विषयसूची[लुकाउनुहोस्][देखाउनु]
हामी डेटाले घेरिएका छौं, जुन हरेक दिन थप महत्त्वपूर्ण हुँदै गइरहेको छ। हाम्रो इन्टरनेटको प्रयोग, अटोमोबाइल खरिदहरू, हामीले हेर्ने समाचार फिडहरू, र अन्य धेरै कुराहरू सहित, वातावरणसँगको हाम्रो अन्तरक्रियाहरू विभिन्न प्रकारका डाटाहरूद्वारा आकार दिइन्छ।
हामी यस पोष्टमा मात्रात्मक डेटा परिभाषित गर्नेछौं, मात्रात्मक डेटाको उदाहरणहरू दिनेछौं, कसरी गुणात्मक र मात्रात्मक डेटा फरक हुन्छ, र धेरै कुराहरू छलफल गर्नेछौं।
तर पहिले एक कदम पछि हटौं।
प्रत्येक दिन, २.५ क्विन्टिलियन बाइट्स डाटा — परीक्षण परिणामहरू, ग्राहक सन्तुष्टि स्कोरहरू, र ट्वीटहरू — उत्पादन गरिन्छ। तर डाटाको प्रत्येक टुक्रा बराबर सिर्जना गरिएको छैन।
1 देखि 10 को स्केलमा सेवा, मेनु, वातावरण, र मूल्य निर्धारण गर्न सोध्ने सर्वेक्षणले तपाइँलाई तपाइँको भोजन अनुभव वर्णन गर्न सोधेको अन्तर्वार्ता भन्दा फरक डेटा उत्पादन गर्दछ।
डेटाका विभिन्न रूपहरू बीचको भिन्नता छुट्याउन र प्रत्येकले तपाईंको अध्ययनलाई कसरी असर गर्न सक्छ भन्ने कुरा बुझ्न बारम्बार डेटा सेटहरूसँग काम गर्ने विश्लेषकहरूका लागि यो महत्त्वपूर्ण छ।
डाटामा खोज्ने प्रक्रिया प्रायः तपाईंले जवाफ दिन प्रयास गरिरहनुभएको एक विशेष प्रश्नबाट सुरु हुन्छ, जस्तै:
- जनसांख्यिकीले उपभोक्ता व्यवहारमा कस्तो प्रभाव पार्छ?
- के एक विशेष दर्शकले उत्पादन वा सेवामा परिमार्जन गर्न अनुकूल प्रतिक्रिया दिनेछन्?
- कार्यकुशलता बढाउन परिचालन बाधाहरूलाई कसरी हटाउन सकिन्छ?
तपाईंले विषयको प्रकृति, तपाईंको बजेट, समय, र पहुँचयोग्य स्रोतहरूको आधारमा मात्रात्मक डेटा सङ्कलन र मूल्याङ्कन गर्न आवश्यक हुनेछ। मलाई लाग्छ तपाईंले बुझ्नुभयो, हैन?
अब सुरु गरौं।
मात्रात्मक डाटा के हो?
