शैक्षिक अनुसन्धानमा वर्णनात्मक तथ्याङ्कको प्रयोग
वर्णनात्मक तथ्याङ्क शैक्षिक अनुसन्धानको एक महत्त्वपूर्ण घटक हो किनभने यसले संक्षिप्त, स्पष्ट र सजिलै बुझ्न सकिने डेटा प्रदान गर्दछ। शैक्षिक सन्दर्भमा, डेटाले प्रायः विभिन्न विषयहरूलाई समेट्छ: विद्यार्थी परीक्षा स्कोर, प्रेरणा प्रश्नावली परिणाम, उपस्थिति दर, साक्षरता स्कोर, र उमेर, लिङ्ग, र सामाजिक आर्थिक पृष्ठभूमि जस्ता जनसांख्यिकीय डेटा पनि। उचित प्रशोधन बिना, यी डेटा केवल संख्याहरू बन्छन् जुन व्याख्या गर्न गाह्रो हुन्छ। वर्णनात्मक तथ्याङ्कहरू मार्फत, अनुसन्धानकर्ताहरूले वास्तविक-विश्व अवस्थाहरू प्रस्तुत गर्न, प्रारम्भिक ढाँचाहरू पहिचान गर्न, र अनुमानित विश्लेषणमा जानु अघि ठोस आधार निर्माण गर्न सक्छन्।
वर्णनात्मक तथ्याङ्कको परिभाषा र उद्देश्य
वर्णनात्मक तथ्याङ्क भनेको तथ्याङ्क सङ्कलन, व्यवस्थित, संक्षेपीकरण र प्रस्तुत गर्न प्रयोग गरिने एक तथ्याङ्कीय विधि हो जसले गर्दा मुख्य जानकारी स्पष्ट रूपमा देखिने हुन्छ। यसको प्राथमिक उद्देश्य व्यापक जनसंख्यामा परिणामहरूलाई सामान्यीकरण गर्नु होइन, बरु डेटाको विशेषताहरू वर्णन गर्नु हो। शैक्षिक अनुसन्धानमा, वर्णनात्मक तथ्याङ्कले प्रश्नहरूको जवाफ दिन मद्दत गर्दछ जस्तै: विद्यार्थी ग्रेडहरू कसरी वितरण गरिन्छ? औसत सिकाइ प्रेरणा स्कोर के हो? के अधिकांश विद्यार्थीहरू विशेष क्षमता वर्गमा छन्? वा विद्यार्थीहरू बीच सिकाइ परिणामहरूमा कति भिन्नता छ?
अर्को शब्दमा भन्नुपर्दा, वर्णनात्मक तथ्याङ्क भनेको डेटा बुझ्ने "प्रवेशद्वार" हो। कुनै विशेष सिकाइ मोडेलको प्रभाव वा चरहरू बीचको सम्बन्धको निष्कर्ष निकाल्नु अघि, अनुसन्धानकर्ताहरूले पहिले डेटाको सामान्य तस्वीर बुझ्नु आवश्यक छ।
शिक्षामा तथ्याङ्कका प्रकारहरू र तिनीहरूको प्रभाव
वर्णनात्मक तथ्याङ्कको प्रयोग सङ्कलन गरिएको तथ्याङ्कको प्रकारबाट धेरै प्रभावित हुन्छ। शिक्षा तथ्याङ्कमा सामान्यतया समावेश हुन्छ:
१. नाममात्र डेटा, उदाहरणका लागि लिङ्ग (पुरुष/महिला), प्रमुख (विज्ञान/सामाजिक विज्ञान), विद्यालयको स्थिति (राज्य/निजी)।
२. सामान्य तथ्याङ्क, उदाहरणका लागि "दृढ सहमत" देखि "दृढ असहमत" सम्मको मनोवृत्ति स्केल, वा उपलब्धि कोटीहरू (उच्च/मध्यम/न्यून)।
३. अन्तराल डेटा, उदाहरणका लागि मनोवैज्ञानिक परीक्षण स्कोर वा प्रश्नावली परिणामहरू जुन लिकर्ट स्केल प्रयोग गर्दछ र अनुसन्धान अभ्यासमा अन्तरालको रूपमा व्यवहार गरिन्छ।
४. अनुपात डेटा, उदाहरणका लागि परीक्षाको अङ्क (०-१००), उपस्थिति, वा अध्ययन समय (घण्टा)।
अधिक सटीक व्याख्याको लागि माध्य, मध्य, वा मोड जस्ता तथ्याङ्कीय मापनहरूको चयन, साथै डेटा दृश्यीकरणको विधि, डेटा स्केलको प्रकारमा समायोजन गरिनुपर्छ।
केन्द्रीकरणका उपायहरू: माध्य, माध्य र मोड
केन्द्रीय प्रवृत्तिको मापनले "मध्यबिन्दु" मान, वा डेटालाई सबैभन्दा राम्रोसँग प्रतिनिधित्व गर्ने मानलाई संकेत गर्दछ। शैक्षिक अनुसन्धानमा:
– परीक्षाको अङ्क वर्णन गर्न प्रायः औसत (औसत) प्रयोग गरिन्छ। उदाहरणका लागि, आठौं कक्षाको गणितको औसत अङ्क ७८ हो। यो जानकारीले शिक्षक वा अनुसन्धानकर्ताहरूलाई कक्षाको समग्र कार्यसम्पादन हेर्न मद्दत गर्छ।
- डेटामा चरम मानहरू (आउटलियर्स) हुँदा मध्यक उपयोगी हुन्छ। उदाहरणका लागि, यदि केही विद्यार्थीहरूको धेरै कम वा धेरै उच्च अंक छ भने, मध्यक औसत भन्दा बढी प्रतिनिधि हुन सक्छ।
- मोड वर्गीकृत डेटाको लागि उपयोगी छ, उदाहरणका लागि सबैभन्दा बारम्बार हुने सिकाइ शैली वर्ग वा प्रेरणाको सबैभन्दा प्रमुख स्तर।
सिकाइ मूल्याङ्कन अनुसन्धानमा, यी तीन मापनहरू प्रायः एकसाथ प्रयोग गरिन्छ ताकि अझ पूर्ण तस्वीर प्राप्त गर्न सकियोस्।
फैलावटका मापनहरू: दायरा, भिन्नता, र मानक विचलन
तथ्याङ्कको गुरुत्वाकर्षण केन्द्र जान्नुको साथै, शैक्षिक अनुसन्धानकर्ताहरूले तथ्याङ्क कति विविध छ भनेर पनि बुझ्न आवश्यक छ। दुई वर्गहरूको औसत स्कोर समान हुन सक्छ, तर तिनीहरूको वितरण फरक हुन्छ। यो त्यहीं हो जहाँ फैलावटको मापन खेलमा आउँछ।
– दायरा भनेको उच्चतम र न्यूनतम मानहरू बीचको भिन्नता हो। उदाहरणका लागि, यदि सबैभन्दा कम मान ४० छ र उच्चतम ९५ छ भने, दायरा ५५ हो। दायराले भिन्नताको द्रुत सिंहावलोकन प्रदान गर्दछ, तर चरम मानहरू प्रति संवेदनशील छ।
- भिन्नता र मानक विचलन बढी प्रयोग गरिन्छ किनभने तिनीहरूले भिन्नताको अधिक स्थिर मापन प्रदान गर्छन्। सानो मानक विचलनले विद्यार्थीको स्कोर तुलनात्मक रूपमा बराबर हुने संकेत गर्छ; ठूलो मानक विचलनले सिकाइ परिणामहरूमा ठूलो अन्तरलाई संकेत गर्छ।
शैक्षिक अनुसन्धानमा, मानक विचलन प्रायः वर्ग एकरूप वा विषम छ कि छैन भनेर मूल्याङ्कन गर्न प्रयोग गरिन्छ, उदाहरणका लागि प्रयोगात्मक र नियन्त्रण समूहहरू निर्धारण गर्नु अघि।
डेटा वितरण: ढलान र स्पाइक
डेटा वितरण ढाँचाहरू पनि महत्त्वपूर्ण छन्। स्कोर डेटा बायाँतिर (धेरै उच्च स्कोरहरू) वा दायाँतिर (धेरै कम स्कोरहरू) तिर
डेटा केन्द्र वरिपरि धेरै "क्लस्टर" छ वा फैलिएको छ कि छैन भनेर निर्धारण गर्न कर्टोसिसको विश्लेषण पनि गर्न सकिन्छ। यो विश्लेषण बढी प्राविधिक भए पनि, वितरण बुझ्नाले अनुसन्धानकर्ताहरूलाई उपयुक्त उन्नत विश्लेषण प्रविधिहरू छनौट गर्न मद्दत गर्दछ।
डेटा प्रस्तुति: तालिका र दृश्यावलोकन
वर्णनात्मक तथ्याङ्कको एउटा बलियो पक्ष भनेको तथ्याङ्कलाई आकर्षक र संवादात्मक तरिकाले प्रस्तुत गर्ने क्षमता हो। शैक्षिक अनुसन्धानमा, सामान्यतया प्रयोग हुने प्रस्तुतीकरण ढाँचाहरूमा समावेश छन्:
१. फ्रिक्वेन्सी वितरण तालिका: मानहरूको निश्चित दायरामा विद्यार्थीहरूको संख्या प्रदर्शन गर्दछ, उदाहरणका लागि ०–५९, ६०–६९, ७०–७९, र यस्तै।
२. बार चार्ट: उत्प्रेरणा स्तर (उच्च/मध्यम/निम्न) वा प्रश्नावली उत्तर विकल्पहरू जस्ता वर्गीकृत डेटाको लागि उपयुक्त।
३. हिस्टोग्राम: परीक्षण स्कोर जस्ता संख्यात्मक डेटाको वितरण हेर्न प्रयोग गरिन्छ।
४. पाई चार्ट: अनुपातहरू प्रदर्शन गर्दछ, उदाहरणका लागि लिङ्ग वा उपस्थिति श्रेणी अनुसार विद्यार्थीहरूको प्रतिशत।
