تصمیم‌گیری دربارهٔ داده؛ پیش از تحلیل چه چیزهایی را روشن کنیم؟
مسئله از کجا شروع می‌شود؟
پیش از تحلیل داده برای یک تصمیم، چند پرسش باید روشن شود: از کدام داده‌ها باید استفاده کرد؟ این داده‌ها از کجا می‌آیند؟ تا چه اندازه می‌توان به آن‌ها اعتماد کرد؟ آیا داده‌ای که در دسترس است اصلاً برای پاسخ به پرسش تصمیم مناسب است؟
انتخاب داده یعنی روشن کردن اینکه برای کدام پرسش، از چه منبعی و با چه روشی اطلاعات می‌خواهیم. منشأ، دامنه، کیفیت و محدودیت داده باید پیش از تحلیل بررسی شود. در دسترس بودن یک مجموعه‌داده، به‌تنهایی دلیل مناسب بودن آن برای تصمیم نیست.
پیش از تحلیل، دربارهٔ خود داده تصمیم بگیریم
پیش از آنکه بتوان بر اساس داده تصمیم گرفت، باید درباره خودِ داده‌ها تصمیم گرفت. کیفیت دادهٔ ورودی بر استنتاج اثر دارد. اشکال در طراحی گردآوری می‌تواند نتیجه را گمراه کند و پیچیده‌تر کردن تحلیل، جای بررسی و اصلاح آن اشکال را نمی‌گیرد.
این مسئله به‌ویژه در ارزیابی مداخلات مدیریتی و سیاستی اهمیت دارد. هر مداخله‌ای برای آنکه قابل ارزیابی باشد، به داده‌های معتبر، مرتبط و قابل‌اتکا نیاز دارد. بدون برنامه‌ریزی مناسب برای جمع‌آوری داده‌ها یا دسترسی به آن‌ها، ارزیابی مداخله احتمالاً غیرممکن، به‌شدت محدود یا به‌صورت غیرضروری پرهزینه خواهد شد.
مسائل کلیدی در انتخاب و جمع‌آوری داده
برنامه‌ریزی داده بهتر است هم‌زمان با طراحی مداخله آغاز شود تا نیازهای ارزیابی در زمان اجرا نادیده نمانند. دادهٔ خط پایه و گروه مقایسه در بسیاری از طرح‌ها ارزشمندند، اما نیاز دقیق به آن‌ها تابع پرسش و روش ارزیابی است. برای نمونه، داشتن سنجش پیش از اجرا، شرط محاسبهٔ همهٔ طرح‌های ارزیابی اثر نیست. اگر روش به دادهٔ پیش از مداخله یا گروه مقایسه متکی است، باید دسترسی و زمان گردآوری آن از ابتدا روشن باشد.
تئوری تغییر می‌تواند به شناسایی نیازها و شکاف‌های داده کمک کند: کدام فعالیت، با چه فرضی، قرار است به چه پیامدی برسد و برای بررسی هر حلقه چه داده‌ای لازم است؟ بررسی یک مسئله با چند منبع یا روش، می‌تواند تفاوت روایت‌ها و محدودیت‌های هرکدام را روشن کند. این کار را مثلث‌سازی می‌نامند؛ صرفِ ترکیب دادهٔ قدیم و جدید، کیفیت یافته را تضمین نمی‌کند. باید دید منابع چه چیزی را می‌سنجند، چقدر مستقل‌اند و اختلافشان چگونه تفسیر می‌شود.
پرسش‌های اساسی پیش از جمع‌آوری داده
انتخاب‌ها در تعیین داده‌های موردنیاز برای پاسخ به پرسش‌های ارزیابی ساده نیستند. باید از متخصصان و افراد دارای دانش موضوعی درباره داده‌های ورودی مشورت گرفت. پرسش‌های زیر، چارچوبی برای تصمیم‌گیری درباره داده پیش از آغاز جمع‌آوری فراهم می‌کنند:
چه نوع داده‌ای برای پاسخ به هر پرسش ارزیابی لازم است؟
نوع و منبع داده باید با پرسش ارزیابی متناسب باشد. عددی یا غیرعددی بودن، منشأ داده و شیوهٔ گردآوری، محورهای متفاوتی هستند و می‌توانند هم‌پوشانی داشته باشند؛ مثلاً یک سند می‌تواند جدول عددی داشته باشد. برای توضیح این تمایز، راهنمای انواع داده در مدیریت را ببینید. برای گردآوری می‌توان این صورت‌ها را بررسی کرد:
- داده‌های عددی
- اسناد، پرونده‌ها و گزارش‌ها؛ با بررسی منشأ و زمان تولید آن‌ها
- داده‌های مشاهده‌ای
- شرح تجربیات، نظرات و دیدگاه‌های افراد
چه کسی یا چه چیزی می‌تواند داده‌ها را تأمین کند؟
شناسایی منابع داده باید بر اساس تناسب با پرسش ارزیابی و قابلیت دسترسی انجام شود. منابع ممکن عبارت‌اند از:
- شرکت‌کنندگان در مداخله
