Research Design and Methodology-RDM

📊 SPSS မှာ Descriptive Statistics ကို ဘယ်လိုလေ့လာမလဲ?

Research ပြုလုပ်တဲ့အခါ အယူအဆ (Hypothesis) တွေကို မစစ်ဆေးခင် မိမိဆီမှာရှိနေတဲ့ Data တွေရဲ့ သဘာဝနဲ့ အခြေအနေကို အရင်ဆုံး နားလည်အောင် ပြုလုပ်ဖို့ လိုအပ်ပါတယ်။ ဒါကို Descriptive Statistics လို့ ခေါ်ပါတယ်။

🔹 Descriptive Statistics ဆိုတာ ဘာလဲ?
မိမိ စုဆောင်း/ကောက်ယူထားတဲ့ Data တွေရဲ့ ပင်မ လက္ခဏာရပ်တွေကို အနှစ်ချုပ် ဖော်ပြပေးတာ ဖြစ်ပါတယ်။

အများဆုံးအသုံးပြုကြတဲ့ SPSS functions တွေက -

Mean (M): ပျမ်းမျှတန်ဖိုး (Average score)

Standard Deviation (SD): ကိန်းဂဏန်းတွေ ပျမ်းမျှထက် မည်မျှ ကွဲပြား/ထွေပြားနေသလဲဆိုသည့် ပမာဏ

Frequency (f): အမျိုးအစားတစ်ခု၏ ပါဝင်သည့် အကြိမ်ရေ

Percentage (%): ရာခိုင်နှုန်း (Proportion of participants)

Minimum & Maximum: အနည်းဆုံးနှင့် အများဆုံး တွေ့ရှိရသော တန်ဖိုးများ

🔹 ဥပမာ အနေနဲ့ ရှင်းပြရမယ်ဆိုရင် -
တက္ကသိုလ်ကျောင်းသား ၂၁၀ ထံမှ Resilience (ကြံ့ကြံ့ခံနိုင်စွမ်း) Score များကို SPSS ဖြင့် တွက်ချက်ကြည့်တဲ့အခါ M = 3.42 နှင့် SD = 0.58 ဟု ထွက်လာတယ်ဆိုပါစို့ -

M = 3.42: ကျောင်းသားများ၏ ပျမ်းမျှ Resilience score က ၃.၄၂ ဖြစ်ပြီး

SD = 0.58: လူတစ်ဦးချင်းစီ၏ Score များသည် ပျမ်းမျှတန်ဖိုးမှ ၀.၅၈ ဝန်းကျင် ကွဲပြားမှုရှိတယ်လို့ရည်ညွှန်းတာဖြစ်ပါတယ်။

🔹 Categorical Variables များအတွက်ဆိုရင်တော့

ကျား/မ (Gender)၊ ပညာအရည်အချင်း၊ အိမ်ထောင်ရေးအခြေအနေ စသည့် Categorical Variable များအတွက် ဆိုရင်တော့ Minimum / Maximum ရှာတာထက်ကို variable ရဲ့ သဘောတရားအရ Frequency နှင့် Percentage များကို သုံးတာ ပိုမို ထိရောက်ပါတယ်။
(ဥပမာ- ကျား ၁၀၅ ဦး (၅၀%)၊ မ ၁၀၅ ဦး (၅၀%)၊ စုစုပေါင်း ၂၁၀ ဦး (၁၀၀%))

💻 SPSS မှာ သွားရမည့် Path များကို ပြောပြပါမယ်.......

1️⃣ Descriptive Statistics အတွက်:
Analyze ➔ Descriptive Statistics ➔ Descriptives

2️⃣ Frequencies အတွက်:
Analyze ➔ Descriptive Statistics ➔ Frequencies

⚠️ သတိပြုရန် (Important Note)
Descriptive statistics သည် Data ၏ လက်ရှိအခြေအနေကိုသာ ဖော်ပြပေးနိုင်ပြီး Hypothesis များကို သက်သေပြနိုင်ခြင်း မရှိပါဘူးနော်။ ကျောင်းသားအများစုက descriptive ရှာတာကို hypothesis ထင်နေတတ်ကြလို့ပါ။

💡 Research Tip & Workflow (သုတေသနပြုလုပ်သူများအတွက်)
Correlation, T-tests, ANOVA သို့မဟုတ် Regression စသည့် Advanced Tests များကို မလုပ်မီ မိမိ၏ Data ကို Descriptive Statistics နှင့် Data Screening ဖြင့် အရင်ဆုံး သေချာနားလည်အောင် ပြုလုပ်ဖို့လိုပါတယ်။

✨နောက်ဆုံးအနေနဲ့ပြောလိုတာကတော့
Descriptive statistics က မိမိရဲ့ Data များကို ရှင်းလင်းစွာ မြင်သာစေပြီး မှန်ကန်သော Data Analysis ပြုလုပ်နိုင်ရန် ခိုင်မာသော အခြေခံအုတ်မြစ်အနေနဲ့ ပဲအသုံးပြုရမှာပါ.


📊 SPSS မှာ Descriptive Statistics ကို ဘယ်လိုလေ့လာမလဲ?

