સામગ્રીનું કોષ્ટક[છુપાવો][બતાવો]
અમે ડેટાથી ઘેરાયેલા છીએ, જે દરરોજ વધુને વધુ નોંધપાત્ર બની રહ્યું છે. પર્યાવરણ સાથેની અમારી વધુને વધુ ક્રિયાપ્રતિક્રિયાઓ વિવિધ સ્વરૂપોના ડેટા દ્વારા આકાર પામી રહી છે, જેમાં ઇન્ટરનેટનો આપણો ઉપયોગ, ઓટોમોબાઈલ ખરીદીઓ, આપણે જોઈએ છીએ તે સમાચાર ફીડ્સ અને અન્ય ઘણી વસ્તુઓનો સમાવેશ થાય છે.
અમે આ પોસ્ટમાં માત્રાત્મક ડેટાને વ્યાખ્યાયિત કરીશું, માત્રાત્મક ડેટાના ઉદાહરણો આપીશું, ગુણાત્મક અને માત્રાત્મક ડેટા કેવી રીતે બદલાય છે તેની ચર્ચા કરીશું અને ઘણું બધું.
પરંતુ ચાલો પહેલા એક પગલું પાછળ લઈએ.
દરરોજ, 2.5 ક્વિન્ટિલિયન બાઇટ્સ ડેટા-જેમાં પરીક્ષણ પરિણામો, ગ્રાહક સંતોષ સ્કોર્સ અને ટ્વીટ્સનો સમાવેશ થાય છે-ઉત્પાદિત થાય છે. પરંતુ ડેટાનો દરેક ભાગ સમાન બનાવવામાં આવતો નથી.
1 થી 10 ના સ્કેલ પર તમને સેવા, મેનૂ, પર્યાવરણ અને કિંમતોને ક્રમ આપવાનું કહેતો મતદાન તમને તમારા ભોજનના અનુભવનું વર્ણન કરવા માટે પૂછતા ઇન્ટરવ્યુ કરતાં અલગ ડેટા ઉત્પન્ન કરે છે.
ડેટાના વિવિધ સ્વરૂપો વચ્ચે ભેદ પાડવા અને દરેક તમારા અભ્યાસને કેવી રીતે અસર કરી શકે છે તે સમજવા માટે વારંવાર ડેટા સેટ સાથે કામ કરતા વિશ્લેષકો માટે તે નિર્ણાયક છે.
ડેટાને શોધવાની પ્રક્રિયા વારંવાર ચોક્કસ પ્રશ્ન સાથે શરૂ થાય છે જેનો તમે જવાબ આપવાનો પ્રયાસ કરી રહ્યાં છો, જેમ કે:
- ઉપભોક્તા વર્તન પર વસ્તી વિષયકની શું અસર પડે છે?
- શું કોઈ ચોક્કસ પ્રેક્ષકો ઉત્પાદન અથવા સેવામાં ફેરફાર માટે અનુકૂળ પ્રતિસાદ આપશે?
- કાર્યક્ષમતા વધારવા માટે ઓપરેશનલ અવરોધો કેવી રીતે દૂર કરી શકાય?
તમારે વિષયની પ્રકૃતિ, તમારું બજેટ, સમય અને સુલભ સંસાધનોના આધારે માત્રાત્મક ડેટા એકત્રિત કરવાની અને તેનું મૂલ્યાંકન કરવાની જરૂર પડશે. મને લાગે છે કે તમે સમજો છો, બરાબર?
ચાલો હવે શરુ કરીએ.
માત્રાત્મક ડેટા શું છે?
ડેટાનો કોઈપણ સંગ્રહ કે જે ઓળખી શકાય અને જથ્થાત્મક રીતે મૂલ્યાંકન કરી શકાય તે માત્રાત્મક ડેટા ગણવામાં આવે છે.
એકમાત્ર પ્રકારનો ડેટા કે જેને ઉદ્દેશ્યથી માપી શકાય છે તે માત્રાત્મક ડેટા છે, જે તેને સૌથી વધુ સુસંગત બનાવે છે ડેટા પ્રકાર ગણિત અને આંકડા બંનેમાં ઉપયોગ માટે.
