အခြေခံစာရင်းအင်းများကို အသုံးပြု၍ စစ်တမ်းဒေတာ စီမံဆောင်ရွက်ခြင်းနည်းစနစ်များ
ပညာရေးဆိုင်ရာ သုတေသန၊ ဝန်ဆောင်မှု အကဲဖြတ်ခြင်း၊ ဈေးကွက်သုတေသန သို့မဟုတ် အဖွဲ့အစည်းဆိုင်ရာ ဆုံးဖြတ်ချက်ချမှတ်ခြင်းအတွက်ဖြစ်စေ စစ်တမ်းများသည် တုံ့ပြန်သူများထံမှ ဒေတာများ စုဆောင်းရန် အသုံးအများဆုံး နည်းလမ်းများထဲမှ တစ်ခုဖြစ်သည်။ သို့သော်၊ စစ်တမ်းဒေတာများကို စနစ်တကျ မစီမံမခန့်ခွဲပါက အဓိပ္ပာယ်မရှိပါ။ ဤနေရာတွင် အခြေခံစာရင်းအင်းများသည် အရေးပါလာပါသည်- သုတေသီများအား ဒေတာများကို အကျဉ်းချုပ်ရန်၊ ပုံစံများကို ဖော်ထုတ်ရန်၊ ခေတ်ရေစီးကြောင်းများကို အကဲဖြတ်ရန်နှင့် ကနဦး၊ တိုင်းတာနိုင်သော နိဂုံးချုပ်မှုများ ရေးဆွဲရန် ကူညီပေးပါသည်။ ဤဆောင်းပါးသည် ဒေတာပြင်ဆင်မှုမှ ရလဒ်အဓိပ္ပာယ်ဖွင့်ဆိုချက်အထိ အခြေခံစာရင်းအင်းများကို အသုံးပြု၍ စစ်တမ်းဒေတာ စီမံဆောင်ရွက်သည့် နည်းစနစ်များကို ဆွေးနွေးထားသည်။
၁။ စစ်တမ်းဒေတာအမျိုးအစားများကို နားလည်ခြင်း
ဒေတာများကို စီမံဆောင်ရွက်ခြင်းမပြုမီ ပထမခြေလှမ်းမှာ စုဆောင်းနေသော ဒေတာအမျိုးအစားကို နားလည်ခြင်းဖြစ်သည်။ ယေဘုယျအားဖြင့် စစ်တမ်းဒေတာတွင် အောက်ပါတို့ ပါဝင်နိုင်သည်-
၁။ အမျိုးအစားခွဲခြား (အရည်အသွေးဆိုင်ရာ) အချက်အလက်
ဥပမာ- ကျား၊မ၊ အမှတ်တံဆိပ် နှစ်သက်မှု၊ အလုပ်အကိုင် အခြေအနေ။ ဤဒေတာကို ပုံမှန်အားဖြင့် ကြိမ်နှုန်းနှင့် ရာခိုင်နှုန်းများကို အသုံးပြု၍ ခွဲခြမ်းစိတ်ဖြာသည်။
၂။ အစဉ်လိုက်ဒေတာ
ဥပမာ- စိတ်ကျေနပ်မှုစကေး (အလွန်မကျေနပ်ပါ - အလွန်ကျေနပ်သည်)၊ သဘောတူညီမှုအဆင့် (လုံးဝသဘောမတူပါ - လုံးဝသဘောတူသည်)။ အစဉ်လိုက်ဒေတာတွင် အစီအစဉ်ရှိသော်လည်း အမျိုးအစားများအကြား အကွာအဝေးသည် မဖြစ်မနေတူညီမည်မဟုတ်ပါ။
၃။ ဂဏန်းသင်္ချာ (အရေအတွက်ဆိုင်ရာ) အချက်အလက်
ဥပမာ- အသက်၊ ဝင်ငွေ၊ ဝယ်ယူမှုအရေအတွက်။ ဤဒေတာကို ဗဟိုလမ်းကြောင်း၊ ပျံ့နှံ့မှုနှင့် အခြားနည်းပညာအမျိုးမျိုးကို အသုံးပြု၍ ခွဲခြမ်းစိတ်ဖြာနိုင်သည်။
