একটি বৃহত দল বা জনগোষ্ঠী থেকে নির্বাচিত ব্যক্তিদের একটি উপসেট পরিসংখ্যানগতভাবে পুরো গ্রুপের কাছ থেকে প্রতিক্রিয়া আনতে পরিসংখ্যানগতভাবে পরিমাপ করতে গবেষকরা একটি সাধারণ এলোমেলো নমুনা ব্যবহার করেন। এই গবেষণা পদ্ধতির সুবিধা এবং ত্রুটি উভয়ই রয়েছে।
সাধারণ র্যান্ডম নমুনা: একটি ওভারভিউ
জরিপ কৌশলগুলির অন্যান্য ধরণের থেকে পৃথক, সাধারণ এলোমেলো নমুনা একটি বড় গ্রুপের প্রতিক্রিয়া সংগ্রহ করার জন্য একটি নিরপেক্ষ দৃষ্টিভঙ্গি। গবেষণায় সাধারণ এলোমেলো নমুনা ব্যবহারের স্বতন্ত্র সুবিধা থাকলেও এর অন্তর্নিহিত কমতি রয়েছে। এই অসুবিধাগুলির মধ্যে নির্দিষ্ট জনগোষ্ঠীর পুরো তালিকা সংগ্রহের জন্য প্রয়োজনীয় সময়, সেই তালিকাটি পুনরুদ্ধার এবং যোগাযোগের জন্য প্রয়োজনীয় মূলধন এবং নমুনা সেটটি পুরো জনসংখ্যাকে পর্যাপ্ত পরিমাণে উপস্থাপনের পক্ষে পর্যাপ্ত পরিমাণে না হলে ঘটতে পারে এমন পক্ষপাতিত্ব অন্তর্ভুক্ত থাকে।
একটি সাধারণ এলোমেলো নমুনার সুবিধা
এলোমেলোভাবে স্যাম্পলিং দুটি প্রাথমিক সুবিধা দেয়।
বায়াসের অভাব
যে ব্যক্তিরা বৃহত্তর গোষ্ঠীর উপসেট তৈরি করে তা এলোমেলোভাবে বেছে নেওয়া হয়, বৃহত জনসংখ্যার সেটে প্রতিটি ব্যক্তিরই নির্বাচিত হওয়ার সম্ভাবনা একই থাকে। এটি বেশিরভাগ ক্ষেত্রেই একটি ভারসাম্য উপসেট তৈরি করে যা সামগ্রিকভাবে বৃহত্তর গ্রুপকে উপস্থাপনের সর্বাধিক সম্ভাবনা বহন করে।
সরলতা
এর নাম থেকেই বোঝা যায় যে সরল এলোমেলো নমুনা উত্পাদন অন্যান্য পদ্ধতির তুলনায় অনেক কম জটিল, যেমন স্তরযুক্ত এলোমেলো নমুনা। উল্লিখিত হিসাবে, সাবসেটের ব্যক্তিরা এলোমেলোভাবে নির্বাচন করা হয় এবং কোনও অতিরিক্ত পদক্ষেপ নেই।
পক্ষপাতিত্ব না ঘটে তা নিশ্চিত করার জন্য গবেষকদের অবশ্যই পর্যাপ্ত সংখ্যক উত্তরদাতাদের কাছ থেকে প্রতিক্রিয়া অর্জন করতে হবে, যা সময় বা বাজেটের সীমাবদ্ধতার কারণে সম্ভব নাও হতে পারে।
একটি সাধারণ এলোমেলো নমুনার অসুবিধা
এই গবেষণা পদ্ধতির ত্রুটিগুলির মধ্যে রয়েছে:
সম্পূর্ণ জনসংখ্যার তালিকা অ্যাক্সেস করতে অসুবিধা
সাধারণ এলোমেলো নমুনায়, একটি বিশাল জনসংখ্যার একটি সঠিক পরিসংখ্যান পরিমাপ কেবল তখনই পাওয়া যায় যখন অধ্যয়নের জন্য সম্পূর্ণ জনসংখ্যার একটি সম্পূর্ণ তালিকা পাওয়া যায়। কিছু উদাহরণে, একটি বিশ্ববিদ্যালয়ের শিক্ষার্থীদের জনসংখ্যা বা একটি নির্দিষ্ট সংস্থার কর্মচারীদের একটি গ্রুপের বিবরণ প্রতিটি সংখ্যাকে সংযোগকারী সংস্থার মাধ্যমে অ্যাক্সেসযোগ্য।
