naywinaung research,Research Methodology သုတေသနစာတမ်းများ၏ အမှောင်ဘက်ခြမ်း

သုတေသနစာတမ်းများ၏ အမှောင်ဘက်ခြမ်း

သုတေသနဆိုတာ အမှန်တရားကို ရှာဖွေဖော်ထုတ်ဖို့၊ မေးခွန်းတစ်ခုကို အထောက်အထားတွေနဲ့ ဖြေရှင်းဖို့ လုပ်ဆောင်တဲ့အရာလို့ လူအများက ယုံကြည်ထားကြပါတယ်။ ဒါပေမဲ့ သုတေသနစာတမ်းတိုင်းဟာ အမှန်တရားကို မျှမျှတတ ဖော်ပြနေတယ်လို့တော့ မဆိုနိုင်ပါဘူး။ တစ်ခါတလေမှာ စာတမ်းရှင်က မိမိယုံကြည်ထားတဲ့အချက်၊ မိမိလိုချင်တဲ့ရလဒ် ဒါမှမဟုတ် မိမိအကျိုးစီးပွားကို အတည်ပြုနိုင်ဖို့ သုတေသနမေးခွန်းကစပြီး အချက်အလက်ရွေးချယ်ပုံ၊ ခွဲခြမ်းစိတ်ဖြာပုံနဲ့ နိဂုံးချုပ်ပုံအထိ တမင်တကာ ဦးတည်ပုံဖော်တတ်ပါတယ်။ ဒီလိုသုတေသနမျိုးဟာ သုတေသနလောကရဲ့ အမှောင်ဘက်ခြမ်းတစ်ခု ဖြစ်ပါတယ်။

အဆင့် (၁) — အဖြေကို အရင်သတ်မှတ်ထားခြင်း

သုတေသနတစ်ခုကို စတင်တဲ့အခါ “ဘာရလဒ်ထွက်မလဲဆိုတာ ကြည့်ကြရအောင်” ဆိုတဲ့ စိတ်ထားမျိုးနဲ့ စတင်သင့်ပါတယ်။ ဒါပေမဲ့ မမှန်ကန်တဲ့ သုတေသနမှာတော့ “ကျွန်တော်လိုချင်တဲ့ရလဒ်က ဒီတစ်ခုပဲ” ဆိုပြီး အဖြေကို အရင်သတ်မှတ်ထားတတ်ပါတယ်။ အဲဒီအချိန်ကစပြီး သုတေသနဟာ အဖြေရှာဖွေတဲ့လုပ်ငန်း မဟုတ်တော့ဘဲ မိမိသတ်မှတ်ပြီးသားအဖြေကို ထောက်ခံပေးနိုင်မယ့် အကြောင်းပြချက်တွေ ရှာဖွေတဲ့လုပ်ငန်း ဖြစ်သွားပါတယ်။

အဆင့် (၂) — မေးခွန်းကို တစ်ဖက်သတ်ဖြစ်အောင် ဖန်တီးခြင်း

အဖြေကို လိုချင်သလိုရဖို့ မေးခွန်းကိုလည်း လိုချင်သလို ရေးနိုင်ပါတယ်။ ဥပမာ “နည်းလမ်း A က အောင်မြင်မှုအပေါ် ဘယ်လိုသက်ရောက်သလဲ” လို့ မေးမယ့်အစား “နည်းလမ်း A က အောင်မြင်မှုကို ဘယ်လောက်အထိ တိုးတက်စေသလဲ” လို့ မေးလိုက်ရင် နည်းလမ်း A ဟာ အကျိုးရှိတယ်ဆိုတဲ့ ယူဆချက်ကို မေးခွန်းထဲကတည်းက ထည့်ထားပြီးသား ဖြစ်သွားပါတယ်။ ဒီလိုမေးခွန်းမျိုးမှာ အဖြေမရခင်ကတည်းက အဖြေရဲ့ဦးတည်ချက်ကို သတ်မှတ်ထားပြီးသား ဖြစ်နေပါတယ်။

