အရည်အသွေးစျေးကွက်သုတေသနမှာ Data Analyze လုပ်နည်း

သင့်ရဲ့သုတေသနရည်ရွယ်ချက်ကိုက်ညီဘယ်ဒေတာများကိုခွဲခြမ်းစိတ်ဖြာခြင်း Option ကိုဆုံးဖြတ်ရန်

အရည်အသွေးဒေတာစုဆောင်းထားပြီးပြီးတာနဲ့စျေးကွက်သုတေသီပုံမှန်အားဖြင့်စျေးကွက်သုတေသနထိုးထွင်းသိမြင်မှုကို၏အန္တိမအသုံးပြုသူများအတွက်ခွဲခြမ်းစိတ်ဖြာနှင့်အနက်ခံရဖို့ရှိပါတယ်အချက်အလက်များ၏ပမာဏကြီးမားတဲ့နှငျ့ရငျဆိုငျဖြစ်ပါတယ်။ သုံး အရည်အသွေး data တွေကိုခွဲခြမ်းစိတ်ဖြာဖို့ချဉ်းကပ်မှု ကဒီမှာဆွေးနွေးတင်ပြထားပါတယ်။

quantitative ဒေတာများကိုခွဲခြမ်းစိတ်ဖြာခြင်း

အရည်အသွေးသုတေသန data တွေကိုခွဲခြားစိတ်ဖြာ၏ဤနည်းလမ်းအတွက်, ကိုစုဝေးစေသတင်းအချက်အလက်များဖြစ်ပါတယ် ရလဒ်များအရသိရသည်စာရင်းပြုစုထားသော အဆိုပါ Datasets အတွက်ကွဲပြားခြားနားသော variable တွေကိုအဘို့။

ဤသည်အတွက် data တွေကိုကူညီပေးနေတစ်ဦးပြည့်စုံရုပ်ပုံလွှာကိုထောက်ပံ့ပေး ပုံစံများဖော်ထုတ်ဖြစ်စဉ် ။

ခွဲခြမ်းစိတ်ဖြာခြင်းလွယ်ကူချောမွေ့ရန်ဒေတာပြသနေတဲ့ဘုံလမ်းဖြင့်ဖြစ်ပါသည် တစ်ဦးအကြိမ်ရေဖြန့်ဖြူးသုံးပြီး တစ်ခုစနစ်တကျမဲပုံးသော တုံ့ပြန်မှုသို့မဟုတ်ရမှတ်၏နံပါတ် တစ်ခုချင်းစီကို variable ကိုအမျိုးအစားအရသိရသည်။ မဲပုံး, ဒေတာတိကျမှန်ကန်မှုကိုဆုံးဖြတ်ရန် data တွေကိုဘေးထွက်မသိချင်ယောင်အဆောင်ဖော်ထုတ်ရန်, ထိုရမှတ်များသို့မဟုတ်တုံ့ပြန်မှုများပြန့်ပွားမှန်းနှင့်တစ်ဦးစနစ်တကျလမ်းကိုထောက်ပံ့ပေး အမျိုးအစားကြိမ်နှုန်းကိုစောင့်ရှောက်မည် ။

အရည်အသွေးအကြောင်းအရာအားသုံးသပ်ခြင်း

အကြောင်းအရာခွဲခြမ်းစိတ်ဖြာတစ်ဦးအဖြစ်ကုသတဲ့အခါမှာ ခွဲခြမ်းစိတ်ဖြာမှုအရေအတွက်နည်းလမ်း တစ်ခုကိုစနစ်တကျနှင့်ဓမ္မဓိဋ္ဌာန်ကျကျမီဒီယာအကြောင်းအရာလေ့လာဆန်းစစ်ဖို့လမ်းပေးပါသည်။ အကြောင်းအရာခွဲခြမ်းစိတ်ဖြာဒီဗားရှင်းကိုသုံး ကုဒ်မှစံချိန်စံညွှန်းမီတိုင်းတာ တို့၏သွင်ပြင်လက္ခဏာများနှင့်စာသားများနှိုင်းယှဉ်။