તેને ડેટાના મૂલ્ય તરીકે ઓળખવામાં આવે છે જ્યારે તેને ગણતરીઓ અથવા સંખ્યાઓ તરીકે દર્શાવવામાં આવે છે, જેમાં દરેક ડેટા સેટને ચોક્કસ સંખ્યાત્મક મૂલ્ય સોંપવામાં આવે છે.
કોઈપણ માપી શકાય તેવી માહિતી કે જેનો ઉપયોગ આંકડાકીય ગણતરીઓ અને અંકગણિત પર આધારિત ગણતરીઓમાં થઈ શકે છે તેને આ પ્રકારનો ડેટા ગણવામાં આવે છે કારણ કે તેનો ઉપયોગ વાસ્તવિક દુનિયામાં ચુકાદાઓને સમર્થન આપવા માટે થઈ શકે છે.
કેટલા, કેટલી વાર અને કેટલા પ્રશ્નોના કેટલાક ઉદાહરણો તે જવાબ આપી શકે છે. આ ડેટાને સરળતાથી ચકાસવા અને તેનું મૂલ્યાંકન કરવા માટે ગાણિતિક પદ્ધતિઓનો ઉપયોગ કરી શકાય છે.
સમય, ઊંચાઈ, વજન, કિંમત, કિંમત, નફો, તાપમાન અને અંતર જેવો જથ્થાત્મક ડેટા છે જેની સાથે ડેટા વિશ્લેષક સામાન્ય રીતે કામ કરે છે.
તે ટકાવારી, સંખ્યા, પૃષ્ઠ લોડ સમય અથવા ઉત્પાદન સંચાલન, વપરાશકર્તા અનુભવ ડિઝાઇન અથવા સોફ્ટવેર એન્જિનિયરિંગના ક્ષેત્રોમાં અન્ય મેટ્રિક્સ તરીકે વ્યક્ત કરી શકાય છે.
કેટલા લોકોએ ચોક્કસ વસ્તુની ખરીદી કરી તે ખરીદીના સંદર્ભમાં માત્રાત્મક ડેટાનું ઉદાહરણ છે. કાર પરના ગુણાત્મક ડેટામાં તેની પાસેની હોર્સપાવરની માત્રા શામેલ હોઈ શકે છે.
જથ્થાત્મક ડેટાના પ્રકારો શું છે?
જે ડેટાની માત્રા નક્કી કરી શકાય છે તેને જથ્થાત્મક ડેટા તરીકે ઓળખવામાં આવે છે, જો કે, તે ડેટા કેવી રીતે માપવામાં આવે છે તે હાથ પરના ડેટા સંગ્રહના પ્રકારને આધારે બદલાય છે. જથ્થાત્મક ડેટાને બે મૂળભૂત જૂથોમાં વિભાજિત કરી શકાય છે: સ્વતંત્ર અને સતત. બે વચ્ચેના મુખ્ય તફાવતો નીચે મુજબ છે:
અલગ ડેટા
માત્રાત્મક માહિતી કે જે અલગ હોય છે તેમાં માત્ર સંખ્યાત્મક મૂલ્યોની ચોક્કસ શ્રેણી હોઈ શકે છે. આ મૂલ્યો નિશ્ચિત હોવાથી તેનું વિઘટન કરી શકાતું નથી.
જ્યારે પણ કંઈપણ ગણવામાં આવે છે, ત્યારે અલગ ડેટા પ્રાપ્ત થાય છે. એક વ્યક્તિના ત્રણ બાળકો, દાખલા તરીકે, અલગ ડેટાનું ઉદાહરણ હશે.
બાળકોની સંખ્યા સુયોજિત છે; તેઓ, ઉદાહરણ તરીકે, 3.2 બાળકો ધરાવી શકતા નથી.