အဆင့် (၃) — ကိုက်ညီတဲ့အချက်အလက်ကိုသာ ရွေးချယ်ခြင်း

သုတေသနလုပ်ပြီးတဲ့အခါ အချက်အလက်မျိုးစုံ ရရှိလာနိုင်ပါတယ်။ အဲဒီထဲမှာ မိမိယူဆချက်ကို ထောက်ခံတဲ့အချက်တွေလည်း ပါနိုင်သလို ဆန့်ကျင်တဲ့အချက်တွေလည်း ပါနိုင်ပါတယ်။ အမှန်တရားကို ရှာဖွေချင်သူဆိုရင် နှစ်မျိုးစလုံးကို ရိုးရိုးသားသား ဖော်ပြရပါမယ်။ ဒါပေမဲ့ မိမိလိုချင်တဲ့ရလဒ်ကိုသာ ပြချင်သူကတော့ ထောက်ခံတဲ့အချက်တွေကို ရွေးထုတ်ပြီး ဆန့်ကျင်တဲ့အချက်တွေကို ချန်ထားတတ်ပါတယ်။ အဲဒီလိုလုပ်လိုက်တဲ့အခါ စာဖတ်သူက အချက်အလက်အပြည့်အစုံကို မမြင်ရတော့ဘဲ တစ်ဖက်သတ်ပုံရိပ်တစ်ခုကိုပဲ မြင်ရပါတော့တယ်။

အဆင့် (၄) — အဆင်ပြေတဲ့နည်းလမ်းကိုသာ အသုံးပြုခြင်း

နည်းလမ်းရွေးချယ်တဲ့နေရာမှာလည်း ဘက်လိုက်မှုတွေ ဝင်လာနိုင်ပါတယ်။ စာတမ်းရှင်က မိမိယူဆချက်ကို အတည်ပြုနိုင်မယ့် အုပ်စု၊ အချိန်ကာလ၊ နမူနာအရွယ်အစား ဒါမှမဟုတ် တိုင်းတာနည်းကိုသာ ရွေးချယ်တတ်ပါတယ်။ တခြားနည်းလမ်းနဲ့ စမ်းသပ်ရင် ရလဒ်မတူနိုင်ပေမယ့် အဲဒီဖြစ်နိုင်ခြေကို မဖော်ပြဘဲ မိမိအတွက် အဆင်ပြေတဲ့နည်းလမ်းကိုသာ “အသင့်တော်ဆုံးနည်းလမ်း” လို့ ရေးသားနိုင်ပါတယ်။ ဒီလိုဆိုရင် နည်းလမ်းဟာ အမှန်တရားကို ရှာဖွေဖို့ အသုံးပြုတဲ့ကိရိယာ မဟုတ်တော့ဘဲ လိုချင်တဲ့ရလဒ်ကို ပုံဖော်ဖို့ အသုံးပြုတဲ့ကိရိယာ ဖြစ်သွားပါတယ်။

အဆင့် (၅) — ရလဒ်ကို လိုသလို ခွဲခြမ်းစိတ်ဖြာခြင်း

အချက်အလက်တွေကို ခွဲခြမ်းစိတ်ဖြာတဲ့အခါ နည်းလမ်းအမျိုးမျိုးနဲ့ စမ်းသပ်ကြည့်နိုင်ပါတယ်။ ဒါပေမဲ့ အဲဒီထဲက မိမိလိုချင်တဲ့ရလဒ် ထွက်လာတဲ့နည်းလမ်းကိုပဲ ရွေးပြီး ကျန်တဲ့ရလဒ်တွေကို မဖော်ပြဘူးဆိုရင် စာတမ်းက အပြင်ပန်းမှာတော့ ခိုင်မာသလို ထင်ရနိုင်ပါတယ်။ တကယ်တော့ ယုံကြည်စိတ်ချရမှုက လျော့နည်းနေပါလိမ့်မယ်။ ဒီအခြေအနေမှာ ရလဒ်ကို အချက်အလက်က ဦးဆောင်တာ မဟုတ်တော့ဘဲ လိုချင်တဲ့အဖြေက အချက်အလက်ရဲ့အဓိပ္ပာယ်ကို ဦးဆောင်နေခြင်း ဖြစ်ပါတယ်။

