ഡാറ്റയുടെ സാമ്പിളും പ്രാതിനിധ്യവും. വിവര ഗുണനിലവാര സൂചകങ്ങൾ

സ്റ്റാറ്റിസ്റ്റിക്കൽ റിപ്പോർട്ടുകളിലും പ്രസംഗങ്ങളും റിപ്പോർട്ടുകളും തയ്യാറാക്കുന്നതിലും പ്രതിനിധാനം എന്ന ആശയം പലപ്പോഴും കാണപ്പെടുന്നു. ഒരുപക്ഷേ, ഇത് കൂടാതെ, അവലോകനത്തിനായി ഏതെങ്കിലും തരത്തിലുള്ള വിവര അവതരണം സങ്കൽപ്പിക്കാൻ പ്രയാസമാണ്.

പ്രതിനിധിത്വം - അതെന്താണ്?

തിരഞ്ഞെടുത്ത വസ്\u200cതുക്കളോ ഭാഗങ്ങളോ അവർ തിരഞ്ഞെടുത്ത ഡാറ്റാഗണത്തിന്റെ ഉള്ളടക്കത്തിനും അർത്ഥത്തിനും എത്രത്തോളം യോജിക്കുന്നുവെന്ന് പ്രതിനിധാനം പ്രതിഫലിപ്പിക്കുന്നു.

മറ്റ് നിർവചനങ്ങൾ

വ്യത്യസ്ത സന്ദർഭങ്ങളിൽ പ്രതിനിധിത്വം മനസ്സിലാക്കാം. എന്നാൽ അതിന്റെ അർത്ഥത്തിൽ, പ്രാതിനിധ്യം എന്നത് പൊതുജനങ്ങളിൽ നിന്ന് തിരഞ്ഞെടുത്ത യൂണിറ്റുകളുടെ സവിശേഷതകളുടെയും സവിശേഷതകളുടെയും കത്തിടപാടുകളാണ്, ഇത് മൊത്തത്തിലുള്ള പൊതു ഡാറ്റാബേസിന്റെ സവിശേഷതകളെ മൊത്തത്തിൽ പ്രതിഫലിപ്പിക്കുന്നു.

കൂടാതെ, ഗവേഷണത്തിന്റെ കാഴ്ചപ്പാടിൽ നിന്ന് പ്രാധാന്യമുള്ള ജനസംഖ്യയുടെ പാരാമീറ്ററുകളെയും സവിശേഷതകളെയും പ്രതിനിധീകരിക്കുന്നതിനുള്ള സാമ്പിൾ ഡാറ്റയുടെ കഴിവായി വിവരങ്ങളുടെ പ്രാതിനിധ്യം നിർവചിക്കപ്പെടുന്നു.

പ്രതിനിധി സാമ്പിൾ

മൊത്തം ഡാറ്റയുടെ സവിശേഷതകളെ ഏറ്റവും പ്രധാനപ്പെട്ടതും കൃത്യമായി പ്രതിഫലിപ്പിക്കുന്നതും തിരഞ്ഞെടുക്കുക എന്നതാണ് സാമ്പിൾ തത്വം. ഇതിനായി, കൃത്യമായ ഫലങ്ങൾ നേടാനും എല്ലാ ഡാറ്റയുടെയും ഗുണനിലവാരം വിവരിക്കുന്ന സാമ്പിൾ മെറ്റീരിയലുകൾ മാത്രം ഉപയോഗിക്കുന്നതിനുള്ള മൊത്തത്തിലുള്ള ആശയത്തിനും നിങ്ങളെ അനുവദിക്കുന്ന വിവിധ രീതികൾ ഉപയോഗിക്കുന്നു.

അതിനാൽ, എല്ലാ മെറ്റീരിയലുകളും പഠിക്കേണ്ട ആവശ്യമില്ല, പക്ഷേ സെലക്ടീവ് പ്രാതിനിധ്യം പരിഗണിച്ചാൽ മതി. ഇത് എന്താണ്? വിവരങ്ങളുടെ ആകെ പിണ്ഡത്തെക്കുറിച്ച് ഒരു ധാരണ ലഭിക്കുന്നതിന് ഇത് വ്യക്തിഗത ഡാറ്റയുടെ തിരഞ്ഞെടുക്കലാണ്.

രീതിയെ ആശ്രയിച്ച് അവ പ്രോബബിലിസ്റ്റിക്, അസംഭവ്യമായവ എന്നിങ്ങനെ വേർതിരിച്ചിരിക്കുന്നു. ഏറ്റവും പ്രധാനപ്പെട്ടതും രസകരവുമായ ഡാറ്റ കണക്കാക്കിക്കൊണ്ട് നിർമ്മിച്ച ഒരു സാമ്പിളാണ് പ്രോബബിലിസ്റ്റിക്, ഭാവിയിൽ ഇത് പൊതുജനങ്ങളുടെ പ്രതിനിധികളാണ്. ഇത് മന ib പൂർവമുള്ള ചോയ്സ് അല്ലെങ്കിൽ ക്രമരഹിതമായ സാമ്പിൾ ആണ്, എന്നിരുന്നാലും, അതിന്റെ ഉള്ളടക്കത്തെ ന്യായീകരിക്കുന്നു.

ഒരു സാധാരണ ലോട്ടറിയുടെ തത്വമനുസരിച്ച് സമാഹരിച്ച റാൻഡം സാമ്പിളിംഗിന്റെ ഇനങ്ങളിൽ ഒന്നാണ് ഇംപ്രൂവബിൾ. ഈ സാഹചര്യത്തിൽ, അത്തരമൊരു സാമ്പിൾ നിർമ്മിക്കുന്ന വ്യക്തിയുടെ അഭിപ്രായം കണക്കിലെടുക്കുന്നില്ല. ഒരു അന്ധമായ ചീട്ട് മാത്രമേ ഉപയോഗിക്കുന്നുള്ളൂ.

