فهرست
تازه‌های دیوار من
برای مشاهده آخرین مطالب دیوار خود، باید وارد سامانه شوید.

Loading

روش الگو‌‌سازی (مدل سازی) ساختاری تفسیری یکی از روش‌های پژوهش برای شناسایی روابط بین مفاهیم است.

کاربردها

با استفاده از روش الگوسازی ساختاری تفسیری، روابط بین مفاهیم (و متغیرها) آشکار شده و سامانه حاصل را به چند سطح تقسیم می‌شود، همچنین اثر گذاری و اثر‌پذیری (قدرت نفود و میزان وابستگی) مشخص می‌شود. روابط بین مفاهیم در این روش را می‌توان به صورت یک گراف جهت دار چند سطحی نمایش داد.

این روش به صورت فردی یا جمعی قابل استفاده است.

روش‌های مرتبط

اولین مرحله روش الگوسازی ساختاری تفسیری، شناسایی متغیرها است. برای شناسایی متغیرها از این روش‌ها می‌توان استفاده کرد

خروجی روش الگوسازی ساختاری تفسیری، به عنوان ورودی این روش‌ها قابل استفاده است:

  • پویایی‌های سامانه
  • الگوسازی معادله ساختاری
  • فرایند تحلیل سلسله‌مراتبی، فرایند تحلیل شبکه ای

روش‌های مشابه با روش الگوسازی ساختاری تفسیری (برای شناسایی روابط بین مفاهیم) عبارتند از:

نمونه‌های کاربرد

فعالیت ها

روش الگوسازی ساختاری تفسیری 6 گام دارد که عبارت‌اند از: شناسایی متغیرها، تشکیل ماتریس خود تعاملی ساختاری، ایجاد ماتریس دسترسی اولیه، محاسبه ماتریس دسترسی نهایی، سطح بندی، محاسبه میزان وابستگی و قدرت نفوذ.

گام اول، بیانگر آماده‌‌سازی مقدمات برای اجرای الگوسازی ساختاری تفسیری است. در گام دوم و سوم روابط بین متغیرها به دو صورت برقرار می‌شود؛ می‌توان گام دوم را نادیده گرفت و یکباره در گام سوم روابط بین متغیرها را برقرار نمود. در برخی متون، رسم نمودار را یک گام مستقل محسوب کردن و گام پنجم، به دو گام تفکیک می‌شود.

در ادامه گام‌های این روش با یک مثال فرضی توضیح داده شده است.

گام اول: شناسایی متغیرها

این مرحله با بررسی مطالعات گذشته و دریافت نظر کارشناسان انجام شده و متغیرهایی که روابط بین آن‌ها باید شناسایی شود، مشخص می‌شوند.

مثال: متغیرهای شناسایی شده عبارت‌اند از: الف، ب، ج، د، ه، و، ز، ح، ط

گام دوم: تشکیل ماتریس خود تعاملی ساختاری

در این مرحله رابطه هر یک از متغیرها با سایر متغیرها به صورت دو به دو بررسی می‌شوند و پاسخ با استفاده از نمادهای زیر درون ماتریس خودتعاملی ساختاری1 نوشته می‌شود:

  • V: متغیر i به تحقق متغیر j کمک می‌کند.
  • A: متغیر j به تحقق متغیر i کمک می‌کند.
  • X: متغیر i و j هر دو به تحقق هم کمک می‌کنند.
  • O: متغیر i و j باهم ارتباط ندارند.

مثال: ماتریس خودتعاملی ساختاری در جدول 1 نمایش داده شده است

جدول 1 : ماتریس خودتعاملی ساختاری

متغیرها ط ح ز و ه د ج ب الف
الف A O O X A A V O
ب V A X V A X O
ج A O O V O A
د V A X V A
ه O V V V
و A O O
ز O A
ح V
ط

گام سوم: ایجاد ماتریس دسترسی اولیه

در این مرحله، ماتریس خودتعاملی ساختاری به یک ماتریس دودویی 2 تبدیل شده و به این ترتیب ماتریس دسترسی 3اولیه به دست می‌آید.

