ہم اعداد و شمار سے گھرے ہوئے ہیں، جو ہر روز زیادہ سے زیادہ اہم ہو رہا ہے۔ ماحول کے ساتھ ہمارے زیادہ سے زیادہ تعاملات کو ڈیٹا کی مختلف شکلوں سے تشکیل دیا جا رہا ہے، بشمول ہمارا انٹرنیٹ کا استعمال، آٹوموبائل کی خریداری، نیوز فیڈ جو ہم دیکھتے ہیں، اور بہت سی دوسری چیزیں۔
ہم اس پوسٹ میں مقداری اعداد و شمار کی وضاحت کریں گے، مقداری ڈیٹا کی مثالیں دیں گے، اس بات پر تبادلہ خیال کریں گے کہ معیار اور مقداری ڈیٹا کس طرح مختلف ہوتا ہے، اور بہت کچھ۔
لیکن آئیے پہلے ایک قدم پیچھے ہٹیں۔
ہر روز، 2.5 کوئنٹلین بائٹس ڈیٹا — بشمول ٹیسٹ کے نتائج، صارفین کے اطمینان کے اسکور، اور ٹویٹس — تیار کیے جاتے ہیں۔ لیکن ڈیٹا کا ہر ٹکڑا برابر نہیں بنایا گیا ہے۔
ایک سروے جس میں آپ سے سروس، مینو، ماحول اور قیمتوں کو 1 سے 10 کے پیمانے پر درجہ بندی کرنے کے لیے کہا جاتا ہے، انٹرویو سے مختلف ڈیٹا تیار کرتا ہے جس میں آپ سے کھانے کے تجربے کو بیان کرنے کو کہا جاتا ہے۔
یہ ان تجزیہ کاروں کے لیے بہت اہم ہے جو ڈیٹا سیٹ کے ساتھ کثرت سے کام کرتے ہیں تاکہ ڈیٹا کی مختلف شکلوں میں فرق کریں اور یہ سمجھیں کہ ہر ایک آپ کے مطالعہ کو کیسے متاثر کر سکتا ہے۔
ڈیٹا کو تلاش کرنے کا عمل اکثر ایک مخصوص سوال سے شروع ہوتا ہے جس کا آپ جواب دینے کی کوشش کر رہے ہیں، جیسے:
- ڈیموگرافکس کا صارفین کے رویے پر کیا اثر پڑتا ہے؟
- کیا کوئی خاص سامعین کسی پروڈکٹ یا سروس میں ترمیم کے لیے موافق جواب دے گا؟
- کارکردگی کو بڑھانے کے لیے آپریشنل رکاوٹوں کو کیسے ختم کیا جا سکتا ہے؟
آپ کو موضوع کی نوعیت، آپ کے بجٹ، وقت، اور قابل رسائی وسائل کے لحاظ سے مقداری ڈیٹا اکٹھا کرنے اور اس کا اندازہ کرنے کی ضرورت ہوگی۔ مجھے لگتا ہے کہ آپ سمجھتے ہیں، ٹھیک ہے؟
آئیے اب شروع کرتے ہیں۔
مقداری ڈیٹا کیا ہے؟
اعداد و شمار کا کوئی بھی مجموعہ جس کی شناخت اور تشخیص کی جا سکتی ہے مقداری اعداد و شمار کو شمار کیا جاتا ہے۔
اعداد و شمار کی واحد قسم جس کو معروضی طور پر ماپا جا سکتا ہے وہ مقداری ڈیٹا ہے، جو اسے سب سے زیادہ مناسب بناتا ہے۔ ڈیٹا کی قسم ریاضی اور شماریات دونوں میں استعمال کے لیے۔
اسے اعداد و شمار کی قدر کہا جاتا ہے جب اسے شمار یا اعداد کے طور پر ظاہر کیا جاتا ہے، ہر ڈیٹا سیٹ کے ساتھ ایک مخصوص عددی قدر کو تفویض کیا جاتا ہے۔