ဘယ်အချိန်မှာ တစ်ဦးအရည်အသွေးချဉ်းကပ်အကြောင်းအရာခွဲခြမ်းစိတ်ဖြာခေါ်ဆောင်သွားခြင်းဖြစ်သည် , ထိုအာရုံစာသား၏ရှင်းလင်းပြတ်သားစွာသို့မဟုတ်မန်နီးဖက်စ်အကြောင်းအရာနှစ်ခုလုံးကိုခွဲခြားစိတ်ဖြာအဖြစ်စာသားကနေ interpolated နိုင်ပါတယ်သောအရာကျမ်း၏ငုပ်လျှိုးနေအဓိပ္ပာယ်ကိုပြန်ဆိုအပေါ်ဖြစ်ပါသည်, သို့သော်အတိအလင်းအထဲတွင်ဖော်ပြထားမဟုတ်ပါဘူး ။

အကြောင်းအရာခွဲခြမ်းစိတ်ဖြာများ၏အလေးပေးဖြစ်ပါတယ် ဒေတာနိုင်တဲ့ coding ကဒီချဉ်းကပ်မှု-ယင်း၏ကျမ်းများ၏အဓိပ္ပါယ်များတစ်ကြွယ်ဝသောနားလည်မှုပေးနိုင်စွမ်းမရှိခြင်း၏အဓိကန့်အသတ်ကိုရှင်းပြစေခြင်းငှါအရာ,

constant နှိုင်းယှဉ် Method ကို

ဤသည်အရည်အသွေး data တွေကိုခွဲခြမ်းစိတ်ဖြာနည်းလမ်းဖြစ်ပါတယ် စနစ်တကျကြားမှာဖြစ်စဉ်ကို သုတေသီများပြီးသားလေ့လာမှုမှာလေ့လာခဲ့သည့်ဒေတာနှင့်အတူအချက်အလက်များ၏တစ်ဦးချင်းစီသစ်ကိုနည်းနည်းနှိုင်းယှဉ်သော။

• ပွင့်လင်းကုဒ်: တစ်ခုချင်းစီကိုဒေတာနည်းနည်း coded ပြီးတော့တစ်ဦးကိုသက်ဆိုင်ရာခေါင်းစဉ်အမျိုးအစားဖို့တာဝန်သို့မဟုတ်လုံးဝမဆီလျော်လေ့လာတွေ့ရှိလျှင်စွန့်ပစ်သည်။ ဤသည်နိုင်တဲ့ coding ဒေတာ-bits နှင့်အတူနှိုင်းယှဉ်ပုံကိုနှင့်အညီဖြစ်ပေါ် ခွဲခြမ်းစိတ်ဖြာအချက်အလက်များ၏စုဆောင်းခန္ဓာကိုယ် ။
• Axial ကုဒ်: ဒေတာ-bits ခွဲခြမ်းစိတ်ဖြာကြသည်နှင့်အမျှအသစ်ကျယ်ပြန်ခေါင်းစဉ်အမျိုးအစားပေါ်ထွက်လာပါလိမ့်မယ်။ ဒေတာအားလုံး coded နှင့်ခေါင်းစဉ်အမျိုးအစားမှတာဝန်ပေးအပ်ထားပြီးတပြိုင်နက်, သုတေသီထွန်းသစ်စ themes များများအတွက်အမျိုးအစားကို examine ။ အဘယ်သူမျှမသစ်ကိုဒေတာဆန်းစစ်ဒေတာကနေပေါ်ထွက်လာခံရဖို့ပေါ်ထွန်းတော်မူသောအခါသီအိုရီရွှဲတွေ့ရှိနိုင်ပါသည်။
• ရွေးချယ်ကုဒ်: ဒီနောက်ဆုံး coding ဇာတ်စင်မှာခေါင်းစဉ်အမျိုးအစားနှင့်အမျိုးအစား interrelationships သုတေသနများ၏အာရုံစူးစိုက်သောဖြစ်ရပ်ဆန်းကိုပြောပြသို့မဟုတ်ကရှင်းပြသည်တစ် storyline ကိုဖန်တီးရန်အသုံးပြုကြသည်။

