Research Methodology

Unicode သုတေသနအဆိုပြုလွှာတစ်စောင်ရေးသားခြင်း (အပိုင်း - ၂) မနေ့က သုတေသနအဆိုပြုလွှာရေးသားရာတွင် ပါဝင်ရမည့် အချက် ၅ ချက်အကြောင်းကို ဖော်ပြပြီးဖြစ်သည်။  ယနေ့တွင် ကျနသည့်အချက်များကို ဆက်လက်ရေးပါားဖော်ပြပါမည်။ ၆။ Scope of the Study သုတေသနပြုလုပ်ရခြင်း၏ရည်ရွယ်ချက်များ၊ သုတေသနမေးခွန်းများကိုရေးသားပြီးလျှင် Scope of the Study ကို ဆက်လက်ရေးသားရပါမည်။  ဤတွင် ဘယ်နေရာတွေမှ ဒေတာများကိုစုဆောင်းမှာလဲ၊ လူဦးရေဘယ်နှယောက်ဆီမှ ဒေတာများကို စုဆောင်းမလဲ စသည်တို့ကို ဖော်ပြပေးရပါမည်။  ဥပမာ - သုတေသီတစ်ဦးသည် ကုမ္ပဏီ သို့မဟုတ် အဖွဲ့အစည်း အကြီးတစ်ခုမှ ဌာနခွဲ သုံးခုကိုသာလေ့လာလိုသည်ဆိုကြပါစို့။  ဤတွင်သုတေသီမှ ရေးသားဖော်ပြရမည်မှာ အဖွဲ့အစည်းတစ်ခုလုံးတွင် ဝန်ထမ်းဦးရေမှာ မည်မျှရှိကြောင်း၊ သို့သော်သုတေသီလေ့လာမည့် ဌာနခွဲမှာ သုံးခုသာဖြစ်ကြောင်း၊ ထိုဌာနခွဲ သုံးခုတွင် အလုပ်လုပ်နေကြသော ဝန်ထမ်းဦးရေမှာ မည်မျှဖြစ်ကြောင်း၊ ထိုဌာနခွဲသုံးခုရှိ ဝန်ထမ်းများထံမှသာ ဒေတာစုဆောင်းမည်ဖြစ်သောကြောင့် အဖွဲ့အစည်းတစ်ခုလုံးကို ကိုယ်စားပြုထားခြင်းမဟုတ်ကြောင်း စသည်တို့ကို ဖော်ပြပေးရပါမည်။ ၇။ Relevance of the Study ဆက်လက်၍ သုတေသီမှ R

Unicode သုတေသနအဆိုပြုလွှာတစ်စောင်ရေးသားခြင်း (အပိုင်း - ၁)  ဒီနေ့ သုတေသီများအားလုံးအတွက် အရမ်းအသုံးဝင်တဲ့ သုတေသန အဆိုပြုလွှာရေးသားနည်း (Writing a Research Proposal) ကို ရေးသားတင်ဆက်လိုက်ပါတယ်။ အဖွဲ့အစည်းအမျိုးမျိုး၊ သင်တန်းကျောင်းအမျိုးမျိုးအနေနှင့် သုတေသနအဆိုပြုလွှာရေးသားပုံရေးသားနည်း ပုံစံ အမျိုးမျိုးရှိနိုင်သည်။ သို့သော် သုတေသနအဆိုပြုလွှာရေးသားရာတွင် ယေဘုယျအားဖြင့် ပါဝင်ရမည့် အချက်များကို ဖော်ပြပေးလိုက်ပါသည်။   သုတေသနအဆိုပြုလွှာရေးသားရာတွင် ယေဘုယျ အားဖြင့် ပါဝင်ရမည့် အချက်အလက်ခေါင်းစဉ်များမှာ အောက်ပါအတိုင်းဖြစ်သည်။ ၁။ Introduction ၂။ Background of the Study ၃။ Research Problem ၄။ Objective of the Study ၅။ Research Question ၆။ Scope of the Study ၇။ Relevance of the Study ၈။ Research Methodology     (၁) Research Design     (၂) Sampling Methods and Data Collection ၉။ Data Analysis ၁၀။ Study Time Frame ၁၁။ Budget of the Research ၁၂။ Summary တို့ဖြစ်ကြသည်။ ၁။ Introduction သုတေသနအဆိုပြုလွှာရေးသားရာတွင် ပထမဆုံးအနေဖြင့် Introduction ကို စတင်ရေးသားရမည်။  Introduc

