මූලික සංඛ්යාලේඛන භාවිතයෙන් සමීක්ෂණ දත්ත සැකසුම් ශිල්පීය ක්රම
අධ්යයන පර්යේෂණ, සේවා ඇගයීම, වෙළඳපල පර්යේෂණ හෝ ආයතනික තීරණ ගැනීම සඳහා ප්රතිචාර දක්වන්නන්ගෙන් දත්ත රැස් කිරීම සඳහා සමීක්ෂණ වඩාත් පොදු ක්රමවලින් එකකි. කෙසේ වෙතත්, ක්රමානුකූලව සකස් නොකළහොත් සමීක්ෂණ දත්ත අර්ථ විරහිත වේ. මූලික සංඛ්යාලේඛන ක්රියාත්මක වන්නේ මෙහිදීය: පර්යේෂකයන්ට දත්ත සාරාංශ කිරීමට, රටා හඳුනා ගැනීමට, ප්රවණතා තක්සේරු කිරීමට සහ මූලික, මැනිය හැකි නිගමනවලට එළඹීමට උපකාර කිරීම. දත්ත සැකසීමේ සිට ප්රතිඵල අර්ථ නිරූපණය දක්වා මූලික සංඛ්යාලේඛන භාවිතා කරමින් සමීක්ෂණ දත්ත සැකසුම් ශිල්පීය ක්රම මෙම ලිපියෙන් සාකච්ඡා කෙරේ.
1. සමීක්ෂණ දත්ත වර්ග අවබෝධ කර ගැනීම
දත්ත සැකසීමට පෙර පළමු පියවර වන්නේ රැස් කරන දත්ත වර්ගය තේරුම් ගැනීමයි. සාමාන්යයෙන්, සමීක්ෂණ දත්තවලට ඇතුළත් විය හැක්කේ:
1. වර්ගීකරණ (ගුණාත්මක) දත්ත
උදාහරණ: ස්ත්රී පුරුෂ භාවය, වෙළඳ නාම මනාපය, රැකියා තත්ත්වය. මෙම දත්ත සාමාන්යයෙන් සංඛ්යාත සහ ප්රතිශත භාවිතයෙන් විශ්ලේෂණය කෙරේ.
2. සාමාන්ය දත්ත
උදාහරණ: තෘප්තිමත් පරිමාණය (ඉතා අතෘප්තිමත්–ඉතා තෘප්තිමත්), එකඟතා මට්ටම (දැඩි ලෙස එකඟ නොවේ–දැඩි ලෙස එකඟ වේ). සාමාන්ය දත්තවලට අනුපිළිවෙලක් ඇත, නමුත් කාණ්ඩ අතර දුර අනිවාර්යයෙන්ම සමාන නොවේ.
3. සංඛ්යාත්මක (ප්රමාණාත්මක) දත්ත
උදාහරණ: වයස, ආදායම, මිලදී ගැනීම් ගණන. මෙම දත්ත මධ්යම ප්රවණතාවය, විසරණය සහ වෙනත් විවිධ ශිල්පීය ක්රම භාවිතයෙන් විශ්ලේෂණය කළ හැකිය.
මිනුම් පරිමාණයන් (නාමික, සාමාන්ය, පරතරය, අනුපාතය) තේරුම් ගැනීම වැදගත් වන්නේ එය සුදුසු සංඛ්යානමය ශිල්පීය ක්රම සහ ප්රතිඵල ඉදිරිපත් කරන ආකාරය තීරණය කරන බැවිනි.