പ്രോബബിലിറ്റി സാമ്പിൾ

പ്രോബബിലിറ്റി സാമ്പിളുകളെ പല തരങ്ങളായി തിരിക്കാം:

• ഏറ്റവും ലളിതവും നേരായതുമായ ഒരു തത്ത്വം പ്രതിനിധി അല്ലാത്ത സാമ്പിൾ ആണ്. ഉദാഹരണത്തിന്, സോഷ്യൽ സർവേകൾ നടത്തുമ്പോൾ ഈ രീതി പലപ്പോഴും ഉപയോഗിക്കുന്നു. അതേസമയം, സർവേയിൽ പങ്കെടുക്കുന്നവരെ ഏതെങ്കിലും പ്രത്യേക മാനദണ്ഡങ്ങൾക്കായി ആൾക്കൂട്ടത്തിൽ നിന്ന് തിരഞ്ഞെടുക്കുന്നില്ല, അതിൽ പങ്കെടുത്ത ആദ്യത്തെ 50 ആളുകളിൽ നിന്ന് വിവരങ്ങൾ ലഭിക്കും.
• മന intention പൂർവമായ സാമ്പിളിംഗിന് വ്യത്യസ്തതയുണ്ട്, അതിൽ നിരവധി ആവശ്യകതകളും തിരഞ്ഞെടുക്കലുകളും ഉണ്ട്, പക്ഷേ ഇപ്പോഴും യാദൃശ്ചികതയെ ആശ്രയിക്കുന്നു, നല്ല സ്ഥിതിവിവരക്കണക്കുകൾ നേടുക എന്ന ലക്ഷ്യം പിന്തുടരുന്നില്ല.
• വലിയ ഡാറ്റാസെറ്റുകൾ പര്യവേക്ഷണം ചെയ്യാൻ പലപ്പോഴും ഉപയോഗിക്കുന്ന അസംഭവ്യത സാമ്പിളിലെ മറ്റൊരു വ്യതിയാനമാണ് ക്വാട്ട സാമ്പിൾ. നിരവധി നിബന്ധനകളും മാനദണ്ഡങ്ങളും ഇതിന് ഉപയോഗിക്കുന്നു. ഒബ്ജക്റ്റുകൾ തിരഞ്ഞെടുക്കപ്പെടുന്നു, അവ അവയുമായി പൊരുത്തപ്പെടണം. അതായത്, ഒരു സോഷ്യൽ സർവേയുടെ ഉദാഹരണം ഉപയോഗിച്ച്, 100 പേരെ അഭിമുഖം നടത്തുമെന്ന് അനുമാനിക്കാം, എന്നാൽ ഒരു സ്റ്റാറ്റിസ്റ്റിക്കൽ റിപ്പോർട്ട് കംപൈൽ ചെയ്യുമ്പോൾ സ്ഥാപിത ആവശ്യകതകൾ നിറവേറ്റുന്ന ഒരു നിശ്ചിത എണ്ണം ആളുകളുടെ അഭിപ്രായം മാത്രമേ കണക്കിലെടുക്കൂ.

പ്രോബബിലിറ്റി സാമ്പിളുകൾ

പ്രോബബിലിസ്റ്റിക് സാമ്പിളുകൾക്കായി, സാമ്പിളിലെ ഒബ്\u200cജക്റ്റുകൾ യോജിക്കുന്നതായി നിരവധി പാരാമീറ്ററുകൾ കണക്കാക്കുന്നു, അവയ്ക്കിടയിൽ, വ്യത്യസ്ത രീതികളിൽ, സാമ്പിൾ ഡാറ്റയുടെ പ്രാതിനിധ്യമായി അവതരിപ്പിക്കുന്ന വസ്തുതകളും ഡാറ്റയും കൃത്യമായി തിരഞ്ഞെടുക്കാനാകും. ആവശ്യമായ ഡാറ്റ കണക്കാക്കുന്നതിനുള്ള അത്തരം രീതികൾ ഇവയാകാം:

• ലളിതമായ റാൻഡം സാമ്പിൾ. തിരഞ്ഞെടുത്ത സെഗ്\u200cമെന്റിൽ, ആവശ്യമായ ഡാറ്റ പൂർണ്ണമായും റാൻഡം ലോട്ടറി രീതി ഉപയോഗിച്ച് തിരഞ്ഞെടുക്കുന്നു, ഇത് ഒരു പ്രതിനിധി സാമ്പിളായിരിക്കും.

• ക്രമരഹിതവും ക്രമരഹിതവുമായ സാമ്പിൾ ക്രമരഹിതമായി തിരഞ്ഞെടുത്ത സെഗ്\u200cമെന്റിനെ അടിസ്ഥാനമാക്കി ആവശ്യമായ ഡാറ്റ കണക്കാക്കുന്നതിന് ഒരു സിസ്റ്റം രചിക്കുന്നത് സാധ്യമാക്കുന്നു. അങ്ങനെ, മൊത്തം ജനസംഖ്യയിൽ നിന്ന് തിരഞ്ഞെടുത്ത ഡാറ്റയുടെ സീരിയൽ നമ്പർ സൂചിപ്പിക്കുന്ന ആദ്യത്തെ റാൻഡം നമ്പർ 5 ആണെങ്കിൽ, തുടർന്നുള്ള ഡാറ്റ തിരഞ്ഞെടുക്കാം, ഉദാഹരണത്തിന്, 15, 25, 35, എന്നിങ്ങനെയുള്ളവ. ആവശ്യമായ ഇൻപുട്ട് ഡാറ്റയുടെ ചിട്ടയായ കണക്കുകൂട്ടലുകളെ അടിസ്ഥാനമാക്കി ഒരു റാൻഡം ചോയ്സ് പോലും ആകാമെന്ന് ഈ ഉദാഹരണം വ്യക്തമാക്കുന്നു.

