Purposive 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၊ ဘာကို သိချင်တာလဲဆိုတာကို ရှင်းရှင်းလင်းလင်း သိထားရပါမယ်။

၂။ ပြီးရင် သုတေသနရည်ရွယ်ချက်နဲ့ ကိုက်ညီတဲ့ လူတွေကို ရှာရပါမယ်။ ဥပမာ… အောင်မြင်တဲ့ စွန့်ဦးတီထွင်သူတွေအကြောင်းကို လေ့လာချင်ရင် အောင်မြင်တဲ့ စွန့်ဦးတီထွင်သူတွေကို လိုက်ရှာရပါမယ်။

၃။ နောက်ဆုံး သူတို့ဆီကနေ Data တွေကို စုဆောင်းရပါမယ်။ အင်တာဗျူးတာတို့၊ စစ်တမ်းကောက်တာတို့ လုပ်လို့ရပါမယ်။

Sample Size တွက်နည်းကို ပြောရရင် Purposive Sampling မှာ Sample Size တွက်ဖို့အတွက် တိကျတဲ့ Formula မရှိပါဘူး။ သုတေသီက ကိုယ်တိုင် ဆုံးဖြတ်ရတာများပါတယ်။ ဒါပေမဲ့ ယေဘုယျအားဖြင့်တော့ သုတေသနအတွက် လုံလောက်တဲ့ Data ရဖို့ လိုအပ်တဲ့ လူအရေအတွက်ကို ခန့်မှန်းရပါမယ်။ လူအနည်းငယ်နဲ့ အသေးစိတ်လေ့လာတာမျိုးလည်း လုပ်လို့ရသလို လူအများကြီးကို မေးခွန်းတိုတိုလေးတွေ မေးတာမျိုးလည်း လုပ်လို့ရပါတယ်။

အားသာချက်တွေကတော့…

– အရည်အသွေးကောင်းတဲ့ Data တွေကို ရနိုင်ပါတယ်။ ဘာလို့လဲဆိုတော့ သုတေသနနဲ့ သက်ဆိုင်တဲ့ လူတွေကိုပဲ ရွေးချယ်ထားလို့ပါပဲ။
– နက်နက်နဲနဲ လေ့လာလို့ရပါတယ်။ အကြောင်းအရာတစ်ခုကို အသေးစိတ် သိချင်တဲ့အခါ အသုံးဝင်ပါတယ်။
– အချိန်ကုန်သက်သာပါတယ်။ လူတွေကို အများကြီး မရွေးထုတ်ရတော့ အချိန်ကုန်သက်သာပါတယ်။

အားနည်းချက်တွေကတော့…

– Bias ဖြစ်နိုင်ပါတယ်။ ကိုယ့်စိတ်ကြိုက် လူတွေကိုပဲ ရွေးတာဆိုတော့ ရလဒ်တွေက တိကျမှု မရှိနိုင်ပါဘူး။
– ယေဘုယျ မဆန်ပါဘူး။ population ကို ကိုယ်စားမပြုနိုင်ပါဘူး။ ဘာလို့လဲဆိုတော့ လူတွေကို ကျပန်း မရွေးထားလို့ပါ။
– ကောက်ချက်ဆွဲရာတွင် အားနည်းနိုင်ပါတယ်။ ရလဒ်တွေက ယုံကြည်စိတ်ချရမှု မရှိတဲ့အတွက် အရေးကြီးတဲ့ ကောက်ချက်တွေ ဆွဲဖို့ ခက်ခဲပါတယ်။

Purposive Sampling ကို ဘယ်အချိန်မှာ သုံးသင့်လဲဆိုတော့…

– အကြောင်းအရာတစ်ခုကို နက်နက်နဲနဲ လေ့လာချင်တဲ့အခါ
– အရည်အသွေးကောင်းတဲ့ Data တွေကို လိုချင်တဲ့အခါ
– အချိန်နဲ့ အရင်းအမြစ်တွေ အကန့်အသတ်ရှိတဲ့အခါမျိုးတွေမှာ သုံးသင့်ပါတယ်။

