Fadak.IR راهکارهای فدک
English Русский العربية فارسی
مقالات مدیریت مطالعات زبان


/ پژوهش / روش تحقیق و تحلیل

ابزارهای تحقیقات کیفی و کمی


      مقدمه
      تحلیل داده‌های کیفی تحلیل کیفی (Qualitative Analysis)
         نرم‌افزار انویوو (NVivo)
          نرم‌افزار اطلس تی (Atlas.Ti) 
         نرم‌افزار مکس‌کیودا (MAXQDA) 
         نرم افزارهای واژه‌پرداز(Word Processor)
         بازیابی کننده متن(Text Retrievers)
         مدیریت متن (Text base managers)
         برنامه‌های کد گذاری و بازیابی (Code-and retrieve)
         برنامه‌های ساخت تئوری (Theory Builders)
         برنامه‌های ساخت شبکه مفهومی (Builders Conceptual Network)
      نرم افزارهای تحلیل کمی (Quantitative analysis)
          اس پی اس اس (SPSS)
         لیزرل (LISREL‌)‌
         مینی‌تب (Minitab)
         ساس (SAS)
         آموس (AMOS)
         ام استت (MSTAT)
         اس پلاس (+S)
         میپِل (Maple)
         متمتیکا (Mathematica)
      نرم افزارهای تحقیق در عملیات
         تصمیم گیری و نرم افزار WinQSB
         برنامه‌ریزی خطی و نرم افزار LINDO
         برنامه‌ریزی ریاضی و نرم افزار LINGO
         برنامه‌ریزی ریاضی و نرم افزار GAMS
         ایویوز Eviews برای اقتصادسنجی
         استاتا Stata برای اقتصادسنجی فضایی
      برنامه‌نویسی
         نرم افزار متلب (MATLAB)
         زبان برنامه‌نویسی R و نرم افزار RStudio
         زبان برنامه‌نویسی Python
         زبان برنامه‌نویسی جولیا (Julia)
         زبان برنامه‌نویسی گولنگ (Golang)
      منابع

مقدمه

آشنایی با نرم افزارهای تحقیقات کمی و کیفی | تحلیل داده‌های کیفی و کمی

 

 

تحلیل داده‌های کیفی تحلیل کیفی (Qualitative Analysis)

نرم‌افزار انویوو (NVivo)

نرم‌افزار (NVivo) عمدتاً برای تجزیه‌وتحلیل متون در روش تحقیق کیفی و کدگذاری در تحقیق کیفی به کار می‌رود. به این ترتیب که داده‌ها (متن مصاحبه‌های انجام شده، یا پاسخ‌های تشریحی به پرسش نامه‌ها) وارد این نرم‌افزار می‌شوند، سپس امکان کدگزاری متن وجود دارد و در نهایت از نرم‌افزار برای بررسی کد‌های موجود و ارتباط آنها با خصوصیات افراد شرکت کننده استفاده می‌شود. قابلیت سازمان دهی اطلاعات و جستجوی واژه در تمام داده‌های موجود کمک‌های بسیار بزرگی به محقق محسوب می‌شوند.
در این نرم‌افزار امکاناتی برای مدل سازی و نمایش مدل با اشکال هندسی هم وجود دارد. این برنامه به خوبی با سایر نرم‌افزار آماری و همچنین محصولات آفیس سازگار است. این امکان برای پژوهشگر مهیا است تا داده‌های مورد نظر را در نرم‌افزارهای مرتبط باز کند. پژوهشگران، متخصصین و دانشجویان رشته‌های مختلف به خصوص رشته آمار، مدیریت و علوم اجتماعی از این نرم‌افزار استفاده می‌کنند.
نرم‌افزار انویوو NVivo کاربردهای میدانی زیادی نیز دارد و در صنعت نیز مورد توجه است. مدیران به کمک این برنامه راحت تر می‌توانند اطلاعات کیفی و نتایج مفیدی را از میان حجم انبوده داده‌ها و اطلاعات استخراج کنند. این نرم‌افزار کاربردی مشابه نرم‌افزار اطلس تی و نرم‌افزار مکس کیودا دارد. بنابراین با دانلود این نرم‌افزار به تحلیل کیفی داده‌ها و متون بپردازید. برای آشنایی بیشتر کتاب آموزش نرم‌افزار انویوو NVivo را مطالعه کنید.
آشنایی با نرم‌افزار (NVivo)
source: اشاره به فایل‌های حاوی داده است مثل متن پیاده شده یک مصاحبه. می‌تواند وارد نرم‌افزار شده باشد و یا به صورت مستقل باشد
case: معمولأ اشاره به هر فرد شرکت کننده در تحقیق دارد.
casebook: جدولی است که تمام caseها و خصوصیات آن‌ها را به نمایش می‌گذارد و برای بررس و اکتشاف مناسب است.
node: کد یا خصوصیتی است که به یک بخش از متن نسبت میدهیم. بر حسب فلسفه‌ی انتخاب شده نوع کد بندی متفاوت خواهد بود. مثلا در grounded theory در ابتدا کدگذاری آزاد انجام می‌شود.
relationship: نشان دهنده‌ی ارتباط دو چیز است و برای مدل سازی و به تصویر کشیدن ایده مناسب است.
attribute: خصوصیت یک case است. کد‌ها از مشخصات یک منبع source محسوب میشوند و ربطی به افراد ندارند! بنابراین اگر لازم است خصوصیات یک فرد تعیین شود باید با ایجاد attribute این کار را کرد. برای رسم نمودار و برخی موارد دیگر لازم است attribute مناسب را تعریف کرده باشیم. بهتر است هر گزینه جداگانه تعریف شود به شکل «دارد/ندارد»، نه این که برای یک صفت گزینه‌های متعدد تعریف شود. در این صورت برای مواردی که یک فرد همزمان چند گزینه را دارد مشکلی پیش نمی‌آید و مقایسه افراد راحت‌تر خواهد بود.
ویژگی‌های کلیدی نرم‌افزار انویوو
matrix: برای بررسی تعداد موارد در یک جدول متشکل از گزینه‌های مختلف کاربرد. مثلا جدولی که یک ستون آن از سطوح مختلف میزان تحصیلات تشکیل شده و ردیف‌های آن از سطوح مختلف گروه‌های سنی. حاصل جدولی است که به ما میگوید از هر سلول (که نماینده گروهی با سن و تحصیلات خاص است) چند نفر داریم.
Query: برای جست و جو تعداد موارد خاص یک چیز و یا پیدا کردن واژه‌های مورد نظر مفید است.
annotation: برای یادداشت برداری مفید است.
set: گروهی از موارد فوق است که به نوعی با هم در ارتباط هستند.
دکتر سیلورمن جایی اشاره کرده بود که از این نرم‌افزار برای ساماندهی یادداشت‌های شخصی‌اش برای تالیف یککتاب استفاده کرده بود. بنابراین نرم‌افزار می‌تواند ابزاری با کاربردهای متعدد باشد. این نرم‌افزار توسط دانشجویان مدیریت و جامعه شناسی و چند رشته دیگر مورد استفاده قرار می‌گیرد.
روش فعالسازی
۱- نرم‌افزار نصب و با موفقیت رجیستر و اجرا شده است.
۲- به همراه نرم‌افزار یک Keygen و یک دستور العمل به صورت فایل متنی ارائه شده است.
۳- اجزای مورد نیاز برنامه قبل از نصب برنامه باید به درستی و بدون مشکل نصب شوند تا برنامه بدون مشکل کار کند.

 نرم‌افزار اطلس تی (Atlas.Ti) 

آموزش نرم‌افزار اطلس تی (Atlas.ti) با رویکردی تخصصی برای انجام تحلیل کیفی داده‌ها، کدگذاری،  مقوله بندی کردن و استخراج مضامین متون تنظیم شده است. هر پژوهش علمی صحیح، اگر تحلیلی درست و منطقی ارائه دهد می‌تواند تأثیرگذار و موفق باشد. برای ارائه‌‌ی تحلیل و تفسیر کیفی بهتر و عمیق‌ تر، رایانه به کمک انسان آمده است.
نرم‌افزار اطلس تی (ATLAS.ti) یکی از بهترین و مشهورترین نرم‌افزارهای تحلیل داده‌های تحقیق کیفی است که امکان ورود داده‌های کیفی به زبان فارسی و تحلیل آن‌ها نیز در این نرم‌افزار فراهم شده است. هدف آموزش نرم‌افزار اطلس تی Atlas.ti در واقع کمک به پژوهشگران در جهت تجزیه و تحلیل داده‌های خام ورودی و پس از ارزیابی آن‌ها، شناخت روابط پیچیده‌ی بین آن‌هاست.
نرم‌افزار اطلس.تی.آی امکاناتی قوی برای تجزیه و تحلیل کیفی داده‌های متنی، گرافیکی، صوتی و تصویری در حجم‌های زیاد را داراست. اصول اصلی فلسفه کارگاه آموزشی ATLAS.T.I شامل: تجسم، یکپارچه سازی، قلاب اندازی و اکتشاف است. ابزار‌های متنوعی را جهت سازماندهی داده‌های بی ساخت ارائه می‌دهد. برای نمونه داده‌هایی که نمی‌توانند به طور کاملا معنا دار توسط رویکرد‌های آماری و رسمی تحلیل شوند. این نرم‌افزار قابلیت مدیریت اطلاعات پشتیبانی از شمار زیادی از انواع فرمتها مانند متنی، صوتی، گرافیکی ویدئویی و غیره می‌باشد. قابلیت این نرم‌افزار نسبت به  نرم‌افزار‌های دیگر تحلیل کیفی، ساده بودن محیط نرم‌افزار و شیوه نمایش اطلاعات و نصب بسیار ساده این نرم‌افزار می‌باشد.
آموزش نرم‌افزار اطلس تی (Atlas.ti)
یکی از مزیت‌های کلیدی این نرم‌افزار نسبت به نرم‌افزارهای مشابه آن نظیر اِن ویوو Nvivo و نرم‌افزار مکس کیودا MAXQDA، سادگی محیط و سهولت کار با ابزارهای ATLAS.ti است. عصر حاضر، بیش از به رقم در آوردن داده‌ها، بیش از بصری کردن داده‌ها دنبال تحلیل‌های و تفسیرهای کل نگر است که غالبا در علم آمار این نوع تحلیل و تفسیرها تحت عنوان تحقیقات کیفی خطاب می‌شود.
برای شاخه بررسی کمی ابزارهای مختلفی وجود دارد ولی در شاخه تحقیقات کیفی ابزارهای کمی وجود دارد که یکی از بهترین‌ها در این حوزه نرم‌افزار ATLAS ti می‌باشد. این برنامه با هدف سیستماتیک کردن فرایند آنالیز داده‌های پیچیده و بدون ساختار ارائه شده است. در این برنامه داده‌هایی مانند متن، مالتی مدیا و داده‌های جغرافیایی و مکانی وارد می‌شوند و برنامه با ارائه قابلیت‌های مختلفی سعی میکند تا داده‌های ساختار یافته و سازمان یافته‌ای را از انبوه اطلاعات بدون ساختار استخراج کند.
این برنامه باعث می‌شود شما اطلاعاتی را ببینید که در حالت عادی و با بررسی‌های کمی شاید قادر به مشاهده آن نباشید.
نرم‌افزار اطلس تی قادر است داده‌های استخراج شده را اولویت بندی کند، به آنها وزن بدهد و رابطه بین این داده‌ها را از طریق تکنیک‌های گرافیکی به زیبایی نمایش دهد.
ویژگی‌های نرم‌افزار اطلس تی (Atlas.ti)
-    قابلیت تحلیل کیفی داده‌های متنی، تصویری، صوتی و ویدئویی
-    امکان تحلیل کیفی داده‌های آنلاین و نیز داده‌های برنامه‌ی Google Earth
-    تجزیه و تحلیل دقیق داده‌های کدگذاری‌شده
-    قابلیت برنامه‌نویسی خودکار
-    مدل‌سازی تصویری از داده‌ها
-    پشتیبانی از زبان فارسی (البته در برخی موارد مشکلاتی دارد)
-    امکان خروجی گرفتن از پروژه به عنوان XML، CSV، HTML و برنامه‌ی SPSS
-    یک‌پارچه بودن ابزار تبدیل PDF با برنامه
-    ارائه‌ی آموزش‌های کار با برنامه به همراه مثال‌های مختلف

محیط نرم‌افزار اطلس تی (Atlas.ti)

مراحل گام به گام آموزش نرم‌افزار اطلس تی (Atlas.ti)
گام اول: شروع کار
برای شروع کار با نرم‌افزار ATLAS.ti  لازم است تا قبل از هر کاری، پروژه تحقیقی مورد نظر به صورت یک واحد هرمنوتیک در نرم‌افزار تعریف شود.
برای این کار طبق دستور زیر عمل کنید:
از منوی اصلی /File / گزینه واحد هرمنوتیک جدید انتخاب شود، با این کار پنجره جدیدی باز می‌شود، در پنجره جدید دوباره به قسمت فایل بروید و گزینه ذخیره (save as) را انتخاب کنید و محل ذخیره و نام پروژه را هنگام ذخیره تعریف کنید.
گام دوم: ورود مدارک اولیه
مدارک اولیه (P-Docs) هر نوع داده با هر فرمتی را شامل می‌گردد که توسط پژوهشگر در جریان تحقیق کیفی برای تحلیل گردآوری شده است. همانطور که قبلا گفته شد از قبیل عکس، فایل صوتی، فیلم ویدیویی و یا فایل چند رسانه‌ای می‌تواند باشد. این قسمت هر نوع داده یا متنی که پژوهشگر قصد تبیین و تفسیرش را دارد در بر میگیرد. می‌توانید برای استفاده از فایل‌ها با فرمت‌های مختلف از یک تبدیل گر یا Convertor استفاده کنید.
نحوه ورود مدارک اولیه
از نوار منوی اصلی  روی گزینه Document  کلیک کنید و از منوی باز شده گزینه Assign را انتخاب کنید، از پنجره باز شده  فایل‌های مورد نظر با هر نوع فرمتی انتخاب کنید و برای ورود به نرم‌افزار Open را بزنید.
جهت حذف مدارک اولیه غیر ضروری یا تکراری از لیست مدارک اولیه می‌تونید فایل رو انتخاب و از نوار منوی اصلی قسمت Document دستور Discontent را کلیک و اجرا کنید.
برای هر یک از فایل‌ها توضیحات جانبی یا همان Comment قابل افزودن است. برای این کار کافی است فایل مورد نظر را از فهرست P-Docs انتخاب کنید و از نوار منوی اصلی، گزینه Document دستور Edit comment را کلیک و تو پنجره باز شده تایپ کنید.
کار با نقل قول
ایجاد نقل قول ( Quotations)
نقل قول‌ها بخش‌های برگزیده شده از منابع اولیه هستند که برای محقق مهم‌اند و می‌تونه شامل زنجیره دلخواهی از کلمات منفرد، عبارتها، جملات، پاراگراف‌ها یا کل متن مدرک اولیه باشه.
نحوه ایجاد نقل قول
بعد از باز کردن مدرک اولیه بخش مورد نظر خودتونو انتخاب کنید و روی آن راست کلیک و از پنجره باز شده دستور  Create free quotation را اجرا کنید.
نقل قول ایجاد شده در فهرست نقل قول‌ها ( در نوار فهرست‌ها بخش Quotes) قرار میگیرد و به صورت یک باکس نیز در قسمت راست پنجره نرم‌افزار ظاهر میشد.
حذف  نقل قول
باکس نقل قول مورد نظر رو برای حذف انتخاب میکنیم و راست کلید کرده و دستور delete رو اجرا میکنیم.
در پاورپوینت آموزش نرم‌افزار اطلس تی Atlas.ti ایجاد کدها، ایجاد یادداشت‌ها، ایجاد شبکه‌ها، خانواده‌ها آموزش داده شده است.