کوئی بھی قابل پیمائش معلومات جو شماریاتی حسابات اور ریاضی کی بنیاد پر کیلکولیشن میں استعمال کی جا سکتی ہے اس قسم کا ڈیٹا سمجھا جاتا ہے کیونکہ اسے حقیقی دنیا میں فیصلوں کی حمایت کے لیے استعمال کیا جا سکتا ہے۔
کتنے، کتنی بار، اور کتنے سوالات کی کچھ مثالیں ہیں جو یہ جواب دے سکتی ہیں۔ اس ڈیٹا کی آسانی سے تصدیق اور اندازہ لگانے کے لیے ریاضی کے طریقے استعمال کیے جا سکتے ہیں۔
مقداری ڈیٹا جیسے وقت، اونچائی، وزن، قیمت، لاگت، منافع، درجہ حرارت، اور فاصلہ وہی ہیں جن کے ساتھ ڈیٹا تجزیہ کار عام طور پر کام کرتا ہے۔
اس کا اظہار پروڈکٹ مینجمنٹ، صارف کے تجربے کے ڈیزائن، یا سافٹ ویئر انجینئرنگ کے شعبوں میں فیصد، ایک نمبر، صفحہ لوڈ ہونے کا وقت، یا دیگر میٹرکس کے طور پر کیا جا سکتا ہے۔
کسی خاص چیز کو کتنے لوگوں نے خریدا یہ خریداری کے تناظر میں مقداری ڈیٹا کی ایک مثال ہے۔ کاروں کے کوالٹیٹو ڈیٹا میں اس کے پاس ہارس پاور کی مقدار شامل ہو سکتی ہے۔
مقداری ڈیٹا کی اقسام کیا ہیں؟
وہ ڈیٹا جس کی مقدار درست کی جا سکتی ہے اسے مقداری ڈیٹا کہا جاتا ہے، تاہم، اس ڈیٹا کی مقدار کیسے طے کی جاتی ہے اس کا انحصار ہاتھ میں موجود ڈیٹا اکٹھا کرنے کی قسم پر ہوتا ہے۔ مقداری ڈیٹا کو دو بنیادی گروپوں میں تقسیم کیا جا سکتا ہے: مجرد اور مسلسل۔ دونوں کے درمیان اہم تغیرات درج ذیل ہیں:
مجرد ڈیٹا
مقداری معلومات جو مجرد ہوتی ہیں صرف عددی اقدار کی ایک مخصوص حد رکھ سکتی ہیں۔ یہ قدریں متزلزل نہیں ہوسکتی ہیں کیونکہ یہ طے شدہ ہیں۔
جب بھی کسی چیز کو شمار کیا جاتا ہے، مجرد ڈیٹا حاصل کیا جاتا ہے۔ ایک شخص کے تین بچے، مثال کے طور پر، مجرد ڈیٹا کی ایک مثال ہوں گے۔
بچوں کی تعداد مقرر ہے؛ مثال کے طور پر، وہ 3.2 بچے پیدا نہیں کر سکتے۔
آپ کی ویب سائٹ پر آنے والوں کی تعداد مجرد عددی ڈیٹا کی ایک اور مثال ہے۔ آپ ایک دن میں 150 وزٹ حاصل کر سکتے ہیں، لیکن 150.6 نہیں۔ مجرد ڈیٹا کو ظاہر کرنے کے لیے استعمال ہونے والے سب سے زیادہ عام چارٹ پائی چارٹس، بار چارٹس، اور ٹیلی چارٹس ہیں۔
مسلسل ڈیٹا
الٹا، مسلسل ڈیٹا کو غیر معینہ مدت تک چھوٹے اجزاء میں تقسیم کیا جا سکتا ہے۔ سینٹی میٹر میں تار کے ٹکڑے کی لمبائی یا ڈگری سیلسیس میں درجہ حرارت اس قسم کے مقداری اعداد و شمار کی دو مثالیں ہیں جنہیں پیمائشی پیمانے پر دکھایا جا سکتا ہے۔