برای تبدیل ماتریس خود تعاملی به ماتریس دسترسی، به جای نمادهای V,X,O و A، اعداد صفر و یک گذاشته می‌شود، به این ترتیب:

  • اگر درایه (i,j) (محل تلاقی سطر i و ستون j) ماتریس خودتعاملی ساختاری، V باشد در درایه (i,j) ماتریس دسترسی عدد یک و در سلول (j,i) عدد صفر قرار داده می‌شود.
  • اگر درایه (i,j) ماتریس خودتعاملی ساختاری، A باشد درایه (i,j) در ماتریس دسترسی عدد صفر و در درایه (j,i)، عدد یک قرار داده می‌شود.
  • اگر درایه (i,j) ماتریس خودتعاملی ساختاری، X باشد درایه (i,j) در ماتریس دسترسی عدد یک و در درایه (j,i)، عدد یک قرار داده می‌شود.
  • اگر درایه(i,j) ماتریس خودتعاملی ساختاری، O باشد درایه (i,j) در ماتریس دسترسی عدد صفر و در درایه(j,i)، عدد صفر قرار داده می‌شود.
  • در درایه‌هایی که i=j باشد، عدد یک قرار داده می‌شود.

مثال: ماتریس دسترسی اولیه در جدول 2 و روابط بین متغیرها به صورت گراف درتصویر 1 نمایش داده شده است.

جدول 2 : ماتریس دسترسی اولیه

متغیرها الف ب ج د ه و ز ح ط
الف 1 0 1 0 0 1 0 0 0
ب 0 1 0 1 0 1 1 0 1
ج 0 0 1 0 0 1 0 0 0
د 1 1 1 1 0 1 1 0 1
ه 1 1 0 1 1 1 1 1 0
و 1 0 0 0 0 1 0 0 0
ز 0 1 0 1 0 0 1 0 0
ح 0 1 0 1 0 0 1 1 1
ط 1 0 1 0 0 1 0 0 1

تصویر 1 : روابط بین متغیرها به صورت گراف

در صورت استفاده جمعی از روش الگوسازی ساختاری تفسیری، برای هر پاسخ دهنده یک ماتریس دسترسی اولیه ایجاد می‌شود و میانگین این ماتریس‌ها مبنای ادامه روش خواهد بود.

گام چهارم: محاسبه ماتریس دسترسی نهایی

با افزوردن روابط تراگذاری به ماتریس دسترسی اولیه، ماتریس دسترسی نهایی تشکیل می‌شود. تراگذری بیانگر این است که اگر متغیر الف بر متغیر ب تاثیر داشته باشد و متغیر ب بر متغیر ج تاثیر بگذارد، الف بر ج نیز تاثیر می‌گذارد.

ماتریس دسترسی نهایی یک ماتریس مربعی است که هر یک از درایه‌های rij آن هنگامی که متغیر ri به عنصر rj با هر طولی دسترسی داشته باشد و در غیر این صورت برابر با صفر است. ماتریس دسترسی نهایی با استفاده از نظریه اویلر 4 محاسبه می‌شود که در آن ماتریس مجاورت را به ماتریس واحد اضافه می‌کنیم و سپس این ماتریس را در صورت تغییر نکردن درایه‌های ماتریس به توان n می‌رسانیم: M=(A+I)n. ماتریس A ماتریس دسترسی اولیه، I ماتریس همانی و M ماتریس دسترسی نهایی است.

مثال: ماتریس دسترسی نهایی در جدول 3 نمایش داده شده است.