အဆင့် (၆) — ရလဒ်ရပြီးမှ ယူဆချက်ကို ပြန်တည်ဆောက်ခြင်း

တစ်ခါတလေ သုတေသနမစခင်က မသတ်မှတ်ထားတဲ့ ယူဆချက်ကို သုတေသနပြီးမှ မူလကတည်းက ခန့်မှန်းထားသလို ပြန်ရေးသားတတ်ကြပါတယ်။ ရလဒ်ကို အရင်မြင်ပြီးနောက် မေးခွန်းနဲ့ ယူဆချက်ကို ပြန်ညှိလိုက်တဲ့အတွက် စာတမ်းက အစီအစဉ်တကျ ဖြစ်နေသလို ထင်ရနိုင်ပါတယ်။ ဒါပေမဲ့ အမှန်မှာတော့ အဲဒီစာတမ်းဟာ ကြိုတင်ခန့်မှန်းပြီး စမ်းသပ်ထားတာမဟုတ်ဘဲ ရလဒ်ထွက်လာပြီးမှ အကြောင်းပြချက်ကို ပြန်တည်ဆောက်ထားတာ ဖြစ်ပါတယ်။

အဆင့် (၇) — ဆန့်ကျင်တဲ့အချက်တွေကို လျှော့ချဖော်ပြခြင်း

မိမိယူဆချက်နဲ့ မကိုက်ညီတဲ့အချက်တွေ ပေါ်လာတဲ့အခါ အဲဒီအချက်တွေကို “အရေးမကြီးတဲ့ ကန့်သတ်ချက်” လို့ပဲ ဖော်ပြတာ၊ ဒါမှမဟုတ် နောက်ထပ်လေ့လာဖို့ လိုအပ်တဲ့အချက်အဖြစ်ပဲ ချန်ထားတာမျိုး ရှိတတ်ပါတယ်။ အမှန်တရားကို တန်ဖိုးထားတဲ့ စာတမ်းတစ်စောင်ဆိုရင်တော့ မိမိမလိုချင်တဲ့ရလဒ်တွေကို ဖုံးကွယ်မထားဘဲ ဘာကြောင့် အဲဒီလိုထွက်လာတာလဲ၊ ဘယ်လိုအခြေအနေမှာ ရလဒ်က ပြောင်းလဲနိုင်သလဲဆိုတာ ရိုးသားစွာ ဆွေးနွေးသင့်ပါတယ်။

အဆင့် (၈) — စကားလုံးတွေနဲ့ ရလဒ်ကို ပိုကြီးမားအောင် ပြသခြင်း

အချက်အလက်က ပြောနိုင်တဲ့အတိုင်းအတာထက် ပိုပြင်းထန်တဲ့ စကားလုံးတွေကို အသုံးပြုတာကလည်း အမှောင်ဘက်ခြမ်းတစ်ခု ဖြစ်ပါတယ်။ ဥပမာ “ဆက်စပ်မှုရှိတယ်” ဆိုတဲ့ ရလဒ်ကို “အကြောင်းရင်းဖြစ်တယ်” လို့ ရေးသားတာ၊ နမူနာအုပ်စုသေးသေးလေးက ရလာတဲ့ ရလဒ်ကို “လူတိုင်းအတွက် မှန်ကန်တယ်” လို့ ချဲ့ထွင်တာမျိုး ဖြစ်ပါတယ်။ ဒီလို စကားလုံးအသုံးအနှုန်းတွေကြောင့် စာဖတ်သူဟာ သက်သေအထောက်အထားထက် ပိုမိုပြင်းထန်တဲ့ ယုံကြည်ချက်တစ်ခုကို ရရှိသွားနိုင်ပါတယ်။