جوہر میں، مسلسل ڈیٹا مقررہ اقدار تک محدود نہیں ہے۔ یہ کوئی بھی قیمت لے سکتا ہے. مسلسل ڈیٹا بھی وقت کے ساتھ بدل سکتا ہے۔ مثال کے طور پر، دن کے وقت کمرے کا درجہ حرارت بدل جائے گا۔
ایک لائن گراف عام طور پر مسلسل ڈیٹا کی وضاحت کے لیے استعمال ہوتا ہے۔
مقداری ڈیٹا بمقابلہ کوالٹیٹیو ڈیٹا
ہم دیکھ سکتے ہیں کہ مقداری ڈیٹا کو ماپا جا سکتا ہے۔ یہ مقداروں، قدروں اور اعداد سے متعلق ہے۔ اس قسم کی معلومات کو عددی طور پر بیان کیا جا سکتا ہے (یعنی رقم، مدت، لمبائی، قیمت، یا سائز)۔
مقداری اعداد و شمار میں بہت زیادہ ساکھ ہوتی ہے اور اسے غیر جانبدارانہ اور قابل اعتماد سمجھا جاتا ہے کیونکہ یہ اعداد و شمار کے ذریعے تیار کیا جاتا ہے۔ تاہم، ڈیٹا کی ایک اور اہم قسم ہے۔ خاص طور پر، کوالٹی ڈیٹا۔
یہ معلومات بنیادی طور پر وضاحتی نوعیت کی ہیں۔ زیادہ تر معاملات میں، اس کی براہ راست پیمائش نہیں کی جا سکتی لیکن مشاہدے سے سیکھی جا سکتی ہے۔ صفت اور دیگر وضاحتی اصطلاحات کوالٹی ڈیٹا میں ظاہری شکل، رنگ، ساخت اور دیگر خصوصیات کو بیان کرنے کے لیے استعمال کیا جاتا ہے۔
مثال کے طور پر، آپ بحث کر سکتے ہیں کہ ایک کمرہ دوسرے سے زیادہ روشن ہے۔
وہ معلومات معیاری ہے۔ کمرے میں چمک کی واقعی پیمائش کرنے اور اسے ایک عددی نمبر تفویض کرنے کے لیے، آپ سائنسی آلات اور آلات (جیسے لائٹ میٹر) بھی لگا سکتے ہیں۔ آپ اسے کر کے قابل مقدار ڈیٹا حاصل کرتے ہیں۔
مقداری ڈیٹا اکٹھا کرنے کے 5 بہترین طریقے
1. امکان کا نمونہ لینا
نمونے لینے کی ایک درست تکنیک جو کسی قسم کے بے ترتیب انتخاب کا استعمال کرتی ہے اور محققین کو مطلوبہ سامعین سے تصادفی طور پر جمع کی گئی معلومات کی بنیاد پر امکانی دعویٰ کرنے کے قابل بناتی ہے۔
امکانی نمونے لینے سے محققین کو ان افراد سے ڈیٹا اکٹھا کرنے کا موقع ملتا ہے جو اس گروپ کے مخصوص ہوتے ہیں جس کی وہ تحقیقات میں دلچسپی رکھتے ہیں، جو اس کی بہترین خصوصیات میں سے ایک ہے۔
مزید برآں، ڈیٹا کو تصادفی طور پر منتخب کردہ نمونے سے تیار کیا گیا تھا، جو نمونے لینے کے تعصب کے امکانات کو ختم کرتا ہے۔
امکانی نمونے لینے کے لیے، تین اہم زمرے ہیں۔
- سادہ بے ترتیب نمونے: مطلوبہ آبادی کو زیادہ کثرت سے نمونے میں نمائندگی کرنے کے لیے منتخب کیا جاتا ہے۔
- منظم بے ترتیب نمونے: مطلوبہ آبادی کے کسی بھی رکن کو نمونے میں دکھایا جائے گا، لیکن بے ترتیب طور پر صرف پہلی اکائی کا انتخاب کیا جاتا ہے۔ دیگر اکائیوں کا انتخاب اس طرح کیا جاتا ہے جیسے فہرست میں دس افراد میں سے ایک ہو۔