آموزش آشنایی با نرم افزار اطلس تی آی – تجزیه و تحلیل کیفی انواع داده با ATLAS.ti

نرم‌افزار مکس‌کیودا (MAXQDA) 

نرم‌افزار مکس‌کیودا (MAXQDA) رنامه‌ای کاربردی ویژه تحقیق کیفی است که محیط مناسبی را برای تحلیل محتوای متن فراهم می‌کند. این نرم‌افزار برای تحقیقات کیفی و آینده پژوهی مناسب است. این نرم‌افزار به عنوان یک برنامه جهانی جهت تحلیل داده‌های ساختارنیافته مانند مصاحبه‌ها، مقالات، رسانه‌ها، نظر سنجی، مطالعات کیفی و … است. می‌توان از نرم‌افزار مکس‌کیودا MAXQDA برای پایان‌نامه دکتری مدیریت استفاده نمود.
انواع داده‌های مربوط به مصاحبه‌ها، گروه‌های تمرکز، نظرسنجی آنلاین، صفحات وب، تصاویر، فایل‌های صوتی و تصویری، صفحات گسترده، داده‌های کتاب‌شناسی و حتی توییت توییتر و … را وارد کرد. از امکاناتی نظیر سازماندهی این داده‌ها در گروه‌های مختلف، ارتباط داده آن‌ها به یکدیگر، به اشتراک گذاری و همچنین مقایسه کارهای صورت گرفته با دیگر اعضای تیم کاری استفاده نمود. دانشجویان دکتری مدیریت با دانلود نرم‌افزار MAXQDA می‌توانند تحلیل کیفی انواع مصاحبه و روش تحقیق آمیخته را به سادگی انجام دهند.
دانلود نرم‌افزار مکس‌کیودا (MAXQDA) نسخه ۱۰
نرم‌افزار مکس‌کیودا از زمان معرفی خود تاکنون بارها به‌روزرسانی گردیده است. نسخه‌های گوناگون این نرم‌افزار هر بار با ویژگی‌ها و توانمندی‌های جدید توسط تیم سازندگان آن ارائه گردیدند. بدیهی است پژوهشگران ایرانی یا توان مالی خرید این نرم‌افزار را ندارند یا امکان خرید آن وجود ندارد. حتی اگر پژوهشگری توان پرداخت هزینه دلاری را داشته باشد نمی‌تواند خرید آنلاین از سایت‌های خارجی را انجام دهد. برای رفع این مشکل از نسخه شماره ده نرم‌افزار به صورت کرک کامل استفاده کنید. برای دانلود رایگان نسخه ۱۰ نرم‌افزار مکس‌کیودا از لینک زیر استفاده کنید.
پس از آنکه نرم‌افزار را دانلود و نصب کردید وقتی دیالوگ زیر ظاهر شد، تیک اجرای نرم‌افزار را غیرفعال کنید.
دیالوگ پایان نصب مکس‌کیودا
هرگز نرم‌افزار مکس‌کیودا را آپدیت نکنید!

    فصل یکم: معرفی نرم‌افزار و آغاز به کار با نرم‌افزار
        درس یکم: تاریخچه نرم‌افزار MAXQDA
        درس دوم: چرا از نرم‌افزار MAXQDA استفاده کنیم؟
        درس سوم: پنجره آغاز به کار با نرم‌افزار MAXQDA
    فصل دوم: آشنایی با محیط نرم‌افزار
        درس چهارم: آشنایی با پنجره‌ها و مدیریت پنجره‌ها
        درس پنجم: آشنایی با نوار منو
        درس ششم: آشنایی با نوار ابزار پنجره‌ها
    فصل سوم: مدیریت مستندات
        درس هفتم: ورود مستندات به نرم‌‌افزار
        درس هشتم: دسته‌بندی مستندات
        درس نهم: ویرایش مستندات
        درس دهم: باز کردن هم‌زمان چند سند
        درس یازدهم: جابه‌جا کردن و مرتب کردن اسناد
        درس دوازدهم: تغییر عنوان، پاک کردن سند و رنگ دادن به اسناد
        درس سیزدهم: پیاده‌سازی فایل‌های صوتی و تصویری
    فصل چهارم: کدگذاری داده‌ها
        درس چهاردهم: انواع روش‌های کدگذاری (9 روش کدگذاری)
        درس پانزدهم: وزن‌دهی به کدها
        درس شانزدهم: رنگ دادن به کدها
        درس هفدهم: انتقال و کپی بخش‌های کدگذاری شده
    فصل پنجم: لینک دادن
        درس هجدهم: لینک دادن اسناد
        درس نوزدهم: لینک خارجی
        درس بیستم: لینک به صفحات وب
    فصل ششم: یادآورها
        درس بیست‌و‌یکم: ایجاد ممو در اسناد
        درس بیست‌و‌دوم: ورود اطلاعات در پنجره ممو
        درس بیست‌و‌سوم: نمایش و ویرایش ممو
        درس بیست‌و‌چهارم: کپی و پاک کردن ممو
        درس بیست‌و‌پنجم: مدیریت مموها
        درس بیست‌و‌ششم: مموی آزاد
        درس بیست‌و‌هفتم: سرچ در متون ممو
        درس بیست‌و‌هشتم: خروجی گرفتن از مموها
        درس بیست‌و‌نهم: تحلیل محتوای مموها
    فصل هفتم: جست‌وجو
        درس سی‌ام: جست‌وجو در پنجره‌ها
        درس سی‌ویکم: جست‌وجوی پیشرفته
    فصل هشتم: Mixed Method Analysis
        درس سی‌ودوم: تعریف متغیرها
        درس سی‌وسوم: ورود متغیرها
        درس سی‌وچهارم: استفاده از متغیرها در تحلیل
    فصل نهم: کار تیمی
        درس سی‌وپنجم: خروجی گرفتن برای انجام کار تیمی
        درس سی‌وششم: ورود کار تیمی
    فصل دهم: بازیابی و خروجی گرفتن از پنجره‌ها
        درس سی‌وهفتم: نحوه فعال کردن کدها و مستندات
        درس سی‌وهشتم: خروجی گرفتن از پنجره‌ها و کاربردها
    فصل یازدهم: بصری‌سازی داده‌های کیفی و نتایج
        درس سی‌ونهم: MAX Map
        درس چهلم: Code Matrix Browser
        درس چهل‌و‌یکم: Code Relation Browser
        درس چهل‌و‌دوم: Code Map
        درس چهل‌و‌سوم: Document Map
        درس چهل‌و‌چهارم: Document Portrait
        درس چهل‌و‌پنجم: Code Line
        درس چهل‌و‌ششم: Document Comparison Chart

MAXQDA 2020

پشتیبانی، انتشارات:   
برنامه VERBI .مشاوره.  تحقیقات اجتماعی. GmbH برلین،آلمان 
 www.maxqda.com
VERBI Software. Consult. Sozialforschung. GmbH,   یک علامت تجاری ثبت شده از  MAXQDA
 6 مقدمه
 بیشتر  روش‌های تحلیل کیفی با دسته بندی‌ها کار می‌کنند. که می‌تواند یا از درون داده‌ها  ایجاد شوند  و  یا بر اساس دانش قبلی درباره داده‌ها،  تئوری‌های موجود یا نتایج تحقیقات اخیر  بوجود بیایند.  دسته بندی‌ها اغلب به صورت کدها یا کلمات کلیدی نام گذاری شده اند، اما به هرچیزی که نامگذاری شوند، همه آنها این قابلیت را دارند که داده‌ها را سازماندهی و سیستماتیک کنند  ،اغلب  حتی به عنوان 
کدهای تحلیلی کار می‌کنند.  کدهای تحلیلی نتیجه یک فرایند تحلیلی است که از تعیین یک موضوع فراتر می‌رود و این همان چیزی است که ما در این راهنما به عنوان ک د (code) به آنها اشاره می‌کنیم  .
کد گذاری اطلاعات م‌ی تواند زمان زیادی صرف کند،   اما نگران نباشید:  روشهای 
مختلف زیادی برای استفاده از نرم افزارQDA  )تجزیه و تحلیل داده‌های کیفی( وجود دارد. 
همیشه لازم نیست که داده‌های خود را کدگذار‌ی کنید تا بتوانید آنرا با   MAXQDA  تحلیل کنید ؛ شما همچنین می‌توانید از آن به سادگی برای سازماندهی اطلاعات یا جستجوی کلمات و ترکیب کلمات استفاده کنید. 