အဆင့် (၉) — အကျိုးစီးပွားနဲ့ ရလဒ်ကို ရောထွေးခြင်း

သုတေသနတစ်ခုဟာ ငွေကြေး၊ အဖွဲ့အစည်းဆိုင်ရာ အကျိုးစီးပွား၊ နိုင်ငံရေးရည်ရွယ်ချက် ဒါမှမဟုတ် ကိုယ်ပိုင်ဂုဏ်သိက္ခာနဲ့ ဆက်စပ်နေတဲ့အခါ ဘက်လိုက်မှု ပိုမိုဖြစ်ပေါ်လာနိုင်ပါတယ်။ အဲဒီလိုအခြေအနေမှာ စာတမ်းရှင်ဟာ မိမိလိုချင်တာနဲ့ အချက်အလက်က တကယ်ပြောတာကို ခွဲခြားဖို့ ပိုပြီးခက်ခဲလာပါတယ်။ ဒါကြောင့် စာတမ်းတစ်စောင်ကို ဖတ်တဲ့အခါ “ဘယ်သူက ပြုလုပ်တာလဲ၊ ဘာကြောင့် ပြုလုပ်တာလဲ၊ ဘယ်သူက အကျိုးခံစားရမှာလဲ” ဆိုတဲ့ မေးခွန်းတွေကိုလည်း မေးမြန်းသင့်ပါတယ်။

အဆင့် (၁၀) — အခြားသူများက ပြန်လည်စစ်ဆေးနိုင်အောင် မဖွင့်လှစ်ထားခြင်း

သုတေသနတစ်ခုဟာ အခြားသူတွေက ပြန်လည်စစ်ဆေးနိုင်မှသာ ပိုပြီးယုံကြည်စိတ်ချရပါတယ်။ ဒါပေမဲ့ အသုံးပြုထားတဲ့အချက်အလက်တွေ၊ မေးခွန်းပုံစံတွေ၊ ခွဲခြမ်းစိတ်ဖြာပုံတွေကို ဖုံးကွယ်ထားမယ်ဆိုရင် စာတမ်းရဲ့မှန်ကန်မှုကို လွတ်လပ်စွာ စစ်ဆေးဖို့ ခက်ခဲသွားပါတယ်။ ဒီလိုဖွင့်လှစ်မထားခြင်းဟာ တစ်ခါတလေ အမှားကို ဖုံးကွယ်လိုခြင်း ဖြစ်နိုင်သလို၊ တစ်ခါတလေမှာတော့ သုတေသနနည်းလမ်း မပြည့်စုံမှုကို ဖော်ပြနေခြင်းလည်း ဖြစ်နိုင်ပါတယ်။

ဒီလိုအမှောင်ဘက်ခြမ်းကို ဘယ်လိုသိရှိနိုင်မလဲ

စာတမ်းတစ်စောင်ကို ဖတ်တဲ့အခါ နိဂုံးချုပ်ကိုပဲ ကြည့်ပြီး မယုံကြည်သင့်ပါဘူး။ သုတေသနမေးခွန်းကို ဘယ်လိုရေးထားသလဲ၊ နမူနာတွေကို ဘယ်လိုရွေးထားသလဲ၊ အချက်အလက်တွေကို ဘယ်ကရသလဲ၊ ဆန့်ကျင်တဲ့အချက်တွေကို ဖော်ပြထားသလား၊ စာတမ်းမှာ အကန့်အသတ်တွေကို ရိုးသားစွာ ဆွေးနွေးထားသလားဆိုတာတွေကိုပါ စစ်ဆေးသင့်ပါတယ်။

ဖတ်ရှုသူအနေနဲ့လည်း “ဒီရလဒ်နဲ့ ဆန့်ကျင်တဲ့အချက်အလက်တွေ ရှိနိုင်သလား”၊ “တခြားနည်းလမ်းနဲ့ စမ်းသပ်ရင် ဒီရလဒ်အတိုင်းပဲ ထွက်မလား”၊ “စာတမ်းရှင်မှာ ကိုယ်ပိုင်အကျိုးစီးပွား ရှိနေသလား” ဆိုတဲ့ မေးခွန်းတွေကို မေးကြည့်သင့်ပါတယ်။ ဒီလိုစဉ်းစားဖတ်ရှုခြင်းက စာတမ်းတစ်စောင်ရဲ့ ယုံကြည်စိတ်ချရမှုကို ပိုမိုကောင်းမွန်စွာ သုံးသပ်နိုင်စေပါတယ်။

