Το "Σκοτεινό Δάσος" (Liu Cixin, εκδόσεις SELINI) και το παράδοξο του Φέρμι

Διαβάζοντας το δεύτερο τόμο της υπέροχης τριλογίας του Liu Cixin - που κυκλοφορεί στα ελληνικά απο τις εκδόσεις SELINI - δεν μπόρεσα να αντισταθώ στην πρόκληση να προσπαθήσω να σας μεταφέρω μερικές μόνο απο τις κυριολεκτικά επαναστατικές και δημιουργικές ιδέες που αναπτύσσονται εντός του.

Και αυτές είναι μόνο μια δροσοσταλίδα της πρωίνής βροχής, όπως ποιητικά θα έγραφε ο ίδιος. Γιατί η απεικόνιση των θεωριών της σύγχρονης φυσικής περιπλέκεται με τις καθόλα τεκμηριωμένες επιστημονικές προβλέψεις, την κοινωνική και πολιτική ανάλυση της γήϊνης σύγχρονης πραγματικότητας, την ανάλυση των μεγάλων μυστικών της ανθρώπινης συμπεριφοράς, ενα "αιώνιο κυριολεκτικά ερωτικό ρομάντζο" και την επιστημονική φαντασία. 

Το συνιστούμε να το διαβάσετε και να το διαδώσετε αρχίζοντας βέβαια απο το πρώτο τόμο (βλ. https://evoikos.blogspot.com/2024/03/liu-cixin.html )

Παραθέτω πιο κάτω ενα μικρό απόσταγμα των ιδεών που μου προξένησαν εντύπωση. εσείς σίγουρα θα βρείτε ποιο πολλές

«Ακόμη και μπροστά στην καταστροφική… κρίση, η ενότητα της ανθρώπινης φυλής εξακολουθεί να παραμένει ένα μακρινό όνειρο». (Σκοτεινό δάσος, SELINI Αθήνα 2019, σελ. 51)

«Πρέπει να δούμε με ποιο τρόπο τα πράγματα αλλάζουν καθώς εξελίσσονται και δεν πρέπει να διαγράψουμε το μέλλον μέσα από τον τεχνολογικό ντετερμινισμό και τον μηχανικό υλισμό». (στο ίδιο, σελ. 155)

«Δεν αρκεί να παραμείνεις ζωντανός για να επιβιώσεις. Ο καλύτερος δρόμος για την επιβίωση είναι η εξέλιξη…τα ιστορικά δεδομένα του Μεσαίωνα …αποδεικνύουν ότι ένα ολοκληρωτικό καθεστώς αποτελεί το μεγαλύτερο εμπόδιο για την ανθρώπινη πρόοδο». (στο ίδιο, σελ. 559)

«Αυτό που θέλω να πω είναι πως δεν θα είμαστε πια άνθρωποι με την παλιά έννοια του όρου» (στο ίδιο, σελ. 567)

«Αν εμείς εξερευνούμε τους νόμους της φύσης, τι τους νοιάζει τους νόμους; Ίσως κάποια μέρα η ανθρωπότητα – ή κάποιοι άλλοι – να εξερευνήσουν τους φυσικούς νόμους τόσο διεξοδικά, ώστε να μπορούν πια να αλλάξουν όχι μόνο τη δική τους πραγματικότητα, αλλά ακόμη και ολόκληρο το σύμπαν…Και λοιπόν; Και πάλι οι φυσικοί νόμοι δεν πρόκειται να αλλάξουν». (στο ίδιο, σελ. 520-521)

«Το σύμπαν είναι μεγάλο, μα η ζωή είναι μεγαλύτερη! Αυτό σημαίνει και το δεύτερο αξίωμα. Η ποσότητα της ύλης μέσα στο σύμπαν παραμένει σταθερή, αλλά η ζωή αυξάνεται εκθετικά. Οι εκθετικοί δείκτες είναι οι δαίμονες των μαθηματικών». (στο ίδιο, σελ. 609)

«Υπάρχουν διάφοροι βαθμοί έκθεσης. Η χειρότερη είναι όταν γνωρίζω τις ακριβείς διαστρικές σου συντεταγμένες. Η αμέσως επόμενη είναι όταν ξέρω τη γενική κατεύθυνση προς την οποία βρίσκεσαι και η προτιμότερη είναι όταν γνωρίζω μόνο την ύπαρξή σου. ¨Όμως ακόμη και η προτιμότερη μορφή έκθεσης μου επιτρέπει να σε αναζητήσω, επειδή από τη στιγμή που εντόπισα την ύπαρξή σου, ξέρω και πως θα μπορέσω να σε ανακαλύψω. Από τη πλευρά της τεχνολογικής εξέλιξης είναι απλά θέμα χρόνου». (στο ίδιο, σελ. 610-611)

«Ακόμα και ένα αγαθός πολιτισμός δεν μπορεί να προβλέψει αν οποιοσδήποτε άλλος πολιτισμός είναι αγαθός ή όχι. Δεν ξέρεις αν σε θεωρώ αγαθό ή κακόβουλο. Στη συνέχεια ακόμα και αν νομίζω ότι είσαι αγαθός και επίσης γνωρίζω πως εσύ θεωρείς εμένα αγαθό και πάλι δεν ξέρω τι σκέφτεσαι σχετικά με το τι σκέφτομαι σχετικά με το τι σκέφτεσαι εσύ για μένα». (στο ίδιο, σελ. 611)

«Σε ένα πραγματικό συμπαντικό πολιτισμό, οι βιολογικές διαφορές μεταξύ των διαφόρων ομάδων θα μπορούσαν να είναι τεράστιες, ενώ οι πολιτισμικές διαφορές ίσως ξεπερνούσαν ακόμη και τη φαντασία μας. Αν προσθέσει κανείς και τις τεράστιες αποστάσεις αναμεσά τους οι αλυσίδες των υποψιών είναι ουσιαστικά άθραυστες». (στο ίδιο, σελ. 612)

«Μέσα σ ’αυτό το δάσος, η κόλαση είναι οι άλλοι. Μια αιώνια απειλή ότι οποιοδήποτε είδος ζωής αποκαλύψει την ύπαρξή του θα αφανιστεί πολύ σύντομα. Αυτή είναι η εικόνα του συμπαντικού πολιτισμού. Είναι η εξήγησή του Παράδοξου του Φέρμι». (στο ίδιο, σελ. 615)

Ο Liu Cixin είναι μηχανικός υπολογιστών και συγγραφέας. Είναι εννέα φορές νικητής του China's Galaxy Award και έχει επίσης λάβει το βραβείο Hugo 2015 για το μυθιστόρημά του  "Το πρόβλημα των τριών σωμάτων" καθώς και το βραβείο Locus 2017 για το ¨Τέλος του θανάτου"

Η αιτιότητα και πως να την αποκαλύψετε

Φωτο: Ζησούλα Ντάσιου (Focus Anima)

Είναι επιστημονική και μεθοδολογική αρχή που περιγράφει μια σχέση αιτίου - αποτελέσματος μεταξύ γεγονότων ή φαινομένων, σύμφωνα με την οποία ένα γεγονός προκαλεί ένα άλλο.

Με βάση τις διαθέσιμες πληροφορίες, αναλύεται η υπάρχουσα κατάσταση: δηλ. εντοπίζονται τα κύρια προβλήματα και οι μεταξύ τους κύριες διασυνδέσεις με σχέση αιτίου – αιτιατού. Όλα απεικονίζονται σε ένα σχεδιάγραμμα που ονομάζεται «δέντρο προβλημάτων». Είναι σημαντικό όλες οι πιθανές επιλογές να παραμένουν ανοιχτές κατά την ανάλυση του προβλήματος. Ο στόχος σε αυτό το πρώιμο στάδιο είναι να δημιουργηθεί μια επισκόπηση της κατάστασης, αργότερα στη διαδικασία εμβάθυνσης της εξέτασης η προοπτική θα περιοριστεί και συγκεκριμενοποιηθεί. Σημειώνουμε ότι πάντα δουλεύουμε συλλογικά, με συγκροτημένη ομάδα εργασίας. Παρακάτω ακολουθεί η περιγραφή της ανάλυσης σε τρία βήματα:

 Πρώτο βήμα: Διατυπώστε τα προβλήματα

Προσδιορίστε τα υπάρχοντα προβλήματα – όχι τα πιθανά ούτε τα φανταστικά ή μελλοντικά, αλλά τα σημερινά; Διατυπώστε ένα πρόβλημα σαν μια υπάρχουσα αρνητική κατάσταση και όχι σαν την απουσία λύσης; Διατυπώστε τα κύρια προβλήματα ανά λειτουργία, τμήμα, περιοχή πωλήσεων, προμηθευτή, συνεργαζόμενη άλλη εταιρεία κλπ.

Δεύτερο βήμα: Επιλέξτε το σημαντικότερο σημείο εκκίνησης

Προσδιορίστε τα μεγάλα υπάρχοντα προβλήματα, με βάση τις διαθέσιμες πληροφορίες; Επιλέξτε ένα εστιακό πρόβλημα για την ανάλυση.

