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)

Προσευχή - Α.Δασκαλόπουλου

Giorgio de Chirico 1924 Εκτωρ και Ανδρομάχη

Προσευχηθειτε 

Γι αυτούς που έφυγαν δίχως ν' αποχαιρετίσουν 

Γι κεινουνς που πέταξαν ψηλά, μαζί με τα πουλιά 

Για κείνους που άθελά τους ή ηθελημένα σας πλήγωσαν 

Για κείνους που δεν πρόλαβαν να πουν συγγνώμη 

Προσευχηθειτε 

Για τις οικογένειες που λιγόστεψαν αγάπης 

Για κείνους που πονούν αναίτια κι απρόκλητα 

Για κείνους που μες την άγνοια τους ξέρουν 

Για κείνους που θα συνεχίσουν να ζουν με τις θύμισες 

Προσευχηθειτε 

Για όλους εμάς που δεν μάθαμε. γιατί δεν πάθαμε

"Στίχοι για το δρόμο" - Κατερίνα Γιαμά

Να είσαι αρεστός

και να τα λες τα λόγια τα μεγάλα 

κ' όταν αυτά πικραίνουν 

να σέρνεσαι σα φίδι σε λόγια άλλα 

Να είσαι αρκετός 

γιατί η επάρκειά σου αυτή αρέσει 

να περιαυτολογείς 

κ' όταν η αυτοπεποίθησή σου πέσει 

Να είσαι φιλικός 

με όλους και με όλα ανεξαιρέτως 

τέλειος και μοναδικός 

και ν' αγαπάς ανυπερθέτως 

Να είσαι επιμελής 

ούτε γραμμή να μη ξεφεύγει 

μα πρόσεξε πολύ καλά 

μια λεπτομέρεια σου διαφεύγει: 

Το νάσαι όλα αυτά 

είναι ένα ξόδι μη υπολογισμένο 

απουσιάζει η ψυχή 

και το μυαλό σε αδράνεια, φυλακισμένο.

Για την παγκόσμια ημέρα ποίησης - "Η καθωσπρέπει ποίηση" απαγγελία του Δ.Βασιλείου

Γεια σας αδέρφια, σύντροφοι και έρωτες και φίλοι

δεν ήρθαμε στη ποίηση ν΄ ανάψουμε καντήλι!

Μαζί με όλους μας εδώ κι' η ποίηση αντάμα

να κάνουμ' έτσι τη ζωή ... μην καρτερά το θάμα.

Μου ζήτησαν από τον εκδοτικό οίκο "ΑΠΑΡΣΙΣ" - https://www.aparsis.gr/  (όπου εκδίδομαι), να κάνω ένα βίντεο με την απαγγελία ενός ποιήματός μου, για την παγκόσμια ημέρα ποίησης (21 Μάρτη). Το έκανα!!!

Δείτε το παρακάτω: 

Σημ. συντάκτη: Το ποίημα έχει πρωτοδημοσιευτεί 16/6/23 εδώ

Μπορείτε να το διαβάσετε για πιθανά σχόλια και γνώμες.

Τα κριτήρια του Παγκόσμιου Συμβούλιου Αειφόρου Τουρισμού (GSTC) για τους χώρους, διοργανωτες εκδηλώσεων και εκθέσεις

Τα κριτήρια του GSTC για τα MICE έχουν δημοσιευτεί και είναι διαθέσιμα στο κοινό για μη εμπορική χρήση. Αναπτύχθηκαν για Χώρους, Διοργανωτές Εκδηλώσεων και Εκδηλώσεις και Εκθέσεις, με την υποστήριξη του Συμβουλίου Τουρισμού της Σιγκαπούρης (STB). Θα καθοδηγήσουν τις επιχειρήσεις στην εφαρμογή βιώσιμων πρακτικών ως απάντηση στις αυξανόμενες ανάγκες του τουρισμού αειφορίας. 

