মৌলিক পরিসংখ্যান ব্যবহার করে জরিপ তথ্য প্রক্রিয়াকরণ কৌশল
একাডেমিক গবেষণা, পরিষেবা মূল্যায়ন, বাজার গবেষণা বা প্রাতিষ্ঠানিক সিদ্ধান্ত গ্রহণ—যে কোনো ক্ষেত্রেই উত্তরদাতাদের কাছ থেকে তথ্য সংগ্রহের জন্য জরিপ অন্যতম প্রচলিত একটি পদ্ধতি। তবে, জরিপের তথ্য পদ্ধতিগতভাবে প্রক্রিয়াজাত না করা হলে তা অর্থহীন হয়ে পড়ে। এখানেই মৌলিক পরিসংখ্যানের ভূমিকা শুরু হয়: এটি গবেষকদের তথ্য সংক্ষিপ্ত করতে, ধরন শনাক্ত করতে, প্রবণতা মূল্যায়ন করতে এবং প্রাথমিক, পরিমাপযোগ্য সিদ্ধান্তে পৌঁছাতে সাহায্য করে। এই নিবন্ধে, তথ্য প্রস্তুতি থেকে শুরু করে ফলাফল ব্যাখ্যা পর্যন্ত, মৌলিক পরিসংখ্যান ব্যবহার করে জরিপের তথ্য প্রক্রিয়াজাতকরণের বিভিন্ন কৌশল নিয়ে আলোচনা করা হয়েছে।
১. জরিপ ডেটার প্রকারভেদ বোঝা
ডেটা প্রক্রিয়াকরণের আগে প্রথম ধাপ হলো কী ধরনের ডেটা সংগ্রহ করা হচ্ছে তা বোঝা। সাধারণত, জরিপের ডেটার মধ্যে অন্তর্ভুক্ত থাকতে পারে:
১. শ্রেণিমূলক (গুণগত) তথ্য
উদাহরণস্বরূপ: লিঙ্গ, ব্র্যান্ডের পছন্দ, কর্মসংস্থানের অবস্থা। এই ডেটা সাধারণত ফ্রিকোয়েন্সি এবং শতাংশ ব্যবহার করে বিশ্লেষণ করা হয়।
২. ক্রমিক তথ্য
উদাহরণস্বরূপ: সন্তুষ্টির মাত্রা (অত্যন্ত অসন্তুষ্ট–অত্যন্ত সন্তুষ্ট), সম্মতির স্তর (দৃঢ়ভাবে অসম্মত–দৃঢ়ভাবে সম্মত)। অর্ডিনাল ডেটার একটি ক্রম থাকে, কিন্তু বিভিন্ন শ্রেণীর মধ্যে দূরত্ব সবসময় একই হয় না।
৩. সংখ্যাসূচক (পরিমাণগত) তথ্য
উদাহরণস্বরূপ: বয়স, আয়, ক্রয়ের সংখ্যা। এই উপাত্ত কেন্দ্রীয় প্রবণতা, বিস্তৃতি এবং অন্যান্য বিভিন্ন কৌশলের পরিমাপ ব্যবহার করে বিশ্লেষণ করা যেতে পারে।
পরিমাপের স্কেল (নমিনাল, অর্ডিনাল, ইন্টারভাল, রেশিও) বোঝা গুরুত্বপূর্ণ, কারণ এর মাধ্যমে উপযুক্ত পরিসংখ্যানগত কৌশল এবং ফলাফল উপস্থাপনের পদ্ধতি নির্ধারণ করা যায়।
২. প্রস্তুতি পর্যায়: ডেটা সম্পাদনা ও পরিষ্করণ
জরিপের তথ্যে প্রায়শই ভুল, পুনরাবৃত্তি বা অসামঞ্জস্যপূর্ণ উত্তর থাকে। তাই, দুটি গুরুত্বপূর্ণ পদক্ষেপ প্রয়োজন:
ক. সম্পাদনা
উত্তরদাতার উত্তরগুলোর সম্পূর্ণতা ও সামঞ্জস্য যাচাই করুন। উদাহরণস্বরূপ, যদি কোনো উত্তরদাতার বয়স ৮ বছর হয় কিন্তু তার কর্মসংস্থানের অবস্থা "কর্মচারী" হয়, তবে এটি পর্যালোচনা করা প্রয়োজন।
খ. পরিষ্কার করা
এখান থেকে ডেটা পরিষ্কার করুন:
– অনুপস্থিত ডেটা (অনুপস্থিত মান): উত্তরদাতারা কিছু প্রশ্নের উত্তর দেননি।
– আউটলায়ার: একটি চরম মান যা অযৌক্তিক, উদাহরণস্বরূপ সাধারণ জনগণের জন্য প্রতি মাসে ১ বিলিয়ন আয়।