मात्रात्मक रूपमा पहिचान र मूल्याङ्कन गर्न सकिने डाटाको कुनै पनि सङ्कलनलाई मात्रात्मक डाटा मानिन्छ।
वस्तुगत रूपमा मापन गर्न सकिने डाटाको एक मात्र प्रकार मात्रात्मक डाटा हो, यसलाई सबैभन्दा सान्दर्भिक बनाउँछ। डाटाको प्रकार दुबै गणित र तथ्याङ्कमा प्रयोगको लागि।
यसलाई डेटाको मान भनिन्छ जब यसलाई गणना वा संख्याको रूपमा व्यक्त गरिन्छ, प्रत्येक डेटा सेटमा निर्दिष्ट संख्यात्मक मान तोकिएको हुन्छ।
कुनै पनि मापनयोग्य जानकारी जुन सांख्यिकीय गणना र अंकगणितमा आधारित गणनाहरूमा प्रयोग गर्न सकिन्छ यसलाई यस प्रकारको डाटा मानिन्छ किनभने यो वास्तविक संसारमा निर्णयहरूलाई समर्थन गर्न प्रयोग गर्न सकिन्छ।
कति, कति बारम्बार, र कति प्रश्नहरूको केही उदाहरणहरूले जवाफ दिन सक्छ। यस डाटालाई सजिलै प्रमाणित गर्न र मूल्याङ्कन गर्न गणितीय विधिहरू प्रयोग गर्न सकिन्छ।
समय, उचाइ, तौल, मूल्य, लागत, नाफा, तापमान, र दूरी जस्ता मात्रात्मक डेटा डेटा विश्लेषकले सामान्यतया काम गर्दछ।
यसलाई प्रतिशत, संख्या, पृष्ठ लोड समय, वा उत्पादन व्यवस्थापन, प्रयोगकर्ता अनुभव डिजाइन, वा सफ्टवेयर इन्जिनियरिङका क्षेत्रमा अन्य मेट्रिक्सको रूपमा व्यक्त गर्न सकिन्छ।
कति व्यक्तिले एक निश्चित वस्तु खरिद गरे खरिदको सन्दर्भमा मात्रात्मक डेटाको उदाहरण हो। कारहरूमा गुणात्मक डेटाले यसमा भएको अश्वशक्तिको मात्रा समावेश गर्न सक्छ।
मात्रात्मक डाटा को प्रकार के हो?
मापन गर्न सकिने डाटालाई मात्रात्मक डाटा भनिन्छ, तथापि, त्यो डाटा कसरी परिमाणित हुन्छ हातमा रहेको डाटा सङ्कलनको आधारमा भिन्न हुन्छ। मात्रात्मक डेटालाई दुई आधारभूत समूहहरूमा विभाजन गर्न सकिन्छ: असत्य र निरन्तर। यी दुई बीचको मुख्य भिन्नताहरू निम्नानुसार छन्:
अलग डाटा
मात्रात्मक जानकारी जो अलग छ संख्यात्मक मानहरूको एक निश्चित दायरा मात्र हुन सक्छ। यी मानहरू स्थिर भएकाले विघटन गर्न सकिँदैन।
जब पनि केहि गणना गरिन्छ, अलग डाटा प्राप्त गरिन्छ। उदाहरणका लागि, एक व्यक्तिका तीन सन्तानहरू अलग डाटाको उदाहरण हुनेछन्।
बच्चाहरूको संख्या सेट गरिएको छ; उदाहरणका लागि, तिनीहरूले 3.2 बच्चाहरू जन्माउन सक्दैनन्।
तपाईंको वेबसाइटमा आगन्तुकहरूको संख्या अलग संख्यात्मक डेटाको अर्को उदाहरण हो; तपाईंले एक दिनमा 150 भ्रमणहरू प्राप्त गर्न सक्नुहुन्छ, तर 150.6 होइन। अलग डेटा प्रदर्शन गर्न प्रयोग गरिने सबैभन्दा सामान्य चार्टहरू पाई चार्टहरू, बार चार्टहरू, र ट्याली चार्टहरू हुन्।
निरन्तर डाटा
