naywinaung သုတေသနနည်းဗျူဟာ

သုတေသနနည်းဗျူဟာ

သုတေသနနည်းဗျူဟာသည်သုတေသန၏အဓိကအစိတ်အပိုင်းများဖြစ်သောသုတေသနခေါင်းစဉ်နှင့်အာရုံစူးစိုက်မှု၊ သုတေသနရှုထောင့်များအပေါ်တွင် အခြေခံသည်။ ၎င်းသည်သုတေသနမေးခွန်းများအားသင်မည်သို့ဖြေဆိုမည်ဆိုသည့်နည်းလမ်းနှင့်နည်းလမ်းကိုမည်သို့အကောင်အထည်ဖော်မည်ကိုရည်ညွှန်းသည်။

 

သင်၏သုတေသနခေါင်းစဉ်ကိုခွဲခြားသိမြင်ရန်၊ သင်၏သုတေသနကြေငြာချက်ကိုဖော်ထုတ်ရန်နှင့်ဖြစ်နိုင်ချေရှိသောသုတေသနမေးခွန်း (များ) ကိုစဉ်းစားရန်အချက်များကို ယခင်ကဖော်ပြခဲ့ပါသည်။

သင့်တွင်ရှင်းလင်းသောသုတေသနမေးခွန်းများသို့မဟုတ်ရည်ရွယ်ချက်များရှိနှင့်ပြီးဖြစ်သော်လည်းဤအဆင့်တွင်သင်သည်ထိုမေးခွန်းများကိုဖြေရှင်းရန်အတွက်အကောင်အထည်ဖော်ရန်သင့်လျော်သောနည်းဗျူဟာနှင့် ပတ်သက်၍ မသေချာသေးပါ။

သင်ကျင့်သုံးနိုင်ဖွယ်ရှိသည့်သုတေသနနည်းဗျူဟာအချို့ကိုအကျဉ်းချုံးဖော်ပြလိုပါသည်။

ပုံတွင်သုတေသနမဟာဗျူဟာ (၄) ခုကိုဖော်ပြထားသည်။

ဖြစ်ရပ်လေ့လာမှု၊

အရည်အသွေးပြည့်မီသောအင်တာဗျူးများ၊

အရေအတွက်စစ်တမ်းနှင့်

လုပ်ဆောင်မှုကိုဦးတည်သည့်သုတေသနပြုခြင်းတို့ဖြစ်ပါသည်။

သင်ပထမသုံးခုထဲကတစ်ခုကိုသုံးရပါလိမ့်မယ်။

ဒီနေရာမှာဒီမဟာဗျူဟာတစ်ခုချင်းစီပါ၀င်ပါတယ်။

 

   ဖြစ်ရပ်မှန်လေ့လာမှု – ဤကိစ္စသည်အမှုတွဲတစ်ခု (ဥပမာ – အဖွဲ့အစည်းတစ်ခု) သို့မဟုတ်အမှုငယ်အရေအတွက်ကိုအသေးစိတ်လေ့လာရန်ဖြစ်သည်။ ယေဘုယျအားဖြင့်ဖြစ်ရပ်လေ့လာမှုသုတေသနတွင်သတင်းအချက်အလက်များကိုအမျိုးမျိုးသောရင်းမြစ်များမှရှာဖွေလေ့လာခြင်း၊ လေ့လာခြင်း၊ တွေ့ဆုံမေးမြန်းခြင်းနှင့်စာရွက်စာတမ်းများကိုခွဲခြမ်းစိတ်ဖြာခြင်းစသည့်အချက်အလက်အမျိုးမျိုးကိုအသုံးပြုသည်။ ဒေတာအရည်အသွေး, အရေအတွက်သို့မဟုတ်နှစ်ခုစလုံးရောနှောဖြစ်နိုင်သည်။ ဖြစ်ရပ်လေ့လာမှုသုတေသနသည်ပြသနာသို့မဟုတ်ပြသနာများကို စုပေါင်း၍ မျက်နှာစုံညီစုံစမ်းစစ်ဆေးမှုကိုခွင့်ပြုသည်။

 

