[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
同時也有10000部Youtube影片,追蹤數超過2,910的網紅コバにゃんチャンネル,也在其Youtube影片中提到,...
「data collection methods」的推薦目錄:
- 關於data collection methods 在 Scholarship for Vietnamese students Facebook 的最佳解答
- 關於data collection methods 在 李世淦-屏東縣議員 Facebook 的最佳貼文
- 關於data collection methods 在 コバにゃんチャンネル Youtube 的最佳貼文
- 關於data collection methods 在 大象中醫 Youtube 的最佳解答
- 關於data collection methods 在 大象中醫 Youtube 的精選貼文
- 關於data collection methods 在 4 Different Data Collection Methods with Examples - YouTube 的評價
data collection methods 在 李世淦-屏東縣議員 Facebook 的最佳貼文
徵才機關
國立屏東科技大學
人員區分
其他人員
官職等
職稱
校務基金進用研究人員
職系
名額
3
性別
不拘
工作地點
90-屏東縣
有效期間
107/05/01~107/05/15
資格條件
聘期自本校通知報到日起聘,以一年一聘為原則,但計畫期限在一年以內者,應依實際所需時間聘用,任期最長以三年為限。惟如因計畫持續需要,得聘期得至計畫執行期限結束時止。
◆徵聘單位:研究總中心(機電系統整合領域)
◆徵聘職稱:研究助理等級以上
◆名額:1
◆一般資格條件:具教育部認可之電子、電機、資訊等相關系所碩士(含)以上學位。具碩士學位者,以研究助理職級聘用(比照講師之研究人員);具博士以上學位,以助理研究員職級聘用(以比照助理教授之研究人員) 職級聘用。
◆專長領域或特殊資格條件(含研究著作要求):
(機電系統整合)如同時具有以下能力者,尤佳:
1.三年以上經驗從事工業機械組件的設計與整合。
2.在自動化機器的機電組件方面具有概念和詳細設計,驗證,測試和產品運作等專業技能。
3.具有創建和執行測試和評估計劃的經驗。
4.具有組態管理的經驗。
5.對於電路板、處理器、晶片、電子設備以及電腦軟硬體(包括應用程式與編程)具有專業知識與技能。
6.具有製作精確技術計劃、藍圖、繪圖和模型所需的設計技術、工具和原理的技能。
7.具有故障排除、修理、校準和維護電子設備的經驗。
◆Department:General Research Service Center
◆Position:Research Assistant level (above)
◆Vacancy:1
◆General Requirement:A MS or PhD’s degree recognized by the Ministry of Education of the R.O.C. in relevant fields of mechanical engineering, electrical engineering, or electromechanical engineering is required. MS degree available for research assistant as lecturer. PhD’s degree available for assistant researcher as assistant professor.
◆Specialization or Special Qualification(research and publication requirement included): Electromechanical System Integration If applicants have the following criteria,it is particularly good.
1.A minimum of three years of experience on designing and integration industrial mechanical components.
2. Demonstrated design expertise in electromechanical components for automatic machines, including conceptual and detailed design, validation, test and product implementation.
3. Experience creating and executing testing and evaluation plans.
4. Experience with configuration management.
5. Knowledge of circuit boards, processors, chips, electronic equipment, and computer hardware and software, including applications and programming.
6. Knowledge of design techniques, tools, and principals involved in production of precision technical plans, blueprints, drawings, and models.