Κάθε συμμετέχων στην ομάδα εργασίας πρέπει να διατυπώσει μια πρόταση για το κύριο εστιακό πρόβλημα μεταξύ όλων των άλλων που καθορίστηκαν ή το κεντρικό σημείο του συνολικού προβλήματος. Το θέμα που καθοδηγεί τη συζήτηση και την επιλογή του εστιακού προβλήματος είναι τα ενδιαφέροντα και τα προβλήματα όχι μόνο της εταιρείας (που έχουν βέβαια πρωτεύοντα ρόλο), αλλά και όλων των ομάδων συμφερόντων που εμπλέκονται στη λειτουργία της. 

Το εστιακό πρόβλημα πρέπει να συζητηθεί και να συμφωνηθεί στην ομάδα εργασίας με τελική ομοφωνία ή έστω απόλυτη πλειοψηφία. Αν η ομάδα κρίνει ότι τα σημαντικά προβλήματα είναι περισσότερα του ενός, τότε θα ακολουθήσουν περισσότερα του ενός επόμενα (τρίτα) βήματα. Αλλά πάλι η εταιρεία θα πρέπει να ασχοληθεί με την επίλυση κάποιου από αυτά κατά προτεραιότητα. Άμεσα το πρώτο, μετά από εξάμηνο το δεύτερο κλπ.

Τρίτο βήμα: Αναπτύξτε το δέντρο προβλημάτων

Προσδιορίστε ουσιαστικές και άμεσες αιτίες (γενεσιουργές) του εστιακού προβλήματος; Προσδιορίστε ουσιαστικές και άμεσες επιπτώσεις (έμμεσες αιτίες και άμεσα αιτιατά) του εστιακού προβλήματος; Κατασκευάστε ένα δέντρο προβλημάτων που δείχνει τις αιτίες και τα αποτελέσματα; Ελέγξτε το δέντρο προβλημάτων, επαληθεύστε την εγκυρότητα και την πληρότητά του και κάντε τις απαραίτητες προσαρμογές.

Κατά την ανάπτυξη του δέντρου προβλημάτων, οι έμμεσες και γενεσιουργές αιτίες του εστιακού προβλήματος τοποθετούνται παράλληλα κάτω από αυτό και τα σχετικά αποτελέσματα τους, δηλαδή τα άμεσα αιτιατά τοποθετούνται στη γραμμή πάνω από αυτό.

Τα αίτια και τα αποτελέσματα πρέπει να αναπτυχθούν περαιτέρω σύμφωνα με την ίδια αρχή για να σχηματιστεί το δέντρο προβλημάτων. Οι γενεσιουργές αιτίες μπορεί να είναι περισσότερες από μια και μπορεί να συνδέονται μεταξύ τους. Οι έμμεσες αιτίες επίσης μπορεί να συνδέονται μεταξύ τους και να δημιουργούν άλλες έμμεσες δεύτερου βαθμού.

Μπορούν να οπτικοποιηθούν οι ποιοτικές σχέσεις με σχήματα διασυνδέσεων των άμεσων, έμμεσων και πρωτογενών αίτιων και αποτελεσμάτων για το κάθε ένα από αυτά (βλ.σχήμα)

Στο παράδειγμα μπορούμε να παρατηρήσουμε ότι:

Υπάρχουν δυο γενεσιουργές αιτίες που αλληλοεπηρεάζονται (θα μπορούσαν και να μην αλληλοεπιδρούσαν, ή να ήταν περισσότερες ή μόνο μια)

Η 1η γενεσιουργός δημιουργεί τη 1η έμμεση και συντελεί στη δημιουργία της 2ης έμμεσης, ενώ η 2η γενεσιουργός δημιουργεί την 3η έμμεση και συντελεί με τη σειρά της και αυτή στη δημιουργία της 2ης έμμεσης αιτίας. Αν υπήρχε στο παράδειγμα μια γενεσιουργός (έστω μόνο η 1η), τότε δεν θα είχε αλληλεπίδραση με καμία άλλη (ίσως ήταν πιο αδύνατη ή πιο ελέγξιμη) και παράλληλα θα υπήρχαν μόνο δυο έμμεσες αιτίες (η 1η και η 2η)

Οι 3 έμμεσες αιτίες με τη σειρά τους εμφανίζουν το κύριο πρόβλημα, που αυτό με τη σειρά του εμφανίζει τα τρία άμεσα αιτιατά (αποτελέσματα)

Η παλινδρόμηση και πως να την αντιμετωπίσετε

Η εξέταση της σχέσης μεταξύ δυο ή περισσότερων μεταβλητών με στόχο τη πρόβλεψη μιας από αυτές μέσω των άλλων λέγεται ανάλυση παλινδρόμησης. 

Kantinski - Κίνηση 1935

Η παλινδρόμηση που έχει μόνο δυο μεταβλητές εκ των οποίων μόνο η μία είναι ανεξάρτητη λέγεται απλή (π.χ. η ανάλυση της σχέσης μεταξύ της παραγωγής ενός χωραφιού και της ποσότητας λιπάσματος που χρησιμοποιήθηκε). Όταν εξετάζουμε περισσότερες από μία ανεξάρτητες μεταβλητές τότε έχουμε την ανάλυση πολλαπλής παλινδρόμησης (π.χ. αν για το ίδιο χωράφι εξετάσουμε όχι μόνο τη ποσότητα του λιπάσματος αλλά και την ηλιοφάνεια και την βροχόπτωση στη περιοχή).

Ο πυρήνας της ανάλυσης παλινδρόμησης είναι η μέθοδος των ελάχιστων τετραγώνων. Χρησιμοποιείται για την εύρεση του τύπου που περιγράφει το φαινόμενο που εξετάζουμε, όταν γνωρίζουμε μια σειρά από πραγματικές τιμές των μεγεθών που το απεικονίζουν και αγνοούμε τον ακριβή τύπο τους. Κατά την ανάπτυξη της μεθόδου προσπαθούμε να προσδιορίσουμε τη μορφή της άγνωστης σχέσης, στην οποία ταιριάζουν καλύτερα τα πειραματικά μας δεδομένα, ελέγχοντας μια σειρά γνωστών σχέσεων. Οι  κυριότερες σχέσεις που εξετάζονται είναι οι: Γραμμική; Πολυώνυμη; Σχέση δύναμης; Εκθετική και   Λογαριθμική.

Το μοντέλο ή η εξίσωση παλινδρόμησης μπορεί να λάβει οποιαδήποτε αλγεβρική μορφή. Ανάλογα με τη μορφή του, μπορεί να χαρακτηριστεί ως γραμμικό ή μη-γραμμικό μοντέλο παλινδρόμησης. Ο χαρακτηρισμός αυτός αναφέρεται κυρίως στον τρόπο με τον οποίο μεταβάλλεται η τιμή της εξαρτημένης μεταβλητής, εάν μεταβληθεί η τιμή μιας ή όλων των ανεξαρτήτων μεταβλητών.

Το γραμμικό μοντέλο παλινδρόμησης στη γενική, αφηρημένη μορφή του εκφράζεται από την εξίσωση: 𝑌 = 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋3 + 𝛽4𝑋4 + 𝛽5𝑋5 + ⋯ + 𝛽0 + 𝜀 όπου 𝛽𝑖 οι συντελεστές και 𝑋𝑖 οι ανεξάρτητες μεταβλητές. Αυτό που κάνει ένα μοντέλο παλινδρόμησης «γραμμικό» είναι ο τρόπος με τον οποίο αλλάζει η τιμή της ανεξάρτητης μεταβλητής αν αλλάξουν οι τιμές των ανεξαρτήτων μεταβλητών / συντελεστών. Γενικά μεταξύ δύο μεταβλητών Υ και Χ υπάρχει γραμμική σχέση εάν ο ρυθμός μεταβολής της εξαρτημένης μεταβλητής Υ ως προς την ανεξάρτητη Χ (δηλαδή ο λόγος 𝑑𝑌 𝑑𝑋 ⁄ ) δεν εξαρτάται από την τιμή της ανεξάρτητης μεταβλητής X.

Για να χαρακτηριστεί ένα μοντέλο παλινδρόμησης ως γραμμικό, θα πρέπει η εξαρτημένη μεταβλητή να είναι γραμμική μόνο ως προς όλους τους συντελεστές β. Δεν απαιτείται να είναι γραμμική και ως προς τις ανεξάρτητες μεταβλητές. Παραδείγματα γραμμικών μοντέλων παλινδρόμησης: κατανάλωση και εισόδημα – κατανάλωση και εισόδημα, αριθμός ατόμων νοικοκυριού, αριθμός οικογενειακών αυτοκινήτων – αρτηριακή πίεση και φύλλο, ηλικία. Μοντέλα παλινδρόμησης στα οποία η εξαρτημένη μεταβλητή δεν είναι γραμμική ως προς τουλάχιστον έναν συντελεστή β καλούνται μη-γραμμικά.

