[RESEARCH SERIES] Cấu trúc và một số lưu ý khi viết phần Phương pháp nghiên cứu (Research methods)
Khi đọc phần phương pháp nghiên cứu, biên tập viên và người bình duyệt sẽ cơ bản thấy được khả năng nghiên cứu, sự chuyên nghiệp trong nghiên cứu của tác giả. Thông tin được viết trong phần này phải đủ chi tiết để người đọc đánh giá được sự phù hợp của phương pháp nghiên cứu, quy trình thu thập và xử lý dữ liệu bạn đã sử dụng. Bài viết chị chia sẻ hôm nay về kinh nghiệm của TS. Nguyễn Hữu Cương khi viết cấu trúc và một số lưu ý khi viết phần phương pháp nghiên cứu, mọi người đón đọc nhé!
Nếu như phần Tổng quan nghiên cứu (Literature review) được coi là phần khó viết nhất thì phần Phương pháp nghiên cứu được cho là phần dễ viết nhất (nhiều người thường viết phần Phương pháp nghiên cứu đầu tiên) đơn giản bởi vì ta chỉ mô tả lại những gì đã làm trong quá trình lựa chọn phương pháp nghiên cứu, thiết kế công cụ thu thập dữ liệu, thu thập dữ liệu và xử lý dữ liệu. Tuy nhiên, để có một phần Phương pháp nghiên cứu tốt, bạn cần lưu ý là thông tin bạn viết trong phần này phải đủ chi tiết để độc giả đánh giá được sự phù hợp của các phương pháp nghiên cứu bạn đã sử dụng, đánh giá được độ giá trị (validity) và độ tin cậy (reliability) của kết quả nghiên cứu (Belcher, 2019).
Thông thường những thông tin cần viết trong phần Phương pháp nghiên cứu bao gồm:
- Các phương pháp thu thập dữ liệu đã sử dụng (data collection methods): định lượng (quantitative), hay định tính (qualitative), hay hỗn hợp (mixed method).
- Các công cụ thu thập dữ liệu tương ứng với phương pháp thu thập dữ liệu: bảng hỏi (survey questionnaires), dữ liệu phân tích thống kê (statistical analysis) đối với phương pháp định lượng; phỏng vấn (interview), quan sát (observation), phân tích văn bản (document analysis), thảo luận nhóm (focus group)… đối với phương pháp định tính.
- Đối tượng tham gia cung cấp dữ liệu (participants) và chọn mẫu (sampling): mô tả quần thể nghiên cứu (target population), phương pháp chọn mẫu, tổng số mẫu thu được.
- Quá trình thu thập dữ liệu (data collection procedure).
- Phân tích dữ liệu (data analysis): dùng công cụ, phần mềm gì để phân tích dữ liệu, ví dụ SPSS đối với phân tích dữ liệu định lượng hay Nvivo đối với phân tích dữ liệu định tính.
- Những vấn đề cần lưu ý về đạo đức nghiên cứu (ethical considerations), đặc biệt đối với những nghiên cứu liên quan đến trẻ em, người bệnh, người tàn tật, người già (Azevedo et al., 2011; Belcher, 2019).
Một phần lưu ý nữa là bạn nên trình bày phần Phương pháp nghiên cứu theo từng đầu mục (sub-heading) một cách chi tiết để một người không trực tiếp tham gia vào nghiên cứu vẫn hiểu chính xác bạn đã làm gì và tại sao.
Lưu lý là phần Phương pháp nghiên cứu thường chiếm 1/8 (một phần tám) bài báo. Như vậy, với bài viết có độ dài 4000-8000 từ thì Phương pháp nghiên cứu có thể có độ dài tương ứng là 500-1000 từ.
Tài liệu tham khảo
Azevedo, L. F., Canário-Almeida, F., Fonseca, A. J., Costa-Pereira, A, Winck, J. C., & Hespanhol, V. (2011). How to write a scientific paper—writing the methods section. Rev Port Pneumol, 17(5), 232-238.
Belcher, W. L. (2019). Writing your article in 12 weeks: A guide to academic publishing success (2nd ed.). Chicago: Chicago University Press.