2. සූදානම් වීමේ අදියර: දත්ත සංස්කරණය කිරීම සහ පිරිසිදු කිරීම
සමීක්ෂණ දත්තවල බොහෝ විට දෝෂ, අනුපිටපත් හෝ නොගැලපෙන ප්රතිචාර අඩංගු වේ. එබැවින්, වැදගත් පියවර දෙකක් අවශ්ය වේ:
අ. සංස්කරණය කිරීම
ප්රතිචාර දක්වන්නාගේ පිළිතුරුවල සම්පූර්ණත්වය සහ අනුකූලතාව පරීක්ෂා කරන්න. උදාහරණයක් ලෙස, ප්රතිචාර දක්වන්නෙකුගේ වයස අවුරුදු 8 ක් වුවද ඔවුන්ගේ රැකියා තත්ත්වය "සේවක" නම්, මෙය සමාලෝචනය කළ යුතුය.
ආ. පිරිසිදු කිරීම
දත්ත පිරිසිදු කරන්න:
– දත්ත නොමැති වීම (අඩු අගයන්): ප්රතිචාර දැක්වූවන් සමහර ප්රශ්නවලට පිළිතුරු දුන්නේ නැත.
– බාහිර: තේරුමක් නැති ආන්තික අගයක්, උදාහරණයක් ලෙස සාමාන්ය ජනගහනය සඳහා මසකට බිලියන 1 ක ආදායමක්.
– ප්රතිචාර අනුපිටපත් කිරීම: ප්රතිචාර දක්වන්නන් සමීක්ෂණය එක් වරකට වඩා සම්පූර්ණ කරයි.
අතුරුදහන් වූ අගයන් හැසිරවීම, ඇතුළත් කිරීම් මකා දැමීමෙන්, ඒවා මධ්යන්ය/මධ්ය අගයෙන් (සංඛ්යාත්මක දත්ත සඳහා) ප්රතිස්ථාපනය කිරීමෙන් හෝ වර්ගීකරණ දත්ත සඳහා “පිළිතුරු දුන්නේ නැත” කාණ්ඩය භාවිතා කිරීමෙන් සිදු කළ හැකිය - විශ්ලේෂණයේ අරමුණ සහ අතුරුදහන් වූ දත්තවල අනුපාතය මත පදනම්ව.
3. කේතනය සහ දත්ත ඇතුළත් කිරීම
දත්ත පිරිසිදු කළ පසු, එය කේතනය කරන්න, එනම් පිළිතුරු සැකසීමට පහසු ආකෘතියකට පරිවර්තනය කිරීමයි. උදාහරණයක් ලෙස:
– ස්ත්රී පුරුෂ භාවය: පිරිමි=1, ගැහැණු=2
– ලිකර්ට් පරිමාණය: දැඩි ලෙස එකඟ නොවේ = 1 සිට දැඩි ලෙස එකඟ වේ = 5 දක්වා
කේතනය මඟින් Excel, SPSS, R, හෝ Python වැනි මෘදුකාංග වලට දත්ත ආදානය කිරීම පහසු කරයි. ඔබේ විශ්ලේෂණය අනුකරණය කර අන් අයට තේරුම් ගත හැකි වන පරිදි කේත පොතක් (විචල්යයන්, අර්ථ දැක්වීම් සහ කේත අඩංගු ලේඛනයක්) නිර්මාණය කිරීමට වග බලා ගන්න.
4. විස්තරාත්මක සංඛ්යාලේඛන: සමීක්ෂණ දත්ත සාරාංශ කිරීම
විස්තරාත්මක සංඛ්යාලේඛන මූලික දත්ත සැකසීමේ හරයයි. ඒවායේ අරමුණ න්යායන් පරීක්ෂා කිරීම නොව, දත්තවල ලක්ෂණ පිළිබඳ සාමාන්ය දළ විශ්ලේෂණයක් සැපයීමයි.
අ. සංඛ්යාතය සහ ප්රතිශත ව්යාප්තිය
වර්ගීකරණ සහ සාමාන්ය දත්ත සඳහා, ගණනය කරන්න:
– සංඛ්යාතය (ප්රතිචාර ගණන)
– ප්රතිශතය (මුළු ප්රතිචාරවල අනුපාතය)
උදාහරණ ප්රතිඵල:
"ප්රතිචාර දැක්වූවන්ගෙන් 60% ක් පමණ A සේවාව තෝරා ගත් අතර, 40% ක් B සේවාව තෝරා ගත්හ."
