تعیین طرحی از نمونه‌گیری و انتخاب کردن حجم نمونه‌ای، از موضوعات کلیدی در طرح‌ریزی یک تحقیق هستند. هدف از انجام هر تحقیقی بدست آوردن نتایجی دقیق و صحیح است که بتوان از آن استفاده نمود. در روند انجام هر تحقیقی، محقق برای پاسخ به سوالات و فرضیات به جمع آوری اطلاعات از منابع مختلف می پردازد. در ابتدای یک طرح پژوهشی سوال این است که، انواع روش های نمونه گیری چیست و اینکه چقدر نمونه برای انجام تحقیق باید در نظر گرفت. روش‌های نمونه‌گیری آماری باید بر اساس هدف پژوهش و نوع جامعه انتخاب شوند.

تعاریف جامعه و نمونه

• جامعه: جامعه آماری عبارت است از مجموعه‌ای از افراد یا واحدها که دارای حداقل یک صفت مشترک باشند؛ تعریف جامعه آماری باید جامع و مانع باشد. در هر بررسی آماری، مجموعه عناصر مورد نظر را جامعه می‌نامند. به عبارت دیگر، جامعه مجموعه تمام مشاهدات ممکنی است که می‌توانند با تکرار یک آزمایش حاصل شوند.
• نمونه: نمونه بخشی از جامعه تحت بررسی است که با روشی از پیش تعیین شده، انتخاب می‌شود. در نمونه‌گیری تمام افراد جامعه، جهت انتخاب شدن، شانس برابر دارند.

نمونه در واقع آن دسته از افراد در گروه هستند که واقعا در مطالعه شرکت می‌کنند. برای اینکه نتایج مطالعه تان معتبر باشد باید در انتخاب روش های نمونه گیری دقت لازم را داشته باشیم تا نمونه، نماینده جامعه مورد بررسی ‌باشد. علاوه بر این نمونه انتخاب شده باید به صورتی باشد که انواع خطاهای پژوهشی در مطالعات را کاهش دهد.

اشتباهاتی(اریبی هایی) که ممکن است هر پژوهشگری در روند تحقیق خود مرتکب شود به ۲ دسته تقسیم می شوند:

• اشتباهات نمونه گیری
  
• اشتباهات غیر نمونه گیری

اشتباهات نمونه گیری :

1. اشتباه ناشی از در دست نبودن فهرست کامل افراد جامعه
   
2. شتباه ناشی از انتخاب معدودی از افراد جامعه
   
3. اشتباه ناشی از تحلیل آماری نامناسب

اشتباهات غیر نمونه گیری :

1. اشتباه ناشی از عدم مشاهده افراد مورد مطالعه: الف) عدم پوشش   ب) عدم پاسخ.
   
2. اشتباه ناشی از مشاهده نادقیق : الف) ابزار نادقیق  ب)ثبت نادقیق داده ها  ج) استخراج نامناسب.

روش‌های نمونه‌گیری آماری اشاره به شیوه‌هایی علمی دارد که برای دستیابی به نمونه موردنظر جهت گردآوری داده‌های پژوهش، استفاده می‌شود. پیش از هر چیزی باید بین ۲ مفهوم کلیدی تفاوت قائل شوید:

• روش‌های محاسبه حجم نمونه
• روش‌های نمونه‌گیری

روش‌های محاسبه حجم نمونه

تعیین حجم نمونه در روش تحقیق به روش‌ها و فرمول‌هایی اشاره دارد که برای محاسبه تعداد نمونه معرف جامعه آماری مورد استفاده قرار می‌گیرد. مهم‌ترین تصمیم برای تعمیم‌پذیری نتایج یک تحقیقات علمی انتخاب یک نمونه معرف جامعه است. اگر نمونه به خوبی نتواند ویژگی‌های جامعه را در برگیرد استفاده از بهترین روش آماری نیز فاقد وجهات لازم برای استناد می‌باشد.

