Μέθοδοι Έρευνας (Research Methods) Δρ. Βασίλης Χ

Παρουσίαση με θέμα: "Μέθοδοι Έρευνας (Research Methods) Δρ. Βασίλης Χ"— Μεταγράφημα παρουσίασης:

1 Μέθοδοι Έρευνας (Research Methods) Δρ. Βασίλης Χ
Μέθοδοι Έρευνας (Research Methods) Δρ. Βασίλης Χ. Γερογιάννης, Καθηγητής τηλ ,

2 Επιστημολογικές προσεγγίσεις Γενικές κατηγορίες ερευνητικών μεθόδων
Ερευνητική προσέγγιση Κατηγορία ερευνητικών μεθόδων Λογικός Θετικισμός Ποσοτική έρευνα (παραγωγική / deductive προσέγγιση) Ερμηνευτική προσέγγιση Ποιοτική έρευνα (επαγωγική / inductive προσέγγιση)

3 Ένα απλό παράδειγμα παραγωγικού συλλογισμού
Κάθε μέρα ξεκινώ από το σπίτι για τη δουλειά με το αυτοκίνητο στις 8. Κάθε μέρα ο χρόνος μετακίνησης από το σπίτι προς τη δουλειά είναι 45 λεπτά. Συνεπώς, αν ξεκινήσω σήμερα από το σπίτι για τη δουλειά στις 8 θα φτάσω στην ώρα μου. Ξεκινάμε από μια γενική πρόταση «Κάθε μέρα ξεκινώ στις 8 και με δεδομένο ότι ο χρόνος μετακίνησης είναι 45 λεπτά φτάνω στην ώρα μου» και καταλήγουμε σε μια ειδική πρόταση που επιβεβαιώνει (ή όχι) τη γενική πρόταση «Συνεπώς, αν ξεκινήσω σήμερα στις 8 θα φτάσω στην ώρα μου» Μειονέκτημα παραγωγικού συλλογισμού: η αρχική (γενική) υπόθεση δύναται να μη μπορεί να επαληθευθεί (ή να απορριφθεί) με ασφάλεια

4 Ένα απλό παράδειγμα επαγωγικού συλλογισμού
Σήμερα, ξεκίνησα από το σπίτι για τη δουλειά με το αυτοκίνητο στις 8 και έφτασα στην ώρα μου. Συνεπώς, κάθε μέρα αν φεύγω στις 8 θα φτάνω στην ώρα μου. Ξεκινάμε από μια ειδική πρόταση «Σήμερα, ξεκίνησα από το σπίτι για τη δουλειά με το αυτοκίνητο στις 8 και έφτασα στην ώρα μου» και καταλήγουμε σε μια γενική πρόταση «Συνεπώς, κάθε μέρα αν φεύγω στις 8 θα φτάνω στη δουλειά στην ώρα μου» Μειονέκτημα επαγωγικού συλλογισμού: το τελικό (γενικό) συμπέρασμα δεν είναι πάντοτε έγκυρο.

5 Αρχές του Λογικού Θετικισμού (1/2)
Η γνώση είναι κάτι το αντικειμενικό, που υπάρχει πέρα και υπεράνω του ανθρώπινου μυαλού/παρέμβασης Υπάρχει μια δυϊκή οντολογία: ο άνθρωπος (ερευνητής) και τα φαινόμενα που αυτός παρατηρεί είναι δύο ξεχωριστά, ανεξάρτητα μεταξύ τους πράγματα Το αντικείμενο της έρευνας χαρακτηρίζεται από εσωτερικές ποιότητες οι οποίες δεν επηρεάζονται από τον ερευνητή Ο ερευνητής ακολουθεί συνήθως μια deductive/top- down approach (παραγωγική προσέγγιση)

6 Αρχές του Λογικού Θετικισμού (2/2)
Ο ερευνητής ορίζει αρχικά μια υπόθεση (ή υποθέσεις) και προσπαθεί να την/τις επιβεβαιώσει ή να την/τις διαψεύσει από μετρήσιμα αποτελέσματα που προκύπτουν από αναλύσεις εμπειρικών δεδομένων Τα (ποσοτικά) δεδομένα μπορούν να προκύψουν από συλλογή δεδομένων / πειράματα που καταστρώνει ο ερευνητής για να ελέγξει τις πτυχές τις πραγματικότητας που τον ενδιαφέρουν (την αρχική υπόθεση) Μία έρευνα είναι έγκυρη όταν τα δεδομένα του ερευνητή μετρούν όντως την πραγματικότητα (την αρχική υπόθεση) Μια έρευνα είναι αξιόπιστη όταν τα ίδια αποτελέσματα μπορούν να αναπαραχθούν (προκύψουν ξανά) κάτω από τις ίδιες συνθήκες

