সামাজিক গবেষণায় বর্ণনামূলক পরিসংখ্যানের প্রয়োগ
বর্ণনামূলক পরিসংখ্যান সামাজিক গবেষণার অন্যতম গুরুত্বপূর্ণ ভিত্তি। গবেষকদের অনুমিতিমূলক বিশ্লেষণ—যেমন প্রকল্প পরীক্ষা, রিগ্রেশন, বা চলকগুলোর মধ্যে সম্পর্ক মডেলিং—শুরু করার আগে, সংগৃহীত তথ্যের ‘রূপ’ বোঝা প্রয়োজন। এখানেই বর্ণনামূলক পরিসংখ্যানের ভূমিকা শুরু হয়: এটি সহজবোধ্য করার জন্য তথ্যের বৈশিষ্ট্যগুলোকে পদ্ধতিগতভাবে সংক্ষিপ্ত করে, উপস্থাপন করে এবং বর্ণনা করে। সামাজিক গবেষণার প্রেক্ষাপটে, যেখানে প্রায়শই আচরণ, মনোভাব, মতামত এবং সামাজিক পরিস্থিতি জড়িত থাকে, বর্ণনামূলক পরিসংখ্যান গবেষকদের একটি জনগোষ্ঠী বা নমুনার মধ্যেকার সাধারণ বিন্যাস এবং বৈচিত্র্য উভয়ই অনুধাবন করতে সাহায্য করে।
বর্ণনামূলক পরিসংখ্যানের সংজ্ঞা ও উদ্দেশ্য
সহজ কথায়, বর্ণনামূলক পরিসংখ্যান হলো উপাত্তকে সংক্ষিপ্ত ও অর্থপূর্ণ তথ্যে রূপান্তরিত করার একগুচ্ছ পদ্ধতি। এর লক্ষ্য কোনো বৃহত্তর জনগোষ্ঠীর জন্য সাধারণ সিদ্ধান্তে উপনীত হওয়া নয়, বরং উপলব্ধ উপাত্তের বর্ণনা দেওয়া। সামাজিক গবেষণায় এই লক্ষ্যটি গুরুত্বপূর্ণ, কারণ উপাত্ত প্রায়শই জটিল হয়: উত্তরদাতারা বৈচিত্র্যময়, চলকগুলো মিশ্র হতে পারে (নমিনাল, অর্ডিনাল, ইন্টারভাল, রেশিও), এবং সামাজিক প্রেক্ষাপট পরিবর্তনশীল।
বর্ণনামূলক পরিসংখ্যানের সাহায্যে গবেষকরা কিছু মৌলিক প্রশ্নের উত্তর খুঁজে নিতে পারেন, যেমন: এই গবেষণার উত্তরদাতারা কারা? বয়স, শিক্ষা বা আয়ের ক্ষেত্রে তাদের বিন্যাস কেমন? কোনো একটি নীতির প্রতি সমর্থনের মাত্রা কেমন? বিভিন্ন গোষ্ঠীর মধ্যে মতামতের কতটা ভিন্নতা রয়েছে? এই উত্তরগুলো গবেষকদের একটি শক্তিশালী বিবরণ তৈরি করতে এবং পরবর্তী বিশ্লেষণের জন্য একটি ভিত্তি স্থাপন করতে সাহায্য করে।
সামাজিক গবেষণায় তথ্যের প্রকারভেদ
বর্ণনামূলক পরিসংখ্যানের প্রয়োগ সংগৃহীত তথ্যের ধরনের ওপর নির্ভর করে। সামাজিক গবেষণায় সাধারণত ব্যবহৃত হয়:
১. নামমাত্র তথ্য, যেমন লিঙ্গ, কর্মসংস্থানের অবস্থা, বসবাসের এলাকা বা প্রাতিষ্ঠানিক সংশ্লিষ্টতা। এই তথ্যগুলো কোনো ক্রম ছাড়াই কেবল কয়েকটি শ্রেণিবিভাগ।
২. ক্রমিক উপাত্ত, যেমন—শিক্ষার স্তর বা মনোভাবের মাপকাঠি (দৃঢ়ভাবে একমত থেকে দৃঢ়ভাবে দ্বিমত)। এখানে একটি ক্রম থাকে, কিন্তু বিভিন্ন শ্রেণীর মধ্যে দূরত্ব সবসময় সমান হয় না।
৩. ব্যবধান ডেটা, যেমন সন্তুষ্টি সূচক স্কোর বা পরীক্ষার স্কোর। মানগুলোর মধ্যকার দূরত্ব সমান বলে ধরা হয়, কিন্তু এর কোনো পরম শূন্য নেই।