۱- تعیین حجم نمونه با فرمول کوکران

فرمول کوکران پرکاربردترین شیوه در تعیین حجم نمونه است. فرمول کوکران به‌صورت زیر محاسبه می‌شود:

• در این فرمول N حجم جامعه است.
• آماره p درصد توزیع صفت در جامعه یعنی نسبت افرادی است که دارای صفت مورد مطالعه هستند.
• آماره q نیز درصد افرادی است که فاقد صفت مورد مطالعه هستند.
• اگر میزان p و q مشخص نباشد از حداکثر مقدار آنها یعنی ۰/۵ استفاده می شود.
• مقدار d نیز تفاضل نسبت واقعی صفت در جامعه با میزان تخمین پژوهشگر برای وجود آن صفت در جامعه است. دقت نمونه‌گیری به این عامل بستگی دارد و اگر بخواهید نمونه‌گیری دارای بیشترین دقت باشد از حداکثر مقدار d برابر ۰/۰۵ استفاده می شود.

تعیین حجم نمونه با جدول مورگان

جدول مورگان یکی دیگر از روش‌های محاسبه حجم نمونه است. اگر حجم جامعه معلوم باشد ساده‌ترین روش برای تعیین حجم نمونه رجوع به جدول مورگان است. هیچ تفاوتی بین جدول کریسی-مورگان و فرمول کوکران وجود ندارد. در واقع دو پژوهشگر به نام‌های کریسی و مورگان اعداد مختلف را در فرمول کوکران در سطح خطای ۵% قرار داده اند.

۲- تعیین حجم نمونه بر اساس توان آزمون

فرمول کوکران برای محاسبه حجم نمونه روشی قدیمی است که هنوز مورد تاکید پژوهشگران داخلی است. در بسیاری از مطالعات از فرمول کوهن بر اساس اندازه اثر و توان آزمون برای تعیین حجم نمونه استفاده می‌شود. در این روش تعداد متغیرهای اصلی و سوالات پرسشنامه نیز در محاسبه حجم نمونه دخیل است.

روش‌های نمونه‌گیری

برای گرد آوری داده های مورد نیاز درباره افراد جامعه می توان یکی از روشهای زیر را به کار برد :

1. سرشماری
2. نمونه گیری

اگر پژوهشگر، پژوهش خود را بر تمامی افراد جامعه اجرا کند، باید از روش سرشماری استفاده کند. یعنی پژوهشگر باید تمامی افراد جامعه را تک تک مورد بررسی و آزمون قرار دهد. به‌طور کلی در سرشماری تمام واحدهای جامعه باید شمارش شود؛ این کار پرهزینه و وقت‌گیر خواهد بود. برای صرفه جویی در وقت و هزینه مجبوریم روش نمونه گیری را بکار بریم. اگر حجم جامعه کوچک باشد سرشماری در مقایسه با نمونه گیری بهتر است؛ اما در جوامع بزرگ، دقت نمونه گیری به مراتب از سرشماری بیشتر است و احتمال بروز خطا در آن کمتر است. سرشماری به دلایلی همچون محدودیت مالی، محدودیت زمانی، در دسترس نبودن تمامی افراد جامعه، محدودیت نیروی انسانی و کمبود ابزار، ممکن است از دقت لازم برخوردار نباشد.

از روش‌های نمونه‌گیری آماری برای دسترسی به نمونه‌ای معرف جامعه مورد تحقیق استفاده می‌شود. پس از انتخاب موضوع تحقیق و بیان مسئله، یکی از تصمیمات، انتخاب نمونه است. نمونه باید نماینده جامعه باشد و یافته‌های پژوهش قابل تعمیم به آن جامعه باشد. چون اکثر پژوهشگران توان و زمان اجرای پژوهش بر کل جامعه را ندارند به همین دلیل پژوهش خود را محدود به نمونه کوچکی می‌سازند. در نمونه گیری با ۲ سوال روبه رو می شویم:

1. اشتباه مجاز چقدر است؟
2. مناسب ترین روش انتخاب نمونه کدام است؟

مزایای نمونه گیری

1. باصرفه تر بودن و صرفه جویی در منابع مالی : اگر داده‌ها فقط از نسبت کوچکی از توده جامعه تامین شوند، مسلما هزینه تهیه آنها به مراتب کمتر از سرشماری است.
2. سرعت بیشتر و جلوگیری از اتلاف وقت پژوهشگر: چون حجم نمونه کمتر از حجم جامعه در سرشماری است، جمع آوری و تلخیص داده‌ها با سرعت بیشتر و با وقت کمتری انجام می‌شود.
3. قدرت و صحت عمل بیشتر: چون برای انجام یک نمونه‌گیری به دلیل حجم کار کمتر، امکان آموزش افراد برای تهیه پرسشنامه و انجام مصاحبه‌ها وجود دارد، لذا صحت عمل در نمونه‌گیری بیشتر از سرشماری است.
4. کیفیت داده ها از طریق دقت بیشتر در گردآوری و استخراج آنها
5. کاهش ناهمگنی در اطلاعات با انتخاب ترتیب صحیح نمونه ها