– উত্তরের পুনরাবৃত্তি: উত্তরদাতারা একাধিকবার জরিপটি সম্পন্ন করেন।
বিশ্লেষণের উদ্দেশ্য এবং অনুপস্থিত ডেটার অনুপাতের উপর নির্ভর করে, অনুপস্থিত মানগুলো সামলানোর জন্য এন্ট্রি মুছে ফেলা, সংখ্যাসূচক ডেটার ক্ষেত্রে সেগুলোকে গড়/মধ্যক মান দিয়ে প্রতিস্থাপন করা, অথবা শ্রেণিবদ্ধ ডেটার জন্য “উত্তর দেওয়া হয়নি” বিকল্পটি ব্যবহার করা যেতে পারে।
৩. কোডিং এবং ডেটা এন্ট্রি
ডেটা পরিষ্কার হয়ে গেলে, সেটিকে কোড করুন, যার অর্থ হলো উত্তরগুলোকে এমন একটি ফরম্যাটে রূপান্তর করা যা প্রক্রিয়া করা সহজ। উদাহরণস্বরূপ:
– লিঙ্গ: পুরুষ=১, মহিলা=২
– লিকার্ট স্কেল: সম্পূর্ণ দ্বিমত = ১ থেকে সম্পূর্ণ একমত = ৫
কোডিং এক্সেল, এসপিএসএস, আর বা পাইথনের মতো সফটওয়্যারে ডেটা ইনপুট করা সহজ করে তোলে। একটি কোডবুক (ভেরিয়েবল, সংজ্ঞা এবং কোড সম্বলিত একটি ডকুমেন্ট) তৈরি করতে ভুলবেন না, যাতে আপনার বিশ্লেষণটি অন্যরাও বুঝতে পারে এবং এর পুনরাবৃত্তি করতে পারে।
৪. বর্ণনামূলক পরিসংখ্যান: জরিপ তথ্যের সারসংক্ষেপ
বর্ণনামূলক পরিসংখ্যান হলো প্রাথমিক তথ্য প্রক্রিয়াকরণের মূল ভিত্তি। এর উদ্দেশ্য তত্ত্ব পরীক্ষা করা নয়, বরং তথ্যের বৈশিষ্ট্য সম্পর্কে একটি সাধারণ ধারণা দেওয়া।
ক. গণসংখ্যা ও শতকরা বন্টন
শ্রেণীগত এবং ক্রমিক তথ্যের জন্য গণনা করুন:
– পুনরাবৃত্তি (প্রতিক্রিয়ার সংখ্যা)
– শতাংশ (মোট প্রতিক্রিয়ার অনুপাত)
উদাহরণ ফলাফল:
উত্তরদাতাদের মধ্যে ৬০% পরিষেবা ‘এ’ এবং ৪০% পরিষেবা ‘বি’ বেছে নিয়েছেন।
সহজবোধ্যতার জন্য গণসংখ্যা বিন্যাস সাধারণত সারণি এবং বার/পাই গ্রাফের মাধ্যমে উপস্থাপন করা হয়।
খ. কেন্দ্রীয় প্রবণতার পরিমাপ
সংখ্যাসূচক ডেটার জন্য ব্যবহার করুন:
– গড় (মিন): সকল মানের সমষ্টিকে উত্তরদাতার সংখ্যা দিয়ে ভাগ করে প্রাপ্ত মান।
– মধ্যক: ডেটা সাজানোর পর প্রাপ্ত মধ্যবর্তী মান।
– মোড: যে মানটি সবচেয়ে বেশিবার দেখা যায়।
গড় তুলনামূলকভাবে প্রতিসম বিন্যাসযুক্ত ডেটার জন্য উপযুক্ত, অন্যদিকে যখন ডেটাতে ব্যতিক্রমী মান থাকে বা বিন্যাসটি অপ্রতিসম হয়, তখন মধ্যক বেশি স্থিতিশীল থাকে। প্রচুরক প্রায়শই শ্রেণিবদ্ধ ডেটার জন্য বা যখন আপনি সর্বাধিক প্রচলিত বিকল্পটি দেখতে চান, তখন উপযোগী হয়।
গ. বিস্তারের আকার (পরিবর্তনশীলতা)
বিচ্যুতির পরিমাপগুলো উত্তরদাতাদের উত্তরের মধ্যে কতটা ভিন্নতা রয়েছে তা নির্ধারণ করতে সাহায্য করে:
– পরিসর: সর্বোচ্চ ও সর্বনিম্ন মানের মধ্যকার পার্থক্য।
