14.การวิเคราะห์ข้อมูล (Data Analysis)
http://www.gotoknow.org/posts/492737 ได้รวบรวมและกล่าวไว้ว่า การวิเคราะห์ข้อมูล
(Data Analysis) มีเป้าหมายเพื่อสรุปปัญหาที่ทำวิจัยไว้แล้วเป็นการพิสูจน์ความแท้จริงของข้อมูลที่เก็บรวบรวมมาใช้ และการตีความข้อมูล ( Interpretation ) นั้นคือกระบวนการวิจัย (The research process ) เพื่อเรียนรู้อะไร เพื่ออธิบาย ( Explanation ) สิ่งที่ได้มาคืออะไร และขยายความตามเหตุผลว่าทำไมจึงเป็นอย่างนั้น เพื่อสรุปเป็นผลการศึกษาวิจัย
(Data Analysis) มีเป้าหมายเพื่อสรุปปัญหาที่ทำวิจัยไว้แล้วเป็นการพิสูจน์ความแท้จริงของข้อมูลที่เก็บรวบรวมมาใช้ และการตีความข้อมูล ( Interpretation ) นั้นคือกระบวนการวิจัย (The research process ) เพื่อเรียนรู้อะไร เพื่ออธิบาย ( Explanation ) สิ่งที่ได้มาคืออะไร และขยายความตามเหตุผลว่าทำไมจึงเป็นอย่างนั้น เพื่อสรุปเป็นผลการศึกษาวิจัย
http://cai.md.chula.ac.th/lesson/research/re12.htm#06-6 ได้รวบรวมและกล่าวไว้ว่า การเลือกใช้สถิติ จะต้องเหมาะสมกับคำถาม วัตถุประสงค์ และรูปแบบการวิจัย โดยสถิติจะช่วยหลีกเลี่ยง ความคลาดเคลื่อนแบบสุ่ม ในส่วนที่เกี่ยวกับ การวิเคราะห์ข้อมูล ควรให้รายละเอียดเกี่ยวกับ
1. การสรุปข้อมูล (Summarization of Data) ทั้งนี้จะขึ้นอยู่กับ ชนิดของข้อมูลเชิงคุณภาพ (qualitaive data) หรือข้อมูลเชิงปริมาณ (quantitative data)
2. การนำเสนอข้อมูล (Data Presentation) เพื่อสื่อความหมาย ระหว่างนักวิจัย และผู้อ่านผลการวิจัย ทำให้เข้าใจได้ง่าย และเป็นการประหยัดเวลา ในการเขียนบรรยายผลที่ได้ การนำเสนอข้อมูล ต้องเลือกให้สอดคล้อง กับลักษณะของข้อมูลเช่นกัน
3. การทดสอบสมมติฐาน (ypothesis testing) โดยระถึง สถิติที่เหมาะสม ที่จะใช้ในการทดสอบสมมติฐานนั้น ทั้งนี้ ขึ้นกับปัจจัย 2 ประการ คือ ลักษณะการเปรียบเทียบ ระหว่างกลุ่มที่มีความสัมพันธ์กัน) และการสรุปข้อมูล
4. ปัญหาที่อาจเกิดขึ้นระหว่างการวิเคราะห์ข้อมูล เช่น ข้อมูลขาดหายไป (missing data) ตัวอย่างไม่ให้ความร่วมมือ (non-complier) ผู้ป่วยออกจากการศึกษากลางคัน หรือผู้ป่วยเสียชีวิตด้วยโรคอื่น ที่ไม่เกี่ยวกับโรคที่กำลังทำวิจัย กรณีตัวอย่างที่ยกมานี้ อาจจะเกิดขึ้นได้ จึงจำเป็นต้อง เตรียมการแก้ไข ในขั้นตอนการวิเคราะห์ข้อมูล ว่าจะตัดทิ้งไป หรือนำข้อมูลมาร่วมวิเคราะห์ด้วย
5. การวิเคราะห์ก่อนการวิจัยสิ้นสุด (Interim Analysis) จะทำหรือไม่ และมีเหตุผลอะไรในการกระทำเช่นนั้น จะก่อให้เกิดผลดี และผลเสียอย่างไรบ้าง