- ترتیب شدہ بے ترتیب نمونے: نمونہ بناتے وقت، مطلوبہ سامعین کے مخصوص ذیلی سیٹ سے ہر یونٹ کو منتخب کرنے کی اجازت دیتا ہے۔ یہ اس وقت مددگار ہوتا ہے جب محققین نمونے میں لوگوں کے ایک مخصوص گروپ کو شامل کرنے کے بارے میں سوچتے ہیں، جیسے کہ صرف مینیجرز یا ایگزیکٹوز، کسی مخصوص صنعت میں کام کرنے والے افراد، یا مرد یا خواتین۔
2. انٹرویو
لوگوں سے عام طور پر ڈیٹا اکٹھا کرنے کے عمل کے حصے کے طور پر انٹرویو لیا جاتا ہے۔ تاہم، جو انٹرویوز مقداری ڈیٹا اکٹھا کرنے کے لیے کیے جاتے ہیں وہ زیادہ منظم ہوتے ہیں، محققین صرف مقررہ سوالات پوچھتے ہیں اور کچھ نہیں۔
ڈیٹا اکٹھا کرنے کے لیے انٹرویوز کی تین اہم اقسام ہیں۔
- ٹیلی فون انٹرویوز: ٹیلی فون انٹرویوز نے کئی سالوں تک ڈیٹا اکٹھا کرنے کی تکنیکوں کے چارٹ پر غلبہ حاصل کیا۔ لیکن انٹرنیٹ، اسکائپ، یا دیگر آن لائن استعمال کرنا ویڈیو کانفرنسنگ حالیہ برسوں میں ویڈیو انٹرویوز کے لیے خدمات میں نمایاں اضافہ ہوا ہے۔
- ذاتی انٹرویوز: براہ راست شرکاء کے ڈیٹا اکٹھا کرنا معلومات اکٹھا کرنے کا ایک آزمودہ اور درست طریقہ ہے۔ یہ اعلیٰ معیار کا ڈیٹا اکٹھا کرنے میں مدد کرتا ہے کیونکہ یہ جامع اور تعلیمی معلومات حاصل کرنے کے لیے گہرائی سے پوچھ گچھ اور اضافی تحقیقات کی گنجائش فراہم کرتا ہے۔ شرکاء کی خواندگی کی سطح غیر اہم ہے کیونکہ آمنے سامنے (F2F) سروے غیر زبانی ڈیٹا کا مشاہدہ کرنے اور جمع کرنے یا پیچیدہ اور غیر حل شدہ موضوعات کی چھان بین کرنے کے بہت سے امکانات فراہم کرتے ہیں۔ اگرچہ یہ ایک مہنگا اور وقت لینے والا طریقہ ہو سکتا ہے، لیکن آمنے سامنے انٹرویوز میں اکثر ردعمل کی شرح زیادہ ہوتی ہے۔
- کمپیوٹر اسسٹڈ پرسنل انٹرویو (CAPI): یہ ایک سیٹنگ سے زیادہ کچھ نہیں ہے جو آمنے سامنے انٹرویو کے مقابلے میں ہے جہاں انٹرویو لینے والے کے پاس ڈیسک ٹاپ یا لیپ ٹاپ ہوتا ہے تاکہ انٹرویو کے دوران جمع کیے گئے ڈیٹا کو سیدھا ڈیٹا بیس میں اپ لوڈ کیا جا سکے۔ انٹرویو لینے والے کے پاس ایک ٹن کاغذی کارروائی اور سوالنامے نہ رکھنے کی وجہ سے، CAPI ڈیٹا کو اپ ڈیٹ اور تجزیہ کرنے کے لیے درکار وقت کو نمایاں طور پر کم کر دیتا ہے۔
3. مشاہدات
جیسا کہ نام سے ظاہر ہے، یہ مقداری ڈیٹا اکٹھا کرنے کے لیے ایک آسان اور غیر پیچیدہ تکنیک ہے۔