৪. অনুপাত ডেটা, যেমন আয়, সন্তানের সংখ্যা বা চাকরির মেয়াদ, যার একটি পরম শূন্য রয়েছে এবং যা অনুপাত তুলনা করার সুযোগ দেয়।
ডেটার স্কেল বোঝা গবেষকদের সঠিক পরিমাপ বেছে নিতে সাহায্য করে: ইন্টারভাল/রেশিও ডেটার জন্য গড় উপযুক্ত, অর্ডিনাল ডেটার জন্য মধ্যক বা প্রচুরক প্রায়শই বেশি উপযোগী, এবং নমিনাল ডেটার ক্ষেত্রে ফ্রিকোয়েন্সিই প্রধান।
কেন্দ্রীকরণের পরিমাপ: গড়, মধ্যক এবং প্রচুরক
উপাত্তের “সাধারণ” মানগুলো বর্ণনা করার জন্য কেন্দ্রীয় প্রবণতার পরিমাপসমূহ ব্যবহৃত হয়।
গড় সাধারণত ইন্টারভাল ও রেশিও ডেটার ক্ষেত্রে ব্যবহৃত হয়, যেমন গড় পারিবারিক আয় বা প্রতি সপ্তাহে কাজের গড় ঘণ্টা। তবে, গড় চরম মানগুলোর প্রতি সংবেদনশীল। সামাজিক গবেষণায়, খুব উচ্চ আয়ের মতো আউটলায়ারগুলো গড়কে বিকৃত করতে পারে এবং একটি কম প্রতিনিধিত্বমূলক চিত্র তৈরি করতে পারে।
– ডেটা সাজানোর পর প্রাপ্ত মধ্যবর্তী মানটিই হলো মধ্যমা। মধ্যমা ব্যতিক্রমী মানের প্রভাবকে তুলনামূলকভাবে কম প্রভাবিত করে, তাই এটি প্রায়শই আয় বা ব্যয়ের মতো চলকের ক্ষেত্রে ব্যবহৃত হয়, যেগুলোর বিন্যাস অসমমিত হওয়ার প্রবণতা থাকে।
মোড হলো সেই মান যা সবচেয়ে বেশিবার দেখা যায়। এটি বিশেষত নমিনাল ডেটার ক্ষেত্রে উপযোগী, যেমন উত্তরদাতাদের দ্বারা সবচেয়ে বেশিবার পালন করা পেশার বিভাগ।
এই তিনটিকে একত্রিত করার মাধ্যমে গবেষকরা আরও ভারসাম্যপূর্ণভাবে তথ্য ব্যাখ্যা করতে পারেন এবং শুধু একটি পরিমাপের উপর আটকে থাকেন না।
বিস্তারের পরিমাপ: ভেদাঙ্ক, পরিমিত ব্যবধান এবং পরিসর
সামাজিক গবেষণার জন্য শুধু গড় সম্পর্কেই নয়, বরং উত্তরদাতাদের মধ্যে কতটা ভিন্নতা রয়েছে সে সম্পর্কেও তথ্যের প্রয়োজন হয়। দুটি দলের গড় সন্তুষ্টি একই হতে পারে, কিন্তু তাদের মধ্যে ভিন্নতার মাত্রা আলাদা হতে পারে—একটি সমগোত্রীয়, অন্যটি অত্যন্ত বৈচিত্র্যময়।
পরিসর বৃহত্তম ও ক্ষুদ্রতম মানের মধ্যকার পার্থক্য দেখায়। এটি একটি সহজ পরিমাপ, কিন্তু ব্যতিক্রমী মান দ্বারা সহজেই প্রভাবিত হয়।
ভেদাঙ্ক এবং পরিমিত ব্যবধান গড়ের সাপেক্ষে উপাত্তের বিস্তৃতি পরিমাপ করে। পরিমিত ব্যবধান বেশি ব্যবহৃত হয়, কারণ এর একক মূল উপাত্তের এককের সমান হওয়ায় এর ব্যাখ্যা করা সহজ হয়।
– আন্তঃচতুর্থক পরিসর (IQR), যা হলো তৃতীয় চতুর্থক এবং প্রথম চতুর্থকের মধ্যবর্তী দূরত্ব, তা প্রায়শই তখন ব্যবহৃত হয় যখন উপাত্ত স্বাভাবিকভাবে বিন্যস্ত থাকে না বা তাতে ব্যতিক্রমী মান (outliers) থাকে।