❤ Like page, tag và share cho bạn bè cả nhà nhé ❤
#HannahEd #duhoc #hocbong #sanhocbong #scholarshipforVietnamesestudents
statistical analysis method 在 โปรแกรมเมอร์ไทย Thai programmer Facebook 的最佳解答
ในวิชา "วิทยาการคำนวณ" ระดับชั้น ม. 5
ได้ดึงวิชา data science (วิทยาศาสตร์ข้อมูล)
มาปูพื้นฐานให้เด็กๆ ได้เรียนกันแล้ว นับว่าเป็นโชคดี
เพราะวิชาพวกนี้เป็นของสูง กว่าจะสัมผัสก็คงตอนป.ตรี โท เอก
...Continue ReadingIn the subject of ′′ Calculation Theology ′′ class. 5
Pulled data science (data science)
Let's master the foundation for kids to learn. It's considered lucky.
Because these subjects are high to touch. It's probably in the middle of the year. Tri To Aek
Which I will review the content to read roughly. The content is divided into 4 chapters.
.
👉 ++++ Chapter 1-Information is valuable +++++
.
Data science in the textbook. Used by Thai name as ′′ Information Science ′′
This chapter will mention Big Data or big data with lots of valuable information.
And so much role in this 4.0 s both public and private sector.
.
If you can't imagine when you played Google search network, you'll find a lot of information that you can use in our business. This is why data science plays a very important role.
.
It's not surprising that it makes the Data Scientist s' career (British name data scientist) play the most important role and charming and interesting profession of the 21th century.
.
Data science, if in the book, he defines it
′′ Study of the process, method or technique to process enormous amounts of data to process to obtain knowledge, understand phenomena, or interpret prediction or prediction, find out patterns or trends from information.
and can be analysed to advise the right choice or take decision for maximum benefit
.
For Data science work, he will have the following steps.
- Questioning my own interest.
- Collect information.
- Data Survey
- Data Analysis (analyze the data)
- Communication and Results Visualization (Communicate and visualize the results)
.
🤔 Also he talks about design thinking... but what is it?
Must say the job of a data scientist
It doesn't end just taking the data we analyzed.
Let's show people how to understand.
.
The application design process is still required.
To use data from our analytics
The word design thinking is the idea. The more good designer it is.
Which Data Scientists Should Have To Design Final Applications
Will meet user demand
.
👉 ++++ Chapter 2 Collection and Exploration +++++
.
This chapter is just going to base.
2.1 Collection of data
In this chapter, I will talk about information that is a virtual thing.
We need to use this internet.
2.2 Data preparation (data preparation)
Content will be available.
- Data Cleaning (data cleansing)
- Data Transformation (data transformation)
In the university. 5 is not much but if in college level, you will find advanced technique like PCA.
- Info Link (combining data)
2.3 Data Exploration (data exploration)
Speaking of using graphs, let's explore the information e
Histogram graph. Box plot diagram (box plot). Distributed diagram (scatter plot)
With an example of programming, pulls out the plot to graph from csv (or xls) file.
2.4 Personal Information
For this topic, if a data scientist is implementing personal data, it must be kept secret.
.
Where the issues of personal information are now available. Personal Data Protection is Done
.
.
👉 ++++ Chapter 3 Data Analysis ++++
.
Divided into 2 parts:
.
3.1 descriptive analysis (descriptive analytics)
Analyzing using the numbers we've studied since
- Proportion or percentage
- Medium measurement of data, average, popular base.
Correlation (Correlation) relationship with programming is easy.
.
.
3.2 predictive analysis (predictive analytics)
.
- numeric prediction is discussed. (numeric prediction)
- Speaking of technique linear regression, a straight line equation that will predict future information.
Including sum of squared errors
Let's see if the straight line graph is fit with the information. (with programming samples)
- Finally mentioned K-NN (K-Nearest Neighbors: K-NN) is the closest way to finding K-N-Neighborhood for classification (Category)
*** Note *****
linear regression กับ K-NN
This is also an algorithm. One of the machine learning (machine learning, one branch of AI)
Kids in the middle of the day, I get to study.
.
.
👉 +++ Chapter 4 Making information pictured and communicating with information +++
.
This chapter doesn't matter much. Think about the scientist after analyzing what data is done. The end is showing it to other people by doing data visualization. (Better summoning)
.
In contents, it's for example using a stick chart, line chart, circular chart, distribution plan.
.
The last thing I can't do is tell a story from information (data story telling) with a message. Be careful when you present information.
.
.
.
*** this note ***
😗 Program language which textbooks mentioned and for example.
It's also python and R language
.
For R language, many people may not be familiar.
The IT graduate may be more familiar with Python.
But anyone from the record line will surely be familiar.