– ভেদাঙ্ক: মানগুলো এবং গড়ের পার্থক্যের গড় বর্গ।
– পরিমিত ব্যবধান: ভেদাঙ্কের বর্গমূল, যা ব্যাখ্যা করা সহজ কারণ এর একক মূল উপাত্তের এককের সমান।
উদাহরণস্বরূপ, দুটি দলের গড় সন্তুষ্টি একই হতে পারে, কিন্তু তাদের আদর্শ বিচ্যুতি ভিন্ন হতে পারে—যে দলের আদর্শ বিচ্যুতি বেশি, তার মানে হলো উত্তরদাতাদের উত্তরে অধিক বৈচিত্র্য রয়েছে।
৫. ডেটা ভিজ্যুয়ালাইজেশন
গ্রাফ ফলাফল দ্রুত এবং স্পষ্টভাবে জানাতে সাহায্য করে। জরিপের তথ্যের জন্য কিছু সাধারণ ভিজ্যুয়ালাইজেশন হলো:
– বার চার্ট: ক্যাটাগরিক্যাল/অর্ডিনাল ডেটার জন্য।
– হিস্টোগ্রাম: সংখ্যাসূচক তথ্যের বিন্যাস দেখানোর জন্য।
– বক্সপ্লট: মধ্যক, কোয়ার্টাইল এবং আউটলায়ার দেখায়।
– লাইন চার্ট: যদি জরিপটি পর্যায়ক্রমে পরিচালিত হয় (সময়ভিত্তিক)।
ভুল ব্যাখ্যা এড়ানোর জন্য একটি ভালো ভিজ্যুয়ালাইজেশনে শিরোনাম, অক্ষের লেবেল এবং ডেটার উৎস উল্লেখ করা উচিত।
৬. ক্রসট্যাব বিশ্লেষণ
দুটি ক্যাটাগরিক্যাল বা অর্ডিনাল ভেরিয়েবলের মধ্যে সম্পর্ক দেখার জন্য ক্রসট্যাবুলেশন ব্যবহার করা হয়। উদাহরণ:
– লিঙ্গভিত্তিক সন্তুষ্টি (সন্তুষ্ট/অসন্তুষ্ট)
– বয়স-গোষ্ঠীর ভিত্তিতে পণ্য নির্বাচন
ক্রসট্যাবের ফলাফল সাধারণত সারি বা কলাম অনুযায়ী শতাংশে উপস্থাপন করা হয়। বিভিন্ন গোষ্ঠীর মধ্যে প্যাটার্নের পার্থক্য শনাক্ত করার জন্য এটি সহায়ক।
মিসলনিয়া:
১৮-২৫ বছর বয়সীদের তুলনায় ২৬-৩৫ বছর বয়সীদের মধ্যে সন্তুষ্ট উত্তরদাতার হার বেশি ছিল।
যদিও ক্রস-ট্যাবুলেশনগুলো মূলত বর্ণনামূলক, এর ফলাফলগুলো প্রায়শই পরবর্তী বিশ্লেষণের ভিত্তি হিসেবে কাজ করে।
৭. লিকার্ট স্কেলের প্রক্রিয়াকরণ: স্কোরিং এবং ব্যাখ্যা
অনেক জরিপে ১-৫ বা ১-৭ এর লিকার্ট স্কেল ব্যবহার করা হয়। প্রক্রিয়াকরণ কৌশলগুলোর মধ্যে রয়েছে:
১. প্রতিটি আইটেমের গড় স্কোর গণনা করুন।
উদাহরণস্বরূপ, “পরিষেবার মান”-এর গড় রেটিং হলো ৫-এর মধ্যে ৪.২।
২. একটি ইনডেক্স/কম্পোজিট তৈরি করুন
যদি একটি ধারণা পরিমাপ করার জন্য একাধিক আইটেম থাকে (যেমন, “সন্তুষ্টি” বিষয়ে ৫টি প্রশ্ন), তাহলে একটি একক সূচক মান তৈরি করার জন্য স্কোরগুলো যোগ বা গড় করা যেতে পারে।
৩. স্কোরের শ্রেণীকরণ
নির্দিষ্ট সীমা সাপেক্ষে স্কোরগুলোকে নিম্ন, মধ্যম, উচ্চের মতো বিভিন্ন শ্রেণীতে রূপান্তর করা যেতে পারে।
লিকার্ট ব্যাখ্যায় ব্যবহৃত স্কেল উল্লেখ করা এবং স্কোরগুলোর অর্থ ব্যাখ্যা করা গুরুত্বপূর্ণ, যাতে পাঠক প্রসঙ্গটি বুঝতে পারেন।
