ਸਮਾਜਿਕ ਖੋਜ ਵਿੱਚ ਵਰਣਨਾਤਮਕ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ
ਸਮਾਜਿਕ ਖੋਜ ਵਿੱਚ ਵਰਣਨਾਤਮਕ ਅੰਕੜੇ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਬੁਨਿਆਦਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਖੋਜਕਰਤਾ ਅਨੁਮਾਨਤ ਵਿਸ਼ਲੇਸ਼ਣ ਨਾਲ ਅੱਗੇ ਵਧਣ ਤੋਂ ਪਹਿਲਾਂ - ਜਿਵੇਂ ਕਿ ਪਰਿਕਲਪਨਾ ਟੈਸਟਿੰਗ, ਰਿਗਰੈਸ਼ਨ, ਜਾਂ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਨੂੰ ਮਾਡਲਿੰਗ ਕਰਨਾ - ਉਹਨਾਂ ਨੂੰ ਇਕੱਠੇ ਕੀਤੇ ਡੇਟਾ ਦੇ "ਚਿਹਰੇ" ਨੂੰ ਸਮਝਣ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਵਰਣਨਾਤਮਕ ਅੰਕੜੇ ਖੇਡ ਵਿੱਚ ਆਉਂਦੇ ਹਨ: ਆਸਾਨੀ ਨਾਲ ਸਮਝ ਲਈ ਡੇਟਾ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਯੋਜਨਾਬੱਧ ਢੰਗ ਨਾਲ ਸੰਖੇਪ ਕਰਨਾ, ਪੇਸ਼ ਕਰਨਾ ਅਤੇ ਵਰਣਨ ਕਰਨਾ। ਸਮਾਜਿਕ ਖੋਜ ਦੇ ਸੰਦਰਭ ਵਿੱਚ, ਜਿਸ ਵਿੱਚ ਅਕਸਰ ਵਿਵਹਾਰ, ਰਵੱਈਏ, ਰਾਏ ਅਤੇ ਸਮਾਜਿਕ ਸਥਿਤੀਆਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ, ਵਰਣਨਾਤਮਕ ਅੰਕੜੇ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਆਬਾਦੀ ਜਾਂ ਨਮੂਨੇ ਦੇ ਅੰਦਰ ਆਮ ਪੈਟਰਨਾਂ ਦੇ ਨਾਲ-ਨਾਲ ਭਿੰਨਤਾਵਾਂ ਨੂੰ ਹਾਸਲ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ।
ਵਰਣਨਾਤਮਕ ਅੰਕੜਿਆਂ ਦੀ ਪਰਿਭਾਸ਼ਾ ਅਤੇ ਉਦੇਸ਼
ਸਿੱਧੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਵਰਣਨਾਤਮਕ ਅੰਕੜੇ ਡੇਟਾ ਨੂੰ ਸੰਖੇਪ ਅਤੇ ਅਰਥਪੂਰਨ ਜਾਣਕਾਰੀ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਕਰਨ ਲਈ ਤਰੀਕਿਆਂ ਦਾ ਇੱਕ ਸਮੂਹ ਹੈ। ਟੀਚਾ ਇੱਕ ਵਿਸ਼ਾਲ ਆਬਾਦੀ ਲਈ ਆਮ ਸਿੱਟੇ ਕੱਢਣਾ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਉਪਲਬਧ ਡੇਟਾ ਦਾ ਵਰਣਨ ਕਰਨਾ ਹੈ। ਸਮਾਜਿਕ ਖੋਜ ਵਿੱਚ, ਇਹ ਟੀਚਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਡੇਟਾ ਅਕਸਰ ਗੁੰਝਲਦਾਰ ਹੁੰਦਾ ਹੈ: ਉੱਤਰਦਾਤਾ ਵਿਭਿੰਨ ਹੁੰਦੇ ਹਨ, ਵੇਰੀਏਬਲ ਮਿਲਾਏ ਜਾ ਸਕਦੇ ਹਨ (ਨਾਮਮਾਤਰ, ਕ੍ਰਮਵਾਰ, ਅੰਤਰਾਲ, ਅਨੁਪਾਤ), ਅਤੇ ਸਮਾਜਿਕ ਸੰਦਰਭ ਗਤੀਸ਼ੀਲ ਹੁੰਦਾ ਹੈ।
ਵਰਣਨਾਤਮਕ ਅੰਕੜਿਆਂ ਨਾਲ, ਖੋਜਕਰਤਾ ਬੁਨਿਆਦੀ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇ ਸਕਦੇ ਹਨ ਜਿਵੇਂ ਕਿ: ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਉੱਤਰਦਾਤਾ ਕੌਣ ਹਨ? ਉਮਰ, ਸਿੱਖਿਆ, ਜਾਂ ਆਮਦਨ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੀ ਵੰਡ ਕੀ ਹੈ? ਨੀਤੀ ਲਈ ਪ੍ਰਵਾਨਗੀ ਦਾ ਪੱਧਰ ਕੀ ਹੈ? ਸਮੂਹਾਂ ਵਿਚਕਾਰ ਰਾਏ ਵਿੱਚ ਕਿੰਨਾ ਭਿੰਨਤਾ ਹੈ? ਇਹ ਜਵਾਬ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਇੱਕ ਮਜ਼ਬੂਤ ਬਿਰਤਾਂਤ ਬਣਾਉਣ ਅਤੇ ਹੋਰ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਇੱਕ ਨੀਂਹ ਪ੍ਰਦਾਨ ਕਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਦੇ ਹਨ।
ਸਮਾਜਿਕ ਖੋਜ ਵਿੱਚ ਡੇਟਾ ਦੀਆਂ ਕਿਸਮਾਂ
ਵਰਣਨਾਤਮਕ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਇਕੱਤਰ ਕੀਤੇ ਗਏ ਡੇਟਾ ਦੀ ਕਿਸਮ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਸਮਾਜਿਕ ਖੋਜ ਆਮ ਤੌਰ 'ਤੇ ਇਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ:
1. ਨਾਮਾਤਰ ਡੇਟਾ, ਜਿਵੇਂ ਕਿ ਲਿੰਗ, ਰੁਜ਼ਗਾਰ ਸਥਿਤੀ, ਰਿਹਾਇਸ਼ ਦਾ ਖੇਤਰ, ਜਾਂ ਸੰਗਠਨਾਤਮਕ ਮਾਨਤਾ। ਇਹ ਡੇਟਾ ਬਿਨਾਂ ਕਿਸੇ ਕ੍ਰਮ ਦੇ ਸਿਰਫ਼ ਸ਼੍ਰੇਣੀਆਂ ਹਨ।
2. ਸਧਾਰਨ ਡੇਟਾ, ਉਦਾਹਰਣ ਵਜੋਂ, ਸਿੱਖਿਆ ਪੱਧਰ ਜਾਂ ਰਵੱਈਆ ਪੈਮਾਨਾ (ਜ਼ੋਰਦਾਰ ਸਹਿਮਤੀ ਨਾਲ ਜ਼ੋਰਦਾਰ ਅਸਹਿਮਤ)। ਇੱਕ ਕ੍ਰਮ ਹੁੰਦਾ ਹੈ, ਪਰ ਸ਼੍ਰੇਣੀਆਂ ਵਿਚਕਾਰ ਦੂਰੀ ਹਮੇਸ਼ਾ ਇੱਕੋ ਜਿਹੀ ਨਹੀਂ ਹੁੰਦੀ।
