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆ

ವಿಶ್ವಾಸಾರ್ಹತೆ ಸಿಂಧುತ್ವವನ್ನು ಅವಲಂಬಿಸಿದೆ. ಆದ್ದರಿಂದ, ಅನೇಕ ಗುಣಾತ್ಮಕ ಸಂಶೋಧಕರು ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಪ್ರದರ್ಶಿಸಿದರೆ, ಅದು ಸಹ ಮತ್ತು ಪ್ರತ್ಯೇಕವಾಗಿ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಪ್ರದರ್ಶಿಸುವ ಅಗತ್ಯವಿಲ್ಲ ಎಂದು ನಂಬುತ್ತಾರೆ. ಹೇಗಾದರೂ, ಒಂದು ಸಂಶೋಧಕರು ಪದಗಳ ಪಾರ್ಸಿಂಗ್ ಅನುಮತಿ ವೇಳೆ, ನಂತರ ವಿಶ್ವಾಸಾರ್ಹತೆ ಸಿಂಧುತ್ವವನ್ನು ಹೆಚ್ಚು ಸಂಬಂಧಿಸಿದೆ ತೋರುತ್ತದೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆ ವಿಶ್ವಾಸಾರ್ಹತೆ ಹೆಚ್ಚು ಸಂಬಂಧಿಸಿದೆ ತೋರುತ್ತದೆ.

ಡೇಟಾ ಆಡಿಟ್ನ ಬಳಕೆಯನ್ನು ಕೆಲವೊಮ್ಮೆ ಡೇಟಾ ಮಾನ್ಯತೆ ನಿರ್ಣಯಿಸಲಾಗುತ್ತದೆ. ಡೇಟಾ ಸೆಟ್ ಶ್ರೀಮಂತ-ದಪ್ಪವಾಗಿದ್ದರೆ ಡಾಟಾ ಲೆಕ್ಕಪರಿಶೋಧನೆಯು ನಡೆಸಲಾಗುತ್ತದೆ , ಆ ಮೂಲಕ ಸಂಶೋಧಕರು ತಮ್ಮ ಪರಿಸ್ಥಿತಿಗಳಿಗೆ ಅನ್ವಯಿಸಿದ್ದರೆ ಆಡಿಟರ್ ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಸಾಕಷ್ಟು ವಿವರಗಳನ್ನು ಮತ್ತು ಸಂದರ್ಭೋಚಿತ ಮಾಹಿತಿ ಇಲ್ಲದೆ, ಇದು ಸಾಧ್ಯವಿಲ್ಲ. ಹೊರತಾಗಿ, ಮಾದರಿಯನ್ನು ಮೀರಿ ಸಾಮಾನ್ಯೀಕರಣ ಮಾಡುವುದು ಗುರಿ ಎಂಬುದನ್ನು ನೆನಪಿನಲ್ಲಿಡುವುದು ಮುಖ್ಯ.

ಒಂದು ಗುಣಾತ್ಮಕ ಸಂಶೋಧಕನು ಯಾವ ವರ್ಗ ನಿರ್ಧಾರಗಳನ್ನು ಕೈಗೊಳ್ಳಬೇಕು ಎಂಬ ಮಾನದಂಡವನ್ನು ಹಠಾತ್ತನೆ ದಾಖಲಿಸಬೇಕು (ಡೇ, 1993, ಪು.

100). ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ಫ್ರೇಮ್ವರ್ಕ್ ಅನ್ನು ಮೃದುವಾಗಿ ಬಳಸಲು, ಬದಲಾವಣೆಗಳಿಗೆ ಮುಕ್ತವಾಗಿ ಉಳಿಯಲು, ಅತಿಕ್ರಮಣಗಳನ್ನು ತಪ್ಪಿಸಲು ಮತ್ತು ಹಿಂದೆ ಲಭ್ಯವಿಲ್ಲದ ಅಥವಾ ಅಜಾಗರೂಕತೆಯ ವರ್ಗಗಳನ್ನು ಪರಿಗಣಿಸಲು ಗುಣಾತ್ಮಕ ಸಂಶೋಧಕರ ಸಾಮರ್ಥ್ಯವು, ಸಂಶೋಧಕರ ಪರಿಚಿತತೆ ಮತ್ತು ಮಾಹಿತಿಯ ತಿಳುವಳಿಕೆಯ ಮೇಲೆ ಹೆಚ್ಚಾಗಿ ಅವಲಂಬಿತವಾಗಿದೆ. ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ಈ ಹಂತವನ್ನು ಡೇಟಾದಲ್ಲಿ ಗೋಡೆಯ ಮೂಲಕ ಸಾಧಿಸಬಹುದು (ಗ್ಲಾಸ್ಸರ್ & ಸ್ಟ್ರಾಸ್, 1967).

ಹಿಂದಿನ ಕೆಲಸವನ್ನು ಪುನರಾವರ್ತಿಸಲು ಗುಣಾತ್ಮಕ ಸಂಶೋಧನೆ ನಡೆಸಬಹುದು, ಮತ್ತು ಅದು ಗುರಿಯಾದಾಗ, ಆಂತರಿಕವಾಗಿ ಸ್ಥಿರವಾದ ದತ್ತಾಂಶ ವರ್ಗಗಳಿಗೆ ಮುಖ್ಯವಾಗಿದೆ. ಈ ಸಂಭವಿಸಲು, ಸಂಶೋಧಕರು ವರ್ಗದಲ್ಲಿ ಗುಣಲಕ್ಷಣಗಳನ್ನು ವಿವರಿಸುವ ನಿಯಮಗಳನ್ನು ರೂಪಿಸಬೇಕು ಮತ್ತು ಅಂತಿಮವಾಗಿ, ಪ್ರತಿ ವರ್ಗಕ್ಕೆ ನಿಯೋಜಿಸಲಾದ ಪ್ರತಿ ಡೇಟಾ ಬಿಟ್ ಅನ್ನು ಸೇರಿಸುವುದನ್ನು ಸಮರ್ಥಿಸಲು ಬಳಸಲಾಗುವುದು ಮತ್ತು ಪ್ರತಿರೂಪತೆಯ ನಂತರದ ಪರೀಕ್ಷೆಗಳಿಗೆ ಆಧಾರವನ್ನು ಒದಗಿಸಲು (ಲಿಂಕನ್ & ಗುಬ, 1985, ಪು.

347).

ದಿ ಆರ್ಟ್ ಆಫ್ ಕ್ವಾಲಿಟೇಟಿವ್ ರಿಸರ್ಚ್ ಅಂಡ್ ಟ್ರಸ್ಟ್ವರ್ತಿನೆಸ್

ವರ್ಗಗಳಲ್ಲಿನ ಮತ್ತು ಅದರಲ್ಲಿರುವ ಡೇಟಾವನ್ನು ಸಂಸ್ಕರಿಸುವ ಪ್ರಕ್ರಿಯೆಯು ವ್ಯವಸ್ಥಿತವಾಗಿ ಕೈಗೊಳ್ಳಬೇಕಿದೆ, ಉದಾಹರಣೆಗೆ ಡೇಟಾವನ್ನು ಮೊದಲು ಗುಂಪುಗಳಾಗಿ ಸಂಘಟಿತವಾಗಿ ಸ್ಪಷ್ಟವಾಗಿ ಗೋಚರಿಸುವ ಲಕ್ಷಣಗಳ ಪ್ರಕಾರ ಆಯೋಜಿಸಲಾಗುತ್ತದೆ. ಆ ಹಂತದ ನಂತರ, ಡೇಟಾವನ್ನು ರಾಶಿಗಳು ಮತ್ತು ಉಪ-ರಾಶಿಗಳಾಗಿ ಇರಿಸಲಾಗುತ್ತದೆ, ಅಂದರೆ ವಿಭಿನ್ನತೆಯು ಸೂಕ್ಷ್ಮ ಮತ್ತು ಸೂಕ್ಷ್ಮವಾದ ತಾರತಮ್ಯಗಳನ್ನು ಆಧರಿಸಿರುತ್ತದೆ.