Η διαφοροποίηση μεταξύ γραμμικού και μη γραμμικού μοντέλου είναι σημαντική επειδή καθορίζει τον τρόπο με τον οποίο θα γίνει η εκτίμηση των συντελεστών. Αν και υπάρχουν τρόποι με τους οποίους μη-γραμμικά μοντέλα μπορούν να μετασχηματιστούν σε γραμμικά (με μεθόδους που καλούνται γραμμικοί μετασχηματισμοί), γενικά τα γραμμικά μοντέλα παλινδρόμησης χρησιμοποιούν διαφορετικές μεθόδους για την εκτίμηση των συντελεστών τους απ’ ότι τα μη-γραμμικά μοντέλα. Ενώ υπάρχουν τύποι για την εκτίμηση συντελεστών γραμμικών μοντέλων παλινδρόμησης, τέτοιοι δεν υφίστανται στην περίπτωση μη-γραμμικών, όπου κυρίως γίνεται χρήση αριθμητικών μεθόδων για τον προσδιορισμό τους. 

Η παλινδρόμηση δεν σημαίνει απαραίτητα αιτιότητα αλλά δείχνει μόνο τη δύναμη και το εύρος της συσχέτισης μεταξύ των μεταβλητών. Γραφικά αναπαρίσταται χρησιμοποιώντας μια γραμμή που ονομάζεται γραμμή παλινδρόμησης, η οποία αντιπροσωπεύει την καλύτερη προσαρμογή για τα σημεία δεδομένων.  Είναι πολύ σημαντικό για το μοντέλο γραμμικής παλινδρόμησης ο ακριβής προσδιορισμός των συντελεστών 𝛽𝑖 με βάση τα δεδομένα που υπάρχουν.

Περισσότερα μπορείτε να διαβάσετε εδώ

Ο Liu Cixin για τη (μυθιστορηματική) σωτηρία του πλανήτη Γη

Έχει κυκλοφορήσει στα ελληνικά απο το 2017 απο τις εκδόσεις SELINI αλλά το διάβασα πρόσφατα και ενυπωσιάστηκα. Είναι ενα από τα σημαντικότερο μυθιστόρημα της σύγχρονης Κινεζικής λογοτεχνίας, στο οποίο με θαυμαστο τρόπο περιπλέκονται η γήίνη κοινωνία, με τις τελευταίες θεωρίες της φυσικής, η ανθρώπινη συμπεριφορά και η επιστημονική φαντασία.

Συνιστούμε να το διαβάσετε. Παρακάτω μπορείτε να βρείτε μερικές ιδέες του συγγραφέα για τα παραπάνω.

" Ναι, η ανθρωπότητα στάθηκε τυχερή σε ολόκληρη την ιστορία της. Από την Λίθινη εποχή μέχρι τώρα δεν περάσαμε καμιά πραγματική κρίση. Σταθήκαμε πολύ τυχεροί. Άν όμως πρόκειται αποκλειστικά για τύχη, τότε κάποια μέρα αναπόφευκτα θα τελειώσει. και μπορώ να σας πω ότι τελείωσε. Να ετοιμάζεστε για τα χειρότερα".  ("Το πρόβλημα των τριών σωμάτων" SELINI Αθήνα 2017, σελ. 84). 

" Είναι δυνατό η σταθερότητα και η τάξη στο κόσμο να μην είναι παρά μια παροδική δυναμική ισορροπία που εχει επιτευχθεί σε μια γωνιά του σύμπαντος, ενα σύντομο ρεύμα μέσα σε εναν χαοτικό χείμαρρο;". (Στο ίδιο σελ. 94). 

" Η περίοδος που ζούμε τώρα είναι πολύ πιο τρομακτική. Αυτή τη στιγμή, τα ζωϊκά είδη εξαφανίζονται απο τη γή πολύ πιο γρήγορα από ό,τι κατά τα τέλη της ύστερης Κρητιδικής. Η δική μας είναι η εποχή των μαζικών εξαφανίσεων". (Στο ίδιο σελ. 383). 

" Ακόμα και αν ο ίδιος ο Θεός ήταν εδώ, δεν θα μας ωφελούσε. Ολόκληρη η ανθρώπινη φυλή έχει φτάσει στο σημείο που κανένας δεν ακούει τις προσευχές της". (Στο ίδιο σελ. 256 ). 

" Γιατί κάποιος πρέπει ντε και καλά να σώσει ανθρώπους για να θεωρείται ήρωας; Γιατί η σωτηρία άλλων ειδών θεωρείται κάτι ασήμαντο; Ποιός έδωσε μια τόσο υψηλή θέση στους ανθρώπους; Όχι οι άνθρωποι δεν χρειάζονται σωτηρία. Ήδη ζουν πολύ καλύτερα απο ότι τους αξίζει". (Στο ίδιο σελ. 380). 

" Αυτοί είναι οι κανόνες στο παιχνίδι του πολιτισμού: πρώτη σε σειρά προτεραιότητας είναι η εξασφάλιση της ύπαρξης του είδους μας και της άνετης ζωής των ανθρώπων. Όλα τα άλλα έρχονται σε δεύτερη μοίρα". (Στο ίδιο σελ. 383). 

" Όσο πιο φτωχό είναι ενα χωριό τόσο πιο επινοητικοί είναι οι κάτοικοί του.....Μπορώ ήδη να φανταστώ τους χωρικούς να βλέπουν το συγκρότημα... σαν ένα ζουμερό κομάτι κρέας απο το οποίο μπορούν να κόψουν μερικές μπουκιές". (Στο ίδιο σελ. 385). 

" Ο Χριστιανισμός επικεντρώνεται στον άνθρωπο. μολονότι όλα τα ζώα μπήκαν στη Κιβωτό του Νώε, τα άλλα ζωίκά είδη δεν απέκτησαν ποτέ την ίδια αξία με τους ανθρώπους. Όμως ο Βουδισμός επικεντρώνεται στη διάσωση κάθε ζωής". (Στο ίδιο σελ. 389). 

" Ήταν αδύνατο να περιμένει μια ηθική αφύπνιση απο την ίδια την ανθρωπότητα, όπως ήταν αδύνατο και το να περιμένει πως οι άνθρωποι θα μπορούσαν να σηκωθούν απο το έδαφος τραβώντα οι ίδιο τα μαλλιά τους. Η επίτευξη της ηθικής αφύπνισης απαιτούσε μια δύναμη έξω απο την ανθρώπινη φυλή". (Στο ιδιο σελ.35).

Ο Liu Cixin είναι μηχανικός υπολογιστών και συγγραφέας. Είναι εννέα φορές νικητής του China's Galaxy Award και έχει επίσης λάβει το βραβείο Hugo 2015 για το μυθιστόρημά του  "Το πρόβλημα των τριών σωμάτων" καθώς και το βραβείο Locus 2017 για το " Τέλος του θανάτου".

Η περιγραφική ανάλυση και η ανάλυση συσχέτισης

Η περιγραφική ανάλυση περιλαμβάνει τη σύνοψη ή την περιγραφή χαρακτηριστικών ενός συνόλου δεδομένων χωρίς να γίνονται συμπεράσματα ή προβλέψεις. Επικεντρώνεται σε μέτρα όπως η κεντρική τάση, η διασπορά και η θέση. Από την άλλη πλευρά, η ανάλυση συσχέτισης είναι μια στατιστική μέθοδος που χρησιμοποιείται για τη μέτρηση της ισχύος της γραμμικής σχέσης μεταξύ δύο μεταβλητών. Στόχος του είναι να περιγράψει τη συσχέτιση μεταξύ των μεταβλητών και βασίζεται σε συμπερασματική φύση.

S. Dalí’s “Swans Reflecting Elephants” (1937)

Τόσο η περιγραφική ανάλυση όσο και η ανάλυση συσχέτισης χρησιμεύουν ως θεμελιώδη βήματα στις ευρύτερες αναλυτικές διαδικασίες, επιτρέποντας βαθύτερες γνώσεις στα δεδομένα και υποστηρίζοντας τη λήψη τεκμηριωμένων αποφάσεων.

Η περιγραφική ανάλυση προσφέρει ένα στιγμιότυπο προηγούμενων και τρεχουσών συνθηκών και βασίζεται στη περιγραφή, ενώ η ανάλυση συσχέτισης αποκαλύπτει συνδέσεις, βοηθώντας στη δημιουργία σχέσεων αιτίου – αποτελέσματος και βασίζεται σε συμπεράσματα.

Η περιγραφική ανάλυση χρησιμοποιεί μέτρα όπως η συχνότητα, η κεντρική τάση, η θέση και η διασπορά, ενώ η ανάλυση συσχέτισης υπολογίζει τον συντελεστή συσχέτισης μεταξύ δύο μεταβλητών.

Οι περιγραφικές στατιστικές επικεντρώνονται στην περιγραφή ορατών χαρακτηριστικών ενός συνόλου δεδομένων, ενώ οι στατιστικές συμπερασμάτων κάνουν προβλέψεις ή γενικεύσεις για μεγαλύτερα σύνολα δεδομένων με βάση δείγματα. 