उल्टो, निरन्तर डेटा अनिश्चित रूपमा साना घटकहरूमा विभाजित गर्न सकिन्छ। सेन्टिमिटरमा स्ट्रिङको टुक्राको लम्बाइ वा डिग्री सेल्सियसमा तापमान यस प्रकारको मात्रात्मक डेटाको दुई उदाहरण हो जुन मापन स्केलमा देखाउन सकिन्छ।
संक्षेपमा, निरन्तर डाटा निश्चित मानहरूमा सीमित छैन; यसले कुनै पनि मूल्य लिन सक्छ। निरन्तर डाटा पनि समय संग परिवर्तन हुन सक्छ; उदाहरणका लागि, कोठाको तापक्रम दिनको समयमा परिवर्तन हुनेछ।
एक रेखा ग्राफ सामान्यतया निरन्तर डेटा चित्रण गर्न प्रयोग गरिन्छ।
मात्रात्मक डेटा बनाम गुणात्मक डेटा
हामी देख्न सक्छौं कि मात्रात्मक डेटा मापन गर्न सकिन्छ। यसले रकम, मान र संख्याहरूसँग सम्बन्धित छ। यस प्रकारको जानकारी संख्यात्मक रूपमा (जस्तै, रकम, अवधि, लम्बाइ, मूल्य, वा आकार) बताउन सकिन्छ।
परिमाणात्मक डेटामा धेरै विश्वसनीयताहरू छन् र यसलाई निष्पक्ष र भरपर्दो रूपमा हेरिन्छ किनभने यो तथ्याङ्कहरू मार्फत उत्पादन गरिन्छ। यद्यपि, त्यहाँ अर्को महत्त्वपूर्ण प्रकारको डेटा छ। विशेष गरी, गुणात्मक डेटा।
यो जानकारी मुख्यतया प्रकृति मा वर्णनात्मक छ। धेरैजसो अवस्थामा, यसलाई प्रत्यक्ष रूपमा मापन गर्न सकिँदैन तर अवलोकनद्वारा सिक्न सकिन्छ। गुणात्मक डेटामा उपस्थिति, रंग, बनावट, र अन्य गुणहरू वर्णन गर्न विशेषण र अन्य वर्णनात्मक सर्तहरू प्रयोग गरिन्छ।
उदाहरणका लागि, तपाईले तर्क गर्न सक्नुहुन्छ कि एउटा कोठा अर्को भन्दा उज्यालो छ।
त्यो जानकारी गुणात्मक छ। वास्तवमा कोठाको चमक मापन गर्न र यसलाई संख्यात्मक नम्बर तोक्न, तपाईं वैज्ञानिक उपकरण र उपकरणहरू (जस्तै लाइट मिटर) प्रयोग गर्न सक्नुहुन्छ। तपाईंले यो गरेर मात्रात्मक डेटा प्राप्त गर्नुहुन्छ।
मात्रात्मक डाटा सङ्कलन गर्न 5 उत्तम तरिकाहरू
1. सम्भाव्यता नमूना
एक सटीक नमूना प्रविधि जसले केहि प्रकारको अनियमित चयनको प्रयोग गर्दछ र अनुसन्धानकर्ताहरूलाई अभिप्रेत दर्शकहरूबाट अनियमित रूपमा एकत्रित जानकारीको आधारमा सम्भाव्यता दाबी गर्न सक्षम बनाउँछ।
सम्भाव्यता नमूनाले अनुसन्धानकर्ताहरूलाई अनुसन्धान गर्न रुचि राख्ने समूहका विशिष्ट व्यक्तिहरूबाट डाटा सङ्कलन गर्ने अवसर प्रदान गर्दछ, जुन यसको उत्कृष्ट विशेषताहरू मध्ये एक हो।
थप रूपमा, डेटा छनौट गरिएको नमूनाबाट अनियमित रूपमा कोरिएको थियो, जसले नमूना पूर्वाग्रहको सम्भावनालाई हटाउँछ।
सम्भाव्यता नमूनाको लागि, त्यहाँ तीन मुख्य कोटीहरू छन्।
- साधारण अनियमित नमूना: अभिप्रेत जनसंख्या धेरै पटक नमूनामा प्रतिनिधित्व गर्न चयन गरिएको छ।