- ارائه‌دهندگان خدمات
- ذینفعان
- پایگاه‌های داده موجود
- پیمایش‌های قبلی
- پیمایش‌های سفارشی
چه مسائلی در دسترسی و جمع‌آوری داده وجود دارد؟
دسترسی به داده همیشه ساده نیست. مسائل حقوقی، رویه‌های داخلی سازمان، حساسیت‌های اخلاقی مربوط به جمعیت‌های آسیب‌پذیر، و محدودیت‌های رقابتی از جمله موانعی هستند که باید پیش از آغاز فرایند جمع‌آوری شناسایی شوند. همچنین باید پرسید که آیا درخواست از افراد برای ارائه داده، از نظر بار تحمیلی بر آن‌ها متناسب و اخلاقی است؟ آیا روش جایگزینی وجود دارد؟ و آیا خودِ عمل جمع‌آوری داده می‌تواند بر رفتار افراد اثر بگذارد و نتایج را مخدوش کند؟
از کدام بخش جامعه باید داده جمع‌آوری شود؟
جمعیت موردنظر باید به‌صورت شفاف تعریف شود. روش‌های مختلفی برای انتخاب وجود دارد:
- سرشماری از تمام داده‌های موجود یا جمعیت‌های موردعلاقه
- نمونه‌ای نماینده از جمعیت موردنظر
- زیرمجموعه‌ای هدفمند که طیفی از زمینه‌ها را پوشش می‌دهد اما از نظر آماری نماینده نیست
هر کدام از این گزینه‌ها مزایا و محدودیت‌های خود را دارند و انتخاب آن‌ها باید به پرسش ارزیابی و منابع در دسترس مرتبط باشد.
روش تحلیل چگونه بر داده‌های موردنیاز اثر می‌گذارد؟
نوع تحلیلی که قرار است روی داده‌ها انجام شود، ماهیت و کمیت داده‌های لازم را تعیین می‌کند. برای مثال:
- درجه دقت موردنیاز
- زیرمجموعه‌هایی از جمعیت‌های موردنظر و در نتیجه حجم نمونه لازم
- الزامات روش تحلیل از نظر نوع و قالب داده
- نیاز روش انتخابی به دادهٔ خط پایه یا گروه مقایسه
پیش از گردآوری، الزامات تحلیل انتخابی را روشن کنید. اگر داده‌ها آن الزامات را پوشش ندهند، ممکن است لازم باشد دامنهٔ پرسش یا روش تحلیل تغییر کند.
جدول مسئله تصمیم در برنامه‌ریزی داده‌ای
جدول زیر چند نمونه از پیوند پرسش تصمیم، داده و ملاحظات عملی را نشان می‌دهد. ردیف نخست، نیازهای یک طرح متکی بر سنجش پیش و پس و گروه مقایسه را مثال می‌زند؛ همهٔ روش‌های ارزیابی به همین صورت داده نیاز ندارند. وجود این داده‌ها نیز به‌تنهایی اثر مداخله یا مناسب بودن یک تصمیم را ثابت نمی‌کند:
| مسئله تصمیم | چه چیزی باید روشن شود؟ | چه نوع داده‌ای مفید است؟ | چه ملاحظات دیگری باید در نظر گرفته شود؟ | پیامد برای تصمیم |
|---|---|---|---|---|
| آیا مداخله اثربخش بوده است؟ | داده‌های پایه پیش از مداخله و داده‌های پس از مداخله | داده‌های عددی، داده‌های مقایسه با گروه کنترل | دسترسی به گروه مقایسه، مسائل اخلاقی | ادامه، اصلاح یا توقف مداخله |
| آیا مداخله برای گروه‌های مختلف اثر متفاوت دارد؟ | زیرمجموعه‌های جمعیت هدف | داده‌های تفکیک‌شده بر اساس ویژگی‌های جمعیتی | حجم نمونه کافی برای هر زیرگروه | هدفمندسازی مداخله برای گروه‌های مشخص |
| آیا هزینه‌های مداخله توجیه‌پذیر است؟ | هزینه‌ها و نتایج به‌دست‌آمده | داده‌های مالی، داده‌های عملکردی | تناسب هزینه جمع‌آوری داده با ارزش اطلاعات | تخصیص منابع در دوره بعد |
مثال کاربردی: ارزیابی یک برنامه آموزشی
در یک مثال فرضی، سازمان می‌خواهد برنامهٔ آموزشی کارکنان را ارزیابی کند. اگر طرح تحلیل به مقایسهٔ پیش و پس یا گروه مقایسه متکی است، باید سنجش‌های مربوط را به‌موقع برنامه‌ریزی کند. همچنین لازم است بداند دادهٔ عملکرد از کجا می‌آید، چه چیزی را می‌سنجد و چه خطایی دارد. صرفِ داشتن یک گروه دیگر یا مشاهدهٔ تغییر پس از آموزش، برای نسبت دادن تغییر به برنامه کافی نیست؛ مفروضات طرح و توضیح‌های رقیب نیز باید بررسی شوند.