   အရည်အသွေးပြည့်မီသောအင်တာဗျူးများ – ကွဲပြားခြားနားသောအရည်အသွေးရှိသည့်အင်တာဗျူးများ (ဥပမာ – စနစ်တကျဖွဲ့စည်းထားသည့်၊ တစ်စိတ်တစ်ပိုင်းဖွဲ့စည်းထားခြင်း၊ မဖွဲ့စည်းထားခြင်း) အမျိုးမျိုးရှိသည်။ ၎င်းသည်ဒေတာများကိုစုဆောင်းရာတွင်အသုံးအများဆုံးနည်းလမ်းဖြစ်သည်။ အင်တာဗျူးများသည်ကြွယ်ဝသောသတင်းအချက်အလက်များကိုရရှိစေသည်။ ၎င်းတို့သည်ဖွဲ့စည်းတည်ဆောက်ပုံ၊ ဖွံ့ဖြိုးတိုးတက်မှု၊ မည်သူနှင့်မည်သူ၊မည်သူမည်ဝါမေးမြန်းမည်ကိုဆုံးဖြတ်ရန်၊ တစ် ဦး ချင်းဖြစ်စေ၊ အုပ်စုလိုက်တွေ့ဆုံမေးမြန်းခြင်းကိုဖြစ်စေ၊ ၎င်းတို့အားမည်သို့မှတ်တမ်းတင်မည်တို့ကိုသတ်မှတ်ရမည်။ တွေ့ဆုံမေးမြန်းသူများသည် လူမှုရေးစွမ်းရည်၊ နားထောင်ခြင်းနှင့်ဆက်သွယ်ရေးစွမ်းရည်များအပါအ၀င်စွမ်းရည်အမျိုးမျိုးလိုအပ်သည်။ တွေ့ဆုံမေးမြန်းခြင်းများကိုလည်းပြုလုပ်ရန်အချိန်ယူရပြီး၎င်းတို့သည်ဒီဇိုင်းရေးဆွဲစဉ်ကာလအတွင်းလျော့ချရန်လိုအပ်သည့်ပြသနာများနှင့်ဘက်လိုက်မှုများကိုကြုံတွေ့နိုင်သည်။

 

   အရေအတွက်စစ်တမ်း – ဤသည်မှာစီးပွားရေးသုတေသနအတွက်ကျယ်ပြန့်စွာအသုံးပြုသောနည်းလမ်းဖြစ်ပြီးပါဝင်သူအများအပြားသိသိသာသာကိုလက်လှမ်းမီစေသည်။ အွန်လိုင်း၀ဘ်ဆိုဒ်များမှတဆင့် ရရှိခြင်းသည်ကျယ်ပြန့်ဈေးပေါသောစစ်တမ်းများဖြန့်ဝေခြင်းနှင့်တုန့်ပြန်မှုများကိုဖွဲ့စည်းခြင်းကိုပြုလုပ်သည်။

မေးခွန်းများ၏ဖွံ့ဖြိုးတိုးတက်မှုသည်လွယ်ကူပုံရသော်လည်းသုတေသနမေးခွန်းများ၏အဖြေကိုခွင့်ပြုသည့်အဓိပ္ပါယ်ရှိသောမေးခွန်းလွှာတစ်ခုထုတ်ဖော်ရန်ခက်ခဲသည်။