Unicode  Data များကို စုဆောင်းပြီးနောက် သုတေသီသည် ယင်း data များကို ခွဲခြမ်းစိတ်ဖြာရန် (analysis လုပ်ရန်) ဖြစ်သည်။ Data analysis ပြုလုပ်ရာတွင် data များကို အမျိုးအစား၊ အဆင့်အတန်းခွဲခြားသတ်မှတ်ခြင်း၊ ကုဒ် (code) များဖြင့် ပြုလုပ်ထားသော raw data များကို အသုံးချခြင်း၊ စာရင်းဇယားပြုလုပ်ခြင်းနှင့် နောက်ဆုံးတွင် စာရင်းအင်းပညာအရ ကောက်ချက်ချခြင်းတို့ကို ပြုလုပ်ရသည်။   ကိုင်တွယ်ရန် ခက်ခဲသော data များကို နောက်ထပ် analysis ပြုလုပ်နိုင်ရန် ပြုလုပ်ဆောင်ရွက်နိုင်သော အုပ်စုများ၊ ဇယားများထဲသို့ ထည့်သွင်း၍ အကျဉ်းချုံ့ထားရန် လိုအပ်သည်။  ထို့ကြောင့် raw data များကို အမျိုးအစားများခွဲခြားထားသင့်သည်။ ဤအဆင့်တွင် ထို data များကို အလွယ်တကူ စာရင်းပြုစုနိုင်ရန်နှင့် ရေတွက်နိုင်ရန် အမျိုးအစားခွဲခြားထားသော data များကို သင်္ကေတ များပြုလုပ်ကာ ကုဒ် (code) များဖြင့် မှတ်သားထားရမည်။  ကုဒ် (code) များပြုလုပ်ခြင်းအတွက် data များကို ပိုမိုကောင်းမွန်စေရန် ပြုလုပ်သည့် လုပ်ငန်းစဉ်မှာ တည်းဖြတ်ခြင်းဖြစ်သည်။  ကုဒ် (code) ပြုလုပ်ပြီးသော အဆင့်တွင် စာရင်းဇယားများြ့ပုလုပ်ရန် အလိုက်သင့် ဖြစ်လာသည်။ စာရင်းဇယားပြုလုပ်ခြင်

Unicode  စီမံကိန်းပြီးမြောက်အောင်ဆောင်ရွက်ပြုလုပ်ခြင်း စီမံကိန်း ပြီးမြောက်အောင် ဆောင်ရွက်ပြုလုပ်ခြင်းသည် သုတေသန လုပ်ငန်းစဉ်တွင် အလွန် အရေးပါသော အဆင့်တစ်ခုဖြစ်သည်။  သင့်တော်မှန်ကန်သော အခြေအနေများအတွင်း သုတေသန စီမံကိန်းကို ပြီးမြောက်အောင် ဆောင်ရွက်နိုင်ခဲ့လျှင် စုဆောင်ရမည့် data အချက်အလက်များမှာလည်း ပြည့်စုံ လုံလောက်ပြီး အားကိုးအားထားပြုနိုင်သည်။  သုတေသီသည် စနစ်ကျသော နည်းလမ်းများဖြင့် သတ်မှတ်ထားသော အချိန်အတွင်း သုတေသနစီမံကိန်းကို ပြီးမြောက်အောင် ဆောင်ရွက်ရမည်။  မေးခွန်းလွှာကို စနစ်တကျပြင်ဆင်ပြီး စစ်တမ်းကောက်မည်ဆိုလျှင် data များကို အလွယ်တကူကောက်ယူ စုဆောင်းနိုင်ပါသည်။  ဤအခြေအနေတွင် မေးခွန်းများအတွက် ဖြစ်နိုင်သော အဖြေများကို ကုဒ် (code) များဖြင့် ပြုလုပ်ထားရမည်။  အကယ်၍ အင်တာဗျူးမေးလျက် data ကောက်ယူစုဆောင်းမည်ဆိုပါက သင့်တော်သော ရွေးချယ်မှုများပြုလုပ်ပြီး အင်တာဗျူးမေးမည့်သူများကို လေ့ကျင့်သင်ကြားပေးရမည်။  အင်တာဗျူးမေးမည့်သူများအား လုပ်ဆောင်ရမည့် အဆင့်တစ်ဆင့်စီကို ရှင်းလင်းစွာ ညွှန်ကြားပြသရမည်။   အင်တာဗျူးမေးသူများသည် လုပ်ငန်းတွင် ထိထိရောက်ရောက် မှန်မှန်ကန်ကန် ပြုလုပ်နိုင်ရန် ကွင်းဆင