ഉപഭോക്താക്കളുടെ സാമ്പിൾ

ഓരോ വ്യക്തിഗത വിഭാഗത്തെയും നോക്കുന്ന ഒരു രീതിയാണ് അർത്ഥവത്തായ സാമ്പിൾ, അതിന്റെ വിലയിരുത്തലിനെ അടിസ്ഥാനമാക്കി, ഒരു ജനസംഖ്യ സമാഹരിച്ച് മൊത്തത്തിലുള്ള ഡാറ്റാബേസിന്റെ സവിശേഷതകളും സവിശേഷതകളും പ്രതിഫലിപ്പിക്കുന്നു. അങ്ങനെ, ഒരു പ്രതിനിധി സാമ്പിളിന്റെ ആവശ്യകതകൾ നിറവേറ്റുന്ന കൂടുതൽ ഡാറ്റ ശേഖരിക്കുന്നു. പൊതുജനത്തെ പ്രതിനിധീകരിക്കുന്ന തിരഞ്ഞെടുത്ത ഡാറ്റയുടെ ഗുണനിലവാരം നഷ്\u200cടപ്പെടുത്താതെ, മൊത്തത്തിൽ ഉൾപ്പെടുത്താത്ത നിരവധി ഓപ്ഷനുകൾ തിരഞ്ഞെടുക്കുന്നത് എളുപ്പമാണ്. ഈ രീതിയിൽ, ഗവേഷണ ഫലങ്ങളുടെ പ്രാതിനിധ്യം നിർണ്ണയിക്കപ്പെടുന്നു.

സാമ്പിൾ വലുപ്പം

അവസാനമായി അഭിസംബോധന ചെയ്യേണ്ട പ്രശ്നം ജനസംഖ്യയുടെ ഒരു പ്രതിനിധി പ്രാതിനിധ്യത്തിനുള്ള സാമ്പിൾ വലുപ്പമല്ല. സാമ്പിൾ വലുപ്പം എല്ലായ്പ്പോഴും സാധാരണ ജനസംഖ്യയിലെ ഉറവിടങ്ങളുടെ എണ്ണത്തെ ആശ്രയിക്കുന്നില്ല. എന്നിരുന്നാലും, സാമ്പിൾ പോപ്പുലേഷന്റെ പ്രാതിനിധ്യം ഫലത്തെ എത്ര സെഗ്\u200cമെന്റുകളായി വിഭജിക്കണം എന്നതിനെ ആശ്രയിച്ചിരിക്കുന്നു. അത്തരം സെഗ്\u200cമെന്റുകൾ\u200c കൂടുതൽ\u200c ഉള്ളതിനാൽ\u200c, ഫലമായുണ്ടാകുന്ന സാമ്പിളിൽ\u200c കൂടുതൽ\u200c ഡാറ്റ ഉൾ\u200cപ്പെടുന്നു. ഫലങ്ങൾക്ക് പൊതുവായ നൊട്ടേഷൻ ആവശ്യമാണെങ്കിൽ പ്രത്യേകത ആവശ്യമില്ലെങ്കിൽ, അതനുസരിച്ച്, സാമ്പിൾ ചെറുതായിത്തീരുന്നു, കാരണം വിശദാംശങ്ങളിലേക്ക് പോകാതെ തന്നെ വിവരങ്ങൾ കൂടുതൽ ഉപരിപ്ലവമായി അവതരിപ്പിക്കുന്നു, അതായത് അതിന്റെ വായന പൊതുവായതായിരിക്കും.

പ്രാതിനിധ്യത്തിന്റെ പിശകിന്റെ ആശയം

ജനസംഖ്യയുടെ സവിശേഷതകളും സാമ്പിൾ ഡാറ്റയും തമ്മിലുള്ള പ്രത്യേക പൊരുത്തക്കേടാണ് പ്രതിനിധി പക്ഷപാതം. ഏതെങ്കിലും സാമ്പിൾ പഠനം നടത്തുമ്പോൾ, പൊതുവായ ജനസംഖ്യയെക്കുറിച്ചുള്ള ഒരു പൂർണ്ണ പഠനത്തിലും വിവരങ്ങളുടെയും പാരാമീറ്ററുകളുടെയും ഒരു ഭാഗം മാത്രം പ്രതിനിധീകരിക്കുന്ന ഒരു സാമ്പിളിലെന്നപോലെ തികച്ചും കൃത്യമായ ഡാറ്റ നേടുന്നത് അസാധ്യമാണ്, അതേസമയം കൂടുതൽ വിശദമായ പഠനം സാധ്യമാകുന്നത് മുഴുവൻ ജനസംഖ്യയും പഠിക്കുമ്പോൾ മാത്രമാണ് . അതിനാൽ, ചില പിശകുകളും തെറ്റുകളും അനിവാര്യമാണ്.

പിശകുകളുടെ തരങ്ങൾ

ഒരു പ്രതിനിധി സാമ്പിൾ കംപൈൽ ചെയ്യുമ്പോൾ ചില പിശകുകൾ ഉണ്ട്:

• സിസ്റ്റമാറ്റിക്.
• ക്രമരഹിതം.
• മന ention പൂർവ്വം.
• മന int പൂർവ്വമല്ലാത്ത.
• സ്റ്റാൻഡേർഡ്.
• പരിധി.