તમારી વેબસાઇટ પર મુલાકાતીઓની સંખ્યા અલગ આંકડાકીય માહિતીનું બીજું ઉદાહરણ છે; તમે એક દિવસમાં 150 મુલાકાતો મેળવી શકો છો, પરંતુ 150.6 નહીં. અલગ ડેટા પ્રદર્શિત કરવા માટે ઉપયોગમાં લેવાતા સૌથી સામાન્ય ચાર્ટ પાઇ ચાર્ટ, બાર ચાર્ટ અને ટેલી ચાર્ટ છે.
સતત ડેટા
તેનાથી વિપરીત, સતત ડેટાને અનિશ્ચિત રૂપે નાના ઘટકોમાં વિભાજિત કરી શકાય છે. સેન્ટિમીટરમાં શબ્દમાળાના ટુકડાની લંબાઈ અથવા ડિગ્રી સેલ્સિયસમાં તાપમાન આ પ્રકારના જથ્થાત્મક ડેટાના બે ઉદાહરણો છે જે માપન સ્કેલ પર બતાવી શકાય છે.
સારમાં, સતત ડેટા નિશ્ચિત મૂલ્યો સુધી મર્યાદિત નથી; તે કોઈપણ મૂલ્ય લઈ શકે છે. સતત ડેટા પણ સમય સાથે બદલાઈ શકે છે; દાખલા તરીકે, દિવસ દરમિયાન રૂમનું તાપમાન બદલાશે.
રેખા ગ્રાફનો ઉપયોગ સામાન્ય રીતે સતત ડેટાને દર્શાવવા માટે થાય છે.
જથ્થાત્મક ડેટા વિ ગુણાત્મક ડેટા
આપણે જોઈ શકીએ છીએ કે માત્રાત્મક ડેટા માપી શકાય છે. તે રકમો, મૂલ્યો અને સંખ્યાઓ સાથે વહેવાર કરે છે. આ પ્રકારની માહિતી સંખ્યાત્મક રીતે કહી શકાય (એટલે કે, રકમ, અવધિ, લંબાઈ, કિંમત અથવા કદ).
જથ્થાત્મક ડેટા ઘણી બધી વિશ્વસનીયતા ધરાવે છે અને તેને નિષ્પક્ષ અને વિશ્વાસપાત્ર તરીકે જોવામાં આવે છે કારણ કે તે આંકડાઓ દ્વારા ઉત્પન્ન થાય છે. જો કે, ડેટાનો બીજો નિર્ણાયક પ્રકાર છે. ખાસ કરીને, ગુણાત્મક ડેટા.
આ માહિતી મુખ્યત્વે વર્ણનાત્મક છે. મોટા ભાગના કિસ્સાઓમાં, તે સીધું માપી શકાતું નથી પરંતુ અવલોકન દ્વારા શીખી શકાય છે. વિશેષણો અને અન્ય વર્ણનાત્મક શબ્દોનો ઉપયોગ ગુણાત્મક ડેટામાં દેખાવ, રંગ, રચના અને અન્ય ગુણધર્મોનું વર્ણન કરવા માટે થાય છે.
ઉદાહરણ તરીકે, તમે દલીલ કરી શકો છો કે એક ઓરડો બીજા કરતા વધુ તેજસ્વી છે.
તે માહિતી ગુણાત્મક છે. ઓરડામાં તેજને ખરેખર માપવા અને તેને સંખ્યાત્મક નંબર સોંપવા માટે, તમે વૈજ્ઞાનિક સાધનો અને ઉપકરણ (જેમ કે લાઇટ મીટર) નો પણ ઉપયોગ કરી શકો છો. તમે તે કરીને પરિમાણપાત્ર ડેટા મેળવો છો.
જથ્થાત્મક ડેટા એકત્રિત કરવાની 5 શ્રેષ્ઠ પદ્ધતિઓ
1. સંભાવના સેમ્પલિંગ
ચોક્કસ સેમ્પલિંગ ટેકનિક કે જે અમુક પ્રકારની રેન્ડમ સિલેક્શનનો ઉપયોગ કરે છે અને સંશોધકોને ઇચ્છિત પ્રેક્ષકો પાસેથી અવ્યવસ્થિત રીતે એકત્રિત કરવામાં આવેલી માહિતીના આધારે સંભવિતતાનો દાવો કરવા સક્ષમ બનાવે છે.