- व्यवस्थित अनियमित नमूना: इच्छित जनसंख्याको कुनै पनि सदस्यलाई नमूनामा प्रतिनिधित्व गरिनेछ, तर अनियमित रूपमा पहिलो एकाइ मात्र छनोट गरिन्छ; अन्य एकाइहरू सूचीमा दस व्यक्ति मध्ये एकजस्तै छनोट गरिन्छ।
- स्तरीकृत अनियमित नमूना: नमूना सिर्जना गर्दा, इच्छित दर्शकहरूको विशिष्ट उपसमूहबाट प्रत्येक एकाइ छनोट गर्न अनुमति दिन्छ। यो उपयोगी हुन्छ जब अनुसन्धानकर्ताहरूले नमूनामा मानिसहरूको एक निश्चित समूह, जस्तै व्यवस्थापक वा कार्यकारीहरू, दिइएको उद्योगमा काम गर्ने व्यक्तिहरू, वा पुरुष वा महिलाहरू समावेश गर्ने बारे छनौट गर्छन्।
2। साक्षात्कार
मानिसहरूलाई सामान्यतया डाटा सङ्कलन प्रक्रियाको भागको रूपमा अन्तर्वार्ता लिइन्छ। तथापि, मात्रात्मक डेटा सङ्कलन गर्नका लागि गरिएका अन्तर्वार्ताहरू अझ व्यवस्थित हुन्छन्, अनुसन्धानकर्ताहरूले प्रश्नहरूको निर्धारित सेट मात्र सोध्छन् र अरू केही हुँदैन।
तथ्याङ्क सङ्कलन गर्न प्रयोग गरिने अन्तर्वार्ताका तीन मुख्य कोटीहरू छन्।
- टेलिफोन अन्तर्वार्ताहरू: टेलिफोन अन्तर्वार्ताहरूले धेरै वर्षसम्म डेटा सङ्कलन प्रविधिहरूको चार्टमा प्रभुत्व जमायो। तर इन्टरनेट, स्काइप वा अन्य अनलाइन प्रयोग गर्दै भिडियो कन्फरेन्सिंग भिडियो अन्तर्वार्ता सञ्चालन गर्ने सेवाहरू हालका वर्षहरूमा उल्लेखनीय रूपमा बढेको छ।
- व्यक्तिगत अन्तर्वार्ता: प्रत्यक्ष सहभागी डेटा सङ्कलन जानकारी सङ्कलन गर्ने प्रयास-र-सत्य विधि हो। यसले उच्च-गुणस्तरको डाटा सङ्कलन गर्न मद्दत गर्दछ किनकि यसले विस्तृत र शैक्षिक जानकारी प्राप्त गर्नको लागि गहन सोधपुछ र थप जाँचको लागि ठाउँ दिन्छ। सहभागीको साक्षरताको स्तर महत्वहीन छ किनकि फेस-टु-फेस (F2F) सर्वेक्षणहरूले गैर-मौखिक डेटाहरू अवलोकन गर्न र सङ्कलन गर्न वा जटिल र समाधान नभएका विषयहरूको अनुसन्धान गर्न धेरै सम्भावनाहरू प्रदान गर्दछ। यद्यपि यो महँगो र समय-उपभोग गर्ने दृष्टिकोण हुन सक्छ, आमनेसामने अन्तर्वार्ताहरूमा प्रायः प्रतिक्रिया दरहरू बढी हुन्छन्।
- कम्प्यूटर-असिस्टेड पर्सनल अन्तर्वार्ता (CAPI): यो एक सेटिङ् बाहेक अरू केही होइन जुन आमने-सामने अन्तर्वार्तासँग तुलना गर्न सकिन्छ जहाँ साक्षात्कारकर्तासँग डेस्कटप वा ल्यापटप हुन्छ जुन अन्तर्वार्ताको क्रममा सङ्कलन गरिएको डाटा सीधा डाटाबेसमा अपलोड गर्न सकिन्छ। अन्तर्वार्ताकर्ताले धेरै कागजी कार्यहरू र प्रश्नावलीहरू बोक्न नपर्ने कारणले, CAPI ले डाटा अपडेट गर्न र विश्लेषण गर्न आवश्यक समयलाई उल्लेखनीय रूपमा घटाउँछ।
