Snowball Sampling



“Snowball Sampling ဆိုတာက သုတေသနလုပ်ဖို့ ခက်ခဲတဲ့ လူအုပ်စုတွေကို လေ့လာတဲ့အခါ အသုံးဝင်တဲ့ နည်းလမ်းတစ်ခုပါပဲ။ စဉ်းစားကြည့်ပါ… မူးယစ်ဆေးစွဲနေတဲ့သူတွေအကြောင်းကို လေ့လာချင်တယ်ဆိုရင် မူးယစ်ဆေးစွဲနေတဲ့သူတွေကို ရှာဖို့ ခက်ခဲနိုင်ပါတယ်။ အဲ့ဒီလို အခြေအနေမျိုးမှာ Snowball Sampling က အသုံးဝင်လာတာပါ။

Snowball Sampling ကို ဘယ်လိုလုပ်မလဲဆိုတော့…

၁။ ပထမဦးဆုံး သုတေသနနဲ့ သက်ဆိုင်တဲ့ လူတစ်ယောက် (ဒါမှမဟုတ်) နှစ်ယောက်ကို စရှာရပါမယ်။ ဒီလူတွေကို “initial seeds” လို့ခေါ်ပါတယ်။

၂။ ပြီးရင် အဲ့ဒီလူတွေကို သုတေသနနဲ့ သက်ဆိုင်တဲ့ တခြားလူတွေကို သိလားလို့ မေးရပါမယ်။ သိရင် သူတို့နဲ့ ဆက်သွယ်လို့ရအောင် လုပ်ခိုင်းရပါမယ်။

၃။ အဲ့ဒီလို ဆက်သွယ်လို့ရတဲ့ လူတွေကိုလည်းသုတေသနနဲ့ သက်ဆိုင်တဲ့ တခြားလူတွေကို သိလားလို့ ထပ်မေးရပါမယ်။

၄။ အဲ့ဒီလိုမျိုး ဆက်သွယ်လို့ရတဲ့ လူတွေဆီကနေ သတင်းအချက်အလက်တွေ စုဆောင်းပြီး အထက်က အဆင့်တွေကို ထပ်ခါထပ်ခါ လုပ်ရပါမယ်။

အဲ့ဒါကြောင့် ဒီနည်းလမ်းကို Snowball (နှင်းဘောလုံး) နဲ့ ခိုင်းနှိုင်းတာပါ။ ဘာလို့လဲဆိုတော့ နှင်းဘောလုံးကို လှိမ့်လိုက်ရင် ပိုကြီးသွားသလိုပဲ Sample Size ကလည်း လူတွေဆီကနေ တဆင့်သိရတဲ့ လူတွေ များလာတာနဲ့အမျှ တဖြည်းဖြည်း ကြီးသွားလို့ပါပဲ။

Sample Size တွက်နည်းကို ပြောရရင် Snowball Sampling မှာ Sample Size တွက်ဖို့အတွက် တိကျတဲ့ Formula မရှိပါဘူး။ ဘာလို့လဲဆိုတော့ ဒီနည်းလမ်းက လူတွေအပေါ်မှာ မူတည်ပြီး ဆက်သွယ်ရတာပါ။ ဒါပေမဲ့ ယေဘုယျအားဖြင့်တော့ သုတေသနအတွက် လုံလောက်တဲ့ Data ရဖို့ လိုအပ်တဲ့ လူအရေအတွက်ကို ခန့်မှန်းရပါမယ်။ ဒါကသုတေသနရဲ့ ရည်ရွယ်ချက်နဲ့ စုဆောင်းချင်တဲ့ Data အမျိုးအစားပေါ်မှာ မူတည်ပါတယ်။

အားသာချက်တွေကတော့…

– လူတွေကို ရှာရခက်တဲ့ အခြေအနေတွေမှာ အသုံးဝင်ပါတယ်။
– လူတွေအကြောင်းကို နက်နက်နဲနဲ သိခွင့်ရပါတယ်။
– လူတွေကြားထဲက ဆက်ဆံရေးတွေကို လေ့လာခွင့်ရပါတယ်။

အားနည်းချက်တွေကတော့…

– Bias ဖြစ်နိုင်ပါတယ်။ ဘာလို့လဲဆိုတော့  Sample က initial seeds တွေနဲ့ ဆက်သွယ်မှုရှိတဲ့ လူတွေပဲ ဖြစ်နေနိုင်လို့ပါ။
– ယေဘုယျ မဆန်ပါဘူး။ population ကို ကိုယ်စားမပြုနိုင်ပါဘူး။
– သုတေသနလုပ်တဲ့သူက လူတွေကို ထိန်းချုပ်ဖို့ ခက်ခဲပါတယ်။

Snowball Sampling ကို ဘယ်အချိန်မှာ သုံးသင့်လဲဆိုရင်တော့…

– မူးယစ်ဆေးစွဲနေတဲ့သူတွေ၊ လိင်အလုပ်သမတွေ၊ ရွှေ့ပြောင်းအလုပ်သမားတွေ စတဲ့ သုတေသနလုပ်ဖို့ ခက်ခဲတဲ့ လူအုပ်စုတွေကို လေ့လာချင်တဲ့အခါ
– လူတွေအကြောင်းကို နက်နက်နဲနဲ သိချင်တဲ့အခါ
– လူတွေကြားထဲက ဆက်ဆံရေးတွေကို လေ့လာချင်တဲ့အခါမျိုးတွေမှာ သုံးသင့်ပါတယ်။

