การคิดหัวข้อวิจัย แบบไม่ได้เริ่มต้นที่ทฤษฎี 100 % ทำได้หรือไม่

การคิดหัวข้อวิจัย แบบไม่ได้เริ่มต้นที่ทฤษฎี 100 % ทำได้หรือไม่
.
“From Theory-driven to Problem-driven or Data-driven Research”
.
วันนี้จะพักเรื่องเกี่ยวกับสถิติและกลับมาพูดกันถึงการวิจัยสักนิด โดยเฉพาะส่วนที่เกี่ยวข้องกับการคิด Research Idea หรือ Research Question หลายครั้งเรามักติดกับดักความคิดที่ทำให้เราไม่สามารถทำวิจัยต่อได้ เพราะอ้างว่าหาหัวข้อการวิจัยไม่ได้ หรือหัวข้อการวิจัยไม่ดีพอเราจึงหยุดทำต่อไป
.
ต้องยอมรับว่าการหาไอเดียการวิจัยโดยอ้างอิงการ Challenge Assumption ของทฤษฎีใดทฤษฎีหนึ่งต้องใช้เวลาและอาศัยการสเคราะห์ที่ลึกซึ้ง ในความจริงแล้วการคิดหัวข้อวิจัยอาจไม่จำเป็นต้องเริ่มต้นที่ทฤษฎีก่อนเสมอไป การเริ่มหัวข้อการวิจัยอาจเริ่มที่การวิเคราะห์ข้อมูลหรือปัญหาในการนำไปใช้ได้
.
นักวิชาการ/นักวิจัยสามารถเริ่มต้นคิดไอเดียการวิจัยได้โดยวิธีอื่นๆ ในที่นี่จะกล่าวถึง 2 วิธี คือ
.

  1. Data-driven Research คือ การหาหัวข้อการวิจัยโดยให้ข้อมูลและการวิเคราะห์ข้อมูลเป็นตัวผลักดันและคิดหัวข้อวิจัย หัวใจของวิธีนี้ คือ การหาหัวข้อและไอเดียโดยให้ผลการวิเคราะห์ข้อมูลเป็นตัวเล่าเรื่อง สร้างแนวคิดวิจัยใหม่ในหัวข้อที่สนใจ อาจจะเป็นการทดสอบแนวคิดวิจัยใหม่ๆ ที่นักวิจัยยังไม่เคยทดสอบ เริ่มต้นการวิเคราะห์โดยข้อมูลที่มีอยู่ ทำการวิเคราะห์โดยปราศจากคำถามวิจัยใดใด ข้อมูลประเภท Big Data และ Data Analytics เหมาะที่จะทำการวิเคราะห์และค้นหาหัวข้อการวิจัยในมุมนี้
    .
    การวิจัยแบบ Data-driven research จะแตกต่างจาก Problem-drive research คือ จะเป็นการวิจัยที่ทำการเก็บข้อมูลหรือใช้ข้อมูลที่มีอยู่แล้ว (Big Data) ทำการวิเคราะห์ข้อมูลก่อนที่ Specific problem จะถูกพัฒนาขึ้น บางครั้งอาจใช้การ Explore เช่นใช้ Cluster analysis แบ่งกลุ่มหรือดู Pattern ของข้อมูลแล้วพยายามอธิบาย
    .
  2. Problem-drive Research คือ การหาหัวข้อวิจัยโดยผลักดันจากปัญหาที่เกิดขึ้นในการปฏิบัติและพยายามหาคำตอบ และใช้แนวคิดการวิจัยจากแนวปฏิบัติมาพยายามปรับปรุงการทำงานที่กำลังทำอยู่ คิดคำถามวิจัยจาก Practical Problem เช่นจำทำอะไรที่แตกต่างจากเดิมเพื่อให้ดีขึ้น การทำแตกต่างจากเดิมต้องอาศัยกลไกใดบ้าง ออกแบบการวิจัยตามปัญหาที่ต้องการหาคำตอบ เป็นการทำวิจัยในเชิงปฏิบัติที่นำไปสู่แนวคิดหรือโมเดล
    .
    อย่างไรก็ตามไม่ว่าจะเป็น Data-driven หรือ Problem-driven Research ถ้าจะเป็นการวิจัยเชิงวิชาการที่ตีพิมพ์ในวารสารวิชาการ ก็จำเป็นอย่างยิ่งที่จะต้องทักถอทฤษฎีที่เกี่ยวข้องเพื่ออธิบายหรือสร้าง Argument ของปรากฎการณ์หรือแนวคิดการวิจัยที่เกิดขึ้น ถ้าปราศจากส่วนสำคัญนี้ก็จะไม่เป็นงานวิจัยเชิงวิชาการที่สมบรูณ์ คำนี้สำคัญ คือคำว่า “Merging Theory to Practice”
    .
    (อย่าเข้าใจผิดว่า Problem หรือ Data-driven research คือการละเลยทฤษฎี)
    .
    ส่วนอีกแบบหนึ่ง คือ Theory-driven Research แบบนี้ คือ หลักทั่วไปของงานวิจัยเชิงวิชาการที่เริ่มต้นจากการ Challenge Assumption ของทฤษฎีที่มีอยู่ พยายามหาช่องว่างของการสร้าง argument จากทฤษฎีในปัจจุบัน แบบนี้จะสร้าง Contribution ทางทฤษฎีได้มาก อย่างไรก็ตามแบบนี้ก็ยังเป็นแบบที่ครบถ้วนในการทำวิจัยเชิงวิชาการ
    .
    สาเหตุของข้อเขียนวันนี้ สืบเนื่องจากมีอาจารย์หลายท่านมักถามว่าจะทำอย่างไรดีถ้าต้องทำวิจัยในเชิงปฏิบัติจะด้วยสาเหตุใดใดก็ตาม เช่น เข้าไปช่วยองค์การในการปรับปรุงการทำงานแก้ปัญหาเชิงปฏิบัติ และจะทำยังไงต่อถ้าอยากจะไปตีพิมพ์ในวารสารวิชาการ และขอตำแหน่งวิชาการ
    .
    คำตอบ คือ ไม่มีปัญหาและเป็นไปได้ ที่ให้ Problem หรือ Data -driven ก่อน แต่จะต้องมีส่วนที่สำคัญ คือ ส่วนที่นำเอาทฤษฎีที่เหมาะสมมาอธิบายคำตอบที่ได้จากการวิเคราะห์ข้อมูลหรือ Practical problem ที่เกิดขึ้น
    .
    ปัจจุบันแนวทางการวิจัยขยับออกไปมากขึ้นสู่ Practical-based โดยเฉพาะในยุคของ Data Analytics
    .
    ลองอ่านบทความนี้ โดย Simchi-Levi (2013) ที่อ้างอิงถึงกันดู
    .
    .
    Ref:
    Simchi-Levi, D. (2013). Om forum—om research: From problem-driven to data-driven research. Manufacturing & Service Operations Management, 16(1), 2-10.

