وبلاگ

۷۴۲/۰

هزینه­ های پیشگیری

۷۷۰/۰

هزینه­ های ارزیابی

۷۹۳/۰

هزینه­ های شکست درونی

۸۴۰/۰

هزینه­ های شکست بیرونی

۷۶۶/۰

از آنجایی که مقدار بدست آمده آلفای کرونباخ برای همه متغیرهای پژوهش بالای ۷/۰ می­باشد می­توان گفت پرسشنامه ­ها از پایایی قابل قبولی برخوردارند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۳-۸- مقیاس­های مورد استفاده
یکی از مراحل اساسی در پژوهش، اندازه ­گیری است. اندازه ­گیری روشی است که از طریق آن به یک صفت یا یک ویژگی با توجه به ملاک مشخص، عددی نسبت داده می‌شود. مقیاس­ها به چهار دسته کلی تقسیم می‌شوند (دلاور، ۱۳۸۳): مقیاس اسمی، مقیاس رتبه‌ای، مقیاس فاصله‌ای و مقیاس نسبی. در این پژوهش از مقیاس رتبه ای استفاده شده که بدین منظور برای طراحی گزینه­ های پرسشنامه از طیف لیکرت ۵ گزینه­ای استفاده شده است.
۳-۹- آزمون­های آماری
پس از اینکه پژوهشگر روش پژوهش خود را مشخص کرد و با بهره گرفتن از ابزارهای مناسب، داده ­های مورد نیاز را برای آزمون فرضیه ­های خود جمع­آوری کرد، اکنون نوبت آن است که با بهره­ گیری از تکنیک­های آماری مناسب که با روش پژوهش، نوع متغیرها و … سازگاری دارد، داده ­های جمع­آوری شده را دسته­بندی و تجزیه و تحلیل نماید و در نهایت فرضیه­هایی که تا این مرحله او را در پژوهش هدایت کرده ­اند، در بوته آزمایش قرار دهد و تکلیف آنها را روشن کند و سرانجام بتواند پاسخی برای پرسشی که پژوهش تلاشی سیستماتیک برای به دست آوردن آن بود، بیابد (خاکی، ۱۳۸۷).
در این پژوهش به دو روش توصیفی و استنباطی به تحلیل داده ­های به دست آمده از محل پرسشنامه پرداخته شده است. برای تحلیل داده ­ها در این پژوهش در سطح توصیفی و توصیف داده ­های بدست آمده از نرم افزار آماری SPSS نسخه ۲۰ و در سطح استنباطی و برای آزمودن فرضیه ­های پژوهش از نرم افزار LISREL و روش معادلات ساختار­یافته استفاده شده است.
به منظور تحلیل داده ­های پژوهش از تحلیل­های گوناگون استفاده شده است. در مرحله اول نرمال بودن داده ها با بهره گرفتن از آزمون کولموگروف – اسمیرنوف مورد بررسی قرار می­گیرد و در صورتیکه داده ­ها نرمال باشند از آمار پارامتریک و در صورتیکه غیر نرمال باشند از آمار ناپارامتریک استفاده می­کنیم. در مرحله بعد روایی سازه متغیرهای پژوهش و شاخص­ های منتج از آنها با بهره گرفتن از آزمون تحلیل عاملی تأییدی مورد بررسی قرار میگیرد. با بهره گرفتن از مدل معادلات ساختاری که در حقیقت آمیزه­ای از نمودار تحلیل مسیر و تحلیل عاملی تأییدی است، آزمون مقایسه زوجی و آنالیز واریانس، به آزمون فرضیه ­های پژوهش پرداخته می­ شود.
۳-۹-۱- مدل­سازی معادلات ساختاری
برای بررسی روابط علّی بین متغیرها به صورت منسجم کوشش­های زیادی در دهه اخیر صورت گرفته است. یکی از این روش­ها برای انجام تحلیل عاملی تاییدی، معادلات ساختاری یا تحلیل چند متغیری با متغیرهای مکنون است. مدل­سازی معادلات ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق­تر بسط مدل خطی کلی است که به پژوهشگر امکان می­دهد مجموعه ­ای از معادلات رگرسیون را به گونه ­ای همزمان مورد آزمون قرار دهد. مدل معادلات ساختاری رویکرد آماری جامع برای آزمون فرضیه­هایی درباره روابط بین متغیرهای مشاهده شده^[۶۲] و متغیرهای مکنون^[۶۳] است، که گاه تحلیل ساختاری کوواریانس، مدل­یابی علّی و گاه نیز LISREL^[64] نامیده می­ شود. اما اصطلاح غالب در این روزها، مدل یابی معادلات ساختاری یا به گونه خلاصه SEM^[65] می­باشد (هومن، ۱۳۸۸). یک مدل کامل معادلات ساختاری شامل دو مولفه می­گردد:
الف) مدل اندازه ­گیری: جزئی از معادلات ساختاری که طی آن متغیرهای مکنون مشخص می­شوند. متغیرهای مکنون، متغیرهای قابل مشاهده­ای­اند که به وسیله کواریانس میان دو یا چند شاخص نشان داده می­شوند.
ب) مدل ساختاری: جزئی از مدل ساختاری که روابط بین متغیرهای مکنون را نشان می­دهد.
بررسی و تحلیل مدل­های اندازه ­گیری در مراحل اولیه مطالعات تاییدی مفید بوده چرا که می ­تواند روشنگر نقاط ضعف نظری بوده و به تفسیر یافته­های پژوهش کمک نماید و در طرح مطالعات آینده سهم عمده­ای داشته باشد. بر این اساس مدل­سازی معادلات ساختاری شامل دو مرحله عمده تدوین مدل و آزمون مدل می­باشد. در تدوین مدل، پژوهشگر با بهره گرفتن از کلیه نظریات مرتبط، پژوهش و اطلاعات در دسترس، به طرح مدل می ­پردازد و در این مرحله مدل روابط علّی بین متغیرها را توصیف می­نماید. ارتباط بین متغیرها می ­تواند مبیّن فرضیه هایی باشد که روابط علّی بین متغیرهای مشهود و مکنون را از فضای تئوریک استنتاج نموده ­اند. مرحله بعدی آزمون برازندگی و میزان انطباق این نظریه ­ها با داده ­های تجربی است که از جامعه معیّن گردآوری شده ­اند و در بررسی بخش ساختاری مدل، روابط بین متغیرهای نهفته درونی و بیرونی (متغیرهای نهفته مستقل و وابسته) مورد توجه قرار می­گیرند (دانشگر، ۱۳۹۰).
۳-۹-۲- تحلیل عاملی
تحلیل عاملی می ­تواند به دو دسته اکتشافی و تاییدی تقسیم شود.
۳-۹-۳- تحلیل عاملی اکتشافی
روشی است که اغلب برای کشف و اندازه ­گیری منابع مکنون پراش و همپراش در اندازه ­گیری­های مشاهده شده به کار می­رود. پژوهشگران به این واقعیت پی برده­اند که تحلیل عاملی اکتشافی می ­تواند در مراحل اولیه تجربه یا پرورش تست­ها کاملاً مفید باشد. در تحلیل اکتشافی، پژوهش در صدد بررسی داده ­های تجربی به منظور کشف و شناسایی شاخص­ های ویژه و نیز روابط جالب بین آنهاست و این کار را بدون تحمیل هر گونه مدل معیّنی بر روی داده ­ها انجام می­دهد. به بیان دیگر تحلیل اکتشافی علاوه بر آنکه ارزش تجسسی یا پیشنهادی دارد، میتواند ساختارساز، مدل­ساز یا فرضیه­ساز باشد و یا فرضیه­هایی تدوین کند که نسبت به سایر روش­های چند متغیری، آزمایش عینی­تری داشته باشد. تحلیل اکتشافی وقتی به کار می­رود که پژوهشگر شواهد کافی قبلی و پیش تجربی برای تشکیل فرضیه درباره تعداد عامل­های زیر بنایی نداشته باشد. بنابراین تحلیل اکتشافی بیشتر به عنوان یک روش تدوین و تولید تئوری در نظر گرفته می­ شود تا یک روش آزمون تئوری. ویژگی بارز تحلیل عاملی اکتشافی در ارتباط با مدل­یابی معادلات ساختاری آن است که در بیشتر پژوهش­ها از آن برای استخراج عامل­های متعامد، یعنی عامل­های مستقل و بدون وابستگی به یکدیگر استفاده می­ شود (هومن، ۱۳۸۸).
۳-۹-۴- تحلیل عاملی تاییدی