جدول 3 : ماتریس دسترسی نهایی

متغیرها الف ب ج د ه و ز ح ط
الف 1 0 1 0 0 1 0 0 0
ب 1 1 1 1 0 1 1 0 1
ج 1 0 1 0 0 1 0 0 0
د 1 1 1 1 0 1 1 0 1
ه 1 1 1 1 1 1 1 1 1
و 1 0 1 0 0 1 0 0 0
ز 1 1 1 1 0 1 1 0 1
ح 1 1 1 1 0 1 1 1 1
ط 1 0 1 0 0 1 0 0 1

گام پنجم: سطح بندی

تفکیک سامانه به سطوح مختلف به شفاف‌‌سازی نقش هر یک از اجزای تشکیل دهنده و تعامل طرفینی آن‌ها کمک و فرایند تجزیه و تحلیل آن‌ها را نیز تسهیل می‌نماید. به‌ عبارت دیگر، سطح‌بندی سبب کاهش پیچیدگی و افزایش قابلیت تجزیه و تحلیل می‌شود.

در این گام، ماتریس دسترسی نهایی به چند سطح تقسیم می‌شود؛ برای این کار:

  1. خروجی‌ها و ورودی‌های هر متغیر با استفاده از ماتریس‌های دسترسی نهایی به دست می‌آید؛
  2. پس از تعیین ورودی‌ها و خروجی‌ها، اشتراک آن‌ها برای هر یک از متغیرها تعیین می‌شود؛
  3. متغیرهایی که مجموعه خروجی و مشترک آن‌ها کاملا یکسان باشند، در بالاترین سطح سلسله‌مراتب قرار می‌گیرند؛

به‌ منظور یافتن متغیر‌های سطح بعدی، متغیرهای تعیین سطح شده حذف و عملیات مربوط به تعیین اجزای سطح بعدی مانند روش تعیین اجزای بالاترین سطح انجام می‌شود. این عملیات تا آنجا تکرار می‌شود که تمامی متغیرها سطح‌بندی شوند. متغیرهایی که در سطوح بالاتر هستند از تاثیرگذاری کمتری برخوردارند و بیشتر تحت تاثیر سایر متغیرها می‌باشند.

خروجی و ورودی‌های یک متغیر این گونه تعیین می‌شوند:

  • خروجی‌های یک متغیر: متغیرهایی که متغیر مورد نظر، بر آن‌ها تاثیر می‌گذارد. این‌ها متغیرهایی هستند که درایه آن‌ها در سطر متغیر مورد نظر، عدد 1 است.
  • ورودی‌های یک متغیر: متغیرهایی که، بر متغیر مورد نظر تاثیر می‌گذارد. این‌ها متغیرهایی هستند که درایه آن‌ها در ستون متغیر مورد نظر، عدد 1 است.

مثال: جدول 4 اولین تکرار را نشان می‌دهد که در آن متغیرهای «الف، ج، و» بالاترین سطح قرار می‌گیرند. پس از این که در اولین تکرار متغیرهای بالاترین سطح مشخص شد، باید این متغیرها را از سایر متغیرها جدا کرده و دوباره سطح‌بندی انجام شود. این عمل تا زمانی که سطح تمامی متغیرها مشخص شود تکرار می‌شود. جدول 5 تکرارهای 2 تا 5 برای تعیین سطوح بعدی را نشان می‌دهد.

جدول 4 : اولین تکرار بخش‌بندی سطوح ماتریس دسترسی

متغیرها متغیر‌های خروجی مجموعه ورودی مجموعه مشترک سطح
الف و،ج،الف ط،ح،ز،و،ه،د،ج،ب،الف و،ج،الف 1
ب ط،ز،و،د،ج،ب،الف ح،ز،ه،د،ب ز،د،ب
ج و،ج،الف ط،ح،ز،و،ه،د،ج،ب،الف و،ج،الف 1
د ط،ز،و،د،ج،ب،الف ح،ز،ه،د،ب ز،د،ب
ه ط،ح،ز،و،ه،د،ج،ب،الف ه ه
و و،ج،الف ط،ح،ز،و،ه،د،ج،ب،الف و،ج،الف 1
ز ط،ز،و،د،ج،ب،الف ح،ز،ه،د،ب ز،د،ب
ح ط،ح،ز،و،د،ج،ب،الف ح،ه ح
ط و،ط،ج،الف ط،ح،ز،ه،د،ب ط