انواع روش‌های نمونه‌گیری آماری

شیوه‌های نمونه‌گیری مرسوم و متداول در اصل به ۲ بخش نمونه‌گیری احتمالی و غیراحتمالی تقسیم می شوند :

• ۱- نمونه‌گیری احتمالی (تصادفی)
• ۲- نمونه‌گیری غیر احتمالی

روش‌های احتمالی(تصادفی) از نظر آماری دارای قابلیت اطمینان بیشتری است. در روش نمونه‌گیری تصادفی تمامی موارد جامعه شانس انتخاب یکسان و نتایج قابل تعمیم به جامعه هدف می‌باشد. مبنای نمونه گیری غیر تصادفی راحتی، آسانی و ارزان بودن و دریافت برخی آگاهی‌ها از جامعه هدف است.

روش‌های غیراحتمالی در مواردی مانند نمونه‌گیری از خبرگان در تحقیق کیفی کاربرد دارد. از منظر آماری روش‌های نمونه‌گیری احتمالی ارجحیت بیشتری دارند. بهترین روش برای نمونه‌گیری وجود ندارد. بلکه بر اساس نیاز هر پژوهش باید از روش مناسبی استفاده شود.

در نمونه‌گیری احتمالی هر یک از واحدهای جامعه می‌توانند با احتمالی مشخص در نمونه قرار گیرند؛ در حالیکه در نمونه‌گیری غیر احتمالی انتخاب نمونه بر اساس قوانین احتمالات صورت نمی گیرد و نمونه به مدد قضاوت انسانی حاصل می‌شود. در این روش‌ها هر قدر که حجم نمونه را بزرگ اختیار کنیم، نمونه‌ها اغلب نمی توانند معرف واقعی جامعه باشند؛ اما گاهی اوقات نمونه‌گیری غیراحتمالی بهترین روش نمونه‌گیری می‌باشد؛ مانند زمانی که امکان تهیه چارچوب نمونه‌گیری وجود نداشته باشد.

نمونه‌گیری تصادفی ساده

در نمونه‌گیری تصادفی ساده (Simple Random Sampling) هر یک از عناصر جامعه ی مورد نظر برای انتخاب شدن، شانس مساوی دارند. در این روش، افراد یا اشیای مورد نیاز از فهرست جامعه آماری که به همین منظور شماره گذاری و تهیه شده است به صورت تصادفی انتخاب می‌شوند. مطابق قانون احتمال، افراد انتخاب شده باید دارای ویژگی هایی همانند جامعه‌ای باشند که از آن انتخاب شده اند. از معایب این روش نمونه‌گیری در مقایسه با انواع روش‌های نمونه‌گیری تصادفی می‌توان به زمان‌بر بودن و وجود اریبی بالا اشاره کرد، که در جوامع با پراکندگی بالا رخ می‌دهد.

این روش به ۲ صورت انجام می شود:

1. قرعه کشی
2. جدول اعداد تصادفی

مثال: برای انتخاب نمونه ۱۰۰ تایی از ۱۰۰۰ کارگر به شیوه زیر عمل می‌نماییم. در ابتدا آنها را شماره گذاری می‌نماییم. سپس با استفاده از Random Number Generator اعداد تصادفی بین ۱ تا ۱۰۰ انتخاب می‌نماییم.

نمونه‌گیری تصادفی بدون جایگذاری: یک ویژگی مهم نمونه‌گیری تصادفی ساده بدون جایگذاری این است که احتمال استخراج هر واحد مشخص از جامعه در هر استخراجی مساوی با احتمال استخراج آن واحد مشخص در استخراج اول است.

نمونه‌گیری تصادفی با جایگذاری: اگر در انتخاب n واحد نمونه، پس از انتخاب هر واحد، آن را به جامعه برگردانیم و انتخاب بعدی را انجام دهیم نمونه‌گیری تصادفی ساده با جایگذاری می‌نامند. در این روش، انتخاب هر واحد مستقل از انتخاب واحدهای دیگر است.