ಮೆಮೋಸ್ ಬರೆಯುವ ಪ್ರಕ್ರಿಯೆಯ ಮೂಲಕ , ಮಾದರಿಗಳ ಹೊರಹೊಮ್ಮುವಿಕೆ ಅಥವಾ ವರ್ಗ ಸಂಸ್ಕರಣ ಪ್ರಕ್ರಿಯೆಯೊಂದಿಗೆ ಸಂಬಂಧಿಸಿದ ಬದಲಾವಣೆಗಳು ಮತ್ತು ಪರಿಗಣನೆಗಳ ಬಗ್ಗೆ ಗುಣಾತ್ಮಕ ಸಂಶೋಧಕರ ದಾಖಲೆಗಳು. ವರ್ಗೀಕರಣದ ವ್ಯಾಖ್ಯಾನಗಳು ಅಧ್ಯಯನದ ಅವಧಿಯಲ್ಲಿ ಬದಲಾಗುತ್ತವೆ ಎಂದು ನಿರೀಕ್ಷಿಸಬಹುದು ಏಕೆಂದರೆ ನಿರಂತರವಾದ ತುಲನಾತ್ಮಕ ಪ್ರಕ್ರಿಯೆಗೆ ಮೂಲಭೂತ ಅಂಶಗಳು ಕಡಿಮೆ ಸಾಮಾನ್ಯವಾಗುತ್ತವೆ ಮತ್ತು ಸಂಶೋಧನೆಯ ಅವಧಿಯಲ್ಲಿ ಡೇಟಾವನ್ನು ವರ್ಗೀಕರಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಮರುಸಂಯೋಜಿಸಲಾಗಿದೆ ಎಂದು ಹೆಚ್ಚು ನಿರ್ದಿಷ್ಟವಾಗಿದೆ. ವಿಭಾಗಗಳನ್ನು ವಿವರಿಸುವಲ್ಲಿ, ನಾವು ಗಮನ ಮತ್ತು ತಾತ್ಕಾಲಿಕವಾಗಿರಬೇಕು - ಡೇಟಾವನ್ನು ಗಮನಿಸಬೇಕು, ಮತ್ತು ಅವುಗಳ ಬಗ್ಗೆ ನಮ್ಮ ಪರಿಕಲ್ಪನೆಗಳಲ್ಲಿ ತಾತ್ಕಾಲಿಕ (ಡೇ, 1993, ಪುಟ 102).

_{ಮೂಲಗಳು:}

_{ಡೈ, ಜೆ.ಜಿ., ಸ್ಕಾಟ್ಜ್, ಐಎಂ, ರೋಸೆನ್ಬರ್ಗ್, ಬಿ.ಎ. ಮತ್ತು ಕೋಲ್ಮನ್, ಎಸ್ಟಿ (2000, ಜನವರಿ). ಸ್ಥಿರ ಹೋಲಿಕೆ ವಿಧಾನ: ಮಾಹಿತಿಯ ಕೆಲಿಡೋಸ್ಕೋಪ್. ಗುಣಾತ್ಮಕ ವರದಿ, 4 (1/2).}

_{ಗ್ಲೇಸರ್, ಬಿ., ಮತ್ತು ಸ್ಟ್ರಾಸ್, ಎ. (1967). ಗ್ರೌಂಡೆಡ್ ಸಿದ್ಧಾಂತದ ಸಂಶೋಧನೆ: ಗುಣಾತ್ಮಕ ಸಂಶೋಧನೆಗಾಗಿ ಸ್ಟ್ರಾಟಜೀಸ್. ಚಿಕಾಗೊ, ಐಎಲ್: ಅಲ್ಡಿನ್.}

_{ಲಿಂಕನ್, ವೈಎಸ್, ಮತ್ತು ಗುಬ, ಇ.ಜಿ (1985). ನೈಸರ್ಗಿಕ ವಿಚಾರಣೆ. ನ್ಯೂಬರಿ ಪಾರ್ಕ್, ಸಿಎ: ಸೇಜ್.}