naywinaung research,Research Methodology Bias အမျိုးအစားများ

Bias အမျိုးအစားများ

Bias များကို အဓိက အုပ်စု ၄ စု ခွဲခြားနိုင်ပါသည်။

၁။ အသိဉာဏ် Bias (Cognitive Bias)
ဦးနှောက်က အချက်အလက်များကို အလွယ်တကူ လုပ်ကိုင်ရာမှာ ဖြစ်ပေါ်လေ့ရှိသော အမှားများဖြစ်သည်။

Confirmation Bias
မိမိယူဆထားသည့်အရာကို အတည်ပြုသော အချက်အလက်များကိုသာ ရှာဖွေဖတ်ရှုခြင်း

Anchoring Bias
ပထမဦးဆုံး ကြားသိရသော အချက်အလက်ကို အလွန်အရေးကြီးသော အခြေခံအဖြစ် ယူဆခြင်း

Availability Heuristic
လွယ်လွယ်ကူကူ မှတ်မိနိုင်သော အဖြစ်အပျက်များကို ပိုမိုဖြစ်နိုင်ချေ များသည်ဟု ထင်မြင်ခြင်း

Hindsight Bias
ဖြစ်ပြီးသောအရာကို “ငါသိတယ်” ဟု နောက်ကျ မှတ်မိခြင်း

Dunning-Kruger Effect
အသိပညာ နည်းပါးသူများက မိမိကို ပိုမိုကျွမ်းကျင်သည်ဟု ယူဆခြင်း

Bandwagon Effect
လူအများလိုက်နေသည့်အရာကို မိမိလည်း လိုက်နေခြင်း

Sunk Cost Fallacy
အရင်းအနှီးများ ဆုံးရှုံးခဲ့ပြီးဖြစ်သောကြောင့် ဆက်လက်လုပ်ဆောင်ခြင်း

Framing Effect
တူညီသော အချက်အလက်ကို မတူညီသော နည်းလမ်းဖြင့် ဖော်ပြပါက မတူညီသော ဆုံးဖြတ်ချက်များ ချမှတ်ခြင်း

၂။ အချက်အလက်/စာရင်းဇယား Bias (Statistical Bias)
စုစည်းထားသော အချက်အလက်များတွင် ပါဝင်သော အယူအဆများဖြစ်သည်။

Selection Bias
ဥပမာအစု (sample) ရွေးချယ်ရာတွင် ညီညွတ်မှု မရှိခြင်း

Survivorship Bias
အောင်မြင်သော အရာများကိုသာ စုစည်းခြင်း၊ မအောင်မြင်သော အရာများကို လစ်ဟပ်ခြင်း

Sampling Bias
လူအများစုကို ကိုယ်စားမပြုသော ဥပမာအစု ရွေးချယ်ခြင်း

Publication Bias
အနုညာတ ရလဒ်များသာ ထုတ်ဝေခြင်း၊ ငြင်းဆိုရလဒ်များကို လစ်ဟပ်ခြင်း

Response Bias
မေးခွန်းများကို မှန်ကန်စွာ မဖြေဆိုခြင်း (လူမှုအရေး၊ အကြောက်တရား)

Recall Bias
အတိတ်ကို မှတ်မိရာတွင် အမှားများ ပါဝင်ခြင်း

၃။ လူမှုရေး Bias (Social Bias)
လူမှုအသိုင်းအဝိုင်းတွင် ပါဝင်သော အယူအဆများဖြစ်သည်။

Implicit Bias / Unconscious Bias
အသိမရှိဘဲ လူမျိုး၊ လိင်၊ ဘာသာစကား အပေါ် ရှိသော အယူအဆ

Affinity Bias
မိမိနှင့် ဆင်တူသော လူများကို ပိုမိုနှစ်သက်ခြင်း

Halo Effect
တစ်ဖက်တစ်လှမ်းတွင် ကောင်းသည်ဟု ထင်လျှင် အခြားအရာအားလုံးလည်း ကောင်းသည်ဟု ထင်ခြင်း

Horns Effect
တစ်ဖက်တစ်လှမ်းတွင် မကောင်းသည်ဟု ထင်လျှင် အခြားအရာအားလုံးလည်း မကောင်းသည်ဟု ထင်ခြင်း

Attribution Bias
မိမိ၏ အောင်မြင်မှုကို (internal) အကြောင်းရင်းဖြင့် ရှင်းပြပြီး သူများ၏ အောင်မြင်မှုကို ပြင်ပ (external) အကြောင်းရင်းဖြင့် ရှင်းပြခြင်း

Status Quo Bias
လက်ရှိအခြေအနေကို ပြောင်းလဲရန်ကို ကြောက်ရွံ့ခြင်း

၄။ သုတေသန Bias (Research/Medical Bias)
သုတေသနပြုလုပ်ရာတွင် ဖြစ်နိုင်သော အယူအဆများဖြစ်သည်။