نمونه‌گیری سیستماتیک (منظم)

نمونه‌گیری سیستماتیک (Systematic Sampling) مشتمل بر گزینش واحدها به روشی سیستماتیک و در نتیجه به صورتی غیر تصادفی است. اگر تعداد کل جامعه برابر با N باشد، به افراد جامعه اعداد ۱ تا N را اختصاص می‌دهیم. اما به جای انتخاب اعداد تصادفی برای نمونه، افراد به صورت بازه‌های مشخص انتخاب می‌شوند. این روش آسانتر از روش نمونه‌گیری تصادفی ساده است و تفاوت آن با روش نمونه‌گیری ساده در این است که در این روش انتخاب هر عضو مستقل از انتخاب سایر اعضاء جامعه نیست.

مثال: تمامی افراد در یک کارخانه به صورت لیستی به صورت الفبایی مرتب شده اند. برای اجرای نمونه گیری سیستماتیک از ۱۰ شماره اول یک نقطه را برای شروع در نظر میگیرم. بعنوان مثال ۶. از شماره ۶ به بعد هر ۱۰ نفر را به ترتیب از لیست انتخاب می کنیم. که لیست به صورت انتخاب نفرات ۶، ۱۶، ۲۶، ۳۶، ۴۶ و … می شود و تا زمانی که ۱۰۰ نمونه را جمع آوری نمایید نمونه گیری را ادامه می‌دهید.

هنگامیکه اولین عضو انتخاب شد بقیه اعضای نمونه مورد نظر به صورت خودکار تعیین می‌شوند. اگر افراد جامعه به صورت تصادفی فهرست شده باشند می‌توان نمونه‌گیری منظم را به جای نمونه‌گیری تصادفی ساده به کار برد. اما در صورتیکه افراد جامعه با توجه به یک نظم معین بر اساس ویژگی یا ویژگی هایی فهرست شده باشند باید از نمونه‌گیری تصادفی ساده استفاده کرد.

در این روش امکان چولگی و اریبی وجود دارد. دلیل این امر در نظر نگرفتن برخی از الگوها در چارچوب می‌باشد. به عنوان مثال اگر لیست افراد بر حسب تحصیلات یا سابقه کاری باشد امکان دارد که از برخی از گروه‌ها تحصیلاتی و از برخی سابقه‌ها رد شویم.

نمونه‌گیری طبقه‌ای یا چینه‌ای

نمونه‌گیری طبقه‌ای یا چینه‌ای (Stratified Sampling) برای جوامع ناهمگنی استفاده می‌شود که می‌توان آن را به طبقاتی همگن تقسیم کرد. در این روش ابتدا جامعه را به قسمت های همگن تقسیم کرده، آنگاه نمونه‌های تصادفی ساده مستقل، از این زیر مجموعه‌های جداگانه استخراج می‌کنیم. مثلا: کارخانه ای ۸۰۰ زن و ۲۰۰ مرد دارد. می‌خواهید مطمئن شوید که نمونه نشان دهنده تعادل جنسیتی کارخانه باشد. بنابراین جامعه را به دو طبقه بر اساس جنسیت تقسیم می نمایید. سپس با استفاده از نمونه گیری تصادفی در هر گروه ۸۰ زن و ۲۰ مرد را انتخاب می نمایید. این نمونه نشان دهنده نمونه‌ای دقیق از جامعه می‌باشد.

در این روش احتمال انتخاب افراد در طبقات مختلف متفاوت است ولی احتمال انتخاب افراد هم طبقه با هم مساوی است. نسبت نمونه گیری در کلیه طبقات با نسبت نمونه گیری در کل جامعه یکسان و برابر است. بنابراین تعداد نمونه در هر طبقه متناسب با بزرگی آن طبقه است. برای استفاده از این روش نمونه‌گیری، جامعه را بر اساس ویژگی های مرتبط (همانند جنسیت، سن، درآمد و شغل و …) به طبقاتی تقسیم نموده و هر کدام از آنها را لایه یا طبقه (STRATA) می‌نامیم. بر اساس نسبت کل جمعیت شما تصمیم خواهید گرفت که از هر طبقه چه تعداد نمونه جمع آوری نمایید.