7 Παραγωγική (deductive) ερευνητική προσέγγιση
Από το γενικό στο ειδικό

8 Αρχές της Ερμηνευτικής Προσέγγισης (1/2)
Αρνείται το διαχωρισμό της πραγματικότητας από τον παρατηρητή της, με την έννοια ότι οι αντιλήψεις μας για τον κόσμο είναι αδιαχώριστα συνυφασμένες με τις ιδέες και τις θεωρήσεις μας όπως αυτές έχουν διαμορφωθεί από την εμπειρία μας Δεν υπάρχει κάτι το αντικειμενικό παρά μόνο δι-υποκειμενικές θεωρήσεις των πραγμάτων Το αντικείμενο της έρευνας ερμηνεύεται υπό το πρίσμα των νοητικών κατασκευών/θεωρήσεων του ερευνητή, όπως αυτές διαμορφώθηκαν από την εμπειρία του Δεν δίνεται ιδιαίτερη σημασία στην ποσοτικοποίηση ερευνητικών δεδομένων και στην απομόνωση συγκεκριμένων μεταβλητών, αφού τα (ποιοτικά) δεδομένα /παρατηρήσεις αναγνωρίζεται ότι αλλοιώνονται από τον υποκειμενικό παράγοντα

9 Αρχές της Ερμηνευτικής Προσέγγισης (2/2)
Ζητούμενο είναι η «εμβάπτιση» (συμμετοχή) του ερευνητή σε ένα περιβάλλον με σκοπό την πληρέστερη κατανόηση των προβλημάτων Η γνώση προκύπτει επαγωγικά (inductive / bottom-up approach), από την παρατήρηση των δεδομένων H εγκυρότητα μιας έρευνας τεκμηριώνεται μέσα από λογικά επιχειρήματα χωρίς τη βεβαιότητα του λογικού θετικισμού

10 Επαγωγική (inductive) ερευνητική προσέγγιση
Από το ειδικό στο γενικό

11 Συνδυασμός των προσεγγίσεων

12 Ποσοτικά και ποιοτικά δεδομένα (quantitative & qualitative data)
Τα ποσοτικά δεδομένα (quantitative data) περιγράφουν-αντιστοιχούν-αναπαριστούν τις πληροφορίες που συλλέχθηκαν κατά την έρευνα και αναπαρίστανται με αριθμούς. Τα ποιοτικά δεδομένα (qualitative data) συλλέγονται και αναλύουν-περιγράφουν γιατί / πως συμβαίνουν τα γεγονότα - παρατηρήσεις (όχι το πόσο συχνά συμβαίνουν). Οι παρατηρήσεις αναπαρίστανται λεκτικά (με λέξεις-προτάσεις- χαρακτηρισμούς).

13 Ποσοτική έρευνα (quantitative research)
Σκοπός μιας ποσοτικής μεθόδου είναι η διερεύνηση συσχετίσεων μεταξύ διαφόρων μεταβλητών που επιδρούν στο υπό εξέταση φαινόμενο και o έλεγχος σχέσεων αιτίου - αιτιατού μεταξύ τους Ως μεταβλητή ορίζεται κάποιο παρατηρήσιμο χαρακτηριστικό μιας μονάδας (στοιχείο), οι τιμές του οποίου μπορεί να ποικίλλουν ανάμεσα σε διαφορετικές μονάδες (στοιχεία) ενός συνόλου Οι τρεις βασικές συνθήκες για να ισχύει μια αιτιακή σχέση είναι: α) οι (δύο) μεταβλητές πρέπει να συσχετίζονται, β) πρέπει να καθορίζεται η χρονική διαδοχή (το αίτιο να προηγείται του αιτιατού), γ) κάποια παρατηρούμενη συσχέτιση πρέπει να εξασφαλίζεται ότι δεν παρουσιάζεται λόγω της επίδρασης μιας τρίτης εξωτερικής μεταβλητής