جدول 5 : تکرار دوم تا پنجم بخش‌بندی سطوح ماتریس دسترسی

تکرار مانع مجموعه خروجی مجموعه ورودی مجموعه مشترک سطح
2 ط ط ط،ح،ز،ه،د،ب ط 2
3 ب ز،د،ب ح،ز،ه،د،ب ز،د،ب 3
د ز،د،ب ح،ز،ه،د،ب ز،د،ب 3
ز ز،د،ب ح،ز،ه،د،ب ز،د،ب 3
4 ح ح ح،ه ح 4
5 ه ه ه ه 5

در این گام با توجه به سطوح متغیرها و ماتریس دسترسی نهایی، یک الگوی اولیه رسم و از طریق حذف انتقال پذیری‌ها در الگوی اولیه، الگوی نهایی به دست می‌آید.

مثال: الگوی نهایی به دست آمده در تصویر 2 با نمایش تمامی روابط و درتصویر 3 به صورت خلاصه نشان داده شده است. رابطه‌هایی که به صورت خط چین نشان داده شده‌اند، روابط تراگذری هستند که از ماتریس دسترسی نهایی بدست آمده‌اند.

تصویر 2 : روابط بین متغیرها و سطح‌بندی آن ها

تصویر 3 : سطح‌بندی متغیرها

گام ششم: محاسبه میزان وابستگی و قدرت نفوذ

در این گام قدرت نفوذ و میزان وابستگی برای هر متغیر بر اساس ماتریش دسترسی نهایی محاسبه می‌شود. روش محاسبه این دو مقدار به این شرح است:

  • قدرت نفوذ یک متغیر از جمع تعداد متغیرهای متاثر از آن و خود متغیر به دست می‌آید؛ قدرت نفوذ برابر با مجموع اعداد هر سطر است.
  • میزان وابستگی یک متغیر نیز از جمع متغیرهایی که از آن‌ها تاثیر می‌پذیرد و خود متغیر به دست می‌آید؛ میزان وابستگی برابر با مجموع اعداد هر ستون است.

مثال: محاسبات میزان وابستگی و قدرت نفوذ در جدول 6 نمایش داده شده است. قدرت نفوذ متغیر الف برابر با 3 و میزان وابستگی آن برابر با 9 است.

جدول 6 : ماتریس دسترسی نهایی - محاسبه میزان وابستگی و قدرت نفوذ

متغیرها الف ب ج د ه و ز ح ط قدرت نفوذ
الف 1 0 1 0 0 1 0 0 0 3
ب 1 1 1 1 0 1 1 0 1 7
ج 1 0 1 0 0 1 0 0 0 3
د 1 1 1 1 0 1 1 0 1 7
ه 1 1 1 1 1 1 1 1 1 9
و 1 0 1 0 0 1 0 0 0 3
ز 1 1 1 1 0 1 1 0 1 7
ح 1 1 1 1 0 1 1 1 1 8
ط 1 0 1 0 0 1 0 0 1 4
میزان وابستگی 9 5 9 5 1 9 5 2 6

بر اساس میزان وابستگی و قدرت نفوذ، متغیرها در چهار گروه طبقه‌بندی می‌شوند:

  1. متغیرهای خودمختار (ناحیه1): قدرت نفوذ و وابستگی ضعیفی دارند. این متغیرها تا حدودی از سایر متغیرها مجزا هستند و ارتباطات کمی دارد.
  2. متغیرهای وابسته (ناحیه2): از قدرت نفوذ ضعیف اما وابستگی بالایی برخوردارند.
  3. متغیرهای پیوندی (ناحیه3): از قدرت نفوذ و وابستگی بالایی برخوردارند. هرگونه عملی بر روی این متغیرها باعث تغییر سایر متغیرها می‌شود.
  4. متغیرهای مستقل (ناحیه4): دارای قدرت نفوذ بالا و وابستگی پایینی هستند.