3. अवलोकनहरू
नामले संकेत गरे जस्तै, यो मात्रात्मक डेटा सङ्कलन गर्नको लागि एक सजिलो र जटिल प्रविधि हो।
यस दृष्टिकोणमा, अनुसन्धानकर्ताहरूले विधिगत अवलोकनहरूद्वारा मात्रात्मक डेटा सङ्कलन गर्ने दृष्टिकोणहरू प्रयोग गर्छन् जस्तै कुनै निश्चित समयमा दिइएको घटनामा उपस्थित व्यक्तिहरूको सङ्ख्या गणना गर्ने र एक विशेष स्थान वा परिभाषित स्थानमा घटनामा उपस्थित व्यक्तिहरूको सङ्ख्या।
अन्वेषकहरूले मात्रात्मक डेटा प्राप्त गर्नको लागि प्रायः प्राकृतिक अवलोकन रणनीति प्रयोग गर्छन्, जसले "के" र "किन" र "कसरी" को बारेमा मात्र नभएर "के" बारे मात्रात्मक डेटा प्राप्त गर्न उत्कृष्ट अवलोकन क्षमता र इन्द्रियहरूको आवश्यकता पर्दछ।
गुणात्मक र मात्रात्मक दुवै तथ्याङ्कको सङ्कलन प्राकृतिक अवलोकनद्वारा गरिन्छ। संरचित अवलोकन प्रायः गुणात्मक जानकारीको सट्टा मात्रात्मक जानकारी सङ्कलन गर्न प्रयोग गरिन्छ, यद्यपि।
- संरचित अवलोकन: प्राकृतिक वा सहभागी अवलोकनको विपरित, अवलोकन विधिको यो रूपले अनुसन्धानकर्तालाई थप व्यापक वा नियन्त्रित सन्दर्भमा एक वा बढी निर्दिष्ट व्यवहारहरूको पूर्ण अवलोकन गर्न आवश्यक छ। एक संरचित अवलोकनमा, शोधकर्ताहरूले सबै कुरा हेर्नुको सट्टा रुचिका केही मुख्य व्यवहारहरूमा आफ्नो ध्यान सीमित गर्छन्। यसले उनीहरूलाई संख्यामा देखिरहेका व्यवहारहरू राख्न सक्षम बनाउँछ। यसलाई कहिलेकाहीँ "कोडिङ" भनिन्छ जब अवलोकनहरूले पर्यवेक्षकहरूलाई निर्णय गर्न आह्वान गर्दछ। यो गर्नको लागि, लक्षित व्यवहारहरूको सेट ठीकसँग परिभाषित हुनुपर्छ।
४. सर्वेक्षणहरू
सर्वेक्षण सफ्टवेयर मार्फत गरिएका अनलाइन सर्वेक्षणहरू मात्रात्मक र गुणात्मक दुवै अनुसन्धानका लागि अनलाइन डाटा सङ्कलन गर्न आवश्यक छन्। सर्वेक्षणहरू प्रतिक्रियाकर्ताहरूको कार्य र विश्वास प्रमाणित गर्ने तरिकामा सिर्जना गरिन्छ।
अधिकांश मात्रात्मक सर्वेक्षणहरूमा चेकलिस्टहरू र मूल्याङ्कन स्केल वस्तुहरू समावेश हुन्छन् किनभने तिनीहरूले उत्तरदाताहरूको मनोवृत्ति र व्यवहारहरू मापन गर्न सजिलो बनाउँछन्।
मात्रात्मक बजार अनुसन्धानको लागि अनलाइन जानकारी सङ्कलन गर्न दुई महत्त्वपूर्ण सर्वेक्षण शैलीहरू प्रयोग गरिन्छ।