رابط کاربر MAXQDA 

شروع به کار MAXQDA   
هنگام باز کردن برنامه MAXQDA، پنجره‌ای در سمت چپ بالا مشاهده خواهید کرد که به شما این امکان می‌دهد که نام کاربری یا مخفف آنرا را تایپ کنید )این کار می‌تواند در کارهای بعدی شما کاربردی تر باشد(. برای ایجاد اولین پروژه خود در MAXQDA روی New Project )پروژه جدید( کلیک کنید، پروژه خود را نامگذاری کنید و آنرا در یک مکان در کامپیوتر خود ذخیره کنید. پوشه‌های 
داخلی کامپیوتر شما بهترین مکان برای پروژه‌های MAXQDA میباشد بنابراین بهتر است که آنها را روی درایو شبکه یا حافظه‌های جانبی مانند فلش ذخیره نکنید.  همچنین از ذخیره کردن پروژه‌های خود بر روی پوشه‌هایی که با سرویس‌های ابری همگام شده‌اند مانند Dropbox،iCloud یا Google Drive خودداری کنید. این سرویس‌ها ممکن است برای دسترسی به بانک اطلاعات پروژه در حالی که  پروژه در MAXQDA باز است، رقابت کنند. 
فایل‌های پروژه‌های  MAXQDA 2020 دارای پسوند MX20 هستند .همچنین می‌توانید با تایپ واژه  MAXQDA 2020" " این فایلها را در ویندوز  یا مک جستجو کنید.   
MAXQDA  از پروژه‌هایی مانند (.xlsx)   Excel و(.docx)  Word استفاده می‌کند  تقریباً هر آنچه را ب ا MAXQDA وارد یا ایجاد می‌کنید )مانند کدها و یادداشت‌های شما( در پروژه‌ها ذخیره می‌شوند. 
در سمت راست صفحه شروع چندین پیوند به شما ارائه می‌دهد، به عنوان مثال گزینه باز کردن دفترچه راهنمای آنلاین MAXQDA، تماشای آموزش‌های ویدئویی MAXQDA یا ارسال بازخورد به تیمMAXQDA  .  
رابط کاربر                                                                                
رابط کاربر  
هنگامی که اولین پروژه خود را با موفقیت ایجاد و ذخیره کردید، صفحه زیر با چهار پنجره اصلی، که هنوز خالی هستند برایتان ظاهر میشود.  
تقسیم این صفحه، به چهار پنجره، باعث میشود کار با MAXQDA بسیار آسان تر باشد.  پنجره اول )1(، در قسمت بالا،  گوشه سمت چپ شامل Document System  )سیستم  اسناد(، پنجره زیرین )2( شامل Code System  )کد سیستم(،   پنجره در سمت راست گوشه بالایی Document Browser  )مرورگر اسناد( میباشد، و چهارمین پنجره Retrieved Segments )بخش‌های بازیابی شده ( نامیده شده است. )اگر فقط سه پنجره را میبینید نگران نباشید. وقتی برای اولین بار با MAXQDA  کار می‌کنید پنجره چهارم پنهان می‌باشد، زیرا در ابتدای تجزیه و تحلیلتان به آن نیازی ندارید.  
این چهار پنجره ساختار اصلی MAXQDA را تشکیل می‌دهند.  م‌ی توانید با حرکت پنجره‌ها به اطراف آنها را بازچینش کنید، یا پنجره‌ها را در سه ستون به جای دو ستون نمایش دهید. همچنین میتوانید تنظیمات آنرا در منو اصلی و در زبانه  “Home” تغییر دهید.  
این زبانه‌ها )Tabs( )در برخی برنامه‌ها به آنها “ribbons” میگویند( که برای دسترسی به بسیاری از ویژگی‌های برنامه هستند در بالای پنجره MAXQDA قراردارند. در زبانه “Home” )صفحه اصلی( میتوانید پنجره‌های جداگانه را بازکنید و ببندید و همچنین صفحه کاری را مطابق کاری که میکنید مرتب سازی کنید. علاوه بر این میتوانید ساختار منحصر به فرد چهار پنجره‌ای را بازکنید و با درگ کردن، آنها را در موقعیت دیگری قرار دهید و یا حتی در صفحه کامپیوتر دوم وارد کنید. برای باز و بسته کردن پنجره‌ها میتوانید بر روی دکمه پنجره یا پنجره‌های مربوطه کلیک کنید و یا با کلیک روی نماد )x ( در گوشه سمت راست به آسانی پنجره مربوطه را ببندید.  
حالا اجازه دهید برگردیم به چهار پنجره اصلی! تمام فایل‌هایی که می‌خواهید با آنها کار کنید در پنجره Document System وارد میشون د. در صورت استفاده از کدها و کدهای فرعی می‌توانید آنها را در قسمت Code System مدیریت کنید. اطلاعات یا data‌هایتان را در قسمت Document Browser می‌توانید ببینید و ویرایش کنید. پنجره Retrieved Segment محلی است که نتایج بازیابی‌هایتان بعدا در آن به نمایش در می‌آید.  
نکاتی راجع به محل  ذخیره داده‌ها و ذخیره کردن                                                                       
نکاتی راجع به محل ذخیره داده‌ها و ذخیره کردن  
برنامه MAXQDA تمام چیزهایی را که وارد می‌کنید،  تفسیر یا تعریف می‌کنید را در یک فایل واحد به نام Project file کنترل می‌کند.  
بنابراین یک بار آن را ایجاد کنید: یک پروژه = یک پرونده  . همانطور که قبلا یاد گرفتیم، این پرونده‌ها با پسوند MX20 تمام می‌شون د )پروژه‌های با ورژن پایین تر با پسوند MX18 یا MX12 تمام می‌شوند(.  
برای اطمینان از ایمن بودن پروژه خود، لطفا کادر زیر را بخوانید: 
لطفا توجه داشته باشید: MAXQDA تمام موارد وارد شده و یا ایجاد شده توسط کاربر)ها( را به صورت خودکار ذخیره می‌کند. با این حال، شما هنوز هم باید مطمئن شوید که از طریق گزینه Save As Project،  پشتیبان گیری روزانه را انجام م‌ی دهید.که میتوانید آنرا در زبانه “Home” پیدا کنید و آنها را روی یک دستگاه ذخیره ساز ثانویه ذخیره کنید.   
به طور خلاصه، Project file  شامل کلیه داده‌های مورد نیاز برای کار بر روی پروژه تحقیقاتی، پایان نامه کارشناسی یا پایان نامه کارشناسی ارشد است. اما برای هر قاعده یک استثنا وجود دارد: اگر از فایل‌های صوتی یا تصویری زیادی استفاده می‌کنید، حتی پس از وارد کردن چند فایل ویدئویی، Project file ممک ن است خیلی سنگین شود. بنابراین تنظیم استاندارد،  به طور خودکار تصاویر و اسناد  pdf را تا اندازه مشخصی از فایل‌ها (5 MB)  را وارد می‌کند، در حالیکه فایل‌های صوتی و تصویری به صورت جداگانه ذخیره می‌شوند. 
اما وقتی Project file خیلی سنگی ن م‌ی شود، ممکن است تبادل آن با دیگران مشکل باشد.  
کلمات کلیدی مهم  
در اینجا مهم‌ترین کلمات کلیدی را که باید در کار با MAXQDA بدانید را آورده ایم:  
 *Projects )پروژه ه ا( فایهای سیستم، یا "واحد‌های کاری" در MAXQDA  هستند.  آنها حاوی مهمترین اطلاعات وارد شده هستند، مانند متون، PDFها، تصاویر،  جداول و همچنین کدها،  یادداشت‌ها، تفسیرهایی که ایجاد کرده اید.  
 * Document )اسناد( همان واحد‌هایی هستند که میخواهید آنها را تجزیه و تحلیل کنید. آنها می‌توانند مصاحبه، پروتکل‌های گروه‌های متمرکز،ضبط‌های صوتی و تصویری،مقالات ژورنال‌های علمی و موارد دیگر باشند.  
 *Codes )کدها(  مهمترین ابزار تجزیه و تحلیل شما هستند. آنها را می‌توانید به هر چیزی با اهمیتی که در نظر دارید اختصاص دهید 
،مثلا به بخش‌هایی از متن، بخش‌هایی از عکس یا بخش‌هایی از یک فیلم. 
 *سیستم ک د  )Code system ( یا )Code tree ( درخت کد، کلیه کدها و کدهای فرعی را که بصورت سلسله مراتبی قابل اجرا هستند،  توصیف می‌کند.  
 *Coding )کدگذاری کردن(  عبارت است از اختصاص دادن کد به یک بخش مشخص اطلاعات شما. 
 *Coded segments  )بخش‌های کدگذاری شد ه( آن دسته از اطلاعات هستند که به آنها کد اختصاص داده شده است . 
 *Memos ) یادداشت‌ها( اساساً به عنوان بایگانی در اختیار شما هستند. می‌توانید ایده‌ها، فرضیات و سؤالات خود را برای مراحل تجزیه و تحلیل بعدی خود یادداشت کنید یا فرضیه‌های اول را در مورد پیوستگی احتمالی در داده‌ها تنظیم کنید. 
 *Comments )نظرات( کوتاهتر از یادداشت‌ها هستند. می‌توانید از آنها برای اختصاص نظرا ت به بخش‌های کدگذاری شده، مانند 
"مخالف" یا "قسمت مهم" استفاده کنید.   
 *Overviews ) نمای کلی ( ارائه‌های جدولی در MAXQDA است. مروری بر بخشهای رمزگذاری شده، یادداشتها، متغیرها، پیوندها و موارد دیگر وجود دارد. تمام بررسی‌های MAXQDA از همین اصل پیروی می‌کنند و اجازه دسترسی آسان به عناصر مجزا را می‌دهند تا شما اطلاعات خود را از دست ندهید. 
وارد کردن  داده‌ها 
وارد کردن و کاوش داده ه ا  
وارد کردن داده‌ها 
قبل از اینکه در مورد روش‌های مختلف برای وارد کردن اطلاعاتتان بیاموزید، باید نگاهی دقیق تر به پنجره Document System بیاندازیم.  
هنگامی که روی کلمه Document یا نماد کنار آن کلیک راست می‌کنید، یک فهرست بزرگ باز می‌شود. می‌توانید بخشی از آن را در اینجا مشاهده کنید:  
از طرف دیگر، می‌توانید از طریق “Import” )وارد کردن( بر روی نماد مناسب برای نوع داده خود بروید و کلیک کنید، مثلا رونوشت 
ها یا حتی به روشی ساده تر، پرونده‌ها را از Windows Explorer‌ی ا Mac Finder در پنجره Document System  درگ کنید و رها کنید.  در برگه "Import" گزینه‌های اضافی برای وارد کردن انواع خاص داده‌ها، از جمله وارد کردن اسناد از صفحهات گسترده 
،نسخه‌های گروه متمرکز یا ایجاد متن به طور مستقیم در MAXQDA، مشاهده خواهید کرد. 
کاوش داده‌ها  
بدون دانستن داده‌ها، تجزیه و تحلیل داده‌های کیفی درست عمل نمی‌کند. بنابراین MAXQDA این کار را برای شما آسان می‌کند تا پرونده‌های خود را جستجو کنید: به سادگی بر روی یک سند در پنجره Document System دابل کلیک کنید، و این سند در Document Browser  باز می‌شود و تقریباً مانند نمونه مصاحبه،  در مثال زیر است: 
شماره پاراگرافها بحث در مورد بخشهای خاص را در یک تیم آسان تر می‌کند) "نگاهی به توضیحات پاراگراف 4 بیندازید!"( و همچنین کدگذاری کامل پاراگراف ه ا را یکباره انجام می‌دهد. همچنین می‌توانید برای نشان دادن مناب ع داده‌های خود از شماره‌های پاراگراف استفاده کنید. اگر به شماره گذاری دقیق تری نیاز دارید، می‌توانید در هر زمان با کلیک راست روی متن و انتخاب   Convert to“
”Line Numbering )تبدیل به شماره گذاری خطی(، نمایشگر را به شماره گذاری خطی تغییر دهید. 
در مثال بالا می‌توانید سه نوار عمودی رنگی، و همچنین یک نماد چسبنده زرد رنگ را در کنار متن مشاهده کنید .این نماد  نشان می‌دهد که یادداشتی به آن بند پیوست شده است. نوارهای عمودی به اصطلاح نوارهای کد نویسی هستند که نشان دهنده کدی هستند ک ه 
به متن اختصاص یافت ه است )در این حالت کدهای طولانی به  “..Interests”, “..Career” and “..Parents”.منتهی می‌شوند(. برای مشاهده نام کل کد، کافی است با درگ کردن خط خاکستری به سمت  نوارهای کدگذاری در سمت راست، ستون کدگذاری را بزرگ کنید.  
یادداشت چیست؟  از یادداشت‌ها به منظور ایجاد نکات و سوابق، برای اتصالشان به متون، بخش‌های متنی، گروه‌های اسناد، تصاویر،  فایل‌های صوتی یا تصویری و حتی کدها استفاده می‌کنند - دقیقاً مانند آنچه شما با یادداشت‌های چسبنده "واقعی" انجام می‌دهید.  کاوش داده‌ها
هنگامی که برای نخستین بار متنی را در Document Browser باز می‌کنید، همچنان که هنوز کدگذاری نشده و یک یادداشت ایجاد نکرده اید، آن بخش همچنان خالی خواهد بود. فقط سعی کنید یک مورد ایجاد کنید: در جایی، روی بخش یادداشت‌ها دابل کلیک 
کنید و یک پنجره محاوره‌ای یادداشت )memo dialog window ( به طور خودکار باز خواهد شد .این تنها چیزی است که اکنون باید بدانید و در آینده در مورد یادداشت‌ها با جزئیات بیشتری صحبت خواهیم کرد، 
در قسمت بالای Document Browser، یک نوار ابزار قراردارد ک ه ویژگی‌های خیلی مهمی را به شما نشان می‌دهد.  
اگر شما یک سند PDF را در Document Browser  وارد و باز کنید، می‌توانید از تنظیمات دیگری نیز استفاده کنید. خواهید دید آیکون‌هایی ایجاد شده است که شما را قادر می‌سازد، به عنوان مثال بزرگنمایی مثبت و منفی را انجام دهید یا به صفحه بعدی فایل PDF بروید. 
در برخی مواقع در تحقیق، ممکن است بخواهید متنی را با شماره پاراگراف چاپ کنید )یا سند خود را به صورت PDF با چاپگر PDF ذخیره کنید(. برای انجام این کار، نماد Print document را انتخاب کنید و یا از کلید میانبر )Ctrl + P  ( در ویندوز یا  cmd + P )در مک( استفاده کنید. منوی چاپ گزینه‌های مختلفی را برای طراحی چاپ خود به شما ارائه می‌دهد:  
جستجو داده‌ها 
جستجو داده‌ها  
ممکن است در مرحله‌ای از تحقیقات شما  نیاز به یافتن کلمات مخصوصی در اسناد خود داشته باشید. در MAXQDA، جستجوی کلمات می‌تواند در هرکدام از چهار پنجره اصلی به صورت همزمان انجام گیرد .در هر پنجره نماد ذره بین وجود دارد که با کلیک بر روی آن می‌توانید کلمه مورد نظرتان را جستجو کنید. MAXQDA تعداد تکرار این اصطلاح را نشان می‌دهد، و شما قادر خواهید بود با استفاده از کلیدهای جهت دار از هر کلمه به کلمه بعدی بروید تا تکرارهای آن کلمه را در متن مشاهده کنید.  
ابزاری قدرتمندتر از جستجوی موضعی، ابزار Lexical search  )جستجوی واژگان( است )که در برگه” Analysis“ )آنالیز( یافت می 
شود.( Lexical search )جستجوی واژگان( به شما امکان می‌دهد چندین سند را همزمان جستجو کنید؛ این فقط محدود به استاد باز نیست. 
به محض بازشدن پنجره می‌توانید به طور همزمان هر تعداد جستجو را وارد کنید. از کلید بازگشت برای پایان دادن به ورودی خود یا اضافه کردن رشته جستجوی جدید استفاده کنید. هر مورد جستجو در یک خط جدید قرار می‌گیرد. تنظیم استاندارد از منطق  “OR” پیروی می‌کند، یعنی به محض یافتن یکی از آیتم‌های جستجو، آن را به عنوان یک لیست ذکر می‌کند. درپنجره  Document
 Browser، که تمام بازدیدهای جستجو را نشان می‌دهد، با کلیک برروی یک آیتم در جدول نتایج، پاراگراف مربوطه نشان داده میشود. کدگذاری رنگی و یادداشت‌ها 
بعضی اوقات ممکن است بخواهید قبل از فکر کردن در مورد دسته بندی‌ها و جهت کلی تحلیل خود، چیزی را در یک متن یا یادداشت، نظرات و فرضیات و ایده‌های دیگر، علامت گذاری کنید. همانطور که ممکن است در یک کتاب قسمت‌های مختلف را‌هایلایت یا یک استیکر به یک صفحه بچسبانید، می‌توانید از عملکرد Highlight coding در MAXQDA استفاده کنید تا متن‌ها را با پنج قلم رنگی، 
مجازی )قرمز، آبی، سبز، زرد و بنفش( علامت گذاری کنید. در بالای پنجره Document Browser می‌توانید آیکن‌های کدگذاری رنگ را پیدا کنید.  
می توانید هر قسمت از متن را با ماوس خود انتخاب کرده و سپس بر روی یکی از نمادها کلیک کنید تا آن را با رنگ دلخواه خود‌هایلایت کنید. تفاوت‌هایلایتها  در "واقعیت" در این است، که پیدا کردن دوباره پیام‌های‌هایلایت شده در MAXQDA بسیار ساده تر از آن است که در واقعیت بخواهید آنها را در یک کتاب پیدا کنید. نحوه بازیابی بخشهای کدگذاری شده که با Highlight coding ایجاد شده ان د، جلوتر در قسمت Data analysis )تجزیه و تحلیل داده‌ها( بیشتر توضیح داده خواهد شد. 
همانطور که یاد گرفتیم، ک دگذاری رنگی (color-coding) ابزاری مفید برای علامت گذاری موارد مهم حتی قبل از فرآیند کدگذاری صریح است. ابزار مفید دیگر عملکرد Memos  )یادداشت‌ها( است. با کمک  In-Document-Memos )یادآورهای موجود در سند( می‌توانید یادداشت‌ها را به هر مکانی در هر سند ضمیمه کنید. یکی از بخش‌های سند را انتخاب کنید، بر روی قسمت انتخاب شده کلیک راست کنید و از فهرست نمایش داده شده استفاده کنید تا یک یادداشت جدید برای شما ایجاد شود تا افکار و ایده‌های خود را وارد کنید: 
کدگذاری رنگی و یادداشت‌ها 
می توانید یک عنوان برای یادداشت درج کنید، برای انواع یادداشت‌ها نماد همتایش را اختصاص دهید و آن را به کدهای خاص لینک کنید. 
شبیه به کدگذار‌ی رنگی، بازیابی یادداشت‌ها نیز ساده است. شما می‌توانید انواع یادداشت‌ها و یک ویژگی جستجوی یادداشت‌های خاص را در قسمت منو "یادداشت‌ها" پیدا کنید. نتایج جستجو در مدیریت یادداشت MAXQDA،(Memo Manager)  نمایش داده می‌شود، جایی که به راحتی  م‌ی توانید یادداشت‌های خود مدیریت، ویرایش و فیلتر کنی د. به عنوان مثال:  فقط نمایش یادداشتهایی که شما در طی یک دوره زمانی خاص نوشتید.  
 داده‌های خود را کد گذاری
داده‌های خود را کد گذاری کنید 
کدگذاری بخش‌های مختلف داده‌ها 
همانطور که قبلاً یاد گرفتیم، روش کار اصلی در اکثر روشهای تحلیل، کدگذاری داده‌ها است. اما این به چه معنی است؟ کدگذاری روند انتخاب بخشی از داده‌های اطلاعاتی را توصیف می‌کند، برای اختصاص دادن کد به آن‌ها کافیست یک پاراگراف یا یک قسمت از تصویر را با استفاده از ماوس انتخاب کنی د )دقیقاً مانند Word یا برنامه‌های دیگر(. این در اصل همان برچسب زدن به محتوا است، اما کدگذار‌ی در تحقیقات اجتماعی تجربی بسیار بیشتر از‌ای ن‌ها را شامل می‌شود. 
بنابراین، در نهایت کد چیست؟ اولین شرکت شما ممکن است از خدمات مخفی و ماشین‌های رمزگذاری و رمزگشایی استفاده کند و‌ی ا 
ممکن است از کدها به عنوان نقشه کاملاً تنظیم شده، مانند کدهای مورس (Morse) استفاده کند. هر دوشرکت گمراه کننده هستند! در چارچوب تحقیق کیفی، یک کد بیشت ر از یک برچسب است که برای نامگذاری پدیده‌ها در یک متن یا یک تصویر استفاده می‌شود. از نظر فنی، یک کد یک رشته کاراکتر است که می‌تواند از حداکثر 63 کاراکتر در MAXQDA تشکیل شود، یا میتواند از آن چندین 
کلمه یا رشته‌های رمزنگاری بیشتری مانن د  “CR128” تشکیل شود. در تحقیقات اجتماعی، کدها می‌توانند معانی مختلفی داشته باشند و عملکردهای مختلفی را در فرایند تحقیق به عهده بگیرند: ازجمله کدهای واقعی، کدهای موضوعی، کدهای نظری و بسیاری ا ز 
موارد دیگر نیز وجود دارد)  بهRichards 2014،Kuckartz & Rädiker 2019  مراجعه کنید(.  با نگاهی گذرا به کدها متوجه میشویم ک ه نقش آ نها در فرآیند تحقیق همیشه مشخص نیست: یک کد می‌تواند از اهمیت کم‌ی برخوردار باشد یا نقش کلید‌ی داشته باشد. فقط محتوا و ساختار آن کد میتواند نقش آنرا نمایان سازد.  
بنابراین، چگونه می‌توان کدها را ایجاد کرد؟ به سادگی در پنجره Code System  بر  روی Code System کلیک راست کرده و از منوی باز شده گزینه New code  را انتخاب کنید. از طرف دیگر، می‌توانید نماد نظیر آنرا را در نوار ابزار در گوشه بالا سمت راست یا بر روی یک کد شناور انتخاب کرده و روی نماد green plus که به طور خودکار ظاهر می‌شود، کلیک کنید.  
برای  جستجو‌ی  کد  خاصی  از نماد  ذره بین  استفاد ه  کنید. نمادسمت چپ آن ب ه شما امکان می‌دهد کدهای جدید ایجاد کنید. 
برای تعریف کردن کد جدید شما یک پنجره محاوره باز می‌شود:  
کدگذاری بخش‌های مختلف داده‌ها                                                                      
چگونه می‌توانم کد را به بخش خاصی از سند اختصاص دهم؟ ابتدا یک بخش را با ماوس خود انتخاب کنید )اگر می‌خواهید کل پاراگراف را علامت گذاری کنید، فقط روی عدد پاراگراف کلیک کنید(. سپس می‌توانید بخش مشخ ص شده را بکشید و آن را روی کد مورد نظ ر رها کنید، یا از طرف دیگر، کد را روی بخش انتخاب شده بکشی د )drag کنید(. پس از انجام این کار برای اولین بار، خواهید دید که شماره کنار آن کد در Code System،  ک ه نشان می‌دهد چند بار از کد استفاده شده است، از "0" به "1" تغییر یافته است. اگر ب ه Document System  نگاه کنید می‌بینید که تعداد بخش‌های کدگذاری شده در یک سند  به خوبی در کنار آن سند نیز نمایش داده می‌شود. 
 داده‌های خود را کد گذاری
MAXQDA  امکانات کد گذاری دیگری را در اختیار شما قرار می‌دهد. می‌توانید با کلیک راست بر روی یک بخش انتخابی در سند یا از طریق آیکن‌های موجود در نوار ابزار Code، که در بالای پنجره Document Browser قرار دارد، به آنها دسترسی داشته باشید .
نوار ابزار به شرح زیر است: 
کدی که آخرین بار از آن استفاده کردید همیشه در سمت چپ نمایش داده می‌شود. اگر روی نماد کدگذاری قرمز در سمت راست کلیک کنید، این کد را به متن انتخاب شده اختصاص می‌دهد. هر یک از آیکن‌های بالا به یک عملکرد کدگذاری متفاوت اشاره دارد؛ به عنوان مثال می‌توانید روی نماد Undo code کلیک کنید و سپس یک یا چندین کد را از لیست کشویی انتخاب کنید.  
منوی محتوا در Document Browser شامل گزینه‌های کدگذاری بیشتری است، که می‌توانید با کلیک راست بر روی بخشی از متن مشخص شده، مشاهده کنید:  
فعال سازی اسناد                                                                           
اطلاعات خود را تحلیل کنید 
فعال سازی اسناد  
شاید شما گزین ه Only in activated documents )فقط اسناد غیرفعال( را قبلاً در پنجره محاوره برای جستجوی واژگان دیده باشید،  و از خود پرسیده باشی د که این به چه معن ا است .Activation  ) فعال سازی( یکی از مفاهیم اصلی MAXQDA است: این بدان معناست که می‌توانید اسناد )و / یا کدها( را برای تجزیه و تحلیل خود انتخاب کنید و سپس تنها با موارد انتخاب شده کار کنید. فعال سازی چگونه کار می‌کند؟ این بسیار ساده است: در فهرست متن هر سند یا گروه اسناد، گزینه Activate )فعال کردن( را درست در بالا مشاهده خواهید کرد. کاربران باتجربه تر MAXQDA، برای فعال کردن سند یا یک گروه اسناد، به سادگی روی سند یا نمادهای پوشه کلیک می‌کنند.  
بلافاصله می‌توانید ببینید که آیا یک سند یا گروه فعال شده است یا خیر. هم نام و هم نماد،هر دو، قرمز خواهد بود و یک پیکان قرمز در مقابل آنها ظاهر می‌شود. در زیر، نوار وضعیتMAXQDA (Status bar)  تعداد کل اسنادی را که اکنون فعال شده‌اند نشان می‌دهد. اگر می‌خواهید جستجوی خود را به متون خاص محدود کنید، ابتدا آنها را فعال کنید و سپس گزینهOnly in activated documents  )فقط در اسناد فعال( را در قسمت جستجو واژگان انتخاب کنید.  
چگونه می‌توان فعال سازی را دوباره تنظیم کرد؟ به سادگی به پنجره  Document System  بروید و  در نوار ابزار، بر  روی نماد           
Reset activations کلیک کنید. از طرف دیگر، می‌توانید دوباره روی سند یا گروه اسناد دوباره کلیک کنید.