กรรณิกา ทิตารามhttp://guru.sanook.com/encyclopedia/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7%E0%B8%B4%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B2%E0%B8%B0%E0%B8%AB%E0%B9%8C%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%95%E0%B8%B5%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1%E0%B8%AB%E0%B8%A1%E0%B8%B2%E0%B8%A2%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5_(Analysis_and_Interpretation_of_Data)/ ได้รวบรวมและกล่าวไว้ว่า ข้อมูลที่ทำการเก็บรวบรวม โดยทั่วไปจะมีจำนวนมาก เมื่อได้ข้อมูลมาแล้ว ก็จะมีการดำเนินกับข้อมูลด้วยวิธีการต่างๆ เช่น การแยกประเภท การจัดชั้น การสังเขป การหาข้อสรุปเกี่ยวกับลักษณะต่างๆ ของข้อมูล การพิจารณาหาว่าข้อมูลที่เก็บรวบรวมมาได้มีความสัมพันธ์กับข้อมูลอื่นหรือไม่อย่างไร ตลอดจนอาจทำการพยากรณ์เหตุการณ์ในอนาคตจากข้อมูลที่เก็บรวบรวมได้ กระบวนการต่างๆ เหล่านี้เรียกว่า การวิเคราะห์ข้อมูล ซึ่งจะดำเนินการในรายละเอียดอย่างไรและเพียงไรนั้นขึ้นอยู่กับลักษณะของข้อมูล และเรื่องที่ต้องการศึกษา ในบางกรณี การวิเคราะห์ข้อมูลก็ทำโดยใช้กราฟ ดังนั้นเมื่อพิจารณาให้ดีจะเห็นว่าบางขั้นตอนของการวิเคราะห์ข้อมูล เช่นการจัดชั้นหรือแยกประเภทของข้อมูล จะต้องเตรียมวางแผนพร้อมกันไปกับการเก็บรวบรวมและการนำเสนอข้อมูล
สรุป
การวิเคราะห์ข้อมูล ( Data Analysis ) มีเป้าหมายเพื่อสรุปปัญหาที่ทำวิจัยไว้แล้วเป็นการพิสูจน์ความแท้จริงของข้อมูลที่เก็บรวบรวมมาใช้ และการตีความข้อมูล ( Interpretation ) นั้นคือกระบวนการวิจัย (The research process ) เพื่อเรียนรู้อะไร เพื่ออธิบาย ( Explanation ) สิ่งที่ได้มาคืออะไร และขยายความตามเหตุผลว่าทำไมจึงเป็นอย่างนั้น เพื่อสรุปเป็นผลการศึกษาวิจัย การวิเคราะห์ข้อมูล ควรให้รายละเอียดเกี่ยวกับ
1. การสรุปข้อมูล (Summarization of Data) ทั้งนี้จะขึ้นอยู่กับ ชนิดของข้อมูลเชิงคุณภาพ (qualitaive data) หรือข้อมูลเชิงปริมาณ (quantitative data)
2. การนำเสนอข้อมูล (Data Presentation) เพื่อสื่อความหมาย ระหว่างนักวิจัย และผู้อ่านผลการวิจัย ทำให้เข้าใจได้ง่าย และเป็นการประหยัดเวลา ในการเขียนบรรยายผลที่ได้ การนำเสนอข้อมูล ต้องเลือกให้สอดคล้อง กับลักษณะของข้อมูลเช่นกัน
3. การทดสอบสมมติฐาน (ypothesis testing) โดยระถึง สถิติที่เหมาะสม ที่จะใช้ในการทดสอบสมมติฐานนั้น ทั้งนี้ ขึ้นกับปัจจัย 2 ประการ คือ ลักษณะการเปรียบเทียบ ระหว่างกลุ่มที่มีความสัมพันธ์กัน) และการสรุปข้อมูล
4. ปัญหาที่อาจเกิดขึ้นระหว่างการวิเคราะห์ข้อมูล เช่น ข้อมูลขาดหายไป (missing data) ตัวอย่างไม่ให้ความร่วมมือ (non-complier) ผู้ป่วยออกจากการศึกษากลางคัน หรือผู้ป่วยเสียชีวิตด้วยโรคอื่น ที่ไม่เกี่ยวกับโรคที่กำลังทำวิจัย กรณีตัวอย่างที่ยกมานี้ อาจจะเกิดขึ้นได้ จึงจำเป็นต้อง เตรียมการแก้ไข ในขั้นตอนการวิเคราะห์ข้อมูล ว่าจะตัดทิ้งไป หรือนำข้อมูลมาร่วมวิเคราะห์ด้วย
5. การวิเคราะห์ก่อนการวิจัยสิ้นสุด (Interim Analysis) จะทำหรือไม่ และมีเหตุผลอะไรในการกระทำเช่นนั้น จะก่อให้เกิดผลดี และผลเสียอย่างไรบ้าง
เอกสารอ้างอิง
http://www.gotoknow.org/posts/492737 เข้าถึงข้อมูลเมื่อวันที่ 4 มกราคม 2556