පහසුවෙන් තේරුම් ගැනීම සඳහා සංඛ්යාත ව්යාප්ති සාමාන්යයෙන් වගු සහ තීරු/පයි ප්රස්ථාර ආකාරයෙන් ඉදිරිපත් කෙරේ.
ආ. මධ්යම ප්රවණතාවයේ මිනුම
සංඛ්යාත්මක දත්ත සඳහා, භාවිතා කරන්න:
– මධ්යන්යය (සාමාන්යය): ප්රතිචාර දැක්වූවන් සංඛ්යාවෙන් බෙදූ සියලුම අගයන්හි එකතුව.
– මධ්යන්ය: දත්ත වර්ග කළ පසු මැද අගය.
– මාදිලිය: බොහෝ විට දිස්වන අගය.
මධ්යන්යය සාපේක්ෂව සමමිතික ව්යාප්තියක් සහිත දත්ත සඳහා සුදුසු වන අතර, බාහිර හෝ ඇලවූ ව්යාප්තියක් ඇති විට මධ්යන්යය වඩාත් ස්ථායී වේ. මෙම මාදිලිය බොහෝ විට වර්ගීකරණ දත්ත සඳහා හෝ ඔබට වඩාත් පොදු තේරීම දැකීමට අවශ්ය විට ප්රයෝජනවත් වේ.
ඇ. පැතිරීමේ ප්රමාණය (විචල්යතාවය)
ප්රතිචාර දක්වන්නන්ගේ පිළිතුරු කොපමණ වෙනස් වේද යන්න තීරණය කිරීමට විසරණ මිනුම් උපකාරී වේ:
– පරාසය: උපරිම සහ අවම අගයන් අතර වෙනස.
– විචලනය: අගයන් සහ මධ්යන්යය අතර වෙනසෙහි සාමාන්ය වර්ග.
– සම්මත අපගමනය: විචලනයේ වර්ගමූලය, ඒකක මුල් දත්ත වලට සමාන බැවින් අර්ථ නිරූපණය කිරීමට පහසුය.
උදාහරණයක් ලෙස, කණ්ඩායම් දෙකකට එකම මධ්යන්ය තෘප්තිය තිබිය හැකි නමුත් වෙනස් සම්මත අපගමනයන් තිබිය හැකිය - විශාල සම්මත අපගමනයක් සහිත කණ්ඩායමක් යන්නෙන් අදහස් වන්නේ ප්රතිචාර දක්වන්නන්ගේ පිළිතුරු වඩාත් විවිධාකාර බවයි.
5. දත්ත දෘශ්යකරණය
ප්රස්ථාර මඟින් ප්රතිඵල ඉක්මනින් සහ පැහැදිලිව ප්රකාශ කිරීමට උපකාරී වේ. සමීක්ෂණ දත්ත සඳහා පොදු දෘශ්යකරණ වර්ග කිහිපයක්:
– තීරු ප්රස්ථාරය: වර්ගීකරණ/සාමාන්ය දත්ත සඳහා.
– හිස්ටෝග්රෑම්: සංඛ්යාත්මක දත්ත බෙදා හැරීම සඳහා.
– කොටු සටහන: මධ්ය, චතුර්ථක සහ බාහිර සංඛ්යා පෙන්වයි.
– රේඛා සටහන: සමීක්ෂණය වරින් වර සිදු කරන්නේ නම් (කාල ශ්රේණිය).
වැරදි අර්ථකථන වළක්වා ගැනීම සඳහා හොඳ දෘශ්යකරණයකට මාතෘකාවක්, අක්ෂ ලේබල සහ දත්ත මූලාශ්ර ලබා දිය යුතුය.