မေးခွန်းလွှာများသည်ဖြေဆိုသူများထံမှခွင့်ပြုချက်ရရန်လိုသည်။

ရှည်လျားလွန်ပါက နားလည်ရန်ခက်ခဲလွန်းသည်။

စုံစမ်းစစ်ဆေးမှုအောက်ရှိပြသနာကိုတိကျစွာတိုင်းတာရန်လိုအပ်သည်။

ဤအကြောင်းပြချက်များကြောင့်ဖြစ်နိုင်လျှင်စျေးကွက်တွင်ရရှိနိုင်သည့်အပြင်နှိုက်နှိုက်ချွတ်ချွတ်အတည်ပြုပြီးဖြစ်သောမေးခွန်းပုံစံများကိုအသုံးပြုရန်အကြံပြုလိုပါသည်။  မေးခွန်းပုံစံများကိုအသုံးပြုသောအခါနမူနာအရွယ်အစားနှင့်လေ့လာခဲ့သောလူ ဦး ရေတစ်ခုလုံး၏ကိုယ်စားပြုမှုရှိ၊ မရှိနှင့် ပတ်သက်၍ ဆုံးဖြတ်ချက်ချရပါမည်။ စစ်တမ်းကောက်ယူမှုများကိုလူ ဦး ရေ (သန်းခေါင်စာရင်း) တစ်ခုလုံးအတွက်စီမံနိုင်သည်။ ဥပမာ – တိကျသောအဖွဲ့အစည်းတစ်ခု၏ ၀န်ထမ်းအားလုံး။

   လှုပ်ရှားမှု -အခြေပြုသုတေသန: ပြောင်းလဲမှုအတွက်အကြံပြုချက်များရရှိရန် ဦးတည်သောလက်တွေ့စီးပွားရေးသုတေသနကိုရည်ညွှန်းသည်။ လှုပ်ရှားမှု -အခြေပြုသုတေသနသည်ပူးပေါင်းပါ ၀ င်သည့်လုပ်ငန်းစဉ်ဖြစ်ပြီးသီအိုရီနှင့်လက်တွေ့ပေါင်းစပ်ခြင်းဖြစ်ပြီး အဆိုပါသုတေသနများကိုအတွင်းလူများမှပြုလုပ်လေ့ရှိသည်။ အဘယ်ကြောင့်ဆိုသော်သုတေသနလုပ်ငန်းစဉ်ကိုဖွံ့ဖြိုးတိုးတက်ရန်အတွက်ပါ ၀ င်သူများအားတက်ကြွစွာပါ ၀ င်ရန်လိုအပ်ခြင်းကိုအခြေခံခြင်းဖြစ်သည်။ သုတေသနပြုလုပ်ပြီးနောက်သင်တန်းသားများကိုပြောင်းလဲမှုအကောင်အထည်ဖော်ရန်အချက်လက်များရရှိလိမ့်မည်။

 

လှုပ်ရှားမှု -အခြေပြုသုတေသနတွင် ပါဝင်ပတ်သက်သူနှစ် ဦး စလုံးတူညီယူဆချက် (ဥပမာပြောင်းလဲမှုထုတ်လုပ်ရန်) တွင်အခြေစိုက်နေကြသည်သော်လည်းအတိအကျအရေးယူသောသုတေသနမဟုတ်ပါ။ လှုပ်ရှားမှုသုတေသနသည်အလွန်ရှုပ်ထွေးသည့်သုတေသန၊ ထင်ဟပ်မှုနှင့်ပြောင်းလဲမှုကိုလက်တွေ့ကျင့်သုံးရန်အမြဲတမ်းမရနိုင်သောချဉ်းကပ်မှုဟု(Cameron and Price, 2009)ကတင်ပြခဲ့သည် ။ ထို့အပြင်လုပ်ဆောင်ချက်သုတေသီများသည်အဆင့်မြင့်ကျွမ်းကျင်မှုရှိရန်လိုအပ်သည်။ အကြောင်းပြချက်များအတွက်ခြုံငုံသုံးသပ်ချက်သည်လုပ်ဆောင်မှုကို ဦး စားပေးသည့်သုတေသနနည်းဗျူဟာအပေါ်မူတည်သည်။ အကယ်၍ သင်သည်ဤနည်းဗျူဟာနှင့်လုပ်ဆောင်မှုသုတေသနကိုပိုမိုလေ့လာရန်စိတ်ဝင်စားပါကကင်မရွန်(အခန်း ၁၄) ကိုဖတ်သင့်သည်။

 

အလယ်အလတ်အချက်အလက်များအသုံးပြုခြင်းပါ၀င်သည့်နည်းဗျူဟာတစ်ခုကိုရွေးချယ်ရန်သင့်အတွက်ဖြစ်နိုင်သည်။

 

