روشهای ریاضی به طور گسترده ای در تحقیقات جامعه شناسی استفاده می شود. در یک بررسی انبوه ، نوع نمونه در مرحله برنامه ریزی تعیین می شود. متداول ترین روش نمونه گیری و نمونه گیری سهمیه ای. عیب اصلی مورد دوم تصادفی نبودن آن است. از آنجا که یک نمونه کاملاً تصادفی ، منعکس کننده پارامترهای جمعیت عمومی ، در جامعه شناسی نادر است ، هنگام مدل سازی اشیا social اجتماعی ، نمونه گیری صحیح مهم است.
دستورالعمل ها
مرحله 1
اگر با انجام یک مطالعه کوچک بر اساس نمونه کوچکی روبرو هستید که وانمود نمی کند کاملاً نماینده است ، با رعایت کلیه معیارها و شرایط آزمایش ، عناصر را با دقت بیشتری انتخاب کنید. در مورد یک نمونه بزرگ که موضوع قابل توجهی از تحقیقات را نشان می دهد (به عنوان مثال ، جمعیت یک مرکز اداری بزرگ) ، جایگزینی عناصر جداگانه نمونه را در نظر بگیرید.
گام 2
هنگام تهیه یک نمونه کوچک از اشیا ، لیستی از عناصر آن را به صورت لیستی از پاسخ دهندگان مصاحبه شده تهیه کنید. متون تحلیل شده اشیا under تحت نظر و غیره برخلاف یک نمونه کوچک ، یک نمونه بزرگ معمولاً ناشناس است و فرصتی برای کار با یک لیست مشخص فراهم نمی کند.
مرحله 3
برای یک نمونه کوچک ، نتایج پردازش اطلاعات را با تقسیم نسبی یا درصدی و همچنین به صورت مطلق ارائه دهید. به عنوان یک نمونه بزرگ ، به طور مطلق اجازه ارائه نتایج را نمی دهد. درصدها را با درجه معقولی از دقت ، یعنی کل مقادیر محاسبه کنید.
مرحله 4
یک الگوریتم برای انتخاب عناصر در جمعیت نمونه ایجاد کنید. سعی کنید لیست همه موارد را تا حد ممکن یکنواخت نگه دارید. این معیار ، به عنوان مثال ، یک لیست حروف الفبا را برآورده می کند. اگر یک لیست حروف الفبا در دسترس است ، از یک الگوریتم انتخاب تصادفی با استفاده از یک مولد اعداد تصادفی استفاده کنید. روش دوم استفاده از انتخاب مکانیکی است ، زمانی که مرحله ابتدا محاسبه می شود (به عنوان ضریب تقسیم کل جمعیت به اندازه نمونه) ، و سپس تعداد مورد نیاز عناصر انتخاب می شود.
مرحله 5
هنگام ساخت نمونه ای برای مشاهده و تجزیه و تحلیل محتوا ، ابتدا ایده ای از ساختار مورد مشاهده را شکل دهید. اگر جسم پدیده جرمی است ، داده ها را در مورد مکان و زمان نگهداری آنها ، در مورد قاعده وقایع مشخص کنید. اگر رویدادها به طور منظم نیستند ، در استراتژی تحقیق خود تجدید نظر کنید و یک روش نظرسنجی جامد یا یک روش انبوه را انتخاب کنید.