Research ပြုလုပ်တဲ့အခါ အယူအဆ (Hypothesis) တွေကို မစစ်ဆေးခင် မိမိဆီမှာရှိတဲ့ Data တွေရဲ့ သဘာဝနဲ့ အခြေအနေကို အရင်ဆုံး နားလည်အောင် ပြုလုပ်ဖို့ လိုအပ်ပါတယ်။ ဒါကို Descriptive Statistics လို့ ခေါ်ပါတယ်။

🔹 Descriptive Statistics ဆိုတာ ဘာလဲ?
မိမိ စုဆောင်းထားတဲ့ Data တွေရဲ့ ပင်မ လက္ခဏာရပ်တွေကို အနှစ်ချုပ် ဖော်ပြပေးတာ ဖြစ်ပါတယ်။

အသုံးများသော တိုင်းတာမှုများ (Common Measures):

Mean (M): ပျမ်းမျှတန်ဖိုး (Average score)

Standard Deviation (SD): ကိန်းဂဏန်းတွေ ပျမ်းမျှထက် မည်မျှ ကွဲပြား/ထွေပြားနေသလဲဆိုသည့် ပမာဏ (How spread out the scores are)

Frequency (f): အမျိုးအစားတစ်ခု၏ ပါဝင်သည့် အကြိမ်ရေ (How often a category occurs)

Percentage (%): ရာခိုင်နှုန်း (Proportion of participants)

Minimum & Maximum: အနည်းဆုံးနှင့် အများဆုံး တွေ့ရှိရသော တန်ဖိုးများ

🔹 ဥပမာဖြင့် လေ့လာခြင်း (Example)
တက္ကသိုလ်ကျောင်းသား ၂၁၀ ထံမှ Resilience (ကြံ့ကြံ့ခံနိုင်စွမ်း) Score များကို SPSS ဖြင့် တွက်ချက်လိုက်ရာ M = 3.42 နှင့် SD = 0.58 ဟု ထွက်လာပါက -

M = 3.42: ကျောင်းသားများ၏ ပျမ်းမျှ Resilience score သည် ၃.၄၂ ဖြစ်သည်။

SD = 0.58: လူတစ်ဦးချင်းစီ၏ Score များသည် ပျမ်းမျှတန်ဖိုးမှ ၀.၅၈ ဝန်းကျင် ကွဲပြားမှုရှိသည်။

🔹 Categorical Variables များအတွက်
ကျား/မ (Gender)၊ ပညာအရည်အချင်း၊ အိမ်ထောင်ရေးအခြေအနေ စသည့် Categorical Variable များအတွက် Frequency နှင့် Percentage များကို သုံးတာ ပိုမို ထိရောက်ပါတယ်။
(ဥပမာ- ကျား ၁၀၅ ဦး (၅၀%)၊ မ ၁၀၅ ဦး (၅၀%)၊ စုစုပေါင်း ၂၁၀ ဦး (၁၀၀%))

💻 SPSS မှာ သွားရမည့် Path များ

1️⃣ Descriptive Statistics အတွက်:
Analyze ➔ Descriptive Statistics ➔ Descriptives

2️⃣ Frequencies အတွက်:
Analyze ➔ Descriptive Statistics ➔ Frequencies

⚠️ သတိပြုရန် (Important Note)
Descriptive statistics သည် Data ၏ လက်ရှိအခြေအနေကိုသာ ဖော်ပြပေးနိုင်ပြီး Hypothesis များကို သက်သေပြနိုင်ခြင်း မရှိပါ။

Descriptive Statistics: "Sample Data သည် မည်သို့ရှိသနည်း?" (What does the sample look like?)

Inferential Statistics: "Sample Data မှတစ်ဆင့် မည်သည့် ကောက်ချက်ဆွဲနိုင်သနည်း?" (What can we conclude from the sample?)

💡 Research Tip & Workflow (သုတေသနပြုလုပ်သူများအတွက်)
Correlation, T-tests, ANOVA သို့မဟုတ် Regression စသည့် Advanced Tests များကို မလုပ်မီ မိမိ၏ Data ကို Descriptive Statistics နှင့် Data Screening ဖြင့် အရင်ဆုံး သေချာနားလည်အောင် ပြုလုပ်ရပါမည်။

🔄 မှန်ကန်သော Workflow အစဉ်လိုက်:
Data Collection ➔ Coding ➔ Data Entry ➔ Data Screening ➔ Descriptive Statistics ➔ Inferential Statistics

✨ နိဂုံး
Descriptive statistics သည် သင်၏ Data များကို ရှင်းလင်းစွာ မြင်သာစေပြီး မှန်ကန်သော Data Analysis ပြုလုပ်နိုင်ရန် ခိုင်မာသော အခြေခံအုတ်မြစ် ဖြစ်ပါတယ်။

27 ရက်နေ့ ဖွင့်မဲ့ SPSS ရက်တို သင်တန်းအတွက် စာရင်းပေးလို့ရပါပြီ။
အသေးစိပ်ဖတ်ရန်....
https://www.facebook.com/share/p/1HkC7kq3Cn/



By Tr May (RDM)

RDM You Tube Channel👇👇👇
https://youtube.com/-channel?si=Wz_IhHJcpdbvyEuj

RDM TikTok👇👇
https://www.tiktok.com/?_r=1&_t=ZS-98n4ohxuf1Z

RDM Telegram Group 👇👇👇
https://t.me/rdmpublicgroup

RDM Research Learning Group 👇👇👇
https://www.facebook.com/share/SYYtFnuDqWdCgjy7/?mibextid=K35XfP
RDM pageပါ မကျန် 👇👇👇
https://www.facebook.com/RDMteachelMay
Like / Subscribe / Follow လုပ်ထားဖို
အသိပေး မေတ္တာရပ်ခံအပ်ပါတယ်ရှင့်

By:
Teachel May
(M.A) PMPP
Japan
📩 [email protected]


#သတေသန #သတေသနရေးသားနည်း
Review

Consultation ဆိုလို့ တချို့က စိတ်ပူနေကြလို့ ပြောပြပေးပါအုံးမယ်နော်။ တွေ့တဲ့ အချိန် ဒီ တိုင်း ပြောပြတာ မဟုတ်ပါဘူး။

❗️ကျောင်းသားဖက်က ၁/၂ ရက် ခန့် အချိန်ကြိုပြောပေးရသလို
❗️ရေးလက်စ ဖိုင်တွေ ရှိရင် pdf format နဲ့ ပို့ပေးဖို့ လိုပါတယ်
❗️နောက်ပြီး ဒေတာပိုင်း consultation ဆိုရင်
Methodology ဖိုင် ပို့ပေးဖို့ လိုပါမယ်