Τα κριτήρια GSTC χρησιμεύουν ως τα παγκόσμια πρότυπα για την αειφορία στα ταξίδια και τον τουρισμό. Χρησιμοποιούνται για εκπαίδευση και ευαισθητοποίηση, χάραξη πολιτικής για επιχειρήσεις, οργανισμούς και κρατικούς φορείς, μέτρηση και αξιολόγηση και ως βάση για πιστοποίηση. Είναι το αποτέλεσμα μιας παγκόσμιας προσπάθειας για την ανάπτυξη μιας κοινής γλώσσας για την αειφορία στον τουρισμό και διατάσσονται σε τέσσερις πυλώνες: (Α) Βιώσιμη διαχείριση. (Β) Κοινωνικοοικονομικές επιπτώσεις. (Γ) Πολιτιστικές επιπτώσεις. (Δ) Περιβαλλοντικές επιπτώσεις.

Τα κριτήρια GSTC MICE είναι το τρίτο σύνολο κριτηρίων του GSTC, επιπλέον των κριτηρίων για ξενοδοχεία και τουριστικούς πράκτορες και των κριτήριων προορισμού. Ένα τέταρτο σύνολο τα κριτήρια προσέλκυσης βρίσκεται υπό ανάπτυξη.

Περισσότερα διαβάστε εδώ (αγγλ.)

Τα κριτήρια και οι δείκτες απόδοσεις για τις εκδηλώσεις και εκθέσεις

Τα κριτήρια και οι δείκτες απόδοσης για τους οργανωτές εκδηλώσεων

Τα κριτήρια και οι δείκτες απόδοσης για τους χώρους MICE

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".

Ο χορός των σκιών (Α.Δασκαλόπουλος)

Ε, σας μιλάω, δεν ακούτε; 

Τι; πως; Σκιές είστε; 

Και πως τάχα ν' ακούσετε; 

Πλημμύρισε σκιές ο κόσμος. 

Κάλυψε τα πάντα η σιωπή 

Κάθε ήχος, μια γιορτή, μια ανάμνηση αλλοτινών εποχών. 

Οι άνθρωποι τότε δε κρύβονταν, πίσω από τις σκιές τους. 

Μιλούσαν, τραγουδούσαν, θορυβούσαν. 

Δίχως φόβο, δίχως ντροπές

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.

Ανάμνηση (Απόστολος Δασκαλόπουλος)

Georgy Kurasov. Sunny Dreams, 2015.

Από ευγένεια σωπαίνω

Κι όχι γιατί σε φοβάμαι 

Όλη νύχτα τριγυρίζω 

Την αυγή μόνο κοιμάμαι 

Το κρασί μου τώρα πίνω 

Σε μια άκρη της ταβέρνας 

Για παρέα έχω μόνο 

Μελωδίες μιας λατέρνας 

Κι αν κυλήσει ένα δάκρυ 

Θα'ναι απ' τη θύμιση σου 

Στου ονείρου μου την άκρη 

Θέλω να χαθώ μαζί σου. 

Ο εγωιστής καπιταλιστής. Οι ρίζες της ασθένειας της αφθονίας - Oliver James

"Η πλέον σοβαρή παρενέργεια της ηγεμονίας του «ατομιστικού καπιταλισμού» (Θατσερισμού / Μπλερισμού) είναι η δραματική αύξηση των περιστατικών διανοητικής διαταραχής, τόσο στα παιδιά όσο και στους ενήλικες, σε σχέση με τη δεκαετία του 1970. Οπως διαπιστώνεται στο βιβλίο μου «The Selfish Capitalist – Origins of Affluenza» (Ο εγωιστής καπιταλιστής – Οι ρίζες της ασθένειας της αφθονίας), αλλά και από έρευνες του Παγκόσμιου Οργανισμού Υγείας σε αντιπροσωπευτικά δείγματα πληθυσμού των ΗΠΑ, της Βρετανίας και της Αυστραλίας, οι διανοητικές ασθένειες έχουν διπλασιαστεί τα τελευταία 20 χρόνια. Αυτή η αύξηση δεν μπορεί να οφείλεται στη διεύρυνση του τι ορίζεται ως ψυχική ασθένεια, καθώς η κουλτούρα της ψυχοθεραπευτικής περιαυτολογίας είχε ήδη εδραιωθεί στο τέλος της δεκαετίας του 1970...