પ્રોબેબિલિટી સેમ્પલિંગ સંશોધકોને તે વ્યક્તિઓ પાસેથી ડેટા એકત્રિત કરવાની તક આપે છે જેઓ તેઓ જે જૂથની તપાસ કરવામાં રસ ધરાવતા હોય તેની લાક્ષણિકતા છે, જે તેની શ્રેષ્ઠ વિશેષતાઓમાંની એક છે.
વધુમાં, ડેટા પસંદ કરેલા નમૂનામાંથી રેન્ડમ રીતે દોરવામાં આવ્યો હતો, જે નમૂનાના પૂર્વગ્રહની તકને દૂર કરે છે.
સંભાવના નમૂના માટે, ત્રણ મુખ્ય શ્રેણીઓ છે.
- સરળ રેન્ડમ નમૂના: નમૂનામાં રજૂ કરવા માટે ઇચ્છિત વસ્તી વધુ વખત પસંદ કરવામાં આવે છે.
- વ્યવસ્થિત રેન્ડમ નમૂના: ઇચ્છિત વસ્તીના કોઈપણ સભ્યને નમૂનામાં રજૂ કરવામાં આવશે, પરંતુ ફક્ત પ્રથમ એકમ રેન્ડમ પસંદ કરવામાં આવે છે; અન્ય એકમો એવી રીતે પસંદ કરવામાં આવે છે કે જાણે યાદીમાં દસમાંથી એક વ્યક્તિ હોય.
- સ્તરીકૃત રેન્ડમ નમૂના: નમૂના બનાવતી વખતે, ઇચ્છિત પ્રેક્ષકોના ચોક્કસ સબસેટમાંથી દરેક એકમને પસંદ કરવાની મંજૂરી આપે છે. તે મદદરૂપ થાય છે જ્યારે સંશોધકો નમૂનામાં લોકોના ચોક્કસ જૂથનો સમાવેશ કરવા વિશે પસંદ કરે છે, જેમ કે માત્ર મેનેજરો અથવા એક્ઝિક્યુટિવ્સ, આપેલ ઉદ્યોગમાં કામ કરતા લોકો, અથવા પુરુષો અથવા સ્ત્રીઓ.
2. ઇન્ટરવ્યુ
ડેટા એકત્રિત કરવાની પ્રક્રિયાના ભાગ રૂપે સામાન્ય રીતે લોકોનો ઇન્ટરવ્યુ લેવામાં આવે છે. જો કે, માત્રાત્મક ડેટા એકત્ર કરવા માટે હાથ ધરવામાં આવતા ઇન્ટરવ્યુ વધુ વ્યવસ્થિત હોય છે, જેમાં સંશોધકો માત્ર નિયત પ્રશ્નોના સમૂહ પૂછે છે અને બીજું કંઈ નથી.
ડેટા એકત્ર કરવા માટે ઉપયોગમાં લેવાતા ઇન્ટરવ્યુની ત્રણ મુખ્ય શ્રેણીઓ છે.
- ટેલિફોન ઇન્ટરવ્યુ: ટેલિફોન ઇન્ટરવ્યુ ઘણા વર્ષોથી ડેટા એકત્ર કરવાની તકનીકોના ચાર્ટ પર પ્રભુત્વ ધરાવે છે. પરંતુ ઇન્ટરનેટ, સ્કાયપે અથવા અન્ય ઑનલાઇનનો ઉપયોગ કરવો વિડિઓ કોન્ફરન્સિંગ તાજેતરના વર્ષોમાં વિડિઓ ઇન્ટરવ્યુ લેવા માટેની સેવાઓમાં નોંધપાત્ર વધારો થયો છે.