সামাজিক সমীক্ষায়, মনোভাবের মাপকাঠিতে উচ্চ আদর্শ বিচ্যুতি সমাজে মতামতের মেরুকরণ নির্দেশ করতে পারে, অপরদিকে নিম্ন আদর্শ বিচ্যুতি ঐকমত্য নির্দেশ করতে পারে।
ডেটা বিতরণ এবং বিতরণ ফর্ম
বর্ণনামূলক পরিসংখ্যানে উপাত্তের বিন্যাসও বিবেচনা করা হয়। প্রায়শই আলোচিত দুটি ধারণা হলো:
– বক্রতা: কোনো বিন্যাস ডান বা বাম দিকে হেলে থাকা। উদাহরণস্বরূপ, আয় সাধারণত ডান দিকে হেলে থাকে, কারণ অল্প সংখ্যক লোকের আয় অনেক বেশি।
– কার্টোসিস: এটি কোনো বিন্যাসের চূড়াগুলোর তীক্ষ্ণতা এবং প্রান্তভাগগুলোর পুরুত্ব বর্ণনা করে। সামাজিক প্রেক্ষাপটে, ডেটা নির্দিষ্ট কিছু মানের চারপাশে কেন্দ্রীভূত নাকি প্রান্তিক পর্যায়ে ছড়িয়ে আছে, তা বুঝতে কার্টোসিস সাহায্য করতে পারে।
বন্টন সম্পর্কে ধারণা থাকলে উপযুক্ত বিশ্লেষণ ও দৃশ্যায়ন কৌশল বেছে নিতে সুবিধা হয় এবং ভুল ব্যাখ্যা প্রতিরোধ করা যায়।
ডেটা উপস্থাপন: সারণি এবং ভিজ্যুয়ালাইজেশন
বর্ণনামূলক পরিসংখ্যানের শক্তি শুধু গণনার মধ্যেই নয়, বরং তথ্য উপস্থাপনের পদ্ধতির মধ্যেও নিহিত। ভালো উপস্থাপনা সামাজিক গবেষণার ফলাফলকে পাঠক, নীতিনির্ধারক এবং সাধারণ মানুষের জন্য সহজে বোধগম্য করে তোলে।
১. গণসংখ্যা সারণি: প্রতিটি বিভাগে উত্তরদাতাদের সংখ্যা ও শতাংশ দেখায়। উদাহরণস্বরূপ, শিক্ষাগত যোগ্যতার স্তর বা রাজনৈতিক পছন্দের বন্টন।
২. বার চার্ট: পেশার ধরন বা বৈবাহিক অবস্থার মতো শ্রেণিবদ্ধ তথ্যের জন্য উপযুক্ত।
৩. পাই চার্ট: এটি প্রায়শই ব্যবহৃত হয়, যদিও এক্ষেত্রে সতর্ক থাকতে হয় কারণ এর অনুরূপ অংশগুলোর তুলনা করা কঠিন।
৪. হিস্টোগ্রাম: সংখ্যাসূচক তথ্যের জন্য আদর্শ, যেমন বয়সের বণ্টন বা ইন্টারনেট ব্যবহারের সময়কাল।
৫. বক্সপ্লট: বিভিন্ন গোষ্ঠীর মধ্যে বন্টন তুলনা করার জন্য, যেমন শহুরে ও গ্রামীণ এলাকার আয়ের তুলনা, এবং ব্যতিক্রমী মান শনাক্ত করার জন্য এটি খুব উপযোগী।
দৃশ্যায়ন শুধু অলঙ্করণ নয়; এটি বিন্যাস, প্রবণতা এবং অসঙ্গতি বোঝার প্রক্রিয়াকে ত্বরান্বিত করে।
সমাজ অধ্যয়নে প্রয়োগ: দৃষ্টান্তমূলক ঘটনা
ধরা যাক, একজন গবেষক একটি শহরে “সরকারি পরিষেবার প্রতি জনগণের আস্থার মাত্রা” পরীক্ষা করছেন। গবেষক ৪০০ জন উত্তরদাতার কাছ থেকে ১-৫ (অত্যন্ত অবিশ্বাসী থেকে অত্যন্ত বিশ্বাসী) স্কেল ব্যবহার করে তথ্য সংগ্রহ করেন, পাশাপাশি বয়স, শিক্ষা এবং পেশার মতো জনতাত্ত্বিক তথ্যও সংগ্রহ করেন।
যে বর্ণনামূলক পদক্ষেপগুলো নেওয়া যেতে পারে:
– শিক্ষা এবং পেশা বিভাগগুলোর জন্য গণসংখ্যা সারণি সংকলন করুন।
– সামগ্রিক গড় আত্মবিশ্বাস স্তর গণনা করুন।
– বিন্যাসটি প্রতিসম না হলে মধ্যবর্তী মানটি দেখার জন্য মধ্যমা নির্ণয় করুন।
– আত্মবিশ্বাসের স্তর কতটা পরিবর্তিত হয় তা বের করতে আদর্শ বিচ্যুতি গণনা করুন।
– শিক্ষাগত যোগ্যতা (উচ্চ বিদ্যালয়, ডিপ্লোমা, স্নাতক) অনুযায়ী আত্মবিশ্বাসের স্তরের একটি বক্সপ্লট তৈরি করুন, যাতে বিন্যাসের মধ্যে কোনো পার্থক্য আছে কিনা তা দেখা যায়।
– অধিকাংশ উত্তরদাতা নিম্ন, মধ্যম, নাকি উচ্চ স্কোরে আছেন, তা দেখার জন্য একটি হিস্টোগ্রাম তৈরি করুন।
বর্ণনামূলক ফলাফল থেকে গবেষকরা দেখতে পারেন যে, গড় আস্থার স্কোর ‘মোটামুটি’ পর্যায়ে রয়েছে, কিন্তু এর আদর্শ বিচ্যুতি অনেক বেশি, যা অত্যন্ত বিশ্বাসী এবং অত্যন্ত অবিশ্বাসী গোষ্ঠীর উপস্থিতির ইঙ্গিত দেয়। এই পর্যবেক্ষণটি পরবর্তী বিশ্লেষণের ভিত্তি তৈরি করতে পারে: কোন বিষয়গুলো এই পার্থক্যগুলোকে প্রভাবিত করে?
সীমাবদ্ধতা এবং সতর্কতা
বর্ণনামূলক পরিসংখ্যান অত্যন্ত উপকারী হলেও এর কিছু সীমাবদ্ধতা রয়েছে। এটি কার্যকারণ সম্পর্ক প্রমাণ করতে পারে না, বিভিন্ন গোষ্ঠীর মধ্যে পার্থক্য পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ কিনা তা নিশ্চিত করতে পারে না এবং নমুনা পক্ষপাতদুষ্ট হলে এটি সমগ্র জনগোষ্ঠীর প্রতিনিধিত্ব করে না। অধিকন্তু, প্রেক্ষাপট ছাড়া গড় উপস্থাপন করা বিভ্রান্তিকর হতে পারে, বিশেষ করে অপ্রতিসম বা ব্যতিক্রমী মানযুক্ত তথ্যের ক্ষেত্রে। তাই, সমাজ গবেষকদের একই সাথে একাধিক পরিমাপ উপস্থাপন করতে হবে, প্রেক্ষাপট ব্যাখ্যা করতে হবে এবং তথ্য সংগ্রহ প্রক্রিয়া সম্পর্কে স্বচ্ছ থাকতে হবে।
বন্ধ
সামাজিক গবেষণায় বর্ণনামূলক পরিসংখ্যানের প্রয়োগ গবেষকদের উপাত্তকে সামগ্রিকভাবে বুঝতে সাহায্য করার ক্ষেত্রে একটি অত্যন্ত গুরুত্বপূর্ণ পদক্ষেপ। কেন্দ্রীয় প্রবণতার পরিমাপ, বিস্তৃতির পরিমাপ, বণ্টন বিশ্লেষণ এবং সারণি ও লেখচিত্রে উপাত্ত উপস্থাপনের মাধ্যমে গবেষকরা সামাজিক পরিস্থিতিকে আরও বস্তুনিষ্ঠ ও সহজবোধ্যভাবে বর্ণনা করতে পারেন। বর্ণনামূলক পরিসংখ্যান কেবল পাঠকদের সামগ্রিক চিত্রটি বুঝতে সাহায্য করে না, বরং গবেষকদের আরও অনুসন্ধানের জন্য নতুন ধরন ও প্রশ্ন আবিষ্কার করতেও সহায়তা করে। এই বৈচিত্র্যময় সামাজিক বিশ্বে, নির্ভরযোগ্য, প্রাসঙ্গিক এবং অর্থবহ গবেষণা সম্পাদনের জন্য উপাত্তকে নির্ভুলভাবে সারসংক্ষেপ করার ক্ষমতাই মূল চাবিকাঠি।