7. Experience in troubleshooting, repairing, calibrating, and maintaining electronic equipment.
工作項目
◆徵聘單位:研究總中心(大數據分析領域)
◆徵聘職稱:研究助理等級以上
◆名額:1名
◆一般資格條件:具教育部認可之統計、數學、資訊分析等相關系所碩士(含)以上學位。具碩士學位者,以研究助理職級聘用(比照講師之研究人員);具博士以上學位,以助理研究員職級聘用(以比照助理教授之研究人員) 職級聘用。
◆專長領域或特殊資格條件(含研究著作要求):
(大數據分析)如同時具有以下能力者,尤佳:
1.三年以上資料分析、模式預測、數據挖掘等相關經驗。
2.專精於資料庫的建構與維護。
3.具有利用SAS, SPSS, Python, Matlab, Stata, or R.等統計軟體的能力。
4.具有人際交流,書面/口頭交流和團隊合作技巧。
5.具有與資深管理者、教職員與IT專業人士溝通能力。
◆Department:General Research Service Center
◆Position:Research Assistant level (above)
◆Vacancy:1
◆General Requirement:A MS or PhD’s degree recognized by the Ministry of Education of the R.O.C. in relevant fields of in statistics, mathematics, informatics analytics is required. MS degree available for research assistant as lecturer. PhD’s degree available for assistant researcher as assistant professor.
◆Specialization or Special Qualification(research and publication requirement included): Big data analysis If applicants have the following criteria,it is particularly good.
1. Three years or more of experience in data analysis, predictive modeling, data mining or related.
2. Expertise in building and maintaining databases.
3. Knowledge of statistical software packages, such as SAS, SPSS, Python, Matlab, Stata, or R.
4. Effective interpersonal, written/verbal communication and teamwork skills.
5. Ability to communicate well with senior level administrators, faculty, staff, and IT professionals.
工作地址
==================
◆徵聘單位:研究總中心(人工智慧領域)
◆徵聘職稱:研究助理等級以上
◆名額:1名
◆一般資格條件:具教育部認可之資料科學、數學、物理、電腦科學等相關系所碩士(含)以上學位。具碩士學位者,以研究助理職級聘用(比照講師之研究人員);具博士以上學位,以助理研究員職級聘用(以比照助理教授之研究人員) 職級聘用。
◆專長領域或特殊資格條件(含研究著作要求):
(人工智慧)如同時具有以下能力者,尤佳:
1.三年或以上的機器學習和人工智慧技術及其在開放資源技術中的實施經驗。
2.具有從各種來源檢索,操縱,融合和利用多個結構化和非結構化數據集的經驗。
3.具有使用分佈式處理體系架構和公開來源工具(如Spark,Python或R)分析大量數據的經驗。
4.具有能夠設計從數據收集到生產部署的分析週期的能力。
5.能由廣泛的可用數據中評估任務價值。
6.能識別數據科學可以應用的問題並提出解決方案。
7.能識別和分析異常數據。
8.能夠評估現有方法,模型和演算法的可行性,以識別方法的能力和局限性。
◆Department:General Research Service Center
◆Position:Research Assistant level (above)
◆Vacancy:1
◆General Requirement:A MS or PhD’s degree recognized by the Ministry of Education of the R.O.C. in relevant fields of data science, math, computer science, physical science is required. MS degree available for research assistant as lecturer. PhD’s degree available for assistant researcher as assistant professor.
◆Specialization or Special Qualification(research and publication requirement included): Artificial intelligence If applicants have the following criteria,it is particularly good.
1. Three years or more of experience machine learning and artificial intelligence techniques and their implementations in open source technologies.
2.Experience in retrieving, manipulating, fusing, and exploiting multiple structured and unstructured data sets from various sources.
3. Experience with analyzing large volumes of data using distributed processing architectures (ie. Hadoop) with open source tools (e.g. Spark, Python, or R)
4. Ability to design analytical lifecycle from data collection to production deployment.
5. Ability to assess mission value in a wide range of available data.
6. Ability to identify problems to which data science can be applied and initiate solutions.
7.Ability to identify and analyze anomalous data (including metadata)
8. Ability to assess feasibility of existing methods, models and algorithms recognizing the capabilities and limitations of methods.
data collection methods 在 4 Different Data Collection Methods with Examples - YouTube 的推薦與評價
Data collection is the process of gathering data and evaluating it systematically to obtain insights that solve business challenges and ... ... <看更多>