လို့ …. တချို့က ဒီတိုင်းတွေ့တယ် ထင်ကြမှာစိုးးလို့ ခေါင်းထဲ ပေါ်လာလို့ ရေးပြ ပေးရခြင်းသာ

PhD ကျောင်းသားများအတွက် - ၁ နာရီအတွင်း Systematic Literature Review ဘာကြောင့်နဲ့ ဘယ်လိုရေးမလဲ။

Systematic literature review တစ်ခု ရေးသားဖို့အတွက် ၄ လမှ ၆ လအထိ ကြာမြင့်လေ့ရှိပါတယ်။
ဒါပေမဲ့ ဒီကြာချိန်ကို သင် လျှော့ချနိုင်ပါတယ်။

၁ နာရီအတွင်း ဘယ်လို ရေးသားနိုင်မလဲဆိုတာ ဖော်ပြပေးလိုက်ပါတယ် -

၁။ https://answerthis.io/ သို့ သွားရောက်ပြီး sign up/ Log in ဝင်ပါ။

၂။ ဘယ်ဘက် Menu မှ "Systematic review" ကို နှိပ်ပါ။

၃။ သင့် Systematic review ၏ ခေါင်းစဉ်ကို ရိုက်ထည့်ပါ။

၄။ Eligibility criteria၊ Title and abstract၊ Data extraction စသည့် Filter များကို လိုအပ်သလို စိတ်ကြိုက် ပြင်ဆင်ပါ။

၅။ AnswerThis က မိမိ အတွက် Systematic review ကို ရေးသားပေးသွားပါလိမ့်မည်။

၆။ ရရှိလာသော Systematic review ကို Download ရယူပါ။

မှတ်ချက် - ဒါက Pro version မှရတာပါ။ နောက်ပြီး မိမိက လူသားဖြစ်တဲ့အတွက် လူသားက ပြန်စစ်ဖို့တော့လိုပါတယ်။

၂၇ ရက်နေ့ဖွင့်မဲ့ SPSS အတန်းကို စိတ်ဝင်စားရင် အသေးစိတ်ဖတ်ရှုနိုင်ပါတယ်
https://www.facebook.com/share/p/18NeuwEJoh/

၂၀၁၆ ခုနှစ်က Malaysia KL က Twin Towers ရှေ့မှာ မြန်မာနိုင်ငံကိုယ်စားပြု Debate ပြန်ခဲ့တုန်းကပေါ့ (မဲသည်းနေတာပဲပုံက😆)အဲ့တုန်းက ကိုယ့်ထက် အသက်ငယ်တာဆိုလို့ Vietnam က အဖွဲ့ပဲရှိမယ်

Page နဲ့ မဆိုင်ပေမဲ့ ပုံလေး ပြန်တွေ့လို့ အမှတ်တရ တင်လိုက်တာပါ

💌 Data တွေကို ချဉ်းကပ်တဲ့အခါ နားလည်ဖို့ ဘာသိရမလဲ❓

📨 Data ခေတ်ဖြစ်နေတဲ့ နီးတူ ဒေတာတွေကိုနားလည်ဖို့အတွက်ဆိုရင် သိထားရမဲ့ အရာတွေရှိပါတယ်

📤 Data တွေကို analysis လုပ်ဖို့ ဆန်းစစ်တဲ့အခါ ပထမဆုံးနားလည်ထားရမှာက ကိုယ့်ရဲ့ data set ထဲမှာ ရှိတဲ့ Variable တွေကို အရင်နားလည်ဖို့လိုပါတယ်။ အားလုံးမြင်ဖူးကြတဲ့ bar chat တွေ၊ Pie chat တွေ၊ Histogram တွေ၊ summary statistics တွေ စတာတွေက ကိုယ့်ရဲ့ ဒေတာ Type ပေါ်မူတည်ပြီး ကွဲပြားပါတယ်နော်။

📣ကဲ အဲ့ဒီတော့ အဲ့ဒီအကြောင်းလေး နည်းနည်းဆွေးနွေးကြည့်ရအောင်ပါနော်။

📥 ပထမဆုံး Data set type နဲ့ Variable type ကို ကွဲကွဲပြားပြားသိဖို့လိုပါတယ်နော်။ Data set ဆိုတာက Excel သို့မဟုတ် Csv format နဲ့ ကိုယ့်ရဲ့ ဒေတာ တွေပါဝင်နေတဲ့ table ကို ဆိုလိုတာပါ။ နမူနာအားဖြင့် ဒုတိယပုံမှာ ကြည့်နိုင်ပါတယ်။ Data set ဟာ အကြမ်းအားဖြင့် အမျိုးအစား (၄) မျိုးရှိပါတယ်။
1. Cross sectional data
2. Time series data
3. Panel data
4. Pool cross sectional data
ဆိုပြီးတော့ဖြစ်ပါတယ်။

📩 ဒီ Data set တွေက ကိုယ့်ရဲ့ Variable ပေါ်မူတည်ပြီး မတူညီတဲ့ Characteristics တွေရှိကြပါတယ်။ ဉပမာ ကိုယ်က မတူညီတဲ့ observation တွေကို လေ့လာမယ်ဆိုရင် Cross section data ဖြစ်ပြီး Time range တစ်ခုအတွင်း လေ့လာမယ်ဆိုရင် Time series data ပါ။

🤷‍♀️ အခု ဒီပိုစ့်မှာ အဓိကပြောချင်တာကတော့ variable type (သို့) data type ပါ။ Data type မှာ အမျိုးအစားအားဖြင့် (၂) မျိုးခွဲလို့ရပါတယ်။
1. Categorial Data
2. Numerical Data တို့ပဲဖြစ်ပါတယ်

