සෑම දිනකම වඩ වඩාත් වැදගත් වන දත්ත වලින් අප වට වී ඇත. අන්තර්ජාලය භාවිතා කිරීම, වාහන මිලදී ගැනීම්, අප නරඹන ප්රවෘත්ති සංග්රහ සහ තවත් බොහෝ දේ ඇතුළුව විවිධ ආකාරයේ දත්ත මගින් පරිසරය සමඟ අපගේ අන්තර්ක්රියා වැඩි වැඩියෙන් හැඩගස්වා ඇත.
අපි මෙම සටහනේ ප්රමාණාත්මක දත්ත නිර්වචනය කරන්නෙමු, ප්රමාණාත්මක දත්තවල අවස්ථා ලබා දෙන්නෙමු, ගුණාත්මක හා ප්රමාණාත්මක දත්ත වෙනස් වන ආකාරය සහ තවත් බොහෝ දේ සාකච්ඡා කරන්නෙමු.
නමුත් අපි මුලින්ම පියවරක් පසුපසට යමු.
සෑම දිනකම, පරීක්ෂණ ප්රතිඵල, පාරිභෝගික තෘප්තිමත් ලකුණු සහ ට්වීට් ඇතුළු දත්ත බයිට් 2.5ක් නිෂ්පාදනය කෙරේ. නමුත් සෑම දත්තයක්ම සමාන ලෙස නිර්මාණය නොවේ.
සේවාව, මෙනුව, පරිසරය සහ මිලකරණය 1 සිට 10 දක්වා පරිමාණයෙන් ශ්රේණිගත කිරීමට ඔබෙන් ඉල්ලා සිටින මත විමසුමක් ඔබේ භෝජන අත්දැකීම විස්තර කිරීමට ඔබෙන් අසන සම්මුඛ පරීක්ෂණයකට වඩා වෙනස් දත්ත නිෂ්පාදනය කරයි.
දත්ත කට්ටල සමඟ නිතර වැඩ කරන විශ්ලේෂකයින්ට විවිධ ආකාරයේ දත්ත අතර වෙනස හඳුනා ගැනීම සහ ඔබේ අධ්යයනයට බලපාන ආකාරය අවබෝධ කර ගැනීම ඉතා වැදගත් වේ.
දත්ත වෙත ගැඹුරින් සෙවීමේ ක්රියාවලිය ඔබ පිළිතුරු දීමට උත්සාහ කරන විශේෂිත ප්රශ්නයකින් ආරම්භ වේ, එනම්:
- ජනවිකාස පාරිභෝගික හැසිරීම් කෙරෙහි ඇති කරන බලපෑම කුමක්ද?
- නිෂ්පාදනයක් හෝ සේවාවක් වෙනස් කිරීමකට යම් ප්රේක්ෂකයෙක් හිතකර ප්රතිචාර දක්වයිද?
- කාර්යක්ෂමතාව වැඩි කිරීම සඳහා මෙහෙයුම් බාධක ඉවත් කළ හැක්කේ කෙසේද?
විෂයයේ ස්වභාවය, ඔබේ අයවැය, කාලය සහ ප්රවේශ විය හැකි සම්පත් මත පදනම්ව ඔබට ප්රමාණාත්මක දත්ත රැස් කිරීමට සහ ඇගයීමට අවශ්ය වනු ඇත. මම හිතන්නේ ඔයාට තේරෙනවා නේද?
අපි දැන් පටන් ගනිමු.
ප්රමාණාත්මක දත්ත යනු කුමක්ද?
ප්රමාණාත්මකව හඳුනාගත හැකි සහ ඇගයීමට ලක් කළ හැකි ඕනෑම දත්ත එකතුවක් ප්රමාණාත්මක දත්ත ලෙස සැලකේ.
වෛෂයිකව මැනිය හැකි එකම දත්ත වර්ගය ප්රමාණාත්මක දත්ත වන අතර එය වඩාත් අදාළ වේ දත්ත වර්ගය ගණිතය සහ සංඛ්යාලේඛන යන දෙකෙහිම භාවිතය සඳහා.
එක් එක් දත්ත කට්ටලය සඳහා නිශ්චිත සංඛ්යාත්මක අගයක් පවරනු ලබන අතර, එය ගණන් හෝ සංඛ්යා ලෙස ප්රකාශ කරන විට දත්තවල අගය ලෙස හැඳින්වේ.
