Skip to main content
Query

2.3: Uchaguzi wa Uchunguzi (Au, Jinsi ya kutumia kesi katika Uchambuzi wako wa kulinganisha)

  • Page ID
    165384
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    Malengo ya kujifunza

    Mwishoni mwa sehemu hii, utaweza:

    • Jadili umuhimu wa uteuzi wa kesi katika masomo ya kesi.
    • Fikiria matokeo ya uteuzi maskini kesi.

    Utangulizi

    Uchaguzi wa kesi ni sehemu muhimu ya kubuni yoyote ya utafiti. Kuamua ni matukio ngapi, na ambayo kesi, ni pamoja na, itasaidia wazi kuamua matokeo ya matokeo yetu. Ikiwa tunaamua kuchagua idadi kubwa ya matukio, mara nyingi tunasema kwamba tunafanya utafiti mkubwa. Kubwa-N utafiti ni wakati idadi ya uchunguzi au kesi ni kubwa ya kutosha ambapo tunataka haja hisabati, kawaida takwimu, mbinu ya kugundua na kutafsiri uhusiano wowote au causations. Ili uchambuzi wa Kubwa-N utoe matokeo yoyote muhimu, makusanyiko kadhaa yanahitajika kuzingatiwa. Kwanza, sampuli inahitaji kuwa mwakilishi wa idadi ya watu waliojifunza. Hivyo, kama tulitaka kuelewa madhara ya muda mrefu ya, tutahitaji kujua maelezo ya takriban ya wale walioambukizwa virusi. Mara tu tunajua vigezo vya idadi ya watu, tunaweza kuamua sampuli inayowakilisha idadi kubwa ya watu. Kwa mfano, wanawake hufanya 55% ya waathirika wote wa muda mrefu. Hivyo, sampuli yoyote tunayozalisha inahitaji kuwa angalau wanawake 55%.

    Pili, baadhi ya aina ya mbinu randomization mahitaji ya kushiriki katika Kubwa-N utafiti. Hivyo si tu lazima sampuli yako kuwa mwakilishi, ni lazima pia nasibu kuchagua watu ndani ya sampuli hiyo. Kwa maneno mengine, ni lazima kuwa na uteuzi kubwa ya watu kwamba fit ndani ya vigezo idadi ya watu, na kisha nasibu kuchagua kutoka mabwawa hayo. Randomization itasaidia kupunguza upendeleo katika utafiti. Pia, wakati kesi (watu wenye muda mrefu) wanachaguliwa kwa nasibu huwa na kuhakikisha uwakilishi bora wa idadi ya watu waliojifunza. Tatu, sampuli yako inahitaji kuwa kubwa ya kutosha, kwa hiyo jina kubwa la N kwa hitimisho lolote kuwa na uhalali wowote wa nje. Kwa ujumla, idadi kubwa ya uchunguzi/kesi katika sampuli, uhalali zaidi tunaweza kuwa katika utafiti. Hakuna namba ya uchawi, lakini ikiwa unatumia mfano hapo juu, sampuli yetu ya wagonjwa wa muda mrefu wanapaswa kuwa angalau watu zaidi ya 750, kwa lengo la karibu watu 1,200 hadi 1,500.

    Linapokuja suala la siasa kulinganisha, sisi mara chache milele kufikia idadi kawaida kutumika katika utafiti kubwa-N. Kuna takriban nchi 200 zilizojulikana kikamilifu, zikiwa na nchi kadhaa zilizotambuliwa sehemu, na hata maeneo machache au mikoa ya utafiti, kama vile Ulaya au Amerika ya Kusini. Kutokana na hili, ni mkakati gani wakati kesi moja, au kesi chache, zinajifunza? Ni nini kinachotokea ikiwa tunataka tu kujua jibu la nchini Marekani, na sio ulimwengu wote? Je, sisi randomize hii ili kuhakikisha matokeo yetu si upendeleo au ni mwakilishi? Maswali haya na mengine ni masuala halali ambayo wasomi wengi wa kulinganisha wanakabiliwa wakati wa kukamilisha utafiti. Je, randomization hufanya kazi na masomo ya kesi? Gerring inaonyesha kwamba haina, kama “sampuli yoyote iliyotolewa inaweza kuwa mwakilishi sana” (pg. 87). Hivyo, sampuli ya random sio mbinu ya kuaminika linapokuja suala la masomo ya kesi. Na hata kama sampuli ya randomized ni mwakilishi, hakuna uhakika kwamba ushahidi uliokusanywa utakuwa wa kuaminika.