ခွဲခြမ်းစိတ်ဖြာခြင်းချဉ်းကပ်၏လျှောက်လွှာ

အရည်အသွေးအချက်အလက်များ၏အောင်မြင်သောခွဲခြမ်းစိတ်ဖြာဖို့တစ်ဦးက key ကိုနားလည် ခွဲခြမ်းစိတ်ဖြာတဲ့နည်းလမ်းကိုအသုံးပြုသင့်သည့်အခါ ကမှပိုကောင်းအခါနှင့် အခြားဒေတာများကိုခွဲခြမ်းစိတ်ဖြာချဉ်းကပ်ရှေးခယျြခဲ့ ။

• quantitative ဒေတာများကိုခွဲခြမ်းစိတ်ဖြာခြင်း: quantitative data တွေကိုခွဲခြမ်းစိတ်ဖြာတန်ဖိုးများများအကြားစံကွဲပြားမှုနဲ့ယုတ္တိအမိန့်ရှိပါတယ်, ဒါပေမယ့်သဘာဝသုညရှိသည်မဟုတ်ပါဘူးစဉ်ဆက်မပြတ်ဖြစ်ကြောင်းကြားကာလဒေတာကိုသုံးနိုင်သည်။ တစ်ဦး Likert စကေးအပေါ် items ကြားကာလအချက်အလက်များ၏စံနမူနာကောငျးဖြစ်ကြသည်။

• အရည်အသွေးအကြောင်းအရာအားသုံးသပ်ခြင်း: ကျန်းမာရေးစောင့်ရှောက်မှုသုတေသနမှာတော့ content တွေကိုခွဲခြမ်းစိတ်ဖြာများအတွက်သင့်လျော်သောစာသားများထောက်ပံ့ငွေအဆိုပြုချက်, ပုံနှိပ်ထုတ်ဝေစာမူ, အစည်းအဝေးများ, စကားစမြည်၏မှတ်တမ်း, ဆေးဘက်ဆိုင်ရာတွေ့ဆုံထံမှမိနစ်ပါဝင်သည် အင်တာဗျူး နှင့် အဖွဲ့များကိုအာရုံစူးစိုက် ။ ကျန်းမာရေးစောင့်ရှောက်မှုနယ်ပယ်များတွင်ခွဲခြမ်းစိတ်ဖြာများအတွက်သင့်လျော်သောစာသားများကိုလည်းသတင်းစာ, မဂ္ဂဇင်း, ရေဒီယို, ရုပ်မြင်သံကြားနှင့်အင်တာနက်များမှတဆင့်လူထုမှဆက်သွယ်မက်ဆေ့ခ်ျများပါဝင်သည်။

• constant နှိုင်းယှဉ် Method ကို: ဒေတာခွဲခြမ်းစိတ်ဖြာ၏စဉ်ဆက်မပြတ်နှိုင်းယှဉ်နည်းလမ်းနှင့်အတူသုံးနိုငျ ထိုကဲ့သို့သောပိတ်ထား-အဆုံးစစ်တမ်းမေးခွန်းများကိုအဖြစ်စနစ်တကျတုံ့ပြန်မှု, ထိုကဲ့သို့သောစစ်တမ်းသင်တန်းသားများကိုဖြေဆိုသည့်အခါရရှိသောသူတို့အားအဖြစ်, ဒါမှမဟုတ်ပျက်ပြင်ဆင်ထားသညတုံ့ပြန်မှု, တစ်ဦးမေးခွန်းလွှာပေါ်တွင်ဖွင့်ပစ္စည်းများ။ ထိုကဲ့သို့သောအင်တာဗျူးမှတ်တမ်းအဖြစ်ပျက်ပြင်ဆင်ထားသညအချက်အလက်များ၏ရှိရေးကြောင်းကျယ်ပြန့်အကောင့်များနှင့်အတူအသုံးပြုသောအခါစဉ်ဆက်မပြတ်နှိုင်းယှဉ် data တွေကိုခွဲခြမ်းစိတ်ဖြာမှုလုပ်ငန်းစဉ်ဖြစ်ကောင်းအများဆုံး utility ကိုရှိပါတယ်, ကဆိုသည်။