සංඛ්යානමය ගණනය කිරීම් සහ අංක ගණිතය මත පදනම් වූ ගණනය කිරීම් වලදී භාවිතා කළ හැකි ඕනෑම මැනිය හැකි තොරතුරු සැබෑ ලෝකයේ විනිශ්චයන්ට සහාය වීමට භාවිතා කළ හැකි බැවින් මෙම දත්ත වර්ගය ලෙස සැලකේ.
එයට පිළිතුරු දිය හැකි විමසුම් සඳහා උදාහරණ කීයක්, කොපමණ වාර ගණනක් සහ කීයක් තිබේද යන්න. මෙම දත්ත පහසුවෙන් සත්යාපනය කිරීමට සහ තක්සේරු කිරීමට ගණිත ක්රම භාවිතා කළ හැක.
කාලය, උස, බර, මිල, පිරිවැය, ලාභය, උෂ්ණත්වය සහ දුර වැනි ප්රමාණාත්මක දත්ත දත්ත විශ්ලේෂකයෙකු සාමාන්යයෙන් ක්රියා කරයි.
එය නිෂ්පාදන කළමනාකරණය, පරිශීලක අත්දැකීම් නිර්මාණය, හෝ මෘදුකාංග ඉංජිනේරු ක්ෂේත්රවල ප්රතිශතයක්, අංකයක්, පිටු පැටවීමේ වේලාවක් හෝ වෙනත් ප්රමිතික ලෙස ප්රකාශ කළ හැක.
යම් භාණ්ඩයක් මිල දී ගත් කී දෙනෙක් මිල දී ගැනීමේ සන්දර්භය තුළ ප්රමාණාත්මක දත්ත සඳහා උදාහරණයකි. මෝටර් රථ පිළිබඳ ගුණාත්මක දත්තවලට එහි ඇති අශ්වබල ප්රමාණය ඇතුළත් විය හැකිය.
ප්රමාණාත්මක දත්ත වර්ග මොනවාද?
ප්රමාණනය කළ හැකි දත්ත ප්රමාණාත්මක දත්ත ලෙස හැඳින්වේ, කෙසේ වෙතත්, එම දත්ත ප්රමාණනය කරන ආකාරය අතේ ඇති දත්ත එකතු කිරීමේ වර්ගය අනුව වෙනස් වේ. ප්රමාණාත්මක දත්ත මූලික කණ්ඩායම් දෙකකට බෙදිය හැකිය: විවික්ත සහ අඛණ්ඩ. මේ දෙක අතර ඇති ප්රධාන වෙනස්කම් පහත පරිදි වේ.
විවික්ත දත්ත
විවික්ත වූ ප්රමාණාත්මක තොරතුරුවලට තිබිය හැක්කේ නිශ්චිත සංඛ්යාත්මක අගයන් පමණි. මෙම අගයන් සවි කර ඇති බැවින් ඒවා දිරාපත් විය නොහැක.
ඕනෑම දෙයක් ගණන් කළ විට, විවික්ත දත්ත ලබා ගනී. නිදසුනක් වශයෙන්, පුද්ගලයෙකුගේ දරුවන් තිදෙනා විවික්ත දත්ත සඳහා උදාහරණයක් වනු ඇත.
ළමුන් සංඛ්යාව සකසා ඇත; නිදසුනක් වශයෙන්, ඔවුන්ට දරුවන් 3.2 ක් සිටිය නොහැක.
ඔබේ වෙබ් අඩවියට පැමිණෙන අමුත්තන් සංඛ්යාව විවික්ත සංඛ්යාත්මක දත්ත සඳහා තවත් උදාහරණයකි; ඔබට දිනකට පැමිණීම් 150ක් ලබා ගත හැකි නමුත් 150.6ක් නොවේ. විවික්ත දත්ත සංදර්ශන කිරීමට භාවිතා කරන වඩාත් පොදු ප්රස්ථාර වන්නේ පයි ප්රස්ථාර, තීරු ප්රස්ථාර සහ ගණන් ප්රස්ථාර වේ.