اس نقطہ نظر میں، محققین طریقہ کار کے مشاہدات کے ذریعے مقداری اعداد و شمار جمع کرتے ہیں جیسے کہ ایک مخصوص وقت اور ایک مخصوص مقام پر موجود افراد کی تعداد یا کسی متعین جگہ پر تقریب میں شرکت کرنے والے افراد کی تعداد کا استعمال۔
محققین مقداری ڈیٹا حاصل کرنے کے لیے اکثر قدرتی مشاہدے کی حکمت عملی کا استعمال کرتے ہیں، جس میں بہترین مشاہداتی صلاحیتوں اور حواس کی ضرورت ہوتی ہے تاکہ ڈیٹا حاصل کیا جا سکے جو صرف "کیا" کے بارے میں مقداری ہو اور "کیوں" اور "کیسے" کے بارے میں بھی نہیں۔
کوالیٹیٹیو اور مقداری دونوں ڈیٹا کا مجموعہ قدرتی مشاہدے کے ذریعے کیا جاتا ہے۔ سٹرکچرڈ مشاہدہ زیادہ تر کوالٹیٹیو معلومات کے بجائے مقداری معلومات اکٹھا کرنے کے لیے استعمال کیا جاتا ہے۔
- ساختی مشاہدہ: فطرتی یا شریک مشاہدے کے برعکس، مشاہدے کے اس طریقے کے لیے محقق کو زیادہ وسیع یا کنٹرول شدہ سیاق و سباق میں ایک یا زیادہ مخصوص طرز عمل کا مکمل مشاہدہ کرنے کی ضرورت ہوتی ہے۔ ایک منظم مشاہدے میں، محققین ہر چیز کو دیکھنے کے بجائے دلچسپی کے صرف چند اہم رویوں پر اپنی توجہ مرکوز کرتے ہیں۔ یہ انہیں ان رویوں کو نمبروں میں ڈالنے کے قابل بناتا ہے جو وہ دیکھ رہے ہیں۔ اسے بعض اوقات "کوڈنگ" بھی کہا جاتا ہے جب مشاہدات مبصرین کو فیصلہ کرنے کے لیے کہتے ہیں۔ ایسا کرنے کے لیے، ہدف کے طرز عمل کا ایک سیٹ واضح طور پر بیان کیا جانا چاہیے۔
4. سروے
سروے سافٹ ویئر کے ساتھ کیے گئے آن لائن سروے مقداری اور کوالٹیٹیو دونوں تحقیق کے لیے آن لائن ڈیٹا اکٹھا کرنے کے لیے ضروری ہیں۔ سروے اس طریقے سے بنائے گئے ہیں جو جواب دہندگان کے اعمال اور اعتماد کی توثیق کرتے ہیں۔
مقداری سروے کی اکثریت میں اکثر چیک لسٹ اور درجہ بندی کے پیمانے کے آئٹمز شامل ہوتے ہیں کیونکہ وہ جواب دہندگان کے رویوں اور طرز عمل کی پیمائش کو آسان بناتے ہیں۔
مقداری مارکیٹ ریسرچ کے لیے آن لائن معلومات جمع کرنے کے لیے سروے کے دو اہم انداز استعمال کیے جاتے ہیں۔
- ویب پر مبنی: انٹرنیٹ پر مبنی یا آن لائن تحقیق کے لیے، یہ سب سے زیادہ مقبول اور قابل اعتماد تکنیکوں میں سے ایک ہے۔ ویب پر مبنی سروے کا جواب دیتے وقت، جواب دہندہ کو سروے کے لنک کے ساتھ ایک ای میل موصول ہوگی، جس پر کلک کرنے سے وہ ایک محفوظ آن لائن سروے پلیٹ فارم پر لے جائے گا جہاں وہ سروے مکمل کر سکتے ہیں۔ محققین ویب پر مبنی سروے کو پسند کرتے ہیں کیونکہ وہ زیادہ وقت اور پیسہ موثر، تیز رفتار، اور زیادہ سامعین رکھتے ہیں۔ ڈیسک ٹاپ، لیپ ٹاپ، ٹیبلیٹ، یا موبائل ڈیوائس کا استعمال کرتے ہوئے، جواب دہندگان جب بھی ان کے لیے آسان ہو سروے مکمل کرنے کے لیے آزاد ہیں اور یہ ویب پر مبنی سوالنامہ کا بنیادی فائدہ ہے۔