Δεν χρειάζεται να υπενθυμίσουμε στους αναγνώστες ότι ο εγωιστικός καπιταλισμός κάνει τους πλούσιους πλουσιότερους και συρρικνώνει την αστική τάξη. Μηχανισμοί αναδιανομής δεν υφίστανται στις αγγλοσαξονικές χώρες. Απόδειξη είναι ότι ο μέσος μισθός ενός αγγλόφωνου υπαλλήλου σε σημερινές τιμές παρέμεινε ο ίδιος -και στην περίπτωση των ΗΠΑ μειώθηκε- σε σχέση με τη δεκαετία του 1970. Μειώνοντας στο μισό τους φόρους που πλήρωναν οι πλούσιοι, η Μάργκαρετ Θάτσερ μετέφερε το φορτίο της χρηματοδότησης του κρατικού προϋπολογισμού στους μισθωτούς. Ενώ λοιπόν -από το τέλος του Β΄ Παγκοσμίου Πολέμου και μέχρι την εκλογή της- οι πλούσιοι γίνονταν φτωχότεροι στη Βρετανία, από τότε που ανέλαβε την πρωθυπουργία η τάση αυτή αντιστράφηκε....

Η ρίζα του προβλήματος βρίσκεται στον συνδυασμό ανισότητας και ηγεμονίας του σχετικιστικού υλισμού της αφθονίας. Ο τελευταίος όρος αναφέρεται στην τάση των ανθρώπων να εναποθέτουν μεγάλη αξία στο χρήμα, στα υλικά αγαθά, στο φαίνεσθαι και στη δόξα, ενώ ήδη έχουν στην κατοχή τους αρκετά χρήματα ώστε να καλύψουν τις βασικές ψυχολογικές τους ανάγκες. Ο υλισμός της επιβίωσης, από την άλλη πλευρά, είναι απολύτως υγιές συναίσθημα. Εάν κάποιος αγχώνεται για το πώς θα αποκτήσει εισοδήματα ικανά για την αγορά κατοικίας ή φαρμάκων, δεν διολισθαίνει σε ψυχολογικές διαταραχές....

Ο εγωιστικός καπιταλισμός, όμως, ενθαρρύνει τον σχετικιστικό υλισμό: τη δημιουργία δηλαδή ανεδαφικών προσδοκιών και την ελπίδα πως αυτές θα ικανοποιηθούν. Ο λόγος που γίνεται αυτό είναι ότι ο εγωιστικός καπιταλισμός βασίζεται στην αύξηση της κατανάλωσης για την αποκόμιση κερδών. Το επιχείρημά μου είναι εν ολίγοις ότι οι άνθρωποι που χειραγωγούνται πλήρως από τις επιθυμίες τους και την απληστία, αποτελούν ιδανικά θύματα για την τελειομανία και την παθολογική ανταγωνιστικότητα.

Με την καλλιέργεια υπερφίαλων προσδοκιών, η κοινωνία της επιχειρηματικής φαντασίωσης δημιουργεί την ψευδαίσθηση ότι ο καθένας μας μπορεί μια μέρα να γίνει ένας νέος Μπιλ Γκέιτς, μολονότι η κοινωνική κινητικότητα μειώνεται συνεχώς. ..