අඛණ්ඩ දත්ත
ප්රතිලෝමව, අඛණ්ඩ දත්ත දින නියමයක් නොමැතිව කුඩා කොටස් වලට බෙදිය හැක. නූලක දිග සෙන්ටිමීටර් හෝ සෙල්සියස් අංශකවල උෂ්ණත්වය මිනුම් පරිමාණයකින් පෙන්විය හැකි මෙවැනි ප්රමාණාත්මක දත්ත සඳහා උදාහරණ දෙකකි.
සාරය වශයෙන්, අඛණ්ඩ දත්ත ස්ථාවර අගයන්ට සීමා නොවේ; එය ඕනෑම අගයක් ගත හැකිය. අඛණ්ඩ දත්ත කාලයත් සමඟ වෙනස් විය හැක; නිදසුනක් වශයෙන්, දිවා කාලයේදී කාමරයේ උෂ්ණත්වය වෙනස් වේ.
රේඛීය ප්රස්තාරයක් සාමාන්යයෙන් අඛණ්ඩ දත්ත නිරූපණය කිරීමට භාවිතා කරයි.
ප්රමාණාත්මක දත්ත Vs ගුණාත්මක දත්ත
ප්රමාණාත්මක දත්ත මැනිය හැකි බව අපට පෙනේ. එය ප්රමාණයන්, අගයන් සහ සංඛ්යා සමඟ කටයුතු කරයි. මෙම ආකාරයේ තොරතුරු සංඛ්යාත්මකව ප්රකාශ කළ හැක (එනම් ප්රමාණය, කාලසීමාව, දිග, මිල, හෝ ප්රමාණය).
ප්රමාණාත්මක දත්තවලට බොහෝ විශ්වසනීයත්වයක් ඇති අතර එය සංඛ්යාලේඛන හරහා නිපදවන බැවින් අපක්ෂපාතී සහ විශ්වාසදායක ලෙස සැලකේ. කෙසේ වෙතත්, තවත් තීරණාත්මක දත්ත වර්ගයක් තිබේ. විශේෂයෙන්, ගුණාත්මක දත්ත.
මෙම තොරතුරු මූලික වශයෙන් විස්තරාත්මක ස්වභාවයකි. බොහෝ අවස්ථාවන්හීදී, එය සෘජුවම මැනිය නොහැකි නමුත් නිරීක්ෂණයෙන් ඉගෙන ගත හැකිය. ගුණාත්මක දත්තවල පෙනුම, වර්ණය, වයනය සහ අනෙකුත් ගුණාංග විස්තර කිරීමට නාමවිශේෂණ සහ වෙනත් විස්තරාත්මක යෙදුම් භාවිතා වේ.
නිදසුනක් වශයෙන්, එක් කාමරයක් අනෙක් කාමරයට වඩා දීප්තිමත් බව ඔබට තර්ක කළ හැකිය.
එම තොරතුරු ගුණාත්මක ය. කාමරයේ දීප්තිය මැනීමට සහ එයට සංඛ්යාත්මක අංකයක් පැවරීමට, ඔබට විද්යාත්මක උපකරණ සහ උපකරණ (ආලෝක මීටරයක් වැනි) භාවිතා කළ හැකිය. එය කිරීමෙන් ඔබ ප්රමාණාත්මක දත්ත ලබා ගනී.
5 ප්රමාණාත්මක දත්ත රැස් කිරීමට හොඳම ක්රම
1. සම්භාවිතා නියැදීම
යම් ආකාරයක අහඹු තේරීමක් භාවිතා කරන සහ අපේක්ෂිත ප්රේක්ෂකයන්ගෙන් අහඹු ලෙස රැස් කරන ලද තොරතුරු මත පදනම්ව සම්භාවිතා හිමිකම් පෑමක් කිරීමට පර්යේෂකයන්ට හැකියාව ලබා දෙන නිරවද්ය නියැදි තාක්ෂණයකි.
සම්භාවිතා නියැදීම පර්යේෂකයන්ට ඔවුන් විමර්ශනය කිරීමට උනන්දුවක් දක්වන කණ්ඩායමේ සාමාන්ය පුද්ගලයින්ගෙන් දත්ත රැස් කිරීමට අවස්ථාව ලබා දෙයි, එය එහි හොඳම ලක්ෂණයකි.