 اطلاعات خود را تحلیل
بازیابی تمام بخش‌های کدگذاری شده با یک ک د 
کد گذاری همه چیز نیست و مطمئناً تجزیه وتحلیل چیزی بیشتر از صرفا کدگذاری است. در یک مقطع می‌خواهید کدگذاری را متوقف کنید و شروع  به جستجو در مورد نتایج آن فرآیند باشید. ساده‌ترین راه، بازیابی تمام بخش‌های اختصاص یافته به یک کد خاص است. به عنوان مثال، اگر شما یک تحقیق را بر اساس مصاحبه انجام دهید،ممکن است بپرسید: "درباره یک موضوع خاص چه گفته شد و چه کس‌ی چه چیزی گفته است؟" کلمه جادویی برای به دست آوردن پاسخ‌های دقیق و صحیح،Retrieval   )بازیابی( است. در MAXQDA، این چنین پرسش کدگذاری (Coding Query)  از طریق فعال سازی‌ها انجام می‌شود همانند جستجوی واژگان. 
تمامی اسنادی که می‌خواهید شامل پرسش کدگذاری (Coding Query) باشند را فعال کنید، همچنین کدهای اختصاص داده شده به بخش‌های مورد علاقه خود را نیز فعال کنید.  فعال سازی کدها درست مانند فعال سازی اسناد کار میکن د )روی کد کلیک راست کنید و گزینه Activate  را انتخاب کنید یا روی نماد مقابل نام کد، کلیک کنید(. تمام بخش‌های رمزگذاری شده موجود در چهارمین پنجره اصلی MAXQDA، پنجره Retrieved Segments )بخش‌های بازیابی شده( ظاهر می‌شوند. در زیر هر بخش، اطلاعات منبع آن بخش را مشاهده می‌کنید. در مثال زیر، بخش مورد نظر را می‌توان در بند 6 از سند "جیمی" یافت. 
اطلاعات منبع نه تنها به شما می‌گویند یک بخش خاص از کدام قسمت سند است، بلکه به شما این امکان را می‌دهد مستقیماً به آن 
سند بروید : به سادگی روی نام سند کلیک کنید، و سند در قسمت پنجره Document Browser با بخش کدگذاری شده در سمت راست قرار می‌گیرد، به طوری که به راحتی می‌توانید آن را در متن اصلی مشاهده کنید.  
استفاده ا ز نشانه‌های بصری                                                                       
استفاده از نشانه‌های بصری 
نتایج بصری یکی از نقاط قوت MAXQDA است به همین دلیل می‌خواهیم این قسمت را درای ن راهنمای شروع به کار بگنجانیم. روش‌های مختلفی برای تجسم داده‌ها در MAXQDA وجود دارد، از این رو با امکان اختصاص رنگ‌های منحصربه فرد، به کدها و اسناد شروع می‌کنیم. این امر نه تنها در سازماندهی بصری داده‌ها به شما کمک می‌کند، همچنین می‌تواند به رنگ‌ها معانی خاصی نی ز اختصاص دهد. MAXQDA اولین نرم افزار QDA است که امکان استفاده از ایموجی‌ها را به عنوان نمادی از کدها فراهم می‌کند.‌ای ن ویژگی ممکن است، به ویژه برای غلبه بر محدودیت‌های کلامی مفید باشد، به عنوان مثال هنگام کار در پروژه‌های بین المللی.  
ابزارهای تجسم همچنین به شما امکان می‌دهد اتصال داده‌ها را به روشی قابل فهم نشان دهید. پرکاربردترین ابزار تصویری Code
Matrix Browser است که می‌توانید از طریق زبانه  “Visual Tools” )ابزارهای بصری(  به آن دسترسی داشته باشید.  
 اطلاعات خود را تحلیلبنابراین،Code Matrix Browser چه چیز را نشان میدهد؟  
ستون‌ها اسناد مختلف را لیست می‌کنند. در این مورد، هر سند در نظرسنجی درباره رضایت از زندگی، یک نفر پاسخ دهنده است. به عنوان مثال از پاسخ دهندگان درمورد موضوعاتی که روزانه با آنها روبرو می‌شوند، سؤال می‌شد. در اینجا می‌بینید که همه آنها عواطف را ذکر می‌کنند، اما تنها دو نفر از پاسخ دهندگان به موضوعات مربوط به پول اشاره می‌کنند. 
مشخص کردن متغی ر‌های اسناد                                                                      
انجام روشهای مختلط تجزیه و تحلیل 
مشخص کردن متغیر‌های اسناد  
یکی از مهمترین ویژگیهای MAXQDA پشتیبانی از روشهای مختلط است. برای هر مدرک موجود درDocument System  )سیستم اسناد(، می‌توان مجموعه‌ای کامل از ویژگی‌ها )یعنی متغیرهایی که توسط برنامه‌های آماری استفاده می‌شود( را مدیریت کرد. به عنوان مثال، می‌توانید داده‌های شخصی یا اطلاعات پس زمینه مصاحبه را به عنوان متغیر یا مقادیر متغیر ضبط کنید و از آنها برای تجزیه و تحلیل روش‌های مختلط خود استفاده کنید. گزینه List of document variables  )فهرست متغیرهای سن د ( در زبانه  “Variables” )متغیرها( پنجره محاوره‌ای زیر را باز خواهد کرد:  
در هنگام باز کردن، خواهید دید که چندین متغیر قبلاً تعریف شده اند. این متغیرهای به اصطلاح سیستمی هستند که مقادیر آنها بطور خودکار توسط MAXQDA تنظیم شده و قابل تغییر نیستند. گزینه New variable  )متغیر جدید( به شما امکان می‌دهد متغیرهای بعدی را تعریف کنید.  متداول‌ترین انواع متغیر عبارتند از: متن )مانند "معلم" یا "دانش آموز" برای متغیر "شغل"( و اعداد صحیح  )مانند کل اعداد برای متغیر "تعداد فرزندان"(. شما می‌توانید متغیرهای جدید را در هر زمان تعریف کنید.  
 انجام روشهای مختلط تجزیه و تحلیل
وارد کردن مقادیر متغیرها  
برای وارد کردن مقادیر متغیرهای اسناد Document variables))، از نوار ابزار در فهرست متغیرهای سند List of document)variables) استفاده کنید و به ویرایشگر اطلاعات Data editor)) بروید. 
متغیر‌های اسناد قابلیت این را دارند که به فایل‌های با فرمت  Excel یا SPSS تبدیل شوند،  این بدان معناست که شما میتوانید با برنامه‌های آماری نظیر SPSS  یا Stata به کار خود ادامه دهید و تجزیه و تحلیل آماری خود را مدیریت کنید.  
تبدیل کدهای تکراری به متغیر‌ها                                                                      
تبدیل کدهای تکراری به متغیر‌ها  
تکرار بخش‌های اختصاص داده شده به یک کد خاص می‌تواند به یک متغیر تبدیل شود که نام کد را دریافت می‌کند. بر روی کد دلخواه کلیک راست کرده و در منوی باز شد ه تبدیل به متغیر سند Transform into a document variable)) را انتخا ب کنید. در مثا ل    
 :به یک متغیر تبدیل شده است “Significantly positive”  زیر، کد
 انجام روشهای مختلط تجزیه و تحلیل
استفاده از متغیر‌های اسناد در تحلیلتان  
داده‌های کمی و کیفی می‌توانند از جهات مختلفی به هم وصل شوند. ساده‌ترین راه انتخاب متغیرهای سند به عنوان معیارهای انتخاب هنگام اجرای Coding Query )پرسش کدگذاری( است. این قابلیت، این امکان را برای شما فراهم می‌کند تا ویژگی‌های جامعه شناختی  را با هم مقایسه کنید، مانند "شرکت کنندگان مجرد بالای 50 سال در مورد XY چه گفتند؟" یا "چگونه پیشنهادات شرکت کنندگان در یک مشارکت با کسانی که مجرد هستند مقایسه شده است؟".  با فعال کردن عملکرد Activate by document variables در زبان ه “Mixed Methods”  )روشهای مختلط( می‌توان انتخا بهای مربوطه را ایجاد کرد. 
ابتدا یک متغیر را از لیست سمت چپ )در این حالت: وضعیت تأهل)Marital status( انتخاب کنید، فلش را فشار دهید، و سپس مقدار متغیر را در سمت راست )در این حالت: مجرد)single(( انتخاب کنید. به محض اینکه روی گزینه فعال سازی)Activate( کلیک کنید، تمام اسناد که با مقادیر متغیر مطابقت دارند در Document System  فعال می‌شوند .  
     استفاده ا ز متغی ر‌های اسناد د ر تحلیلتان      
  منابع بیشتر
Charmaz, Kathy (2014). Constructing Grounded Theory. 2nd ed., San Francisco: SAGE Publications. 
Corbin, Juliet; Strauss, Anselm (2015). Basics of Qualitative Research. Techniques and Procedures for Developing Grounded Theory. 4th ed., San Francisco: SAGE Publications. 
Kuckartz, Udo; Rädiker, Stefan (2019). Analyzing qualitative data with MAXQDA: Text, audio, video. 
Heidelberg: Springer. http://link.springer.com/10.1007/978-3-030-15671-8 
Kuckartz, Udo (2014). Qualitative Text Analysis. A Guide to Methods, Practice and Using Software. London: SAGE Publications. 
Kuckartz, Udo (2014). Mixed Methods. Methodologie, Forschungsdesigns und Analyseverfahren. 
Wiesbaden: Springer VS. https://link.springer.com/book/10.1007/978-3-531-93267-5 
Richards, Lyn (2015). Handling Qualitative Data. A Practical Guide. 3rd ed., London: SAGE Publications. 
Woolf, Nicholas H.; Silver, Christina (2018). Qualitative Analysis Using MAXQDA: The Five-level QDA Method. New York, NY: Routledge.

سخن پایانی

امیدواریم این راهنما برای شروع کار با MAXQDA به شما کرده باشد. البته، MAXQDA طیف کاملی از توابع و ابزارهای تحلیل بیشتر را ارائه می‌دهد. برای ذکر چند نمونه می‌توانید:  
❖    ایجاد مقالات ادب ی 
❖    پرونده‌های صوتی و تصویری را رونویسی کنی د 
❖    داده‌های توییتر و YouTube را وارد و تجزیه و تحلیل کنی د 
❖    گروه‌های متمرکز را تجزیه و تحلیل کنی د 
❖    داده‌ها یا نتایج را تصویرسازی کنی د 
❖    تجزیه و تحلیل متون کمی را با MAXDictio انجام دهید 
❖    ایجاد گزارش و جداول فراوانی آماری 
می توانید طیف گسترده‌ای از منابع را در وب سایت ما www.maxqda.com پیدا کنی د 
❖    وبینارهای مقدماتی رایگان 
❖    کتابچه راهنمای آنلای ن 
❖    آموزش تصویر ی 
❖    لیست کارگاه‌های آیند ه 
❖    بانک اطلاعاتی مربی MAXQDA حرفه ای 
❖    وبلاگ تحقیق، فروم کاربر و موارد دیگر. .....  
کنفرانس بین المللی MQIC – MAXQDA 
کنفرانس سالانه بین المللی MAXQDA در برلین آلمان، کاربران MAXQDA را از سراسر دنیا گرد هم می‌آورد. این کنفرانس  تمامی موارد مربوط به MAXQDA و متد‌های تحقیق مختلط را پوشش میدهد. این یک فرصت بی نظیر است تا با دیگر کاربران MAXQDA آشنا شوید و تیم توسعه دهنده MAXQDA را بشناسید.  اطلاعات بیشتر را در سایت www.mqic-berlin.com  پیدا کنید.

نرم افزارهای واژه‌پرداز(Word Processor)

راه‌هایی وجود دارد که میتوان از نرم افزار ورد مانند یک نرم افزار تحلیل کیفی استفاده کرد. برای مثال، می‌توان کدها را داخل آکولاد ({}) تایپ کرد و سپس در باره کدها به جستجو پرداخت مثلاً عبارت «اعتماد به نفس».

بازیابی کننده متن(Text Retrievers)

بازیابی کننده‌های متن در واقع برنامه‌های پیچیده جستجوکننده متن هستند. تخصص آنها در یافتن تمامی موارد یک کلمه، عبارت و ترکیباتی از کلمه/ عبارت در تمامی متن در یک یا چند فایل است . این برنامه‌ها حتی می‌توانند مواردی را که غلط املایی دارند، تلفظ مشابه دارند، یا دارای معنی یکسان یا الگوی مشخصی هستند،
پیدا کنند( 2و 7). مثال‌هایی از این نوع برنامه‌ها عبارتند از : متامورف،(Metamorph)، سونار(Sonar Professional)، تکست کالکتور(Text collector) و اوربیس(Orbis).
این برنامه‌ها قادرند عملیاتی از قبیل علامت گذاری، مرتب کردن کلمات در یک فایل جدید، ضمیمه کردن توضیحات به آن کلمات، یا استفاده از سایر برنامه‌ها برای کار کردن روی این کلمات را انجام دهند. برخی از این برنامه‌ها دارای قابلیت‌های تحلیل محتوا نیز هستند، از قبیل شمارش، نشان دادن کلمات در زمینه اصلی خود، و ایجاد فهرستی از کلمات.