Secondary data

Secondary data ဆိုသည်မှာအခြားလူများ (ဥပမာ ၀ န်ထမ်းစစ်တမ်းများ၊ စျေးကွက်သုတေသနအချက်အလက်များ၊ သန်းခေါင်စာရင်း) မှကောက်ယူခဲ့သောအချက်အလက်ဖြစ်သည်။ သင်၏သုတေသနစီမံကိန်းအတွက်အလယ်အလတ်အချက်အလက်များကိုအသုံးပြုခြင်းသည်သုတေသနမေးခွန်းများ၏လိုအပ်ချက်များနှင့်ကိုက်ညီမှုရှိရန်လိုအပ်သည်။

အလယ်အလတ်အချက်အလက်များကိုအသုံးပြုခြင်းသည်ငွေနှင့်အချိန်ကိုချွေတာရာတွင်သိသာသောအကျိုးကျေးဇူးများရှိသည်။

သို့ရာတွင်အချက်အလက်များ၏အရည်အသွေးနှင့်မည်ကဲ့သို့ကောက်ယူသည်ကိုသိရှိရန်အရေးကြီးသည်။

ဥပမာအားဖြင့်၊ အစိုးရအေဂျင်စီများမှကောက်ယူထားသောအချက်အလက်များသည်အရည်အသွေးကောင်းသော်လည်းသင့်သုတေသန၏လိုအပ်ချက်နှင့်မကိုက်ညီနိုင်ပါ။

 

ရှုထောင့်နှင့်အသုံးပြုသောနည်းစနစ်များအကြား ရှေ့နောက်ညီညွတ်မှုရှိသင့်ကြောင်း မှတ်သားရန်အရေးကြီးသည်။ ဆိုလိုသည်မှာမှီငြမ်းသောမဟာဗျူဟာအမျိုးအစားသည်ဆက်စပ်မှုရှိရန်လိုအပ်သည်။


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

Chapter 5 SOME IMPORTANT SAMPLING DISTRIBUTIONSChapter 5 SOME IMPORTANT SAMPLING DISTRIBUTIONS

အခန်း (၅) တွင်ပါဝင်သော “အရေးကြီးသော နမူနာဖြန့်ဝေမှုအချို့” (SOME IMPORTANT SAMPLING DISTRIBUTIONS) သည် စာရင်းအင်းဘာသာရပ်ရှိ အရေးကြီးဆုံး အခန်းများထဲမှ တစ်ခုဖြစ်ပြီး၊ ဖော်ပြချက်ဆိုင်ရာစာရင်းအင်း (descriptive statistics) နှင့် ဖြစ်နိုင်ခြေသဘောတရား (probability) တို့မှ ကောက်ချက်ဆွဲခြင်းဆိုင်ရာစာရင်းအင်း (inferential statistics) သို့ ကူးပြောင်းရာတွင် အဓိကတံတားအဖြစ် တည်ရှိနေသည်။ ကောက်ချက်ဆွဲခြင်းဆိုသည်မှာ လူဦးရေ

Bessel’s CorrectionBessel’s Correction

Bessel’s Correctionစာရင်းအင်းနယ်ပယ်တွင် ဒေတာများကို ခွဲခြမ်းစိတ်ဖြာရာတွင် တိကျမှုနှင့် ယုံကြည်စိတ်ချရမှုသည် အဓိက အချက်ဖြစ်သည်။ အထူးသဖြင့် sample ဒေတာများမှ population ကို ခန့်မှန်းရန် ကြိုးစားချိန်တွင် အမှားများကို ရှောင်ရှားရန် လိုအပ်ပါသည်။ ဤနေရာတွင် Bessel’s correction ဟူသော ချိန်ညှိနည်းလမ်းသည် အရေးပါလာပါသည်။ Bessel’s Correction ဆိုတာ ဘာလဲ။Bessel’s correction သည်

Health PolicyHealth Policy

ကျန်းမာရေးပေါ်လစီနဲ့ ပတ်သက်ပြီး Kingdon model နဲ့ Hall model တွေအကြောင်း နည်းနည်းပြောပြချင်ပါတယ်။ ပထမဆုံး ပြောရရင်၊ Kingdom ဆိုတာ John Kingdon ဆိုတဲ့ ပညာရှင်က တီထွင်ခဲ့တဲ့ Multiple Streams Framework လို့ ခေါ်တဲ့ မော်ဒယ်ပါ။ Hall model ကတော့ Hall et al.