متغیرهایی که از قدرت نفوذ بالایی برخوردارند، اصطلاحا متغیرهای کلیدی نامیده می‌شوند. واضح است که این متغیرها در یکی از دو گروه متغیرهای مستقل یا پیوندی جای می‌گیرند.

مثال: در تصویر زیر نمودار میزان وابستگی - قدرت نفوذ نماتیش داده شده است. متغیرهای «الف، ج، و، ط» در ناحیه دوم (وابسته) واقع شده‌اند. در این ناحیه، قدرت نفوذ ضعیف و وابستگی بالاست. همچنین، متغیرهای «ب، د، ز» در ناحیه پیوندی قرار گرفته‌اند. متغیرهای این ناحیه، قدرت نفوذ و وابستگی بالایی دارند. علاوه بر این، متغیرهای «ه، ح» در ناحیه نفوذ (ناحیه چهارم) از قدرت نفوذ بالا و وابستگی پایینی برخوردارند. بنابراین، می‌توان گفت متغیرهای «ب، د، ه، ز، ح» جزو متغیرهای کلیدی محسوب می‌شوند.

ه 9
ح 8
ب، د، ز 7
6
5
ط 4
الف، ج، و 3
2
1
9 8 7 6 5 4 3 2 1

معیارهای کیفیت

در حین انجام پژوهش و پس از آن، باید کیفیت فرایند و نتایج (که شامل روایی 5 و پایایی6 نیز می‌شود) بررسی شوند.

ابزارها

با توجه به تعدد تصمیم‌گیری‌ها و تعدد افراد (در صورت استفاده گروهی از این روش) استفاده از نرم‌افزارهای رایانه‌ای، سرعت اجرای روش را افزایش می‌دهد. بهترین حالت استفاده استفاده گروهی و با کمک رایانه است.

تحلیل

در این روش نوع و شدت روابط تعیین نمی‌شوند.

این روش کاربر به سمت انتخاب مولفه‌های با اهمیت موضوع مورد مطالعه سوق پیدا کرده و اثرات متقابل را با توجه به یک ارتباط زمینه‌ای خاص بررسی کند.

انسان به‌ دلیل محدودیتهای ذهنی قادر نیست به صورت همزمان تعداد زیادی از عناصر را بررسی نماید، این روش با تمرکز دادن افراد (گروه) به ارتباط بین دو عنصر در یک موضوع و در یک زمان بدون از دست دادن خصوصیات کلی موضوع، تلاش می‌کند بر این محدودیت فائق آید.

سابقه

روش الگوسازی ساختاری تفسیری توسط وارفیلد (1974) طراحی شده است.

واژه شناسی

مدل تفسیری نامیده می‌شود زیرا مبتنی بر قضاوت جمعی است.

الزامات

ویژگی‌های پژوهشگر

این روش به صورت فردی نیز قابل استفاده است ولی بیشترین بازدهی را زمانی دارد که توسط یک گروه استفاده شود. این گروه می‌تواند شامل چهار دسته از افراد باشد:

  • متخصصین با دانش مربوط به جنبه‌های مختلف موضوع
  • ذینفعان که به نحوی از خروجی‌های روش تاثیر می‌گیرند
  • مدل سازان که با کمک سایر شرکت نندگان به ساختارمند کردن موضوع می‌پردازند.
  • تسهیل گر که شرکت کنندگان را در طول فرایند هدایت می‌کند.

اطلاعات بیشتر


↑ [1] Structural Self-Interaction Matrix
↑ [2] Binary
↑ [3] Reachability Matrix
↑ [4] Euler, L.
↑ [5] Validity
↑ [6] Reliability
روش پژوهش