    Mtu anaweza kufanya hoja kwamba uteuzi wa kesi hauwezi kuwa muhimu katika masomo makubwa ya N kama ilivyo katika masomo ya Ndogo-N. Katika utafiti wa Kubwa-n, makosa ya uwezo na/au biases inaweza kuwa ameliorated, hasa kama sampuli ni kubwa ya kutosha. Hii si mara zote kinachotokea, makosa na biases hakika inaweza kuwepo katika utafiti kubwa-N. Hata hivyo, sahihi au upendeleo inferences ni chini ya wasiwasi wakati tuna 1,500 kesi dhidi 15 kesi. Katika utafiti wa Ndogo-n, uteuzi wa kesi ni muhimu zaidi.

    Hii ni kwa nini Blatter na Haverland (2012) kuandika kwamba, “masomo ya kesi ni 'kesi unaozingatia', ambapo masomo Kubwa-N ni 'variable-unaozingatia'”. Katika masomo Kubwa-n sisi ni zaidi na wasiwasi na conceptualization na uendeshaji wa vigezo. Hivyo, tunataka kuzingatia data ambayo ni pamoja na katika uchambuzi wa wagonjwa wa muda mrefu. Kama tulitaka kuchunguza yao, tungependa kuhakikisha sisi kujenga maswali kwa njia sahihi. Kwa karibu utafiti wote wa utafiti wa Kubwa-N, majibu ya swali wenyewe huwa vigezo vya coded vinavyotumiwa katika uchambuzi wa takwimu.

    Uchaguzi wa kesi unaweza kuendeshwa na mambo kadhaa katika siasa za kulinganisha, huku mbinu mbili za kwanza kuwa za jadi zaidi. Kwanza, inaweza hupata kutokana na maslahi ya mtafiti (s). Kwa mfano, kama mtafiti anaishi nchini Ujerumani, wanaweza kutaka kuchunguza kuenea kwa ndani ya nchi, labda kutumia mbinu ya kitaifa ambapo mtafiti anaweza kulinganisha viwango vya maambukizi kati ya majimbo ya Ujerumani. Pili, kesi uteuzi inaweza kuwa inaendeshwa na masomo eneo. Hii bado inategemea maslahi ya mtafiti kama wasomi wa kawaida wanaozungumza huchagua maeneo ya masomo kutokana na maslahi yao binafsi. Kwa mfano, mtafiti huyo anaweza kuchunguza viwango vya maambukizi kati ya nchi za wanachama wa Umoja wa Ulaya. Hatimaye, uteuzi wa kesi zilizochaguliwa zinaweza kuendeshwa na aina ya utafiti wa kesi ambayo hutumiwa. Kwa njia hii, kesi huchaguliwa kama wanaruhusu watafiti kulinganisha kufanana kwao au tofauti zao. Au, kesi inaweza kuchaguliwa kwamba ni kawaida ya kesi nyingi, au kwa upande mwingine, kesi au kesi kwamba kinyume na kawaida. Sisi kujadili aina ya masomo ya kesi na athari zao juu ya kesi uteuzi chini.