مدیریت متن (Text base managers)

در مقایسه با برنامه‌های بازیابی کننده متن، این نوع برنامه‌ها بیشتر کار سازمان دهی، مرتب کردن و علامت گذاری زیر گروه‌ها بطور سیستماتیک و منظم تری را به عهده دارند و در عین حال، کار جستجو و بازیابی را نیز انجام می‌دهند. بنابراین، این نوع از برنامه‌ها متن را به منظور جستجو و بازیابی کاراتر به صورت منظم سازمان دهی نموده، اساسا ترکیبات متعددی از کلمات، عبارات، و قطعات کدبندی شده را جستجو و بازیابی می‌کنند.
برخی از این برنامه‌ها قادرند متن را به صورت موارد ویژه با سازمان دهی بالا در آورند که برای هر مورد اطلاعات عددی و متنی خاص وجود دارد که در موقع نیاز ظاهر می‌شود. برخی.( برنامه‌ها شامل داده‌های کمی نیز هستند نرم افزارهای مدیریت متن به خاطر قابلیتشان در مدیریت و سازمان دهی داده‌ها، و بویژه به دلیل ایجاد زیرگروه‌هایی از داده‌ها به منظور تحلی لهای بعدی، با برنامه‌های گروه بازیابی کننده متن تفاوت دارند. عملیات جستجو در این برنامه بسیار شبیه و در برخی موارد، بهتر از نرم افزارهای جستجوکننده متن است. برخی از این برنامه‌ها قابلیت ایجاد ابرمتن و حتی انجام عملیات کدگذاری را نیز دارند. مثال‌هایی از این برنامه‌ها عبارتند از: زی ایندکس (ZyINDEX)، فویوس ویو(Foios VIEWS)، اسک سام.(Asksam).

برنامه‌های کد گذاری و بازیابی (Code-and retrieve)

برنامه‌ها محقق را قادر می‌سازند متن را به قطعات یا تکه‌هایی بشکند و کدهایی را به قطعات متصل کند. سپس به محقق اجازه می‌دهند که تمامی قطعات دارای کد مشخص یا ترکیبی از کدها را بازیابی کرده، نمایش دهد.
این نرم افزارها در واقع همان اعمالی را که محققان کیفی با استفاده از کاغذ و قیچی و کارت‌های یادداشت برداری انجام می‌دادند، از قبیل بریدن قطعات، مرت بکردن، بازسازمان دهی و غیره را به آسانی میسر می‌سازند. مثال‌هایی از این برنامه‌ها عبارتند از: اتنوگراف،(Ethnograph) کوال پرو (Qualpro)  نودیست(Nudist) و هیپرکوال(Hyperqual)
البته، انتظار می‌رود که‌ای ن نر مافزارها قابلیت جستجوی زنجیره‌ای از حروف را به همان خوبی کدها فراهم کنند که بعضی از آنان از این قابلیت برخوردار نیستند. برخی از این برنام هها قابلیت  ایجاد ابرمتن را نیز دارند، اما در این زمینه چندان قوی عمل نمی‌کنند. همان طور که قبلاً اشاره شد، این برنامه‌ها فرم پیشرفته و نرم افزاری همان رویکرد قدیمی کاغذ و قیچی هستند، اما بسیار سیستماتیک تر، کام لتر، با احتمال خطای کمتر، قابل انعطاف تر و بسیار بسیار سری عتر عمل می‌کنند. عملکرد کدگذاری و بازیابی این برنامه‌ها می‌تواند کمک مفیدی در راستای ساخت تئوری باش د. به همین علت می‌توان آنان را به عنوان ابزارهای ساخت تئوری نیز در نظر گرفت.

برنامه‌های ساخت تئوری (Theory Builders)

این برنامه‌ها همان مشخصات برنامه‌های کدگذاری و بازیابی هستند، اما ویژگی‌هایی را دارند که به دلیل یاری رساندن به محقق در عملیات ساخت تئوری، آنان را متمایز می‌سازد. علاوه بر کدبندی و بازیابی، این برنام هها بین کدها ارتباطاتی برقرار کرده، طبقه‌ها و دسته بندی‌های جدیدی ایجاد می‌کند و ساختاری مفهومی را که در مورد داده‌ها صدق .( می‌نماید، ارائه می‌دهد.
برنامه‌ها معمولاً دارای همان مشخصات برنامه‌های کدگذاری و بازیابی هستند، اما ویژگی‌هایی را دارند که به دلیل یاری رساندن به محقق در عملیات ساخت تئوری، آنان را متمایز می‌سازد. علاوه بر کدبندی و بازیابی، این برنام هها بین کدها ارتباطاتی برقرار کرده، طبقه‌ها و دسته بندی‌های جدیدی ایجاد می‌کند و ساختاری مفهومی را که در مورد داده‌ها صدق می‌نماید، ارائه می‌دهد
کردن اظهارات افراد که دلالت بر ساختاری مفهومی منطبق بر اطلاعات و داده‌ها دارد، و آزمون کردن میزان انطباق اظهارات با مفاهیم مشخص شده. این برنامه‌ها اصولاً بر اساس قواعد و قوانین مشخص و منطق خاصی سازما ندهی می‌شوند مثال‌های این دسته عبارتند از: هیپر ریسرچ(Hyperresearch)، نودیست،(Nudist)، اطلس تی آی(Atlas/ti) و آکواد(Aquad)

شایان ذکر است که نهایتاً هیچ برنامه‌ای قادر به ساخت تئوری به مفهوم اصلی‌‌اش نیست. رایانه فکر نمی‌کند و قادر به درک معانی اطلاعات در یک مطالعه کیفی نیست، اما برنامه‌های نرم افزاری در میزان حمایتی که از تلاش‌های محقق در راستای ساخت تئوری می‌توانند داشته باشند، مؤثر ولی متفاوتند .
برخی برنامه‌های نرم افزاری این دسته، قابلیت‌های جستجوی پیشرفته تری دارند. برخی قابلیت کدگذاری و بازیابی سایر انواع داده‌ها به غیر از متن را نیز دارا هستند، از قبیل تصاویر، صوت، صدا و حتی ویدئو . این برنامه‌ها با استفاده از سخت افزارهای خاصی می‌توانند مشخص کنند که قطعه‌ای از فیلم که کد خاصی گرفته است، در کدام قسمت فیلم است و آن را برای شما نمایش می‌دهند.
بسیاری از بسته‌های نرم افزاری، تصاویر گرافیکی را در بانک اطلاعاتی ذخیره می‌کنند، ولی همه آنها قادر به کار کردن با فیلم نیستند . مثال‌هایی از این برنام ه‌ها که قادرند روی داده‌های از نوع فیلم کار کنند، عبارتند از ویتلوگال(Vitlogal)، سی ویدئو(CVideo)، ویدئولاگر(Videologger)

برنامه‌های ساخت شبکه مفهومی (Builders Conceptual Network)

این نرم افزارها، تئوری را ساخته، آن را آزمایش کرده و توانایی ساخت شبکه‌های گرافیکی سیستماتیک را می‌دهد. محقق می‌تواند متغیرها را به صورت متصل شده با سایر متغیرها توسط عوامل ارتباطی خاص ببیند. شبکه‌ها از داده‌ها، مفاهیم و ارتباطات بین آنها تشکیل می‌شوند . شبکه‌ها به صورت شبکه‌های با دست ترسیم شده نیستند، بلکه شبکه‌های معنایی واقعی هستند که از مفاهیم و داده‌ها و روابطی که بین آنها دیده می‌شود، ساخته شده اند. مثال‌هایی از این برنامه‌ها شامل: سم نت(Sem net)، مکا(MECA)

 

نرم افزارهای تحلیل کمی (Quantitative analysis)

 اس پی اس اس (SPSS)

IBM SPSS Statistics

بسته نرم افزار آماری برای علوم اجتماعی (SPSS) به عنوان یکی از نرم افزارهای قدرتمند درتجزیه و تحلیل‌های آماری چندین سال است که در تحقیقات دانشگاهی و صنعتی مورد استفاده قرار می‌گیرد، ولی متاسفانه همواره فقدان یک مجموعه جامع که به بررسی کامل این نرم افزار پرداخته باشد به چشم می‌خورد. این نرم افزار یکی از نرم افزارهای تخصصی آمار می‌باشد و بیشتر به بحث‌های آماری در حیطه‌ی علوم اجتماعی، روانشناسی، علوم رفتاری و … می‌پردازد .
قابلیت‌های آن به شرح زیر است:
• تهیه خلاصه‌های آماری مانند گراف‌ها، جداول، آماره‌ها و …
• انواع توابع ریاضی مانند قدر مطلق، تابع علامت، لگاریتم، توابع مثلثاتی و …
• تهیه انواع جداول سفارشی مانند جداول فراوانی، فراوانی تجمعی، درصد فراوانی و …
• انواع توزیع‌های آماری شامل توزیع‌های گسسته و پیوسته
• تهیه انواع طرح‌های آماری
• انجام آنالیز واریانس یک طرفه، دوطرفه، چندطرفه و آنالیز کوواریانس
• تکنیک‌های تجزیه و تحلیل سری‌های زمانی
• ایجاد داده‌های تصادفی و پیوسته
• محاسبه انواع آماره‌های توصیفی
• انواع آزمون‌های مرتبط با مقایسه میانگین بین دو یا چند جامعه مستقل و وابسته
• قابلیت مبادله اطلاعات با نرم افزارهای دیگر
• برازش انواع مختلف رگرسیون

لیزرل (LISREL‌)‌

لیزرل (LISREL) مخفف Linear Structural Relations

در بسیاری از تحقیقات علوم انسانی، همواره برخی از متغیرها، متغیر وابسته و برخی دیگر متغیر مستقل می‌باشند. برای کشف روابط مختلف در موضوع مورد مطالعه، می‌توان از روش تحلیل مسیر استفاده نمود که در آن از مجموعه‌ی متغیرها یک مدل علّی پدیدار می‌شود که رابطه‌ی بین متغیرها و یا وابسته بودن هریک از آن‌ها نسبت به هم در این مدل مشخص است. در تحلیل مسیر ممکن است از قبل پیش فرضی نسبت به ترتیب تأثیر متغیرها (مدل علّی) داشته باشیم و درصدد باشیم تا این مدل را تأیید، اصلاح، یا رد نماییم، و یا اینکه از قبل پیش فرضی نداشته و می‌خواهیم به کمک میزان همبستگی متغیرها نسبت به یکدیگر، یک مدل علّی به وجود آوریم. در هر دو صورت با استفاده از روش تحلیل مسیر می‌توان مدل علّی روابط بین متغیرها را به دست آورد، هر چند برای تحلیل مسیر در نرم افزار اس پی اس اسراه ویژه و اختصاصی تعبیه نشده است، اما از طریق تحلیل رگرسیون 1 طی چند مرحله می‌توان به تحلیل مسیر پرداخت و یا از نرم افزارهایی مانند استتیستیکاکه در آن روش خاصی برای تحلیل مسیر و به دست آوردن مدل علّی و نیز دیاگرام مسیر وجود دارد، بهره گرفت. با این حال به دلیل برخی محدودیت‌ها در نرم افزارهای نام برده برای تحلیل مسیر، نرم افزار دیگری به نام لیزرل پدید آمده که قادر است روابط یکپارچه و متعامل بین متغیرها را در قالب معادلات رگرسیون ساختاری مورد بررسی قرار داده و در نهایت مدلی علّی ارائه نماید.

مینی‌تب (Minitab)

این نرم افزار برای نخستین بار در پنسیلوانیای آمریکا نوشته شده است که دارای قابلیت‌های شگفت انگیز در تجزیه و تحلیل داده‌هاست. استفاده ساده و کاربرد زیاد و اجرای فرمان‌ها از طریق منوها و نوشتن دستورات در محیطsession  از خصوصیات آن می‌باشد.
Minitab با داشتن خروجی‌های بسیار دقیق و مناسب (در حد هزارم اعشار) در زمینه‌هایی از قبیل آمار توصیفی، رگرسیون، روش‌های چند متغیره پیوسته و گسسته، طرح آزمایش‌ها، سری‌های زمانی، کنترل کیفیت آماری و… کاربرد دارد، و از همه مهم تر اینکه Minitab دارای این ویژگی است که با داشتن یک راهنمای قوی و مناسب امکان دستیابی به منوها را تسهیل می‌نماید .همچنین می‌توان برای اجرای فرمان‌هایی که در منو موجود نیست، یک ماکروی کوچک نوشت و آن را اجرا کرد.
قابلیت‌های این نرم افزار عبارتند از:
•احتمالات و توزیع‌های گسسته و پیوسته
•شبیه سازی داده‌های تصادفی بر پایه توزیع‌های مختلف
•آمار توصیفی
•روش‌های گرافیکی جهت تشریح داده‌ها
•تخمین‌های نقطه‌ای و فاصله‌ای و برآورد آماره‌های مربوطه
•آنالیز واریانس و تجزیه و تحلیل مقادیر باقیمانده و بررسی اثرپذیری حاصل از عوامل مختلف بر نمونه‌های جمع آوری شده
•ابزارهای تجزیه و تحلیل سیستم‌های اندازه گیری
•آزمون‌های ناپارامتری حول جوامع با پارامترها و توزیع نامشخص
•پیش بینی و پیش گیری بر پایه رگرسیون خطی و سری‌های زمانی
•ابزارهای کنترل کیفیت آماری شامل نمودار پارتو، نمودار علت و معلول، نمودار دنباله، نمودار چند متغیر، نمودار متقارن و نمودارهای کنترل
•ابزارهای طراحی و تحلیل طرح‌های آزمایشی
•ابزار تعیین اندازه‌ی نمونه و قدرت آزمون
•ابزارهای آنالیز بقا و قابلیت اطمینان
•آنالیزهای چند متغیره
علاوه بر موارد یاد شده در بالا که مربوط به مباحث علمی نرم افزار بود، از دیگر قابلیت‌های نرم افزاری Minitab می‌توان به موارد زیر اشاره کرد:
•ارتباط با دیگر نرم افزارها خصوصاً نرم افزارهای بانک اطلاعاتی (ODBC)
•اعمال توابع محاسباتی و ریاضی و نیز امکان کارکردن با داده‌ها از جمله رتبه بندی، مرتب کردن و فیلترکردن داده‌ها، ادغام کردن کاربرگ‌ها و….
•راهنمایی تحت عنوان) Stat Guide راهنمای آماری( که کلیه مباحث آماری موجود در این نسخه را به صورت آن لایندر اختیار کاربر قرار می‌دهد.
•تعریف فایلی تحت عنوان» پروژه «که چندین کاربرگ، نمودار، تحلیل‌های آماری جدا و قالب بندی شده را در یک فایل پروژه ذخیره می‌کند و با Project Manager  کار مدیریت آن‌ها را دنبال می‌کند .
نرم افزار Minitab در مقایسه با نرم افزارهای مشابه از نظر توانایی نرم افزاری در حد معمول و متعادل است، ولی از آنجا که کار با نرم افزار و ورود اطلاعات و مدیریت آن‌ها نسبتاً ساده است به عنوان یک نرم افزار کاربر پسند به شمار می‌رود و در صنعت استفاده از آن به وفور مشاهده می‌گردد.