တွေ့ရှိချက်များ၏တင်ပြချက်

ဒေတာခွဲခြမ်းစိတ်ဖြာတွေ့ရှိချက်သို့မဟုတ်ရလဒ်များတင်ဆက်သောနည်းလမ်းကမ်းလွန်ရေတိမ်ပိုင်းပေါ်တွင်တင်ကြောင်းကိုအသုံးပြုကြောင်းသုတေသနနှင့်သုတေသနများအကြားခြားနားချက်ကိုဖြစ်စေနိုင်ပါတယ်။ လက်မ၏အုပ်ချုပ်မှုကိုလိမ့်မည်ဟုတစ်လမ်းအတွက် data တွေကိုတင်ပြရန်ဖြစ်ပါသည် အနည်းဆုံးခေတ်မီလူတွေကိုနားလည်နိုင်နှင့်အသုံးဝင်သောဖြစ် data တွေကိုခွဲခြမ်းစိတ်ဖြာတွေ့ရှိချက်ကိုလက်ခံရရှိမည်သူ။

• quantitative ဒေတာများကိုခွဲခြမ်းစိတ်ဖြာခြင်း: ဒေတာများမကြာခဏနေကြသည် ဒေတာ condenses တဲ့ထုံးစံ၌ခင်းကျင်းပြသ သည့်ဆောက်လုပ်ထားအကြိမ်ရေနှင့်ရာခိုင်နှုန်းကိုဖြန့်ဝေကနေ။
• အရည်အသွေးအကြောင်းအရာအားသုံးသပ်ခြင်း: ဒေတာများကိုစားပွဲနှင့်မက်တရစ်အတွက်တင်ပြနိုင်ပါသည်။ ဤသည်အထူးသဖြင့်လာသောအခါအသုံးဝင်သည် ကိုးကား interweaving အားဖြင့်တွေ့ရှိချက်တို့အကြားရန်အသုံးပြုကြသည် ။ အဘယ်အရာကိုဆိုလိုခြင်းဖြစ်သည် ခွဲခြမ်းစိတ်ဖြာခြင်း၏သနျ့ကောင်းစွာဖြစ်ပေါ်စေခြင်းငှါ လက်ရေးမူများမှာတွေ့နိုင်ပါတယ်နေဆဲနောက်ဆုံးပုံစံ၌ရေးထားလျက်ရှိ၏လျက်ရှိသည်အဖြစ်ပင်။
• constant နှိုင်းယှဉ် Method ကို: တစ်အဆက်မပြတ်နှိုင်းယှဉ် data တွေကိုခွဲခြမ်းစိတ်ဖြာလုပ်ငန်းစဉ်များတွင်တွေ့ရှိချက်များ၏တင်ပြချက်အပေါ်အာရုံစူးစိုက်တာဖြစ်ပါတယ် ပေါ်ထွက်လာသော themes များထုတ်ဖော် ဒေတာမှ။ နေစဉ် အချက်အလက်များ၏အမြင်အာရုံ display ကို အသုံးပြုရစေခြင်းငှါ, တွေ့ရှိချက်များကိုပုံမှန်အားဖြင့်သောဒေတာအစုကနေတိကျတဲ့ကောက်နှုတ်ချက်မှချည်ထားသောနေကြသည် အတိအလင်းအဆိုပါ themes များသရုပျဖျော ။ ဤရွေ့ကားကောက်နှုတ်ချက်သုတေသနလက်ရေးမူများမှာတွေ့နိုင်ပါတယ်နှင့် / သို့မဟုတ်ဆောင်းပါး၏ရလဒ်များကိုအပိုင်း၏ဇာတ်ကြောင်းဆွေးနွေးမှုအပါအဝင်နေကြသည်။