ക്രമരഹിതമായ പിശകുകൾ പ്രത്യക്ഷപ്പെടാനുള്ള കാരണം പൊതുജനങ്ങളുടെ പഠനത്തിന്റെ നിരന്തരമായ സ്വഭാവമായിരിക്കാം. സാധാരണയായി പ്രാതിനിധ്യത്തിന്റെ ക്രമരഹിതമായ പിശക് ചെറിയ വലുപ്പവും സ്വഭാവവുമാണ്.

അതേസമയം, സാധാരണ ജനങ്ങളിൽ നിന്ന് ഡാറ്റ തിരഞ്ഞെടുക്കുന്നതിനുള്ള നിയമങ്ങൾ ലംഘിക്കുമ്പോൾ വ്യവസ്ഥാപരമായ പിശകുകൾ ഉണ്ടാകുന്നു.

സാമ്പിളിന്റെ ശരാശരിയും അടിസ്ഥാന ജനസംഖ്യയും തമ്മിലുള്ള വ്യത്യാസമാണ് ശരാശരി പിശക്. ഇത് സാമ്പിളിലെ യൂണിറ്റുകളുടെ എണ്ണത്തെ ആശ്രയിക്കുന്നില്ല. ഇത് വിപരീത അനുപാതത്തിലാണ്.അപ്പോൾ, വലിയ വോളിയം, ശരാശരി പിശകിന്റെ മൂല്യം ചെറുതാണ്.

നിർമ്മിച്ച സാമ്പിളിന്റെ ശരാശരിയും മൊത്തം ജനസംഖ്യയും തമ്മിലുള്ള ഏറ്റവും വലിയ വ്യത്യാസമാണ് മാര്ജിനൽ പിശക്. അത്തരമൊരു പിശക് സംഭവിക്കുന്ന സാഹചര്യങ്ങളിൽ സാധ്യമായ പിശകുകളുടെ പരമാവധി ആയി ചിത്രീകരിക്കുന്നു.

പ്രാതിനിധ്യത്തിന്റെ മന ention പൂർവവും മന int പൂർവ്വമല്ലാത്തതുമായ പിശകുകൾ

ഡാറ്റ ബയസ് പിശകുകൾ മന al പൂർവവും മന int പൂർവ്വമല്ലാത്തതുമാകാം.

ട്രെൻഡുകൾ തിരിച്ചറിയുന്ന രീതി ഉപയോഗിച്ച് ഡാറ്റ തിരഞ്ഞെടുക്കുന്നതിനുള്ള സമീപനമാണ് ബോധപൂർവമായ പിശകുകൾ പ്രത്യക്ഷപ്പെടാനുള്ള കാരണങ്ങൾ. സെലക്ടീവ് നിരീക്ഷണം തയ്യാറാക്കുന്ന ഘട്ടത്തിലും, ഒരു പ്രതിനിധി സാമ്പിളിന്റെ രൂപീകരണത്തിലും മന int പൂർവ്വമല്ലാത്ത പിശകുകൾ സംഭവിക്കുന്നു. അത്തരം പിശകുകൾ ഒഴിവാക്കാൻ, സാമ്പിൾ യൂണിറ്റുകളുടെ ലിസ്റ്റുകൾ സമാഹരിക്കുന്ന ഒരു നല്ല സാമ്പിൾ ഫ്രെയിം സൃഷ്ടിക്കേണ്ടത് ആവശ്യമാണ്. ഇത് സാമ്പിളിന്റെ ലക്ഷ്യങ്ങളുമായി പൂർണ്ണമായും പൊരുത്തപ്പെടണം, വിശ്വസനീയമായിരിക്കണം, പഠനത്തിന്റെ എല്ലാ വശങ്ങളും ഉൾക്കൊള്ളുന്നു.

സാധുത, വിശ്വാസ്യത, പ്രാതിനിധ്യം. പിശക് കണക്കുകൂട്ടൽ

അരിത്മെറ്റിക് മീഡിയൻ (എം) ന്റെ പ്രാതിനിധ്യത്തിന്റെ (എംഎം) പിശക് കണക്കാക്കുന്നു.

അടിസ്ഥാന വ്യതിയാനം: സാമ്പിൾ വലുപ്പം (\u003e 30).

പ്രതിനിധി പിശക് (), (): സാമ്പിൾ വലുപ്പം (n\u003e 30).

ഒരു ജനസംഖ്യ പഠിക്കാൻ ആവശ്യമുള്ളപ്പോൾ, സാമ്പിൾ വലുപ്പം ചെറുതും 30 യൂണിറ്റിൽ താഴെയുമാണെങ്കിൽ, നിരീക്ഷണങ്ങളുടെ എണ്ണം ഒരു യൂണിറ്റ് കുറയും.

പിശകിന്റെ വ്യാപ്തി സാമ്പിൾ വലുപ്പത്തിന് നേരിട്ട് ആനുപാതികമാണ്. വിവരങ്ങളുടെ പ്രാതിനിധ്യവും കൃത്യമായ പ്രവചനം നടത്താനുള്ള സാധ്യതയുടെ അളവും കണക്കാക്കുന്നത് നാമമാത്ര പിശകിന്റെ ഒരു നിശ്ചിത മൂല്യത്തെ പ്രതിഫലിപ്പിക്കുന്നു.