අතිරේකව, තෝරාගත් නියැදියෙන් දත්ත අහඹු ලෙස අඳින ලද අතර එමඟින් නියැදීමේ නැඹුරුව ඉවත් කරයි.
සම්භාවිතා නියැදීම සඳහා, ප්රධාන කාණ්ඩ තුනක් ඇත.
- සරල අහඹු නියැදීම: අපේක්ෂිත ජනගහනය නියැදිය තුළ නිරූපණය කිරීමට නිතර තෝරා ගනු ලැබේ.
- ක්රමානුකූල අහඹු නියැදීම: අපේක්ෂිත ජනගහනයේ ඕනෑම සාමාජිකයෙකු නියැදිය තුළ නියෝජනය කරනු ඇත, නමුත් අහඹු ලෙස තෝරාගනු ලබන්නේ පළමු ඒකකය පමණි; අනෙකුත් ඒකක තෝරාගනු ලබන්නේ ලැයිස්තුවේ සිටින පුද්ගලයන් දස දෙනෙකුගෙන් එක් අයෙකු ලෙසය.
- ස්ථරීකෘත අහඹු නියැදීම: නියැදියක් නිර්මාණය කරන අතරතුර, අපේක්ෂිත ප්රේක්ෂකයන්ගේ නිශ්චිත උප කුලකයකින් එක් එක් ඒකකය තෝරා ගැනීමට ඉඩ ලබා දේ. හුදෙක් කළමනාකරුවන් හෝ විධායකයින්, දී ඇති කර්මාන්තයක සේවය කරන පුද්ගලයින්, හෝ පිරිමින් හෝ කාන්තාවන් වැනි යම් පිරිසක් නියැදියට ඇතුළත් කිරීම පිළිබඳව පර්යේෂකයන් තෝරා ගන්නා විට එය ප්රයෝජනවත් වේ.
2. සම්මුඛ පරීක්ෂණ
දත්ත රැස් කිරීමේ ක්රියාවලියක කොටසක් ලෙස පුද්ගලයන් සාමාන්යයෙන් සම්මුඛ සාකච්ඡා කරනු ලැබේ. කෙසේ වෙතත්, ප්රමාණාත්මක දත්ත රැස් කිරීම සඳහා සිදු කරනු ලබන සම්මුඛ සාකච්ඡා වඩාත් සංවිධානාත්මක වන අතර, පර්යේෂකයන් අසන්නේ නියමිත ප්රශ්න මාලාව පමණක් වන අතර වෙන කිසිවක් නැත.
දත්ත රැස් කිරීම සඳහා භාවිතා කරන සම්මුඛ සාකච්ඡා ප්රධාන කාණ්ඩ තුනක් ඇත.
- දුරකථන සම්මුඛ සාකච්ඡා: දුරකථන සම්මුඛ සාකච්ඡා වසර ගණනාවක් තිස්සේ දත්ත රැස් කිරීමේ ක්රමවල ප්රස්ථාරවල ආධිපත්යය දැරීය. නමුත් අන්තර්ජාලය, ස්කයිප් හෝ වෙනත් මාර්ගගතව භාවිතා කිරීම වීඩියෝ සම්මන්ත්රණ වීඩියෝ සම්මුඛ සාකච්ඡා පැවැත්වීම සඳහා සේවාවන් මෑත වසරවලදී සැලකිය යුතු ලෙස වැඩි වී ඇත.
- පුද්ගල සම්මුඛ සාකච්ඡා: සෘජු සහභාගිවන්නන්ගේ දත්ත රැස් කිරීම තොරතුරු රැස් කිරීමේ උත්සාහ කළ සහ සත්ය ක්රමයකි. එය සවිස්තරාත්මක සහ අධ්යාපනික තොරතුරු ලබා ගැනීම සඳහා ගැඹුරු විමසීම් සහ අමතර විමර්ශන සඳහා ඉඩ ලබා දෙන බැවින් උසස් තත්ත්වයේ දත්ත රැස් කිරීමට එය උපකාරී වේ. මුහුණට මුහුණ (F2F) සමීක්ෂණ මගින් වාචික නොවන දත්ත නිරීක්ෂණය කිරීමට සහ රැස් කිරීමට හෝ සංකීර්ණ සහ නොවිසඳුණු මාතෘකා විමර්ශනය කිරීමට බොහෝ හැකියාවන් සපයන බැවින් සහභාගිවන්නාගේ සාක්ෂරතා මට්ටම වැදගත් නොවේ. එය මිල අධික හා කාලය ගතවන ප්රවේශයක් විය හැකි වුවද, මුහුණට මුහුණ සම්මුඛ සාකච්ඡාවලට බොහෝ විට වැඩි ප්රතිචාර අනුපාතයක් ඇත.