- વ્યક્તિગત ઇન્ટરવ્યુ: પ્રત્યક્ષ સહભાગી ડેટા સંગ્રહ એ માહિતી એકત્ર કરવાની અજમાવી-અને-સાચી પદ્ધતિ છે. તે ઉચ્ચ-ગુણવત્તાવાળા ડેટાને એકત્ર કરવામાં મદદ કરે છે કારણ કે તે વ્યાપક અને શૈક્ષણિક માહિતી મેળવવા માટે ઊંડાણપૂર્વક પૂછપરછ અને વધારાની તપાસ માટે જગ્યા આપે છે. સહભાગીઓનું સાક્ષરતાનું સ્તર બિનમહત્વપૂર્ણ છે કારણ કે સામ-સામે (F2F) સર્વેક્ષણો બિન-મૌખિક ડેટાને અવલોકન કરવા અને એકત્રિત કરવા અથવા જટિલ અને વણઉકેલાયેલા વિષયોની તપાસ કરવા માટે ઘણી શક્યતાઓ પ્રદાન કરે છે. જો કે તે ખર્ચાળ અને સમય માંગી લેતો અભિગમ હોઈ શકે છે, સામ-સામે ઇન્ટરવ્યુમાં વારંવાર પ્રતિસાદ દર વધારે હોય છે.
- કોમ્પ્યુટર-આસિસ્ટેડ પર્સનલ ઈન્ટરવ્યુઈંગ (CAPI): તે એક સેટિંગ કરતાં વધુ કંઈ નથી જે સામ-સામે ઈન્ટરવ્યુ સાથે તુલનાત્મક છે જ્યાં ઈન્ટરવ્યુ દરમિયાન એકત્ર કરાયેલ ડેટા સીધા ડેટાબેઝમાં અપલોડ કરવા માટે ઇન્ટરવ્યુઅર પાસે ડેસ્કટોપ અથવા લેપટોપ હોય છે. ઇન્ટરવ્યુઅરને એક ટન પેપરવર્ક અને પ્રશ્નાવલીઓ સાથે રાખવાની જરૂર ન હોવાને કારણે, CAPI ડેટાને અપડેટ કરવા અને તેનું વિશ્લેષણ કરવા માટે જરૂરી સમયને નોંધપાત્ર રીતે ઘટાડે છે.
3. અવલોકનો
નામ સૂચવે છે તેમ, તે માત્રાત્મક ડેટા એકત્ર કરવા માટે એક સરળ અને જટિલ તકનીક છે.
આ અભિગમમાં, સંશોધકો પદ્ધતિસરના અવલોકનો દ્વારા જથ્થાત્મક ડેટા એકત્રિત કરે છે જેમ કે ચોક્કસ સમયે આપેલ ઇવેન્ટમાં હાજર વ્યક્તિઓની સંખ્યા અને ચોક્કસ સ્થળ અથવા નિર્ધારિત સ્થળે ઇવેન્ટમાં હાજરી આપનાર વ્યક્તિઓની સંખ્યાની ગણતરી.
સંશોધકો વારંવાર માત્રાત્મક ડેટા મેળવવા માટે પ્રાકૃતિક અવલોકન વ્યૂહરચનાનો ઉપયોગ કરે છે, જે ફક્ત "શું" વિશે જથ્થાત્મક છે અને "શા માટે" અને "કેવી રીતે" વિશે નહીં પણ ડેટા મેળવવા માટે ઉત્તમ અવલોકન ક્ષમતાઓ અને સંવેદનાઓ માટે કહે છે.
ગુણાત્મક અને જથ્થાત્મક બંને ડેટાનો સંગ્રહ પ્રાકૃતિક અવલોકન દ્વારા કરવામાં આવે છે. સંરચિત અવલોકન મોટે ભાગે ગુણાત્મક માહિતીને બદલે માત્રાત્મક માહિતી ભેગી કરવા માટે કાર્યરત છે.