🚨 Categorial Data ကတော့ ရှင်းပါတယ်။ သူက အမျိုးအစား၊ အုပ်စု ခွဲလို့ရတဲ့ ဒေတာမျိုးဖြစ်ပါတယ်။
ဉပမာ - လိင်အမျိုးအစား [ကျား/မ ခွဲလို့ရသည်]
သွေးအုပ်စု [ အေသွေး၊ ဘီသွေး၊ အေဘီသွေး၊ အိုသွေး] စသည်တို့ဖြစ်ပါတယ်

🚨 Numerical data မှာကတော့ ၂ မျိုးထပ်ကွဲသွားပါတယ်။
1. Discrete
2. Continuous ဆိုပြီးပဲ ဖြစ်ပါတယ်။

💌 Discrete data ဆိုတာက ကိန်းပြတ်ဖြစ်ပါတယ်။ ကိန်းလုံးအတိအကျရေတွက်လို့ရတဲ့ ဒေတာမျိုးပါ။ ဉပမာ - ခွေး အကောင်ရေ၊ ကျောင်းသားဉီးရေ စသည်ဖြင့်ပေါ။ ဒီလို Discrete ဒေတာမျိုးမှာ လူ ၂ ဒဿမ ၃ ယောက် (၂.၃ ယောက်) လို့မရှိပါဘူး။ ရေတွက်လို့လည်း ရရမယ် ကိန်းအပြတ်လည်းဖြစ်ရမယ် ဒါမျိူးကို Discrete data လို့ ခေါ်ပါတယ်။

📨 Continuous data ဆိုတာက တော့ အပိုင်းကိန်းနဲ့ ရှိနေတဲ့ ဒေတာ ဒဿမကိန်းနဲ့ ရှိတဲ့ဒေတာကို ဆိုလိုတာပါ။ ဉပမာ - ကိုယ်အလေးချိန် (120.58 lb) ၊ အရပ်အမြင့် (167.89 cm) စသဖြင့် ပဲ ဖြစ်ပါတယ်။

📤 ကိုယ့်ရဲ့ variable type ပေါ်မူတည်ပြီး ကိုယ်ပြရမဲ့ Data visualization (သို့) summary statistics ပုံစံကလည်း ကွဲပြားသွားတာပဲဖြစ်ပါတယ်။

📩လေ့လာသူတွေ အနေနဲ့ဆိုရင် ကိုယ့်ရဲ့ variable type ကိုလည်းသိဖို့လိုသလို၊ ကိုယ့်ရဲ့ Data set type ကိုလည်း သိဖို့လိုပါတယ်။ ဒါမှ ကိုယ် က သင့်တော်တဲ့ Data visualization တို့၊ summary statistics တို့၊ model တို့ကို နောက်ဆက်တွဲ ရွေးချယ်နိုင်မှာပဲဖြစ်ပါတယ်

By Tr May (RDM)

RDM You Tube Channel👇👇👇
https://youtube.com/-channel?si=Wz_IhHJcpdbvyEuj

RDM TikTok👇👇
https://www.tiktok.com/?_t=ZS-8uzndiPJgyg&_r=1

RDM Telegram Group 👇👇👇
https://t.me/rdmpublicgroup

RDM Research Learning Group 👇👇👇
https://www.facebook.com/share/SYYtFnuDqWdCgjy7/?mibextid=K35XfP
RDM pageပါ မကျန် 👇👇👇
https://www.facebook.com/RDMteachelMay
Like / Subscribe / Follow လုပ်ထားဖို့
အသိပေး မေတ္တာရပ်ခံအပ်ပါတယ်ရှင့်

By:
Teachel May
(M.A) PMPP
Japan
📩 [email protected]


#သုတေသန #သုတေသနရေးသားနည်း
Review

🎉ရက်တ်ို SPSS 3rd batch ဖွင့်ပါမည်။ လူပြည့်တာမြန်တတ်ပါသည် 🎉

SPSS Intensive Course ကို -
📆 Sep 27 to Oct 6 ( 6 days only)
⏳ Wednesday, Thursday, Friday ( 3 days in a week)
🧧Fee - 100,000MMK
သတ်မှတ်လိုက်ပါတယ်။

👩‍💻ရှေ့ အသုတ်က လူတွေရဲ့ Assignment တွေကို လည်း တင်ပေးထားပါတယ်👇👇👇

https://www.facebook.com/share/p/19DxpCpEFt/?mibextid=wwXIfr

https://www.facebook.com/share/p/19Q4KAZhC4/?mibextid=wwXIfr

🚨🚨🚨 မှတ်ချက်။ Intensive course ဖြစ်တာမို့
ရက်တ််ိုတ်ိုနဲ့ ထိထိရောက်ရောက် သင်တာ ဖြစ်ပါတယ်။
စိတ်ဝင်စားတယ်ဆိုရင် မြန်မြန်စာရင်းသွင်းထားမှ
သေချာမှာပါနော်။🤩🤗@

🧑‍💻ဘာနဲ့ သင်မှာလဲ
✔️Zoom Meeting ဖြင့် သင်ပါမည်။

🧑‍💻Recording & Materials ပေးမှာလား။
✔️ ပေးပါမည်။

🧑‍💻 အခြေခံ မရှိဘဲ တက်လို့ရလား
✔️ရပါတယ် အခြေခံကနေစသင်မှာပါ

🧑‍💻 Software ပေးမှာလား
✔️ပေးမှာပါ

👥 လူဦးရေ ၁၅ ထက် ပို လက်မခံပါ။🚨

တက်ရောက်သင့်သည့်သူများ ✅
✔️ မကြာမီ Thesis/ Dissertation ကို ဒေတာနဲ့ ရေးမဲ့သူ ( ပြည်တွင်းမှာ ကျောင်းတက်တကိ/ ပြည်ပမှာ ကျောင်း တက်တက်ပါ)
✔️ Data ရဲ့ ကိန်းလုံးသဘောတရားတွေကို လေ့လာချင်သူ ( ဘယ် Field နေနေပါ)
✔️ Research ဖြင့် အသက်မွေးချင်သူ