در این نوع نمونه‌گیری هر یک از اعضای جامعه، شانس برابر و مستقلی برای قرار گرفتن در نمونه دارند. منظور از مستقل بودن این است که انتخاب یک عضو به هیچ شکل در انتخاب سایر اعضای جامعه تاثیری ندارد. در این روش ابتدا فهرست اسامی تمامی اعضا را به دست آورده، سپس به هر یک از آنها نمره‌ای اختصاص می‌دهیم. سپس با استفاده از جدول اعداد تصادفی تعداد مورد نیاز را انتخاب می‌کنیم. اگر جامعه مورد مطالعه کوچک باشد از روش قرعه‌کشی استفاده می‌شود. یعنی اسامی افراد را بر روی یک تکه کاغذ نوشته و در داخل کیسه قرار می‌دهیم. سپس کاغذ‌ها را به طور تک تک خارج می‌کنیم تا زمانیکه حجم نمونه مورد نظر کامل شود.

نمونه‌گیری خوشه‌ای

نمونه‌گیری خوشه‌ای (Cluster Sampling) نیز یک روش نمونه‌گیری احتمالی(تصادفی) است. این روش وقتی به کار می‌رود که فهرست کامل افراد جامعه (چارچوب نمونه گیری) در دسترس نباشد. به این منظور افراد را در دسته هایی خوشه‌بندی می‌کنند، سپس از میان خوشه‌ها، نمونه‌گیری به عمل می‌آورند. به طور کلی زمانی به کار می‌رود که انتخاب گروهی از افراد امکان‌پذیر و آسان‌تر از انتخاب افراد در یک جامعه باشد. مثلا: شرکتی ۱۰ شعبه در شهرهای مختلف دارد. (همه شرکت ها تا حدودی از نظر تعداد کارمندان و قوانین مشابه می باشند). شما ظرفیت این را ندارد که برای جمع‌آوری اطلاعات به کل شرکت‌ها در تمامی شهرها مراجعه نمایید. بنابراین به صورت تصادفی سه شرکت را در نظر می‌گیرید. این شرکت ها خوشه های شما می‌باشند و کل افراد در این سه شرکت نمونه شما هستند.

روش نمونه‌گیری خوشه‌ای پژوهشگر را از ساختن چارچوب برای تمامی جامعه بی‌نیاز می‌کند. تهیه چارچوب خود اغلب یک کار پرخرج و خسته کننده است. به علاوه چون واحدهای یک خوشه، مجاور هم هستند. بنابراین دسترسی به آنها آسان است. در نمونه‌گیری خوشه‌ای واحد اندازه‌گیری فرد نیست. بلکه گروهی از افراد هستند که به صورت طبیعی شکل گرفته و گروه خود را تشکیل داده اند. مزیت نمونه گیری خوشه بندی شده در مقایسه با انواع روش های نمونه گیری تصادفی، کاربرد آن در برخورد با جمعیت های بزرگ و جمعیت هایی است که نمونه گیری از آنها به دیگر روش های نمونه گیری تصادفی گفته شده امکان ندارد و یا بسیار مشکل و وقت گیر است.

فرض کنید جامعه مورد نظر کلیه شهروندان بالای ۱۸ سال هستند. در اینجا نمونه‌گیری تصادفی ساده یا منظم زمانی میسر است که فهرست کامل تمام افراد در دست داشته باشد. چون این امر تقریباً غیرممکن است به جای انتخاب فرد به عنوان واحد نمونه گیری، منطقه، واحد نمونه‌گیری قرار می‌گیرد. سپس به روش نمونه‌گیری تصادفی ساده از بین مناطق مورد نظر، انتخاب می‌کنیم.

تفاوت این روش نمونه گیری با نمونه گیری طبقه‌بندی شده در این است که در نمونه گیری طبقه بندی شده افراد در یک طبقه تفاوتی ندارند و مشابه هستند(بین طبقات تفاوت زیادی وجود دارد)؛ اما در نمونه گیری خوشه‌بندی تفاوت بین خوشه ها بسیار کم است و نیز افراد درون خوشه ها نیز با یکدیگر متفاوت هستند.

نمونه‌گیری چندمرحله‌‌ای

نمونه‌گیری چندمرحله‌ای در واقع نوع دیگری از نمونه‌گیری خوشه‌ای است. زمانی که منطقه به صورت تصادفی انتخاب شد، می‌توان نمونه‌گیری را در داخل منطقه نیز ادامه داد. به عنوان مثال مطالعه کننده ممکن است آدرس کلیه افرادی را که در یک منطقه زندگی می‌کنند داشته باشد بنابراین از بین این افراد، ۱۰ نفر را به صورت تصادفی انتخاب می‌کند. در روش نمونه‌گیری خوشه‌ای چند مرحله‌ای فهرست نمونه‌گیری دو بار و در بعضی مواقع بیش از دو بار تهیه می‌شود. نمونه گیری چند مرحله ای در مقایسه با نمونه گیری خوشه ای از دقت بیشتری برخوردار است.

