خلاصة:
در سالهای اخیر در روششناسی علوم انسانی تلاش زیادی برای ترکیب روشهای پژوهشی صورت گرفته است. روش دادهبنیاد و شبکههای عصبی مصنوعی از روشهایی هستند که در سالهای اخیر با استقبال تعداد زیادی از پژوهشگران مواجه شدهاند. این پژوهش با هدف ترکیب این دو روش مهم پژوهشی انجام شده است. برای دستیابی به این هدف (ترکیب این دو روش)، یک چارچوب عملیاتی پیشنهاد شده است. به این ترتیب که در این چارچوب پیشنهادی، کدهای باز استخراج شده از روش دادهبنیاد توسط روش شبکههای عصبی مصنوعی، در سازههایی دستهبندی میشوند. این در حالی است که در روش تئوری دادهبنیاد این کدهای باز بر اساس نظر پژوهشگر در سازهها دستهبندی میشوند. برای اجرایی کردن ایده ترکیب این دو روش، یک چارچوب اجرایی پیشنهاد و این چارچوب درباره خلاقیت سازمانی به کار گرفته شده است. نتایج نشان میدهد که با بهکارگیری این چارچوب میتوان دستهبندی کدهای باز استخراج شده از روش تئوری دادهبنیاد را با رویکردی کمی انجام داد
ملخص الجهاز:
نتایج نشان میدهد که با بهکارگیری این چارچوب میتوان دستهبندی کدهای باز استخراج شده از روش تئوری دادهبنیاد را با رویکردی کمّی انجام داد.
این پژوهش تلاش دارد تا با ترکیب روش دادهبنیاد و روش شبکه عصبی مصنوعی 1 ، چارچوبی ارائه کند که مبتنی بر نظر پژوهشگر و مشارکتکنندگان در پژوهش، سازهها با رویکرد کمّی تأیید شوند.
به بیان دیگر در این مقاله با استفاده از یک مثال (خلاقیت سازمانی در صدا و سیما) تلاش شده Artificial Neural Networks(ANNs) است تا یک روش کمّی (شبکههای عصبی) و یک روش کیفی (دادهبنیاد) از در آشتی درآمده و درک بهتری از پدیده مورد بررسی ارائه دهد.
کدگذاریهای باز، محوری و انتخابی، مرکزیت تحلیل در پژوهش دادهبنیاد را تشکیل میدهد و البته این بدین معنا نیست که این مراحل، ضرورتاً از یک توالی مطلق برخوردارند؛ بلکه در بیشتر وقتها، همپوشانی و وقوع همزمان آنها به چشم میخورد و پژوهشگر د (Becker, 1993; Charmaz, Smith, Harre, & Langenhove, 1995; Melia, 1996; Wilson & Hutchinson, 1996) (Strauss & Corbin, 1990) (Charmaz, Smith, Harre, & Langenhove, 1995) (Becker, 1993) (Annells, 1996) (Melia, 1996) (Wilson & Hutchinson, 1996) (Bringer, Halley Jahnston, & Brackenridge, 2006)، Eaves Walker, D.
امروزه شبکههای عصبی در کاربردهای مختلفی از قبیل طبقهبندی دادهها و تشخیص الگو از طریق فرایند یادگیری که خود شامل مسائلی مانند تشخیص خط و شناسایی گفتار seidel Self-Organizing Maps(SOMs) saraee, moosavi and rezapour Castellani and Castellani و پردازش تصویر است به کار میروند.
این مرحله نیز نتیجه استفاده از شبکه عصبی به عنوان جعبه ابزار در پژوهش دادهبنیاد است و به نوعی کمّی کردن دادههای کیفی انجام میشود.