နမူနာရွေးချယ်မှု (Sampling)

သုတေသနမှာ အရေးကြီးတဲ့ အဆင့်တစ်ဆင့်ဖြစ်တဲ့ နမူနာရွေးချယ်မှု (Sampling)

သုတေသန နည်းလမ်းပိုင်း (Research Methodology) ရဲ့ အဓိက အစိတ်အပိုင်းတစ်ခုဖြစ်တဲ့ နမူနာရွေးချယ်မှုဆိုတာကတော့ လူအုပ်စုကြီးတစ်ခုလုံးကို ကိုယ်စားပြုနိုင်မယ့် အစိတ်အပိုင်းငယ်တစ်ခုကို ရွေးချယ်တဲ့ လုပ်ငန်းစဉ် (process) ကို ပြောတာပါ။

• Population (လူဦးရေ/လူအုပ်စု) ဆိုတာက သုတေသီ စိတ်ဝင်စားတဲ့ လေ့လာလိုသူများရဲ့ စရိုက်လက္ခဏာများပါဝင်သော အလုံးစုံသော အဖွဲ့အစည်း ကို ဆိုလိုပါတယ်။
• Sample (နမူနာ) ဆိုတာကတော့ အဲဒီလူအုပ်စုကြီးထဲကနေ ဆွဲထုတ်ထားတဲ့ ကန့်သတ်ထားတဲ့ အစိတ်အပိုင်းငယ် (finite part or subset) လေးပါ။

ဒီလို နမူနာယူရခြင်းရဲ့ အဓိက ရည်ရွယ်ချက်ကတော့ ကုန်ကျစရိတ်၊ အချိန်နဲ့ အားထုတ်မှု အနည်းဆုံးနဲ့ စစ်ဆေးလိုတဲ့ လူအုပ်စုကြီးတစ်ခုလုံးနဲ့ပတ်သက်တဲ့ တိကျမှန်ကန်ပြီး ယုံကြည်စိတ်ချရတဲ့ အချက်အလက်တွေကို ရရှိဖို့ ဖြစ်ပါတယ်။ နမူနာယူခြင်းကြောင့် သုတေသီဟာ နမူနာရလဒ်တွေကို အခြေခံပြီး လူဦးရေတစ်ခုလုံးနဲ့ပတ်သက်တဲ့ ကောက်ချက် (statistical inference) တွေကို ချနိုင်ပါတယ်။

အရေးကြီးတာကတော့ ရွေးချယ်လိုက်တဲ့ နမူနာဟာ မူလလူဦးရေတစ်ခုလုံးကို မှန်မှန်ကန်ကန် ကိုယ်စားပြုနိုင်ဖို့ (representative) လိုအပ်ပါတယ်။ ဒီလိုမှမဟုတ်ရင် ရွေးချယ်မှုဘက်လိုက်မှု (sampling bias or selection bias) တွေ ဖြစ်ပေါ်လာပြီး ရလဒ်တွေရဲ့ ယေဘုယျအားဖြင့် မှန်ကန်နိုင်စွမ်း (generalizability) ကို ထိခိုက်စေနိုင်ပါတယ်။

သုတေသနမှာ နမူနာရွေးချယ်တဲ့ နည်းလမ်းကြီး (၂) မျိုး ရှိပါတယ်:

၁။ ဖြစ်တန်စွမ်းရှိသော နမူနာယူခြင်း (Probability Sampling)
Probability Sampling ကို ကျပန်းရွေးချယ်ခြင်း (random sampling) လို့လည်း ခေါ်ဆိုနိုင်ပြီး ဒီလိုရွေးချယ်တဲ့အခါ ရည်ရွယ်ချက်ရှိရှိ ရွေးချယ်ခြင်းမပါတဲ့ ကျပန်းသဘောတရားကို အသုံးပြုပါတယ်။

• အဓိပ္ပာယ်:
မူလလူဦးရေမှာ ပါဝင်သူတစ်ဦးချင်းစီတိုင်းဟာ ရွေးချယ်ခံရဖို့ အခွင့်အရေးရှိတဲ့၊ သုညမဟုတ်တဲ့ ဖြစ်နိုင်ခြေ (known, non-zero chance) တစ်ခုစီ ရှိပါတယ်။

• ရည်ရွယ်ချက်:
ရလဒ်တွေကို လူအုပ်စုကြီးတစ်ခုလုံးဆီ ယေဘုယျပြုနိုင်ဖို့ (generalizability) အတွက် ဒီနည်းလမ်းကို အဓိကထား အသုံးပြုပါတယ်။ ဒါဟာ ဂဏန်းအချက်အလက်ကို အဓိကထားတဲ့ Quantitative Research (ပမာဏပိုင်းဆိုင်ရာ သုတေသန) နဲ့ ဆက်စပ်ပါတယ်။