Οι περιγραφικές στατιστικές παρουσιάζουν γεγονότα και αποδεδειγμένα αποτελέσματα από έναν εξεταζόμενο πληθυσμό, ενώ οι στατιστικές συμπερασμάτων αναλύουν δείγματα για να κάνουν προβλέψεις για πολύ μεγαλύτερους πληθυσμούς.

Οι εφαρμογές της περιγραφικής ανάλυσης και της ανάλυσης συσχέτισης είναι ποικίλες, εξυπηρετώντας διάφορους σκοπούς σε πολλούς τομείς, από την επιχείρηση έως την επιστημονική έρευνα.

Εφαρμογές Περιγραφικής Ανάλυσης:

• Ø Παρακολούθηση Επιχειρηματικής Απόδοσης: Παρακολούθηση βασικών δεικτών απόδοσης (KPI), παρακολούθηση τάσεων και σύγκριση απόδοσης με ανταγωνιστές ή δείκτες αναφοράς του κλάδου
• Ø Χρηματοοικονομική Αναφορά: Ανάλυση οικονομικών καταστάσεων, δημιουργία αναφορών και εντοπισμός τάσεων στα έσοδα, τα έξοδα και την κερδοφορία
• Ø  Δέσμευση μέσων κοινωνικής δικτύωσης: Δημιουργία μετρήσεων για την αξιολόγηση της επιτυχίας των πρωτοβουλιών μέσων κοινωνικής δικτύωσης και προσδιορισμός της απόδοσης της πρωτοβουλίας / επένδυσης
• Ø  Αποτελέσματα Έρευνας: Συνοψίζει τα αποτελέσματα της εσωτερικής και εξωτερικής έρευνας, όπως η καθαρή αξιολόγηση υποστηρικτών για τη λήψη αποφάσεων

Εφαρμογές Ανάλυσης Συσχέτισης:

• Ø Προσδιορισμός σχέσεων: Για παράδειγμα η εξέταση της συσχέτισης μεταξύ των σύγχρονων προβλημάτων στις μεταφορές και της αύξησης των τιμών α’ υλών / καταναλωτικών αγαθών.
• Ø Πρόβλεψη: Για τη δημιουργία προβλέψεων σχετικά με πιθανές σχέσεις μεταξύ μεταβλητών, αν και δεν μπορεί να καθοριστεί η αιτιότητα
• Ø Διερευνητική Ανάλυση Δεδομένων: Διερεύνηση μεγάλων συνόλων δεδομένων για την ανακάλυψη κρυφών μοτίβων και σχέσεων μεταξύ μεταβλητών
• Ø Κατασκευή μοντέλων: Βοήθεια στη δημιουργία μοντέλων για προγνωστική ανάλυση, μηχανική μάθηση και στατιστική μοντελοποίηση

Μεταξύ των περιορισμών στις αναφερόμενες αναλύσεις περιλαμβάνονται:

Περιορισμοί περιγραφικής Ανάλυσης:

• Ø  Μικρή ικανότητα εξαγωγής συμπερασμάτων πέρα από την περιγραφή των δεδομένων
• Ø  Συνήθως δεν αποκαλύπτει υποκείμενα μοτίβα ή σχέσεις μεταξύ μεταβλητών
• Ø  Εξαρτάται από την ακριβή και αξιόπιστη συλλογή δεδομένων
• Ø  Επιρρεπής σε λάθη που προκαλούνται από ανθρώπινη προκατάληψη ή παρερμηνεία

Περιορισμοί ανάλυσης συσχέτισης:

• Ø  Δεν αποδεικνύει την αιτιότητα αλλά δείχνει μόνο την συσχέτιση
• Ø  Μπορεί να επηρεαστεί από αλληλοεπηρεαζόμενες μεταβλητές
• Ø  Αξιοποιεί μόνο ποσοτικά δεδομένα και όχι ποιοτικά.
• Ø  Απαιτεί προσεκτική εξέταση πιθανών προκαταλήψεων και υποθέσεων

Αυτοί οι περιορισμοί υπογραμμίζουν τη σημασία της εξέτασης εναλλακτικών προσεγγίσεων, όπως πειραματικά σχέδια ή πρόσθετες στατιστικές μέθοδοι, για την αντιμετώπιση ερωτημάτων που απαιτούν ισχυρότερα στοιχεία από αυτά που μπορούν να προσφέρουν οι αναφερόμενες αναλύσεις. Επιπλέον, η κριτική σκέψη και η προσοχή στη λεπτομέρεια είναι απαραίτητες για την ελαχιστοποίηση των επιπτώσεων αυτών των περιορισμών.

Για την ανάλυση του κύριου στοιχείου και την ανάλυση παραγόντων

Η ανάλυση κύριου στοιχείου (PCA) και η ανάλυση παραγόντων (FA) είναι και οι δύο ευρέως χρησιμοποιούμενες τεχνικές για τη μείωση των δεδομένων και την κατανόηση της δομής σε πολυδιάστατα σύνολα δεδομένων. 

Vassily Kandinsky - Mild tension, 1923

Μπορούν να χρησιμοποιηθούν και οι δυο τεχνικές για τη μείωση δεδομένων και την εξαγωγή συμπερασμάτων, καθώς και για τον εντοπισμό κρυφών μοτίβων και σχέσεων στα δεδομένα. 

Ωστόσο, η ανάλυση κύριου στοιχείου είναι γενικά πιο κατάλληλη για διερευνητική ανάλυση, συμπίεση δεδομένων και οπτικοποίηση, ενώ η ανάλυση παραγόντων ενδείκνυται για επιβεβαιωτική ανάλυση, ερμηνεία δεδομένων και δοκιμή υποθέσεων

Αν και μοιράζονται ομοιότητες, έχουν διακριτές διαφορές:

Στις υποκείμενες υποθέσεις:

PCA: Οι παρατηρούμενες μεταβλητές είναι γραμμικοί συνδυασμοί μη συσχετισμένων λανθανόντων μεταβλητών (που ονομάζονται κύρια στοιχεία), οι οποίες ταξινομούνται με βάση το μέγεθος της διακύμανσης που εξηγούν.

FA: Οι παρατηρούμενες μεταβλητές είναι γραμμικοί συνδυασμοί μη παρατηρήσιμων λανθανόντων παραγόντων και μοναδικών παραγόντων.

Στους στόχους ανάλυσης:

PCA: Μεγιστοποιήστε τη διακύμανση που καταγράφεται από τα κύρια στοιχεία.

FA: Προσδιορίστε τους υποκείμενους λανθάνοντες παράγοντες που εξηγούν τις παρατηρούμενες συσχετίσεις μεταξύ των μεταβλητών.

Στην ερμηνεία:

PCA: Τα στοιχεία είναι νέες μεταβλητές που είναι γραμμικοί συνδυασμοί των αρχικών.

FA: Οι παράγοντες είναι κοινά στοιχεία που προκαλούν διακυμάνσεις στις παρατηρούμενες μεταβλητές.

Πιο αναλυτικά για τις διαφορές στις υποθέσεις μεταξύ PCA και FA:

Για την ανάλυση του κύριου στοιχείου (PCA):

• Ø  Υπόθεση: Η PCA υποθέτει ότι οι παρατηρούμενες μεταβλητές είναι γραμμικοί συνδυασμοί ασύνδετων λανθάνοντων μεταβλητών, γνωστών ως κύρια στοιχεία. Αυτά ταξινομούνται με βάση το μέγεθος της διακύμανσης τους.
• Ø  Σκοπός: Ο πρωταρχικός στόχος του PCA είναι να μεγιστοποιήσει τη διακύμανση που καταγράφεται από τα κύρια στοιχεία, ώστε να επιβεβαιώσει με σαφήνεια τον κύριο παράγοντα.
• Ø  Προσέγγιση μοντελοποίησης: Η PCA δημιουργεί μεταβλητές ευρετηρίου μέσω ενός γραμμικού συνδυασμού μετρούμενων μεταβλητών, με στόχο τη βελτιστοποίηση του αριθμού των στοιχείων, την επιλογή των μεταβλητών για κάθε στοιχείο και τα ειδικά βάρη τους

Για την ανάλυση παραγόντων (FA):

• Ø  Υπόθεση: Η FA υποθέτει ότι οι παρατηρούμενες μεταβλητές είναι γραμμικοί συνδυασμοί μη παρατηρήσιμων λανθανόντων παραγόντων και μοναδικών παραγόντων. Σε αντίθεση με το PCA, το FA επιτρέπει τη συσχέτιση των μεταβλητών.
• Ø  Σκοπός: Ο πρωταρχικός στόχος της FA είναι να εντοπίσει τους υποκείμενους λανθάνοντες παράγοντες που εξηγούν τις παρατηρούμενες συσχετίσεις μεταξύ των μεταβλητών.
• Ø  Προσέγγιση μοντελοποίησης: Η FA μοντελοποιεί τη μέτρηση μιας λανθάνουσας μεταβλητής, η οποία δεν μπορεί να μετρηθεί άμεσα με μία μόνο μεταβλητή. Φαίνεται μέσα από τις σχέσεις που προκαλεί σε ένα σύνολο παρατηρούμενων μεταβλητών, με στόχο τη βελτιστοποίηση των βαρών μεταξύ του λανθάνοντος παράγοντα και των παρατηρούμενων μεταβλητών

Συνοπτικά, ενώ η PCA εστιάζει στη δημιουργία μη συσχετισμένων στοιχείων για τη μεγιστοποίηση της διακύμανσης, η FA στοχεύει στον εντοπισμό λανθάνοντων παραγόντων που εξηγούν τις συσχετίσεις μεταξύ των παρατηρούμενων μεταβλητών, επιτρέποντας συσχετίσεις μεταξύ μεταβλητών στην προσέγγισή της μοντελοποίησης.