ဥပမာအနေနဲ့ ပြောရရင် မြန်မာနိုင်ငံရဲ့ နိုင်ငံရေးအခြေအနေကို လေ့လာချင်တယ်ဆိုပါတော့။ ဒါဆိုရင် နိုင်ငံရေးလေ့လာသုံးသပ်သူတွေ၊ နိုင်ငံရေးသမားတွေ၊ သတင်းထောက်တွေ အစရှိတဲ့ နိုင်ငံရေးနဲ့ ပတ်သက်တဲ့သူတွေကို ရွေးချယ်ပြီး အင်တာဗျူးတာတို့၊ ဆွေးနွေးတာတို့ လုပ်လို့ရပါမယ်။ ဒါ Purposive Sampling ပါပဲ။

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

Purposive Sampling အကြောင်းကို ဒီလောက်ဆိုရင် နားလည်လောက်ပြီလို့ ထင်ပါတယ်။

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

EHEALTH ArchitectureEHEALTH Architecture

#eHealth#Architecture     အရင်အပတ်တွေက eHealth Model တွေအကြောင်းကို အကြမ်းဖျဉ်းရေးခဲ့ပါတယ်။ ကျန်တဲ့ model တွေကို ဆက်မရေးတော့ပါဘူး။ အားလုံးပဲ မိမိတို့ စိတ်ဝင်စားရင် ရှာဖတ်နိုင်ပါတယ်။ ဒါမှမဟုတ် ကျွန်တော့်ထံ email ပို့ပြီး ဆက်သွယ်နိုင်ပါတယ်။အခု ဆက်ပြီးရေးသားချင်တာက eHealth Architecture တွေပဲဖြစ်ပါတယ်။ Architecture တွေအကြောင်းကို မပြောခင် ဘာကြောင့် Architecture တွေက အရေးကြီးသလဲ

ရှုပ်ထွေးစေသောအကြောင်းရင်း (Confounding)ရှုပ်ထွေးစေသောအကြောင်းရင်း (Confounding)

ရှုပ်ထွေးစေသောအကြောင်းရင်း (Confounding) ရှုပ်ထွေးစေသောအကြောင်းရင်း (Confounding) ဆိုတာ ဘာလဲ? သုတေသနမှာ ကျွန်တော်တို့လေ့လာချင်တဲ့ ထိတွေ့မှု (exposure) နဲ့ ရလဒ် (outcome) ဆက်စပ်မှုကို ရှုပ်ထွေးအောင်လုပ်တဲ့ တတိယ အချက်တစ်ခုပါ။ ဥပမာ ပြောရရင်၊ ကော်ဖီသောက်တာက နှလုံးရောဂါဖြစ်စေတယ်လို့ လေ့လာတယ်ဆိုပါစို့။ ဒါပေမယ့် ဆေးလိပ်သောက်တတ်တဲ့သူတွေက ကော်ဖီလည်း များများသောက်တယ်ဆိုရင်၊ ဆေးလိပ်သောက်တာက နှလုံးရောဂါဖြစ်နိုင်ခြေကို တိုးစေတယ်။ ဒီမှာ

Convergence Model of EpidemiologyConvergence Model of Epidemiology

Convergence Model of Epidemiology ဆိုတာ ဘာလဲ? Convergence Model ဆိုတာ ရောဂါတစ်ခုဖြစ်ဖို့ အကြောင်းအမျိုးမျိုးတွေ (ဥပမာ၊ မျိုးရိုးဗီဇ၊ ပတ်ဝန်းကျင်၊ နေ့စဉ်ဘဝပုံစံ) တွေ တစ်ပြိုင်နက် ပေါင်းစပ်ပြီး “ဆုံတွေ့” လာတဲ့ အခါ ရောဂါဖြစ်ပေါ်လာတယ်လို့ ရှင်းပြတဲ့ မော်ဒယ်ပါ။  ဒါကို ဥပမာအနေနဲ့ ပြောရရင်၊ ရောဂါတစ်ခုဖြစ်ဖို့ တစ်ခုတည်းတစ်ချက်တည်းက မလုံလောက်ပါဘူး။အကြောင်းအချက်တွေ