• နမူနာ အရေအတွက်:
Quantitative သုတေသနများအတွက် နမူနာ အရေအတွက် များဖို့ လိုအပ်လေ့ရှိပြီး၊ သုတေသီဟာ ရည်ရွယ်ချက်နဲ့ ကိုက်ညီတဲ့ အနိမ့်ဆုံး လိုအပ်တဲ့ နမူနာ အရေအတွက်ကို ကြိုတင်တွက်ချက်ထားဖို့ လိုအပ်ပါတယ်။ အရေအတွက် နည်းလွန်းလျှင်  တိကျမှု မရှိခြင်း (imprecision) သို့မဟုတ် overfitting ဖြစ်ခြင်း (အချက်အလက်ထဲက ထူးခြားချက်တွေကို ယေဘုယျပုံစံလို့ မှားယွင်းယူဆခြင်း) တို့ကို ဖြစ်စေနိုင်ပါတယ်။

Probability Sampling နည်းလမ်းများ

1. ရိုးရှင်းသော ကျပန်း နမူနာယူခြင်း (Simple Random Sampling):
    ◦ လူဦးရေထဲမှ တစ်ဦးချင်းစီတိုင်းကို တန်းတူညီမျှ ရွေးချယ်ခံရဖို့ အခွင့်အရေး ပေးထားပါတယ်။ ဥပမာအားဖြင့် နာမည်စာရင်းထဲကနေ နံပါတ်တွေကို ကျပန်းရွေးချယ်ခြင်းမျိုး ဖြစ်ပါတယ်။ ဒီနည်းလမ်းက ကျပန်းမဟုတ်သော နည်းလမ်းများထက် ဘက်လိုက်မှု အန္တရာယ်ကို လျှော့ချပေးနိုင်ပါတယ်။

2. စနစ်တကျ ကျပန်း နမူနာယူခြင်း (Systematic Sampling):
    ◦ ပထမဆုံး နမူနာကို ကျပန်းရွေးချယ်ပြီးနောက် ပုံမှန်ကြားကာလ (fixed intervals) တွေနဲ့ ကျန်တဲ့ နမူနာတွေကို ရွေးချယ်ပါတယ်။ ဥပမာ- စာရင်းထဲက အမှတ်စဉ် (၅) ခုခြားတစ်ခါ ရွေးချယ်ခြင်းမျိုး ဖြစ်ပါတယ်။ ရိုးရှင်းပြီး ထိရောက်ပေမဲ့ လူဦးရေစာရင်းမှာ ဖုံးကွယ်ထားတဲ့ ပုံစံတွေ (unrecognized pattern) ရှိနေလျှင် ဘက်လိုက်မှု ဖြစ်ပေါ်နိုင်ပါတယ်။

3. အလွှာလိုက် ကျပန်း နမူနာယူခြင်း (Stratified Sampling):
    ◦ လေ့လာမယ့် လူဦးရေကို (အသက်၊ ကျား/မ၊ ဝင်ငွေ စတဲ့) သက်ဆိုင်ရာ စရိုက်လက္ခဏာတွေပေါ် မူတည်ပြီး အုပ်စုငယ်လေးတွေ (strata) အဖြစ် ခွဲခြားလိုက်ပါတယ်။
    ◦ ပြီးမှ အုပ်စုငယ်တစ်ခုစီကနေ သတ်မှတ်ထားတဲ့ အရေအတွက်ကို ကျပန်းပြန်ရွေးချယ် ပါတယ်။ ဒီနည်းလမ်းက သတ်မှတ်ထားတဲ့ အချိုးအစားအတိုင်း အုပ်စုငယ်တွေ ပါဝင်လာဖို့ သေချာစေပါတယ်။

4. အစုအဝေး နမူနာယူခြင်း (Cluster Sampling):
    ◦ လူတစ်ဦးချင်းစီကို ရွေးချယ်တာထက် အစုအဝေးလိုက် (clusters) (ဥပမာ- ကျောင်းများ၊ ကျန်းမာရေးစင်တာများ၊ သို့မဟုတ် အိမ်ထောင်စုများ) ကို နမူနာယူပါတယ်။
    ◦ ဒီနည်းလမ်းက ပထဝီဝင်အရ ကျယ်ပြန့်တဲ့ လူဦးရေကို လေ့လာရာမှာ ကုန်ကျစရိတ်သက်သာပြီး လွယ်ကူစေပါတယ်။ သို့ပေမဲ့ အစုအဝေးတစ်ခုအတွင်းမှာ သဘာဝအားဖြင့် ဆင်တူယိုးမှားဖြစ်တတ်တဲ့အတွက် ရလဒ်အမှား (sampling error) ဖြစ်နိုင်ခြေ ပိုများပါတယ်။