 

مینی‌تب (به انگلیسی: Minitab) یک نرم‌افزار کنترل کیفیت آماری و مناسب برای پروژه‌های شش سیگما و بهبود کیفیت می‌باشد. این نرم‌افزار به عنوان یکی از نرم‌افزارهای تخصصی آمار برای کنترل کیفیت، کار بر روی اعداد و تجزیه و تحلیل داده‌های خام شناخته شده‌است و در بسیاری از واحدهای صنعتی بزرگ و کوچک مورد استفاده قرار می‌گیرد و به وسیله آن می‌توان با تجزیه و تحلیل داده‌های آماری به طراحی آزمایش پرداخت. همچنین انجام برخی عملیات‌ها مانند تولید اعداد تصادفی که از توزیع‌های آماری خاصی مانند توزیع نرمال، کی دو(خی دو)، گاما، اف، برنولی، پواسن، بتا، وایبل و … پیروی می‌کنند، پرداخت.
در واقع نرم‌افزار Minitab (مینی‌تب) یکی از نرم‌افزارهای مطرح آماری می‌باشد که در برخی زمینه‌های علم آمار، از جمله کاربرد آمار در صنعت و اقتصاد از قابلیت‌های خاصی برخوردار می‌باشد.
تحلیل‌های سری زمانی با گستردگی و دقت بیشتری در این نرم‌افزار ارائه شده‌است.
مبحث کنترل کیفیت آماری (SPC) که رشته آمار را به صنعت و مقوله کنترل کیفیت پیوند می‌دهد نیز از جمله موضوعات آماری است که به تفضیل در این نرم‌افزار به آن پرداخته شده‌است. همچنین طرح‌های عاملی و آنالیز واریانس (ANOVA) به‌طور کامل مد نظر قرار گرفته شده‌است. علاوه بر این با توجه به ویژگی‌های این نرم‌افزار در بسیاری موارد از آن برای تحلیل سری‌های زمانی و پیاده‌سازی مدل‌های ARMA و ARIMA استفاده می‌گردد. از امکانات این نرم‌افزار می‌توان ارتباط با دیگر نرم‌افزارها مخصوصاً نرم‌افزارهای بانک اطلاعاتی (ODBC)، اعمال توابع محاسباتی و ریاضی و نیز امکان کار کردن با داده‌ها از جمله رتبه‌بندی، مرتب‌کردن، فیلترکردن داده‌ها، ادغام کردن کاربرگ‌ها و … را نام برد. از دیگر قابلیت‌های این نرم‌افزار تعریف فایلی تحت عنوان پروژه می‌باشد که چندین کاربرگ، نمودار، تحلیل‌های آماری جدا و قالب‌بندی شده را در یک فایل پروژه ذخیره می‌کند و با Project Manager مدیریت آن‌ها را دنبال می‌کند. نرم‌افزار Minitab در مقایسه با نرم‌افزارهای مشابه از نظر توانایی نرم‌افزاری در حد معمول و متعادل است ولی از آن جایی که کار با نرم‌افزار و ورود اطلاعات و مدیریت آن‌ها نسبتاً ساده است به عنوان یک نرم‌افزار کاربر پسند به‌شمار می‌رود و در صنعت استفاده از آن به وفور مشاهده می‌شود.
SAS: Statistical Analysis System
SPSS: Statistical Package for Social Sciences
قابلیت‌های کلیدی نرم‌افزار Minitab
-- امکان وارد کردن داده‌های ورودی به شکلی بسیار آسان
-- شبیه‌سازی داده‌های تصادفی بر پایه توزیع‌های مختلف
-- برآورد نقطه‌ای و فاصله‌ای و آمارهای آن‌ها
-- روش‌های گرافیکی جهت تشریح داده‌ها
-- آزمون‌های فرضیه با توجه به اطلاعات در دسترس از جوامع
-- هماهنگی کامل با سایر نرم‌افزارها از جمله Microsoft Office Excel
-- آمار توضیحی و توزیع احتمال‌های گسسته و پیوسته
-- انجام تحلیل‌های بسیار ساده اولیه مانند: میانگین، میانه، Standard Deviation و …
-- مشاهده توزیع‌های ساده Distributed data همراه با نمودار
-- امکان محاسبه ضریب همبستگی بین متغیرهای مختلف
-- امکان گسترده رسم نمودارهای (Charts) مختلف در انواع ستونی BAR، دایره‌ای PIE و … در رنگ‌های بسیار متنوع
-- رسم نمودار پارتو، نمودار استخوان ماهی، نمودار علت و معلول، نمودار دنباله، نمودار چند متغیر، نمودار متقارن و …
-- رسم و تجزیه تحلیل نمودارهای کنترل، شش سیگما، SPC ,MSA
-- رسم نمودارهای سه بعدی
-- انجام تحلیل کنترل کیفیت آماری
-- انجام تحلیل سری‌های زمانی
-- ابزارهای طراحی و تحلیل طرح‌های آزمایشی
-- ابزار تعیین اندازه نمونه و قدرت آزمون
-- ابزارهای آنالیز بقا و قابلیت اطمینان
-- آنالیزهای چند متغیره و …

ساس (SAS)

نرم افزار SAS مخفف Statistical Analysis System

این نرم افزار یک نرم افزار قوی برای انواع تجزیه و تحلیل‌های آماری و غیرآماری است .با این نرم افزار تجزیه و تحلیل‌های زیر امکان پذیر است: سری‌های زمانی، انواع مدل‌های خطی و غیرخطی، روش‌های چند متغیره پیوسته و گسسته آماری، کنترل کیفیت آماری، آمار توصیفی و انواع تحلیل‌های گرافیکی و نموداری، انواع تحلیل‌های ماتریسی، تحقیق در عملیات و…؛ اما استفاده از این نرم افزار در تحلیل اثرات ساده و عوامل درون -آزمودنی‌ها (درون گروهی) دارای مشکلاتی نیز می‌باشد. این نرم افزار به گونه‌ای طراحی شده است که برای همه کاربران در همه سطوح اعم از مبتدی و پیشرفته، قابل استفاده است.
بر خلاف نرم افزارهای دیگر مانند Minitab و SPSS که ارتباط کاربر با نرم افزار از طریق منو‌ها و جعبه‌های محاوره‌ای صو رت می‌گیرد،SAS احتیاج به برنامه نویسی دارد.البته این برنامه نویسی برای سطوح مقدماتی از تعدادی دستور ساده برای معرفی و فراخوانی پروسیجرهای مورد نظر تشکیل شده است .برای سطوح بالاتر، SAS  امکانات یک زبان برنامه نویسی پیشرفته را داراست و می‌توان برای مواردی که پروسیجر در SAS  وجود ندارد، برنامه آن را نوشت.

آموس (AMOS)

---

ام استت (MSTAT)

---

اس پلاس (+S)

نرم افزار S-PLUS از جمله نرم افزارهای آماری  است که محاسبات سنگین را با سرعت و دقت زیاد انجام می‌دهند. وجود این نوع از نرم افزارها از جمله عواملی هست که موجب پیشرفت علم آمار شده اند. S-Plusیکی از این نرم افزارهای بسیار قوی آماری است که علاوه بر امکانات دو نرم افزار  Minitab و Spss، قابلیت برنامه نویسی را به توانایی‌هایش اضافه کرده است.
S-Plus با بیش از ۴۲۰۰تابع پیش ساخته و محیط فعال برای ورود داده‌ها و تحلیل اطلاعات و همچنین محیط گرافیکی قوی و گستردگی نمودارها، که در اختیار هر کدام از موضوعات مختلف آماری قرار داده است، به درک و فهم بیشتر و راحت تر اطلاعات و موضوعات کمک شایانی می‌نماید. همچنین زبان برنامه نویسی آن به گونه‌ای است که توابع و برنامه‌های پیشرفته را می‌تواند با حجم کمی از دستورات به مرحله انجام برساند، بدون اینکه محقق به زبان برنامه نویسی دیگری احتیاج داشته باشد. این نرم افزار قابلیت‌های بسیاری در زمینه مدل‌های قدیمی، تکنیک‌های مدرن و نظریه‌های نوین آمار از قبیل ناپارامتری، رگرسیون دارد .
عمده‌ترین مزایا و قابلیت‌های نرم افزار  S Plus عبارت است از :
       ·   داشتن سلسله روش‌های کامل برای تحلیل سری‌های زمانی
       ·   ارائه چندین روش جهت بررسی داده‌های گمشده و همچنین ارائه روش‌های قوی آماری جهت معتبر و قابل اطمینان تر ساختن بر آوردها
       ·   قابلیت نمایش و آنالیز مجموعه بزرگی از داده‌ها
       ·   داشتن محیط گرافیکی قوی و همچنین مدلهای ژئوگرافیکی با توانایی رسم برخی نقشه‌های GIS
      ·   رسم نمودارهای کنترل وصفی و متغیر، رسم نمودارهای دوبعدی و سه‌بعدی در انواع مختلف بالغ بر بیش از 100 نوع نمودار
       ·    انجام آماره‌های توصیفی، انجام انواع تست‌های ناپارامتری، انجام آنالیز واریانس یک‌طرفه و چندطرفه، انجام رگرسیون خطی و غیرخطی 
       ·    امکان برنامه‌نویسی در محیط نرم‌افزار
       ·    داشتن پنجره Helpکامل و دقیق

میپِل (Maple)

--

متمتیکا (Mathematica)

--

نرم افزارهای تحقیق در عملیات

تصمیم گیری و نرم افزار WinQSB

مقدمه‌ای بر تحقیق در هملیات و تصمیم گیری  ، نرم افزار WinQSB، نشان‌های همگانی نرم افزار WinQSB، برنامه ریزی خطی و عدد صحیح، مسایل حمل و نقل، مسایل تخصیص واگذاری، مدل سازی شبکه، مسایل کوتاهترین مسیر، مسایل کوتاه‌ترین درخت پوششی، مسایل بیشینه جریان، مسایل CPM مسیر بحرانی، مسایل کنترل پروژه PERT فن ارزیابی و بازنگری شبکه فعالیتها، برنامه ریزی پویا، مسایل دلیجان، مسایل کوله پشتی، مسایل کنترل موجودی و تولید، نظریه موجودی کالا، نظریه صف، نظریه تصمیم و احتمال، تحلیل ماتریس بازده، فرآیند مارکف، پیش بینی سریهای زمانی،  سری‌های زمانی، برنامه ریزیخطی، برنامه ریزی مواد مورد نیاز، برنامه ریزی تجمیعی تجمعی، زمانبندی کاری، زمان بندی و برنامه ریزی کار ...

برنامه‌ریزی خطی و نرم افزار LINDO

مقدمه‌ای بر برنامه ریزی خطی، اجزای برنامه ریزی خطی، نرم افزار LINDO، منوهای لیندو، حل مسایل برنامه ریزی خطی، حل مسایل برنامه ریزی عدد صحیح، ...

برنامه‌ریزی ریاضی و نرم افزار LINGO

مقدمه‌ای بر برنامه ریزی ریاضی، نرم افزار LINGO، نرم افزارهای مشابه و ویژگی‌های لینگو، حل گرهای LINGO، عملگرهای استاندارد و توابع در لینگو، حل چند مثال گوناگون با لینگو، ..

برنامه‌ریزی ریاضی و نرم افزار GAMS

GAMS Operations Research Software

مقدمه‌ای بر نرم افزار GAMS، آشنایی با محیط برنامه GAMS  ، نوار منو، نوار ابزار، نوار وضعیت ؛ ساختار مدل در GAMS، حل چند مسئله کاربردی با نرم افزار GAMS
کتاب نامه
منابع و ماخذ:
فرایند تحلیل سلسله مراتبی AHP، سید حسن قدسی پور 1375 مرکز نشر دانشگاه صنعتی امیرکبیر
راهنمای کاربران GAMS به همراه مدل‌های DEA، 1389 مهدی طلوع و سمانه جوشقانی، نشر کتاب دانشگاهی
پژوهش عملیاتی، مدل‌های احتمالی گردآوری و ترجمه سازمان مطالعه و تدوین سمت  منصور مومنی 1373
مباحث نوین تحقیق در عملیات 1389 منصور مومنی
مدل‌های کمی در ارزیابی عملکرد سازمانها، تحلیل پوشی داده‌ها محمد رضا مهرگان 1383 انتشارات دانشکده مدیریت دانشگاه تهران
An Introduction to efficiency and productivity analysis , Coelli , Tim Rao , D.S. Prasada and George E. Battese 1998 Kluwer Academic
User’s Guide for LINDO and LINGO , Roe , Andrew 1997 Duxbury Press
The analysis hierarchy process : planning priority setting , resource allocation , Saaty , Tomass A. 1990 RWS Publications
Decisions Making with dependence and feedback : the analytic network process , Saaty , Tomass A. 2003  RWS Publications
Decision making with the analysis network process . Saaty , Tomass A. 2006  Springer
Inoduction to mathematical progeraming : appalacations and algorithms . Secand Edition , Winston , Waynel L. 1995 Duxbury Press

نرم افزارهای تحقیق در عملیات WinQSB , LINDO , LINGO , GAMS ...

ایویوز Eviews برای اقتصادسنجی

آموزش مبانی و روش‌های اقتصاد سنجی با Eviews به معرفی و مرور روش‌ها و مبانی اقتصاد سنجی با استفاده از نرم افزار Eviews که سادگی و انعطاف پذیری آن باعث شده که به عنوان یکی از مهم‌ترین نرم افزارهای مورد استفاده محققان در سطح دنیا قلمداد شود، می‌پردازد.

 به عنوان یک اقتصاد دان، یک پژوهشگر علوم اجتماعی و یا حتی یک مدیر شرکت تجاری مطالعه نظام مند مولفه‌های موثر در فرایند تصمیم گیری و شناخت پدیده‌های قابل ارزیابی بر اساس شواهد موجود، اولویتی روشن است. چگونگی مطالعه این عوامل به منظور یافتن یک الگوی ملموس، هنر دانشی به نام اقتصاد سنجی است. این آموزش به معرفی و مرور روش‌ها و مبانی اقتصاد سنجی با استفاده از نرم افزار Eviews که سادگی و انعطاف پذیری آن باعث شده که به عنوان یکی از مهم‌ترین نرم افزارهای مورد استفاده محققان در سطح دنیا قلمداد شود، می‌پردازد. 

فهرست سرفصل‌ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:

    اشنایی با ساختار و محیط نرم افزار
        معرفی محیط نرم افزار
        مدیریت و ایجاد فایل کاری
        ایجاد و کارکرد ابجکت‌ها
        بررسی انواع داده‌ها و آموزش روش‌های متفاوت ورود داده
        مبانی آماری (کار با متغیرها وجدول آمار توصیفی و محاسبه فاصله اطمینان و آزمون‌های فرضیه و نحوه استاندارد سازی متغیرها)
        بررسی نموداری و انوع نمودارها
    تحلیل رگرسیون
        مرور مبانی رگرسیون - انواع رگرسیون و مفروضات کلاسیک
        تخمین رگرسیون ساده و مرکب و انواع فرم‌های تابعی و تفسیر نتایج
        تخمین غیر خطی و روش حداکثر راست نمایی
        آزمون معنادار بودن رگرسیون
        آنالیز همبستگی
        متغیرهای مجازی
        بررسی روش المون
    بررسی نقض فروض کلاسیک و آزمون‌های مرتبط
        میانگین باقیماند ده‌ها صفر است؟
        همسانی واریانس (Homoskedasticity) مرور مبانی و روش‌های تشخیص (آزمون وایت - آزمون Breusch –Pagan) و نحوه رفع
        روش حداقل مربعات وزنی WLS
        تکنیک براورد کواریانس HAC
        حداقل مربعات دو مرحله‌ای TSLS
        برآورد حداقل مربعات غیر خطی
        آزمون تشخیص رمزی (Ramsy)
        خود همبستگی ( مبانی – روش شناسایی و نحوه رفع )
        آزمون نرمال بودن
    موضوعات خاص در تحلیل‌های رگرسیون
        هم خطی
        آزمون ثبات ضرایب
        آزمون متغیرهای حذف شده
        آزمون والد (محدودیت‌ها)
        خود همبستگی و مدل‌های پویا
        آزمون علیت گرانجر (Granger causality)
        براورد حدقل مربعات مرحله دار (Stepwise Least Square)
        آشنایی الگوریتم‌های بهینه سازی در تخمین
    متغیرهای وابسته محدود و کیفی
        مرور مبانی
        معادلات احتمال خطی
        معادلات Logit و تفسیر نتایج
        معادلات Probit وتفسیر نتایج
        معادلات Logit چندگانه
        مدل‌های انتخاب منظم (Ordered Choice Models)
        مدل پواسن
        تخمین Tobit
    برنامه نویسی با Eviews
        مبانی برنامه نویسی
            ایجاد
            ذخیره
            اجرا
        متغیرهای کنترل
        متغیرهای رشته ای
        متغیرهای جایگزین
        آشنایی با حلقه
        مروری بر دستورات پر کاربرد
    پیش بینی
        مبانی و بررسی انواع پیش بینی
        پیش بینی بر اساس براورد به روش OLS
        پیش بینی بر اساس برآورد GLS (روش کوکران اورکات)
        پیش بینی فاصله اطمینان