- સંરચિત અવલોકન: પ્રાકૃતિક અથવા સહભાગી અવલોકનથી વિપરીત, અવલોકન પદ્ધતિના આ સ્વરૂપ માટે સંશોધકને વધુ વ્યાપક અથવા નિયંત્રિત સંદર્ભમાં એક અથવા વધુ સ્પષ્ટ વર્તણૂકોનું સંપૂર્ણ નિરીક્ષણ કરવાની જરૂર છે. સંરચિત અવલોકનમાં, સંશોધકો બધું જોવાને બદલે માત્ર રસના અમુક મુખ્ય વર્તણૂકો પર તેમનું ધ્યાન સંકુચિત કરે છે. તે તેમને જે વર્તણૂકો તેઓ જોઈ રહ્યા છે તે સંખ્યાઓમાં મૂકવા સક્ષમ બનાવે છે. જ્યારે અવલોકનો નિરીક્ષકોને ચુકાદો આપવા માટે કહે છે ત્યારે તેને કેટલીકવાર "કોડિંગ" તરીકે ઓળખવામાં આવે છે. આ કરવા માટે, લક્ષ્ય વર્તણૂકોનો સમૂહ ચોક્કસ રીતે વ્યાખ્યાયિત થવો જોઈએ.
4. સર્વેક્ષણો
જથ્થાત્મક અને ગુણાત્મક સંશોધન બંને માટે ઓનલાઈન ડેટા એકત્ર કરવા માટે સર્વેક્ષણ સોફ્ટવેર વડે કરવામાં આવેલા ઓનલાઈન સર્વેક્ષણો આવશ્યક છે. સર્વેક્ષણો એવી રીતે બનાવવામાં આવે છે કે જે જવાબ આપનારાઓની ક્રિયાઓ અને વિશ્વાસને માન્ય કરે છે.
મોટાભાગના જથ્થાત્મક સર્વેક્ષણોમાં વારંવાર ચેકલિસ્ટ અને રેટિંગ સ્કેલ આઇટમ્સનો સમાવેશ થાય છે કારણ કે તે ઉત્તરદાતાઓના વલણ અને વર્તનને માપવાનું સરળ બનાવે છે.
માત્રાત્મક બજાર સંશોધન માટે ઓનલાઈન માહિતી ભેગી કરવા માટે બે મહત્વપૂર્ણ મોજણી શૈલીઓનો ઉપયોગ કરવામાં આવે છે.
- વેબ-આધારિત: ઇન્ટરનેટ-આધારિત અથવા ઑનલાઇન સંશોધન માટે, આ સૌથી લોકપ્રિય અને વિશ્વસનીય તકનીકોમાંની એક છે. વેબ-આધારિત સર્વેક્ષણનો પ્રતિસાદ આપતી વખતે, પ્રતિવાદીને સર્વેક્ષણની લિંક સાથેનો એક ઈમેઈલ પ્રાપ્ત થશે, જેને ક્લિક કરવાથી તેઓ સુરક્ષિત ઓનલાઈન સર્વેક્ષણ પ્લેટફોર્મ પર લઈ જશે જ્યાં તેઓ સર્વેક્ષણ પૂર્ણ કરી શકશે. સંશોધકો વેબ-આધારિત સર્વેક્ષણોની તરફેણ કરે છે કારણ કે તે વધુ સમય અને નાણાં કાર્યક્ષમ, ઝડપી અને વિશાળ પ્રેક્ષકો ધરાવે છે. ડેસ્કટોપ, લેપટોપ, ટેબ્લેટ અથવા મોબાઇલ ઉપકરણનો ઉપયોગ કરીને, ઉત્તરદાતાઓ જ્યારે પણ તેમના માટે અનુકૂળ હોય ત્યારે સર્વેક્ષણ પૂર્ણ કરવા માટે મુક્ત છે અને આ વેબ-આધારિત પ્રશ્નાવલિનો મુખ્ય ફાયદો છે.
- મેઇલ-આધારિત: સર્વેક્ષણ નમૂનાની વસ્તીના મોટા ભાગને મેઇલ દ્વારા મોકલવામાં આવે છે, જે સંશોધકને વિવિધ પ્રેક્ષકો સુધી પહોંચવાની મંજૂરી આપે છે. પોસ્ટલ પ્રશ્નાવલી સામાન્ય રીતે કવર પેજ સાથેના પેકેટમાં આવે છે જે પ્રેક્ષકોને માહિતી આપે છે કે જે પ્રકારનો અભ્યાસ કરવામાં આવી રહ્યો છે અને શા માટે, તેમજ પ્રી-પેઇડ વળતર, ઓનલાઈન ડેટા એકત્ર કરવા માટે. સર્વેક્ષણ પૂર્ણ કરવા માટેના પ્રોત્સાહનો અને રીમાઇન્ડર્સ સહિત અન્ય જથ્થાત્મક ડેટા એકત્ર કરવાની તકનીકો કરતાં મેઇલનો મંથન દર વધુ હોય તો પણ મંથન દરને નોંધપાત્ર રીતે ઘટાડવામાં મદદ કરે છે.