Because R language is very popular in statistical line
And it can be used in data science. Easy and popular. Python
.
But if people from data science move to another line of AI
It's deep learning (deep learning)
Python will be popular with eating.
.
.
#########
😓 Ending. Even I wrote a review myself, I still feel that.
- The university. 5 is it going to be hard? Can a child imagine? What did she do?
- Or was it right that I packed this course into Big Data era?
You can comment.
.
But for sure, both parents and teachers are tired.
Because it's a new content. It's real.
Keep fighting. Thai kids 4.0
.
Note in the review section of the university's textbook. 4 There will be 3 chapters. Read at.
https://www.facebook.com/programmerthai/photos/a.1406027003020480/2403432436613260/?type=3&theater
.
++++++++++++++++++++
Before leaving, let's ask for publicity.
++++++++++++++++++++
Recommend the book ′′ Artificial Intelligence (AI) is not difficult ′′
It can be understood by the number. End of book 1 (Thai language content)
Best seller ranked
In the MEB computer book category.
.
The contents will describe Artificial Intelligence (A) in view of the number. The end.
Without a code of dizzy
With colorful illustrations to see, easy to read.
.
If you are interested, you can order.
👉 https://www.mebmarket.com/web/index.php?action=BookDetails&data=YToyOntzOjc6InVzZXJfaWQiO3M6NzoiMTcyNTQ4MyI7czo3OiJib29rX2lkIjtzOjY6IjEwODI0NiI7fQ&fbclid=IwAR11zxJea0OnJy5tbfIlSxo4UQmsemh_8TuBF0ddjJQzzliMFFoFz1AtTo4
.
Personal like the book. You can see this link.
👉 https://www.dropbox.com/s/fg8l38hc0k9b0md/chapter_example.pdf?dl=0
.
Sorry, paper book. I don't have it yet. Sorry.
.
✍ Written by Thai programmer thai progammerTranslated
statistical analysis method 在 新思惟國際 Facebook 的最佳貼文
▎所有研究知識都沒有,不敢報名。
(陳怡廷 醫師)
我既沒做過研究,對數學、電腦程式、生物統計這類的東西又一竅不通。
幾個月前,我讀一篇 Lancet 的文章,看著它整整兩頁的 method,以及其中 statistical analysis 的部分,問指導老師:「這部份可以不要報嗎?」
▎課前連 Excel 圖表都不太會做
課前我本來以為自己的程度差,頂多是不清楚什麼是 cohort study,一直到昨天,才發現我連 Excel 的圖表都不太會做,真的太崩潰了!
但這堂課就是這麼神奇,可以讓一個這樣的人畫出跟講義上一樣好看的圖表,可見 MedCalc 多麼好上手。
▎一群人幫助我成長真的很幸福
新思惟團隊,創造了一個非常好的環境,努力讓我們更順利地成長。一天下來,從寫作架構、圖表稿件、統計入門、期刊選擇、多元發展、到時間管理,一應俱全。
在這裡,有的是專業,學的是態度。
--
▎醫學論文與寫作工作坊
以前弄不懂的統計分析與圖表,我們設計指定作業,讓學員按著步驟在自己的電腦上親自操作。
期刊種類繁雜不知如何挑選,我們建議從自己的興趣出發,建立影響力。
不限醫師背景、不限研究資歷。歷次參加的學員約 70% 為新手。
好評不斷:全年共 300 篇論文發表的工作坊
協助多位校友突破困境、得到被挖角機會,或在體系內獲得升遷,往更好薪酬與發展邁進!
新思惟最受歡迎研究入門課程
5/5(六)35 個名額僅剩 3 成!
statistical analysis method 在 7 Types of Statistical Analysis: Definition and Explanation 的相關結果
The Key types of Statistical Analysis are ; 1. Descriptive Statistical Analysis ; 2. Inferential Statistical Analysis ; 3. Predictive Analysis ; 4. ... <看更多>
statistical analysis method 在 7 Types of Statistical Analysis Techniques (With the ... - Indeed 的相關結果
Statistical analysis, or statistics, involves collecting, organizing and analyzing data based on established principles to identify patterns and ... ... <看更多>
statistical analysis method 在 5 Statistical Analysis Methods That Take Data to the Next Level 的相關結果
The 5 methods for performing statistical analysis · 1. Mean · 2. Standard deviation · 3. Regression · 4. Hypothesis testing · 5. Sample size ... ... <看更多>