പ്രതിനിധി സംവിധാനങ്ങൾ

വിവരങ്ങളുടെ അവതരണം വിലയിരുത്തുന്ന പ്രക്രിയയിൽ മാത്രമല്ല, ഒരു പ്രതിനിധി സാമ്പിൾ ഉപയോഗിക്കുന്നു, മാത്രമല്ല വിവരങ്ങൾ സ്വീകരിക്കുന്ന വ്യക്തിയും പ്രതിനിധി സംവിധാനങ്ങൾ ഉപയോഗിക്കുന്നു. അതിനാൽ, വിതരണം ചെയ്ത ഡാറ്റയെ ഗുണപരമായും വേഗത്തിലും വിലയിരുത്തുന്നതിനും പ്രശ്നത്തിന്റെ സാരാംശം മനസ്സിലാക്കുന്നതിനുമായി വിവരങ്ങളുടെ ഒഴുക്കിൽ നിന്ന് ഒരു പ്രതിനിധി സാമ്പിൾ സൃഷ്ടിച്ചുകൊണ്ട് മസ്തിഷ്കം ചിലത് പ്രോസസ്സ് ചെയ്യുന്നു. ചോദ്യത്തിന് ഉത്തരം നൽകുക: "പ്രതിനിധിത്വം - അതെന്താണ്?" - മനുഷ്യബോധത്തിന്റെ തോതിൽ വളരെ ലളിതമാണ്. ഇത് ചെയ്യുന്നതിന്, പൊതുവായ പ്രവാഹത്തിൽ നിന്ന് ഏതുതരം വിവരങ്ങളാണ് വേർതിരിച്ചെടുക്കേണ്ടത് എന്നതിനെ ആശ്രയിച്ച് മസ്തിഷ്കം അതിന്റെ എല്ലാ വിഷയങ്ങളും ഉപയോഗിക്കുന്നു. അങ്ങനെ, അവർ വേർതിരിക്കുന്നു:

• ഒരു വിഷ്വൽ പ്രാതിനിധ്യ സംവിധാനം, അവിടെ കണ്ണിന്റെ വിഷ്വൽ ഗർഭധാരണത്തിന്റെ അവയവങ്ങൾ ഉൾപ്പെടുന്നു. ഈ സിസ്റ്റം പലപ്പോഴും ഉപയോഗിക്കുന്ന ആളുകളെ വിഷ്വലുകൾ എന്ന് വിളിക്കുന്നു. ഈ സിസ്റ്റത്തിന്റെ സഹായത്തോടെ, ഒരു വ്യക്തി ചിത്രങ്ങളുടെ രൂപത്തിൽ വരുന്ന വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യുന്നു.
• ഓഡിറ്ററി പ്രാതിനിധ്യ സംവിധാനം. ഉപയോഗിക്കുന്ന പ്രധാന അവയവം ശ്രവണമാണ്. ശബ്\u200cദ ഫയലുകളുടെയോ സംഭാഷണത്തിന്റെയോ രൂപത്തിൽ നൽകിയ വിവരങ്ങൾ ഈ പ്രത്യേക സിസ്റ്റം പ്രോസസ്സ് ചെയ്യുന്നു. ചെവി ഉപയോഗിച്ച് വിവരങ്ങൾ നന്നായി മനസ്സിലാക്കുന്ന ആളുകളെ ഓഡിയലുകൾ എന്ന് വിളിക്കുന്നു.
• വിവരപ്രവാഹം ഘ്രാണാത്മകവും സ്പർശിക്കുന്നതുമായ ചാനലുകളിലൂടെ മനസ്സിലാക്കുന്നതിലൂടെ പ്രോസസ് ചെയ്യുന്നതാണ് കൈനെസ്തെറ്റിക് പ്രാതിനിധ്യ സംവിധാനം.

• ഡിജിറ്റൽ പ്രാതിനിധ്യ സംവിധാനം മറ്റുള്ളവരുമായി ചേർന്ന് പുറത്തു നിന്ന് വിവരങ്ങൾ നേടുന്നതിനുള്ള മാർഗമായി ഉപയോഗിക്കുന്നു. ലഭിച്ച ഡാറ്റയെക്കുറിച്ചുള്ള ധാരണയും ധാരണയും.

അപ്പോൾ എന്താണ് പ്രതിനിധാനം? ഒരു സെറ്റിൽ നിന്നുള്ള ലളിതമായ തിരഞ്ഞെടുപ്പ് അല്ലെങ്കിൽ വിവര പ്രോസസ്സിംഗിലെ ഒരു സമഗ്ര നടപടിക്രമം? ഡാറ്റാ സ്ട്രീമുകളെക്കുറിച്ചുള്ള നമ്മുടെ ധാരണയെ പ്രതിനിധാനം പ്രധാനമായും നിർണ്ണയിക്കുന്നുവെന്ന് നമുക്ക് വ്യക്തമായി പറയാൻ കഴിയും, അതിൽ നിന്ന് ഏറ്റവും ഭാരം കൂടിയതും പ്രാധാന്യമുള്ളതും ഒറ്റപ്പെടുത്താൻ സഹായിക്കുന്നു.

