सामाजिक अनुसंधान में जानकारी एकत्र करने के लिए प्रयोगों का उपयोग कैसे किया जा सकता है। जानें कि सामाजिक शोध में डेटा एकत्र करने के लिए सर्वेक्षण, जैसे साक्षात्कार और प्रश्नावली का उपयोग कैसे किया जा सकता है। अध्ययन करें कि सामाजिक शोध में डेटा एकत्र करने के लिए सामग्री विश्लेषण का उपयोग कैसे किया जाता है।
यह डेटा विश्लेषण के परिणामों को अनुसंधान परिकल्पना के साथ, सिद्धांतों के साथ और पहले से मौजूद और स्वीकृत ज्ञान के साथ जोड़ना है।
प्रकार समस्या कि हम के साथ हो सकते हैं व्याख्याओं कुछ विशिष्ट डेटा का: माप पैमाने का क्षीणन। जैसा कि उन प्रदर्शनों की व्याख्या की जानी है जो व्यवस्थित रूप से पहुंचते हैं या कभी नहीं पहुंच सकते हैं, माप के पैमाने की सीमाएं। एक प्रायोगिक अध्ययन करके, इन खामियों का पता लगाकर और नई व्याख्या को बढ़ाकर इस समस्या को हल किया जा सकता है।
छत प्रभाव। अगर हम हमेशा उच्चतम स्कोर को छूते हैं। तल प्रभाव। अगर हम हमेशा सबसे कम स्कोर को छूते हैं। मापने के लिए प्रतिगमन। यह एक अवांछित घटना है जो लगभग सभी जांचों में प्रकट होती है जब मात्रात्मक निर्णय का अनुरोध किया जाता है। जब उच्च चरम मूल्यांकन का अनुरोध किया जाता है तो यह माध्य या केंद्रीय मूल्यों के करीब प्रतिक्रियाओं को उत्सर्जित करने की प्रवृत्ति है। यह हमें गलत निष्कर्ष पर ले जा सकता है।
परिणाम जरूर होने वाला व्याख्या की के संबंध में: प्राप्त प्रभाव की परिमाण और देखी गई प्रवृत्तियों या नियमितताएं। इन परिणामों की तुलना अन्य शोधकर्ताओं द्वारा समान कार्यों में प्राप्त परिणामों से करें। किए गए कार्य के स्पष्ट निष्कर्ष।
डेटा संग्रह: व्यवस्थित अवलोकन, सर्वेक्षण और प्रयोगों के माध्यम से। प्राकृतिक वातावरण में (क्षेत्र अध्ययन) या कृत्रिम वातावरण में (शोधकर्ता द्वारा निर्मित स्थितियाँ)। डेटा विश्लेषण चार डेटा विश्लेषण कार्यों को करते समय ध्यान में रखने वाले कारक: आपको निर्णय लेना होगा, हालांकि हम दोहरे वातावरण का सुझाव देते हैं: वर्णनात्मक सांख्यिकी। अगर हम नमूने में रहते हैं। आनुमानिक आँकड़े। यदि हम संभाव्यता का उपयोग करके जनसंख्या का अनुमान लगाना चाहते हैं। चर माप स्तर: अंतराल या अनुपात माप स्तर। उच्चतम संभव स्तर पर मापने का प्रयास करें, क्योंकि इनमें निम्न शामिल हैं, लेकिन दूसरी तरफ नहीं। समस्या जो उत्पन्न हुई है और जिस तरह से डेटा एकत्र किया गया है। क्या संभव है और क्या सुविधाजनक है के बीच हमेशा एक संतुलन बनाया जाना चाहिए, ताकि विभिन्न विश्लेषणों के साथ बाढ़ न आए। व्यवस्थित "विश्लेषणात्मक" बहुलवाद को अंजाम देना उचित है: व्यवस्थितता का अर्थ है कि डेटा एकत्र करने और विश्लेषण करने दोनों के लिए विशिष्ट उद्देश्यों के साथ एक विस्तृत योजना होनी चाहिए।