တိုင်းတာမှုစကေးများ (အမည်ခံ၊ အစဉ်လိုက်၊ ကြားကာလ၊ အချိုး) ကို နားလည်ခြင်းသည် အရေးကြီးပါသည်၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းသည် သင့်လျော်သော စာရင်းအင်းနည်းစနစ်များနှင့် ရလဒ်များကို မည်သို့တင်ပြရမည်ကို ဆုံးဖြတ်ပေးသောကြောင့်ဖြစ်သည်။
၂။ ပြင်ဆင်မှုအဆင့်- ဒေတာများကို တည်းဖြတ်ခြင်းနှင့် သန့်ရှင်းရေးလုပ်ခြင်း
စစ်တမ်းဒေတာတွင် အမှားအယွင်းများ၊ ထပ်တူကျခြင်း သို့မဟုတ် ကွဲလွဲသော တုံ့ပြန်မှုများ ပါဝင်လေ့ရှိသည်။ ထို့ကြောင့် အရေးကြီးသော အဆင့်နှစ်ဆင့် လိုအပ်ပါသည်။
က။ တည်းဖြတ်ခြင်း
တုံ့ပြန်သူ၏ အဖြေများ၏ ပြီးပြည့်စုံမှုနှင့် တသမတ်တည်းရှိမှုကို စစ်ဆေးပါ။ ဥပမာအားဖြင့်၊ တုံ့ပြန်သူ၏ အသက်သည် ၈ နှစ်ဖြစ်သော်လည်း ၎င်းတို့၏ အလုပ်အကိုင်အခြေအနေသည် "ဝန်ထမ်း" ဖြစ်ပါက ၎င်းကို ပြန်လည်သုံးသပ်ရန် လိုအပ်ပါသည်။
ခ။ သန့်ရှင်းရေး
အောက်ပါမှ ဒေတာများကို သန့်ရှင်းရေးလုပ်ပါ-
– ဒေတာ ပျောက်ဆုံးနေ (တန်ဖိုးများ ပျောက်ဆုံးနေ): တုံ့ပြန်သူများသည် မေးခွန်းအချို့ကို မဖြေဆိုခဲ့ပါ။
– Outlier: အဓိပ္ပါယ်မရှိသော အလွန်အမင်းတန်ဖိုး၊ ဥပမာအားဖြင့် ယေဘုယျလူဦးရေအတွက် တစ်လလျှင် ဝင်ငွေ ၁ ဘီလီယံ။
– တုံ့ပြန်မှုထပ်တူကျခြင်း- တုံ့ပြန်သူများသည် စစ်တမ်းကို တစ်ကြိမ်ထက်ပို၍ ဖြည့်စွက်ကြသည်။
ပျောက်ဆုံးနေသောတန်ဖိုးများကို ကိုင်တွယ်ခြင်းကို entry များကို ဖျက်ခြင်း၊ ၎င်းတို့ကို ပျမ်းမျှ/အလယ်အလတ်တန်ဖိုး (ဂဏန်းဒေတာအတွက်) ဖြင့် အစားထိုးခြင်း သို့မဟုတ် ခွဲခြမ်းစိတ်ဖြာမှု၏ ရည်ရွယ်ချက်နှင့် ပျောက်ဆုံးနေသောဒေတာအချိုးအစားပေါ် မူတည်၍ အမျိုးအစားအလိုက်ဒေတာအတွက် “မဖြေခဲ့” အမျိုးအစားကို အသုံးပြုခြင်းဖြင့် ပြုလုပ်နိုင်သည်။
၃။ ကုဒ်ရေးသားခြင်းနှင့် အချက်အလက်ထည့်သွင်းခြင်း
ဒေတာများ သန့်ရှင်းသွားပါက ၎င်းကို ကုဒ်ရေးပါ၊ ဆိုလိုသည်မှာ အဖြေများကို စီမံဆောင်ရွက်ရလွယ်ကူသော ဖော်မတ်အဖြစ် ပြောင်းလဲခြင်းဖြစ်သည်။ ဥပမာ-
– ကျား/မ: ကျား=၁၊ မ=၂
– Likert Scale: လုံးဝသဘောမတူ = ၁ မှ လုံးဝသဘောတူ = ၅