3. ਅੰਤਰਾਲ ਡੇਟਾ, ਉਦਾਹਰਨ ਲਈ ਸੰਤੁਸ਼ਟੀ ਸੂਚਕਾਂਕ ਸਕੋਰ ਜਾਂ ਟੈਸਟ ਸਕੋਰ। ਮੁੱਲਾਂ ਵਿਚਕਾਰ ਦੂਰੀ ਨੂੰ ਬਰਾਬਰ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਪਰ ਕੋਈ ਪੂਰਨ ਜ਼ੀਰੋ ਨਹੀਂ ਹੁੰਦਾ।
4. ਅਨੁਪਾਤ ਡੇਟਾ, ਉਦਾਹਰਨ ਲਈ ਆਮਦਨ, ਬੱਚਿਆਂ ਦੀ ਗਿਣਤੀ, ਜਾਂ ਸੇਵਾ ਦੀ ਲੰਬਾਈ, ਜਿਸਦਾ ਪੂਰਨ ਜ਼ੀਰੋ ਹੈ ਅਤੇ ਅਨੁਪਾਤ ਦੀ ਤੁਲਨਾ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।
ਡੇਟਾ ਦੇ ਪੈਮਾਨੇ ਨੂੰ ਸਮਝਣਾ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਸਹੀ ਮਾਪ ਚੁਣਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ: ਮੱਧਮਾਨ ਅੰਤਰਾਲ/ਅਨੁਪਾਤ ਲਈ ਢੁਕਵਾਂ ਹੁੰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਮੱਧਮਾਨ ਜਾਂ ਮੋਡ ਅਕਸਰ ਆਰਡੀਨਲ ਲਈ ਵਧੇਰੇ ਢੁਕਵਾਂ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਨਾਮਾਤਰ ਲਈ ਬਾਰੰਬਾਰਤਾ ਪ੍ਰਮੁੱਖ ਹੁੰਦੀ ਹੈ।
ਕੇਂਦਰੀਕਰਨ ਦੇ ਮਾਪ: ਮੱਧਮਾਨ, ਮੱਧਮਾਨ, ਅਤੇ ਮੋਡ
ਕੇਂਦਰੀ ਪ੍ਰਵਿਰਤੀ ਦੇ ਮਾਪ ਡੇਟਾ ਦੇ "ਆਮ" ਮੁੱਲਾਂ ਦਾ ਵਰਣਨ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾਂਦੇ ਹਨ।
– ਔਸਤ ਆਮ ਤੌਰ 'ਤੇ ਅੰਤਰਾਲ ਅਤੇ ਅਨੁਪਾਤ ਡੇਟਾ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਔਸਤ ਘਰੇਲੂ ਆਮਦਨ ਜਾਂ ਪ੍ਰਤੀ ਹਫ਼ਤੇ ਕੰਮ ਕੀਤੇ ਔਸਤ ਘੰਟੇ। ਹਾਲਾਂਕਿ, ਔਸਤ ਅਤਿਅੰਤ ਮੁੱਲਾਂ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦਾ ਹੈ। ਸਮਾਜਿਕ ਖੋਜ ਵਿੱਚ, ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਮਦਨ ਵਰਗੇ ਬਾਹਰੀ ਲੋਕ ਔਸਤ ਨੂੰ ਵਿਗਾੜ ਸਕਦੇ ਹਨ ਅਤੇ ਇੱਕ ਘੱਟ ਪ੍ਰਤੀਨਿਧ ਤਸਵੀਰ ਬਣਾ ਸਕਦੇ ਹਨ।