- میل پر مبنی: سروے نمونے کی آبادی کے ایک بڑے حصے کو بذریعہ ڈاک بھیجا جاتا ہے، جس سے محقق مختلف سامعین تک پہنچ سکتا ہے۔ پوسٹل سوالنامہ عام طور پر ایک کور پیج کے ساتھ ایک پیکٹ میں آتا ہے جو سامعین کو اس بارے میں مطلع کرتا ہے کہ کس طرح کا مطالعہ کیا جا رہا ہے اور کیوں، نیز پری پیڈ واپسی، آن لائن ڈیٹا اکٹھا کرنے کے لیے۔ یہاں تک کہ اگر میل میں دیگر مقداری اعداد و شمار جمع کرنے کی تکنیکوں کے مقابلے میں زیادہ سے زیادہ چرن کی شرح ہے، بشمول سروے کو ختم کرنے کے لیے مراعات اور یاد دہانیاں، منتھن کی شرح کو نمایاں طور پر کم کرنے میں مدد کرتی ہے۔
5. دستاویزات کا جائزہ
موجودہ کاغذات کا تجزیہ کرنے کے بعد، دستاویز کا جائزہ ڈیٹا اکٹھا کرنے کے لیے استعمال ہونے والی تکنیک ہے۔ چونکہ دستاویزات قابل کنٹرول ہیں اور ماضی سے درست ڈیٹا حاصل کرنے کا عملی وسیلہ ہے، یہ ڈیٹا اکٹھا کرنے کا ایک موثر اور کامیاب طریقہ ہے۔
دستاویز کا جائزہ مقداری تحقیقی ڈیٹا اکٹھا کرنے کے لیے مفید تکنیکوں میں سے ایک بن گیا ہے، اس کے علاوہ اضافی تحقیقی ڈیٹا پیش کر کے مطالعے کو تقویت دینے اور اس کی حمایت کرنے کے علاوہ۔
سپلیمنٹری مقداری تحقیقی ڈیٹا اکٹھا کرنے کے مقصد کے لیے، دستاویز کے تین اہم زمروں کا جائزہ لیا جا رہا ہے۔
- عوامی دستاویزات: اس دستاویز کے جائزے کے حصے کے طور پر اضافی تفتیش کے لیے کسی تنظیم کے سرکاری، جاری ریکارڈ کی جانچ کی جاتی ہے۔ مثال کے طور پر، سالانہ رپورٹس، پالیسی گائیڈز، طلباء کے واقعات، یونیورسٹی گیم کی سرگرمیاں، وغیرہ۔
- ذاتی ریکارڈ: اس قسم کی دستاویز کا تجزیہ عوامی ریکارڈ کے برعکس لوگوں کے طرز عمل، طرز عمل، صحت، جسم وغیرہ کی نجی رپورٹس کا جائزہ لیتا ہے۔ مثال کے طور پر، شاگردوں کا سائز اور وزن، طالب علموں کو اسکول جانے کے لیے سفر کا وقت، وغیرہ۔
- جسمانی ثبوت: جسمانی ثبوت یا ریکارڈز رقم اور قابل توسیع ترقی کے لحاظ سے کسی شخص یا تنظیم کی ماضی کی کامیابیوں سے بات کرتے ہیں۔
مقداری مثالیں۔