ကုဒ်ရေးခြင်းက Excel၊ SPSS၊ R သို့မဟုတ် Python ကဲ့သို့သော ဆော့ဖ်ဝဲလ်များထဲသို့ ဒေတာထည့်သွင်းရန် ပိုမိုလွယ်ကူစေသည်။ သင့်ခွဲခြမ်းစိတ်ဖြာမှုကို ပုံတူကူးယူပြီး အခြားသူများ နားလည်နိုင်စေရန် ကုဒ်စာအုပ် (ကိန်းရှင်များ၊ အဓိပ္ပာယ်ဖွင့်ဆိုချက်များနှင့် ကုဒ်များပါရှိသော စာရွက်စာတမ်း) တစ်ခု ဖန်တီးရန် သေချာပါစေ။
၄။ ဖော်ပြချက်စာရင်းအင်းများ- စစ်တမ်းဒေတာများကို အကျဉ်းချုပ်ခြင်း
ဖော်ပြချက်စာရင်းအင်းများသည် ကနဦးဒေတာလုပ်ဆောင်မှု၏ အဓိကအချက်ဖြစ်သည်။ ၎င်းတို့၏ ရည်ရွယ်ချက်မှာ သီအိုရီများကို စမ်းသပ်ရန်မဟုတ်ဘဲ ဒေတာ၏ဝိသေသလက္ခဏာများ၏ အထွေထွေခြုံငုံသုံးသပ်ချက်ကို ပေးစွမ်းရန်ဖြစ်သည်။
က။ ကြိမ်နှုန်းနှင့် ရာခိုင်နှုန်းဖြန့်ဖြူးမှု
အမျိုးအစားအလိုက်နှင့် အစဉ်လိုက်ဒေတာအတွက် တွက်ချက်ပါ-
– ကြိမ်နှုန်း (တုံ့ပြန်မှုအရေအတွက်)
– ရာခိုင်နှုန်း (စုစုပေါင်းတုံ့ပြန်မှုအချိုး)
နမူနာရလဒ်များ-
"စစ်တမ်းကောက်ယူခံရသူ ၆၀% အထိက ဝန်ဆောင်မှု A ကို ရွေးချယ်ခဲ့ပြီး ၄၀% က ဝန်ဆောင်မှု B ကို ရွေးချယ်ခဲ့ကြပါတယ်။"
ကြိမ်နှုန်းဖြန့်ဖြူးမှုကို နားလည်ရလွယ်ကူစေရန်အတွက် ဇယားများနှင့် bar/pie graph များဖြင့် တင်ပြလေ့ရှိသည်။
ခ။ ဗဟိုတိမ်းညွတ်မှုတိုင်းတာခြင်း
ဂဏန်းဒေတာအတွက်၊ အသုံးပြုပါ-
– ပျမ်းမျှ (ပျမ်းမျှ): တုံ့ပြန်သူအရေအတွက်ဖြင့် ပိုင်းခြားထားသော တန်ဖိုးအားလုံး၏ ပေါင်းလဒ်။
– အလယ်အလတ်တန်ဖိုး- ဒေတာကို စီပြီးနောက် အလယ်အလတ်တန်ဖိုး။
– မုဒ်: အများဆုံးပေါ်လာသော တန်ဖိုး။
ပျမ်းမျှသည် နှိုင်းယှဉ်ရလျှင် ညီမျှသော ဖြန့်ဖြူးမှုရှိသော အချက်အလက်များအတွက် သင့်လျော်ပြီး၊ ပြင်ပအချက်အလက်များ သို့မဟုတ် စောင်းနေသော ဖြန့်ဖြူးမှုရှိနေသည့်အခါ အလယ်အလတ်သည် ပိုမိုတည်ငြိမ်သည်။ ဤမုဒ်သည် အမျိုးအစားအလိုက်ဒေတာအတွက် သို့မဟုတ် အသုံးအများဆုံးရွေးချယ်မှုကို သင်ကြည့်လိုသည့်အခါတွင် အသုံးဝင်လေ့ရှိသည်။
ဂ။ ပျံ့နှံ့မှု အရွယ်အစား (ပြောင်းလဲမှု)
ပျံ့နှံ့မှုတိုင်းတာမှုများသည် တုံ့ပြန်သူများ၏ အဖြေများ မည်မျှကွဲပြားသည်ကို ဆုံးဖြတ်ရန် ကူညီပေးသည်-
– အကွာအဝေး: အမြင့်ဆုံးနှင့် အနိမ့်ဆုံးတန်ဖိုးများအကြား ကွာခြားချက်။
– Variance: တန်ဖိုးများနှင့် ပျမ်းမျှကွာခြားချက်၏ ပျမ်းမျှစတုရန်း။
