Η βιβλιογραφική εργασία αποτελεί συστηματική διερεύνηση της υπάρχουσας επιστημονικής γνώσης, με στόχο τη θεωρητική εμβάθυνση και τη χαρτογράφηση του ερευνητικού πεδίου.

Η διαδικασία περιλαμβάνει:

• Στρατηγική αναζήτηση σε ακαδημαϊκές βάσεις δεδομένων (Scopus, Google Scholar κ.λπ.)

• Καθορισμό κριτηρίων ένταξης/αποκλεισμού πηγών

• Κριτική αξιολόγηση (critical appraisal)

• Θεματική κατηγοριοποίηση (thematic synthesis)

Deliverable:
Ένα συνεκτικό θεωρητικό πλαίσιο που αναδεικνύει:

• βασικές σχολές σκέψης

• ερευνητικά κενά (research gaps)

• πιθανές κατευθύνσεις για μελλοντική έρευνα

Η ποσοτική προσέγγιση βασίζεται στη λογική του θετικισμού και επιδιώκει τη μέτρηση και γενίκευση των αποτελεσμάτων.

Μεθοδολογικά στάδια:

• Διατύπωση ερευνητικών υποθέσεων (hypothesis testing)

• Επιλογή δείγματος (sampling strategy)

• Σχεδιασμός εργαλείου (structured questionnaire)

• Έλεγχος αξιοπιστίας & εγκυρότητας (Cronbach’s alpha, validity tests)

• Στατιστική ανάλυση (descriptive & inferential statistics)

Τεχνικές ανάλυσης:

• Regression analysis

• ANOVA / t-tests

• Correlation analysis

Deliverable:
Μετρήσιμα αποτελέσματα με δυνατότητα γενίκευσης στον πληθυσμό-στόχο.

Η ποιοτική έρευνα βασίζεται σε ερμηνευτικά παραδείγματα (interpretivism) και επιδιώκει τη βαθιά κατανόηση κοινωνικών και συμπεριφορικών φαινομένων.

Μέθοδοι συλλογής δεδομένων:

• Ημι-δομημένες συνεντεύξεις

• Focus groups

• Συμμετοχική ή μη παρατήρηση

Αναλυτικές τεχνικές:

• Thematic analysis

• Content analysis

• Grounded theory

Κρίσιμες παράμετροι:

• Data saturation

• Reflexivity

• Triangulation

Deliverable:
Ερμηνευτικά μοντέλα και εννοιολογικά frameworks που αποτυπώνουν βαθύτερες δομές και νοήματα.

Η μελέτη περίπτωσης αποτελεί εντατική ανάλυση ενός συγκεκριμένου φαινομένου εντός του πραγματικού του πλαισίου (real-life context).

Χαρακτηριστικά:

• Single-case ή multiple-case design

• Χρήση πολλαπλών πηγών δεδομένων (documents, interviews, reports)

• Contextual analysis

Μεθοδολογική προσέγγιση:

• Pattern matching

• Explanation building

• Cross-case synthesis (σε πολλαπλές περιπτώσεις)

Deliverable:
Βαθιά κατανόηση πρακτικών εφαρμογών και στρατηγικών αποφάσεων.

Η συστηματική ανασκόπηση αποτελεί αυστηρά δομημένη ερευνητική διαδικασία που στοχεύει στην πλήρη, αντικειμενική και αναπαραγώγιμη καταγραφή της υπάρχουσας γνώσης για ένα συγκεκριμένο θέμα ή ερευνητικό ερώτημα. Είναι ιδιαίτερα δημοφιλής σε ιατρικές, κοινωνικές και εκπαιδευτικές επιστήμες, καθώς παρέχει υψηλό επίπεδο αξιοπιστίας και επιστημονικής εγκυρότητας.