- वेब-आधारित: इन्टरनेट-आधारित वा अनलाइन अनुसन्धानको लागि, यो सबैभन्दा लोकप्रिय र भरपर्दो प्रविधिहरू मध्ये एक हो। वेब-आधारित सर्वेक्षणमा प्रतिक्रिया दिँदा, उत्तरदाताले सर्वेक्षणको लिङ्कको साथ एउटा इमेल प्राप्त गर्नेछ, जसमा क्लिक गर्दा उनीहरूले सर्वेक्षण पूरा गर्न सक्ने सुरक्षित अनलाइन सर्वेक्षण प्लेटफर्ममा लैजान्छ। शोधकर्ताहरूले वेब-आधारित सर्वेक्षणहरू मनपराउँछन् किनभने तिनीहरू अधिक समय र पैसा कुशल, छिटो, र ठूलो दर्शकहरू छन्। डेस्कटप, ल्यापटप, ट्याब्लेट, वा मोबाइल उपकरण प्रयोग गरेर, उत्तरदाताहरू सर्वेक्षण पूरा गर्न स्वतन्त्र छन् जब यो उनीहरूको लागि सुविधाजनक छ र यो वेब-आधारित प्रश्नावलीको मुख्य फाइदा हो।
- मेल-आधारित: सर्वेक्षणलाई मेल मार्फत नमूना जनसंख्याको ठूलो भागमा पठाइएको छ, जसले अनुसन्धानकर्तालाई विभिन्न प्रकारका दर्शकहरूमा पुग्न अनुमति दिन्छ। हुलाक प्रश्नावली सामान्यतया कभर पृष्ठ भएको प्याकेटमा आउँदछ जसले श्रोताहरूलाई अनलाइन डेटा सङ्कलन गर्नको लागि किन अध्ययन गरिँदैछ र किन, साथै प्रि-पेड रिटर्नको बारेमा जानकारी दिन्छ। सर्वेक्षण समाप्त गर्न प्रोत्साहन र रिमाइन्डरहरू सहित अन्य मात्रात्मक डेटा सङ्कलन प्रविधिहरू भन्दा मेलको ठूलो मन्थन दर छ भने पनि मंथन दरलाई महत्त्वपूर्ण रूपमा कम गर्न मद्दत गर्दछ।
5. कागजात समीक्षा
हालका कागजातहरू विश्लेषण गरेपछि, कागजात समीक्षा डेटा सङ्कलन गर्न प्रयोग गरिने प्रविधि हो। किनभने कागजातहरू नियन्त्रणयोग्य छन् र विगतबाट सही डाटा प्राप्त गर्न व्यावहारिक स्रोत हो, यो डाटा सङ्कलन को एक कुशल र सफल विधि हो।
कागजात समीक्षा परिमाणात्मक अनुसन्धान डेटा सङ्कलन गर्नका लागि उपयोगी प्रविधिहरू मध्ये एक भएको छ, पूरक अनुसन्धान डेटा प्रस्ताव गरेर अध्ययनलाई बलियो बनाउन र समर्थन गर्नका साथै।
पूरक मात्रात्मक अनुसन्धान तथ्याङ्कहरू सङ्कलन गर्ने उद्देश्यका लागि, तीनवटा मुख्य दस्तावेज कोटिहरू जाँच गरिँदैछ।
- सार्वजनिक कागजातहरू: यस कागजात समीक्षाको भागको रूपमा थप अनुसन्धानको लागि संस्थाको आधिकारिक, निरन्तर रेकर्डहरू जाँच गरिन्छ। उदाहरणका लागि, वार्षिक रिपोर्टहरू, नीति गाइडहरू, विद्यार्थी घटनाहरू, विश्वविद्यालय खेल गतिविधिहरू, आदि।
- व्यक्तिगत अभिलेखहरू: यस प्रकारको कागजात विश्लेषणले सार्वजनिक अभिलेखहरूको विपरित व्यक्तिहरूको व्यवहार, आचरण, स्वास्थ्य, शरीर आदिको निजी रिपोर्टहरू जाँच गर्दछ। उदाहरणका लागि, विद्यार्थीहरूको साइज र तौल, विद्यार्थीहरूले विद्यालय जान लाग्ने यात्रा समय आदि।
- भौतिक प्रमाण: भौतिक प्रमाण वा अभिलेखहरूले पैसा र स्केलेबल वृद्धिको सन्दर्भमा व्यक्ति वा संस्थाको विगतका सफलताहरूलाई बोल्छ।
मात्रात्मक उदाहरणहरू