– စံသွေဖည်မှု- မူလဒေတာနှင့် ယူနစ်များတူညီသောကြောင့် အဓိပ္ပာယ်ဖွင့်ဆိုရန် ပိုမိုလွယ်ကူသည်။
ဥပမာအားဖြင့် အုပ်စုနှစ်စုသည် တူညီသော ပျမ်းမျှစိတ်ကျေနပ်မှုရှိနိုင်သော်လည်း စံသွေဖည်မှုများ မတူညီနိုင်သည်—စံသွေဖည်မှု ပိုကြီးသော အုပ်စုသည် တုံ့ပြန်သူများ၏ အဖြေများသည် ပိုမိုကွဲပြားသည်ဟု ဆိုလိုသည်။
၅။ ဒေတာမြင်ယောင်ခြင်း
ဂရပ်များသည် ရလဒ်များကို မြန်ဆန်စွာနှင့် ရှင်းလင်းစွာ ဖော်ပြရန် ကူညီပေးသည်။ စစ်တမ်းဒေတာအတွက် အသုံးများသော မြင်ယောင်မှုအမျိုးအစားအချို့-
– ဘားဇယား- အမျိုးအစားအလိုက်/ အစဉ်လိုက်ဒေတာအတွက်။
– Histogram: ဂဏန်းသင်္ချာဒေတာဖြန့်ဖြူးမှုအတွက်။
– Boxplot: median၊ quartiles နှင့် outliers များကို ပြသသည်။
– မျဉ်းဇယား- စစ်တမ်းကို အခါအားလျော်စွာ ပြုလုပ်ပါက (အချိန်စီးရီး)။
ကောင်းမွန်သော visualization တစ်ခုတွင် မှားယွင်းစွာ အဓိပ္ပာယ်ဖွင့်ဆိုခြင်းကို ရှောင်ရှားရန်အတွက် ခေါင်းစဉ်၊ ဝင်ရိုးအညွှန်းများနှင့် အချက်အလက်ရင်းမြစ်များ ပေးသင့်သည်။
၆။ Crosstab ခွဲခြမ်းစိတ်ဖြာခြင်း
Crosstabulation ကို categorical သို့မဟုတ် ordinal variable နှစ်ခုကြား ဆက်နွယ်မှုကို ကြည့်ရှုရန် အသုံးပြုသည်။ ဥပမာ-
– ကျား/မ အလိုက် စိတ်ကျေနပ်မှု (ကျေနပ်/မကျေနပ်)
- အသက်အရွယ်အလိုက် ထုတ်ကုန်ရွေးချယ်မှု
Crosstab ရလဒ်များကို များသောအားဖြင့် တစ်တန်းလျှင် သို့မဟုတ် ကော်လံလျှင် ရာခိုင်နှုန်းများဖြင့် တင်ပြလေ့ရှိသည်။ ၎င်းသည် အုပ်စုများအကြား ပုံစံကွာခြားချက်များကို ဖော်ထုတ်ရာတွင် အသုံးဝင်ပါသည်။
Misalnya-
"အသက် ၁၈ နှစ်မှ ၂၅ နှစ်ကြားနှင့် နှိုင်းယှဉ်ပါက အသက် ၂၆ နှစ်မှ ၃၅ နှစ်ကြားတွင် ကျေနပ်မှုရှိသော တုံ့ပြန်သူရာခိုင်နှုန်း ပိုမိုမြင့်မားပါသည်။"
ဇယားဖြတ်ကျော်မှုများသည် ဖော်ပြချက်သဘောသဘာဝရှိနေဆဲဖြစ်သော်လည်း၊ ရလဒ်များသည် နောက်ထပ်ခွဲခြမ်းစိတ်ဖြာမှုအတွက် အခြေခံအဖြစ် မကြာခဏဆောင်ရွက်လေ့ရှိသည်။
၇။ Likert စကေးများကို လုပ်ဆောင်ခြင်း- အမှတ်ပေးခြင်းနှင့် အဓိပ္ပာယ်ဖွင့်ဆိုခြင်း