बहुलवाद (अनुसंधान के किसी भी रूप की अपनी सीमाएं हैं। विश्लेषणों का अनुकूलन करके इन्हें कम किया जा सकता है, जिसके लिए विश्लेषण के बहु और बहुवचन रूपों की तलाश करना आवश्यक है। इस बहुलता में गैर-अनुभवजन्य डेटा और विशुद्ध रूप से गणितीय या सैद्धांतिक विकास का जिक्र करने वाले शामिल हैं। काम डेटा विश्लेषण का: डेटा को सारांशित करने के तरीके। सूचकांक हैं जो वितरण के विभिन्न पहलुओं को संक्षेप में प्रस्तुत करते हैं। केंद्रीय प्रवृत्ति सूचकांक। वे एक वितरण के केंद्र का संकेत देते हैं।
गणना करें:
- अंकगणित माध्य: हम अंकों को जोड़ते हैं और उन्हें उनकी संख्या से विभाजित करते हैं। उदाहरण (३१ + ३१ + २५ + २८ + ३०) / ५ = २९ मोड: सबसे लगातार अवलोकन ३१ observation है
- माध्यिका: अंकों को छाँटने पर, मध्य प्राप्तांक 30 होता है। परिवर्तनशीलता या फैलाव के सूचकांक। वे इंगित करते हैं कि चर का डेटा कितना बिखरा हुआ है।
- विचरण या पक्षपाती विचरण। डिफरेंशियल स्कोर की गणना करना (प्रत्येक स्कोर के माध्य को घटाना), उनका वर्ग करना, उन्हें जोड़ना और उनकी संख्या से विभाजित करना। उदा. S2s = / 5 = 5.2
- निष्पक्ष विचरण। हम मामलों की संख्या घटा एक से विभाजित करते हैं: उदाहरण VI = / (5-1) = 6.5
- निष्पक्ष मानक विचलन। निष्पक्ष प्रसरण (VI) का वर्गमूल निकालने पर उदा. DTI = VI = 6.5 = 2.55
- तिरछा मानक विचलन। प्रसरण या पक्षपाती प्रसरण (S2s) का वर्गमूल लेना जैसे Ss = S2s = 5.2 = 2.28 वितरण की कुल चौड़ाई। यदि न्यूनतम मान को अधिकतम मान से घटाया जाता है जैसे AT = 31 - 25 = 6
- विषमता सूचकांक। क्या यह अंकों का सममित वितरण है? माध्य से बहुलक घटाना और इस अंतर को विषम मानक विचलन से विभाजित करना। जैसे = (29 - 31) / 2.28 = -0.88 यदि यह शून्य से कम है, अर्थात ऋणात्मक (निम्न से अधिक उच्च अंक हैं) यदि यह शून्य से अधिक है, अर्थात धनात्मक (इससे अधिक निम्न अंक हैं) उच्च)
यदि यह शून्य है, तो यह सममित है (वितरण का एक भाग दूसरे को दर्शाता है)। क्या यह एक चपटा स्कोर वितरण है? डेटा में पैटर्न (नियमितता या अंतर) खोज रहे हैं। सबसे अच्छे तरीकों में से एक ग्राफिक प्रतिनिधित्व है। आंकड़ों के आधार पर पूर्वानुमान के परिणाम। भविष्यवाणियां आपके रिश्तों का शोषण करती हैं। जब एक पैटर्न को पहचाना जाता है तो इसे संक्षेप में प्रस्तुत करने का सबसे अच्छा तरीका फ़ंक्शन के माध्यम से होता है। यद्यपि यह सभी बिंदुओं से नहीं गुजरता है, यह हमें डेटा का वर्णन करने के साथ-साथ उनके बीच संबंधों की प्रकृति और तीव्रता का वर्णन करने का एक सरल, यदि अधूरा है।
नमूने से जनसंख्या का सामान्यीकरण। उपरोक्त परिणामों को उन प्रारंभिक नमूने की तुलना में व्यापक क्षेत्रों में सामान्यीकृत करें जिनसे हम वर्णनात्मक डेटा विश्लेषण की मदद से जनसंख्या का अनुमान लगाकर शुरू करते हैं संभावना। हम जनसंख्या परिणामों के सामान्यीकरण के लिए अनुमानों से गुजरते हैं।
यह लेख केवल सूचनात्मक है, मनोविज्ञान-ऑनलाइन में हमारे पास निदान करने या उपचार की सिफारिश करने की शक्ति नहीं है। हम आपको अपने विशेष मामले के इलाज के लिए मनोवैज्ञानिक के पास जाने के लिए आमंत्रित करते हैं।