برای بررسی روابط بین متغیرها به صورت منسجم کوشش های زیادی در دهه اخیر صورت گرفته است. یکی از این روش­ها برای انجام تحلیل عاملی تاییدی، معادلات ساختاری یا تحلیل چند متغیری با متغیرهای مکنون است. مدل­سازی معادلات ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند­متغیری و به بیان دقیق­تر بسط مدل خطی کلی است که به پژوهشگر امکان می­دهد مجموعه ­ای از معادلات رگرسیون را به گونه ­ای همزمان مورد آزمون قرار دهد. مدل معادلات ساختاری، رویکرد آماری جامع برای آزمون فرضیه­هایی درباره روابط بین متغیرهای مشاهده شده و متغیرهای مکنون است، که گاه تحلیل ساختاری کوواریانس، مدل­یابی علّی و گاه نیز LISREL نامیده می­ شود. اما اصطلاح غالب در این روزها، مدل­یابی معادلات ساختاری یا به گونه خلاصه SEM نامیده می­ شود (هومن، ۱۳۸۸).
مهم­ترین هدف در تحلیل عاملی تاییدی، تعیین میزان توان مدل عامل از قبل تعریف شده با مجموعه ­ای از داده ­های مشاهده شده است. به عبارتی تحلیل عاملی تاییدی در صدد تعیین این مسئله است که آیا تعداد عامل ها و بارهای متغیرهایی که روی این عامل اندازه ­گیری شده ­اند با آن چه که بر اساس تئوری و مدل، انتظار میرفت، انطباق دارد. در این روش ابتدا متغیرها و شاخص­ های مربوط بر اساس تئوری اولیه انتخاب می­شوند و سپس از تحلیل عاملی استفاده می­ شود که آیا این متغیرها و شاخصه­ها آن طور که پیش ­بینی شده بار (لود) میشوند یا اینکه ترکیب آنها عوض می­ شود و روی عامل­های دیگر بار می­شوند. در این پژوهش با توجه به توضیحات داده شده از تحلیل عاملی تاییدی استفاده می­ شود.
۳-۹-۵- شاخص KMO
شاخصی از کفایت نمونه گیری است که کوچک بودن همبستگی جزیی بین متغیرها را بررسی می­ کند و از این طریق مشخص می­سازد آیا واریانس متغیرهای پژوهش، تحت تأثیر واریانس مشترک برخی عامل­های پنهانی و اساسی است یا خیر. این شاخص در دامنه صفر تا یک قرار دارد. اگر مقدار شاخص نزدیک به یک باشد، داده ­های مورد نظر برای تحلیل عاملی مناسب هستند و در غیر این صورت (معمولاً کمتر از ۶/۰) نتایج تحلیل عاملی برای داده ­های مورد نظر چندان مناسب نمی­باشند.
۳-۹-۶- آزمون کرویت بارتلت
این آزمون بررسی می کند چه هنگام ماتریس همبستگی، شناخته شده (از نظر ریاضی ماتریس واحد و همانی) است و بنابراین برای شناسایی ساختار (مدل عاملی) نامناسب می­باشد. ماتریس همبستگی دارای دو حالت است: حالت اول زمانی که ماتریس همبستگی بین متغیرها، یک ماتریس واحد و همانی می­باشد، در این صورت متغیرها ارتباط معنی داری با هم نداشته و در نتیجه امکان شناسایی عامل­های جدید، براساس همبستگی متغیرها با یکدیگر وجود ندارد. حالت دوم زمانی که ماتریس همبستگی بین متغیرها یک ماتریس واحد و همانی نباشد، که در این صورت ارتباط معنی داری بین متغیرها وجود داشته و بنابراین امکان شناسایی و تعریف عامل­های جدیدی براساس همبستگی متغیرها وجود دارد. اگر معنی داری (Significance) آزمون بارتلت کوچک تر از ۵% ، () باشد تحلیل عاملی برای شناسایی ساختار (مدل عاملی) مناسب است، زیرا فرض شناخته شده بودن ماتریس همبستگی رد می­ شود. (مومنی و فعال قیومی، ۱۳۹۱). نتایج این شاخص ­ها در جدول ۳-۳ آمده است. همانطور که در جدول ۳-۳ نیز مشاهده می‌شود، از آنجایی که مقدار شاخص KMO بیشتر از ۶/۰ است تعداد نمونه (در اینجا همان تعداد پاسخ ­دهندگان) برای تحلیل عاملی کافی می­باشد. همچنین مقدار معناداری (Sig) آزمون بارتلت، کوچک تر از ۵ درصد است که نشان می­دهد تحلیل عاملی برای شناسایی ساختار مدل عاملی، مناسب است.
جدول ۳-۴- نتایج آزمون کرویت بارتلت و KMO جهت بررسی کفایت عوامل پرسشنامه

ابعاد

KMO

Sig

فناوری اطلاعات

۶۵۸/۰

۰۰۰/۰