များ တက်ရောက်သင့်ပါသည်။

🧑‍💻 ဘယ်သူ သင်မှာလဲ
Tr May (RDM)
M.A (Japan) PMPP
ပြည်တွင်း/ ပြည်ပ ကျောင်းသား ကျောင်းသူများက်ို
Consultation ပေးနေပြီး Researcher အဖြစ်လည်း အတွေ့အကြုံရှိသူ ဖြစ်ပါသည်။

စိတ်ဝင်စားလို့ စာရင်းပေးချင်တယ် ဆိုရင်👇👇👇

https://docs.google.com/forms/d/e/1FAIpQLSeElg7K2SOsv7ja-v10qC5BDPxjxCOWNmgtlOLJOv0hdOhweQ/viewform?usp=send_form

Sampling အကြောင်း ပိုသိချင်ရင် ဒီပိုစ့်ကို အပြီးထိ ဖတ်သွားကြပါနော်👩🏻‍🎓

👩‍💻 ဒီအပတ်မှာတော့ Sampling Design ပုံစံလေးတွေ အကြောင်းကို အနှစ်ချုပ်ပြောပြ ပေးသွား ချင်ပါတယ်နော်။ နည်းနည်း ပိုစ့်က ရှည်ပါမယ်နော် သေချာလေးရှင်းပြချင်လို့ပါ။

👩‍💻 တီချယ်တို့ သုတေသနပြုလုပ်တဲ့အခါမှာ Population နဲ့ Sample ဆိုပြီးရှိပါတယ်။

👉 Population က ကိုယ်လေ့လာလို တဲ့ အကြောင်းအရာအတွက် ကိုယ်စားပြုနေတဲ့ လူ (သို့) အရာ (သို့) သက်ရှိသက်မဲ့ တစ်ခုခု ဖြစ်နိုင်ပါတယ်။ Population ဆိုတာ လေ့လာလိုတဲ့ စုစုပေါင်း items တွေကို ခေါ်တာပါ။

👉Sample ကကျတော့ population တစ်ခုလုံကို လေ့လာရင်အချိန်ကုန် ငွေကုန် လူပင်ပန်းမှာ စိုးတဲ့အတွက် sample သပ်သပ်ခွဲထုတ်ပြီးလေ့လာတာပဲ ဖြစ်ပါတယ်။

👉 ကိုယ်လေ့လာလိုတဲ့ သုတေသနရဲ့ အကြောင်းအရာ၊ အချိန်၊ ငွေအင်အားသုံးနိုင်မှုအပေါ်မူတည်ပြီး Sample size နဲ့ sampling plan တွေက ကွဲသွားတတ်ပါတယ်။ ဒီနေရာမှာ sampling ဆိုတာက သေချာလိုက်မလုပ်ရင် data bias ဖြစ်နိုင်တာမို့ sampling plan အတိုင်းဒေတာ ကောက်ရတာကိုတော့ သိထားဖို့လိုပါတယ်။

👉ဒီပိုစ့်မှာ ဒီနေ့ပြောပြသွားမှာကတော့ sampling design တွေထဲကမှာ (1) Probability sampling နဲ့ (2) Non probability sampling တို့ ရှိတဲ့အနက် Probability sampling အကြောင်းကို ပြောပြသွားမှာ ဖြစ်ပါတယ်။

▪️Sampling ပုံစံတွေက အမျိုးမျိုးရှိတတ်ပြီး တစ်မျိုးချင်းစီမှာ မတူညီတဲ့ sampling plan တွေ step by step နည်းလမ်းတွေရှိတတ်ကြပါတယ်။

▪️Probability sampling ဆိုတာက sample တစ်ခုချင်းစီတိုင်းက non zero chance of selection လို့ခေါ်တဲ့ respondents အဖြစ်ရွေးချယ်ခံရနိုင်ခြေရှိတဲ့ sampling နည်းကို ခေါ်လိုတာဖြစ်ပါတယ်။ non zero chance of selection ဖြစ်တဲ့အတွက် ပြောရမယ်ဆိုရင် ရွေးချယ်ခံရနိုင်ခြေက sample တစ်ခုစီတိုင်းမှာ ရှိနေတာပဲ ဖြစ်ပါတယ်။

✔️ အဲ့ဒီတော့ Probability sampling design ထဲကမှ ပထမဆုံး -

🔵 (၁) Sample Random Sampling အကြောင်းကို ပြောပြပေးပါမယ်နော်

🔰 ဒီနည်းကတော့ sample တိုင်းကို ကျပန်းရွေးတာဖြစ်တဲ့အတွက် ရွေးချယ်ခံရနိုင်ခြေ sample တစ်ခုစီတိုင်းက တန်းတူညီမျှရှိနေတာပဲ ဖြစ်ပါတယ်။ ဉပမာ - Population ထဲက sample 100 ကို ရွေးထုတ်မယ်ဆိုရင် 100 လုံးအတွက် ကျပန်းရွေးလိုက်တာဖြစ်ပါတယ်။ အဲ့တော့ အားလုံးက ရွေးချယ်ခံရဖို့ တန်းတူ အခွင့်အရေးရှိပါတယ်။

🔵 (၂) Systematic Random Sampling က တော့ -
Total population ထဲကနေ ကိုယ်ရွေးချယ်ချင်တဲ့ sample ရအောင်ရွေးတဲ့ နေရာမှာ ဘယ်နှစ်ခုမြောက်တိုင်းကို ရွေးမယ်ဆိုပြီး သတ်မှတ်ထားတာပဲ ဖြစ်ပါတယ်။ ဉပမာ - 5th (၅ ခုမြောက်) တိုင်းကို ရွေးမယ်ဆိုရင် ၅ ခုမြောက် အရာ တိုင်းက ကိုယ်အတွက် sample ပဲ ဖြစ်ပါတယ်။