Βασικά στάδια

1. Διατύπωση ερευνητικού ερωτήματος (PICO framework)

   • Το PICO βοηθά στον σαφή καθορισμό του θέματος: Population (πληθυσμός), Intervention (παρέμβαση), Comparison (σύγκριση) και Outcome (αποτέλεσμα).

   • Καθορίζει με ακρίβεια το πλαίσιο αναζήτησης και την κατεύθυνση της μελέτης.

2. Καθορισμός στρατηγικής αναζήτησης (Search Strategy)

   • Επιλογή βάσεων δεδομένων (PubMed, Scopus, Web of Science κ.ά.)

   • Σαφής ορισμός λέξεων-κλειδιών, συνδυασμών Boolean και χρονικών περιορισμών.

   • Στόχος: εύρεση όσο το δυνατόν περισσότερων σχετικών μελετών χωρίς να χαθεί η ποιότητα.

3. PRISMA flow diagram

   • Οπτική απεικόνιση της διαδικασίας επιλογής μελετών: εντοπισμός, screening, επιλογή και ένταξη στη συστηματική ανασκόπηση.

   • Διασφαλίζει διαφάνεια και αναπαραγωγιμότητα.

4. Screening (title/abstract/full-text)

   • Αρχικό screening: τίτλοι και abstracts για αποκλεισμό μη σχετικών άρθρων.

   • Δευτερογενές screening: πλήρες κείμενο για τελική ένταξη με βάση προκαθορισμένα κριτήρια.

5. Quality assessment (risk of bias)

   • Αξιολόγηση της ποιότητας των μελετών και των πιθανών πηγών μεροληψίας.

   • Χρήση εργαλείων όπως Cochrane Risk of Bias Tool, GRADE ή άλλων μεθοδολογιών.

Deliverable / Παραδοτέο

Η συστηματική ανασκόπηση καταλήγει σε μια αναπαραγώγιμη, διαφανή και πλήρη σύνθεση της βιβλιογραφίας, που:

• Παρουσιάζει τις υπάρχουσες τάσεις και κενά στην έρευνα

• Προσφέρει τεκμηριωμένα συμπεράσματα

• Μπορεί να χρησιμοποιηθεί ως βάση για μετα-ανάλυση ή μελλοντικές εμπειρικές μελέτες

• Διασφαλίζει υψηλή αξιοπιστία και επιστημονική εγκυρότητα

Η μετα-ανάλυση ενσωματώνει ποσοτικά δεδομένα από πολλαπλές μελέτες για την παραγωγή συνολικών στατιστικών εκτιμήσεων.

Κύρια στοιχεία:

• Effect size calculation (Cohen’s d, Odds Ratio)

• Heterogeneity testing (I² statistic)

• Fixed vs Random effects models

• Publication bias (funnel plots)

Deliverable:
Συνολική εκτίμηση της επίδρασης ενός φαινομένου με αυξημένη στατιστική ισχύ.

Αφορά τη δημιουργία νέων εννοιολογικών ή αναλυτικών μοντέλων.

Διαδικασία:

• Εντοπισμός θεωρητικών μεταβλητών

• Καθορισμός σχέσεων μεταξύ μεταβλητών

• Conceptual framework design

• Ενδεχόμενη εμπειρική επιβεβαίωση

Τύποι μοντέλων:

• Predictive models

• Conceptual frameworks

• Decision-making models

Deliverable:
Καινοτόμο θεωρητικό εργαλείο με εφαρμογή στην έρευνα ή την πράξη.

Εστιάζει στη σύγκριση συστημάτων, ομάδων ή περιπτώσεων για την εξαγωγή γενικεύσεων.

Μεθοδολογία:

• Most Similar Systems Design (MSSD)

• Most Different Systems Design (MDSD)

• Cross-sectional ή longitudinal comparison

Αναλυτικά εργαλεία:

• Comparative matrices

• Variable isolation

• Pattern identification

Deliverable:
Εντοπισμός αιτιωδών μηχανισμών και διαφοροποιήσεων μεταξύ περιπτώσεων.