Unicode ဒေတာ စုဆောင်းခြင်း (Data Collection) မိမိတွင် ရှိနေသော data များဖြင့် တကယ့်လက်တွေ့ ပြဿနာများကို ဖြေရှင်းရာတွင် လုံလောက်မှုမရှိသည်ကို တွေ့ရသောအခါ သင့်တော်သော data များကို စုဆောင်းရန်လိုအပ်လာသည်။ သုတေသီမှ သုံးစွဲရမည့် ငွေ၊ အချိန် နှင့် တခြားအရင်းအမြစ်ပေါ်မူတည်၍ data စုဆောင်းသည့် နည်းလမ်းများစွာ ရှိပါသည်။  လက်တွေ့စမ်းသပ်မှုနှင့် စစ်တမ်းများ (survey) မှ primary data ကိုရယူနိုင်သည်။ သုတေသီသည် လက်တွေ့စမ်းသပ်မှုပြုလုပ်လိုလျှင် data သို့မဟုတ် အရေအတွက် ချဉ်းကပ်မှုဆိုင်ရာ တိုင်းတာမှုကို လေ့လာစောင့်ကြည့်မှုပြုလျက် သူ၏ အဆိုကြမ်းတွင်ပါဝင်သော မှန်ကန်မှုကို စစ်ဆေးနိုင်သည်။  သို့သော် စစ်တမ်းကောက်ယူသောအခါ data များကို အောက်ပါနည်းစနစ်များဖြင့် စုဆောင်းနိုင်သည်။  (၁) စောင့်ကြည့်လေ့လာခြင်း (By observation) ဤနည်းသည် အင်တာဗျူး မပြုလုပ်ဘဲ စုံစမ်းလေ့လာသူမှ သတင်းအချက်အလက်များကို ကိုယ်တိုင်စောင့်ကြည့်လေ့လာခြင်းဖြစ်သည်။  ရရှိလာသော သတင်းအချက်အလက်များမှာ အတိတ်၊ အနာဂတ်တို့ နှင့် မပတ်သက်ဘဲ လက်ရှိဖြစ်ပျက်နေသော အကြောင်းအရာများဖြစ်သည်။  ဤနည်းလမ်းသည် ကုန်ကျစရိတ်များသော နည်းလမ်းဖြစ်ပြီး သတင်းအချက်အလက်မ

Choosing Sampling Design Unicode စုံစမ်းမေးမြန်းလိုသည့် နယ်ပယ်အတွင်းရှိ အချက်များအားလုံးပါဝင်သည့် အဖွဲ့အစည်းကို Universe သို့မဟုတ် Population ဟုခေါ်သည်။  Population အတွင်းရှိ အချက်များအားလုံးကို ပြည့်စုံစွာ စာရင်းကောက်ယူမှုကို Census inquiry ဟုခေါ်သည်။  ဤကဲ့သို့သော စုံစမ်းမေးမြန်းမှုတွင် အချက်များအားလုံးကို ခြုံငုံမိပြီး တိကျမှန်ကန်မှုအပြည့်အဝရရှိသည်ဟု ယူဆရသည်။  သို့သော် လက်တွေ့တွင် ဤစုံစမ်းမှုသည် မှန်ကန်မှုမရှိနိုင်ပါ။  စောင့်ကြည့်လေ့လာမှုများလေလေ အသေးငယ်ဆုံးသော အကြောင်းအရာတစ်ခုတောင်မှ ပိုမို ကြီးမားကျယ်ပြန့်လာလေလေဖြစ်သည်။  ထိုအကြောင်းအရာကို နမူနာကောက်ယူ၍ စစ်ဆေးရုံမှ အပ တခြားသော စစ်ဆေးသည့်နည်းလမ်းမရှိပါ။  ဤကဲ့သို့ အားလုံးပါဝင်သော စုံစမ်းစစ်ဆေးမှုမျိုးတွင် အချိန်၊ ငွေနှင့် စွမ်းအင် များစွာကို သုံးစွဲရသည်။  ဤကိစ္စများသာမက လက်တွေ့တွင် အခြေအနေအရပ်ရပ်ကြောင့် ပြည့်စုံစွာ စာရင်းကောက်ယူမှုကို Census inquiry ပြုလုပ်ရန် မဖြစ်နိုင်ပါ။  ထို့ကြောင့် လေ့လာမှုနယ်ပယ်တစ်ခုအတွက် Population အတွင်းမှ အချက်အလက် အနည်းမျှကိုသာ ရွေးချယ်၍ စုံစမ်းစစ်ဆေးမှုပြုရသည်။  ဤကဲ့သို့ ရွေးချယ်ထားသော အချက်များဖြင့် ဖ