Share:

Share on facebook
Facebook
Share on twitter
Twitter
Share on pinterest
Pinterest
Share on linkedin
LinkedIn

ขอคำปรึกษา

Tag : การทำ is จ้างทำ is จ้างทำวิจัย จ้างทำวิทยานิพนธ์ จ้างทํางานวิจัย จ้างทําวิจัย ป.ตรี ราคา จ้างทําวิจัยราคา จ้างทําวิจัยราคาประหยัด จ้างทําวิจัย ราคาเท่าไหร่ จ้างทําวิทยานิพนธ์ จ้างทําวิทยานิพนธ์ราคา จ้างวิจัย ทําวิทยานิพนธ์ ทำงานวิจัย ทำงานวิทยานิพนธ์ บริการรับทำวิจัย รับจัดหน้าวิทยานิพนธ์ รับจ้างทำ is รับจ้างทํางานวิจัย ราคาถูก รับจ้างทํารายงาน รับจ้างทําวิทยานิพนธ์ รับจ้างทําวิทยานิพนธ์ ราคาถูก รับจ้างเขียนรายงาน รับทำ is รับทำ powerpoint รับทำ spss รับทำ thesis รับทำดุษฎีนิพนธ์ รับทำวิจัย รับทำวิจัยราคาถูก รับทำวิทยานิพนธ์ รับทำสารนิพนธ์ รับทำแบบสอบถาม รับทำโปรเจคจบ รับทํา thesis รับทํางานวิจัย รับทําปริญญานิพนธ์ รับทํารายงาน รับทําวิจัย ป.ตรี รับทําวิทยานิพนธ์ รับทําวิทยานิพนธ์ ป.โท รับทําวิทยานิพนธ์ ราคา รับทําวิทยานิพนธ์ราคาเท่าไหร่ รับทํา สารนิพนธ์ รับแปลงานวิจัย ราคารับทำวิทยานิพนธ์ วิจัย

Table of Contents

On Key

Related Posts

6 เครื่องมือในการทำแบบสำรวจออนไลน์ (Online Survey)

การออกแบบแนวทางในการทำแบบสำรวจ (Survey) ที่ดีจะช่วยให้คุณเก็บข้อมูลที่ถูกต้องและเป็นประโยชน์ต่อการทำธุรกิจ ไม่ว่าจะเป็นด้านการพัฒนาผลิตภัณฑ์ การบริการ การรับรู้ถึงความพึงพอใจของลูกค้า รวมไปถึงการรับรู้เกี่ยวกับตัวแบรนด์ในด้านอื่นๆ โดยผมได้รวมเครื่องมือดีๆที่จะช่วยให้คุณทำการสำรวจความคิดเห็นในแบบต่างๆ ได้อย่างรวดเร็วผ่านระบบออนไลน์นั่นเอง ลองมาดูกันว่า 6 เครื่องมือในการทำแบบสำรวจออนไลน์ (Online Survey) นั้นมีอะไรบ้าง Google Forms SurveyMonkey Surveyplanet FreeOnlineSurveys Smart Survey Survey Methods 1.              