    Aina ya Mafunzo ya Uchunguzi: Maelezo dhidi ya Causal

    Kuna idadi ya njia tofauti za kuainisha masomo ya kesi. Mojawapo ya njia za hivi karibuni ni kupitia John Gerring. Aliandika matoleo mawili juu ya utafiti wa uchunguzi wa kesi (2017) ambako anasema kwamba swali kuu lililofanywa na mtafiti litaamuru lengo la utafiti wa kesi. Je, utafiti una maana ya kuwa maelezo? Ikiwa ndivyo, mtafiti anaangalia kuelezea nini? Kuna matukio ngapi (nchi, matukio, matukio)? Au ni utafiti maana ya kuwa causal, ambapo mtafiti ni kuangalia kwa sababu na athari? Kutokana na hili, Gerring inaweka masomo ya kesi katika aina mbili: maelezo na causal.

    Masomo ya kesi ya maelezo ni “sio kupangwa karibu na hypothesis kuu ya causal au nadharia” (pg. 56). Masomo mengi ya kesi yanaelezea katika asili, ambapo watafiti wanataka tu kuelezea kile wanachoona. Wao ni muhimu kwa kupeleka habari kuhusu jambo la kisiasa lililojifunza. Kwa maelezo ya utafiti wa kesi, msomi anaweza kuchagua kesi ambayo inachukuliwa kuwa ya kawaida ya idadi ya watu. Mfano unaweza kuhusisha kutafiti madhara ya janga hilo kwenye miji ya ukubwa wa kati nchini Marekani. Mji huu ungepaswa kuonyesha mielekeo ya miji ya ukubwa wa kati nchini kote. Kwanza, tunapaswa kuzingatia kile tunachomaanisha na 'mji wa ukubwa wa kati'. Pili, tutakuwa na kuanzisha sifa za miji ya ukubwa wa kati ya Marekani, ili uteuzi wetu wa kesi uwe sahihi. Vinginevyo, kesi zinaweza kuchaguliwa kwa utofauti wao. Kwa kuzingatia mfano wetu, labda tunataka kuangalia madhara ya janga hilo kwenye miji mbalimbali ya Marekani, kutoka miji midogo, vijiji, hadi miji ya miji ya miji ya kati hadi maeneo makubwa ya miji.

    Masomo ya kesi ya Causal ni “kupangwa karibu hypothesis kuu kuhusu jinsi X huathiri Y” (pg. 63). Katika masomo ya kesi ya causal, mazingira karibu na uzushi maalum wa kisiasa au matukio ni muhimu kama inaruhusu watafiti kutambua mambo ambayo kuanzisha hali, taratibu, kwa matokeo hayo kutokea. Wasomi wanataja hili kama utaratibu wa causal, ambao hufafanuliwa na Falleti & Lynch (2009) kama “dhana za portable zinazoelezea jinsi na kwa nini sababu inayofikiriwa, katika mazingira fulani, inachangia matokeo fulani”. Kumbuka, causality ni wakati mabadiliko katika variable moja verifiably husababisha athari au mabadiliko katika variable mwingine. Kwa masomo ya kesi ya causal ambayo huajiri taratibu za causal, Gerring huwagawanya katika uchunguzi wa kesi ya uteuzi, kukadiria uteuzi wa kesi, na uchunguzi wa kesi ya uteuzi. Tofauti zinahusu jinsi hypothesis kuu inatumika katika utafiti.

    Masomo ya uchunguzi wa kesi hutumiwa kutambua uwezekano wa causal hypothesis. Watafiti wataondoa vigezo vya kujitegemea vinavyoonekana kuathiri matokeo, au variable tegemezi, zaidi. Lengo ni kujenga kwa nini utaratibu causal inaweza kuwa kwa kutoa mazingira. Hii pia inajulikana kama hypothesis inayozalisha kinyume na kupima nadharia tete. Uchaguzi wa kesi unaweza kutofautiana sana kulingana na lengo la mtafiti. Kwa mfano, kama msomi ni kuangalia kuendeleza 'bora aina', wanaweza kutafuta kesi uliokithiri. Aina bora hufafanuliwa kama “mimba au kiwango cha kitu katika ukamilifu wake wa juu” (New Webster Dictionary). Hivyo, ikiwa tunataka kuelewa mfumo wa kibepari wa aina bora, tunataka kuchunguza nchi inayofanya mfumo safi au 'uliokithiri' wa mfumo wa kiuchumi.