ကောက်ခံဖို့ဒေတာနှင့်အတူခွဲခြမ်းစိတ်ဖြာခြင်း Method ကို၏မထိုက်မတန်

စုဆောင်းထားပြီးသောဒေတာများနှင့်အတူအသုံးပြုရနိုင်သောအားကောင်းထိုးထွင်းသိမြင်မှုကိုအတွက်သုတေသနမေးခွန်းများနှင့်အဆုံးစွန်ရည်ရွယ်ချက်ရလဒ်များကိုမှဒေတာခွဲခြမ်းစိတ်ဖြာနည်းကိုစက်ချုပ်

• quantitative ဒေတာများကိုခွဲခြမ်းစိတ်ဖြာခြင်းစစ်တမ်းများအတွက်တံခါးပိတ်မေးခွန်းများပစ္စည်းများဘို့အကောင်းတစ်လျောက်ပတ်သည်။
• အရည်အသွေးအကြောင်းအရာအားသုံးသပ်ခြင်းအင်တာဗျူးတုံ့ပြန်မှုဒေတာအတွက်အကောင်းတစ်လျောက်ပတ်သည်။
• constant နှိုင်းယှဉ်သုံးသပ်ခြင်းစစ်တမ်းများနှင့်အင်တာဗျူးတုံ့ပြန်မှုနှင့်အတူဖွင့်ဆိုတဲ့မေးခွန်းကိုပစ္စည်းများဘို့အကောင်းတစ်လျောက်ပတ်သည်။

_{သတင်းရင်းမြစ်}

_{Glaser, BG & Strauss, AL (1967) ။ grounded သီအိုရီ၏ Discovery: အရည်အသွေးသုတေသနမဟာဗျူဟာ။ နယူးယောက်: Aldine De Gruyter ။}

_{Graneheim, uh & Lundman, ခ (2004) ။ သူနာပြုသုတေသနအတွက်အရည်အသွေးအကြောင်းအရာခွဲခြမ်းစိတ်ဖြာ: Concepts, လုပ်ထုံးလုပ်နည်းများနှင့်ယုံကြည်စိတ်ချအောင်မြင်ရန်အစီအမံ။ သူနာပြုပညာရေးယနေ့ 24, 105-112 ။}

_{Rubin က, HJ & Rubin က, (2004) IS ။ အရည်အသွေးသူများအားအင်တာဗျူး: ဒေတာနားကြား၏အနုပညာ (2nd ed) ။ တထောင်သပိတ်, CA: Sage ပုံနှိပ်ထုတ်ဝေခြင်း။}

_{Strauss, အေ & Corbin, ဂျေ (1990) ။ အရည်အသွေးသုတေသန၏အခြေခံ: grounded သီအိုရီလုပ်ထုံးလုပ်နည်းများနှင့်နည်းစနစ်။ Newbury ပန်းခြံ,, CA: Sage ပုံနှိပ်ထုတ်ဝေခြင်း။}

_{Warren, cab & Karner, TX (2005) ။ ကွင်းဆင်းသုတေသနလုပ်ငန်း, အင်တာဗျူးနှင့်ခွဲခြမ်းစိတ်ဖြာ: အရည်အသွေးနည်းလမ်းများရှာဖွေတွေ့ရှိခဲ့တာ။ Los Angeles မြို့,, CA: Roxbury ထုတ်ဝေရေးကုမ္ပဏီ။}