14 Κατηγορίες Μεταβλητών
Οι μεταβλητές μπορούν να ταξινομηθούν σε ποσοτικές και κατηγορικές (ή ποιοτικές) μεταβλητές Οι ποσοτικές μεταβλητές παίρνουν αριθμητικές τιμές (συνεχείς/continuous ή διακριτές/discrete), ενώ οι κατηγορικές παίρνουν τιμές που δηλώνουν τύπο ή ποιότητα

15 Περαιτέρω διαχωρισμός των μεταβλητών
Περαιτέρω διαχωρισμός γίνεται αν λάβουμε υπόψη και την κλίμακα των τιμών που μπορεί να πάρει μια μεταβλητή Έτσι, έχουμε: ονομαστικές/κατηγορικές κλίμακες (nominal scales, nominal data, descriptive data), δηλ. σύνολα διαφορετικών μη συγκρίσιμων ποσοτικά μεταξύ τους τιμών κλίμακες κατάταξης (ordinal scales, ordinal data, ranked data), καθορίζουν απλώς το αν μια τιμή είναι μεγαλύτερη ή μικρότερη από μία άλλη κλίμακες διαστημάτων (interval scales, interval data), είναι σαν τις κλίμακες κατάταξης με την πρόσθετη ιδιότητα οι αποστάσεις μεταξύ των τιμών να είναι ίσες κλίμακες αναλογίας (ratio scales, ratio data), είναι σαν τις κλίμακες ίσων διαστημάτων με τον επιπλέον περιορισμό να καθορίζουν ένα σημείο εκκίνησης των επιτρεπτών τιμών

16 Παραδείγματα μεταβλητών (1/4)
«Φύλο» με τιμές «Άρρεν», «Θήλυ» Είναι ονομαστική / κατηγορική / περιγραφική μεταβλητή. Είναι ειδική περίπτωση διχοτομημένης μεταβλητής (dichotomous variable). «Περιοχή πωλήσεων», με τιμές «Αθήνα», «Λάρισα», «Πάτρα».

17 Παραδείγματα μεταβλητών (2/4)
«Βαθμός συμφωνίας» με τιμές «Καθόλου», «Λίγο», «Μέτρια», «Πολύ», «Πάρα πολύ». Είναι μεταβλητή κατάταξης. «Αξιολόγηση Μαθητή» με τιμές «Α», «Β», «Γ».

18 Παραδείγματα μεταβλητών (3/4)
«Θερμοκρασία περιβάλλοντος» με τιμές 10οC, 20οC, 30οC κλπ. Είναι μεταβλητή διαστημάτων. Αν και η διαφορά μεταξύ 10οC, 20οC, 30οC είναι 10οC, δεν έχει νόημα να θεωρήσουμε ότι, όταν η θερμοκρασία στο περιβάλλον είναι 30οC, ο καιρός είναι μιάμιση φορά πιο ζεστός απ’ ότι όταν η θερμοκρασία είναι 20οC. Δεν υπάρχει σημείο μηδέν (true zero) / σημείο εκκίνησης των επιτρεπτών τιμών. Όταν η θερμοκρασία στο περιβάλλον είναι 0οC, ο καιρός είναι (έστω ελάχιστα) ζεστός. Μπορούμε να ορίσουμε τη διαφορά μεταξύ δύο θερμοκρασιών αλλά όχι τη σχετική τους διαφορά «IQ score» με τιμές 65, 70, ….95, 100,105,….,140 (με τιμή 100 ως μέση ή κανονική τιμή) Είναι μεταβλητή διαστημάτων.