यसले के बुझाउँछ भन्ने कुरालाई पूर्ण रूपमा बुझ्न मद्दत गर्नको लागि यहाँ मात्रात्मक डेटाका केही उदाहरणहरू छन्:
- सबैभन्दा नयाँ मोबाइल एप ८३ जनाले डाउनलोड गरेका छन्।
- गत वर्ष, मेरी काकीले 18 पाउन्ड बहाए।
- वस्तु X को लागत $1,000 हो।
- कार्यक्रममा ५ सय जना सहभागी थिए ।
- यो वर्ष उनको दस विदा छ ।
- एक चौथाईमा, मैले मेरो फोन छ पटक अपग्रेड गरें।
- गत वर्ष, मेरो जवान 3 इन्च बढ्यो।
- नयाँ उत्पादन थप्दा राजस्वमा ३०% वृद्धि हुनेछ।
- 54% अमेरिकीहरूले भने कि तिनीहरू मलमा भन्दा अनलाइन किन्न चाहन्छन्।
- 150 उत्तरदाताहरूले भने कि उनीहरूलाई लाग्दैन कि नयाँ उत्पादन सुविधा हिट हुनेछ।
फाइदा
- गहिरो अध्ययन गर्नुहोस्: परिमाणात्मक डेटालाई सांख्यिकीय रूपमा जाँच्न सकिने हुनाले अनुसन्धान गहिरो हुने सम्भावना छ।
- न्यूनतम पूर्वाग्रह: कहिलेकाहीँ व्यक्तिगत पूर्वाग्रहले अनुसन्धानमा योगदान पुर्याउँछ र गलत परिणामहरू निम्त्याउँछ। व्यक्तिगत पूर्वाग्रह मात्रात्मक डेटा को संख्यात्मक पक्ष द्वारा धेरै कम छ।
- नतिजाहरू सही छन्: परिणामहरू वस्तुगत प्रकृतिका भएकाले, तिनीहरू एकदम सही थिए।
बेफाइदा
- प्रतिबन्धित जानकारी: मात्रात्मक डेटा वर्णनात्मक नभएकोले, शोधकर्ताहरूको लागि तिनीहरूले सङ्कलन गरेको डेटाबाट मात्र निष्कर्ष निकाल्न चुनौतीपूर्ण छ।
- प्रश्न प्रकारमा निर्भर गर्दछ: मात्रात्मक डेटा सङ्कलन गर्न प्रयोग गरिएको प्रश्न प्रकारले परिणामहरूमा पूर्वाग्रहलाई असर गर्छ। मात्रात्मक डेटा सङ्कलन गर्दा, अनुसन्धानका उद्देश्य र लक्ष्यहरूको अनुसन्धानकर्ताको बुझाइ महत्त्वपूर्ण हुन्छ।
निष्कर्ष
मात्रात्मक डेटा भिन्न सोचको बारेमा हो, अभिसरण तर्क होइन। यसले संख्यात्मक र स्थिर तथ्यहरूलाई जोड दिएर संख्यात्मक, तर्क र वस्तुनिष्ठ दृष्टिकोणसँग व्यवहार गर्दछ।
चार्ट र ग्राफहरूमा विश्लेषणात्मक निष्कर्षहरू प्रदर्शन गर्न सक्षम हुने एक मात्र डेटा प्रकार, मात्रात्मक डेटा अनुसन्धान पूर्ण रूपमा हुन्छ।
डाटा विश्लेषण पक्कै पनि एक महत्त्वपूर्ण चरण हो जुन, यदि अभाव भएमा, तपाईंको अध्ययनको वस्तुनिष्ठता र प्रामाणिकतामा मात्र सम्झौता गर्न सक्दैन तर निष्कर्षहरूलाई अस्थिर पनि बनाउन सक्छ। राम्रो डेटाले तपाईंलाई सही परिणामहरू उत्पादन गर्न मद्दत गर्नेछ।
त्यसकारण, जुनसुकै प्रविधि भए तापनि, तपाईले मात्रात्मक डेटा सङ्कलन गर्न प्रयोग गर्नुहुन्छ, सुनिश्चित गर्नुहोस् कि जानकारी मूल्यवान र उपयोगी अन्तर्दृष्टिहरू उत्पादन गर्न पर्याप्त उच्च गुणस्तरको छ।
जवाफ छाड्नुस्