কী Takeaways
- একটি বৃহত্তর জনসংখ্যার থেকে নমুনা বেছে নিতে গবেষকরা যে পদ্ধতিগুলি ব্যবহার করেন তার মধ্যে একটি সাধারণ এলোমেলো নমুনা হ'ল মেজর সুবিধাগুলির মধ্যে এর সরলতা এবং পক্ষপাতের অভাব রয়েছে m অনেক অসুবিধাগুলি বৃহত্তর জনসংখ্যার তালিকা, সময়, ব্যয় এবং তালিকাতে অ্যাক্সেস পেতে অসুবিধা হয় are যে পক্ষপাত এখনও নির্দিষ্ট পরিস্থিতিতে ঘটতে পারে।
তবে পুরো তালিকায় অ্যাক্সেস পাওয়া চ্যালেঞ্জগুলি উপস্থাপন করতে পারে। কিছু বিশ্ববিদ্যালয় বা কলেজগুলি গবেষণার জন্য শিক্ষার্থী বা অনুষদের একটি সম্পূর্ণ তালিকা সরবরাহ করতে রাজি নয়। একইভাবে, নির্দিষ্ট সংস্থাগুলি গোপনীয়তার নীতিগুলির কারণে কর্মচারী গোষ্ঠীগুলির বিষয়ে তথ্য হস্তান্তর করতে ইচ্ছুক বা সক্ষম হতে পারে না।
সময় ব্যয়
যখন বৃহত্তর জনগোষ্ঠীর সম্পূর্ণ তালিকা পাওয়া যায় না, তখন সাধারণ এলোমেলো নমুনা চালানোর চেষ্টা করা ব্যক্তিদের অবশ্যই অন্যান্য উত্স থেকে তথ্য সংগ্রহ করতে হবে। যদি সর্বজনীনভাবে উপলভ্য হয় তবে বৃহত্তর জনগোষ্ঠীর সম্পূর্ণ তালিকা পুনরায় তৈরি করতে ছোট সাবসেটের তালিকা ব্যবহার করা যেতে পারে, তবে এই কৌশলটি শেষ হতে সময় লাগে। সংস্থাগুলি যা শিক্ষার্থী, কর্মচারী এবং পৃথক গ্রাহকদের ডেটা রাখে প্রায়শই দীর্ঘ পুনরুদ্ধার প্রক্রিয়া আরোপ করে যা পুরো জনসংখ্যার সেটে সুনির্দিষ্ট তথ্য প্রাপ্তির জন্য একজন গবেষকের ক্ষমতা আটকে দিতে পারে।
খরচ
বিভিন্ন উত্স থেকে তথ্য সংগ্রহ করতে সময় লাগে তা ছাড়াও, এই প্রক্রিয়াটির জন্য কোনও সংস্থা বা স্বতন্ত্র পরিমাণে মূলধন ব্যয় হতে পারে। তৃতীয় পক্ষের ডেটা সরবরাহকারীর কাছ থেকে জনসংখ্যার সম্পূর্ণ ছোট তালিকা বা ছোট উপসেট তালিকাগুলি পুনরুদ্ধার করতে প্রতিটি সময় ডেটা সরবরাহ করার পরে অর্থ প্রদানের প্রয়োজন হতে পারে। সাধারণ র্যান্ডম স্যাম্পলিংয়ের প্রথম রাউন্ডের সময় যদি নমুনা পুরো জনগণের দৃষ্টিভঙ্গি উপস্থাপনের পক্ষে পর্যাপ্ত পরিমাণে না থাকে তবে নমুনা ত্রুটি এড়াতে অতিরিক্ত তালিকা বা ডাটাবেস কেনা নিষিদ্ধ হতে পারে।
নমুনা নির্বাচন বায়াস
যদিও সাধারণ এলোমেলো নমুনাটি জরিপ করার ক্ষেত্রে একটি পক্ষপাতহীন পদ্ধতির উদ্দেশ্যে করা হয়েছে, নমুনা নির্বাচনের পক্ষপাত ঘটতে পারে। যখন বৃহত জনসংখ্যার একটি নমুনা সেট পর্যাপ্ত পরিমাণে অন্তর্ভুক্ত না হয়, সম্পূর্ণ জনসংখ্যার প্রতিনিধিত্ব হয় এবং অতিরিক্ত নমুনা কৌশল প্রয়োজন requires