५. बक्सप्लट: धेरै वर्ग वा समूहहरूको तुलना गर्दा उपयोगी, मध्यक, चतुर्थक र आउटलियरहरूलाई संक्षिप्त रूपमा हेर्न मद्दत गर्दछ।
उचित दृश्यावलोकनले शिक्षक, प्रधानाध्यापक र नीति निर्माताहरूका लागि अनुसन्धान परिणामहरू पढ्न सजिलो बनाउँछ।
शैक्षिक अनुसन्धानमा प्रयोगका उदाहरणहरू
उदाहरणका लागि, एक अनुसन्धानकर्ताले भिडियो-आधारित सिकाइ माध्यम प्रयोग गरेर नवौं कक्षाका विद्यार्थीहरूको विज्ञान सिकाइ परिणामहरू बुझ्न चाहन्छन्। सङ्कलन गरिएको डेटा ३० विद्यार्थीहरूबाट प्राप्त पोस्ट-परीक्षण स्कोरहरू हुन्।
वर्णनात्मक तथ्याङ्क लागू गर्ने चरणहरू यस प्रकार हुन सक्छन्:
- औसत कक्षा उपलब्धि पत्ता लगाउन औसत गणना गर्नुहोस्।
- चरम मानहरूको लागि बढी प्रतिरोधी मध्य मान हेर्न मध्य गणना गर्नुहोस्।
- सिकाइ परिणामहरू एकरूप छन् कि छैनन् भनेर मूल्याङ्कन गर्न मानक विचलन गणना गर्नुहोस्।
- मानहरूको वितरण हेर्न हिस्टोग्राम सिर्जना गर्नुहोस्।
- व्याख्यालाई सहज बनाउन वर्ग तालिका (उदाहरणका लागि: धेरै राम्रो, राम्रो, पर्याप्त, कम) सिर्जना गर्नुहोस्।
यी नतिजाहरूबाट, अनुसन्धानकर्ताहरूले निष्कर्ष निकाल्न सक्छन्, उदाहरणका लागि, औसत ग्रेड बढेको छ र अधिकांश विद्यार्थीहरू राम्रो श्रेणीमा छन्, यद्यपि अझै पनि केही विद्यार्थीहरू छन् जसलाई थप सहयोग चाहिन्छ।
शैक्षिक अनुसन्धानकर्ता र अभ्यासकर्ताहरूको लागि वर्णनात्मक तथ्याङ्कका फाइदाहरू
वर्णनात्मक तथ्याङ्कको प्रयोगले वास्तविक फाइदाहरू प्रदान गर्दछ, जसमा निम्न समावेश छन्:
१. सिकाइ हस्तक्षेप गर्नु अघि (पूर्व-परीक्षण) र पछि (परीक्षण पछि) प्रारम्भिक अवस्थाहरू बुझ्नुहोस्।
२. डेटा भिन्नताहरू मार्फत विद्यार्थीहरू बीच वा कक्षाहरू बीचको खाडल पत्ता लगाउने।
३. ठूलो डेटालाई संक्षिप्त र अर्थपूर्ण जानकारीमा सरलीकृत गर्नुहोस्।
४. निर्णय लिने कार्यलाई समर्थन गर्नुहोस्, उदाहरणका लागि उपचारात्मक कार्यक्रमहरू निर्धारण गर्ने, समृद्धि गर्ने, वा शिक्षण रणनीतिहरूमा सुधार गर्ने।
५. पहिले डेटाको वितरण र विशेषताहरू हेरेर t-परीक्षण वा ANOVA जस्ता थप विश्लेषणको सम्भाव्यता प्रमाणित गर्नुहोस्।
बन्द
शैक्षिक अनुसन्धानमा वर्णनात्मक तथ्याङ्क एक आवश्यक आधार हो। केन्द्रीय प्रवृत्ति, फैलावट, वितरण, र डेटा प्रस्तुतीकरणका विभिन्न रूपहरूको मापन मार्फत, अनुसन्धानकर्ताहरूले सिकाइ परिस्थितिहरूलाई वस्तुनिष्ठ र व्यवस्थित रूपमा वर्णन गर्न सक्छन्। यसको प्रयोग शैक्षिक उद्देश्यका लागि मात्र उपयोगी छैन तर दैनिक शैक्षिक अभ्यासमा पनि योगदान पुर्याउँछ: शिक्षकहरूलाई विद्यार्थीको आवश्यकताहरू बुझ्न मद्दत गर्ने, कार्यक्रमहरूको मूल्याङ्कनमा विद्यालयहरूलाई सहयोग गर्ने, र गुणस्तर सुधार रणनीतिहरू विकास गर्न नीति निर्माताहरूलाई सहयोग गर्ने। वर्णनात्मक तथ्याङ्कको राम्रो बुझाइको साथ, शैक्षिक अनुसन्धान बलियो, थप जानकारीमूलक, र शिक्षण र सिकाइ प्रक्रिया सुधार गर्न थप सान्दर्भिक हुनेछ।