6. ක්රොස්ටැබ් විශ්ලේෂණය
වර්ගීකරණ හෝ සාමාන්ය විචල්ය දෙකක් අතර සම්බන්ධතාවය බැලීමට හරස් වගුව භාවිතා කරයි. උදාහරණය:
– ස්ත්රී පුරුෂ භාවය මත පදනම් වූ තෘප්තිය (තෘප්තිමත්/අතෘප්තිමත්)
- වයස් කාණ්ඩය අනුව නිෂ්පාදන තෝරා ගැනීම
හරස් පටිති ප්රතිඵල සාමාන්යයෙන් පේළියකට හෝ තීරුවකට ප්රතිශත සමඟ ඉදිරිපත් කෙරේ. කණ්ඩායම් අතර රටා වෙනස්කම් හඳුනා ගැනීම සඳහා මෙය ප්රයෝජනවත් වේ.
Misalnya:
"වයස අවුරුදු 18-25 අතර වයස් කාණ්ඩයට සාපේක්ෂව තෘප්තිමත් ප්රතිචාර දැක්වූවන්ගේ ප්රතිශතය අවුරුදු 26-35 අතර වැඩි විය."
හරස් වගු තවමත් විස්තරාත්මක ස්වභාවයක් ගත්තද, ප්රතිඵල බොහෝ විට වැඩිදුර විශ්ලේෂණය සඳහා පදනම ලෙස ක්රියා කරයි.
7. ලිකර්ට් පරිමාණයන් සැකසීම: ලකුණු කිරීම සහ අර්ථ නිරූපණය
බොහෝ සමීක්ෂණ 1–5 හෝ 1–7 ලිකර්ට් පරිමාණයක් භාවිතා කරයි. සැකසුම් ශිල්පීය ක්රමවලට ඇතුළත් වන්නේ:
1. අයිතමයකට සාමාන්ය ලකුණු ගණනය කරන්න
උදාහරණයක් ලෙස, “සේවා ගුණාත්මකභාවය” සඳහා සාමාන්ය ශ්රේණිගත කිරීම 5 න් 4,2 කි.
2. දර්ශකයක්/සංයුක්තයක් සාදන්න
එක් සංකල්පයක් මැනීමට බහුවිධ අයිතම තිබේ නම් (උදා: “තෘප්තිය” ප්රශ්න 5 කින් සමන්විත වේ), ලකුණු සාරාංශගත කර හෝ සාමාන්යකරණය කර එක් දර්ශක අගයක් සෑදිය හැකිය.
3. ලකුණු වර්ගීකරණය
ලකුණු යම් සීමාවන් සහිත පහළ-මධ්යම-ඉහළ වැනි කාණ්ඩවලට පරිවර්තනය කළ හැකිය.
ලිකර්ට් අර්ථ නිරූපණයේදී, පාඨකයාට සන්දර්භය තේරුම් ගත හැකි වන පරිදි භාවිතා කරන ලද පරිමාණය සඳහන් කිරීම සහ ලකුණු වල අර්ථය පැහැදිලි කිරීම වැදගත් වේ.
8. සරල විශ්වසනීයත්ව පරීක්ෂාව (විකල්ප)
ඔබ බහුවිධ ප්රශ්න වලින් දර්ශකයක් ගොඩනඟන්නේ නම්, එහි අභ්යන්තර අනුකූලතාව පරීක්ෂා කිරීම හොඳ අදහසකි. එක් පොදු මිනුමක් වන්නේ ක්රොන්බැච්ගේ ඇල්ෆා ය. මෙය පිරිසිදු "මූලික සංඛ්යාලේඛන" ඉක්මවා ගියද, සමීක්ෂණ සැකසීමේදී මෙම සංකල්පය තවමත් නිතර භාවිතා වේ. ඉහළ ඇල්ෆා අගයක් (උදා: ≥ 0,7) සාමාන්යයෙන් පෙන්නුම් කරන්නේ අයිතම තරමක් ස්ථාවර ලෙස එකම ගොඩනැගීම මනිනු ලබන බවයි.