http://cai.md.chula.ac.th/lesson/research/re12.htm#06-6 เข้าถึงข้อมูลเมื่อวันที่ 4 มกราคม 2556
http://guru.sanook.com/encyclopedia/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7%E0%B8%B4%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B2%E0%B8%B0%E0%B8%AB%E0%B9%8C%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%95%E0%B8%B5%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1%E0%B8%AB%E0%B8%A1%E0%B8%B2%E0%B8%A2%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5_(Analysis_and_Interpretation_of_Data)/ เข้าถึงข้อมูลเมื่อวันที่ 4 มกราคม 2556
1. การสรุปข้อมูล (Summarization of Data) ทั้งนี้จะขึ้นอยู่กับ ชนิดของข้อมูลเชิงคุณภาพ (qualitaive data) หรือข้อมูลเชิงปริมาณ (quantitative data)
2. การนำเสนอข้อมูล (Data Presentation) เพื่อสื่อความหมาย ระหว่างนักวิจัย และผู้อ่านผลการวิจัย ทำให้เข้าใจได้ง่าย และเป็นการประหยัดเวลา ในการเขียนบรรยายผลที่ได้ การนำเสนอข้อมูล ต้องเลือกให้สอดคล้อง กับลักษณะของข้อมูลเช่นกัน
3. การทดสอบสมมติฐาน (ypothesis testing) โดยระถึง สถิติที่เหมาะสม ที่จะใช้ในการทดสอบสมมติฐานนั้น ทั้งนี้ ขึ้นกับปัจจัย 2 ประการ คือ ลักษณะการเปรียบเทียบ ระหว่างกลุ่มที่มีความสัมพันธ์กัน) และการสรุปข้อมูล
4. ปัญหาที่อาจเกิดขึ้นระหว่างการวิเคราะห์ข้อมูล เช่น ข้อมูลขาดหายไป (missing data) ตัวอย่างไม่ให้ความร่วมมือ (non-complier) ผู้ป่วยออกจากการศึกษากลางคัน หรือผู้ป่วยเสียชีวิตด้วยโรคอื่น ที่ไม่เกี่ยวกับโรคที่กำลังทำวิจัย กรณีตัวอย่างที่ยกมานี้ อาจจะเกิดขึ้นได้ จึงจำเป็นต้อง เตรียมการแก้ไข ในขั้นตอนการวิเคราะห์ข้อมูล ว่าจะตัดทิ้งไป หรือนำข้อมูลมาร่วมวิเคราะห์ด้วย
5. การวิเคราะห์ก่อนการวิจัยสิ้นสุด (Interim Analysis) จะทำหรือไม่ และมีเหตุผลอะไรในการกระทำเช่นนั้น จะก่อให้เกิดผลดี และผลเสียอย่างไรบ้าง
กรรณิกา ทิตารามhttp://guru.sanook.com/encyclopedia/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7%E0%B8%B4%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B2%E0%B8%B0%E0%B8%AB%E0%B9%8C%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%95%E0%B8%B5%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1%E0%B8%AB%E0%B8%A1%E0%B8%B2%E0%B8%A2%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5_(Analysis_and_Interpretation_of_Data)/ ได้รวบรวมและกล่าวไว้ว่า ข้อมูลที่ทำการเก็บรวบรวม โดยทั่วไปจะมีจำนวนมาก เมื่อได้ข้อมูลมาแล้ว ก็จะมีการดำเนินกับข้อมูลด้วยวิธีการต่างๆ เช่น การแยกประเภท การจัดชั้น การสังเขป การหาข้อสรุปเกี่ยวกับลักษณะต่างๆ ของข้อมูล การพิจารณาหาว่าข้อมูลที่เก็บรวบรวมมาได้มีความสัมพันธ์กับข้อมูลอื่นหรือไม่อย่างไร