စစ်တမ်းများစွာတွင် ၁–၅ သို့မဟုတ် ၁–၇ ၏ Likert စကေးကို အသုံးပြုသည်။ စီမံဆောင်ရွက်မှုနည်းစနစ်များတွင် အောက်ပါတို့ ပါဝင်သည်-
၁။ ပစ္စည်းတစ်ခုစီအတွက် ပျမ်းမျှရမှတ်ကို တွက်ချက်ပါ။
ဥပမာအားဖြင့် “ဝန်ဆောင်မှုအရည်အသွေး” အတွက် ပျမ်းမျှအဆင့်သတ်မှတ်ချက်မှာ ၅ မှတ်အနက် ၄.၂ မှတ်ဖြစ်သည်။
၂။ အညွှန်း/ပေါင်းစပ်မှုတစ်ခု ဖန်တီးပါ
အယူအဆတစ်ခုကို တိုင်းတာရန် အချက်အလက်များစွာရှိပါက (ဥပမာ “ကျေနပ်မှု” တွင် မေးခွန်း ၅ ခုပါဝင်သည်)၊ ရမှတ်များကို ပေါင်းထည့်ခြင်း သို့မဟုတ် ပျမ်းမျှခြင်းဖြင့် အညွှန်းကိန်းတန်ဖိုးတစ်ခု ဖန်တီးနိုင်သည်။
၃။ ရမှတ်အမျိုးအစားခွဲခြားခြင်း
ရမှတ်များကို အချို့သောကန့်သတ်ချက်များဖြင့် အနိမ့်-အလတ်-မြင့် ကဲ့သို့သော အမျိုးအစားများအဖြစ် ပြောင်းလဲနိုင်သည်။
Likert အဓိပ္ပာယ်ဖွင့်ဆိုချက်တွင်၊ အသုံးပြုထားသော စကေးကို ဖော်ပြပြီး စာဖတ်သူသည် နောက်ခံအကြောင်းအရာကို နားလည်နိုင်စေရန် ရမှတ်များ၏ အဓိပ္ပာယ်ကို ရှင်းပြရန် အရေးကြီးပါသည်။
၈။ ရိုးရှင်းသော ယုံကြည်စိတ်ချရမှု စစ်ဆေးခြင်း (ရွေးချယ်နိုင်သည်)
မေးခွန်းများစွာဖြင့် အညွှန်းကိန်းတစ်ခု တည်ဆောက်နေပါက ၎င်း၏ အတွင်းပိုင်း ညီညွတ်မှုကို စစ်ဆေးခြင်းသည် ကောင်းသော အကြံဥာဏ်တစ်ခုဖြစ်သည်။ အသုံးများသော တိုင်းတာမှုတစ်ခုမှာ Cronbach's Alpha ဖြစ်သည်။ ၎င်းသည် "အခြေခံစာရင်းအင်းများ" ထက် အနည်းငယ်ကျော်လွန်သော်လည်း ဤသဘောတရားကို စစ်တမ်းကောက်ယူခြင်းတွင် မကြာခဏ အသုံးပြုနေဆဲဖြစ်သည်။ အယ်လ်ဖာတန်ဖိုး မြင့်မားခြင်း (ဥပမာ ≥ 0,7) သည် ယေဘုယျအားဖြင့် အရာများသည် တူညီသော တည်ဆောက်ပုံကို အတော်လေး တသမတ်တည်း တိုင်းတာနေကြောင်း ညွှန်ပြသည်။
၉။ ရလဒ်များ၏ အဓိပ္ပာယ်ဖွင့်ဆိုချက်နှင့် အစီရင်ခံခြင်း
ကောင်းမွန်သောဒေတာစီမံဆောင်ရွက်မှုသည် ရှင်းလင်းသောအစီရင်ခံစာကို ဖြစ်ပေါ်စေသင့်သည်။ သင့်အစီရင်ခံစာတွင် အောက်ပါတို့ကို ထည့်သွင်းရန် သေချာပါစေ-
– တုံ့ပြန်သူပရိုဖိုင် (အရေးကြီးသော လူဦးရေစာရင်း)
- အဓိက variable တစ်ခုစီအတွက် ရလဒ်များ၏ အနှစ်ချုပ်
– သက်ဆိုင်ရာဇယားများ/ဂရပ်များ
- ချဲ့ကားပြောဆိုခြင်းမရှိသော အဓိပ္ပာယ်ဖွင့်ဆိုချက်