Οταν κάποιος αποτύχει να εκπληρώσει τα φρούδα όνειρά του, αντί να κατηγορήσει το σύστημα, κατηγορεί τον ίδιο του τον εαυτό, επειδή υποτίθεται δεν ήταν αρκετά ικανός. Θλιμμένος και αγχωμένος για το ενδεχόμενο της αποτυχίας, ο σύγχρονος άνθρωπος δουλεύει όλο και περισσότερο. Τελικώς, καταρρέει υπό το βάρος των ανεκπλήρωτων επιθυμιών, αφήνοντας τους μετανάστες να κάνουν τις δουλειές εκείνες που η κοινωνία τού έμαθε ότι είναι υποτιμητικές"

Ολόκληρο το άρθρο της "Καθημερινής" εδώ

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.

Ο ΟΗΕ υιοθέτησε νέο παγκόσμιο πρότυπο για τη μέτρηση της βιωσιμότητας του τουρισμού

Ένα πρωτοποριακό στατιστικό πλαίσιο, που αναπτύχθηκε υπό την ηγεσία του ΟΗΕ για τον Τουρισμό, υιοθετήθηκε και από τα 193 κράτη μέλη του ΟΗΕ. Το Στατιστικό Πλαίσιο για τη Μέτρηση της Αειφορίας του Τουρισμού (MST) γίνεται έτσι το διεθνώς συμφωνημένο πλαίσιο αναφοράς για τη μέτρηση των οικονομικών, κοινωνικών και περιβαλλοντικών πτυχών του τουρισμού. 

Roy Lichtenstein - Ruins, 1965

Η υιοθέτηση από τη Στατιστική Επιτροπή του ΟΗΕ στην 55η σύνοδό της (27 Φεβρουαρίου – 1 Μαρτίου 2024) σηματοδοτεί ένα ιστορικό ορόσημο για την αξιοποίηση του πλήρους δυναμικού του τομέα, παρέχοντας λύση στην επιτακτική ανάγκη για μια εναρμονισμένη μεθοδολογία για την αποτελεσματική αξιολόγηση της βιωσιμότητας του τουρισμού .

«Ο τουρισμός είναι μια ισχυρή δύναμη για θετική αλλαγή όταν διαχειρίζεται υπεύθυνα και βιώσιμα. Η υιοθέτηση του Στατιστικού Πλαισίου για τη Μέτρηση της Βιωσιμότητας του Τουρισμού σηματοδοτεί μια αλλαγή παραδείγματος, που υπερβαίνει το ΑΕΠ, επιτρέποντας τη μέτρηση του τι έχει μεγαλύτερη σημασία για τους ανθρώπους και τον πλανήτη» (Zurab Pololikashvili, Γενικός Γραμματέας Τουρισμού του ΟΗΕ)

Συνεργατική προσπάθεια

Αυτό το επίτευγμα είναι ο καρπός μιας επταετούς διαδικασίας των Ηνωμένων Εθνών υπό την ηγεσία της Αυστρίας και της Ισπανίας ως συμπροέδρων της Επιτροπής Τουρισμού του ΟΗΕ.  Υπό την αιγίδα της Επιτροπής, το Πλαίσιο αναπτύχθηκε χάρη στην εξαιρετική εργασία της πολυμερούς Ομάδας Εμπειρογνωμόνων που αποτελείται από 40+ χώρες και 30+ διεθνείς και περιφερειακούς οργανισμούς, συμπεριλαμβανομένου του Τμήματος Στατιστικής του ΟΗΕ, του Διεθνούς Οργανισμού Εργασίας (ILO). ), υποεθνικές αρχές και παρατηρητήρια, ακαδημαϊκή κοινότητα κ.α.

Η εργασία περιελάμβανε τεχνική καθοδήγηση από μια Συντακτική Επιτροπή της οποίας προέδρευαν οι Φιλιππίνες και στη συνέχεια ο Καναδάς, καθώς και εκτεταμένη δέσμευση και διαβούλευση.

Η Στατιστική Επιτροπή δέχτηκε μια συντριπτικά ενθουσιώδη υποστήριξη από 34 χώρες, 3 περιοχές του κόσμου και διεθνείς οργανισμούς που συμμετείχαν ενεργά στις συζητήσεις, μεταξύ των οποίων και η χώρα μας.