ตลอดจนอาจทำการพยากรณ์เหตุการณ์ในอนาคตจากข้อมูลที่เก็บรวบรวมได้ กระบวนการต่างๆ เหล่านี้เรียกว่า การวิเคราะห์ข้อมูล ซึ่งจะดำเนินการในรายละเอียดอย่างไรและเพียงไรนั้นขึ้นอยู่กับลักษณะของข้อมูล และเรื่องที่ต้องการศึกษา ในบางกรณี การวิเคราะห์ข้อมูลก็ทำโดยใช้กราฟ ดังนั้นเมื่อพิจารณาให้ดีจะเห็นว่าบางขั้นตอนของการวิเคราะห์ข้อมูล เช่นการจัดชั้นหรือแยกประเภทของข้อมูล จะต้องเตรียมวางแผนพร้อมกันไปกับการเก็บรวบรวมและการนำเสนอข้อมูล
เมื่อข้อมูลได้รับการวิเคราะห์แล้ว ขั้นสุดท้ายของการดำเนินการทางสถิติก็คือ การตีความหมายข้อมูลเหล่านั้น การตีความหมายก็คือ การพิจารณาหาว่าอะไรคือข้อสรุปที่ได้จากการวิเคราะห์ ตัวเลขที่ได้จากการวิเคราะห์ช่วยสนับสนุนหรือปฏิเสธสมมุติฐานที่ตั้งไว้เกี่ยวกับเรื่องนั้นๆ และตัวเลขที่ได้จากการวิเคราะห์บอกอะไรบางอย่างใหม่ๆ แก่เราบ้าง
การตีความหมายข้อมูลเป็นเรื่องที่ทำได้ไม่ง่ายนัก เนื่องด้วยความรู้และเอกสารเกี่ยวกับเรื่องที่เกี่ยวข้องมักมีจำกัด ดังนั้นการตีความหมายข้อมูล จึงไม่ควรสรุปลงไปอย่างแน่นอนตายตัวว่าต้องเป็นอย่างนั้นอย่างนี้ นอกจากนั้นเหตุผลอีกประการหนึ่งที่สนับสนุนการกระทำดังกล่าวนี้ ก็คือตัวข้อมูลเอง ได้เคยกล่าวไว้แล้วว่า ข้อมูลประกอบด้วยข้อเท็จและข้อจริง มิใช่ข้อจริงล้วนๆ และตัวเลขที่ได้จากการวิเคราะห์ก็เป็นเพียงค่าประมาณ ดังนั้นการตีความหมายข้อมูลโดยการสรุปอย่างแน่นอนตายตัว จึงมีโอกาสผิดพลาดได้ง่ายมาก
อย่างไรก็ตาม การตีความหมายที่ดี ขึ้นอยู่กับหลักเกณฑ์ 4 ประการ ดังต่อไปนี้
1. มีความตั้งใจแน่วแน่ที่จะค้นหาความจริงทุกอย่างที่ซ่อนเร้นอยู่ในข้อมูล
2. มีความรู้ความเข้าใจอย่างกว้างขวางในเหตุการณ์หรือเรื่องที่กำลังศึกษา
3. มีความคิดที่เป็นระเบียบและมีเหตุผลในการทำงาน
4. มีความสามารถในการใช้ถ้อยคำที่ชัดเจน ทำให้อ่านเข้าใจได้ง่าย กระบวนการต่างๆ ของการวิเคราะห์ข้อมูล แยกกล่าวเป็นข้อๆ ได้ดังต่อไปนี้
การตีความหมายข้อมูลเป็นเรื่องที่ทำได้ไม่ง่ายนัก เนื่องด้วยความรู้และเอกสารเกี่ยวกับเรื่องที่เกี่ยวข้องมักมีจำกัด ดังนั้นการตีความหมายข้อมูล จึงไม่ควรสรุปลงไปอย่างแน่นอนตายตัวว่าต้องเป็นอย่างนั้นอย่างนี้ นอกจากนั้นเหตุผลอีกประการหนึ่งที่สนับสนุนการกระทำดังกล่าวนี้ ก็คือตัวข้อมูลเอง ได้เคยกล่าวไว้แล้วว่า ข้อมูลประกอบด้วยข้อเท็จและข้อจริง มิใช่ข้อจริงล้วนๆ และตัวเลขที่ได้จากการวิเคราะห์ก็เป็นเพียงค่าประมาณ ดังนั้นการตีความหมายข้อมูลโดยการสรุปอย่างแน่นอนตายตัว จึงมีโอกาสผิดพลาดได้ง่ายมาก
อย่างไรก็ตาม การตีความหมายที่ดี ขึ้นอยู่กับหลักเกณฑ์ 4 ประการ ดังต่อไปนี้
1. มีความตั้งใจแน่วแน่ที่จะค้นหาความจริงทุกอย่างที่ซ่อนเร้นอยู่ในข้อมูล
2. มีความรู้ความเข้าใจอย่างกว้างขวางในเหตุการณ์หรือเรื่องที่กำลังศึกษา
3. มีความคิดที่เป็นระเบียบและมีเหตุผลในการทำงาน