    Kukadiria masomo ya kesi kuanza na hypothesis tayari katika nafasi. Lengo ni kupima hypothesis kupitia data/ushahidi uliokusanywa. Watafiti wanajaribu kukadiria 'athari ya causal. Hii inahusisha kuamua kama uhusiano kati ya vigezo vya kujitegemea na tegemezi ni chanya, hasi, au hatimaye ikiwa hakuna uhusiano uliopo kabisa. Hatimaye, uchunguzi uchunguzi uchunguzi uchunguzi ni muhimu kama wao kusaidia “kuthibitisha, kuthibitisha, au kuboresha hypothesis” (Gerring 2017). Uchaguzi wa kesi unaweza pia kutofautiana katika masomo ya uchunguzi wa uchunguzi. Kwa mfano, wasomi wanaweza kuchagua kesi ya uwezekano mdogo, au kesi ambapo nadharia tete imethibitishwa hata kama muktadha ungependekeza vinginevyo. Mfano mzuri ungekuwa ukiangalia demokrasia ya India, ambayo imekuwepo kwa zaidi ya miaka 70. India ina kiwango cha juu cha utofauti wa ethnolinguistic, ni kiasi maendeleo duni kiuchumi, na kiwango cha chini cha kisasa kwa njia ya swaths kubwa ya nchi. Sababu zote hizi zinaonyesha sana kwamba India haipaswi kuwa na demokrasia, au ingekuwa imeshindwa kubaki demokrasia kwa muda mrefu, au imegawanyika kama nchi.

    Njia nyingi zinazofanana zaidi/Wengi wa Mifumo

    Majadiliano katika kifungu kilichopita huelekea kuzingatia uteuzi wa kesi linapokuja suala moja. Masomo ya kesi moja ni ya thamani kwa vile hutoa fursa kwa utafiti wa kina juu ya mada ambayo inahitaji. Hata hivyo, katika siasa za kulinganisha, mbinu yetu ni kulinganisha. Kutokana na hili, tunatakiwa kuchagua kesi zaidi ya moja. Hii inatoa seti tofauti ya changamoto. Kwanza, ni matukio ngapi tunayochagua? Hili ni swali lisilo la kushangaza ambalo tulizungumzia mapema. Pili, tunawezaje kutumia mbinu za uteuzi wa kesi zilizotajwa hapo awali, maelezo dhidi ya causal? Je, tunachukua kesi mbili kali ikiwa tulitumia mbinu ya uchunguzi, au kesi mbili zisizowezekana ikiwa tukichagua mbinu ya uchunguzi wa kesi?

    Kwa shukrani, msomi wa Kiingereza kwa jina la John Stuart Mill alitoa ufahamu juu ya jinsi tunapaswa kuendelea. Alianzisha mbinu kadhaa za kulinganisha na lengo wazi la kutenganisha sababu ndani ya mazingira magumu. Mbili kati ya mbinu hizi, 'njia ya makubaliano' na 'njia ya tofauti' zimeathiri siasa za kulinganisha. Katika 'njia ya makubaliano' kesi mbili au zaidi ni ikilinganishwa kwa kawaida yao. Msomi anaangalia kutenganisha tabia, au kutofautiana, wanayo kwa pamoja, ambayo huanzishwa kama sababu ya kufanana kwao. Katika 'njia ya tofauti' kesi mbili au zaidi zinalinganishwa na tofauti zao. Msomi anaangalia kutenganisha tabia, au kutofautiana, hawana kwa pamoja, ambayo kisha hutambuliwa kama sababu ya tofauti zao. Kutoka kwa njia hizi mbili, comparativists wameanzisha mbinu mbili.