نمونه‌گیری خوشه‌ای برخی از مواقع در تحقیقات آموزشی به کار می‌رود در این نوع تحقیقات از کلاس به عنوان واحد نمونه‌گیری استفاده می‌شود. از مزیت‌های عمده نمونه‌گیری خوشه‌ای جلوگیری از اتلاف وقت و صرفه جویی در منابع مالی است.

از معایب این روش نمونه گیری :
۱- دقت آن از نمونه‌گیری تصادفی ساده کمتر است زیرا در نمونه‌گیری تصادفی ساده فقط یک اشتباه وجود دارد، در صورتیکه در نمونه‌گیری خوشه‌ای در هر مرحله یک اشتباه نمونه‌گیری وجود خواهد داشت، یعنی به تعداد مراحل خطای نمونه‌گیری وجود دارد.
۲- برای داده‌های جمع آوری شده از این نوع نمونه‌گیری فرمول آسانی را نمی توان به کار برد. زیرا بکار بردن یک نوع ابزار آماری در جامعه‌های مختلف دقت آن را کاهش می‌دهد.

روش‌های نمونه‌گیری غیر احتمالی

نمونه گیری غیر تصادفی یکی از انواع روش های نمونه گیری می باشد. در یک نمونه گیری غیر تصادفی، افراد بر اساس معیار های غیر تصادفی انتخاب می‌شوند و هر فرد شانس یکسان و معین انتخاب شدن در نمونه را ندارد. این نوع از نمونه گیری از نظر هزینه و دسترسی آسان تر است؛ اما در آنها خطر اریبی بالاتر می‌باشد. از این روش نمونه گیری نمی‌توانید استنباط آماری معتبری را درباره کل جامعه داشته باشید. استفاده از نمونه گیری غیر تصادفی چه در مرحله طراحی و چه در مرحله اجرا ساده تر از نمونه گیری تصادفی است و به زمان و سرمایه کمتری نیاز دارد.

تکنیک های نمونه گیری غیر تصادفی اغلب برای تحقیقات کیفی و اکتشافی مفید می‌باشند. در این نوع از تحقیقات هدف تست فرضیات درباره جامعه بزرگتر نمی‌باشد.