9. ප්රතිඵල අර්ථ නිරූපණය සහ වාර්තා කිරීම
හොඳ දත්ත සැකසීමක් පැහැදිලි වාර්තාකරණයකට හේතු විය යුතුය. ඔබේ වාර්තාවේ, ඇතුළත් කිරීමට වග බලා ගන්න:
– ප්රතිචාර දක්වන්නන්ගේ පැතිකඩ (වැදගත් ජනවිකාස)
– ප්රධාන විචල්යයකට ප්රතිඵල සාරාංශය
– අදාළ වගු/ප්රස්තාර
– අතිශයෝක්තියෙන් තොර අර්ථ නිරූපණය
සමීක්ෂණය විස්තරාත්මක පමණක් නම්, "හේතුව සහ බලපෑම" අනුමාන කිරීමෙන් වළකින්න. ශක්තිමත් සම්බන්ධතාවයක් ඇති කර ගැනීම සඳහා, සුදුසු පර්යේෂණ සැලසුම් සහ අනුමාන සංඛ්යානමය පරීක්ෂණ අවශ්ය වේ.
10. වළක්වා ගත යුතු පොදු වැරදි
සමීක්ෂණ දත්ත සැකසීමේදී බොහෝ විට සිදුවන සමහර දෝෂ:
– පිරිසිදු කිරීම සිදු නොකිරීම නිසා ප්රතිඵල පක්ෂග්රාහී වේ
– අනුපිළිවෙලට නොදැමූ වර්ගීකරණ දත්තවල මධ්යන්යය භාවිතා කිරීම
– මිනුම් පරිමාණය පැහැදිලි නොකරයි
- පැහැදිලි උපාය මාර්ගයකින් තොරව නැතිවූ අගයන් නොසලකා හැරීම
- ලේබල හෝ සන්දර්භයක් නොමැතිව ප්රස්ථාර ඉදිරිපත් කිරීම
මෙම දෝෂ වළක්වා ගැනීමෙන්, විශ්ලේෂණ ප්රතිඵල වඩාත් වලංගු සහ විශ්වාසදායක වේ.
වසා දැමීම
මූලික සංඛ්යාලේඛන භාවිතා කරමින් සමීක්ෂණ දත්ත සැකසුම් ශිල්පීය ක්රමවලට අත්යවශ්ය පියවර මාලාවක් ඇතුළත් වේ: දත්ත වර්ග තේරුම් ගැනීම, ප්රතිචාර පිරිසිදු කිරීම සහ කේතනය කිරීම, විස්තරාත්මක සංඛ්යාලේඛන හරහා දත්ත සාරාංශ කිරීම, තොරතුරු දෘශ්යකරණය කිරීම සහ ප්රතිඵල නිවැරදිව අර්ථ නිරූපණය කිරීම. මූලික සංඛ්යාලේඛන දත්ත වඩාත් "කියවිය හැකි" කිරීමට පමණක් නොව, සමීක්ෂණ පාදක තීරණවල ගුණාත්මකභාවය ශක්තිමත් කිරීමට ද උපකාරී වේ. පිරිසිදු හා විනිවිද පෙනෙන ක්රියාවලියක් සමඟ, සමීක්ෂණ දත්ත විවිධ පර්යේෂණ අවශ්යතා සහ ආයතනික භාවිතයන් සඳහා වටිනා සහ නිවැරදි අවබෝධයක් ලබා දෙන මූලාශ්රයක් බවට පත්විය හැකිය.
ඔබට අවශ්ය නම්, සූත්ර සහ සැකිලි සමඟ Excel/SPSS හි නියැදි වගු, සමීක්ෂණ ප්රතිඵල වාර්තා ආකෘති හෝ සමීක්ෂණ දත්ත සැකසුම් පියවර නිර්මාණය කිරීමටද මට ඔබට උදව් කළ හැකිය.