یہاں مقداری اعداد و شمار کی چند مثالیں ہیں جو آپ کو پوری طرح سمجھنے میں مدد کرتی ہیں کہ اس سے کیا مراد ہے:
- جدید ترین موبائل ایپلیکیشن کو 83 افراد نے ڈاؤن لوڈ کیا ہے۔
- پچھلے سال، میری خالہ نے 18 پاؤنڈ کمائے۔
- آئٹم X کی قیمت $1,000 ہے۔
- تقریب میں 500 شرکاء نے شرکت کی۔
- اس سال اس کی دس چھٹیاں ہیں۔
- ایک سہ ماہی میں، میں نے اپنے فون کو چھ بار اپ گریڈ کیا۔
- پچھلے سال، میرا نوجوان 3 انچ بڑھ گیا۔
- نئی مصنوعات کے اضافے کے نتیجے میں آمدنی میں 30 فیصد اضافہ ہوگا۔
- 54 فیصد امریکیوں نے کہا کہ وہ کسی مال کے بجائے آن لائن خریدیں گے۔
- 150 جواب دہندگان نے کہا کہ انہیں نہیں لگتا کہ نئی مصنوعات کی خصوصیت ایک ہٹ ہوگی۔
فوائد
- گہرائی سے مطالعہ کریں: یہ بہت ممکن ہے کہ تحقیق مکمل ہو، کیونکہ مقداری ڈیٹا کو شماریاتی طور پر جانچا جا سکتا ہے۔
- کم از کم تعصب: ایسے اوقات ہوتے ہیں جب ذاتی تعصب تحقیق میں حصہ ڈالتا ہے اور غلط نتائج کا سبب بنتا ہے۔ مقداری اعداد و شمار کے عددی پہلو سے ذاتی تعصب بہت کم ہو گیا ہے۔
- نتائج جو درست ہیں: چونکہ نتائج معروضی نوعیت کے تھے، اس لیے وہ بالکل درست تھے۔
خامیاں
- محدود معلومات: چونکہ مقداری ڈیٹا وضاحتی نہیں ہے، اس لیے محققین کے لیے صرف اپنے جمع کردہ ڈیٹا سے نتیجہ اخذ کرنا مشکل ہے۔
- سوال کی قسم پر منحصر ہے: مقداری ڈیٹا اکٹھا کرنے کے لیے استعمال ہونے والی سوال کی قسم نتائج میں تعصب کو متاثر کرتی ہے۔ مقداری ڈیٹا اکٹھا کرتے وقت، تحقیق کے مقاصد اور اہداف کے بارے میں محقق کی سمجھ بہت ضروری ہے۔
نتیجہ
مقداری ڈیٹا متنوع سوچ کے بارے میں ہے، متضاد استدلال کے بارے میں نہیں۔ یہ عددی اور مستقل حقائق پر زور دے کر عددی، منطق اور معروضی نقطہ نظر سے نمٹتا ہے۔
اعداد و شمار کی واحد قسم جو چارٹ اور گراف میں تجزیاتی نتائج کو ظاہر کرنے کے قابل ہو سکتی ہے، مقداری ڈیٹا کی تحقیق مکمل ہے۔
ڈیٹا کا تجزیہ یقینی طور پر ایک اہم قدم ہے جس کی کمی نہ ہونے کی صورت میں نہ صرف آپ کے مطالعے کی معروضیت اور صداقت پر سمجھوتہ کر سکتا ہے بلکہ نتائج کو غیر مستحکم بھی کر سکتا ہے۔ اچھا ڈیٹا آپ کو درست نتائج پیدا کرنے میں مدد کرے گا۔
اس لیے، تکنیک سے قطع نظر، آپ مقداری ڈیٹا اکٹھا کرنے کے لیے استعمال کرتے ہیں، اس بات کو یقینی بنائیں کہ معلومات کافی اعلیٰ معیار کی ہو تاکہ قیمتی اور مفید بصیرت حاصل ہو سکے۔
جواب دیجئے