Η PCA και η FA διαφέρουν στις διαδικασίες προετοιμασίας δεδομένων λόγω των έμφυτων υποθέσεων και στόχων τους:

Προετοιμασία PCA: Το PCA ξεκινά συνήθως με την τυποποίηση των δεδομένων εισόδου για να διασφαλίσει ίσες συνεισφορές από κάθε μεταβλητή. Στη συνέχεια, υπολογίζεται ο πίνακας συνδιακύμανσης ή συσχέτισης, ακολουθούμενος από την αποσύνθεση του πίνακα σε ιδιοδιανύσματα και ιδιοτιμές. Τέλος, επιλέγονται τα ιδιοδιανύσματα που αντιστοιχούν στις μεγαλύτερες ιδιοτιμές για την κατασκευή των κύριων συνιστωσών

Προετοιμασία FA: Το FA ξεκινά ομοίως με την τυποποίηση των δεδομένων εισόδου, τον υπολογισμό του πίνακα συσχέτισης και την αποσύνθεση του πίνακα σε φορτία παραγόντων και μοναδικότητες. Ωστόσο, σε αντίθεση με την PCA, η FA μοντελοποιεί ρητά τις σχέσεις μεταξύ παρατηρούμενων μεταβλητών και υποθετικών λανθάνοντων παραγόντων, απαιτώντας πρόσθετες εκτιμήσεις σχετικά με την προδιαγραφή της δομής των παραγόντων και τις μεθόδους πιθανής περιστροφής

Αυτές οι διαφορές στην προετοιμασία δεδομένων οδηγούν σε αποκλίνουσες εκροές και ερμηνείες, με την PCA να εστιάζει στη συμπίεση και την οπτικοποίηση δεδομένων, ενώ η FA επικεντρώνεται στην εξήγηση της υποκείμενης δομής πίσω από τις παρατηρούμενες μεταβλητές.

Η ανάλυση περιεχομένου και η θεματική ανάλυση: ομοιότητες, διαφορές, πλεονεκτήματα και μειονεκτήματα.

Η ανάλυση περιεχομένου είναι πιο πρακτική και απλή, ενώ η θεματική ανάλυση είναι πιο διαισθητική και επιτρέπει βαθύτερη εμβάπτιση στα δεδομένα. 

Kantinski Σύνθεση VIII 1923

Η ανάλυση περιεχομένου ξεκίνησε ως ποσοτική μέθοδος αλλά τώρα χρησιμοποιείται ποιοτικά με κάποια ποσοτικοποίηση δεδομένων. Η θεματική ανάλυση είναι κυρίως ποιοτική με λιγότερη έμφαση στην καταμέτρηση και περισσότερο στην εξερεύνηση του βάθους και της πολυπλοκότητας των δεδομένων.

Ομοιότητες:

Τόσο η ανάλυση περιεχομένου όσο και η θεματική ανάλυση είναι μέθοδοι ποιοτικής έρευνας που χρησιμοποιούνται για την ανάλυση δεδομένων κειμένου. Και οι δύο μέθοδοι στοχεύουν στην εξαγωγή γνώσεων από ποιοτικά δεδομένα προσδιορίζοντας μοτίβα, θέματα και νοήματα.

Περιλαμβάνουν εξοικείωση με τα δεδομένα, κωδικοποίηση και ανάλυση προτύπων εντός των δεδομένων.

Οι ερευνητές μπορούν να διεξάγουν αναλύσεις τόσο επαγωγικά όσο και απαγωγικά.

Διαφορές:

Ανάλυση περιεχομένου:

Στόχοι: Εστιάζει στην κατηγοριοποίηση συγκεκριμένων στοιχείων εντός των δεδομένων συστηματικά και ποσοτικά.

Προσέγγιση: Πιο δομημένη (σε σύγκριση με τη θεματική ανάλυση) πρακτική που μπορεί να χρησιμοποιηθεί τόσο για ποιοτική όσο και για ποσοτική έρευνα.

Χειρισμός δεδομένων: Κατάλληλη για μεγάλα σύνολα δεδομένων, συμπεριλαμβανομένου κειμένου, οπτικού ή συμβολικού περιεχομένου.

Παρουσίαση: Συχνά παρουσιάζεται ως εννοιολογικός χάρτης ή μοντέλο.

Θεματική Ανάλυση:

Στόχοι: Προσδιορίζει επαναλαμβανόμενα θέματα, μοτίβα και έννοιες μέσα στα δεδομένα χρησιμοποιώντας μια ερμηνευτική και ποιοτική προσέγγιση.

Προσέγγιση: Πιο ευέλικτη (σε σύγκριση με την ανάλυση περιεχομένου), διαισθητική που δίνει έμφαση στο βάθος εκτός από το πλάτος της ανάλυσης.

Χειρισμός δεδομένων: Ιδιαίτερα επωφελής για την εξερεύνηση εμπειριών, αντιλήψεων και κατανοήσεων ατόμων ή ομάδων εμπλεκομένων.

Παρουσίαση: Θέματα με υποστηρικτικά υλικά (διεθνής πρακτική, μελέτες περιπτώσεων κ.α) παρουσιάζονται στην τελική έκθεση.

Συνοψίζοντας, ενώ τόσο η ανάλυση περιεχομένου όσο και η θεματική ανάλυση μοιράζονται ομοιότητες στις διαδικασίες ποιοτικής ανάλυσης δεδομένων, διαφέρουν ως προς τους στόχους, τις προσεγγίσεις, τον χειρισμό των δεδομένων και την παρουσίαση των ευρημάτων. Οι ερευνητές θα πρέπει να επιλέξουν τη μέθοδο με βάση τα ερευνητικά τους ερωτήματα, τη φύση των διαθέσιμων δεδομένων και τους ερευνητικούς στόχους.

Πλεονεκτήματα της Ανάλυσης Περιεχομένου:

Αξιοπιστία: Χρησιμοποιεί τυποποιημένα σχήματα κωδικοποίησης, διασφαλίζοντας συνέπεια και ακρίβεια στην ανάλυση δεδομένων

Αυθεντικότητα: Χρησιμοποιεί υπάρχοντα δεδομένα, συχνά από επίσημα αρχεία ή δημοσιευμένο υλικό.

Ποσοτικοποίηση: Επιτρέπει τη μετατροπή ποιοτικών δεδομένων σε αριθμητικές μορφές, διευκολύνοντας τη στατιστική ανάλυση

Ευελιξία: Εφαρμόζεται σε διάφορους κλάδους, συμπεριλαμβανομένων του μάρκετινγκ, της πολιτικής και των κοινωνικών επιστημών

Αποδοτικότητα: Μπορεί να είναι σχετικά φθηνότερη από άλλες μορφές συλλογής και ανάλυσης δεδομένων

Μειονεκτήματα της Ανάλυσης Περιεχομένου:

Μερική αγνόηση της πολυπλοκότητας: Μπορεί να υπεραπλουστεύσει πολύπλοκα δεδομένα μέσω κατηγοριοποίησης και ποσοτικοποίησης

Υποκειμενικότητα: Οι υποκειμενικές αποφάσεις εμπλέκονται στη δημιουργία σχημάτων κωδικοποίησης και στην εκχώρηση κωδίκων, εισάγοντας ενδεχόμενη μεροληψία.

Μερική αγνόηση το ευρύτερου πλαισίου: Η επικέντρωση στην εξέταση του περιεχόμενου χωρίς την εξέταση του ευρύτερου πλαισίου μπορεί να οδηγήσει σε παρερμηνεία των δεδομένων

Περιορισμένο βάθος: Δεν έχει σχεδιαστεί για να παρέχει λεπτομερείς εξηγήσεις ή σε βάθος κατανόηση των δεδομένων

Πλεονεκτήματα της Θεματικής Ανάλυσης:

Βάθος: Προσφέρει μεγαλύτερη ευελιξία και ικανότητα εμβάθυνσης στα δεδομένα, αποκαλύπτοντας αποχρώσεις και διασυνδέσεις.