5. દસ્તાવેજીકરણ સમીક્ષા
વર્તમાન કાગળોનું વિશ્લેષણ કર્યા પછી, દસ્તાવેજની સમીક્ષા એ ડેટા એકત્ર કરવા માટે વપરાતી તકનીક છે. કારણ કે દસ્તાવેજો નિયંત્રણક્ષમ છે અને ભૂતકાળમાંથી સચોટ ડેટા મેળવવા માટે વ્યવહારુ સંસાધન છે, તે માહિતી સંગ્રહની એક કાર્યક્ષમ અને સફળ પદ્ધતિ છે.
પૂરક સંશોધન ડેટા ઓફર કરીને અભ્યાસને પ્રોત્સાહન આપવા અને સમર્થન આપવા ઉપરાંત, માત્રાત્મક સંશોધન ડેટા એકત્ર કરવા માટે દસ્તાવેજની સમીક્ષા ઉપયોગી તકનીકોમાંની એક બની ગઈ છે.
પૂરક જથ્થાત્મક સંશોધન ડેટા એકત્ર કરવાના હેતુથી, ત્રણ મુખ્ય દસ્તાવેજ શ્રેણીઓની તપાસ કરવામાં આવી રહી છે.
- સાર્વજનિક દસ્તાવેજો: આ દસ્તાવેજ સમીક્ષાના ભાગ રૂપે વધારાની તપાસ માટે સંસ્થાના સત્તાવાર, ચાલુ રેકોર્ડની તપાસ કરવામાં આવે છે. દાખલા તરીકે, વાર્ષિક અહેવાલો, નીતિ માર્ગદર્શિકાઓ, વિદ્યાર્થીઓની ઘટનાઓ, યુનિવર્સિટીની રમત પ્રવૃત્તિઓ વગેરે.
- વ્યક્તિગત રેકોર્ડ્સ: આ પ્રકારનું દસ્તાવેજ વિશ્લેષણ જાહેર રેકોર્ડની વિરુદ્ધ લોકોના વર્તન, વર્તન, આરોગ્ય, શરીર વગેરેના ખાનગી અહેવાલોની તપાસ કરે છે. દાખલા તરીકે, વિદ્યાર્થીઓનું કદ અને વજન, વિદ્યાર્થીઓને શાળાએ જવા માટે જે મુસાફરીનો સમય લાગે છે, વગેરે.
- ભૌતિક પુરાવો: ભૌતિક પુરાવો અથવા રેકોર્ડ્સ પૈસા અને સ્કેલેબલ વૃદ્ધિના સંદર્ભમાં વ્યક્તિ અથવા સંસ્થાની ભૂતકાળની સફળતાઓ સાથે વાત કરે છે.
જથ્થાત્મક ઉદાહરણો
આનો સંદર્ભ શું છે તે સંપૂર્ણ રીતે સમજવામાં તમને મદદ કરવા માટે અહીં માત્રાત્મક ડેટાના થોડા ઉદાહરણો છે:
- નવીનતમ મોબાઇલ એપ્લિકેશન 83 વ્યક્તિઓ દ્વારા ડાઉનલોડ કરવામાં આવી છે.
- ગયા વર્ષે, મારી કાકીએ 18 પાઉન્ડ ઘટાડ્યા.
- આઇટમ Xની કિંમત $1,000 છે.
- આ કાર્યક્રમમાં 500 સ્પર્ધકોએ ભાગ લીધો હતો.
- આ વર્ષે, તેણીને દસ રજાઓ છે.
