۱۲

۰٫۶۸۳

دوم

۱۰

۱۵

۰٫۷۰۲

جدول ‏۳-۱ : نتایج اعتباریابی پرسشنامه های اجرا شده
روش محاسبه آلفای کرونباخ
ضریب آلفای کرونباخ برای سنجش میزان تک بعدی بودن نگرشها، قضاوتها، عقاید و سایر مقولاتی که اندازه گیری آنها آسان نیست، بکار میرود. در واقع بدنبال این هستیم که مشخص نمائیم تا چه حد برداشت پاسخگویان از سوالات یکسان بوده است. اساس ضریب آلفای کرونباخ نیز پایه طیفها یا مقیاسها است. مقیاس عبارت است از دستهای از اعداد که بر روی یک پیوستار به افراد، اشیاء یا رفتار در جهت به کمیّت کشاندن کیفیتها اختصاص داده میشود، به عبارت دیگر مقیاسها جهت اندازه گیری گرایش و نگرشها بکار میرود.

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

چون فرمول آلفای کرونباخ مبتنی بر واریانس است، بنابراین طبق خواص واریانس به هر ترتیبی که نمره داده شود، مقدار آن تغییر پیدا نمیکند. نکته قابل توجّه آنکه در گویه های منفی ترتیب نمرات عکس حالت فوق میباشد، البته ممکن است پاسخها به صورت تواتر زمانی بیان شوند.
در مقیاس لیکرت اساس کار بر فرض هم وزن بودن گویه ها استوار است، بدین ترتیب به هر گویه نمراتی از بین ۱ تا ۵ داده میشود. مجموع نمراتی که هر فرد از گویه ها میگیرد نمایانگر گرایش او خواهد بود، از این رو به این مقیاس مقیاس مجموع نمرات نیز گفته میشود.
برای تشخیص مناسب بودن گویه ها در این مقیاس سعی میشود از ضابطه سازگاری درونی استفاده شود، بدین معنی که هر یک از گویه های دیگر در رابطه گذاشته میشوند و از روی میزان هماهنگی و همبستگی آن با سایر گویه ها پایداری و مناسب بودن آن تشخیص داده میشود، در ضمن ضریب آلفای کرونباخ گویای این است که برداشت پاسخگویان از سئوالات یکسان بوده است یا خیر؟. در واقع هدف از کاربرد آزمون کرونباخ این است که دریابیم همه گویه ها در موضوع مورد نظر تحقیق را پاسخ میدهد یا نه؟؛ بنابراین با محاسبه آلفای کرونباخ همسانی گویه ها را میسنجیم و زمانی کاربرد دارد که سئوالات آزمون دو جوابی مثلاً، بلی یا خیر، درست یا نادرست، موافق یا مخالف.. نباشد، بلکه درجه موافقت یا مخالفت مشخص گردد. یعنی گویه چند گزینه (مقیاس لیکرت) باشد، البته این بدان معنی نیست که برای گویه های دو ارزشی نمی توان ضریب آلفای کرونباخ را پیدا نمود.
برای محاسبه این ضریب از نرم‌افزار آماری SPSS استفاده گردید. آلفای کرونباخ برای ۱۰ پرسشنامه اول پژوهش حدود ۰٫۶۸۳ و برای پرسشنامه دوم حدود ۰٫۷۰۲ محاسبه گردید، که براساس اصول روش تحقیق، مقدار مطلوبی تلقّی میشود و نشان دهنده آن است که پرسشنامه ها از پایائی خوبی برخوردار بوده است.
روش تجزیه و تحلیل داده ها
پس از اینکه پژوهشگر روش تحقیق خود را مشخص کرد و با بهره گرفتن از ابزارهای مناسب، داده های مورد نیاز را برای آزمون فرضیه های خود جمعآوری نمود، اکنون نوبت آن است که با بهره گیری از تکنیکهای آماری مناسبی که با روش تحقیق، نوع متغیرها و… سازگاری دارند، داده های جمعآوری شده را دستهبندی و تجزیه و تحلیل نماید، و در نهایت فرضیههایی را که تا این مرحله او را در تحقیق هدایت کردهاند در بوته آزمایش قرار دهد و تکلیف آنها را روشن کند و سرانجام بتواند پاسخی (راه حلی) برای پرسشی که تحقیق تلاشی سیستماتیک برای بدست آوردن آن بود، بیابد (خاکی، ۱۳۸۸، ص ۳۰۴ – ۳۰۳).
هر وقت بخواهیم یک ادعا یا فرضیهای را بر مبنای حمایت قوی از رویدادهای نمونه توجیه کنیم، مساله ما آزمون فرضها نامیده میشود. به طور کلی، هدف از آزمون فرضهای آماری اینست که تعیین کنیم آیا ادّعا یا نظریهای که درباره ویژگی یک جامعه یا یک پارامتر وجود دارد، قویاً توسط اطلاعات به دست آمده از داده های نمونه تأیید میشود ( ریچارد جانسون، ۱۳۸۱، صص ۳۹۹ – ۳۹۸).