5. အဆင့်များစွာ နမူနာယူခြင်း (Multi-stage Sampling):
    ◦ နမူနာယူခြင်း လုပ်ငန်းစဉ်မှာ နည်းဗျူဟာ အမျိုးမျိုးကို ပေါင်းစပ်အသုံးပြုခြင်း ဖြစ်ပါတယ်။ ဥပမာအားဖြင့်၊ ပထမအဆင့်တွင် ရပ်ကွက်များကို စနစ်တကျရွေးချယ်ပြီး၊ ဒုတိယအဆင့်တွင် ထိုရပ်ကွက်များမှ အိမ်ထောင်စုများကို ကျပန်းရွေးချယ်ခြင်းမျိုး ဖြစ်ပါတယ်။

၂။ ဖြစ်တန်စွမ်း မရှိသော နမူနာယူခြင်း (Non-Probability Sampling)

Non-Probability Sampling မှာ ရွေးချယ်ခြင်းကို ကျပန်းသဘောတရားအပေါ် အခြေခံခြင်းမရှိဘဲ သုတေသီရဲ့ ဆုံးဖြတ်ချက် (researcher’s discretion) ဒါမှမဟုတ် လက်တွေ့ကျတဲ့ လိုအပ်ချက်တွေ (convenience, availability) ပေါ် မူတည်ပြီး ရွေးချယ်ပါတယ်။

• အဓိပ္ပာယ်:
လူဦးရေထဲက တစ်ဦးချင်းစီ ရွေးချယ်ခံရမယ့် ဖြစ်နိုင်ခြေကို ဖော်ပြနိုင်ခြင်း မရှိပါဘူး။

• ရည်ရွယ်ချက်:
ဒီနည်းလမ်းက Qualitative Research (အရည်အသွေးပိုင်းဆိုင်ရာ သုတေသန) နဲ့ ဆက်စပ်ပြီး၊ နက်ရှိုင်းတဲ့ ထိုးထွင်းသိမြင်မှု (in-depth insights) နှင့် အတွေ့အကြုံတွေကို စူးစမ်းလေ့လာဖို့ ရည်ရွယ်ပါတယ်။ ရလဒ်တွေကို လူဦးရေတစ်ခုလုံးဆီ ယေဘုယျပြုဖို့ ရည်ရွယ်ခြင်း မရှိပါဘူး။

• နမူနာ အရေအတွက်:
အရည်အသွေးပိုင်း သုတေသနတွေအတွက် နမူနာ အရေအတွက်ဟာ များသောအားဖြင့် သေးငယ် ပြီး၊ သီအိုရီဆိုင်ရာ ပြည့်ဝမှု (saturation principle) ကို အခြေခံပြီး ဆုံးဖြတ်ပါတယ်။

Non-Probability Sampling နည်းလမ်းများ

1. ရည်ရွယ်ချက်ရှိရှိ နမူနာယူခြင်း (Purposive/Judgment Sampling):
    ◦ သုတေသီရဲ့ ရည်ရွယ်ချက်နှင့် စိတ်ဝင်စားတဲ့ အကြောင်းအရာကို အကောင်းဆုံး ထိုးထွင်းသိမြင်မှုပေးနိုင်မယ့် (most informative) ပါဝင်သူတွေကို (exemplary or exceptional individuals) ရွေးချယ်ပါတယ်။ ဥပမာ- ကျွမ်းကျင်သူတွေ (experts) ရဲ့ အမြင်ကို ရယူခြင်းမျိုး ဖြစ်ပါတယ်။

2. အဆင်ပြေရာ နမူနာယူခြင်း (Convenience Sampling):
    ◦ သုတေသီအတွက် အလွယ်တကူ ဆက်သွယ်လို့ရနိုင်ပြီး အဆင်ပြေဆုံး ဖြစ်တဲ့ ပါဝင်သူတွေကို ရွေးချယ်တာ ဖြစ်ပါတယ်။ ဥပမာ- တက္ကသိုလ်တစ်ခုမှာ လေ့လာမှုလုပ်နေရင် အဲဒီကျောင်းဝင်းထဲက ကျောင်းသား/သူတွေကို ရွေးချယ်တာမျိုး ဖြစ်ပါတယ်။ အချိန်တိုအတွင်း မြန်မြန်လုပ်နိုင်ပေမဲ့ ဘက်လိုက်မှု (bias) အလွန်များပါတယ်။