5 ข้อสังเกตงานวิจัยแต่ละแบบ ที่มืออาชีพเท่านั้นที่รู้ !

บทความนี้ขอย่อยปัญหาหลักในการทำงานวิจัยไทย 5 ข้อสังเกตงานวิจัยแต่ละแบบ ที่มืออาชีพเท่านั้นที่รู้ ! คือ 1. การทำวิจัยปริญญาโทและปริญญาเอกนั้น ต่างกันอย่างไร ในข้อสังเกตวิจัยแรกนี้ส่วนใหญ่ผู้วิจัยหลายๆ ท่านจะแยกไม่ค่อยได้ว่า การทำงานวิจัยปริญญาโทและปริญญาเอกนั้น ต่างกันอย่างไร เราจะขออธิบายสั้นๆ ง่ายๆ ว่า – ปริญญาเอกจะเน้นการทำวิจัย (Research) ในระดับที่ก้าวหน้าและสูงขึ้น โดยอาจจะมีหรือไม่มีการเรียนการสอนรายวิชาก็ได้ ฉะนั้นในการเรียนในระดับปริญญาเอก การฝึกฝนทักษะการทำวิจัยเป็นสำคัญ เพราะผู้เรียนจำเป็นต้องค้นคว้าและสร้างสรรค์องค์ความรู้ใหม่ๆ ได้ด้วยตนเอง

8 หนังสือแนะนำสำหรับผู้ที่เริ่มทำการวิจัย

1. หนังสือเบื้องต้น สำหรับการใช้ SPSS ตั้งแต่ขั้นพื้นฐานไม่รู้อะไรเลยไปจนถึง สามารถวิเคราะห์สถิติได้ ทั้ง t-test , ANOVA , regression ดีมาก (มีไฟล์ให้โหลดทดลองใช้งานประกอบหนังสือด้วย) 2.  หนังสือเกี่ยวกับความรู้ด้านวิจัย (ละเอียด) เน้น ทฤษฎี แนะนำวิจัยแบบต่างๆ ครอบคลุมเนื้อหาวิจัยทั้งหมด(โดยเฉพาะสายการแพทย์) 3. หนังสือสถิติและการวิจัย (ดีมาก) กลั่นกรองจากประสบการณ์ของผู้เชี่ยวชาญด้านสถิติวิจัยมายาวนาน 

5 สิ่งที่ต้องระวัง ถ้าไม่อยากให้งานวิทยานิพนธ์ผิดพลาด

กว่าจะได้งานวิทยานิพนธ์ออกมาให้มีคุณภาพที่ดีนั้นถือเป็นสิ่งที่ไม่ง่ายเลยทีเดียว เพราะต้องใช้ระยะเวลาและความตั้งใจเป็นอย่างมาก ไม่ว่าจะเป็นการค้นคว้าหาข้อมูลอย่างละเอียด เรียบเรียงเนื้อหาให้น่าสนใจและถูกหลักวิชาการ รวมไปถึงปัจจัยอื่นๆ อีกมากมายที่ช่วยให้งานนั้นออกมามีคุณภาพ ดังนั้นในบทความนี้จึงได้นำ 5 ข้อควรระวังในการทำงานวิทยานิพนธ์ ให้ได้ผลงานวิทยานิพนธ์ออกมาดีและไม่มีข้อผิดพลาดเกิดขึ้น 1.               ระวังข้อมูลแหล่งที่มาของข้อมูลที่นำมาใช้ จะต้องสอดคล้องกับหัวข้อเรื่อง แหล่งที่มาของข้อมูลที่นำมาใช้ในการทำงานวิทยานิพนธ์จะต้องเป็นข้อมูลที่มาจากแหล่งอ้างอิงที่มีความน่าเชื่อถือ รวมไปถึงต้องเป็นข้อมูลที่มีคุณภาพ อีกทั้งยังต้องคำนึงถึงความถูกต้องของข้อมูลเป็นสิ่งสำคัญอีกด้วย ควรคำนึงถึงความสอดคล้องระหว่างหัวข้อเรื่องวิจัย เนื้อหา และข้อมูล ว่าแต่ละส่วนนั้นมีความสัมพันธ์กันหรือไม่ เพราะงานวิทยานิพนธ์ที่มีคุณภาพนั้นทุกองค์ประกอบจะสอดคล้องกันทั้งหมด 2.               เนื้อหาสอดคล้องกับหัวข้อ ถูกต้อง ไม่คัดลอกผลงานผู้อื่น