സാമൂഹ്യശാസ്ത്രത്തിലെ മിക്കവാറും എല്ലാ അനുഭവ ഗവേഷണങ്ങളും തിരഞ്ഞെടുത്തവയാണ്,ആ. വസ്തുക്കളുടെ ഒരു ഭാഗത്താണ് നടപ്പാക്കുന്നത്, അവയുടെ മുഴുവൻ സെറ്റിലല്ല. പൊതുവേ, സാമൂഹ്യ പ്രയോഗത്തിൽ, തുടർച്ചയായ, സാമ്പിൾ അല്ലാത്ത, സർവേകൾ എന്ന് വിളിക്കപ്പെടുന്നത് അപൂർവമാണ്: ഇത് ജനസംഖ്യയുടെയോ അതിന്റെ വ്യക്തിഗത ഭാഗങ്ങളുടെയോ ഒരു സെൻസസ് ആണ് (ഉദാഹരണത്തിന്, ഒരു പ്രത്യേക വ്യവസായത്തിലെ തൊഴിലാളികൾ അല്ലെങ്കിൽ ഏതെങ്കിലും ഭരണ-പ്രദേശത്തെ താമസക്കാർ രാജ്യം). സാമൂഹിക സാഹചര്യങ്ങളെയും പ്രക്രിയകളെയും വിഭജിക്കുന്നതിന്, സാമ്പിൾ ജനസംഖ്യ പഠിക്കാൻ ഇത് മതിയാകും. ഈ സ്കോർ, പൊതുവായ ചിത്രങ്ങൾ, വാദങ്ങൾ എന്നിവയിൽ സാമൂഹ്യശാസ്ത്രജ്ഞർക്ക് അവരുടേതായ "നാടോടിക്കഥകൾ" ഉണ്ട്. അവർ പറയുന്നു: വീഞ്ഞ് മുഴുവൻ കുടിക്കേണ്ട ആവശ്യമില്ല, അതിന്റെ ഗുണനിലവാരം നിർണ്ണയിക്കാൻ, ഒരു സിപ്പ് മതി. പ്രേക്ഷകരുടെ അളവെടുപ്പിലെ ലോകത്തെ പ്രമുഖ സ്ഥാപനങ്ങളിലൊന്നിന്റെ സ്ഥാപക പിതാവ് എ. നീൽസൺ ഒരു ഉല്ലാസകരമായ ചിത്രം ഉപയോഗിക്കുന്നു: “നിങ്ങൾ തിരഞ്ഞെടുത്ത രീതികളെ വിശ്വസിക്കുന്നില്ലെങ്കിൽ, അടുത്ത തവണ നിങ്ങൾ വിശകലനത്തിനായി രക്തം ദാനം ചെയ്യുമ്പോൾ, എല്ലാം പമ്പ് ചെയ്യാൻ ആവശ്യപ്പെടുക” .

സാമ്പിൾ ചെയ്യുന്നതിന്റെ സാരാംശം ഭാഗികമായി വിഭജിക്കാൻ സാധ്യമാക്കുക എന്നതാണ്.ഗവേഷണത്തിൽ പുതിയ അറിവ് നേടാൻ ആഗ്രഹിക്കുന്ന വസ്തുക്കളുടെ ഗണത്തെ വിളിക്കുന്നു പൊതുജനസംഖ്യ, അല്ലെങ്കിൽ പ്രപഞ്ചം.പൊതുജനത്തെക്കുറിച്ച് ഒരു ആശയം ലഭിക്കുന്നതിന് അനുഭാവപൂർവ്വം പഠിക്കുന്ന സെറ്റിന്റെ ഭാഗം, ഒരു സാമ്പിൾ പോപ്പുലേഷൻ അല്ലെങ്കിൽ സാമ്പിൾ എന്ന് വിളിക്കുന്നു.ഇതിനായി പ്രാദേശിക സാമ്പിളുകളും (എന്റർപ്രൈസ്, നഗരം, പ്രദേശം) ദേശീയവും (രാജ്യത്തിന്റെ മുഴുവൻ ജനസംഖ്യയും പ്രതിഫലിപ്പിക്കുന്നു) ഉപയോഗിക്കുന്നു. സാധാരണ ജനസംഖ്യയുടെ സവിശേഷതകൾ പ്രതിഫലിപ്പിക്കുന്നതിനുള്ള ഒരു സാമ്പിളിന്റെ കഴിവിനെ വിളിക്കുന്നു പ്രതിനിധാനം, അല്ലെങ്കിൽ പ്രതിനിധാനം.

പൊതുജനത്തെ നിർണ്ണയിക്കുന്നത് ഗവേഷകനെ സംബന്ധിച്ചിടത്തോളം ഒരു കടമയാണ്. ഉദാഹരണത്തിന്, മിക്ക ആധുനിക വോട്ടെടുപ്പുകളും ജനസംഖ്യയുടെ ബോധത്തെയും പെരുമാറ്റത്തെയും കുറിച്ചുള്ള അറിവ് നേടുന്നതിനാണ്. എന്നാൽ അത്തരം കേസുകളിൽ ആരാണ് ജനസംഖ്യയായി കണക്കാക്കുന്നത്? ഏത് പ്രായത്തിൽ നിന്ന്? സോവിയറ്റ് കാലഘട്ടത്തിൽ, പ്രതികരിക്കുന്നവരെ തിരഞ്ഞെടുക്കുന്നതിന് വോട്ടർമാരുടെ പട്ടിക പലപ്പോഴും ഉപയോഗിക്കാറുണ്ടായിരുന്നു, അതിൽ 18 വയസും അതിൽ കൂടുതലുമുള്ള ആളുകളെ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. വിപണി ബന്ധങ്ങളുടെ വരവോടെ, ആളുകളിലെയും യുവാക്കളിലെയും താൽപ്പര്യമുള്ള നിർമ്മാതാക്കളുടെയും പരസ്യദാതാക്കളുടെയും ആവശ്യങ്ങൾ കൂടുതലായി തൃപ്തിപ്പെടുത്തുന്നു ("സ്നിക്കറുകൾ" മുതലായവ കുട്ടികൾക്കും ക o മാരക്കാർക്കും വേണ്ടിയുള്ളതാണ്). ഇന്ന് സാധാരണ ജനസംഖ്യ 4 വർഷമോ അതിൽ കൂടുതലോ ഉള്ള ജനസംഖ്യയാകാം! നഗരത്തിന്റെ അല്ലെങ്കിൽ ഗ്രാമീണ - നമ്മൾ സംസാരിക്കുന്ന ജനസംഖ്യയുടെ ഏത് ഭാഗമാണ് എന്നതും പ്രധാനമാണ്. ഇപ്പോൾ, പരസ്യദാതാക്കൾക്കായി, വലിയ മീഡിയമെട്രിക് സർവേകൾ