🔵 (၃) နောက်တစ်ခု အနေနဲ့ ကတော့ Academic မှာ သိပ်မသုံးပေမဲ့ အပြင် project research တွေမှာ အသုံးပြုလေ့ရှိတဲ့ Stratified Random Sampling ပဲ ဖြစ်ပါတယ်။

▪️ဒီနည်းကိုတော့ Group ခွဲလေ့လာတာလို့ အကြမ်းအားဖြင့် နားလည်ကြပေမဲ့ လက်တွေ့မှာတော့ နည်းနည်းလေးပိုရှုပ်ပါတယ်။ အုပ်စုခွဲတယ်ဆိုတဲ့ နေရာမှာ နေရာပေါ် လိုက်ပြီး ခွဲတာမဟုတ်ဘဲ characteristics ပေါ်လိုက်ပြီးခွဲတာဖြစ်ပါတယ်။

ဉပမာ - အသက်အုပ်စု၊ လိင်အမျိုးအစား၊ ပညာအရည်အချင်း စသဖြင့်ပေါ့။ ကိုယ်ခွဲလိုက်တဲ့ အုပ်စုထဲကမှ sample ဘယ်နှစ်ခုကို ဒေတာကောက်မယ်ဆိုတာကတော့ ထပ်ပြီး ဆုံးဖြတ်ရတာပဲ ဖြစ်ပါတယ်။

🔵 (၄) နောက်တစ်ခုကတော့ Cluster Sampling ပဲ ဖြစ်ပါတယ်။ သူကလည်း အုပ်စုခွဲတာပါပဲ။ ဒါပေမဲ့ Stratified Random Sampling နဲ့ မတူတဲ့ အချက်ကတော့ သူက location ပေါ်မူတည်ပြီး smaller units ထိ အုပ်စုကို ခွဲတာပဲ ဖြစ်ပါတယ်။

ဉပမာ - မှော်ဘီမြို့နယ်မှာ အထက်တန်းကျောင်း ၁၀ ခု ရှိတယ်ဆိုရင် အဲ့ဒီ စာသင်ကျောင်း ၁၀ ကျောင်း က မြို့နယ်အဆင့်ရှိတဲ့ ကျောင်းမိုလို့ smaller units လို့ ပြောလို့ရပါတယ်။
အဲ့ဒီ ၁၀ ကျောင်းထဲကမှ ကိုယ်က ကျောင်း ၃ ကျောင်းကို ဒေတာကောက်မယ်ဆိုပါစို့ အဲ့ဒီကိုယ်ရွေးချယ်လိုက်တဲ့ ကျောင်း ၃ ကျောင်းမှာရှိတဲ့ ကျောင်းသားအားလုံးကို ကိုယ်က ဒေတာလိုက်ကောက်ရမဲ့ စည်းမျဉ်းရှိပါတယ်။

👩‍💻ဒါကြောင့် Stratified Random Sampling နဲ့ Cluster Random Sampling တို့က နည်းနည်းရောတဲ့ ပုံစံရှိပါတယ်။ အကျဉ်းချုံ့အနေနဲ့ဆိုရင် cluster random sampling က နေရာဒေတာပေါ်မူတည်ပြီး unit အသေးဆုံးထိ သတ်မှတ်ရွေးချယ်ပြီးမှ ရွေးချယ်ထားတဲ့ unit ထဲက နေ sample အကုန်လုံးကို ဒေတာကောက်တဲ့နည်းပဲ ဖြစ်ပါတယ်။

👩🏻‍🎓 ကဲ ဒီပိုစ့်လေးအားဖြင့် ဗဟုသုတတစ်စုံတစ်ရာ ရရှိကြမယ်လို့မျှော်လင့်ပါတယ်နော်။

By Tr May (RDM)

RDM You Tube Channel👇👇👇
https://youtube.com/-channel?si=Wz_IhHJcpdbvyEuj

RDM TikTok👇👇
https://www.tiktok.com/?_t=ZS-8uzndiPJgyg&_r=1

RDM Telegram Group 👇👇👇
https://t.me/rdmpublicgroup

RDM Research Learning Group 👇👇👇
https://www.facebook.com/share/SYYtFnuDqWdCgjy7/?mibextid=K35XfP
RDM pageပါ မကျန် 👇👇👇
https://www.facebook.com/RDMteachelMay
Like / Subscribe / Follow လုပ်ထားဖို
အသိပေး မေတ္တာရပ်ခံအပ်ပါတယ်ရှင့်

By:
Teachel May
(M.A) PMPP
Japan
📩 [email protected]


#သတေသန #သတေသနရေးသားနည်း

SPSS 6 Days Intensive Course ကို
အခြေခံ မရှိလည်း တက်လို့ရလား ဆိုသူများ class evaluation တွေ ကြည့်ကြည့်ပါနော်

SPSS 3rd batch က September 27 ပြန်စမှာပါနော် အားလုံးပဲ

ဒီတခါ သုတေသနမေးခွန်းကို တိတိကျကျဖြစ်အောင် ဘယ်လိုပြင်ဆင်ရမလဲဆိုတာနဲ့ ပတ်သက်လို့ အရေးကြီးတဲ့အဆင့်တွေကို နားလည်လွယ်အောင် တီချယ်ရှင်းပြပေးပါ့မယ်.......

သုတေသနမေးခွန်းကို တိကျပြီး Narrow Down ဖြစ်အောင်လုပ်ဖို့ အဓိက အဆင့်အနေနဲ့ ဆိုရင် ……..