– ਡੇਟਾ ਨੂੰ ਕ੍ਰਮਬੱਧ ਕਰਨ ਤੋਂ ਬਾਅਦ ਮੱਧਮਾਨ ਮੱਧ ਮੁੱਲ ਹੁੰਦਾ ਹੈ। ਮੱਧਮਾਨ ਆਊਟਲੀਅਰਾਂ ਪ੍ਰਤੀ ਵਧੇਰੇ ਰੋਧਕ ਹੁੰਦਾ ਹੈ, ਇਸ ਲਈ ਇਸਨੂੰ ਅਕਸਰ ਆਮਦਨ ਜਾਂ ਖਰਚਿਆਂ ਵਰਗੇ ਵੇਰੀਏਬਲਾਂ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦੀ ਵੰਡ ਅਸਥਿਰ ਹੁੰਦੀ ਹੈ।
– ਮੋਡ ਉਹ ਮੁੱਲ ਹੈ ਜੋ ਸਭ ਤੋਂ ਵੱਧ ਵਾਰ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਇਹ ਖਾਸ ਤੌਰ 'ਤੇ ਨਾਮਾਤਰ ਡੇਟਾ ਲਈ ਲਾਭਦਾਇਕ ਹੈ, ਜਿਵੇਂ ਕਿ ਉੱਤਰਦਾਤਾਵਾਂ ਦੁਆਰਾ ਅਕਸਰ ਰੱਖੀ ਜਾਂਦੀ ਨੌਕਰੀ ਸ਼੍ਰੇਣੀ।
ਤਿੰਨਾਂ ਨੂੰ ਜੋੜ ਕੇ, ਖੋਜਕਰਤਾ ਡੇਟਾ ਦੀ ਵਿਆਖਿਆ ਵਧੇਰੇ ਸੰਤੁਲਿਤ ਤਰੀਕੇ ਨਾਲ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਸਿਰਫ਼ ਇੱਕ ਮਾਪ 'ਤੇ ਨਹੀਂ ਫਸ ਸਕਦੇ।
ਫੈਲਾਅ ਦੇ ਮਾਪ: ਵਿਭਿੰਨਤਾ, ਮਿਆਰੀ ਭਟਕਣਾ, ਅਤੇ ਰੇਂਜ
ਸਮਾਜਿਕ ਖੋਜ ਲਈ ਨਾ ਸਿਰਫ਼ ਔਸਤ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਸਗੋਂ ਇਹ ਵੀ ਜਾਣਕਾਰੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿ ਉੱਤਰਦਾਤਾ ਕਿੰਨੇ ਵੱਖਰੇ ਹੁੰਦੇ ਹਨ। ਦੋ ਸਮੂਹਾਂ ਦੀ ਔਸਤ ਸੰਤੁਸ਼ਟੀ ਇੱਕੋ ਜਿਹੀ ਹੋ ਸਕਦੀ ਹੈ, ਪਰ ਭਿੰਨਤਾ ਦੇ ਵੱਖ-ਵੱਖ ਪੱਧਰ - ਇੱਕ ਸਮਰੂਪ, ਦੂਜਾ ਬਹੁਤ ਵਿਭਿੰਨ।
– ਰੇਂਜ ਸਭ ਤੋਂ ਵੱਡੇ ਅਤੇ ਛੋਟੇ ਮੁੱਲਾਂ ਵਿਚਕਾਰ ਅੰਤਰ ਦਰਸਾਉਂਦੀ ਹੈ। ਇਹ ਇੱਕ ਸਧਾਰਨ ਮਾਪ ਹੈ ਪਰ ਬਾਹਰਲੇ ਲੋਕਾਂ ਦੁਆਰਾ ਆਸਾਨੀ ਨਾਲ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦਾ ਹੈ।
- ਵਿਭਿੰਨਤਾ ਅਤੇ ਮਿਆਰੀ ਭਟਕਣ ਔਸਤ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਡੇਟਾ ਦੇ ਫੈਲਾਅ ਨੂੰ ਮਾਪਦੇ ਹਨ। ਮਿਆਰੀ ਭਟਕਣ ਵਧੇਰੇ ਆਮ ਤੌਰ 'ਤੇ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਕਿਉਂਕਿ ਇਸ ਵਿੱਚ ਅਸਲ ਡੇਟਾ ਦੇ ਸਮਾਨ ਇਕਾਈਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਇਸਨੂੰ ਵਿਆਖਿਆ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।