- පරිගණක ආශ්රිත පුද්ගලික සම්මුඛ පරීක්ෂණ (CAPI): එය මුහුණට මුහුණ සම්මුඛ සාකච්ඡාවකට සැසඳිය හැකි සැකසුමකට වඩා වැඩි දෙයක් නොවේ, සම්මුඛ පරීක්ෂණයේදී රැස් කරගත් දත්ත කෙලින්ම දත්ත ගබඩාවට උඩුගත කිරීමට සම්මුඛ පරීක්ෂකවරයා ළඟ ඩෙස්ක්ටොප් එකක් හෝ ලැප්ටොප් එකක් තිබේ. සම්මුඛ පරීක්ෂකවරයාට ලේඛන කටයුතු සහ ප්රශ්නාවලිය ටොන් ගණනක් රැගෙන යාමට සිදු නොවීම හේතුවෙන්, CAPI දත්ත යාවත්කාලීන කිරීමට සහ විශ්ලේෂණය කිරීමට ගතවන කාලය සැලකිය යුතු ලෙස අඩු කරයි.
3. නිරීක්ෂණ
නමට අනුව, එය ප්රමාණාත්මක දත්ත රැස් කිරීම සඳහා තරමක් පහසු සහ සංකීර්ණ නොවන තාක්ෂණයකි.
මෙම ප්රවේශයේ දී, පර්යේෂකයන් යම් අවස්ථාවක දී දී ඇති අවස්ථාවට පැමිණ සිටින පුද්ගලයින් සංඛ්යාව සහ නිශ්චිත ස්ථානයක හෝ නිශ්චිත ස්ථානයක උත්සවයට සහභාගී වන පුද්ගලයින් සංඛ්යාව ගණනය කිරීම වැනි ප්රවේශයන් භාවිතා කරමින් ක්රමානුකූල නිරීක්ෂණ මගින් ප්රමාණාත්මක දත්ත රැස් කරයි.
පර්යේෂකයන් ප්රමාණාත්මක දත්ත ලබා ගැනීම සඳහා ස්වභාවික නිරීක්ෂණ උපාය මාර්ගයක් නිතර භාවිතා කරන අතර, එය “කුමක්ද” සහ “ඇයි” සහ “කෙසේද” යන්න පිළිබඳ ප්රමාණාත්මක දත්ත ලබා ගැනීම සඳහා විශිෂ්ට නිරීක්ෂණ හැකියාවන් සහ ඉන්ද්රියයන් අවශ්ය වේ.
ගුණාත්මක හා ප්රමාණාත්මක දත්ත එකතු කිරීම ස්වභාවික නිරීක්ෂණ හරහා සිදු කෙරේ. කෙසේ වෙතත්, ව්යුහගත නිරීක්ෂණය බොහෝ දුරට භාවිත කරනුයේ ගුණාත්මක තොරතුරුවලට වඩා ප්රමාණාත්මක තොරතුරු රැස් කිරීමට ය.
- ව්යුහගත නිරීක්ෂණය: ස්වභාවික හෝ සහභාගිවන්නන්ගේ නිරීක්ෂණයට ප්රතිවිරුද්ධව, මෙම නිරීක්ෂණ ක්රමයට වඩා පුළුල් හෝ පාලිත සන්දර්භයක් තුළ නිශ්චිත හැසිරීම් එකක් හෝ කිහිපයක් පිළිබඳ පූර්ණ නිරීක්ෂණ පැවැත්වීම පර්යේෂකයාට අවශ්ය වේ. ව්යුහගත නිරීක්ෂණයක දී, පර්යේෂකයන් සිය අවධානය සෑම දෙයක්ම නැරඹීමට වඩා උනන්දුව දක්වන ප්රධාන හැසිරීම් කිහිපයකට පමණක් සීමා කරයි. ඔවුන් දකින හැසිරීම් සංඛ්යා වලට දැමීමට එය ඔවුන්ට හැකියාව ලබා දෙයි. නිරීක්ෂකයින් විනිශ්චයක් කිරීමට නිරීක්ෂණ ඉල්ලා සිටින විට එය සමහර විට "කේතීකරණය" ලෙස හැඳින්වේ. මෙය සිදු කිරීම සඳහා, ඉලක්ක හැසිරීම් මාලාවක් නිශ්චිතව නිර්වචනය කළ යුතුය.