4. มีความสามารถในการใช้ถ้อยคำที่ชัดเจน ทำให้อ่านเข้าใจได้ง่าย กระบวนการต่างๆ ของการวิเคราะห์ข้อมูล แยกกล่าวเป็นข้อๆ ได้ดังต่อไปนี้
1. การแยกประเภทข้อมูล
2. การสังเขปข้อมูล
3. การหาข้อสรุปเกี่ยวกับลักษณะต่าง ๆ ของข้อมูล
4. แนวโน้มของข้อมูล
5. การพยากรณ์ทางสถิติ
สรุป
การวิเคราะห์ข้อมูล ( Data Analysis ) มีเป้าหมายเพื่อสรุปปัญหาที่ทำวิจัยไว้แล้วเป็นการพิสูจน์ความแท้จริงของข้อมูลที่เก็บรวบรวมมาใช้ และการตีความข้อมูล ( Interpretation ) นั้นคือกระบวนการวิจัย (The research process ) เพื่อเรียนรู้อะไร เพื่ออธิบาย ( Explanation ) สิ่งที่ได้มาคืออะไร และขยายความตามเหตุผลว่าทำไมจึงเป็นอย่างนั้น เพื่อสรุปเป็นผลการศึกษาวิจัย การวิเคราะห์ข้อมูล ควรให้รายละเอียดเกี่ยวกับ
1. การสรุปข้อมูล (Summarization of Data) ทั้งนี้จะขึ้นอยู่กับ ชนิดของข้อมูลเชิงคุณภาพ (qualitaive data) หรือข้อมูลเชิงปริมาณ (quantitative data)
2. การนำเสนอข้อมูล (Data Presentation) เพื่อสื่อความหมาย ระหว่างนักวิจัย และผู้อ่านผลการวิจัย ทำให้เข้าใจได้ง่าย และเป็นการประหยัดเวลา ในการเขียนบรรยายผลที่ได้ การนำเสนอข้อมูล ต้องเลือกให้สอดคล้อง กับลักษณะของข้อมูลเช่นกัน
3. การทดสอบสมมติฐาน (ypothesis testing) โดยระถึง สถิติที่เหมาะสม ที่จะใช้ในการทดสอบสมมติฐานนั้น ทั้งนี้ ขึ้นกับปัจจัย 2 ประการ คือ ลักษณะการเปรียบเทียบ ระหว่างกลุ่มที่มีความสัมพันธ์กัน) และการสรุปข้อมูล
4. ปัญหาที่อาจเกิดขึ้นระหว่างการวิเคราะห์ข้อมูล เช่น ข้อมูลขาดหายไป (missing data) ตัวอย่างไม่ให้ความร่วมมือ (non-complier) ผู้ป่วยออกจากการศึกษากลางคัน หรือผู้ป่วยเสียชีวิตด้วยโรคอื่น ที่ไม่เกี่ยวกับโรคที่กำลังทำวิจัย กรณีตัวอย่างที่ยกมานี้ อาจจะเกิดขึ้นได้ จึงจำเป็นต้อง เตรียมการแก้ไข ในขั้นตอนการวิเคราะห์ข้อมูล ว่าจะตัดทิ้งไป หรือนำข้อมูลมาร่วมวิเคราะห์ด้วย
5. การวิเคราะห์ก่อนการวิจัยสิ้นสุด (Interim Analysis) จะทำหรือไม่ และมีเหตุผลอะไรในการกระทำเช่นนั้น จะก่อให้เกิดผลดี และผลเสียอย่างไรบ้าง
เอกสารอ้างอิง
http://www.gotoknow.org/posts/492737 เข้าถึงข้อมูลเมื่อวันที่ 4 มกราคม 2556
http://cai.md.chula.ac.th/lesson/research/re12.htm#06-6 เข้าถึงข้อมูลเมื่อวันที่ 4 มกราคม 2556
http://guru.sanook.com/encyclopedia/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7%E0%B8%B4%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B2%E0%B8%B0%E0%B8%AB%E0%B9%8C%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%95%E0%B8%B5%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1%E0%B8%AB%E0%B8%A1%E0%B8%B2%E0%B8%A2%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5_(Analysis_and_Interpretation_of_Data)/ เข้าถึงข้อมูลเมื่อวันที่ 4 มกราคม 2556
ไม่มีความคิดเห็น:
แสดงความคิดเห็น