രണ്ട് തരത്തിലുള്ള ആളുകൾ ഇത് തടഞ്ഞില്ലെങ്കിൽ വളരെ കൃത്യമായ ഫലങ്ങൾ നേടാൻ കഴിയും: വിവരങ്ങൾ ശേഖരിക്കുന്നവർ, അവ സ്വീകരിക്കുന്നവർ. "

ആസൂത്രിത സാമ്പിൾ അനുപാതത്തിൽ മാറുകയാണെങ്കിൽ നിങ്ങൾ എങ്ങനെ സാഹചര്യത്തിൽ നിന്ന് രക്ഷപ്പെടും? ഇത് ഇവിടെ സഹായിക്കുന്നു തൂക്കം.തത്ഫലമായുണ്ടാകുന്ന ഘടനയെ സ്റ്റാറ്റിസ്റ്റിക്കൽ ഡാറ്റയുമായി താരതമ്യം ചെയ്യുന്നു. വെളിപ്പെടുത്തിയ അസന്തുലിതാവസ്ഥ രണ്ട് തരത്തിൽ ഇല്ലാതാക്കുന്നു: 1) ഗവേഷണ യൂണിറ്റുകളുടെ കുറവ് കണ്ടെത്തുന്ന ഗ്രൂപ്പുകളിലേക്ക് വസ്തുക്കളുടെ യഥാർത്ഥ കൂട്ടിച്ചേർക്കൽ നടത്തുന്നു. അതേസമയം, ക്രമരഹിതമായ തിരഞ്ഞെടുപ്പിന്റെ തത്ത്വങ്ങൾ കഴിയുന്നത്ര പിന്തുടരാൻ അവർ ശ്രമിക്കുന്നു - പലപ്പോഴും പ്രാരംഭ തിരഞ്ഞെടുപ്പിനിടെ, കുറവുണ്ടായാൽ അവർ കരുതൽ ധനം നൽകുന്നു; 2) ഗണിതശാസ്ത്രപരമായ തൂക്കത്തിന്റെ അനുപാതങ്ങൾ ഇല്ലാതാക്കുക, കുറവുള്ള ഗ്രൂപ്പുകളുടെ ഭാരം വർദ്ധിപ്പിക്കുക, ചില വെർച്വൽ "ഗുണനം" വഴി.

ഒരു സാമ്പിൾ പഠനത്തിന്റെ ഫലങ്ങൾ - അതാണ് അതിന്റെ സ്വഭാവം - തീർച്ചയായും യഥാർത്ഥ അവസ്ഥയിൽ നിന്ന് വ്യത്യസ്തമാണ്. ഏതൊരു ഗവേഷണത്തിന്റെയും രീതിശാസ്ത്ര സംസ്കാരത്തിന്റെ അർത്ഥം ഈ വ്യത്യാസങ്ങൾ കുറയ്ക്കുക എന്നതാണ്, അതായത്. കുറയ്ക്കുക സാമ്പിൾ പിശകിന്റെ വ്യാപ്തി അല്ലെങ്കിൽ സ്ഥിതിവിവരക്കണക്ക് പിശക്.അത്തരമൊരു പിശകിന്റെ വ്യാപ്തി കണക്കാക്കാൻ, ഇനിപ്പറയുന്ന ഫോർമുല പ്രയോഗിക്കുന്നു:

എവിടെ ആർ-% ലെ സൂചകം (പ്രതികരിക്കുന്നവരുടെ അല്ലെങ്കിൽ രേഖകളുടെ കൈവശമുള്ള മൂല്യം

ഈ സ്വഭാവത്തോടെ); പി -സാമ്പിൾ വലുപ്പം (പ്രതികരിക്കുന്നവരുടെ എണ്ണം, പ്രമാണങ്ങൾ).

ഉദാഹരണം: പ്രതികരിച്ചവരിൽ 20% പേർക്ക് "സ്വെറ്റ്\u200cലി പുട്ട്" എന്ന പത്രം ഏറ്റവും താൽപ്പര്യമുണർത്തി. ആകെ 400 പേരെ അഭിമുഖം നടത്തി.

ഈ സൂചകത്തിനായുള്ള സ്ഥിതിവിവരക്കണക്ക് പിശക്:

അതിനാൽ, “സ്വെറ്റ്\u200cലി പുട്ട്” പത്രം ഏറ്റവും രസകരമെന്ന് കരുതുന്നവർ, വാസ്തവത്തിൽ, 20 ± 2 (%) അല്ലെങ്കിൽ 18 മുതൽ 22% വരെയാകാം.

തൽഫലമായി, ഏതൊരു പ്രസിദ്ധീകരണത്തിന്റെയും പ്രേക്ഷകരുടെ യഥാർത്ഥ വലുപ്പം, ഏതൊരു പ്രോഗ്രാമിലേയും താൽപ്പര്യത്തിന്റെ തോത് മുതലായവ. ജീവിതത്തിലെ ഒരു ദിശയിലോ മറ്റൊന്നിലോ വ്യതിചലിക്കുന്ന സൂചകങ്ങൾ ഉണ്ടാകാം.