3. ခွဲတမ်း နမူနာယူခြင်း (Quota Sampling):
    ◦ လူဦးရေကို သတ်မှတ်ထားတဲ့ စရိုက်လက္ခဏာတွေ (ဥပမာ- ကျား/မ၊ အသက်အုပ်စု) နဲ့ ခွဲခြားပြီး အချိုးအစား ခွဲတမ်း (quota) သတ်မှတ်ပါတယ်။ သို့ပေမဲ့ အစုအဝေးအတွင်းက ပါဝင်သူတွေကို ရွေးချယ်ရာမှာ ကျပန်းမဟုတ်ဘဲ သုတေသီရဲ့ ဆုံးဖြတ်ချက်နဲ့ ရွေးချယ်တာ ဖြစ်ပါတယ်။

4. နှင်းဘောလုံး နမူနာယူခြင်း (Snowball Sampling):
    ◦ သုတေသီက ပထမဆုံးရွေးချယ်လိုက်တဲ့ ပါဝင်သူတွေကတစ်ဆင့် သူတို့နဲ့ ဆင်တူတဲ့ စရိုက်လက္ခဏာရှိသူ ဒါမှမဟုတ် အလားအလာရှိတဲ့ တခြားပါဝင်သူတွေကို ညွှန်းပေးဖို့ တောင်းဆိုတဲ့ နည်းလမ်း ဖြစ်ပါတယ်။ ဒီနည်းလမ်းကို မူးယစ်ဆေးသုံးစွဲသူတွေလို  အထူးလူ့အဖွဲ့အစည်းများ ဒါမှမဟုတ် ရှာဖွေရခက်ခဲတဲ့ လူအုပ်စုတွေကို လေ့လာတဲ့အခါမှာ မကြာခဏ အသုံးပြုပါတယ်။

Qualitative သုတေသနမှာ အရေးပါတဲ့ Theoretical Sampling
Qualitative သုတေသန၊ အထူးသဖြင့် Grounded Theory လို့ခေါ်တဲ့ သီအိုရီတည်ဆောက်တဲ့ နည်းစနစ်မှာ Theoretical Sampling ဟာ အရေးပါပါတယ်။

• သီအိုရီဆိုင်ရာ နမူနာယူခြင်း (Theoretical Sampling) ဆိုတာ လေ့လာမှုစတင်ပြီးတဲ့နောက်မှာ ပေါ်ပေါက်လာတဲ့ သီအိုရီရဲ့ လက်ရှိအခြေအနေ ကို အခြေခံပြီး နောက်ထပ် ဘယ်လို အချက်အလက်တွေကို စုဆောင်းရမယ်ဆိုတာ ဆုံးဖြတ်တဲ့ လုပ်ငန်းစဉ် ဖြစ်ပါတယ်။

• ကြိုတင်သတ်မှတ်ထားတဲ့ စံနှုန်းတွေနဲ့ ရွေးချယ်တဲ့ Purposive Sampling နဲ့ မတူဘဲ၊ ဆန်းစစ်ချက် (analysis) နဲ့အတူ ပြောင်းလဲတိုးတက်နေတဲ့ နည်းလမ်းဖြစ်ပါတယ်။

• အချက်အလက် စုဆောင်းတာကို သီအိုရီဆိုင်ရာ ပြည့်ဝမှု (theoretical saturation) ရောက်သည်အထိ ဆက်လက်လုပ်ဆောင်ပါတယ်။ ပြည့်ဝမှု ဆိုတာကတော့ နောက်ထပ် တွေ့ဆုံမေးမြန်းမှုတွေ ပြုလုပ်ပေမဲ့ သုတေသနရဲ့ အကြောင်းအရာနှင့်ပတ်သက်ပြီး ထပ်ဆောင်း ထိုးထွင်းသိမြင်မှုတွေ မရရှိတော့တဲ့ အခြေအနေ ကို ဆိုလိုပါတယ်။
နမူနာရွေးချယ်တဲ့အခါ၊ ရလဒ်တွေ ယုံကြည်စိတ်ချရဖို့နဲ့ တိကျဖို့အတွက် (reliability and validity)၊ ရည်ရွယ်တဲ့ လူဦးရေကို ရှင်းရှင်းလင်းလင်း သတ်မှတ်ပြီး သင့်လျော်တဲ့ နမူနာနည်းလမ်းများကို အသုံးပြုဖို့ အရေးကြီးပါတယ်။

နပေတိုး