در این تحقیق، از آمار توصیفی^[۳۸] برای توصیف متغیّرهای جمعیّت شناختی همانند جنسیت پاسخدهندگان به سئوالات، میزان تحصیلات، سابقه کار و… استفاده شده است. در یک جمعبندی با استفاده مناسب از روش های آمار توصیفی می‌توان دقیقاً ویژگیهای یک دسته از اطلاعات را بیان کرد. آمار توصیفی همیشه برای تعیین و بیان ویژگیهای اطلاعات پژوهش‌ها بکار برده می‌شوند، بدین منظور، اطلاعات متغیّرهای تحقیق با بهره گرفتن از جداول فراوانی و نمودارهای هیستوگرام، نشان داده شدهاند.
از استنباط آماری مربوط به آزمون فرضهای آماری و نظریه استنباط آماری^[۳۹] برای تجزیه و تحلیل داده ها و آزمون فرضیات بهره گرفته شده است. به منظور تجزیه و تحلیل استنباطی داده ها و آزمون فرضیه های تحقیق از فنون آمار استنباطی و ناپارامتریک از جمله آزمونهای فریدمن^[۴۰] استفاده میگردد.
به منظور بررسی تاثیر شاخصهای موثّر، از آزمون فریدمن و نرمافزار SPSS بر روی کلیه شاخصها استفاده میشود. این آزمون بیان کننده تاثیر عوامل درنظر گرفته شده در تحقیق میباشد و امکان تعیین مهمترین شاخص را مهیّا مینماید.
آزمون فریدمن
آزمون فریدمن یک آزمون ناپارامتری، معادل آنالیز واریانس با اندازه های تکراری (درون گروهی) است که از آن برای مقایسه میانگین رتبه ها در بین K متغیر (گروه) استفاده می‌کنیم. وقتی داده‏های مربوط به k گروه نمونه جور شده، حداقل در سطح مقیاس ترتیبی باشند، «آزمون فریدمن برای تجزیه واریانس دوطرفه از طریق رتبه‏بندی» بکار می‏رود تا این فرضیه را که k گروه نمونه همه از یک جامعه آماری مشترک آمده‏اند، بسنجیم. از آنجا که k گروه نمونه از پیش جور شده‏اند، تعداد افراد در هر یک از گروه‏ها مساوی است. جور کردن را می‏توان با آزمایش کردن یک گروه آزمودنی تحت همه شرایط انجام داد یا اینکه پژوهش‏گر می‏تواند چندین مجموعه را که در هر مجموعه k نفر که با هم جور شده‏اند قرار دهد و سپس از هر مجموعه نفر اول را به طور تصادفی به موقعیت اول، نفر دوم را به موقعیت دوم، و نفر سوم را به موقعیت سوم الی آخر تقسیم کند.
برای بکار بردن «آزمون فریدمن» داده‏ها در جدولی دوطرفه که دارای N ردیف و k ستون باشد، تقسیم می‏شوند. ردیف‏ها نماینده آزمودنی‏ها یا مجموعه‏هائی از آزمودنی‏های جور شده، و ستون‏ها نماینده موقعیت‏های مختلف هستند. اگر نمرات آزمودنی‏ها که در تحت همه موقعیت‏ها قرار می‏گیرند مورد مطالعه باشد، در آن صورت هر ردیف نشان دهنده نمرات یک آزمودنی در تحت k موقعیت است.
داده‏های تحت مطالعه این آزمون از نوع رتبه‏ها هستند. نمرات در هر ردیف جداگانه رتبه‏بندی می‏شوند. یعنی وقتی که k موقعیت مورد مطالعه قرار می‏گیرد، رتبه‏ها در هر ردیف از ۱ تا k مرتب می‏شوند. «آزمون فریدمن» معلوم می‏کند که آیا این احتمال وجود دارد که «ستون‏های» جدول (یعنی گروه‏های نمونه) از یک جامعه آماری مشترک آمده باشند یا خیر؟.
براساس آزمون صورت پذیرفته مشخص گردید که اهمیت کلیه شاخصها یکسان نبوده و شاخص دوم با عنوان «استقبال» از منظر خبرگان در رتبه اول قرار داشته و بعنوان مهمترین عوامل موثر در روش های الکترونیکی جمعآوری اعانات مدنظر است و از سوی دیگر از منظر خیرین عامل «زیرساختهای فناوری اطلاعات» نسبت به دو عامل دیگر از اهمیت بیشتر برخوردار است.
ادبیات ANP
“توماس ال ساعتی” در سال ۱۹۷۱ فرایند تحلیل سلسله مراتبی را ابداع کرد. این روش یک چارچوب سلسله مراتبی برای تحلیل کاملاً سیستماتیک تمامی عوامل تأثیرگذار بر یک مسأله را تدارک دیده و رویه ها و اصولی را تدوین مینماید تا از چندین گزینه، بهترین جواب ممکن انتخاب گردد. فرایند تحلیل شبکه ای (ANP) حالت تعمیم یافته AHP است. روش AHP بعنوان مورد خاصی از ANP محسوب میشود مراحل بکارگیری روش AHP به شرح زیر میباشد:
تعریف مسأله،
