اکتشاف دانش و داده کاوی در پژوهش های کمی و کیفی: مقایسه روش شناسی های شبکه های عصبی مصنوعی (ANN) و نظریه بنیانی (GT)

در سال های اخیر، شاهد حرکتی مستمر از واکاوی ها، پژوهش ها و پردازش های صرفا نظری و روش محور به پژوهش ها و پردازش های داده محوریم، حرکتی که به نحو احسن خود را در ظهور و توسعه روش های اکتشاف دانش، به ویژه داده کاوی و فنون خاص آن، نشان داده است. به رغم تصور رایج، داده کاوی صرفا به پژوهش های کمی و آماری محدود نمی شود و در پژوهش های کیفی هم شاهد ظهور تحولات مشابهی بوده ایم. در این مقاله با فرض تطبیق پذیری اکتشاف دانش و داده-کاوی در پژوهش های کمی و کیفی، به طور مشخص روش داده کاوی شبکه های عصبی مصنوعی را به مثابه رویکردی نوین در پردازش چندمتغیره داده ها و اطلاعات و به مثابه رویکردی در حال ظهور و گسترش در روش های آنالیز چندمتغیره آماری، و روش داده کاوی نظریه بنیانی را در مدیریت و تحلیل داده های کیفی مقایسه کرده و وجوه تمایز و اشتراک آنها را بیان می کنیم. در این مقاله نشان داده ایم که صرف نظر از وجوه متمایز دو روش شناسی داده کاوی از حیث پارادایم، خاستگاه و فرایندهای اکتشاف و پردازش و نوع داده، هر دو روش شناسی از ماهیت و رویکردی پسینی، چند رشته ای و میان رشته ای، استقرایی، اکتشافی، فرایندمحور، داده محور، انعطاف پذیرو معطوف به رابطه (رابطه مدار) بین هستارها و مقوله ها بهره می برند.