آسيب‌ شناسي نظام پيشنهادها با رويكرد نظريه داده بنياد

Pathology of the Suggestions System with the Grounded Theory approach

هدف اصلي نوشتار حاضر شناسايي آسيب‌هاي فراروي نظام پيشنهادها در شركت گاز استان مازندران مي‌باشد. در پژوهش حاضر از روش كيفي مبتني بر نظريه داده‌بنياد استفاده شده است، زيرا محقق جهت تبيين الگو از داده‌هاي مفهومي كه به صورت نظام‌مند گردآوري شده‌اند، بهره گرفته است. جهت جمع‌آوري داده‌ها از ابزار مصاحبه استفاده شده و جامعه آماري مصاحبه‌شوندگان را 18 نفر از افراد مطلع و آگاه با نظام پيشنهادها در شركت مورد مطالعه تشكيل مي‌دهند. نتايج مصاحبه‌ها در قالب هشت عنوان مفهومي دسته‌بندي شدند. ﻣﺤﻘـﻖ ﺑـﺎ روﻳﻜـﺮدي استقرايي و با استفاده از داده‌هاي گردآوري شده به تدوين نظريه‌اي قابل اتكا در زمينه آسيب‌شناسي نظام پيشنهادها مي‌پردازد و ﺑﺮاي اﻳﻦ اﻣﺮ، پس از كدگذاري باز، مفاهيم و مقوله‌ها استخراج شدند و در مرحله كدگذاري محوري اين مقوله‌ها در قالب پديده‌هاي محوري، شرايط علي، شرايط زمينه‌اي، شرايط علي و شرايط مداخله‌گر نشان داده شده‌اند. سپس خط داستان و الگوي پارادايمي تحقيق ترسيم گرديد. سپس خط داستان و الگوي پارادايمي تحقيق ترسيم شد. نتايج تحقيق حاكي از آن است كه از منظر مقولة پيامدي بايد اذعان داشت كه شناسايي آسيبهاي فراروي نظام پيشنهاد در شركت مورد مطالعه و تبيين راهبردها و خط مشي هاي مدون جهت رفع اين آسيب ها، ميتواند موجب بهبود عملكرد نظام پيشنهاد شود.

The main purpose of the present paper is to identify the pathology faced by the suggestion system in Mazandaran Province Gas Company as a project and service company. In the present study, a qualitative method based on a grounded theory (GT) strategy has been used, because the researcher has used systematically collected conceptual data to design and explain the model. Data collection is done via interview and the statistical population is made up of 18 expert individuals in the study system. Results of the interviews are categorized into eight conceptual headings. Using inductive data, researchers use an inductive approach to compile a reliable theory of pathology faced by the suggestion system; after open coding, concepts and categories are extracted, and in the axial coding phase, these categories are shown in the form of axial conditions, then, contextual conditions, causal conditions, and interventionist conditions.