Observer Bias
လေ့လာသူ၏ မျှော်လင့်ချက်များက ရလဒ်များကို အကျိုးသက်ရောက်ခြင်း

Experimenter Bias
သုတေသနပြုသူ၏ မျှော်လင့်ချက်များက ပါဝင်သူများကို အကျိုးသက်ရောက်ခြင်း

Lead Time Bias
ရောဂါကို အစောပိုင်း သိရှိခြင်းကြောင့် အသက်ရှည်မှုကို မှားယွင်းစွာ ယူဆခြင်း

Length Time Bias
ရောဂါဖြစ်ပွားချိန်ကို မှားယွင်းစွာ တွက်ချက်ခြင်း

Performance Bias
ပါဝင်သူများကို မတူညီသော အန္တရာယ်များနှင့် ထိတွေ့ခြင်း

Bias များသည်  ဖြစ်ပေါ်တတ်သော အမှားများ (Systematic Error) ဖြစ်ပြီး၊ အသိရှိသော် လျှော့ချနိုင်ပါသည်။ Bias ကို နားလည်ခြင်းဖြင့်

– ပိုမိုမှန်ကန်သော ဆုံးဖြတ်ချက်များ ချမှတ်နိုင်ခြင်း
– အခြားသူများကို ပိုမိုတရားမျှတစွာ လက်ခံနိုင်ခြင်း
– သုတေသနနှင့် အချက်အလက်များကို ပိုမိုသုံးသပ်နိုင်ခြင်းတို့ကို ရရှိနိုင်ပါသည်။


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

သင့်တော်တဲ့ Conceptual Framework တစ်ခု ဘယ်လိုတည်ဆောက်ရမလဲသင့်တော်တဲ့ Conceptual Framework တစ်ခု ဘယ်လိုတည်ဆောက်ရမလဲ

Conceptual Framework ဆိုတာ သုတေသနကို လမ်းညွှန်ပေးမယ့် မြေပုံတစ်ခုနဲ့တူပါတယ်။ သုတေသနမေးခွန်းတွေ၊ Variable တွေနဲ့ ဆက်စပ်မှုတွေကို ပုံနဲ့ ဖော်ပြပြီး ဘယ်လို အကြောင်းအရာတွေကို လေ့လာရမလဲဆိုတာကို ပြသပေးပါတယ်။ Conceptual Framework ကောင်းတစ်ခုကသုတေသနကို ပိုပြီး ရှင်းလင်းစေပြီး တိကျတဲ့ ရလဒ်တွေကို ရရှိနိုင်ပါတယ်။ Conceptual Framework ကို ဘယ်လိုတည်ဆောက်ရမလဲ ၁။ သုတေသနမေးခွန်းကို

Cluster SamplingCluster Sampling

Cluster SamplingCluster Sampling ဆိုတာ လူအုပ်စုအကြီးကြီးကို လေ့လာချင်တဲ့အခါ သုံးတဲ့နည်းဖြစ်ပါတယ်။ ဒါပေမဲ့ လူတွေကို တစ်ယောက်ချင်းစီ မရွေးထုတ်ဘဲ အုပ်စုလိုက် ရွေးထုတ်တာကို Cluster Sampling လို့ခေါ်ပါတယ်။ အဲ့ဒီမှာ Cluster ဆိုတာက သဘာဝအလျောက် ဖြစ်နေတဲ့ အုပ်စုတွေကို ပြောတာ။ ဥပမာ… ကျောင်းတွေဆို အတန်းတွေက Cluster တွေပါပဲ။ ရွာတွေဆိုရင် အိမ်ထောင်စုတွေက

Hypothesis  ယူဆချက်ဆိုတာ ဘာလဲ?Hypothesis  ယူဆချက်ဆိုတာ ဘာလဲ?

Hypothesis  ယူဆချက်ဆိုတာ ဘာလဲ?“ယူဆချက်” (Hypothesis) ဆိုတာကို ရိုးရိုးရှင်းရှင်း ပြောရရင် ဒေတာတွေနဲ့ စမ်းသပ်ကြည့်လို့ရတဲ့ ခန့်မှန်းချက်တစ်ခုပါပဲ။ ဥပမာ၊ မင်းတစ်ခုခုကို ယူဆထားတယ်၊ အဲဒါကို ဒေတာနဲ့ သက်သေပြပြီး မှန်၊ မမှန် ဆုံးဖြတ်တာပေါ့။ ဒါက လူတစ်စုလုံး (population) ရဲ့ သဘာဝတစ်ခုခုနဲ့ ပတ်သက်တဲ့ ခန့်မှန်းချက်ဖြစ်ပြီး နမူနာ (sample) နဲ့ တိုက်ဆိုင်စစ်ဆေးတာမဟုတ်ပါဘူး။စာရင်းအင်းပညာမှာ