သုတေသနရဲ့ တန်ဖိုးဟာ မိမိလိုချင်တဲ့အဖြေကို ရရှိခြင်းမှာ မရှိပါဘူး။ မိမိမလိုချင်တဲ့ရလဒ်ကိုတောင် ရိုးသားစွာ လက်ခံဖော်ပြနိုင်ခြင်းမှာ ရှိပါတယ်။ ဒါကြောင့် သုတေသနစာတမ်းတွေရဲ့ အမှောင်ဘက်ခြမ်းကို နားလည်သိရှိခြင်းဟာ သုတေသနအားလုံးကို ပယ်ချဖို့ မဟုတ်ဘဲ အမှန်တရားနဲ့ ပိုမိုနီးကပ်တဲ့၊ ရိုးသားပြီး ယုံကြည်စိတ်ချရတဲ့ သုတေသနတွေကို ရရှိနိုင်ဖို့ ဖြစ်ပါတယ်။

ထင်ရှားသော ဥပမာတစ်ခုကတော့ MMR ကာကွယ်ဆေးနှင့် အော်တစ်ဇင်ဆိုင်ရာ Wakefieldရဲ့ စာတမ်းပါ

သိပ္ပံနဲ့ ဆေးဘက်ဆိုင်ရာ သုတေသနတွေထဲမှာ မိမိလိုချင်တဲ့ရလဒ်ကို ရအောင် အချက်အလက်နဲ့ သုတေသနနည်းလမ်းကို တစ်ဖက်သတ်အသုံးချခဲ့တဲ့ ထင်ရှားတဲ့ ဥပမာတစ်ခုကတော့ MMR ကာကွယ်ဆေးနဲ့ အော်တစ်ဇင်ဆိုင်ရာ Andrew Wakefield ၏ စာတမ်း ဖြစ်ပါတယ်။ ဒီဖြစ်ရပ်ဟာ သုတေသနမှားယွင်းမှုတစ်ခုတည်း မဟုတ်ဘဲ လူထုကျန်းမာရေးနဲ့ လူအများရဲ့ ဆေးဘက်ဆိုင်ရာယုံကြည်မှုကိုပါ အချိန်ကြာမြင့်စွာ ထိခိုက်စေခဲ့တဲ့ ဖြစ်ရပ်တစ်ခု ဖြစ်ပါတယ်။

၁၉၉၈ ခုနှစ်မှာ Andrew Wakefield နဲ့ သူ့ရဲ့ ပူးတွဲစာတမ်းရှင်တွေက The Lancet ဆေးဘက်ဆိုင်ရာဂျာနယ်မှာ ကလေး ၁၂ ဦးအကြောင်း လေ့လာထားတဲ့ စာတမ်းတစ်စောင် ထုတ်ဝေခဲ့ပါတယ်။ အဲဒီစာတမ်းက MMR ကာကွယ်ဆေးထိုးပြီးနောက် အချို့ကလေးတွေမှာ အူလမ်းကြောင်းဆိုင်ရာ ပြဿနာတွေနဲ့ အော်တစ်ဇင်လက္ခဏာတွေ ပေါ်လာနိုင်တယ်လို့ အဓိပ္ပာယ်ရစေခဲ့ပါတယ်။ စာတမ်းမှာ “MMR ကာကွယ်ဆေးက အော်တစ်ဇင်ကို ဖြစ်စေတယ်” လို့ တိတိကျကျ သက်သေပြထားတာ မဟုတ်ပေမယ့် မီဒီယာဖော်ပြချက်တွေနဲ့ Wakefield ရဲ့ ပြောဆိုချက်တွေကြောင့် လူအများက အဲဒီလိုပဲ နားလည်သွားကြပါတယ်။