Ερμηνευτική: Δίνει έμφαση στην εξερεύνηση του νοήματος και της κατανόησης πίσω από τα δεδομένα

Εφαρμογή: Χρήσιμη σε πολλούς κλάδους, ειδικά σε αυτούς που επικεντρώνονται στην ανθρώπινη συμπεριφορά και εμπειρία

Μειονεκτήματα της Θεματικής Ανάλυσης:

Υποκειμενικότητα: Απαιτεί σημαντικές δεξιότητες ανάλυσης, κρίσης και ερμηνείας, αυξάνοντας την πιθανότητα μεροληψίας

Χρονοβόρα: Λόγω της διερευνητικής φύσης της, η θεματική ανάλυση τείνει να είναι πιο αργή και πιο εντατική από την ανάλυση περιεχομένου

Δυσκολία στη γενίκευση: Τα αποτελέσματα ενδέχεται να μην έχουν δυνατότητα γενίκευσης, καθώς προέρχονται από μικρά δείγματα ή μοναδικές περιπτώσεις

Αυτά τα πλεονεκτήματα και τα μειονεκτήματα υπογραμμίζουν τα δυνατά σημεία και τους περιορισμούς κάθε μεθόδου, επιτρέποντας στους ερευνητές να επιλέξουν την καταλληλότερη προσέγγιση ανάλογα με το ερευνητικό τους ερώτημα, τη διαθεσιμότητα δεδομένων και τα επιθυμητά αποτελέσματα.

Αξιοποίηση στρατηγικών για την εξασφάλιση της αξιοπιστίας και  εγκυρότητας των αναλύσεων:

Για την ανάλυση περιεχομένου

• Επιλέξτε ένα σαφές και συνεπές σχήμα κωδικοποίησης.
• Εξασφαλίστε τη σταθερότητα, την αναπαραγωγιμότητα και την ακρίβεια της κωδικοποίησης.
• Καθιερώστε την αξιοπιστία του διαβαθμιστή, έχοντας πολλούς κωδικοποιητές να λειτουργούν ανεξάρτητα και συγκρίνοντας τα αποτελέσματά τους.
• Καθορίστε με σαφήνεια τα κριτήρια ένταξης και αποκλεισμού.
• Απαιτείται διαφάνεια στις διαδικασίες συλλογής και ανάλυσης δεδομένων.
• Επιθυμητή η επικύρωση του σχήματος κωδικοποίησης από εξωτερικά πρότυπα όποτε είναι δυνατόν.
• Αναφέρετε την ποσοστιαία σχέση συμφωνίας μεταξύ των κωδικοποιητών για να αποδείξετε την αξιοπιστία.

Για την θεματική ανάλυση

• Αναπτύξτε ένα ουσιαστικό και σαφές ερευνητικό ερώτημα.
• Δημιουργήστε ένα ολοκληρωμένο αλλά διαχειρίσιμο σύνολο αρχικών κωδικών.
• Εφαρμόστε αυστηρές και συστηματικές πρακτικές κωδικοποίησης σε όλη την ανάλυση.
• Ενθαρρύνετε τον κριτικό προβληματισμό και την αξιολόγηση από ομοτίμους συνεργάτες για τα προκύπτοντα θέματα.
• Τεκμηριώστε ολόκληρη την αναλυτική διαδικασία, συμπεριλαμβανομένων των διορθωτικών αποφάσεων που ελήφθησαν στην πορεία.
• Παρουσιάστε τα αποτελέσματα με σαφή και οργανωμένο τρόπο, παρέχοντας παραδείγματα των αρχικών δεδομένων για την απεικόνιση των θεμάτων

Ενώ η ανάλυση περιεχομένου συνήθως επωφελείται από υψηλά επίπεδα δομής και επαναληψιμότητας, η θεματική ανάλυση ευδοκιμεί με την δημιουργικότητα και την ερμηνευτική ελευθερία. Συνδυάζοντας τα δυνατά σημεία και των δύο μεθόδων, οι ερευνητές μπορούν να επιτύχουν ισχυρά και αξιόπιστα αποτελέσματα.

Σχέσεις και διαφορές μεταξύ των μονάδων «ανάλυσης» και «παρατήρησης»

Οι δυο έννοιες αναφέρονται σε διακριτές πτυχές του σχεδιασμού της έρευνας σε πληθώρα τομέων, ιδιαίτερα στην οικονομία και στις κοινωνικές επιστήμες.

Wassily Kandinsky- Little Worlds IV - 1922

Μια μονάδα ανάλυσης είναι η οντότητα για την οποία ένας ερευνητής επιθυμεί να είναι σε θέση να διερευνήσει, αναλύσει και αξιολογήσει και συχνά θεωρείται το επίκεντρο της έρευνας. Παραδείγματα μονάδων ανάλυσης μπορεί να περιλαμβάνουν άτομα, ομάδες, οργανισμούς, κοινωνικά φαινόμενα ή πολιτικές και αρχές

Μια μονάδα παρατήρησης, από την άλλη πλευρά, αναφέρεται πάντα στα ξεχωριστά στοιχεία που παρατηρεί, μετρά ή συλλέγει ένας ερευνητής κατά τη διάρκεια της έρευνας. Ενώ η μονάδα παρατήρησης μπορεί να είναι ίδια με τη μονάδα ανάλυσης, δεν χρειάζεται απαραίτητα να είναι. Για παράδειγμα, ένας ερευνητής μπορεί να διερευνήσει τη συμπεριφορά των μαθητών σε ομάδες, καθιστώντας την ομάδα τη μονάδα ανάλυσης, αλλά συλλέγοντας δεδομένα από μεμονωμένους μαθητές, καθιστώντας τους έτσι τη μονάδα παρατήρησης

Η σύγχυση των δύο εννοιών μπορεί να οδηγήσει σε μεθοδολογικά λάθη όπως στην απαίτηση στοιχείων για μονάδες χαμηλότερου επιπέδου με βάση δεδομένα από υψηλότερα επίπεδα ή στην υποβολή ισχυρισμών για μονάδες υψηλότερου επιπέδου με βάση δεδομένα από χαμηλότερα επίπεδα.

Για τον προσδιορισμό της μονάδας ανάλυσης και της μονάδας παρατήρησης σε μια ερευνητική μελέτη, είναι σημαντικό να ληφθούν υπόψη το ερευνητικό ερώτημα και η μέθοδος συλλογής δεδομένων. Η μονάδα ανάλυσης είναι η οντότητα για την οποία ο ερευνητής επιθυμεί να είναι σε θέση να πει κάτι στο τέλος της μελέτης, ενώ η μονάδα παρατήρησης είναι το στοιχείο που ο ερευνητής παρατηρεί, μετρά ή συλλέγει κατά τη διάρκεια της προσπάθειας να μάθει. κάτι για τη μονάδα ανάλυσης

Για παράδειγμα, για μια μελέτη για τον εθισμό των μαθητών στα ηλεκτρονικά gadget, χαρακτηριστικό παράδειγμα κατανόησης μπορεί να γίνει η διατήρηση των κινητών τηλεφώνων σε λειτουργία κατά τη διάρκεια των μαθημάτων στα εκπαιδευτικά ιδρύματα. Ενώ υπάρχει πολιτική από μεριάς υπουργείου, αυτή δεν εφαρμόζεται από τους διευθυντές των ιδρυμάτων και τους εκπαιδευτικούς (μονάδες ανάλυσης). Μονάδες παρατήρησης μπορεί να είναι μεμονωμένοι μαθητές, εκπαιδευτικοί και οι γονείς ανάλογα με τη μέθοδο συλλογής δεδομένων που χρησιμοποιείται.

Ο ρόλος των ερωτηματολογίων στην έρευνα

Οι έρευνες και τα ερωτηματολόγια είναι σχετικές έννοιες στον τομέα της συλλογής δεδομένων, αλλά εξυπηρετούν διακριτές λειτουργίες και περιλαμβάνουν διαφορετικά στάδια έρευνας.

Β. Καντίνσκυ - Κύκλοι σε κύκλο

Ομοιότητες:

Τόσο οι έρευνες όσο και τα ερωτηματολόγια αποτελούνται από σετ ερωτήσεων που στοχεύουν στη συλλογή πληροφοριών από τους ερωτηθέντες.

Έχουν ως στοιχεία, τη σημασία της δημιουργίας καλά σχεδιασμένων ερωτήσεων, τη διασφάλιση της σαφήνειας στην επικοινωνία και την ανάγκη ανάλυσης και αξιολόγησης των ευρημάτων.

Διαφορές:

Ένα ερωτηματολόγιο αναφέρεται συγκεκριμένα σε ένα γραπτό σύνολο ερωτήσεων, ενώ μια έρευνα περιλαμβάνει όλη τη διαδικασία σχεδιασμού, εφαρμογής και ανάλυσης ερωτηματολογίων για την εξαγωγή συμπερασμάτων σχετικά με έναν μεγαλύτερο πληθυσμό και μπορεί επίσης να περιλαμβάνει περισσότερα του ενός ερωτηματολόγια

Τα ερωτηματολόγια επικεντρώνονται στη συλλογή δεδομένων για άτομα, ενώ οι έρευνες επιδιώκουν να συγκεντρώσουν δεδομένα για μια ομάδα για να διακρίνουν μοτίβα και τάσεις.