- ਇੰਟਰਕੁਆਰਟਾਈਲ ਰੇਂਜ (IQR), ਜੋ ਕਿ ਤੀਜੇ ਚੌਥਾਈ ਅਤੇ ਪਹਿਲੇ ਚੌਥਾਈ ਵਿਚਕਾਰ ਦੂਰੀ ਹੈ, ਅਕਸਰ ਉਦੋਂ ਵਰਤੀ ਜਾਂਦੀ ਹੈ ਜਦੋਂ ਡੇਟਾ ਆਮ ਤੌਰ 'ਤੇ ਵੰਡਿਆ ਨਹੀਂ ਜਾਂਦਾ ਜਾਂ ਇਸ ਵਿੱਚ ਆਊਟਲੀਅਰ ਹੁੰਦੇ ਹਨ।
ਸਮਾਜਿਕ ਸਰਵੇਖਣਾਂ ਵਿੱਚ, ਰਵੱਈਏ ਦੇ ਪੈਮਾਨੇ 'ਤੇ ਇੱਕ ਵੱਡਾ ਮਿਆਰੀ ਭਟਕਣਾ ਸਮਾਜ ਵਿੱਚ ਰਾਏ ਦੇ ਧਰੁਵੀਕਰਨ ਨੂੰ ਦਰਸਾ ਸਕਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਮਿਆਰੀ ਭਟਕਣਾ ਸਹਿਮਤੀ ਨੂੰ ਦਰਸਾ ਸਕਦਾ ਹੈ।
ਡਾਟਾ ਵੰਡ ਅਤੇ ਵੰਡ ਫਾਰਮ
ਵਰਣਨਾਤਮਕ ਅੰਕੜੇ ਡੇਟਾ ਦੀ ਵੰਡ 'ਤੇ ਵੀ ਵਿਚਾਰ ਕਰਦੇ ਹਨ। ਦੋ ਸੰਕਲਪਾਂ ਜਿਨ੍ਹਾਂ 'ਤੇ ਅਕਸਰ ਚਰਚਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਉਹ ਹਨ:
– ਤਿਰਛੀ: ਇੱਕ ਵੰਡ ਸੱਜੇ ਜਾਂ ਖੱਬੇ ਪਾਸੇ ਤਿਰਛੀ ਹੁੰਦੀ ਹੈ। ਉਦਾਹਰਣ ਵਜੋਂ, ਆਮਦਨ ਆਮ ਤੌਰ 'ਤੇ ਸੱਜੇ ਪਾਸੇ ਤਿਰਛੀ ਹੁੰਦੀ ਹੈ ਕਿਉਂਕਿ ਬਹੁਤ ਘੱਟ ਲੋਕਾਂ ਦੀ ਆਮਦਨ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੁੰਦੀ ਹੈ।
- ਕੁਰਟੋਸਿਸ: ਵੰਡ ਦੀਆਂ ਸਿਖਰਾਂ ਦੀ "ਤਿੱਖਾਪਨ" ਅਤੇ ਇਸਦੀਆਂ ਪੂਛਾਂ ਦੀ ਮੋਟਾਈ ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ। ਸਮਾਜਿਕ ਸੰਦਰਭ ਵਿੱਚ, ਕੁਰਟੋਸਿਸ ਇਹ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਕੀ ਡੇਟਾ ਕੁਝ ਖਾਸ ਮੁੱਲਾਂ ਦੇ ਦੁਆਲੇ ਕੇਂਦ੍ਰਿਤ ਹੈ ਜਾਂ ਅਤਿਅੰਤ ਤੱਕ ਫੈਲਿਆ ਹੋਇਆ ਹੈ।
ਵੰਡਾਂ ਨੂੰ ਸਮਝਣਾ ਢੁਕਵੇਂ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਤਕਨੀਕਾਂ ਦੀ ਚੋਣ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਅਤੇ ਗਲਤ ਵਿਆਖਿਆ ਨੂੰ ਰੋਕਦਾ ਹੈ।
ਡਾਟਾ ਪੇਸ਼ਕਾਰੀ: ਟੇਬਲ ਅਤੇ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ
ਵਰਣਨਾਤਮਕ ਅੰਕੜਿਆਂ ਦੀ ਸ਼ਕਤੀ ਸਿਰਫ਼ ਗਣਨਾਵਾਂ ਵਿੱਚ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਡੇਟਾ ਪੇਸ਼ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਵੀ ਹੈ। ਚੰਗੀ ਪੇਸ਼ਕਾਰੀ ਸਮਾਜਿਕ ਖੋਜ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪਾਠਕਾਂ, ਨੀਤੀ ਨਿਰਮਾਤਾਵਾਂ ਅਤੇ ਆਮ ਲੋਕਾਂ ਲਈ ਸਮਝਣ ਵਿੱਚ ਆਸਾਨ ਬਣਾਉਂਦੀ ਹੈ।
1. ਬਾਰੰਬਾਰਤਾ ਸਾਰਣੀ: ਹਰੇਕ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਉੱਤਰਦਾਤਾਵਾਂ ਦੀ ਗਿਣਤੀ ਅਤੇ ਪ੍ਰਤੀਸ਼ਤਤਾ ਦਰਸਾਉਂਦੀ ਹੈ। ਉਦਾਹਰਣ ਵਜੋਂ, ਸਿੱਖਿਆ ਦੇ ਪੱਧਰਾਂ ਜਾਂ ਰਾਜਨੀਤਿਕ ਤਰਜੀਹਾਂ ਦੀ ਵੰਡ।
2. ਬਾਰ ਚਾਰਟ: ਰੁਜ਼ਗਾਰ ਦੀ ਕਿਸਮ ਜਾਂ ਵਿਆਹੁਤਾ ਸਥਿਤੀ ਵਰਗੇ ਸ਼੍ਰੇਣੀਬੱਧ ਡੇਟਾ ਲਈ ਢੁਕਵਾਂ।
3. ਪਾਈ ਚਾਰਟ: ਅਕਸਰ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਹਾਲਾਂਕਿ ਤੁਹਾਨੂੰ ਸਾਵਧਾਨ ਰਹਿਣਾ ਪੈਂਦਾ ਹੈ ਕਿਉਂਕਿ ਸਮਾਨ ਹਿੱਸਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ।
4. ਹਿਸਟੋਗ੍ਰਾਮ: ਸੰਖਿਆਤਮਕ ਡੇਟਾ ਲਈ ਆਦਰਸ਼, ਉਦਾਹਰਣ ਵਜੋਂ ਉਮਰ ਵੰਡ ਜਾਂ ਇੰਟਰਨੈਟ ਵਰਤੋਂ ਦੀ ਮਿਆਦ।
5. ਬਾਕਸਪਲਾਟ: ਸਮੂਹਾਂ ਵਿਚਕਾਰ ਵੰਡ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਬਹੁਤ ਉਪਯੋਗੀ, ਉਦਾਹਰਨ ਲਈ ਸ਼ਹਿਰੀ ਅਤੇ ਪੇਂਡੂ ਖੇਤਰਾਂ ਵਿਚਕਾਰ ਆਮਦਨ, ਅਤੇ ਨਾਲ ਹੀ ਬਾਹਰੀ ਲੋਕਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ।
ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਸਿਰਫ਼ ਸਜਾਵਟ ਨਹੀਂ ਹੈ; ਇਹ ਪੈਟਰਨਾਂ, ਰੁਝਾਨਾਂ ਅਤੇ ਵਿਸੰਗਤੀਆਂ ਦੀ ਸਮਝ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ।
ਸਮਾਜਿਕ ਅਧਿਐਨ ਵਿੱਚ ਐਪਲੀਕੇਸ਼ਨ: ਕੇਸ ਉਦਾਹਰਣਾਂ