19 Παραδείγματα μεταβλητών (4/4)
«Ετήσια έσοδα μιας εταιρείας», «Ηλικία» κλπ. Είναι μεταβλητές αναλογίας

20 Βασικές κατηγορίες μεθόδων ποσοτικής έρευνας
Μέθοδοι Ποσοτικής Έρευνας Μη πειραματικές ποσοτικές έρευνες Πειραματικές ποσοτικές έρευνες Το κριτήριο για το διαχωρισμό είναι αν οι υπό εξέταση ανεξάρτητες μεταβλητές μπορούν ή όχι να διαχειριστούν από τον ερευνητή: Στις μη πειραματικές μεθόδους ο έλεγχος/διαχείριση των ανεξάρτητων μεταβλητών είναι αδύνατος στις πειραματικές μεθόδους ο ερευνητής καθορίζει τις τιμές των μεταβλητών αυτών

21 Μη πειραματική ποσοτική έρευνα (1 / 3
Γενικά, ο σκοπός των ερευνητών που υιοθετούν την ποσοτική έρευνα είναι: ο έλεγχος των μεταβλητών, η εξέταση των τιμών τους σε διάφορες περιστάσεις σύμφωνα με μια πειραματική μεθοδολογία, η ανακάλυψη αιτιακών σχέσεων μεταξύ των μεταβλητών κατά τα πρότυπα τις έρευνας στους κλάδους των φυσικών επιστημών.

22 Μη πειραματική ποσοτική έρευνα (2 / 3
Διάφοροι όμως παράγοντες πολλές φορές «παρεμποδίζουν» μια ποσοτική μέθοδο: Ενδεχομένως να είναι αδύνατο να ασκήσουμε έλεγχο στις μεταβλητές επειδή μια δραστηριότητα/φαινόμενο εξετάζεται αναδρομικά. Μπορεί το αντικείμενο της μελέτης να είναι ιδιαίτερα ευαίσθητο σε (εσωτερικούς/εξωτερικούς) παράγοντες με αποτέλεσμα η προσπάθεια ελέγχου των μεταβλητών μέσα από πειραματικές διαδικασίες να αλλοιώνει τη φύση του προβλήματος, και να οδηγεί σε λαθεμένα συμπεράσματα Υπάρχει η περίπτωση οι μεταβλητές που καθορίζουν μια δραστηριότητα να αλληλεπιδρούν μεταξύ τους με μεγάλο βαθμό πολυπλοκότητας, ώστε να είναι δύσκολος ο καθορισμός αιτιακών σχέσεων ανάμεσά τους.

23 Μη πειραματική ποσοτική έρευνα (3 / 3
Σε αυτές τις περιπτώσεις ο ερευνητής έχει δύο επιλογές: είτε να επαναθεωρήσει πλήρως τη μεθοδολογία της έρευνας ακολουθώντας μία ποιοτική / ερμηνευτική προσέγγιση είτε να μείνει «πιστός» στην ποσοτική έρευνα χωρίς όμως να βασίζεται στην πειραματική μεθοδολογία Στη δεύτερη περίπτωση αναφερόμαστε σε μη πειραματική ποσοτική έρευνα. Σε μια μη πειραματική ποσοτική έρευνα δεν υπάρχει χειρισμός από τον ερευνητή των υπό εξέταση ανεξάρτητων μεταβλητών (τότε θα είχαμε μια πειραματική μέθοδο).

24 Μέθοδοι μη πειραματικής ποσοτικής έρευνας
Με βάση το σκοπό / στόχο της ερευνητικής δραστηριότητας: Μέθοδοι Μη Πειραματικής Ποσοτικής Έρευνας Περιγραφική έρευνα (descriptive research) Έρευνα πρόβλεψης (predictive research) Επεξηγηματική έρευνα (explanatory research)

25 Περιγραφική έρευνα Πρόκειται για μελέτη (π.χ. survey) όπου ο κύριος σκοπός του ερευνητή είναι η (λεπτομερής) περιγραφή και η κατανόηση ενός φαινομένου/προβλήματος.

26 Παράδειγμα περιγραφικής έρευνας
“Role of Unified Modelling Language in Software Development in Greece – Results from an Exploratory Study”. Journal of IET Software, The Institution of Engineering and Technology, pp. 1-11, to be published in 2014 (Authors: P. Fitsilis, V. C. Gerogiannis, L.Anthopoulos). Abstract. The Unified Modelling Language (UML) is a language for specifying, visualising, constructing and documenting software systems. The UML proved to be extremely successful and it has achieved tremendous popularity making it the de facto industry standard for object oriented system development. As such, many researchers presented empirical studies on the practical usage of UML but as well criticisms for UML complexity, difficulty to be learnt, etc. Even though a large number of articles and books are devoted to various aspects of UML language, there is little evidence on how UML is used. This study attempts to identify the profile of persons using UML, to pinpoint UML diagrams that are being used and their effectiveness, to discover whether CASE tools are being used and to record the perceived usefulness of UML language. For conducting the study a survey was developed and it was distributed to mailing lists of Greek IT professionals and to university students. The findings indicate that UML is used successfully in the majority of software development projects and that most users perceive UML positively since it supports faster system building, development of higher quality software systems, and for specific cases, it leads to software development cost-decrease.