Οι έρευνες απαιτούν προσεκτικό σχεδιασμό σχετικά με το κοινό, τις ερωτήσεις, τη λογική της έρευνας και τις τεχνικές ανάλυσης, ενώ τα ερωτηματολόγια είναι πιο απλά και εστιασμένα σε συγκεκριμένα θέματα.

Οι έρευνες επιτρέπουν τη στατιστική ανάλυση και την εξαγωγή συμπερασμάτων, ενώ τα ερωτηματολόγια χρησιμοποιούνται γενικά για διερευνητική έρευνα χωρίς εκτενή ανάλυση.

Συνοπτικά, τα ερωτηματολόγια αποτελούν συστατικό στοιχείο των ερευνών και οι έρευνες χρησιμοποιούν ερωτηματολόγια ως κύριο εργαλείο για τη συλλογή δεδομένων. Οι έρευνες προσφέρουν μεγαλύτερο βάθος και εύρος ανάλυσης σε σύγκριση με ερωτηματολόγια, τα οποία είναι πιο κατάλληλα για στοχευμένη ή διερευνητική έρευνα

Η μεθοδολογία και οι μέθοδοι της έρευνας στις κοινωνικές επιστήμες

Σ. Νταλί - Η εμμονή της μνήμης

Είναι όροι που χρησιμοποιούνται συχνά εναλλακτικά, αλλά έχουν διαφορετική σημασία. Η ερευνητική μεθοδολογία είναι η πρωταρχική προσέγγιση της έρευνας, ενώ οι ερευνητικές μέθοδοι είναι τα συγκεκριμένα εργαλεία και διαδικασίες που χρησιμοποιούνται για τη συλλογή και ανάλυση δεδομένων.

Η μεθοδολογία της έρευνας είναι μια συστηματική και θεωρητική προσέγγιση για τη συλλογή και αξιολόγηση δεδομένων σε όλη τη διαδικασία της έρευνας. Καθορίζει την καταλληλότητα των μεθόδων που εφαρμόζονται για τη διαπίστωση λύσης και εφαρμόζεται στα αρχικά στάδια της έρευνας.

Παραδείγματα Μεθοδολογίας Έρευνας:

Ποσοτική μεθοδολογία έρευνας: Εστιάζει σε αριθμητικά δεδομένα για να περιγράψει, να εξηγήσει, να προβλέψει ή να ελέγξει φαινόμενα ενδιαφέροντος.

Μεθοδολογία ποιοτικής έρευνας: Δίνει έμφαση σε μη αριθμητικά δεδομένα για να αποκτήσει γνώσεις για ένα συγκεκριμένο φαινόμενο ενδιαφέροντος.

Μεθοδολογία έρευνας μεικτών μεθόδων: Συνδυάζει ποσοτικές και ποιοτικές μεθόδους έρευνας για να επιτύχει μια πιο ολιστική κατανόηση ενός ερευνητικού ζητήματος.

Η επιλογή της κατάλληλης μεθοδολογίας έρευνας για μια μελέτη περιλαμβάνει διάφορους παράγοντες, συμπεριλαμβανομένων των ερευνητικών στόχων και του ερευνητικού ερωτήματος, της φύσης του ερευνητικού ερωτήματος, των πρακτικών εκτιμήσεων και της διαθεσιμότητας πόρων.

Το πρώτο βήμα είναι ο καθορισμός του ερευνητικού ερωτήματος και ο καθορισμός των μεταβλητών που πρέπει να μελετηθούν για να ληφθεί μια απάντηση στο ερευνητικό ερώτημα. Οι ερευνητές θα πρέπει να αναφέρονται σε σχετική έρευνα και σε αποτελεσματικά χρησιμοποιούμενη μεθοδολογία για να αξιολογήσουν την πρακτικότητα της ερευνητικής τους μεθοδολογίας. Θα πρέπει επίσης να λάβουν υπόψη τους κανόνες της ερευνητικής περιοχής και τις πρακτικές δυνατότητες της μεθοδολογίας.

Οι ερευνητές θα πρέπει να δομήσουν το σχέδιο και να βρουν πόρους για τη διεξαγωγή έρευνας, να γράψουν λεπτομερώς τη μεθοδολογία της έρευνας και να την επανεξετάσουν. Η επιλογή της μεθοδολογίας έρευνας εξαρτάται από τη φύση των στόχων της έρευνας, τους στόχους και τα ερευνητικά ερωτήματα. Οι ερευνητές μπορούν να επιλέξουν μια από τρεις κύριες κατηγορίες μεθοδολογιών και να επιλέξουν αυτή που ταιριάζει στις συγκεκριμένες ανάγκες τους

Η μέθοδος έρευνας αναφέρεται στις συγκεκριμένες τεχνικές, στρατηγικές και εργαλεία που χρησιμοποιεί ένας ερευνητής για να ολοκληρώσει μια μελέτη και να βρει μια λύσεις στα προβλήματα που ερευνά.

Μερικά κοινά παραδείγματα μεθόδων περιλαμβάνουν:

Δευτερογενής έρευνα: Περιλαμβάνει τη συγκέντρωση, σύνοψη, ανάλυση και σύνθεση προ υπαρχόντων δημοσιεύσεων για την εξαγωγή συμπερασμάτων σχετικά με το προς διερεύνηση θέμα.

Γενικές έρευνες: Συλλογή δεδομένων από μεγάλο αριθμό ερωτηθέντων μέσω ερωτηματολογίων ή δομημένων συνεντεύξεων.

Συνεντεύξεις: Συλλογή πληροφοριών από άτομα μέσω συνομιλιών πρόσωπο με πρόσωπο ή τηλεφωνικών κλήσεων.

Επικέντρωση σε ομάδες εμπλεκομένων: Διευκόλυνση συζητήσεων μεταξύ μικρών ομάδων συμμετεχόντων για διερεύνηση απόψεων και προοπτικών.

Πειράματα: Χειρισμός μιας ή περισσότερων μεταβλητών για την παρατήρηση της επίδρασης σε άλλη / άλλες μεταβλητή /ές.

Μελέτες περίπτωσης: Εξέταση μεμονωμένου ατόμου, ομάδας ή γεγονότος λεπτομερώς για την καλύτερη κατανόηση ενός συγκεκριμένου φαινομένου.

Παρατηρήσεις: Παρακολούθηση και καταγραφή της συμπεριφοράς ατόμων ή ομάδων χωρίς παρέμβαση.

Πρωτογενής έρευνα: Αναφέρεται στη συλλογή και ανάλυση δεδομένων απευθείας από πρωτότυπες πηγές. Περιλαμβάνει τη συλλογή πληροφοριών απευθείας για την αντιμετώπιση συγκεκριμένων ερευνητικών στόχων και τη δημιουργία επικαιροποιημένων και συγκεκριμένων γνώσεων. Με την άμεση επαφή με τα υποκείμενα ή τις πηγές παρέχει πληροφορίες από πρώτο χέρι και επιτρέπει στους ερευνητές να έχουν τον έλεγχο της διαδικασίας συλλογής δεδομένων και να την προσαρμόζουν στις συγκεκριμένες ανάγκες τους.

Ιστορική έρευνα: Μελέτη του παρελθόντος μέσα από την εξέταση πρωτογενών και δευτερογενών πηγών

Τα παραπάνω παραδείγματα και για τις δυο έννοιες απεικονίζουν τις διαφορές μεταξύ των μεθόδων έρευνας και της μεθοδολογίας έρευνας, όπου οι πρώτες αντιπροσωπεύουν συγκεκριμένες τεχνικές που χρησιμοποιούνται για τη συλλογή και ανάλυση δεδομένων, ενώ η μεθοδολογία αντιπροσωπεύει το πλαίσιο που καθοδηγεί την επιλογή και την εφαρμογή αυτών των τεχνικών

Οι κοινές μεθοδολογίες έρευνας στις κοινωνικές επιστήμες:

Διερευνητική έρευνα: Χρησιμοποιείται για τον εντοπισμό πιθανών θεμάτων, την ανάπτυξη υποθέσεων και τη βελτίωση των ερευνητικών ερωτημάτων.

Περιγραφική έρευνα: Περιγράφει τα χαρακτηριστικά πληθυσμών ή φαινομένων.

Πειραματική έρευνα: Ελέγχει τις σχέσεις αιτίου-αποτελέσματος χειραγωγώντας μεταβλητές υπό ελεγχόμενες συνθήκες.

Συσχετιστική έρευνα: Διερευνά συσχετίσεις μεταξύ μεταβλητών χωρίς να καθιερώνει αιτιότητα.

Εθνογραφική έρευνα: Μελετά πολιτισμούς και υποκουλτούρες μέσω της παρατήρησης και της εμβάπτισης από τους συμμετέχοντες.