• نمونه‌گیری هدفمند (قضاوتی) : در بعضی از امور، نمونه‌گیری جامع و کامل میسر نیست و تحقیق ناچاراً به جامعه یا نمونه‌ای که در دسترس است محدود می‌شود. در این روش بخشی از جامعه بر مبنای قضاوت پژوهشگر به عنوان نمونه انتخاب می‌شود. این نوع از نمونه گیری از قضاوت خود محقق استفاده می‌نماید. نمونه گیری هدفمند یعنی خود محقق برای نمونه انتخابی نظر می‌دهد که چه مواردی انتخاب شوند. محقق برای ورود واحدهای نمونه‌گیری به نمونه‌اش، ویژگی ها خاص از آنها را در نظر گرفته و به پیاده سازی ایده‌هایش می‌پردازد. این نوع نمونه گیری اغلب در مطالعات کیفی استفاده می‌گردد.
• نمونه‌گیری در دسترس (اتفاقی) : نمونه‌گیری در دسترس (Convenience Sampling) یک روش نمونه‌گیری غیراحتمالی است که ملاک انتخاب نمونه سادگی دسترسی است. نتایج این نوع از نمونه گیری در مقایسه با انواع روش های نمونه گیری غیر احتمالی ضعیف تر و خطای زیادی را به همراه دارد. نتایج این نوع نمونه گیری به هیچ وجه نتایجی نیست که بتوان آن را به جامعه تعمیم داد. در این روش نمونه گیری اطلاعات به سرعت در یک زمان و مکان جمع آوری می گردد.  مثال: شما در مورد نظر دانشجویان در مورد خدمات حمایتی دانشجویی در یک دانشگاه تحقیق می‌کنید. بنابراین از همکلاسی‌های خود می خواهید که یک پرسشنامه را در این باره تکمیل نمایند. این یک روش آسان برای جمع آوری داده ها می‌باشد، اما از آنجایی که این تحقیق بر روی دانشجویان یک کلاس و در یک سطح گرفته شده است، نمی‌تواند بیانگر کل دانش آموزان دانشگاه ‌باشد.
• نمونه گیری متوالی (Consecutive Sampling) :  حالتی از نمونه گیری آسان است و در این روش محقق سعی می کند تا آنجا که از لحاظ هزینه و نیروی انسانی در توان اوست از میان نمونه های در دسترس به انتخاب بپردازد و به حجم نمونه محاسبه شده توجهی ندارد. مثال: شخصی در مطبی نمونه گیری را انجام می دهد. حجم نمونه تعیین شده ۱۰۰ بیمار و روش نمونه گیری متوالی است. چون تعداد بیمار مراجع در آن روز زیاد بوده تا آخر وقت حدود ۲۰۰ نمونه جمع آوری شده است. در اینجا می بینیم که حتی پس از پرشدن حجم نمونه باز هم از میان مراجعان تا زمانی که وقت پایان یافته نمونه گیری جمع آوری شده است. حجم نمونه ۱۰۰ بیمار است ولی کل بیماران ۲۰۰ نفر بوده اند که همگی ثبت شده اند. نمونه گیری متوالی در میان نمونه گیری های غیر تصادفی دقیق ترین روش است.
• نمونه گیری داوطلبانه (Volunteer or Self-selection Sampling) : همانند نمونه گیری در دسترس یک نمونه گیری داوطلبانه بر اساس آسان بودن دسترسی به نمونه ها بنا شده است. در واقع به جای اینکه محقق شرکت کنندگان را انتخاب نماید و به صورت مستقیم با آنها در ارتباط باشد افراد به صورت داوطلبانه خودشان وارد مطالعه می شوند. در واقع در نمونه گیری داوطلبانه نمونه های پاسخ دهنده همیشه تا حدودی اریبی دارند و انتخاب آنها مغرضانه می‌باشند. دلیل این امر این است که برخی از افراد ذاتا بیشتر از دیگران داوطلب می‌شوند. مثال: شما بعنوان مثال پرسشنامه را از طریق شبکه ی اجتماعی در مورد خدمات حمایتی از دانشجوها به اشتراک می‌گذارید. هر کسی که تمایل داشت به آن پاسخ می دهد. به طور حتم این چنین نمونه گیری تا حدودی به شما نگرش در مورد موضوع را می‌دهد. اما افرادی که به این پرسشنامه پاسخ داده اند احتمالا کسانی بوده اند که نظرات تندی درباره خدمات حمایتی از دانشجوها داشته اند. بنابراین نمی‌توان مطمئن بود که نظرات آنها نشان دهنده نظرات تمامی دانشجوهاست.

انواع نمونه‌گیری هدفمند (Purposive Sampling)

در این نوع نمونه‌گیری بر طبق هدفی که در ذهن داریم، نمونه‌گیری انجام می‌شود. اغلب یک یا چند گروه از پیش تعریف شده و مشخص وجود دارد که برای نمونه‌گیری در جستجوی آن هستیم. نمونه گیری هدفمند شامل طیف وسیعی از روش‌ها می‌باشد که در تحقیقات کیفی بسیار مورد استفاده قرار می گیرند.