4. සමීක්ෂණ
ප්රමාණාත්මක සහ ගුණාත්මක පර්යේෂණ සඳහා මාර්ගගත දත්ත රැස් කිරීම සඳහා සමීක්ෂණ මෘදුකාංග සමඟ කරන ලද මාර්ගගත සමීක්ෂණ අත්යවශ්ය වේ. ප්රතිචාර දක්වන්නන්ගේ ක්රියාවන් සහ විශ්වාසය තහවුරු වන ආකාරයෙන් සමීක්ෂණ නිර්මාණය කර ඇත.
ප්රමාණාත්මක සමීක්ෂණවලින් බහුතරයක් නිතර පිරික්සුම් ලැයිස්තු සහ ශ්රේණිගත කිරීමේ පරිමාණ අයිතම ඇතුළත් වන්නේ ප්රතිචාර දක්වන්නන්ගේ ආකල්ප සහ හැසිරීම් මැනීම පහසු කරන බැවිනි.
ප්රමාණාත්මක වෙළඳපල පර්යේෂණ සඳහා ඔන්ලයින් තොරතුරු රැස් කිරීම සඳහා වැදගත් සමීක්ෂණ ශෛලීන් දෙකක් භාවිතා කෙරේ.
- වෙබ් පාදක: අන්තර්ජාලය පදනම් කරගත් හෝ මාර්ගගත පර්යේෂණ සඳහා, මෙය වඩාත් ජනප්රිය සහ විශ්වාසනීය තාක්ෂණික ක්රමවලින් එකකි. වෙබ් පාදක සමීක්ෂණයකට ප්රතිචාර දක්වන විට, ප්රතිචාර දක්වන්නාට සමීක්ෂණයට සබැඳියක් සහිත විද්යුත් තැපෑලක් ලැබෙනු ඇත, එය ක්ලික් කළ විට ඔවුන් සමීක්ෂණය සම්පූර්ණ කළ හැකි ආරක්ෂිත සබැඳි සමීක්ෂණ වේදිකාවක් වෙත ගෙන යනු ඇත. පර්යේෂකයන් වෙබ් පාදක සමීක්ෂණ වලට කැමති වන්නේ ඒවා වැඩි කාලයක් සහ මුදල් කාර්යක්ෂම, වේගවත් සහ විශාල ප්රේක්ෂක පිරිසක් සිටින බැවිනි. ඩෙස්ක්ටොප්, ලැප්ටොප්, ටැබ්ලටය හෝ ජංගම උපාංගයක් භාවිතා කරමින්, ප්රතිචාර දක්වන්නන්ට තමන්ට පහසු ඕනෑම අවස්ථාවක සමීක්ෂණය සම්පූර්ණ කිරීමට නිදහස ඇති අතර මෙය වෙබ් පාදක ප්රශ්නාවලියක ප්රධාන වාසියයි.
- තැපෑල මත පදනම් වූ: සමීක්ෂණය නියැදි ජනගහනයෙන් විශාල කොටසකට තැපෑල හරහා තැපැල් කරනු ලැබේ, පර්යේෂකයාට විවිධ ප්රේක්ෂකයින් වෙත ළඟා වීමට ඉඩ සලසයි. තැපැල් ප්රශ්නාවලිය සාමාන්යයෙන් පැමිණෙන්නේ කවර පිටුවක් සහිත පැකට්ටුවක වන අතර එමඟින් සිදු කෙරෙන අධ්යයනයන් සහ ඇයි, මෙන්ම පෙරගෙවුම් ප්රතිලාභය, අන්තර්ජාලය හරහා දත්ත රැස් කිරීම පිළිබඳව ප්රේක්ෂකයන්ට දැනුම් දෙයි. තැපෑලෙහි අනෙකුත් ප්රමාණාත්මක දත්ත එකතු කිරීමේ ක්රමවලට වඩා වැඩි කර්ෂණ අනුපාතයක් තිබුණද, සමීක්ෂණය අවසන් කිරීමට දිරිගැන්වීම් සහ සිහිකැඳවීම් ඇතුළුව, චර්ම අනුපාතය සැලකිය යුතු ලෙස අඩු කිරීමට උපකාරී වේ.