ပထမဆုံးပြဿနာက စာတမ်းဟာ ကလေး ၁၂ ဦးတည်းကို အခြေခံထားတဲ့ case series ဖြစ်ပြီး နှိုင်းယှဉ်စစ်ဆေးနိုင်မယ့် control group မပါဝင်တာပါ။ ဒီ့အပြင် ကလေးတွေရဲ့ မိဘတွေ ပြန်လည်မှတ်မိသမျှနဲ့ သူတို့ရဲ့ ယုံကြည်ချက်တွေပေါ်မှာလည်း အားပြုထားပါတယ်။ ဒီလိုလေ့လာမှုပုံစံမျိုးက ဆေးတစ်မျိုးက ရောဂါတစ်မျိုးကို တကယ်ဖြစ်စေတယ်ဆိုတာ အတည်ပြုဖို့ မလုံလောက်ပါဘူး။

ပိုဆိုးတဲ့ ပြဿနာကတော့ လူနာတွေရဲ့ မူရင်းဆေးမှတ်တမ်းတွေနဲ့ စာတမ်းထဲမှာ ဖော်ပြထားတဲ့ ရောဂါမှတ်တမ်း၊ လက္ခဏာစတင်ချိန်နဲ့ ဆေးကုသမှုမှတ်တမ်းတွေ မကိုက်ညီတာတွေကို နောက်ပိုင်းစုံစမ်းမှုတွေမှာ တွေ့ရှိခဲ့တာ ဖြစ်ပါတယ်။ BMJ ရဲ့ စုံစမ်းဖော်ပြချက်အရ စာတမ်းထဲက လူနာ ၁၂ ဦးစလုံးမှာ အချက်အလက်ကို မမှန်ကန်စွာ ဖော်ပြထားခြင်း ဒါမှမဟုတ် မဖော်ပြဘဲ ပြင်ဆင်ထားခြင်း တစ်မျိုးမဟုတ်တစ်မျိုး ရှိခဲ့ပါတယ်။

ဒီဖြစ်ရပ်မှာ အချက်အလက်တွေက သုတေသနရှင်ကို ဦးဆောင်သွားတာထက် သုတေသနရှင်က လိုချင်တဲ့အဖြေကို အချက်အလက်တွေဘက်က ထောက်ခံလာအောင် ပုံဖော်ထားတယ်လို့ စုံစမ်းဖော်ထုတ်ချက်တွေက ပြသပါတယ်။ လူနာတွေရဲ့ ဆေးမှတ်တမ်းတွေကို စာတမ်းထဲမှာ ဖော်ပြရာ၌ တစ်ဖက်သတ်ပြင်ဆင်ထားမှုတွေ ရှိခဲ့ပြီး၊ အဲဒီပြင်ဆင်မှုတွေဟာ MMR ကာကွယ်ဆေးနဲ့ အော်တစ်ဇင်ကြား ဆက်နွယ်မှုရှိတယ်လို့ ထင်မြင်စေတဲ့ဘက်ကိုပဲ ဦးတည်နေခဲ့ပါတယ်။

ဒါဟာ “ရလဒ်မကိုက်လို့ စာတမ်းတစ်စောင်မှာ အမှားအနည်းငယ် ပါသွားတယ်” ဆိုတဲ့အဆင့်ထက် ပိုမိုပြင်းထန်ပါတယ်။ သုတေသနအချက်အလက်ကို ရွေးချယ်ပြင်ဆင်ပြီး မိမိလိုချင်တဲ့ယူဆချက်ကို ထောက်ခံသလို ဖြစ်အောင် တင်ပြထားတဲ့အတွက် သုတေသနမရိုးသားမှု နဲ့ အချက်အလက်လိမ်လည်ဖော်ပြမှုဆိုင်ရာ ပြဿနာအဖြစ် သတ်မှတ်ခံခဲ့ရပါတယ်။