• نمونه‌گیری گلوله برفی (Snowball Sampling) : یکی از روش‌های نمونه‌گیری هدفمند است. از این روش بویژه برای نمونه‌گیری در مطالعات کیفی استفاده می‌شود. در این روش ابتدا یک فرد با مشخصات موردنظر پیدا می‌شود. بعد از مصاحبه یا تکمیل پرسشنامه توسط این فرد، از وی خواسته می‌شود تا فردی با مشخصات مشابه خود را معرفی نماید. آنگاه نفر دوم نمونه مشخص خواهد شد. با مراجعه به نفر دوم و کسب اطلاعات از وی، در پایان خواسته می‌شود تا فرد صاحب نظر مشابهی را معرفی نماید. این فرایند تا رسیدن به حجم قابل قبولی از خبرگان ادامه پیدا می‌کند. مثال: شما مطالعه ای را با عنوان “ثبت تجارب مدیران بیمارستانی و پرستاران در مواجهه با بیماری کووید-۱۹” شروع کرده‌اید. اما دقیقا نمی‌دانید که چه مدیران یا پرستارانی بیشترین مواجهه را با این بیماری داشته اند. تنها از تعداد معدودی از این افراد مطلع هستید. شما میتوانید از همان مدیران و پرستاران بخواهید همکاران خود را معرفی نمایند.
• نمونه‌گیری سهمیه‌ای (Quota Sampling) : اگر اعضای طبقه یک گروه بیشتر باشد پس در نمونه نیز تعدادشان بیشتر خواهد بود. از این شیوه وقتی استفاده می‌شود که اولا هدف تحقیق کمتر جنبه علمی داشته باشد؛ ثانیا ساخت جامعه مورد مطالعه مشخص باشد. در نمونه گیری سهمیه ای، افراد نمونه به صورت غیر تصادفی با توجه به برخی سهمیه بندی های تعیین شده انتخاب می گردند. دو نوع از نمونه گیری سهمیه بندی وجود دارد که عبارتند از متناسب و نامتناسب. در نمونه گیری سهمیه بندی متناسب هدف محقق ارائه مشخصات و ویژگی های اصلی جامعه با استفاده از یک نسبتی از جامعه صورت می پذیرد. مثال: اگر بدانیم که نسبت جامعه مردان و زنان در جامعه به ترتیب ۴۰ و ۶۰ درصد است و حجم نمونه ای به اندازه ۱۰۰ مورد را نیاز داشته باشد؛ نمونه گیری را آنقدر ادامه می دهید تا به این نسبت برسید و هنگامی که این نسبت را بدست آوردین که شامل ۴۰ مرد است نمونه گیری از مردان را متوقف می کنید و تا رسیدن به نمونه گیری ۶۰ مورد از زنان ادامه می دهید. در ادامه نمونه گیری حتی اگر به نمونه هایی از مردان برخوردید که معیارهای ورود به مطالعه را داشتند از آنها صرف نظر می نمایید چون شما سهمیه مردان را جمع آوری کرده اید.   نمونه گیری سهمیه ای نامتناسب تا حدودی محدودیت کمتری دارد. در این روش محقق حداقل تعداد واحدهای نمونه را که در هر گروه می خواهد، مشخص می نماید. در این روش دیگر تناسب مشخصات و ویژگی هایی که در بالا ذکر گردید وجود ندارد. اگر نسبت جنسیت ۶۰ به ۴۰ باشد در روش نامتناسب شاید محقق بخواهد ۵۰ مرد و ۵۰ زن را انتخاب نماید و به نسبت متغیر مورد نظر در جامعه کاری نداشته باشد. در این روش در واقع نوع غیر احتمالی از روش نمونه گیری احتمالی طبقه بندی شده به حساب می‌آید و در واقع معمولا برای اطمینان از اینکه گروه های کوچکتر به اندازه کافی در نمونه در نظر گرفته شده اند مناسب می‌باشد.
• نمونه‌گیری اتفاقی یا احتمالی (Accidental Sampling) : در این نوع نمونه‌گیری، انتخاب افراد بر اساس ضابطه کنترل شده‌ای نیست. این روش متکی به اصل “مشت نمونه خروار است” می‌باشد. هنگامی که محققی آیتم‌های یک مطالعه را به صورت اتفاقی انتخاب می‌کند در تلاش برای شبیه سازی تصادفی سازی است. در این روش نتایج آزمون و آزمایشی که معمولا انجام می‌گیرد، دچار خطای غیر قابل پیش‌بینی و به احتمال بسیار زیاد دارای نتایج نامعتبر برای تعمیم به جامعه است. گاهی اوقات از این روش به دلیل ارزانی آن نسبت به دیگر روش‌های نمونه‌گیری استفاده می‌شود.

منابع :

1. روش‌های تحقیق در علوم رفتاری؛ اثر زهره سرمد، عباس بازرگان، الهه حجازی. نشر آگه
2. فنون تحقیق: نمونه گیری و حجم نمونه؛ اثر حسن صانعی، عباس رحیمی‌فروشانی. نشر اندیشمند

همه ما در مراحل و زمان هایی از زندگی، نیاز به گفت و گو و مشاوره داریم. جهت دریافت وقت مشاوره آنلاین یا حضوری با شماره ۰۹۳۵۵۷۵۸۳۵۸ تماس بگیرید.