27 Επεξηγηματική έρευνα Μελέτες όπου οι ερευνητές προσπαθούν να αναπτύξουν μια θεωρία ή να ελέγξουν την εγκυρότητα μιας θεωρίας για ένα φαινόμενο, αναζητώντας παράγοντες που επηρεάζουν αιτιακά το φαινόμενο.

28 Παράδειγμα επεξηγηματικής έρευνας
“An exploratory study of why organizations do not adopt CMMI”, Journal of Systems and Software, 80(6), 883–895, 2007 (Authors: Μ. Staples, et. al) Abstract. This paper explores why organizations do not adopt CMMI (Capability Maturity Model Integration), by analysing two months of sales data collected by an Australian company selling CMMI appraisal and improvement services. The most frequent reasons given by organizations were: the organization was small; the services were too costly, the organization had no time, and the organization was using another SPI approach. Overall, we found small organizations not adopting CMMI tend to say that adopting it would be infeasible, but do not say it would be unbeneficial. We comment on the significance of our findings and research method for SPI research.

29 Έρευνα πρόβλεψης Αφορά μελέτες (συνήθως surveys) όπου οι ερευνητές πραγματοποιούν την έρευνα έτσι ώστε να προβλέψουν κάποιο φαινόμενο στο μέλλον, χωρίς άμεσα να φιλοδοξούν να ανακαλύψουν αιτιοκρατικές σχέσεις.

30 Παράδειγμα έρευνας πρόβλεψης
“A Replicated Survey of IT Software Project Failures”, IEEE Software, 25(5), 84-90, 2008 (Authors: K. E. Emam, A. G. Koru) Abstract. …. We conducted a replicated international Web survey of IT departments (developing management information systems) in 2005 and We aimed to estimate IT projects’ actual cancellation rates, determine what factors have the biggest impact on cancellation, estimate the success rate of projects that deliver, and determine whether project size affects cancellation rates and project success….

31 Μέθοδοι μη πειραματικής ποσοτικής έρευνας
Με βάση τη διάσταση του χρόνου: Μέθοδοι Μη Πειραματικής Ποσοτικής Έρευνας Εκ των υστέρων έρευνα (retrospective ή ex post facto research) Έρευνα διατομής (cross-sectional research) Μακροχρόνια έρευνα (longitudinal research)

32 Εκ των υστέρων έρευνα Σε μια εκ των υστέρων έρευνα, ο ερευνητής βασίζεται στις παρατηρήσεις του για την εξαρτημένη μεταβλητή και πηγαίνει πίσω στο χρόνο για να βγάλει συμπεράσματα όσον αφορά τις τιμές ανεξαρτήτων μεταβλητών, οι οποίες μπορούν να εξηγήσουν πιθανές διαφορές στην τιμή των εξαρτημένων μεταβλητών.

33 Παράδειγμα έρευνας εκ των υστέρων
“Classification and evaluation of defects in a project retrospective”, Journal of Systems and Software, 80(6), 883–895, 2007 , 61(3), , 2002 (Authors: M Leszak, D. Perry, D. Stoll) Abstract. There are three interdependent factors that drive our development processes: interval, quality and cost. As market pressures continue to demand new features ever more rapidly, the challenge is to meet those demands while increasing, or at least not sacrificing, quality. One advantage of defect prevention as an upstream quality improvement practice is the beneficial effect it can have on interval: higher quality early in the process results in fewer defects to be found and repaired in the later parts of the process, thus causing an indirect interval reduction. We report a retrospective analysis of the defect modification requests (MRs) discovered while building, testing, and deploying a release of a network element as part of an optical transmission network. The study consists of three investigations: a root-cause defect analysis (RCA) study, a process metric study, and a code complexity investigation …

34 Έρευνα διατομής Σε αυτή την περίπτωση τα δεδομένα συλλέγονται σε κάποια μεμονωμένη στιγμή, ή ένα σχετικά μικρό χρονικό διάστημα, και γίνονται συγκρίσεις μεταξύ των μεταβλητών για τη στιγμή αυτή.