Έρευνα θεμελιωμένης θεωρίας: Αναπτύσσει επεξηγηματικές θεωρίες που βασίζονται σε δεδομένα που συλλέγονται μέσω ποιοτικών μεθόδων.

Αυτές οι μεθοδολογίες μπορούν να κατηγοριοποιηθούν σε ποσοτικά και ποιοτικά σχέδια, αν και η έρευνα μεικτών μεθόδων που συνδυάζει και τις δύο προσεγγίσεις είναι προτιμητέα.

Οι περιορισμοί των μεθόδων της έρευνας στις κοινωνικές επιστήμες:

• Δυσκολία στην αναπαράσταση σεναρίων πραγματικής ζωής: Τα εργαστήρια και τα ελεγχόμενα περιβάλλοντα ενδέχεται να μην προσομοιώνουν με ακρίβεια τα πραγματικά περιβάλλοντα, οδηγώντας σε μειωμένη εγκυρότητα.
• Περιορισμένη γενίκευση: Λόγω αυστηρών κανόνων, τα πειραματικά αποτελέσματα ενδέχεται να μην ισχύουν για ευρύτερους πληθυσμούς ή περιστάσεις
• Ανθρώπινο λάθος και εξωτερικοί παράγοντες: Μεταβλητές εκτός του ελέγχου του ερευνητή μπορεί να επηρεάσουν τα αποτελέσματα, μειώνοντας την εμπιστοσύνη στα ευρήματα
• Αδυναμία εξήγησης του "γιατί": Η πειραματική έρευνα επικεντρώνεται στην απάντηση σε ερωτήσεις ναι ή όχι αντί να παρέχει βαθύτερη εικόνα για τα αίτια
• Ανησυχίες σχετικά με την εξωτερική εγκυρότητα: Οι γενικεύσεις που γίνονται από πειραματικά αποτελέσματα ενδέχεται να μην ισχύουν σε διάφορα πολιτιστικά, γεωγραφικά ή χρονικά πλαίσια
• Υψηλό κόστος και απαιτήσεις πόρων: Οι σύνθετες έρευνες μπορεί να είναι δαπανηρές και χρονοβόρες
• Πιθανή βλάβη στους συμμετέχοντες: Ο έλεγχος ορισμένων μεταβλητών μπορεί να εκθέσει τους συμμετέχοντες σε κινδύνους ή δυσφορία.
• Περιορισμένο μέγεθος δείγματος: Τα μικρά μεγέθη δειγμάτων ενδέχεται να περιορίσουν την ισχύ των συμπερασμάτων και να αποτρέψουν τον εντοπισμό ουσιωδών επιδράσεων

Παρά τους περιορισμούς αυτούς, η πειραματική έρευνα παραμένει πολύτιμη για τον έλεγχο υποθέσεων και τη δημιουργία αξιόπιστων αποτελεσμάτων στις κοινωνικές επιστήμες.

Μερικές από τις πιο πρόσφατες τάσεις στη μεθοδολογία έρευνας των κοινωνικών επιστημών περιλαμβάνουν:

• Διεπιστημονική και συνεργατική έρευνα: Δίνεται αυξανόμενη έμφαση στις διεπιστημονικές και συνεργατικές ερευνητικές προσεγγίσεις στις κοινωνικές επιστήμες, όπου ερευνητές από διαφορετικούς τομείς εργάζονται από κοινού για να αντιμετωπίσουν πολύπλοκα κοινωνικά ζητήματα.
• Εμπειρική έρευνα με τη βοήθεια νέων τεχνολογιών: Η χρήση τους έχει γίνει απαραίτητη, επιτρέποντας στους ερευνητές να συλλέγουν και να αναλύουν μεγάλο όγκο δεδομένων πιο αποτελεσματικά.
• Μικρότερη Διάρκεια Έρευνας: Με την έλευση των μεγάλων δεδομένων, υπάρχει μια τάση για διεξαγωγή έρευνας σε σχετικά μικρότερη διάρκεια.

Αυτές οι τάσεις αντικατοπτρίζουν το εξελισσόμενο τοπίο της έρευνας των κοινωνικών επιστημών, υπογραμμίζοντας τη σημασία της συνεργασίας, των τεχνολογικών προόδων και των αποτελεσματικών ερευνητικών πρακτικών για την αντιμετώπιση των σύγχρονων κοινωνικών προκλήσεων

Ο Nick Hanauer για τις θέσεις εργασίας και τους χαμηλούς φόρους για τους πλούσιους

Φωτο: millionairesforhumanity.org

 "Οι επιχειρήσεις και οι πλούσιοι δεν δημιουργούν θέσεις εργασίας. Οι θέσεις εργασίας δημιουργούνται από έναν βρόχο ανατροφοδότησης μεταξύ πελατών και επιχειρήσεων που τίθεται σε κίνηση από τους καταναλωτές αυξάνοντας τη ζήτησή τους".

«Αν οι χαμηλότεροι φορολογικοί συντελεστές για τους πλούσιους λειτουργούσαν πραγματικά, θα πνιγόμασταν στις θέσεις εργασίας, και ωστόσο η ανεργία και η υποαπασχόληση βρίσκονται σε υψηλά επίπεδα ρεκόρ».

" Τα δόγματα των φορολογικών μειώσεων για τους πλούσιους, της απορρύθμισης και της μείωσης των μισθών έχουν μετατρέψει την οικονομική ανισότητα στο καθοριστικό ζήτημα της εποχής μας".

Ο Nick Hanauer είναι ένας δισεκατομμυριούχος, και σύγχρονος διανοητής. Έχει ιδρύσει, συνιδρύσει ή έχει επενδύσει σε δεκάδες εταιρείες. Ήταν ο πρώτος μη οικογενειακός επενδυτής στην Amazon.com και άλλημια εταιρεία που ίδρυσε, η aQuantive, πουλήθηκε αργότερα στη Microsoft για 6,4 δισεκατομμύρια δολάρια.

Τα τελευταία χρόνια, ο Hanauer έχει καθιερωθεί ως ένας αστικός καινοτόμος, δημόσιος ομιλητής και σφοδρός επικριτής της αυξανόμενης εισοδηματικής ανισότητας της Αμερικής. Είναι ο ιδρυτής της Civic Ventures, μιας θερμοκοιτίδας δημόσιας πολιτικής στο Σιάτλ που είναι αφιερωμένη στην καταλύτη σημαντικών κοινωνικών αλλαγών, και συν-συγγραφέας δύο βιβλίων μπεστ σέλερ - The True Patriot και Gardens of Democracy. Οι παρεμβάσεις του σε μέσα ενημέρωσης όπως το Politico, το Bloomberg News και το TED έχουν γίνει viral, προσεγγίζοντας ακροατήρια δεκάδων εκατομμυρίων.

Διαβάστε περισσότερα εδώ

Αξιόλογα ρητά κλασσικών για τη τρέχουσα επικαιρότητα

" Όλα τα πράγματα πρέπει να κρίνονται με βάση τον άνθρωπο " (Πλάτων - Κρατύλος 385 e 6)

" Το χειρότερο από τα περασμένα μπορεί να γίνει ωφέλιμο στο μέλλον "
(Δημοσθένης - Κατά Φιλίππου Γ,5)

" Δεν υπάρχει τίποτα που να μην το περιμένεις, όλα ανατρέπονται " (Σοφοκλής - Αίας 648-649)

" Να θυμάσαι όσα έγιναν στο παρελθόν, να δουλεύεις για όσα γίνονται στο παρόν και να λαμβάνεις τις προφυλάξεις σου για το μέλλον " (Ισοκράτης - Στοβαίου Ανθολόγιο Α, 45)

" Κάνει λάθη ακόμη και ο σοφότερος των σοφών "
(Αισχύλος - Στοβαίου Ανθολόγιο Γ, 10)

" Να κάνεις μεγάλα έργα χωρίς να υπόσχεσαι ότι θα τα κάνεις "
(Πυθαγόρας - Στοβαίου Ανθολόγιο Α, 24)

" Να χαίρεσαι όταν σε ελέγχουν και όχι όταν σε κολακεύουν "
(Πυθαγόρας - Στοβαίου Ανθολόγιο ΙΔ, 18)

" Δεν είναι όλοι φτιαγμένοι για τα ίδια πράγματα " (Αισώπου Μύθοι)

" Κανένας δεν γεννήθηκε καλύτερος από τον άλλο " (Σοφοκλής - Στοβαίου Ανθολόγιο Πς, 12)

" Η μέση κατάσταση για τα πάντα είναι το καλύτερο " (Αριστοτέλης  - Πολιτικά 1295b)

Ο Φρόιντ για ρόλο του πόθου και την ευθύνη

 " Το παρελθόν το παρόν και το μέλλον κλιμακώνονται πάνω στο συνεχές νήμα του πόθου." 

Ο Σίγκμουντ Φρόυντ (1856-1939) ήταν διακεκριμένος Αυστριακός φυσιολόγος, νευρολόγος και ψυχίατρος, ο οποίος υπήρξε ο θεμελιωτής της ψυχανάλυσης. Βικιπαίδεια