စာတမ်းထွက်ပြီးနောက် MMR ကာကွယ်ဆေးအပေါ် လူထုစိုးရိမ်မှု မြင့်တက်လာခဲ့ပါတယ်။ ယူကေမှာ ကာကွယ်ဆေးထိုးနှံမှုနှုန်း ကျဆင်းလာပြီး၊ နောက်ပိုင်းနှစ်တွေမှာ measles ရောဂါ ပြန်လည်ပျံ့နှံ့လာခဲ့ပါတယ်။ သုတေသနအဖွဲ့အစည်းတွေ၊ ဆေးဘက်ဆိုင်ရာပညာရှင်တွေ၊ မီဒီယာတွေက အဲဒီစာတမ်းကို လုံလောက်စွာ စိစစ်ရှင်းလင်းဖို့ နောက်ကျခဲ့တာကလည်း ပြဿနာကို ပိုမိုကြီးထွားစေခဲ့ပါတယ်။

နောက်ပိုင်းမှာ MMR ကာကွယ်ဆေးနဲ့ အော်တစ်ဇင်ကြား ဆက်နွယ်မှုရှိတယ်ဆိုတဲ့ အဆိုကို ထောက်ခံတဲ့ သက်သေအထောက်အထား မတွေ့ရှိခဲ့ပါဘူး။ အပြန်အလှန်အားဖြင့် လေ့လာမှုအများအပြားက ထိုဆက်နွယ်မှုကို မထောက်ခံကြောင်း ဖော်ပြခဲ့ပါတယ်။ နောက်ဆုံးမှာ The Lancet ဂျာနယ်က မူရင်းစာတမ်းကို ပြန်လည်ရုပ်သိမ်းခဲ့ပြီး၊ General Medical Councilရဲ့ စုံစမ်းကြားနာမှုနောက်နဲ့ Wakefield ကို ဆေးဘက်ဆိုင်ရာမှတ်ပုံတင်စာရင်းက ဖယ်ရှားခဲ့ပါတယ်။

ဒီဖြစ်ရပ်က သုတေသနစာတမ်းတစ်စောင်ကို ဂျာနယ်မှာ ထုတ်ဝေထားတယ်ဆိုရုံနဲ့ အမှန်တရားဖြစ်သွားတာ မဟုတ်ကြောင်း ပြသပါတယ်။ စာတမ်းမှာ အချက်အလက်ဘယ်လောက်ရှိသလဲဆိုတာထက် အဲဒီအချက်အလက်တွေကို ဘယ်လိုစုဆောင်းထားသလဲ၊ ဘယ်လိုရွေးချယ်ထားသလဲ၊ မူရင်းမှတ်တမ်းတွေနဲ့ ကိုက်ညီမှုရှိသလား၊ အခြားသုတေသနတွေနဲ့ ထပ်မံအတည်ပြုနိုင်သလားဆိုတာက ပိုအရေးကြီးပါတယ်။

နောက်ထပ်အရေးကြီးတဲ့ သင်ခန်းစာတစ်ခုကတော့ ဆက်စပ်မှုရှိခြင်းနဲ့ အကြောင်းရင်းဖြစ်ခြင်းကို မရောထွေးသင့်တာပါ။ အရာနှစ်ခုဟာ အချိန်အနီးကပ်ဖြစ်ပေါ်လာတယ်ဆိုရုံနဲ့ တစ်ခုက တစ်ခုကို ဖြစ်စေတယ်လို့ မဆိုနိုင်ပါဘူး။ အထူးသဖြင့် ကလေးကျန်းမာရေးနဲ့ ပတ်သက်တဲ့ သုတေသနတွေမှာ သက်သေအထောက်အထားမခိုင်မာသေးခင် ထင်မြင်ချက်ကို အမှန်တရားလို ပြောဆိုခြင်းက လူထုအတွက် ကြီးမားတဲ့အန္တရာယ် ဖြစ်စေနိုင်ပါတယ်။