35 Παράδειγμα έρευνας διατομής
“Team building criteria in software projects: A mix-method replicated study”, Information and Software Technology, 55(7), 1316–1340, 2013 (Authors: F.Q.B. da Silva et al.) Abstract. Context: The internal composition of a work team is an important antecedent of team performance and the criteria used to select team members play an important role in determining team composition. However, there are only a handful of empirical studies about the use of team building criteria in the software industry. Objective: The goal of this article is to identify criteria used in industrial practice to select members of a software project team, and to look for relationships between the use of these criteria and project success. In addition, we expect to contribute with findings about the use of replication in empirical studies involving human factors in software engineering. Method: Our research was based on an iterative mix-method, replication strategy. In the first iteration, we used qualitative research to identify team-building criteria interviewing software project managers from industry. Then, we performed a cross-sectional survey to assess the correlations of the use of these criteria and project success. In the second iteration, we used the results of a systematic mapping study to complement the set of team building criteria. Finally, we performed a replication of the survey research with variations to verify and improve the results. Results: Our results showed that the consistent use team building criteria correlated significantly with project success, and the criteria related to human factors, such as personality and behavior, presented the strongest correlations. 

36 Μακροχρόνια έρευνα Οι ερευνητές συλλέγουν δεδομένα ανά τακτά χρονικά διαστήματα κατά τη διάρκεια μιας διαδικασίας. Οι τιμές των υπό εξέταση μεταβλητών συγκρίνονται μεταξύ των διαφορετικών φάσεων μέτρησής τους.

37 Παράδειγμα μακροχρόνιας έρευνας
“Determinants of open source software project success: A longitudinal study”, Decision Support Systems, 46(2), , 2009 (Authors: C. Subramaniam, R. Sen, M. L. Nelson) Π.χ. Abstract. In this paper, we investigate open source software (OSS) success using longitudinal data on OSS projects. We find that restrictive OSS licenses have an adverse impact on OSS success. On further analysis, restrictive OSS license is found to be negatively associated with developer interest, but is positively associated with the interest of non-developer users and project administrators. We also show that developer and non-developer interest in the OSS project and the project activity levels in any time period significantly affect the project success measures in subsequent time period. The implications of our findings for OSS research and practice are discussed. …… The Sourceforge.net database contains information on more than 100,000 software projects. For the purpose of this study we considered only those projects for which complete information was available, and which had been registered between January 1999 and December The number of such projects was 8627 ….

38 Πειραματική ποσοτική έρευνα
Βασίζεται στο επιστημολογικό παράδειγμα του λογικού θετικισμού Έχει σκοπό τη διερεύνηση σχέσεων αιτίου-αιτιατού μεταξύ καθορισμένων και αυστηρά ελεγχόμενων μεταβλητών που επηρεάζουν την υπό εξέταση διαδικασία Οι ερευνητές μελετούν την επίδραση που έχει μία ανεξάρτητη μεταβλητή σε κάποια εξαρτημένη μεταβλητή κρατώντας όλες τις άλλες συνθήκες σταθερές

39 Παράδειγμα πειραματικής ποσοτικής έρευνας
Αντικείμενο ενός πειράματος μπορεί να αποτελεί η διερεύνηση της χρήσης κάποιου συστήματος υποστήριξης συνεργατικής μάθησης σε σύγκριση με μια παραδοσιακή -πρόσωπο με πρόσωπο- συνεργατική δραστηριότητα Το αντικείμενο της παρατήρησης (η εξαρτημένη μεταβλητή) μπορεί να είναι τα εκπαιδευτικά οφέλη των φοιτητών Η ανεξάρτητη μεταβλητή είναι το είδος και το διαμεσολαβητικό εργαλείο της συνεργασίας

40 Μέθοδοι πειραματικής ποσοτικής έρευνας
Μέθοδοι Πειραματικής Ποσοτικής Έρευνας «Αληθινός» πειραματικός σχεδιασμός Επαναλαμβανόμενες μετρήσεις Μερικώς πειραματικός σχεδιασμός