ترجمه FsQCA

نمونه ترجمه

این مطالعه از آنالیز تطبیقی[1] کیغی با مجموع فازی (fsQCA) با استفاده از fs/QCA 2.5 (راجین و داوی ، 2014) استفاده می­کند. fsQCA با یکپارچه سازی مجموعه فازی و منطق نامعلوم (زاده 1965) با QCA  (راجین، 2000) توسعه داده شد. QCA روش تحلیلی مبتنی بر جبر بولی و پیاده­سازی اصول مقایسه برای مطالعه پدیده های اجتماعی (راجین ، 2000) است و قادر به پاسخگویی  سؤال­هایی در مفاهیم مجموعه ای نظری است و برای تجزیه و تحلیل پیچیدگی علُی می­باشد (لجوی، 2013). FsQCA از تئوری جمع (فازی) و جبر بولی برای تجزیه و تحلیل چگونگی  ترکیب عوامل و چگونگی این مساله که حضور یا عدم حضور آنها منجر به یک نتیجه خاص می­شود، استفاده می­کند (راجین، 2008). مجموعه­های فازی و اصول منطق نامعلوم (فازی) در مهندسی و تئوری کنترل و همچنین در علوم اجتماعی اعمال می­شود (لیو و همکاران، 2015). این ابزار الگوهایی را میان متغیرهای مستقل و وابسته مشخص می­کند، که توضیح دهد که یک نتیجه و متمایز مهم­تر از تجزیه و تحلیل واریانس، همبستگی و مدل های رگرسیون چندگانه را شرح می­دهد و راه حل متعدد ارائه می دهد که می­تواند منجر به نتایج مشابه شود. متغیری که بر نتیجه اثر می­گذارد، تنها یک زیر مجموعه کوچک از مواردی است که  نمی­ تواند توسط آنالیز رگرسیون مشخص شود (لیو و همکاران، 2015؛ ویس، 2012). راه­حل­های ارائه شده توسط شرایط لازم و کافی نشان داده شده که یک تمایز بین متغیرهای اصلی و جنبی پیشنهاد می­دهد. متغیرهای اصلی با یک شرایط علّی قوی با نتیجه همراه هستند، در حالی که عناصر جنبی آنهایی ضعیفتر عمل می­کند (فیس، 2011). علاوه بر این، این شرایط ممکن است در یک راه حل وجود داشته باشد، وجود نداشته باشد و یا موضوع ما نباشد (یعنی '' مهم نیست") (فیس، 2011). در یک وضعیت ''مهم نیست"، شرایط ممکن است، وجود داشته باشد و یا غایب باشد.

[1] - Comparative

3.4. FsQCA
The study applies fuzzy-set Qualitative Comparative Analysis (fsQCA) using fs/QCA 2.5 (Ragin and Davey, 2014). fsQCA
was developed by integrating fuzzy set and fuzzy logic (Zadeh, 1965) with QCA (Ragin, 2000). QCA is an analytic technique
that is based on Boolean algebra and implements principles of comparison to study social phenomena (Ragin, 2000), and is
able to answer questions that are based on set-theoretic notions and for analyzing causal complexity (Legewie, 2013). FsQCA
uses (fuzzy) set theory and Boolean algebra to analyze how factors combine together, and how their presence or absence
leads to a certain outcome (Ragin, 2008). Fuzzy sets and fuzzy logic principles apply in engineering and control theory, as
well as in social sciences (Liu et al., 2015). This tool identifies patterns among independent and dependent variables, that
explain an outcome and more importantly differentiates from the analyses of variance, correlations and multiple regression
models, as it offers multiple solutions that can lead to the same result. A variable that affects the outcome in only a small
subset of cases cannot be identified by regression analysis (Liu et al., 2015; Vis, 2012). The offered solutions are presented
by necessary and sufficient conditions, which offer a differentiation between core and peripheral variables. Core variables are
those with a strong causal condition with the result, while peripheral elements are the ones with a weaker one (Fiss, 2011).
Further, these conditions may be present, absent or may not matter (i.e., ‘‘do not care”) in a solution (Fiss, 2011). In a ‘‘do not
care” situation, the conditions may either be present or absent.