৮. সাধারণ নির্ভরযোগ্যতা যাচাই (ঐচ্ছিক)
আপনি যদি একাধিক প্রশ্ন থেকে একটি সূচক তৈরি করেন, তবে এর অভ্যন্তরীণ সামঞ্জস্যতা পরীক্ষা করে নেওয়া ভালো। এর একটি প্রচলিত পরিমাপ হলো ক্রনবাকের আলফা। যদিও এটি বিশুদ্ধ 'মৌলিক পরিসংখ্যান'-এর চেয়ে কিছুটা ভিন্ন, তবুও জরিপ প্রক্রিয়াকরণে এই ধারণাটি প্রায়শই ব্যবহৃত হয়। একটি উচ্চতর আলফা মান (যেমন, ≥ ০.৭) সাধারণত নির্দেশ করে যে আইটেমগুলো বেশ সামঞ্জস্যপূর্ণভাবে একই ধারণা পরিমাপ করছে।
৯. ফলাফলের ব্যাখ্যা ও প্রতিবেদন
সঠিক ডেটা প্রক্রিয়াকরণের ফলে সুস্পষ্ট প্রতিবেদন তৈরি হওয়া উচিত। আপনার প্রতিবেদনে নিম্নলিখিত বিষয়গুলো অবশ্যই অন্তর্ভুক্ত করবেন:
– উত্তরদাতার প্রোফাইল (গুরুত্বপূর্ণ জনতাত্ত্বিক তথ্য)
– প্রধান চলক অনুযায়ী ফলাফলের সারসংক্ষেপ
– প্রাসঙ্গিক সারণি/গ্রাফ
– অতিরঞ্জিত নয় এমন ব্যাখ্যা
জরিপটি শুধুমাত্র বর্ণনামূলক হলে কার্যকারণ সম্পর্ক অনুমান করা থেকে বিরত থাকুন। একটি দৃঢ়তর সম্পর্ক স্থাপনের জন্য উপযুক্ত গবেষণা নকশা এবং অনুমানমূলক পরিসংখ্যানগত পরীক্ষা প্রয়োজন।
৯. যে সাধারণ ভুলগুলো এড়িয়ে চলতে হবে
জরিপের তথ্য প্রক্রিয়াকরণে প্রায়শই যে ত্রুটিগুলো ঘটে থাকে:
– পরিষ্কার-পরিচ্ছন্নতা না করার কারণে ফলাফল পক্ষপাতদুষ্ট।
অক্রমবদ্ধ শ্রেণিবদ্ধ ডেটার গড় ব্যবহার
পরিমাপের স্কেল ব্যাখ্যা করা হয়নি
সুস্পষ্ট কৌশল ছাড়া অনুপস্থিত মান উপেক্ষা করা
লেবেল বা প্রেক্ষাপট ছাড়া গ্রাফ উপস্থাপন করা
এই ত্রুটিগুলো পরিহার করলে বিশ্লেষণের ফলাফল আরও বৈধ ও নির্ভরযোগ্য হয়ে ওঠে।
বন্ধ
মৌলিক পরিসংখ্যান ব্যবহার করে জরিপের তথ্য প্রক্রিয়াকরণ কৌশলের মধ্যে কয়েকটি অপরিহার্য ধাপ অন্তর্ভুক্ত রয়েছে: তথ্যের প্রকারভেদ বোঝা, উত্তরগুলো পরিষ্করণ ও কোডিং করা, বর্ণনামূলক পরিসংখ্যানের মাধ্যমে তথ্যের সারসংক্ষেপ করা, তথ্যের দৃশ্যায়ন এবং ফলাফলের নির্ভুল ব্যাখ্যা। মৌলিক পরিসংখ্যান কেবল তথ্যকে আরও 'পাঠযোগ্য' করে তুলতেই সাহায্য করে না, বরং জরিপ-ভিত্তিক সিদ্ধান্তের মানকেও শক্তিশালী করে। একটি পরিচ্ছন্ন ও স্বচ্ছ প্রক্রিয়ার মাধ্যমে, জরিপের তথ্য বিভিন্ন গবেষণার প্রয়োজন এবং প্রাতিষ্ঠানিক কার্যক্রমের জন্য মূল্যবান ও নির্ভুল অন্তর্দৃষ্টির উৎস হয়ে উঠতে পারে।
আপনি চাইলে, আমি আপনাকে ফর্মুলা ও টেমপ্লেটসহ এক্সেল/এসপিএসএস-এ নমুনা টেবিল, জরিপের ফলাফল প্রতিবেদনের ফরম্যাট, অথবা জরিপের ডেটা প্রক্রিয়াকরণের ধাপসমূহ তৈরি করতেও সাহায্য করতে পারি।