Wakefield ဖြစ်ရပ်ဟာ မိမိယုံကြည်ထားတဲ့အချက်ကို အတည်ပြုနိုင်ဖို့ သုတေသနမေးခွန်း၊ လူနာရွေးချယ်မှုနဲ့ အချက်အလက်ဖော်ပြပုံတွေကို တစ်ဖက်သတ်အသုံးချလိုက်တဲ့အခါ ဘယ်လောက်ကြီးမားတဲ့ ထိခိုက်မှုတွေ ဖြစ်ပေါ်နိုင်သလဲဆိုတာ ပြသတဲ့ ထင်ရှားသော ဥပမာတစ်ခု ဖြစ်ပါတယ်။ စာတမ်းတစ်စောင်ရဲ့ ရလဒ်ဟာ လူအများလိုချင်တဲ့အဖြေ ဖြစ်နေလို့ ယုံကြည်ရတာမဟုတ်ပါဘူး။ မည်သည့်ရလဒ်ပဲ ထွက်လာပါစေ ရိုးသားစွာ ဖော်ပြနိုင်ခြင်း၊ အခြားသူများက ပြန်လည်စစ်ဆေးနိုင်ခြင်းနဲ့ ထပ်မံလေ့လာမှုတွေက အတည်ပြုနိုင်ခြင်းတို့ ရှိမှသာ ယုံကြည်စိတ်ချရတဲ့ သုတေသနလို့ ခေါ်နိုင်ပါတယ်။

ဒေါက်တာနေဝင်းအောင်
M.B,B.S
M.Med.Sc
MDevS


Discover more from naywinaung

Subscribe to get the latest posts sent to your email.

Leave a Reply

Your email address will not be published. Required fields are marked *

Related Post

Convenience SamplingConvenience Sampling

Convenience Sampling ဆိုတာ Non-probability Sampling Technique တစ်ခုဖြစ်ပါတယ်။ လူတွေကို ရွေးချယ်တဲ့အခါမှာ သုတေသီနဲ့ နီးစပ်တဲ့သူတွေ၊ အလွယ်တကူ ရနိုင်တဲ့သူတွေကိုပဲ ရွေးချယ်တာမျိုးပေါ့။ ပြောရရင် သိပ်ပြီးစနစ်တကျ မရှိတဲ့ sampling တစ်ခုပါပဲ။ ဒီနည်းလမ်းကို သုံးမယ်ဆိုရင်… ၁။ ပထမဦးဆုံး လေ့လာချင်တဲ့ Target Population ကို အတိအကျ သတ်မှတ်ရပါမယ်။၂။ ပြီးရင်

Z scoreZ score

Z-score Z-score ဆိုတာဟာ ကျွန်တော်တို့မှာရှိတဲ့ အချက်အလက် (data point) တစ်ခုက သူ့ရဲ့ ပျမ်းမျှ (mean) ကနေ ဘယ်လောက် အကွာအဝေးမှာ ရှိနေလဲဆိုတာကို စံသွေဖည်မှု (standard deviation) ရဲ့ အရေအတွက်နဲ့ တိုင်းတာဖော်ပြပေးတဲ့ တန်ဖိုးတစ်ခု ဖြစ်ပါတယ်။ တစ်နည်းအားဖြင့် ပြောရရင်၊ အချက်အလက်တစ်ခုရဲ့ “စံပြုနေရာ” (standardized position) ကို

Purposive SamplingPurposive Sampling

Purposive Sampling ဆိုတာက သုတေသနရဲ့ ရည်ရွယ်ချက်နဲ့ ကိုက်ညီတဲ့ လူတွေကို ရွေးချယ်ပြီး Data တွေ စုဆောင်းတဲ့ နည်းလမ်းပဲဖြစ်ပါတယ်။ ပြောရရင် ကိုယ်လေ့လာချင်တဲ့ အကြောင်းအရာကို နားလည်တဲ့သူတွေ၊ အတွေ့အကြုံရှိတဲ့သူတွေကိုပဲ ရွေးထုတ်ပြီး  သုတေသနပြုတာပေါ့။ Purposive Sampling ကို ဘယ်လိုလုပ်မလဲဆိုတော့… ၁။ ပထမဦးဆုံး သုတေသနရည်ရွယ်ချက်ကို အတိအကျ သတ်မှတ်ရပါမယ်။ ဘာကို လေ့လာချင်တာလဲ၊