စစ်တမ်းသည် ဖော်ပြချက်သက်သက်ဖြစ်ပါက “အကြောင်းရင်းနှင့် အကျိုးဆက်” ဟု ကောက်ချက်ချခြင်းကို ရှောင်ကြဉ်ပါ။ ပိုမိုခိုင်မာသော ဆက်နွယ်မှုကို တည်ဆောက်ရန်အတွက် သင့်လျော်သော သုတေသနဒီဇိုင်းနှင့် ကောက်ချက်ချနိုင်သော စာရင်းအင်းစမ်းသပ်မှုများ လိုအပ်ပါသည်။
၆။ ရှောင်ရှားရမည့် အဖြစ်များသော အမှားများ
စစ်တမ်းဒေတာ စီမံဆောင်ရွက်ခြင်းတွင် မကြာခဏ ဖြစ်ပွားလေ့ရှိသော အမှားအချို့-
– သန့်ရှင်းရေး မလုပ်တဲ့အတွက် ရလဒ်တွေက ဘက်လိုက်နေပါတယ်။
– အစီအစဉ်မကျသော အမျိုးအစားအလိုက် အချက်အလက်များတွင် ပျမ်းမျှကို အသုံးပြုခြင်း
- တိုင်းတာမှုစကေးကို ရှင်းပြမထားပါ
– ရှင်းလင်းသော ဗျူဟာမရှိဘဲ ပျောက်ဆုံးနေသော တန်ဖိုးများကို လျစ်လျူရှုခြင်း
– အညွှန်းများ သို့မဟုတ် အကြောင်းအရာမပါဘဲ ဂရပ်များကို တင်ပြခြင်း
ဤအမှားများကို ရှောင်ရှားခြင်းဖြင့် ခွဲခြမ်းစိတ်ဖြာမှုရလဒ်များသည် ပိုမိုတရားဝင်ပြီး ယုံကြည်စိတ်ချရလာပါသည်။
ပိတ်
အခြေခံစာရင်းအင်းများကို အသုံးပြု၍ စစ်တမ်းဒေတာ စီမံဆောင်ရွက်ခြင်းနည်းစနစ်များတွင် မရှိမဖြစ်လိုအပ်သော အဆင့်များစွာပါဝင်သည်- ဒေတာအမျိုးအစားများကို နားလည်ခြင်း၊ တုံ့ပြန်မှုများကို သန့်စင်ခြင်းနှင့် ကုဒ်ရေးခြင်း၊ ဖော်ပြချက်စာရင်းအင်းများမှတစ်ဆင့် ဒေတာကို အနှစ်ချုပ်ခြင်း၊ အချက်အလက်များကို မြင်ယောင်ခြင်းနှင့် ရလဒ်များကို တိကျစွာ အဓိပ္ပာယ်ဖွင့်ဆိုခြင်း။ အခြေခံစာရင်းအင်းများသည် ဒေတာကို ပိုမို "ဖတ်ရှုရလွယ်ကူစေရန်" ကူညီပေးရုံသာမက စစ်တမ်းအခြေပြု ဆုံးဖြတ်ချက်များ၏ အရည်အသွေးကိုလည်း အားကောင်းစေသည်။ သန့်ရှင်းပြီး ပွင့်လင်းမြင်သာသော လုပ်ငန်းစဉ်ဖြင့် စစ်တမ်းဒေတာသည် သုတေသနလိုအပ်ချက်များနှင့် အဖွဲ့အစည်းဆိုင်ရာ အလေ့အကျင့်အမျိုးမျိုးအတွက် အဖိုးတန်ပြီး တိကျသော ထိုးထွင်းသိမြင်မှုအရင်းအမြစ်တစ်ခု ဖြစ်လာနိုင်သည်။
သင်အလိုရှိပါက Excel/SPSS တွင် နမူနာဇယားများ၊ စစ်တမ်းရလဒ်အစီရင်ခံစာပုံစံများ သို့မဟုတ် ဖော်မြူလာများနှင့် တင်းပလိတ်များအပြင် စစ်တမ်းဒေတာလုပ်ဆောင်ခြင်းအဆင့်များကို ဖန်တီးရာတွင်လည်း ကျွန်ုပ်ကူညီပေးနိုင်ပါသည်။