استاتا Stata برای اقتصادسنجی فضایی

در اقتصاد کنونی، علم اقتصاد تنها به ایراد نظریه و بررسی اعداد و ارقام آماری بسنده نمی‌کند. این علم به بررسی علمی و برآورد این اعداد نیز روی آورده است، به نوعی که بخش برآوردی علم اقتصاد که ناظر بر بررسی و تحلیل دقیق داده‌های اقتصادی است، جزو لاینفک و جدانشدنی علم اقتصاد کنونی به شمار رفته و داده‌های اقتصادی، بدون نظریه‌های برآوردی اقتصاد، ناقص و غیر کامل محسوب می‌شود.
بخش برآوردی علم اقتصاد، اقتصاد سنجی است که وظیفه تحلیل داده را در اقتصاد به عهده دارد و این شاخه از اقتصاد، به قدری گسترش یافته است که خود دارای زیر شاخه‌های متعددی است. یکی از مهم‌ترین زیر شاخه‌های اقتصاد سنجی، اقتصاد سنجی فضایی است. علم اقتصاد سنجی فضایی تاثیر عامل محیطی و جغرافیایی را نیز وارد تحلیل‌های اقتصادی می‌کند و نقصان چشم پوشی از تاثیرات محیطی و همسایگی را برطرف نموده و با روش‌های خود، سنجش داده‌ها را در اقتصاد کامل تر می‌کند، به نوعی که تحلیل داده‌های فضامحور بدون استفاده از رگرسیون‌های اقتصاد سنجی فضایی، عملا منجر به نتایج نادرست می‌گردد.
در این فرادرس ابتدا کلیات اقتصاد سنجی فضایی و سپس پارادایم‌های آن معرفی می‌گردد و سپس رگرسیون‌های برآوردی و مدل بیزین در اقتصاد سنجی فضایی تعریف و تشریح می‌شود و به این شکل آشنایی با اقتصاد سنجی فضایی به وجود می‌آید.
فهرست سرفصل‌ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    درس یکم: کلیات اقتصاد سنجی فضایی
        وابستگی فضایی
        فرایند خود رگرسیون فضایی
        نقش مدل‌های اقتصاد سنجی فضایی
    درس دوم: مدل‌های اقتصاد سنجی فضایی و استنتاج آن‌ها
        محرک‌های فضایی
        مدل‌های رگرسیون خود رگرسیون فضایی
        استنتاج و تفسیر تخمین‌های پارامترها
    درس سوم: تخمین حداکثر درست نمایی - بخش یکم
        تخمین مدل
        تخمین‌های پراکندگی برای پارامترها
    درس چهارم: تخمین حداکثر درست نمایی - بخش دوم
        متغیرهای حذف شده با وابستگی فضایی
        مثال کاربردی
    درس پنجم: لگاریتم، دترمینان و وزن‌های فضایی - بخش یکم
        کلیات دترمینان‌ها
        تقریب مونت کارلو از لگاریتم - دترمینان
    درس ششم: لگاریتم، دترمینان و وزن‌های فضایی - بخش دوم
        تقریب چبیشف (Chebyshev)
        تفسیر مدل‌های فضایی و وزن‌های فضایی
    درس هفتم: مدل‌های اقتصاد سنجی فضایی بیزین
        آشنایی با روش بیزین (Bayesian)
        مدل SAR و تخمین MCMC
        موارد استفاده از مدل‌‌های فضایی بیزین
    درس هشتم: مقایسه مدل
        مقایسه مدل ‌های فضایی و غیر فضایی
        مثال کاربردی مقایسه مدل‌‌ها
        مقایسه مدل بیزین
    درس نهم: مدل ‌های اقتصاد سنجی فضایی و فضایی - زمانی
        تعدیل جزئی فضا - زمانی
        رابطه بین مدل ‌های فضا - زمانی با SAR و SEM
        ماتریس ‌های کوواریانس
        الگوهای وابستگی زمانی و فضایی
    درس دهم: اقتصاد سنجی فضایی و مدل‌‌های تعاملی آن
        جریان‌‌های درون منطقه‌‌ای در قالب رگرسیون فضایی
        تخمین حداکثر درستنمایی و بیزین
        کاربرد مدل اقتصاد سنجی فضایی
        بسط مدل تعاملی اقتصاد سنجی فضایی
    درس یازدهم: مدل‌‌های فضایی ماتریس نمایی
        مدل MESS
        مدل‌‌های خطای فضایی با استفاده از MESS
        حالت بیزین مدل
        بسط مدل ماتریس نمایی
        تفاضل جزئی
    درس دوازدهم: متغیر وابسته محدود در مدل ‌های فضایی
        رفتار متغیر پنهان بیزین
        مدل Probit فضایی مرتب
        مدل Tobit فضایی
        مثال کاربردی مدل MNP فضایی
    درس سیزدهم: نرم ‌افزار Stata و برآورد مدل اقتصاد سنجی فضایی
        وارد کردن داده به نرم ‌افزار STATA
        تخمین داده در نرم ‌افزار STATA
        آزمون ‌های اقتصاد سنجی فضایی در نرم ‌افزار STATA
        تحلیل نتایج حاصل از تخمین داده در نرم‌ افزار STATA

برنامه‌نویسی

زبان برنامه نویسی یک زبان رسمی است که مجموعه‌ای از رشته‌ها را تشکیل می‌دهد که انواع مختلفی از خروجی کد ماشین را تولید می‌کند. زبان‌های برنامه نویسی یکی از انواع زبان‌های کامپیوتری هستند و در برنامه نویسی کامپیوتری برای پیاده سازی الگوریتم‌ها استفاده می‌شوند. بیشتر زبان‌های برنامه نویسی از دستورالعمل‌هایی برای کامپیوتر تشکیل شده اند.
مانند R و Python، تا کارایی را افزایش دهند تا در نهایت بتوانند مدل‌های پیچیده تری را اجرا کنند. ... مدیریتدانان در حال یادگیری کدنویسی هستند و به آنها کمک می‌کند تا از قابلیت‌های نرم افزار داده‌های بزرگ بهره مند شوند.
پرکاربردترین زبان‌های برنامه نویسی برای تحقیقات مدیریتی جولیا، متلب، پایتون و R هستند. این ستون از سه معیار برای مقایسه زبان‌ها استفاده می‌کند: قدرت کتابخانه‌های موجود، سرعت و امکانات در هنگام مدیریت مجموعه داده‌های بزرگ، و سرعت و سهولت استفاده برای یک کار محاسباتی فشرده.
اکثر مشاغل در امور مالی یا مدیریتی نیاز به سطحی از تجزیه و تحلیل دارند. تحلیلگران تجاری، تحلیلگران مالی، تحلیلگران داده‌ها برخی از موقعیت‌هایی هستند که می‌توانند از درک کدنویسی بهره مند شوند. در مدیریت، شما با تئوری یا داده کار خواهید کرد و برای انجام هر یک از آنها به کدنویسی نیاز دارید .
C++ سریعترین زبان برنامه نویسی برای مدیران است در حالی که Fortran یک انتخاب بسیار محبوب برای مدیران است، این C++ بود که در مک و ویندوز سریعترین اجرا را داشت.

نرم افزار متلب (MATLAB)

مَتلب (به انگلیسی: MATLAB) یک محیط نرم‌افزاری برای انجام محاسبات عددی و یک زبان برنامه‌نویسی نسل چهارم است. واژهٔ متلب هم به معنی محیط محاسبات رقمی و هم به معنی خود زبان برنامه‌نویسی مورد نظر است که از ترکیب دو واژهٔ MATrix (ماتریس) و LABoratory (آزمایشگاه) ایجاد شده‌است. این نام حاکی از رویکرد ماتریس محور برنامه است، که در آن حتی اعداد منفرد هم به عنوان ماتریس در نظر گرفته می‌شود. 

زبان برنامه‌نویسی R و نرم افزار RStudio

R، یک زبان برنامه‌نویسی و محیط نرم‌افزاری برای محاسبات آماری و علم داده‌ها است، که بر اساس زبان‌های اس و اسکیم پیاده‌سازی شده‌است. این نرم‌افزار متن باز، تحت اجازه‌نامه عمومی همگانی گنو عرضه شده و به رایگان قابل دسترس است.
زبان اس بجز R، توسط شرکت Insightful، در نرم‌افزار تجاری اس‌پلاس نیز پیاده‌سازی شده‌است. اگرچه دستورها اس‌پلاس و R بسیار شبیه است لیکن این دو نرم‌افزار دارای هسته‌های متمایزی می‌باشند. 

 یک زبان برنامه‌نویسی و محیط نرم‌افزاری برای محاسبات آماری و علم داده‌ها است، که بر اساس زبان‌های اس و اسکیم پیاده‌سازی شده است.

زبان برنامه‌نویسی Python

1- کامیونیتی (Community) گسترده. منظور از Community، جامعه استفاده‌کنندگان از یک محصول خاص است. هرچه جامعه استفاده‌کنندگان از یک محصول بیشتر باشد، افراد با سرعت بیشتری می‌توانند مسائل خود را حل کنند. 
community جامعه استفاده کنندگان
2- پایتون واقعاً کاربرپسند است: پایتون بسیار به زبان محاوره انگلیسی نزدیک است. یا مثلاً اینکه کدهای پایتون معمولاً از زبان‌های دیگر مختصر و مفیدتر هستند. پایتونی‌ها برای حفظ سادگی و خوش‌دستی برنامه‌های پایتون مرام‌نامه‌ای هم دارند (PEP 20 — The Zen of Python). اگر این 20 اصل را رعایت کنید اصطلاحاً پایتونیک کد زده‌اید. (بعداً در خصوص پایتونیک صحبت خواهیم کرد.)
3- یادگیری پایتون بسیار ساده است: اگر پیش از این تجربه برنامه‌نویسی نداشته‌اید اصلاً نگران نباشید، یادگیری پایتون بسیار ساده است. انقدر ساده مانند آب خوردن. کافی است کمی دقت کنید و روال‌های اصلی را بشناسید.
4- پایتون همه جا هست. یکی از دغدغه‌های توسعه‌دهندگان حرفه‌ای این است که من کجا می‌توانم از این زبان برنامه‌نویسی استفاده کنم؟ آیا محصور به استفاده از ویندوز هستم؟ آیا از لینوکس می‌توانم استفاده کنم؟ مکینتاش چطور؟ آیا برای توسعه وب هم می‌توان استفاده کرد؟ آیا نسخه اندروید و آی‌اواس هم در دسترس است و … . پاسخ این سوالات یک کلمه است. بله. پایتون همه جا هست. هر جا که فکرش را بکنید.
این موضوع باعث می‌شود شما در محیطی که راحت‌تر هستید، توسعه دهید و استفاده‌کنندۀ نهایی هم در هر محیطی که در دسترس دارد، کدهای شما را اجرا کند. این بسیار حیرت‌انگیز است.
برنامه نویسی پایتون
5- کتابخانه‌های بسیار زیاد پایتون. تفاوتی نمی‌کند شما در چه زمینه‌ای کار می‌کنید، معمولاً برای هر موضوعی حداقل یک کتابخانه تخصصی ایجاد شده است. این کتابخانه‌ها به شما اجازه می‌دهند کارهای خارق‌العاده‌ای را انجام دهید. کتابخانه‌های ریاضی، مالی، مدیریتی، علوم داده و داده‌کاوی، BI و حتی هک، امنیت، تست نرم‌افزار از جمله این کتابخانه‌های تخصصی هستند.
کافی است نگاهی به بخش کتابخانه‌های پایتون بیندازید و کتابخانه دلخواه خود را انتخاب کنید.
6- ترکیب C و پایتون. هیچ چیز جای C را نمی‌گیرد. زبان C اگرچه یک پیرمرد کهنسال است اما هنوز هم زیرساخت بسیاری از نرم‌افزارهای قدرتمند مانند همین ویندوزی که شما استفاده می‌کنید، با C نوشته شده است. C یک زبان سطح پایین است و به همین علت بسیار سریع اجرا می‌شود. از آنجایی که پایتون یک زبان سطح بالاست و اجرای برنامه‌های بزرگ در پایتون ممکن است زمان‌بر شود، امکان برنامه‌نویسی C و استفاده از آن در پایتون وجود دارد. بسیار از کتابخانه‌های اصلی پایتون به زبان C نوشته شده‌اند. این موضوع باعث افزایش امکانات پایتون و بالا رفتن سرعت اجرای برنامه‌ها می‌شود. برای مثال، NumPy یکی از کتابخانه‌های معروف پایتون است.
بسیاری از ویژگی‌های NumPy به زبان C نوشته شده‌اند. در آرایه‌های بزرگ، زمان اجرا با استفاده از NumPy برابر با ۰.۰۹ درصد زمان اجرای کد پایتون ساده است.

کتابخانه‌های موردنیاز
هسته اصلی پایتون بسیار سبک است بنابراین برای هر هدف و منظوری که دارید باید ابتدا کتابخانه مربود به آن را به هسته اصلی اضافه نمایید. این کتابخانه‌ها , توابعی را برای اجرای عملیات محاسبات ریاضی, کار با تقویم, کار با داده‌ها و یا انجام کارهای سیستمی در اختیار شما قرار می‌دهند.
برای استفاده از پایتون در پروژه‌های مالی ,  شما به کتابخانه‌های : numpy (برای کار با آرایه‌های بزرگ و عملیات مربوط بر روی آنها) , Scipy ( عملیات آماری و توابع ریاضی پیشرفته) , matplotlib (نمایش داده)   نیاز دارید. همچنین به منظور کار‌های پیچیده تر به کتابخانه‌های tensorflow( برای بکارگیری الگوریتم‌های یادگیری ماشین) , pandas ( برای کار با داده‌ها) و کتابخانه pedigree که توسط شرکت بزرگ AQR پیاده سازی شده است نیاز خواهید داشت. لازم بذکر است که میتوان از نرم افزار anaconda برای نصب پایتون و هر یک از کتابخانه‌های دلخواه بهره گرفت.

 