اگر این پرسش‌ها پیش از اجرای برنامه پاسخ داده نشوند، پس از پایان دوره آموزشی ممکن است مشخص شود که داده‌های پایه وجود ندارند یا داده‌های موجود برای تحلیل مناسب نیستند. در این صورت، سازمان در موقعیتی قرار می‌گیرد که نمی‌تواند درباره اثربخشی برنامه قضاوت مستدلی انجام دهد — نه به این دلیل که تحلیل ضعیف بوده، بلکه به این دلیل که تصمیم‌گیری درباره داده در زمان مناسب انجام نشده است.
چالش‌ها و محدودیت‌های برنامه‌ریزی داده‌ای
برنامه‌ریزی برای جمع‌آوری داده با چالش‌های متعددی همراه است. یکی از مهم‌ترین محدودیت‌ها، هزینه‌های مربوط به جمع‌آوری داده‌های جدید است. در بسیاری از موارد، داده‌های موجود کافی نیستند و باید داده‌های جدید با هزینه قابل‌توجه جمع‌آوری شوند. پرسش این است که آیا ارزش اطلاعات حاصل از داده‌های جدید با هزینه آن متناسب است؟
محدودیت زمانی نیز عامل تعیین‌کننده‌ای است. جمع‌آوری داده‌های کامل و دقیق زمان‌بر است و ممکن است با ضرب‌الاجل‌های تصمیم‌گیری در تضاد باشد. علاوه بر این، کیفیت داده‌ها همیشه قابل تضمین نیست. داده‌های موجود ممکن است ناقص، قدیمی یا با خطاهای سیستماتیک همراه باشند.
در گردآوری داده دربارهٔ افراد، حریم خصوصی، مبنای مجاز دسترسی و استفاده، و ضرورت رضایت آگاهانه در طرح مربوط باید بررسی شود. فقط دادهٔ لازم گردآوری شود و دسترسی و نگهداری آن روشن باشد. حساس بودن داده، مانند اطلاعات سلامت یا وضعیت اقتصادی افراد، اهمیت این بررسی را بیشتر می‌کند؛ این مقاله جای پروتکل اخلاقی و حقوقی متناسب با هر پژوهش را نمی‌گیرد.
برای تصمیم‌گیرنده چه معنایی دارد؟
پیش از تحلیل، کفایت داده را نسبت به پرسش خود بررسی کنید: این داده چه واحد و دوره‌ای را پوشش می‌دهد؟ چه بخش‌هایی از جامعه در آن دیده نمی‌شوند؟ کدام سنجش‌ها یا مقایسه‌ها برای طرح تحلیل لازم‌اند و آیا در دسترس هستند؟ اگر هدف، برآورد اثر مداخله است، نبود داده یا نقض مفروضات روش را با پیچیده‌تر کردن تحلیل نمی‌توان جبران کرد.
همچنین باید محدودیت‌های داده‌های خود را بپذیرید. داده‌هایی که صرفاً در دسترس هستند، لزوماً همان داده‌هایی نیستند که برای تصمیم‌گیری به آن‌ها نیاز دارید. استفاده از داده‌های نامناسب می‌تواند به نتیجه‌گیری‌های گمراه‌کننده منجر شود. اگر داده‌های لازم وجود ندارند، این محدودیت باید به‌صورت شفاف در فرایند تصمیم‌گیری لحاظ شود، نه اینکه با داده‌های نامرتبط پر شود.
جمع‌بندی
تصمیم‌گیری درباره داده‌ها پیش از تصمیم‌گیری بر اساس آن‌ها، پایه‌ای است که کیفیت کل فرایند تصمیم‌گیری داده‌محور بر آن استوار است. برنامه‌ریزی دقیق برای شناسایی نیازهای اطلاعاتی، انتخاب منابع مناسب داده، توجه به ملاحظات اخلاقی و حقوقی، و درک چگونگی اثرگذاری روش تحلیل بر الزامات داده‌ای، همگی گام‌هایی هستند که باید پیش از اجرای هر مداخله‌ای برداشته شوند. بدون این پایه، هر تحلیلی — هرچند پیچیده — بر مبنایی شکننده بنا شده است.
منابع روش‌شناختی
- World Bank. Impact Evaluation in Practice، نسخهٔ نخست؛ بخش محدودیت‌های تفاوت در اختلافات، یادداشت ۱ صفحهٔ ۱۰۴: مفید بودن خط پایه با لازم بودن نظری آن برای همهٔ طرح‌ها یکسان نیست.
- Carter, N., Bryant-Lukosius, D., DiCenso, A., Blythe, J., & Neville, A. J. (2014). The Use of Triangulation in Qualitative Research. Oncology Nursing Forum, 41(5), 545–547. DOI: 10.1188/14.ONF.545-547. تعریف چندمنبعی/چندروشی در چکیدهٔ نویسندگان.
- Patton, M. Q. (1999). Enhancing the Quality and Credibility of Qualitative Analysis. Health Services Research, 34(5 Pt2), 1189–1208. چکیده دربارهٔ تناسب روش با پرسش و معیارهای کیفیت.