5. ලේඛන සමාලෝචනය
වත්මන් ලේඛන විශ්ලේෂණය කිරීමෙන් පසුව, ලේඛන සමාලෝචනය යනු දත්ත රැස් කිරීම සඳහා භාවිතා කරන තාක්ෂණයකි. ලේඛන පාලනය කළ හැකි නිසාත් අතීතයේ සිට නිවැරදි දත්ත ලබා ගැනීමට ප්රායෝගික සම්පත නිසාත් එය දත්ත රැස් කිරීමේ කාර්යක්ෂම හා සාර්ථක ක්රමයකි.
පරිපූරක පර්යේෂණ දත්ත ඉදිරිපත් කරමින් අධ්යයනය ශක්තිමත් කිරීමට සහ සහාය වීමට අමතරව, ප්රමාණාත්මක පර්යේෂණ දත්ත රැස් කිරීම සඳහා ප්රයෝජනවත් තාක්ෂණික ක්රමයක් බවට ලේඛන සමාලෝචනය පත්ව ඇත.
පරිපූරක ප්රමාණාත්මක පර්යේෂණ දත්ත රැස් කිරීම සඳහා ප්රධාන ලේඛන කාණ්ඩ තුනක් පරීක්ෂා කෙරේ.
- පොදු ලේඛන: මෙම ලේඛන සමාලෝචනයේ කොටසක් ලෙස අතිරේක විමර්ශනයක් සඳහා සංවිධානයක නිල, අඛණ්ඩ වාර්තා පරීක්ෂා කරනු ලැබේ. උදාහරණයක් ලෙස, වාර්ෂික වාර්තා, ප්රතිපත්ති මාර්ගෝපදේශ, ශිෂ්ය සිදුවීම්, විශ්ව විද්යාල ක්රීඩා ක්රියාකාරකම් ආදිය.
- පුද්ගලික වාර්තා: මෙවැනි ලේඛන විශ්ලේෂණයක් පොදු වාර්තා වලට වඩා මිනිසුන්ගේ හැසිරීම්, හැසිරීම්, සෞඛ්යය, ශරීරය යනාදිය පිළිබඳ පුද්ගලික වාර්තා පරීක්ෂා කරයි. නිදසුනක් වශයෙන්, සිසුන්ගේ ප්රමාණය සහ බර, සිසුන් පාසල් යාමට ගත කරන ගමන් කාලය යනාදිය.
- භෞතික සාධනය: භෞතික සාක්ෂි හෝ වාර්තා මුදල් සහ පරිමාණ වර්ධනය සම්බන්ධයෙන් පුද්ගලයෙකුගේ හෝ සංවිධානයක අතීත සාර්ථකත්වයන් ගැන කතා කරයි.
ප්රමාණාත්මක උදාහරණ
මෙහි සඳහන් වන්නේ කුමක්ද යන්න සම්පූර්ණයෙන් ග්රහණය කර ගැනීමට ඔබට උපකාර වන ප්රමාණාත්මක දත්තවල අවස්ථා කිහිපයක් මෙන්න:
- නවතම ජංගම යෙදුම පුද්ගලයින් 83 දෙනෙකු විසින් බාගත කර ඇත.
- ගිය අවුරුද්දේ මගේ නැන්දා රාත්තල් 18ක් අඩු කළා.
- X අයිතමයේ මිල ඩොලර් 1,000 කි.
- මෙම අවස්ථාවට සහභාගිවන්නන් 500 ක් සහභාගී විය.
- මේ වසරේ ඇයට නිවාඩු දහයක් තිබේ.
- කාර්තුවකදී, මම මගේ දුරකථනය හය වතාවක් යාවත්කාලීන කළෙමි.