ਮੰਨ ਲਓ ਕਿ ਇੱਕ ਖੋਜਕਰਤਾ ਇੱਕ ਸ਼ਹਿਰ ਵਿੱਚ "ਜਨਤਕ ਸੇਵਾਵਾਂ ਵਿੱਚ ਜਨਤਾ ਦੇ ਵਿਸ਼ਵਾਸ ਦੇ ਪੱਧਰ" ਦੀ ਜਾਂਚ ਕਰ ਰਿਹਾ ਹੈ। ਖੋਜਕਰਤਾ 1-5 (ਬਹੁਤ ਹੀ ਅਵਿਸ਼ਵਾਸਯੋਗ ਤੋਂ ਬਹੁਤ ਭਰੋਸੇਮੰਦ) ਦੇ ਪੈਮਾਨੇ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ 400 ਉੱਤਰਦਾਤਾਵਾਂ ਤੋਂ ਡੇਟਾ ਇਕੱਠਾ ਕਰਦਾ ਹੈ, ਨਾਲ ਹੀ ਉਮਰ, ਸਿੱਖਿਆ ਅਤੇ ਪੇਸ਼ੇ ਵਰਗੇ ਜਨਸੰਖਿਆ ਡੇਟਾ ਵੀ।
ਵਰਣਨਯੋਗ ਕਦਮ ਜੋ ਚੁੱਕੇ ਜਾ ਸਕਦੇ ਹਨ:
- ਸਿੱਖਿਆ ਅਤੇ ਕਿੱਤੇ ਦੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਲਈ ਬਾਰੰਬਾਰਤਾ ਸਾਰਣੀਆਂ ਤਿਆਰ ਕਰੋ।
- ਔਸਤ ਸਮੁੱਚੇ ਵਿਸ਼ਵਾਸ ਪੱਧਰ ਦੀ ਗਣਨਾ ਕਰੋ।
- ਜਦੋਂ ਵੰਡ ਸਮਮਿਤੀ ਨਾ ਹੋਵੇ ਤਾਂ ਮੱਧ ਮੁੱਲ ਦੇਖਣ ਲਈ ਮੱਧਮਾਨ ਦੀ ਗਣਨਾ ਕਰੋ।
- ਵਿਸ਼ਵਾਸ ਪੱਧਰ ਕਿੰਨਾ ਬਦਲਦਾ ਹੈ ਇਹ ਪਤਾ ਲਗਾਉਣ ਲਈ ਮਿਆਰੀ ਵਿਵਹਾਰ ਦੀ ਗਣਨਾ ਕਰੋ।
- ਸਿੱਖਿਆ ਸਮੂਹ (ਹਾਈ ਸਕੂਲ, ਡਿਪਲੋਮਾ, ਅੰਡਰਗ੍ਰੈਜੂਏਟ) ਦੇ ਆਧਾਰ 'ਤੇ ਵਿਸ਼ਵਾਸ ਦੇ ਪੱਧਰਾਂ ਦਾ ਇੱਕ ਬਾਕਸਪਲਾਟ ਬਣਾਓ ਤਾਂ ਜੋ ਇਹ ਪਤਾ ਲਗਾਇਆ ਜਾ ਸਕੇ ਕਿ ਕੀ ਪੈਟਰਨਾਂ ਵਿੱਚ ਕੋਈ ਅੰਤਰ ਹੈ।
- ਇਹ ਦੇਖਣ ਲਈ ਇੱਕ ਹਿਸਟੋਗ੍ਰਾਮ ਬਣਾਓ ਕਿ ਕੀ ਜ਼ਿਆਦਾਤਰ ਉੱਤਰਦਾਤਾ ਘੱਟ, ਦਰਮਿਆਨੇ, ਜਾਂ ਉੱਚ ਸਕੋਰ 'ਤੇ ਹਨ।
ਵਰਣਨਾਤਮਕ ਨਤੀਜਿਆਂ ਤੋਂ, ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਪਤਾ ਲੱਗ ਸਕਦਾ ਹੈ ਕਿ ਔਸਤ ਵਿਸ਼ਵਾਸ ਸਕੋਰ "ਨਿਰਪੱਖ" ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਹੈ, ਪਰ ਮਿਆਰੀ ਵਿਵਹਾਰ ਵੱਡਾ ਹੈ, ਜੋ ਕਿ ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਿਸ਼ਵਾਸ ਕਰਨ ਵਾਲੇ ਅਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਅਵਿਸ਼ਵਾਸ ਕਰਨ ਵਾਲੇ ਸਮੂਹਾਂ ਦੀ ਮੌਜੂਦਗੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਹ ਖੋਜ ਹੋਰ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਆਧਾਰ ਬਣ ਸਕਦੀ ਹੈ: ਕਿਹੜੇ ਕਾਰਕ ਇਹਨਾਂ ਅੰਤਰਾਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੇ ਹਨ?