Research Question ကို တိတိကျကျ ဖြစ်သွားအောင် လုပ်တယ်ဆိုတာ သုတေသနရဲ့ အရေးကြီးဆုံးအလုပ်တစ်ခုပါပဲ။ ဘာလို့လဲဆိုတော့ Research Topic က ကျယ်နေရင် တိတိကျကျ ရှိမနေရင် ကိုယ်ရဲ့ Research Question ဟာလည်း ဇဝေဇဝါ ဖြစ်နေမှာပါ။ နောက်ပြီး Research question ကျယ်နေရင် ကိုယ်လိုက်မမီနိုင်တဲ့ Research topic တစ်ခုလုံးကို Research လုပ်သလို ဖြစ်နေလိမ့်မယ်။ ဒါကြောင့် Focus ကို ရှင်းရှင်းလင်းလင်းဖြစ်အောင် ဒီအဆင့်တွေအတိုင်း ပြင်ဆင်သွားဖို့လိုပါတယ်။

ပထမပိုင်း- ကြိုတင်ပြင်ဆင်ခြင်း (အခြေခံ အုတ်မြစ်ချခြင်း)

ဒီအဆင့်တွေက သုသေတနမေးခွန်းကို မရွေးချယ်ခင် ကိုယ်ဘာတွေ လိုအပ်လဲဆိုတာ သိဖို့ပါ။

ပထမဆုံး ကိုယ်စိတ်ဝင်စားတဲ့ အကြောင်းအရာကို အရင်သတ်မှတ်ပါ။ ဒီအဆင့်က Topic ရွေးတဲ့အဆင့်ပါ။ ဒီအဆင့်မှာ ကိုယ့်ကိုကိုယ် ပြန်မေးရမှာက "ငါက ဘာအကြောင်းအရာကို စိတ်ဝင်စားတာလဲ" (ဥပမာ- ရန်ကုန်က ကျောင်းဆရာတွေ နည်းပညာအသုံးပြုနိုင်မှုကို လေ့လာမယ်ပေါ့) ဆိုတာကို အရင်ဆုံး သိအောင်လုပ်ပါ။ မိမိရွေးချယ်လိုက်တဲ့ Topic က ကိုယ်တကယ်စိတ်ဝင်စားတဲ့ Topic ဖြစ်ဖို့တော့ လိုပါတယ်။ ဒီလို ကိုယ်စိတ်ဝင်စားတဲ့ ခေါင်းစဉ်ရွေးချယ်ရခြင်းက ကိုယ့်စိတ်ဝင်စားမှုနယ်ပယ်ကို အတည်ပြုပြီး လေ့လာမယ့် နယ်ပယ်ကို အကြမ်းဖျင်း သိထားဖို့ပါ။ ဒါပေမဲ့ ဒါက Research Question မဟုတ်သေးဘူးနော်၊ Topic ပဲရှိသေးတာပါ။

ဒုတိယ အဆင့်အနေနဲ့ Literature review အကြမ်းဖျင်းလုပ်ရမှာပါ။
• ကိုယ်ရွေးထားတဲ့ Topic အကြောင်း သူများတွေ ဘာတွေလုပ်ပြီးပြီလဲ၊ ဘယ် Theory တွေ ရှိလဲဆိုတာကို ဖတ်ကြည့်ဖို့လိုပါတယ်။ Literature Review လုပ်ရတဲ့ အဓိက ရည်ရွယ်ချက်ကတော့ သူများတွေ မစူးစမ်းရသေးတဲ့ အကြောင်းအရာ ဒါမှမဟုတ် အဖြေမရှာရသေးတဲ့ Literature Gap ကို ရှာဖို့ပါ။ ဒီအဆင့်မှာ ကိုယ့်ကိုကိုယ် ပြန်မေးရမှာကတော့ "ငါလေ့လာမဲ့ အကြောင်းအရာမှာ ဘာတွေ လိုနေသေးလဲ။ ဘယ်သူမှ မလုပ်ရသေးတာ ဘာရှိလဲ” ဆိုတာကို ကိုယ့်ဖာသာ ပြန်မေးနေဖို့လိုပါတယ်။ ဒီ Gap ကို ဖြည့်ဖို့က ကိုယ့် Research Question ရဲ့ ရည်ရွယ်ချက်လဲ ဖြစ်ပါတယ်။

• တတိယအဆင့်အနေနဲ့တော့ Research problem ကို သတ်မှတ်ရမှာဖြစ်ပါတယ်။ ကိုယ့်မှာ Research topic လည်း clear ဖြစ်နေမယ် Literature review လည်း အထိုက်အလျောက်ဖတ်ထားမယ်ဆိုရင် နောက်တဆင့်လုပ်လို့ရမှာက Research Problem ကိုရှာရမှာပဲဖြစ်ပါတယ်။ ဒီအဆင့်မှာ မိမိကိုယ် ပြန်မေးဖို့လိုတဲ့ မေးခွန်းကတော့ "ဒီ Research ကို ဘာကြောင့်လုပ်ဖို့ လိုတာလဲ" ဆိုတဲ့ မေးခွန်းကို ဖြေဖို့ပဲဖြစ်ပါတယ်။ ခုနက စဉ်းစားခဲ့တဲ့ Research Topic ကိုပဲ စဉ်းစားကြည့်ရအောင်။ “ရန်ကုန်က ကျောင်းဆရာတွေ နည်းပညာအသုံးပြုနိုင်မှု” ပဲဆိုပါတော့။ ဒီခေါင်းစဉ်မှာ ဖြစ်နိုင်တဲ့ Research Problem က "အဲ့ဒီ နည်းပညာတွေက ကျောင်းသားတွေကို တကယ်ကော စိတ်ဝင်စားမှု (Engagement) တိုးစေရဲ့လားဆိုတာ အချက်အလက်တိတိကျကျ မရှိသေးတာ" ဖြစ်နိုင်ပါတယ်။ အဲ့ဒီတော့ ကိုယ့် Research ရဲ့ အရေးပါပုံ (Significance) ကို ရှင်းရှင်းလင်းလင်း သိအောင်လုပ်ဖို့အတွက် Research problem ကို ချရတာဖြစ်ပါတယ်။
ဒီအဆင့်တွေ ပြီးသွားပြီဆိုရင်တော့ ကိုယ်ရဲ့ ပြင်ဆင်ခြင်းအဆင့် အထိုက်အလျောက် ပြီးပြီလို့ဆိုနိုင်တာမို့ Research question ကို Narrow Down ဖြစ်အောင်လုပ်လို့ရပါပြီ။