- පසුගිය වසරේ මගේ තරුණයා අඟල් 3 කින් වර්ධනය විය.
- නව නිෂ්පාදනයක් එකතු කිරීමෙන් ආදායම 30% කින් ඉහළ යනු ඇත.
- ඇමරිකානුවන්ගෙන් 54% ක් කියා සිටියේ ඔවුන් සාප්පුවකින් මිලදී ගැනීමට වඩා අන්තර්ජාලය හරහා මිලදී ගැනීමට කැමති බවයි.
- ප්රතිචාර දැක්වූවන් 150ක් කියා සිටියේ නව නිෂ්පාදන විශේෂාංගය සාර්ථක වනු ඇතැයි තමන් නොසිතන බවයි.
වාසි
- ගැඹුරු අධ්යයනයක් කරන්න: ප්රමාණාත්මක දත්ත සංඛ්යානමය වශයෙන් පරීක්ෂා කළ හැකි බැවින් පර්යේෂණය පරිපූර්ණ වීමට බොහෝ දුරට ඉඩ තිබේ.
- අවම පක්ෂග්රාහීත්වය: පුද්ගලික නැඹුරුව පර්යේෂණ සඳහා දායක වන අතර සාවද්ය ප්රතිඵල ඇති කරන අවස්ථා තිබේ. ප්රමාණාත්මක දත්තවල සංඛ්යාත්මක අංශයෙන් පුද්ගලික නැඹුරුව බොහෝ සෙයින් අඩු වී ඇත.
- නිවැරදි ප්රතිඵල: ප්රතිඵල වෛෂයික ස්වභාවයක් ගත් බැවින් ඒවා ඉතා නිවැරදි විය.
අවාසි
- සීමා කළ තොරතුරු: ප්රමාණාත්මක දත්ත විස්තරාත්මක නොවන බැවින්, පර්යේෂකයන්ට තමන් රැස් කරගත් දත්තවලින් පමණක් නිගමනවලට එළඹීම අභියෝගාත්මක ය.
- ප්රශ්න වර්ගය මත රඳා පවතී: ප්රමාණාත්මක දත්ත රැස් කිරීම සඳහා භාවිතා කරන ප්රශ්න වර්ගය ප්රතිඵලවල පක්ෂග්රාහීත්වයට බලපායි. ප්රමාණාත්මක දත්ත රැස් කිරීමේදී පර්යේෂණයේ අරමුණු සහ ඉලක්ක පිළිබඳව පර්යේෂකයාගේ අවබෝධය ඉතා වැදගත් වේ.
නිගමනය
ප්රමාණාත්මක දත්ත යනු අපසාරී චින්තනයක් මිස අභිසාරී තර්කයක් නොවේ. එය සංඛ්යාත්මක සහ නියත කරුණු කෙරෙහි අවධාරණය කරමින් සංඛ්යාත්මක, තර්කනය සහ වෛෂයික දෘෂ්ටිකෝණය සමඟ කටයුතු කරයි.
ප්රස්ථාර සහ ප්රස්ථාරවල විශ්ලේෂණාත්මක නිගමන ප්රදර්ශනය කළ හැකි එකම දත්ත වර්ගය වන ප්රමාණාත්මක දත්ත පර්යේෂණය පරිපූර්ණ වේ.
දත්ත විශ්ලේෂණය නිසැකවම තීරණාත්මක පියවරක් වන අතර, එය නොමැති නම්, ඔබේ අධ්යයනයේ වාස්තවිකත්වය සහ සත්යතාව සම්මුතියට පත් කිරීමට පමණක් නොව, නිගමන අස්ථායී කිරීමටද හැකිය. හොඳ දත්ත ඔබට නිවැරදි ප්රතිඵල ලබා ගැනීමට උපකාර වනු ඇත.
එබැවින්, තාක්ෂණය කුමක් වුවත්, ඔබ ප්රමාණාත්මක දත්ත රැස් කිරීමට භාවිතා කරයි, වටිනා සහ ප්රයෝජනවත් තීක්ෂ්ණ බුද්ධියක් ලබා දීමට තොරතුරු ප්රමාණවත් තරම් උසස් තත්ත්වයේ බවට වග බලා ගන්න.
ඔබමයි