    Bima ya kitabu cha John Stuart Mill's A System of Logic, Ratiocinative na Inductive, 1843
    Kielelezo\(\PageIndex{1}\): Kifuniko cha kitabu cha Mfumo wa Logic, Ratiocinative na Inductive. John Stuart Mill alianzisha mbinu kadhaa za kulinganisha: “njia ya makubaliano” na “njia ya tofauti”. (Chanzo: Mill, J.S. (1843). Mfumo wa Logic, Ratiocinative na Inductive. Chuo Kikuu cha Toronto Press.)

    Je, ni Mfumo wa Mifumo inayofanana zaidi (MSSD)?

    Mbinu hii inatokana na 'njia ya tofauti' ya Mill. Katika Design Design Systems Sawa, kesi zilizochaguliwa kwa kulinganisha ni sawa na kila mmoja, lakini matokeo hutofautiana katika matokeo. Katika mbinu hii tuna nia ya kuweka vigezo vingi sawa katika kesi zilizochaguliwa, ambazo kwa siasa za kulinganisha mara nyingi huhusisha nchi. Kumbuka, variable huru ni sababu ambayo haitegemei mabadiliko katika vigezo vingine. Ni uwezekano 'kusababisha' katika sababu na athari mfano. Variable tegemezi ni variable ambayo inathiriwa na, au inategemea, kuwepo kwa variable huru. Ni 'athari'. Katika mifumo inayofanana zaidi, vigezo vya riba vinapaswa kubaki sawa.

    Mfano mzuri unahusisha ukosefu wa mfumo wa afya wa kitaifa nchini Marekani. Nchi nyingine, kama vile New Zealand, Australia, Ireland, Uingereza na Canada, zote zina mifumo imara, inayoweza kupatikana kwa umma. Hata hivyo, Marekani haina. Nchi hizi zote zina mifumo inayofanana: urithi wa Kiingereza na matumizi ya lugha, uchumi wa soko huria, taasisi zenye nguvu za kidemokrasia, na viwango vya juu vya utajiri na elimu. Hata hivyo, licha ya kufanana hizi, matokeo ya mwisho yanatofautiana. Marekani haionekani kama nchi zake za rika. Kwa maneno mengine, kwa nini tuna mifumo kama hiyo inayozalisha matokeo tofauti?

    Je, ni Mfumo wa Mifumo tofauti zaidi (MDSD)?

    Mbinu hii imetokana na 'njia ya makubaliano' ya Mill. Katika Design System Wengi, kesi zilizochaguliwa ni tofauti na kila mmoja, lakini husababisha matokeo sawa. Kwa njia hii, tuna nia ya kuchagua kesi ambazo ni tofauti kabisa na kila mmoja, bado zinakuja matokeo sawa. Hivyo, variable tegemezi ni sawa. Tofauti kujitegemea vigezo zipo kati ya kesi, kama vile kidemokrasia v. utawala wa kimabavu, huria soko uchumi v. zisizo huria uchumi wa soko. Au inaweza kujumuisha vigezo vingine kama homogeneity ya kijamii (usawa) dhidi ya heterogeneity ya kijamii (tofauti), ambapo nchi inaweza kujikuta imeunganishwa kikabila/kidini/rangi, au imegawanyika pamoja na mistari hiyo.

    Mfano mzuri unahusisha nchi ambazo zinaainishwa kuwa huru kiuchumi. The Heritage Foundation inataja nchi kama vile Singapore, Taiwan, Estonia, Australia, New Zealand, pamoja na Uswisi, Chile na Malaysia kama ama huru au hasa huru. Nchi hizi zinatofautiana sana kutoka kwa mtu mwingine. Singapore na Malaysia vinachukuliwa kuwa demokrasia zenye uharibifu au zisizo na huria (angalia sura ya 5 kwa majadiliano zaidi), ambapo Estonia bado inawekwa kama nchi inayoendelea. Australia na New Zealand ni tajiri, Malaysia si. Chile na Taiwan zilikuwa nchi huru za kiuchumi chini ya utawala wa kijeshi wa mamlaka, ambayo sio kwa Uswisi. Kwa maneno mengine, kwa nini tuna mifumo tofauti inayozalisha matokeo sawa?