Όσον αφορά το μέλλον, η Επιτροπή χαιρέτισε επίσης τη μελλοντική ανάπτυξη ενός προγράμματος εφαρμογής, συμπεριλαμβανομένου ενός οδηγού συλλογής, και κάλεσε τη διεθνή κοινότητα χορηγών να υποστηρίξει τη χρηματοδότηση για τη μέτρηση της βιωσιμότητας του τουρισμού.

Η Στατιστική Επιτροπή του ΟΗΕ, που ιδρύθηκε το 1947, συγκεντρώνει Επικεφαλής Στατιστικούς από κράτη μέλη και διεθνείς οργανισμούς και είναι το ανώτατο όργανο λήψης αποφάσεων για διεθνείς στατιστικές δραστηριότητες. Η τελευταία φορά που η Επιτροπή ενέκρινε ένα στατιστικό πρότυπο για τον τουρισμό ήταν το 2008.

Μείωση του χάσματος μεταξύ πολιτικής και στατιστικής

Στο περιθώριο της Στατιστικής Επιτροπής των Ηνωμένων Εθνών, η Αυστρία, η Ισπανία και ο Οργανισμός Τουρισμού του ΟΗΕ συνδιοργάνωσαν την παράλληλη εκδήλωση υψηλού επιπέδου «Μέτρηση της βιωσιμότητας του τουρισμού: Κλείσιμο του χάσματος μεταξύ πολιτικής και στατιστικής» σε συνεργασία με την Επιτροπή Οικονομικής - Περιβαλλοντικής Αξιολόγησης του ΟΗΕ. 

Η Αυστρία και η Ισπανία μοιράστηκαν το όραμά τους σχετικά με τη σημασία του στατιστικού πλαισίου για τη μέτρηση της βιωσιμότητας του τουρισμού για πολιτικές και αποφάσεις που βασίζονται σε τεκμήρια, ενώ αναγνώρισαν τη σημασία του για την υποστήριξη της συνάφειας των στατιστικών συστημάτων παγκοσμίως και τις συνδέσεις με βασικά θέματα όπως η διακυβέρνηση δεδομένων και η διαχείριση .

Το Μεξικό, οι Φιλιππίνες και ο Καναδάς εξέτασαν τις πρωτοποριακές τους εμπειρίες με την εφαρμογή του πλαισίου, επιδεικνύοντας τη δύναμη της ενσωμάτωσης δεδομένων από διαφορετικούς τομείς και πηγές για την απόσταξη πιο ολιστικών και ουσιαστικών πληροφοριών για τον τουρισμό.

Η εκδήλωση αύξησε την ευαισθητοποίηση σχετικά με το Στατιστικό Πλαίσιο για τη μέτρηση της βιωσιμότητας του τουρισμού και λειτούργησε ως ενημερωτικό προοίμιο για τις επίσημες συζητήσεις της Στατιστικής Επιτροπής του ΟΗΕ.

Δείτε εδώ το στατιστικό πλαίσιο (αγγλ.)

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.

ΕΡΩΤΙΚΗ ΚΑΤΑΝΥΞΗ - Δ.Βασιλείου

Nikolai K. BODAREVSKY (1850–1921)

Σαν τον ανθό της λεμονιάς

μύριζε το κορμί σου,

τώρα στη γη της ερημιάς

καμιά οσμή. Θυμήσου,

ήμασταν η Άνοιξη

σ' ασφόδελους λειμώνες

ερωτική κατάνυξη

σ' ανέραστους χειμώνες.

Περνούν αόρατες οι μέρες

μπορεί και να περάσουν χρόνια,

της θλίψης κι αν φυσούν αγέρες

όσο κι αν κράζουν τα τελώνια

ο έρωτας αυτός, το θαύμα,

θα 'ναι για μας το φυλαχτό

και φως ανέσπερο και τάμα

σ' ένα παράθυρο ανοιχτό.

28.03.2023 - Αθήνα