ဥပမာအနေနဲ့ ပြောရရင် မြန်မာနိုင်ငံမှာရှိတဲ့ LGBTQ+ လူတွေအကြောင်းကို လေ့လာချင်တယ်ဆိုပါတော့။ ဒါဆိုရင် LGBTQ+ အဖွဲ့အစည်းတွေမှာရှိတဲ့ လူတွေနဲ့ စပြီး ဆက်သွယ်လို့ရပါတယ်။ ပြီးရင် အဲ့ဒီလူတွေကို သုတေသနနဲ့ သက်ဆိုင်တဲ့ တခြား LGBTQ+ လူတွေကို သိလားလို့ မေးလို့ရပါတယ်။ အဲ့ဒီလို ဆက်သွယ်မှုတွေကနေ Sample Size ကို တဖြည်းဖြည်း တိုးချဲ့သွားလို့ရပါတယ်။ ဒါ Snowball Sampling ပါပဲ။

သတိထားရမယ့်အချက်က Snowball Sampling ကို သုံးတဲ့အခါ ရလဒ်တွေက တိကျမှု မရှိနိုင်ဘူးဆိုတာကို အမြဲသတိထားပါ။ ဒီနည်းလမ်းကို သုံးပြီး ရလာတဲ့ အချက်အလက်တွေကို အတည်ပြုဖို့အတွက် တခြား သုတေသနနည်းလမ်းတွေကိုလည်း သုံးသင့်ပါတယ်။

နပေတိုး


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

Universal Health Coverage (UHC) အကြောင်းUniversal Health Coverage (UHC) အကြောင်း

Universal Health Coverage (UHC) အကြောင်း အသေးစိတ် ပြောပြချင်ပါတယ်။ မိတ်ဆွေ၊ Universal Health Coverage (UHC) ဆိုတာက ကျန်းမာရေးကဏ္ဍမှာ ကမ္ဘာ့အဆင့် မူဝါဒချမှတ်သူတွေ၊ နိုင်ငံတကာ အဖွဲ့အစည်းတွေ အာရုံစိုက်နေတဲ့ အရေးအကြီးဆုံး အကြောင်းအရာတစ်ခုပါပဲ။ WHO (ကမ္ဘာ့ကျန်းမာရေးအဖွဲ့) က အဓိပ္ပာယ်ဖွင့်ဆိုထားတာကတော့ လူတိုင်းဟာ မိမိတို့ လိုအပ်တဲ့ အရည်အသွေးရှိ ကျန်းမာရေး

သုတေသနခေါင်းစဉ်တစ်ခုကို ဘယ်လိုရွေးချယ်မလဲသုတေသနခေါင်းစဉ်တစ်ခုကို ဘယ်လိုရွေးချယ်မလဲ

သုတေသန ခေါင်းစဉ်တစ်ခုကို ရွေးချယ်ခြင်း သုတေသနလုပ်ငန်းစဉ်ရဲ့ အစမှာ အရေးအကြီးဆုံးနဲ့ ပထမဆုံး ခြေလှမ်းကတော့ သင့်တော်တဲ့ သုတေသနခေါင်းစဉ်တစ်ခုကို ရွေးချယ်ခြင်းပဲဖြစ်ပါတယ်။ ကောင်းမွန်တဲ့ ခေါင်းစဉ်တစ်ခုဟာ မိတ်ဆွေရဲ့ သုတေသနကို လမ်းညွှန်ပေးနိုင်သလို၊ စိတ်ဝင်စားစရာကောင်းပြီး အောင်မြင်တဲ့ သုတေသနတစ်ခု ဖြစ်လာဖို့အတွက်လည်း အခြေခံအုတ်မြစ်ကောင်းတစ်ခုကို ချပေးနိုင်ပါတယ်။ ဒါကြောင့် ခေါင်းစဉ်တစ်ခုကို ရွေးချယ်တဲ့အခါမှာ မိတ်ဆွေရဲ့ စိတ်ဝင်စားမှု၊ သုတေသနပြုလုပ်နိုင်မှုနဲ့ သင့်တော်တဲ့ အကြောင်းအရာတွေကို

frequency distributionfrequency distribution

statistics ထဲမှာ frequency distribution တွေ အမျိုးမျိုး ရှိပါတယ်။ ဒေတာတွေ ကို စုစည်းပြီး ပုံစံတွေ ကို ရှာဖွေဖို့ အတွက် အရမ်း အသုံးဝင်ပါတယ်။ အထူးသဖြင့် လူနာတွေ ဒါမှမဟုတ် ရောဂါတွေ ကို ခွဲခြမ်းစိတ်ဖြာ ကြည့်ဖို့ အတွက် အရမ်း ကောင်းပါတယ်။ အဓိက အမျိုးအစားတွေ ကို တစ်ခုချင်း