ردیف   
   نام کتابخانه        
معرفی کاربردهای و حوزه‌های کاری مختلف کتابخانه‌ها
1 TensorFlow
  • یادگیری عمیق
  • یادگیری ماشین
  • داده‌کاوی و تجزیه‌وتحلیل داده
  • توسعه وب و اسکراپینگ وب
2 Bob
  • تشخیص چهره
  • تشخیص اثر انگشت و شناسایی افراد بر اساس ویژگی‌های بیومتریک آن‌ها
  • پردازش سیگنال‌های صوتی و تصویری از جمله پردازش و تحلیل صدا و تصاویر پزشکی
  • تشخیص الگو و الگویابی در داده‌های چند بعدی مانند تحلیل تصاویر و سیگنال‌های دیجیتالی
3 PyTorch
  • برنامه‌های پردازش زبان طبیعی
  • تحقیقات هوش مصنوعی
  • تشخیص و دسته‌بندی تصاویر، تشخیص اشیا، شناسایی چهره، تشخیص شی و موارد مشابه در حوزه بینایی ماشین
  • یادگیری تقویتی مانند کنترل ربات‌ها، بازی‌های رایانه‌ای و سایر برنامه‌های مرتبط با یادگیری تقویتی
  • یک ابزار قدرتمند و چند وجهی برای اکثر زمینه‌های یادگیری عمیق و هوش مصنوعی
4 Scikit- learn
  • یادگیری ماشین
  • یادگیری عمیق
  • داده‌کاوی
  • تجزیه‌وتحلیل داده
  • توسعه وب و اسکراپینگ وب
5 Ramp
  • رسم نمودارها و گزارشات مانند نمودارهای خطی، نمودارهای میله‌ای، نمودارهای دایره‌ای و غیره
  • انجام پیش‌پردازش‌هایی مانند نرمال‌سازی داده‌ها، کدگذاری داده‌های متنی و شبکه‌های اجتماعی
6 NumPy
  • محاسبات علمی
  • تجزیه‌وتحلیل داده‌ها
  • یادگیری ماشین (ماشین لرنینگ)
  • یادگیری عمیق
  • هوش مصنوعی
  • پردازش تصویر 
  • پردازش سیگنال
7 PyBrain
  • پردازش تصویر در حوزه یادگیری ماشین و پردازش متن
  • پیش‌بینی سری‌های زمانی
  • کنترل حرکت و رباتیک
  • تقویت یادگیری در آموزش الگوریتم‌های یادگیری ماشینی
  • یک کتابخانه قدرتمند در یادگیری ماشین و شبکه‌های عصبی
8 Keras
  • پردازش زبان طبیعی (NLP) 
  • مناسب برای پردازش تصویر و بینایی کامپیوتر
  • پیش‌بینی سری‌های زمانی
  • تشخیص تصویر
  • طبقه‌بندی متن
9 Chainer
  • تشخیص تصویر و شناسایی اشیا
  • پردازش زبان طبیعی و وظایفی مانند ترجمه ماشینی، تولید متن و غیره
  • تحلیل داده‌های ساختار یافته از جمله پیش‌بینی و طبقه‌بندی داده‌های جدولی
  • پیاده‌سازی الگوریتم‌های یادگیری تقویتی مانند Q-learning و Deep Q-Networks
10 OpenCV Python
  • رباتیک
  • تصویربرداری پزشکی
  • سیستم‌های نظارتی
  • شناسایی چهره
  • ردیابی حرکت
  • تعامل انسان و کامپیوتر
11 Theano
  • کاربرد در زمینه یادگیری ماشین (Machine Learning) و یادگیری عمیق (ِDeep Learning) برای برای ارزیابی و تسهیل در دستکاری عبارت‌های ریاضی از جمله آرایه‌های چندبعدی
12 NLTK
  • یکی از پایه‌های اصلی در زمینه پردازش زبان طبیعی و ابزاری قدرتمند در زمینه‌های مختلفی از تحقیقات و توسعه نرم‌افزار
13 SQLAlchemy
  • یکی از ابزارهای معتبر و کارآمد برای کار با پایگاه‌های داده در پایتون
  • مورد استفاده برای توسعه برنامه‌های داده‌محور و و برنامه‌های با ذخیره و مدیریت داده‌های زیاد
  • استفاده در سیستم‌های مدیریت محتوا
  • توسعه برنامه‌های وب
14 Dash
  • ایجاد برنامه‌های تحت وب تعاملی برای نمایش و تحلیل داده‌های مختلف در حوزه‌های مختلفی مانند تجارت، مالی، علم داده
  • استفاده در ساخت سیستم‌های گزارش‌دهی تعاملی با قابلیت نمایش داده‌های مختلف و تولید گزارش‌های دلخواه
15 Pandas
  • استفاده در در تجزیه‌وتحلیل داده‌ها، داده‌کاوی، پاک‌سازی داده‌ها، یادگیری ماشینی و یادگیری عمیق
  • توسعه وب و اسکراپینگ وب
16 Scipy
  • یادگیری ماشینی برای ساخت مدل‌های یادگیری ماشین قدرتمند مانند ماشین‌های بردار پشتیبان و شبکه‌های عصبی
  • پردازش سیگنال برای تبدیل فوریه، تجزیه‌وتحلیل طیفی و فیلتر
  • پردازش تصویر برای دست‌کاری و تجزیه‌وتحلیل تصاویر
17 Matplotlib
  • تجزیه‌وتحلیل داده‌ها، مصورسازی داده‌ها، یادگیری ماشینی و یادگیری عمیق
  • توسعه وب و اسکراپینگ وب
18 LightGBM
  • پیش‌بینی داده‌هایی چون قیمت‌ها، پیش‌بینی بازار،  تقاضا و غیره
  • مسائل رگرسیون مانند پیش‌بینی قیمت‌ها و تخمین مقادیر
  • پیش‌پردازش داده‌ها و استخراج ویژگی‌های مهم قبل از اعمال مدل
  • کتابخانه‌ای محبوب در مسائل یادگیری ماشین
19 Requests
  • وب اسکراپینگ
  • خودکارسازی فرم‌های ارسالی
  • تعامل با API‌های REST
  • دریافت اطلاعات از وب‌سایت‌ها
  • ایجاد درخواست‌های HTTP
  • بررسی دسترسی به وب‌سایت‌ها
  • ارسال فرم‌ها و درخواست‌های POST
  • استفاده در تست‌های واحد
20 Seaborn
  • تجزیه و تحلیل داده‌ها و نمایش اطلاعات آماری و توزیع‌های مختلف و ولید نمودارهای histogram، scatter plot و box plot
  • رسم نمودارهای توزیع
  • تجزیه و تحلیل داده‌های دوبعدی و بیشتر
  • تحلیل ویژگی‌های داده‌ها مانند بررسی ارتباط بین ویژگی‌ها، شناسایی الگوهای موجود و تجزیه و تحلیل دقیق داده‌ها
  • پوشش گسترده‌ای از نوع‌های نمودار
  • ابزار قدرتمند و انعطاف‌پذیر برای تجزیه و تحلیل داده‌ها و نمایش اطلاعات آماری برای پروژه‌های داده‌کاوی، تحلیل داده‌ها و داده‌های مختلف
21 Bokeh
  • مطالعه و تجزیه و تحلیل داده‌های مختلف در حوزه‌های متنوع
  • ابزاری برای ساخت وبسایت‌های تعاملی و داشبوردها با نمودارها و چارت‌های تعاملی
  • مطالعه در زمینه‌های علمی و تحقیقاتی به‌ویژه در زمینه‌های مانند علوم زیستی، علوم پزشکی، و مهندسی
  • مصورسازی داده‌های بزرگ
22 Pillow
  • برنامه‌های پردازش تصویر مانند عکس‌ها، تغییر اندازه تصاویر و افزودن متن به تصاویر.
  • برنامه‌های کاربردی وب و موبایل برای دست‌کاری تصویر برنامه‌های نیاز به دسترسی به داده‌های EXIF تعبیه شده برای تصاویر

 

 

 

 

 

چرا R بهتر از پایتون است؟
R عمدتاً برای تجزیه و تحلیل آماری استفاده می‌شود در حالی که پایتون رویکرد کلی تری به علم داده ارائه می‌دهد . R و Python از نظر زبان برنامه نویسی که به سمت علم داده گرایش دارند، پیشرفته هستند. یادگیری هر دوی آنها، البته، راه حل ایده آل است. ... پایتون یک زبان همه منظوره با سینتکس قابل خواندن است.
چرا مدیریتدانان از پایتون استفاده می‌کنند؟
مدیریتدانان همیشه مجبور بوده‌اند مجموعه داده‌ها را خرد و آزمایش کنند، اما اکنون بیشتر از زبان‌های برنامه نویسی مانند R و Python برای افزایش کارایی استفاده می‌کنند تا در نهایت بتوانند مدل‌های پیچیده تری را اجرا کنند. ... مجموعه داده‌های گسترده در صفحات گسترده کمتر قابل مدیریت هستند، در حالی که سیستم‌های جدید می‌توانند کار را در عرض چند دقیقه مدیریت کنند.
آیا جولیا بهتر از آر است؟
جولیا از پایتون و R سریع‌تر است، زیرا به طور خاص برای پیاده‌سازی سریع ریاضیات پایه که زیربنای بیشتر علوم داده‌اند، مانند عبارات ماتریسی و جبر خطی، طراحی شده است. جولیا در حال حاضر به طور گسترده مورد استفاده قرار می‌گیرد و بیش از 2 میلیون نفر آن را دانلود کرده اند، اما جامعه کاربران جاه طلبی‌های بزرگ تری دارند.
R یا Python برای مدیریت سنجی بهتر است؟
به نظر من R می‌تواند در تحلیل‌های مدیریت سنجی سنتی با مجموعه داده‌های منظم و آمار وضعیت هنری بهتر عمل کند. پایتون با مجموعه داده‌های بزرگتر در یک کار یادگیری ماشینی بالاتر است. ... من به شدت پایتون را توصیه می‌کنم.
آیا مدیریتدانان از SQL استفاده می‌کنند؟
آمار نشان می‌دهد که بیش از 75 درصد مشاغل مدیریتدان به دانش پایگاه داده و sql نیاز دارند .
R در مدیریت چگونه استفاده می‌شود؟
امروز پروژه‌های Doing Economics 2 تا 5 را به عنوان پروژه‌هایی که از R، یک زبان برنامه‌نویسی منبع باز استفاده می‌کنند، منتشر می‌کنیم. از امروز می‌توانید پروژه‌هایی را با استفاده از R در «تجزیه و تحلیل داده‌های آزمایش‌ها »، «اندازه‌گیری اثر مالیات بر شکر»، «اندازه‌گیری رفاه» و «اندازه‌گیری نابرابری» تنظیم کنید.
آیا پایتون برای تحقیق خوب است؟
پایتون می‌تواند اکثر کارهای تحقیقاتی روزانه را انجام دهد و می‌تواند در چندین مرحله از خط لوله تحقیقاتی (مثلاً اجرای آزمایش‌ها با شرکت‌کنندگان، سازماندهی داده‌ها، پردازش/دستکاری داده‌ها، تجزیه و تحلیل آماری/مدل‌سازی و تجسم) استفاده شود.
چرا پایتون برای امور مالی خوب است؟
سینتکس پایتون ساده است و سرعت توسعه را افزایش می‌دهد و به سازمان‌ها کمک می‌کند تا به سرعت نرم‌افزار مورد نیاز خود را بسازند یا محصولات جدیدی را به بازار عرضه کنند. در عین حال، نرخ خطای بالقوه را کاهش می‌دهد که هنگام توسعه محصولات برای یک صنعت به شدت تحت نظارت مانند امور مالی حیاتی است.
چه کسی مدیریت سنجی را اختراع کرد؟
درک مدیریت سنجی مدیریت سنجی توسط لارنس کلاین، راگنار فریش و سیمون کوزنتس پیشگام شد. هر سه در سال 1971 برنده جایزه نوبل مدیریت شدند.
آیا می‌توانم از پایتون در Stata استفاده کنم؟
Stata از Python 2 و Python 3 با شروع از Python 2.7 پشتیبانی می‌کند. شما می‌توانید از داخل Stata انتخاب کنید که به کدام یک متصل شود.
آیا می‌توانید به جای Stata از پایتون استفاده کنید؟
پایتون و R از هر جنبه‌ای از Stata برتر هستند - اما این برنامه شروع بسیار خوبی برای دانش آموزان است. روی الف) بسیاری از رویکردهای مدیریت سنجی خاص برای یک زمینه خاص وجود دارد که بسته‌هایی برای R و Stata برای آنها ایجاد شده است، اما (هنوز) برای Python.
چرا مدیریتدانان از Stata استفاده می‌کنند؟
اکنون مدیریتدانان بیشتری از Stata برای تمام نیازهای تجزیه و تحلیل داده‌های خود استفاده می‌کنند . ... Stata به شما امکان می‌دهد کد خود را بنویسید یا از منوها برای انجام تجزیه و تحلیل خود استفاده کنید. Stata می‌تواند داده‌ها را در قالب‌های مختلف، از جمله فرمت‌های csv و صفحه‌گسترده (از جمله Excel) وارد کند.
آیا R از پایتون سخت تر است؟
یادگیری R برای مبتدیان به دلیل کد غیر استاندارد آن دشوار است. پایتون معمولا برای اکثر زبان آموزان ساده تر است و منحنی خطی صاف تری دارد. علاوه بر این، پایتون به زمان کمتری برای کدنویسی نیاز دارد زیرا نگهداری آن آسان‌تر است و نحوی شبیه به زبان انگلیسی دارد.
آیا باید پایتون 2020 را یاد بگیرم یا R؟
پایتون تقریباً می‌تواند کارهای مشابه R را انجام دهد : جدال داده، مهندسی، انتخاب ویژگی، حذف وب، برنامه و غیره. ... پایتون از طرف دیگر تکرارپذیری و دسترسی را آسانتر از R می‌کند. در واقع اگر نیاز به استفاده از نتایج تجزیه و تحلیل خود در یک برنامه یا وب سایت دارید، پایتون بهترین انتخاب است.
آیا پایتون می‌تواند هر کاری که R می‌تواند انجام دهد؟
وقتی صحبت از تجزیه و تحلیل داده‌ها و علم داده می‌شود، بیشتر کارهایی که می‌توانید در R انجام دهید را می‌توان در پایتون نیز انجام داد و بالعکس. معمولاً الگوریتم‌های جدید علم داده در هر دو زبان پیاده سازی می‌شوند. اما عملکرد، نحو، و پیاده سازی ممکن است بین دو زبان برای الگوریتم‌های خاص متفاوت باشد.
آیا می‌توانم به خودم مدیریت یاد بدهم؟
شما می‌توانید مدیریت را به تنهایی و بدون بهره مندی از آموزش رسمی یاد بگیرید. همچنین اگر جاه طلب هستید، می‌توانید در دوران دبیرستان یا حتی زودتر شروع به یادگیری مدیریت کنید. شما می‌توانید این عشق را از طریق دانشگاه و حتی تحصیلات تکمیلی حمل کنید.
آیا تحصیل در رشته مدیریت سخت است؟
اگرچه مدیریت یک علم اجتماعی است، اما می‌تواند مانند هر یک از دروس دانشگاهی چالش‌برانگیزتر، از جمله ریاضی، شیمی، و غیره، دشوار و سخت باشد . برای موفقیت در مدیریت نیاز به زمان، فداکاری، و عادات مطالعه خوب است.
آیا مدیریت به ریاضی نیاز دارد؟
ریاضیات و آمار در مدیریت استفاده می‌شود، اما در مقطع کارشناسی، ریاضی و آمار مطمئناً زیاد نیست. رشته‌های مدیریت معمولاً ملزم به گذراندن یک درس آمار و یک درس ریاضی (معمولاً یک درس حسابان مقدماتی) هستند.

زبان برنامه‌نویسی جولیا (Julia)

جولیا یک زبان برنامه‌نویسی پویا و سطح بالا است که بیشتر برای مقاصد محاسبات حجم بالای علمی مورد استفاده قرار می‌گیرد. البته از جولیا می‌توان به عنوان زبان برنامه‌نویسی همه منظوره نیز استفاده کرد.
ویژگی‌های جولیا:
- یک زبان برنامه‌نویسی متن باز با پروانه ام‌آی‌تی است.
- مانند زبان لیسپ هومویکونیک است، به این معنا که کدهای برنامه نیز داده‌هایی از برنامه به‌شمار می‌روند، که امکان تولید کدهای برنامه‌نویسی پویا را به برنامه‌نویس می‌دهد.
- در تعریف توابع بسیار قوی و انعطاف‌پذیر است، که امکان تعریف رَویه‌ها و عملگرهای محاسباتی جامع برای ساختارهای داده متفاوت را فراهم می‌آورد.
- دارای قابلیت‌های سطح پایین کنترلی و محاسباتی است، که سرعت اجرا را تا حد زبان‌های با نوع داده ایستا مانند سی یا فرترن افزایش می‌دهد.
- دارای سیستم مدیریت بسته‌است.
- دارای قابلیت فراخوانی توابع پایتون با استفاده از بسته PyCall است.
- دارای قابلیت فراخوانی مستقیم توابع سی است.
- نوع داده‌های تعریف شده به وسیله کاربر سرعت و فشردگی انواع توکار زبان را دارند.
- پشتیبانی بهینه از یونی‌کد شامل UTF-8
- برای یادگیری و استفاده ساده است.

زبان برنامه‌نویسی گولنگ (Golang)

Data Analysis in Go – How to Use the Gota Package

resources/tooling/README.md at master · gopherdata/resources · GitHub

Creating a Go-based data analytics platform | Reintech media

 

Analytics for Go | Segment Documentation

Data Flow Analysis for Go  | The GoLand Blog

Problem loading page

Artifism v1.4.0 - AI Content & Image Generator SaaS - nulled » Premium Scripts, Plugins & Mobile

OpenAI Davinci v4.2 - AI Writing Assistant and Content Creator as SaaS - nulled » Premium Scripts, Plugins & Mobile

منابع

کامپیوتر و کاربرد آن در مدیریت - پارس مدیر

مبانی و کاربرد کامیپیوتر در مدیریت - صندوق بیان


مقالات
سیاست
رسانه‎های دیجیتال
علوم انسانی
مدیریت
روش تحقیق‌وتحلیل
متفرقه
درباره فدک
مدیریت
مجله مدیریت معاصر
آیات مدیریتی
عکس نوشته‌ها
عکس نوشته
بانک پژوهشگران مدیریتی
عناوین مقالات مدیریتی
منابع درسی (حوزه و دانشگاه)
مطالعات
رصدخانه شخصیت‌ها
رصدخانه - فرهنگی
رصدخانه - دانشگاهی
رصدخانه - رسانه
رصدخانه- رویدادهای علمی
زبان
لغت نامه
تست زبان روسی
ضرب المثل روسی
ضرب المثل انگلیسی
جملات چهار زبانه
logo-samandehi
درباره ما | ارتباط با ما | سیاست حفظ حریم خصوصی | مقررات | خط مشی کوکی‌ها |
نسخه پیش آلفا 2000-2022 CMS Fadak. ||| Version : 5.2 ||| By: Fadak Solutions نسخه قدیم