Výzkumné metody v řízení - Vypracované otázky k zápočtu
Níže je uveden pouze náhled materiálu. Kliknutím na tlačítko 'Stáhnout soubor' stáhnete kompletní formátovaný materiál ve formátu DOCX.
Metodologická triangulace – označuje situace, kdy jsou ke studiu určité oblasti použity jak kvalitativní, tak kvantitativní
Teoretická triangulace – teorie, či model rozvinutý v jedné disciplíně je využit k objasnění určité problematiky v jiném vědním oboru.
Triangulace dat – se vztahuje k výzkumným projektům, v jejichž rámci jsou výzkumná data získávána v různých časech a na různých místech, s cílem identifikovat významné korelace a souvislosti mezi studovanými jevy.
Triangulace realizovaná výzkumníky – různí odborníci, členové interdisciplinárního týmu – studují tutéž situaci a svá zjištění vzájemně srovnávají. Cílem je co nejkomplexnější uchopení studované problematiky.
Co je to základní soubor v kvantitativním (deduktivním) výzkumu?
Stanovení velikosti vzorku dle pravidel kvantitativního přístupu (základní soubor a jeho vzorek)
Základní soubor je množina jednotek, která ve výzkumné situaci figuruje právě v roli cílového souboru. Jedná se tedy o souhrn objektů, který lze vymezit, podchytit, identifikovat a z něhož se následně vybírá. V mnoha případech se cílový a základní soubor ani nerozlišují.
Základní soubor je množina nebo soubor všech prvků/dat (osoby, situace a další jevy), které patří do zkoumané skupiny.
V některých případech výzkumů (většinou jen v případě malých základních souborů) je zkoumán celý základní soubor. V těchto situacích hovoříme o vyčerpávajícím (exhaustivním) výběru
V případě firem, osob apod. se v praxi oslovují spíše celé základní soubory bez náhodného výběru, aby se výběrový soubor (vzorek) alespoň z části naplnil.
Co je to výběrový soubor nebo vzorek v kvantitativním (deduktivním) výzkumu?
Výběrový soubor (vzorek) je podmnožina nebo čast prvků vybranou ze základního souboru, která základní soubor zastupuje (reprezentuje).
Výběrový soubor (vzorek) - reprezentativnost vůči základnímu souboru – statistická inference (statistická indukce)
V některých případech výzkumů (většinou jen v případě malých základních souborů) je zkoumán celý základní soubor. V těchto situacích hovoříme o vyčerpávajícím (exhaustivním) výběru.
V případě firem, osob apod. se v praxi oslovují spíše celé základní soubory bez náhodného výběru, aby se výběrový soubor (vzorek) alespoň z části naplnil.
Jaké možné strategie se používají při výpočtech výběrového souboru (vzorku)?
Určení možných strategií pro výpočet výběrového souboru (vzorku)
Použitím vzorců pro vypočet velikosti vzorku
Použitím publikovaných tabulek
Použitím sčítání pro malé populace (vzorkováním malých populací ze všech objektů/jedinců z celkové populace)
Napodobení velikosti vzorku dle podobných (stejně) zaměřených studií a statistik (např. kvótní výběr).
První způsob, jak určit velikost vzorku je spolehnout se na publikované tabulky, které poskytují velikosti vzorku danou sadu kritérií. Tabulky, které jsou zobrazeny dále, určují velikost vzorků, které jsou nutné získat pro danou kombinaci přesnosti, úrovně spolehlivosti, a variability. Pozor však na dvě věci. Za prvé, tyto velikosti vzorků odpovídají počtu získaných odpovědí, ne však nutně sběrem dat prostřednictvím sběru dat poštou nebo rozhovorů (tento počet se často zvyšuje v důsledku kompenzace žádných odpovědí). Za druhé, vzorek velikosti, které jsou uvedeny v tabulce 2 od autorů Glen Israel předpokládá, že atributy jsou měřeny a distribuovány normálně (viz. statistiku – normální rozdělení) nebože tyto předpoklady musejí být splněny.
Přestože tabulky mohou poskytnout užitečné vodítko pro stanovení velikosti vzorku, může vzniknout potřeba vypočítat potřebnou velikost vzorku pro jiný typ kombinace úrovní přesnosti, důvěry a variability za pomocí jednoho či více eventuálně kombinace z několika vzorců.
Další z možností je také použít celou populaci jako vzorek. Ačkoliv z hlediska nákladů by to bylo nemožné pro velké skupiny obyvatelstva nebo firem, sčítání lidu nebo výzkumu (vybraného typu) firem je atraktivnější u malých populací (například počet 200 nebo méně). Například při sčítání lidu se eliminují chyby vzorkováním, které poskytují údaje o všech jedincích v populaci. Následně by však museli být z celé populace odebrány vzorky malých populací, aby se dosáhlo požadované úrovně přesnosti.
Další možností je použít stejnou velikost vzorku, jako u výzkumných studií podobné té, které máte v plánu. Avšak bez podrobného přezkoumání postupů používaných v těchto výzkumných studiích se můžete dopustit rizika opakování chyby, které se byly provedeny při stanovení velikosti vzorku pro další studie. Nicméně, přehled literatury ve vaší disciplíně může poskytnout určité vodítko pro stanovení "typického" vzorku velikosti, které se používají – NEPOUŽÍVAT.