ဒုတိယပိုင်း အနေနဲ့ Narrow Down ဖြစ်တဲ့ Research Question ကို ချဖို့ ……

နောက်တဆင့်အနေနဲ့ ကိုယ့်ရဲ့ Research question ထဲမှာ ပါရမယ့် အစိတ်အပိုင်းတွေကို သတ်မှတ်ပါမယ်။
***ကိုယ့်မေးခွန်းမှာ ဘယ်သူ (လူအုပ်စု)၊ ဘာကို (ဖြစ်စဉ်/ပြောင်းလဲမှု)၊ ဘယ်မှာ (နေရာ)၊ ဘာကို တိုင်းတာမလဲ (ရလဒ်) ဆိုတာတွေ ပါဖို့ လိုတယ်။
ဘယ်သူ (Population):
*** ဘယ်သူ့ကို လေ့လာမှာလဲ? (ဥပမာ- ဆရာ/ဆရာမ အားလုံး မဟုတ်ဘဲ၊ ရန်ကုန်မြို့က အလယ်တန်းပြ ဆရာမသစ်တွေ)
ဘာကိုလေ့လာမှာလဲ (Intervention/Exposure): ဘယ်အရာကို အာရုံစိုက်မလဲ? (ဥပမာ- Social Media အားလုံး မဟုတ်ဘဲ Facebook သုံးစွဲမှု)
ရလဒ် (Outcome): ဘာကို တိုင်းတာမှာလဲ/လေ့လာမှာလဲ? (ဥပမာ- အောင်မြင်မှု မဟုတ်ဘဲ ကျောင်းသားရဲ့ စိတ်ပိုင်းဆိုင်ရာ ပျော်ရွှင်မှု) စသည်ပေါ့.....

• နောက်တဆင့်အနေနဲ့ ကိုယ်ရဲ့ Research အတိုင်းအတာနဲ့ နယ်နိမိတ်ကို ကန့်သတ်ပါ။ (အရမ်းကျယ်တဲ့ ခေါင်းစဉ်မဖြစ်ဖို့ပါ)

• ကိုယ်လုပ်နိုင်တဲ့ ဘောင်ထဲရောက်အောင် ကျောင်းဆရာ တို့ အသက်အရွယ်၊ အချိန်ကာလ တို့ကို ရှင်းရှင်းလင်းလင်း ကန့်သတ်ပါ။ ဉပမာ - Social Media ရဲ့ သက်ရောက်မှုက ဘာလဲ? ရန်ကုန်မြို့ရှိ (Context)၊ အသက် ၂၈ နှစ်မှ ၄၀ နှစ်ကြားရှိ အမျိုးသမီး ဆရာမများရဲ့ နည်းပညာအသုံးပြုမှု က ကျောင်းသားတွေအပေါ်ပညာသင်ကြားမှုကို သက်ရောက်မှု (outcome) မည်သို့ သက်ရောက်မှု ရှိသလဲ? စသည်ဖြင့် သတ်မှတ်ကန့်သတ်ရမှာကို ဆိုလိုတာပါ။

• ဒီလို ကန့်သတ်ရတဲ့ အဓိက ရည်ရွယ်ချက်ကတော့ ကိုယ့် Research က လက်တွေ့လုပ်ဆောင်နိုင်ခြေ (Feasible) ရှိ/မရှိကို သိနိုင်ဖို့အတွက်ပါ။

• နောက်အဆင့်အနေနဲ့ ကတော့ သုတေသန နည်းနာရွေးချယ်ရမှာပါ။ ဆိုလိုတာက Quantitative (အရေအတွက်) လား၊ Qualitative (အရည်အသွေး) လားဆိုတာ ဆုံးဖြတ်ရမှာပေါ့။

ဒီအဆင့်တွေကို သုံးပြီး ကိုယ့်ရဲ့ Research Question ကို အကောင်းဆုံးဖြစ်အောင် ပြင်ဆင်နိုင်ပါတယ်။ ကဲ အဲ့ဒီတော့ ဒီ ပိုစ့်လေးအားဖြင့် အထောက်အကူ တစ်စုံတစ်ရာဖြစ်တယ်ဆိုရင် comment မှာ ကိုယ်ရည်ရွယ်ထားတဲ့ Research question လေးကို မန့်ခဲ့လို့ရပါတယ်နော်။

By Tr May (RDM)

RDM You Tube Channel👇👇👇
https://youtube.com/-channel?si=Wz_IhHJcpdbvyEuj

RDM TikTok👇👇
https://www.tiktok.com/?_t=ZS-8uzndiPJgyg&_r=1

RDM Telegram Group 👇👇👇
https://t.me/rdmpublicgroup

RDM Research Learning Group 👇👇👇
https://www.facebook.com/share/SYYtFnuDqWdCgjy7/?mibextid=K35XfP
RDM pageပါ မကျန် 👇👇👇
https://www.facebook.com/RDMteachelMay
Like / Subscribe / Follow လုပ်ထားဖို
အသိပေး မေတ္တာရပ်ခံအပ်ပါတယ်ရှင့်

By:
Teachel May
(M.A) PMPP
Japan
📩 [email protected]


#သတေသန #သတေသနရေးသားနည်း
@