ساختن سلسله مراتب
طراحی پرسشنامه
مقایسات زوجی جزء به جزء
آزمون سازگاری بر اساس نرخ ناسازگاری و
انتخاب گزینه (Coulter K & Sarkis، ۲۰۰۵).
درک ANP با معرفی مختصری از روش AHP آسانتر است، زیرا این روش بر اساس AHP پیریزی شده است. اگر روش AHP را مجهز به به یک مکانیزم بازخورد در حل مسأله نماییم که وابستگیهای متقابل چندگانه را مدنظر قرار دهد، آنگاه روش کار بر اساس ANP است. مطالعات بسیاری به بررسی تفاوتهای این دو روش پرداختهاند (Eddie and cheng، ۲۰۰۴،۲۰۰۵، Coulter and Sarkis، ۲۰۰۵ Jhanrkharia، ۲۰۰۷، Dyer 1992).
بطور کلی مدل AHP تنها در مدلهای تصمیم سلسلهمراتبی بکار برده شود و برای مسایل تصمیم پیچیده و دارای ساختار شبکهای ANP توصیه میشود، از آنجایی که روش ANP امکان بررسی وابستگیها را در مدل میسر میسازد، قادر به ارزیابی روابط چند جهته در بین اجزا و عناصر تصمیم است. وابستگیها می توانند: (۱) وابستگی درونی، (۲) ارتباط سطوح نامربوط با هم، (۳) وابستگی متقابل و دو طرفه باشند. این نوع وابستگیها در مطالعات بسیاری تشریح شده است (Eddie and Cheng، ۲۰۰۴:۱۰۲۳).
مدل ANP برای حل مسایل تصمیمگیری پیچیده مورد استفاده قرار میگیرد. فرایند تحلیل شبکهای این امکان را به دست میدهد که به صورت نظامند با تمام انواع ارتباطات و وابستگیها در سیستم تصمیمگیری برخورد داشته باشیم. یک مسأله تصمیمگیری که توسط فرایند تحلیل شبکهای تحلیل میشود، به واسطه بهرهگیری از یک شبکه یا ساختار کنترلی مورد بررسی قرار میگیرد. شبکه تصمیمگیری، شبکهای است که از خوشهها، عناصر و ارتباطات تشکیل شده است. خوشه، مجموعهای از عناصر مرتبط در یک شبکه یا خرده شبکه است. برای هر معیار کنترلی، خوشهها و عناصر در نظر گرفته میشود. تمامی تعاملات و بازخورها در درون خوشه، تحت نام وابستگیهای درونی^[۴۱] و تعاملات و بازخورهای میان خوشهها با عنوان وابستگیهای بیرونی^[۴۲] شناخته میشوند. سلسله مراتب کنترلی^[۴۳]، سلسله مراتب معیارها و زیر معیارهای کنترلی^[۴۴] است که برای آنها اولویتها به روش معمول بدست میآید، با عنایت به هدف سیستمی (شبکهای) که بررسی میشود، معیارها برای مقایسه خوشههای سیستم (شبکه) و زیرمعیارها برای مقایسه عناصر به کار میروند. سوال عمومی این است که با فرض یک عنصر (در یک خوشه مشابه یا در خوشه دیگر) از شبکه یا یک خوشه از شبکه، یک عنصر (خوشه) معین از زوج مورد مقایسه، چقدر بیشتر عنصر دیگر را با عنایت به یک زیر معیار (معیار)، متأثر میسازد.
وابستگیهای درونی و بیرونی بهترین شیوه هایی هستند که تصمیم گیرندگان میتوانند مفاهیم تأثیرگذاری و تأثیرپذیری را میان خوشهها و میان عناصر با لحاظ کردن یک عنصر معین بدست آورده و نشان دهند. سپس مقایسات زوجی به صورت نظامند شامل تمام ترکیبات روابط عناصر یا خوشهها انجام میشوند. فرایند تحلیل شبکهای همانند فرایند تحلیل- سلسله مراتبی، طیف مقایسهای ۹-۱ را استفاده میکند. این مقیاس مقایسه، تصمیم گیرنده را قادر میسازد تا دانش و تجربه را بطور شهودی (حسی) متحد ساخته و تعیین کند که یک عنصر تا چند برابر بر عنصر دیگر با لحاظ معیار غالب است. این مقیاس، از نوع اعداد صحیح است وتصمیمگیرنده این امکان را دارد که ترجیح خود را در قالب هر جفت از عناصر به صورت کلامی، اهمیت برابر، نسبتا مهمتر، مهمتر، بسیار مهمتر و بینهایت مهمتر بیان کند. این ترجیحات توصیفی در گام بعد به ترتیب به مقادیر عددی ۹،۷،۵،۳،۱ ترجمه میشوند.
مقدارهای ۲، ۴، ۶ و ۸ نیز به عنوان مقادیر میانه در مقایسه بین دو قضاوت متوالی به کار می روند. معکوس این اعداد در مورد طرف دیگر قضاوتها به کار میآید. جدول شماره۳ مقیاس مقایسه مورد استفاده در ANP را نشان میدهد.

ارزش ترجیحی

وضعیت مقایسه i نسبت به j

تشریح