ਸੀਮਾਵਾਂ ਅਤੇ ਸਾਵਧਾਨੀਆਂ
ਬਹੁਤ ਉਪਯੋਗੀ ਹੋਣ ਦੇ ਬਾਵਜੂਦ, ਵਰਣਨਾਤਮਕ ਅੰਕੜਿਆਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਹਨ। ਉਹ ਕਾਰਣ ਸਬੰਧਾਂ ਨੂੰ ਸਾਬਤ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਇਹ ਯਕੀਨੀ ਨਹੀਂ ਬਣਾ ਸਕਦੇ ਕਿ ਸਮੂਹਾਂ ਵਿਚਕਾਰ ਅੰਤਰ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਹਨ, ਅਤੇ ਜੇਕਰ ਨਮੂਨਾ ਪੱਖਪਾਤੀ ਹੈ ਤਾਂ ਇਹ ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਆਬਾਦੀ ਦੇ ਪ੍ਰਤੀਨਿਧੀ ਨਹੀਂ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸੰਦਰਭ ਤੋਂ ਬਿਨਾਂ ਔਸਤ ਪੇਸ਼ ਕਰਨਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੋ ਸਕਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਡੇਟਾ ਵਿੱਚ ਜੋ ਅਸਮਿਤ ਹੈ ਜਾਂ ਜਿਸ ਵਿੱਚ ਬਾਹਰੀ ਅੰਕੜੇ ਹਨ। ਇਸ ਲਈ, ਸਮਾਜਿਕ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਇੱਕੋ ਸਮੇਂ ਕਈ ਮਾਪ ਪੇਸ਼ ਕਰਨ, ਸੰਦਰਭ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਅਤੇ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਬਾਰੇ ਪਾਰਦਰਸ਼ੀ ਹੋਣ ਦੀ ਲੋੜ ਹੈ।
ਬੰਦ ਕੀਤਾ ਜਾ ਰਿਹਾ
ਸਮਾਜਿਕ ਖੋਜ ਵਿੱਚ ਵਰਣਨਾਤਮਕ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਡੇਟਾ ਨੂੰ ਵਿਆਪਕ ਰੂਪ ਵਿੱਚ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ। ਕੇਂਦਰੀ ਪ੍ਰਵਿਰਤੀ ਦੇ ਮਾਪ, ਫੈਲਾਅ ਦੇ ਮਾਪ, ਵੰਡ ਵਿਸ਼ਲੇਸ਼ਣ, ਅਤੇ ਟੇਬਲ ਅਤੇ ਗ੍ਰਾਫਾਂ ਵਿੱਚ ਡੇਟਾ ਪੇਸ਼ਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਖੋਜਕਰਤਾ ਸਮਾਜਿਕ ਸਥਿਤੀਆਂ ਦਾ ਵਰਣਨ ਵਧੇਰੇ ਨਿਰਪੱਖ ਅਤੇ ਸੰਚਾਰੀ ਢੰਗ ਨਾਲ ਕਰ ਸਕਦੇ ਹਨ। ਵਰਣਨਾਤਮਕ ਅੰਕੜੇ ਨਾ ਸਿਰਫ਼ ਪਾਠਕਾਂ ਦੀ ਆਮ ਤਸਵੀਰ ਦੀ ਸਮਝ ਨੂੰ ਸੌਖਾ ਬਣਾਉਂਦੇ ਹਨ ਬਲਕਿ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਹੋਰ ਖੋਜ ਲਈ ਨਵੇਂ ਪੈਟਰਨਾਂ ਅਤੇ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਖੋਜ ਕਰਨ ਵਿੱਚ ਵੀ ਮਦਦ ਕਰਦੇ ਹਨ। ਇੱਕ ਵਿਭਿੰਨ ਸਮਾਜਿਕ ਸੰਸਾਰ ਵਿੱਚ, ਡੇਟਾ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਸੰਖੇਪ ਕਰਨ ਦੀ ਯੋਗਤਾ ਮਜ਼ਬੂਤ, ਸੰਬੰਧਿਤ ਅਤੇ ਅਰਥਪੂਰਨ ਖੋਜ ਪੈਦਾ ਕਰਨ ਦੀ ਕੁੰਜੀ ਹੈ।