- એક ક્વાર્ટરમાં, મેં મારો ફોન છ વખત અપગ્રેડ કર્યો.
- ગયા વર્ષે, મારો યુવાન 3 ઇંચ વધ્યો.
- નવી પ્રોડક્ટ ઉમેરવાથી આવકમાં 30% વધારો થશે.
- 54% અમેરિકનોએ કહ્યું કે તેઓ મોલ કરતાં ઓનલાઈન ખરીદી કરશે.
- 150 ઉત્તરદાતાઓએ કહ્યું કે તેઓને નથી લાગતું કે નવી પ્રોડક્ટ ફીચર હિટ હશે.
લાભો
- ઊંડાણપૂર્વકનો અભ્યાસ કરો: સંભવ છે કે સંશોધન સંપૂર્ણ હશે, કારણ કે માત્રાત્મક માહિતી આંકડાકીય રીતે તપાસી શકાય છે.
- ન્યૂનતમ પૂર્વગ્રહ: એવા સમયે હોય છે જ્યારે વ્યક્તિગત પૂર્વગ્રહ સંશોધનમાં ફાળો આપે છે અને અચોક્કસ પરિણામોનું કારણ બને છે. જથ્થાત્મક ડેટાના આંકડાકીય પાસાં દ્વારા વ્યક્તિગત પૂર્વગ્રહ ઘણો ઓછો થયો છે.
- પરિણામો જે સચોટ છે: પરિણામો ઉદ્દેશ્ય પ્રકૃતિના હોવાથી, તે એકદમ સચોટ હતા.
ગેરફાયદામાં
- પ્રતિબંધિત માહિતી: જથ્થાત્મક ડેટા વર્ણનાત્મક ન હોવાથી, સંશોધકો માટે માત્ર તેઓએ એકત્ર કરેલા ડેટા પરથી જ તારણો કાઢવાનું પડકારજનક છે.
- પ્રશ્ન પ્રકાર પર આધાર રાખે છે: જથ્થાત્મક ડેટા એકત્ર કરવા માટે વપરાતો પ્રશ્ન પ્રકાર પરિણામોમાં પૂર્વગ્રહને અસર કરે છે. જથ્થાત્મક ડેટા એકત્ર કરતી વખતે, સંશોધનના ઉદ્દેશ્યો અને ધ્યેયો વિશે સંશોધકની સમજ નિર્ણાયક છે.
ઉપસંહાર
જથ્થાત્મક ડેટા વિભિન્ન વિચારસરણી વિશે છે, કન્વર્જન્ટ તર્ક વિશે નથી. તે સંખ્યાત્મક અને સતત તથ્યો પર ભાર મૂકીને સંખ્યાત્મક, તર્ક અને ઉદ્દેશ્ય દૃષ્ટિકોણ સાથે વ્યવહાર કરે છે.
એકમાત્ર ડેટા પ્રકાર કે જે ચાર્ટ અને ગ્રાફમાં વિશ્લેષણાત્મક તારણો પ્રદર્શિત કરવામાં સક્ષમ હોઈ શકે છે, માત્રાત્મક ડેટા સંશોધન સંપૂર્ણ છે.
ડેટા પૃથ્થકરણ ચોક્કસપણે એક નિર્ણાયક પગલું છે, જેનો અભાવ હોય તો, તમારા અભ્યાસની નિરપેક્ષતા અને પ્રામાણિકતા સાથે સમાધાન કરી શકતું નથી પણ તારણો અસ્થિર પણ બનાવી શકે છે. સારો ડેટા તમને સચોટ પરિણામો લાવવામાં મદદ કરશે.
તેથી, ટેકનિકને ધ્યાનમાં લીધા વિના, તમે માત્રાત્મક ડેટા એકત્રિત કરવા માટે ઉપયોગ કરો છો, ખાતરી કરો કે માહિતી મૂલ્યવાન અને ઉપયોગી આંતરદૃષ્ટિ મેળવવા માટે પૂરતી ઉચ્ચ ગુણવત્તાની છે.
એક જવાબ છોડો