എപ്പോഴാണ് നിങ്ങൾ പ്രാതിനിധ്യത്തെക്കുറിച്ച് ശ്രദ്ധിക്കേണ്ടത്? ഭാഗത്തെ മുഴുവൻ ആത്മവിശ്വാസത്തോടെ വിഭജിക്കാനുള്ള ഉദ്ദേശ്യമുണ്ടെങ്കിൽ ഇത് പരാജയപ്പെടാതെ ചെയ്യണം, അതായത്. സാമ്പിളിലെ (എക്സ്ട്രാപോളേറ്റ്) ഡാറ്റ പൊതുവായ (പ്രപഞ്ചത്തിലേക്ക്) കൈമാറുക. ഉദാഹരണത്തിന്, റാങ്കിംഗ് പഠനങ്ങൾ പരസ്യദാതാക്കൾ മീഡിയയുടെ അടിസ്ഥാനമായി ഉപയോഗിക്കുന്ന ഡാറ്റ സ്വീകരിക്കുന്നു

ആസൂത്രണം, പരസ്യ ബജറ്റിനായുള്ള ചെലവ് എസ്റ്റിമേറ്റ്. സർവേയുടെ ഫലമായി ഇത് കണ്ടെത്തിയെന്ന് കരുതുക: എം. നഗരത്തിൽ, സരിയ എന്ന പത്രത്തിന്റെ ഓരോ ലക്കവും 14 വയസ്സിനു മുകളിൽ പ്രായമുള്ളവരിൽ 4% പേർ ശരാശരി വായിക്കുന്നു (സ്റ്റാൻഡേർഡ് ഇൻഡിക്കേറ്റർ “ഒരു പ്രശ്നത്തിന്റെ ശരാശരി പ്രേക്ഷകർ ”,“ ശരാശരി ലക്കം റീഡർഷിപ്പ് ”,“ ആകാശവാണി ”). ഈ നഗരത്തിലെ ഈ പ്രായത്തിലുള്ളവരുടെ എണ്ണം 75,000 ആണ്. ഈ സാഹചര്യത്തിൽ, പരസ്യദാതാക്കളും പരസ്യദാതാക്കളും ലളിതമായ കണക്കുകൂട്ടലുകൾ നടത്തുന്നു: തിരിച്ചറിഞ്ഞ റേറ്റിംഗ് സാധാരണ ജനങ്ങളിലേക്ക് മാറ്റുന്നു, സര്യയിൽ പോസ്റ്റുചെയ്ത അവരുടെ പരസ്യങ്ങൾക്ക് 3,000 പേർ കാണാനാകുമെന്ന് വിശ്വസിക്കുന്നു. ഒറ്റത്തവണ പരസ്യ പ്ലെയ്\u200cസ്\u200cമെന്റിനായുള്ള നിരക്കുകൾ അറിയുന്നതിലൂടെ, പരസ്യ ആസൂത്രണത്തിലെ ഏറ്റവും സാധാരണമായ അടിസ്ഥാന മൂല്യങ്ങളിലൊന്ന് എന്താണെന്ന് നിങ്ങൾക്ക് കണക്കാക്കാം - വായനക്കാരുമായുള്ള 1,000 കോൺടാക്റ്റുകളുടെ വില (“ആയിരം കോസ്റ്റ്”, “സിപിടി”). അതിനാൽ, ഇവിടെ പ്രാതിനിധ്യം നേടേണ്ടത് അത്യാവശ്യമാണ്, അല്ലാത്തപക്ഷം എല്ലാ കണക്കുകൂട്ടലുകളും മൊബൈലിൽ നിർമ്മിക്കും. അതിനാൽ, മീഡിയ മാനേജർമാരും പരസ്യദാതാക്കളും, മീഡിയ കമ്മിറ്റികളിൽ ഒന്നിക്കുന്നു, പ്രേക്ഷക അളവെടുക്കൽ നടപടിക്രമങ്ങളുടെ ഗുണനിലവാരം നിരീക്ഷിക്കുന്നു, മീഡിയ മീറ്ററിന്റെ ഗുണനിലവാരം പരിശോധിക്കാൻ സ്വതന്ത്ര ഓഡിറ്റർമാരെ ക്ഷണിക്കുക.

മാനേജ്മെന്റ് സിസ്റ്റത്തിലെ വിവരങ്ങൾ അധ്വാനത്തിന്റെ ഒരു വസ്\u200cതുവും അധ്വാനത്തിന്റെ ഉൽ\u200cപ്പന്നവുമാണ്, അതിനാൽ, സിസ്റ്റത്തിന്റെ പ്രവർത്തനത്തിന്റെ കാര്യക്ഷമതയും ഗുണനിലവാരവും അതിന്റെ ഗുണനിലവാരത്തെ ആശ്രയിച്ചിരിക്കുന്നു. വിവരങ്ങളുടെ ഗുണനിലവാരം ഒരു കൂട്ടം പ്രോപ്പർട്ടികളായി നിർവചിക്കാം, അത് അതിന്റെ ഉദ്ദേശ്യത്തിനനുസരിച്ച് ചില ആവശ്യങ്ങൾ നിറവേറ്റുന്നതിന് അത് ഉപയോഗിക്കാൻ സാധ്യമാക്കുന്നു. മാനേജ്മെന്റിനായി വിവരങ്ങൾ ഉപയോഗിക്കുന്നതിനുള്ള സാധ്യതയും കാര്യക്ഷമതയും നിർണ്ണയിക്കുന്നത് അത്തരം ഉപഭോക്തൃ ഗുണനിലവാര സൂചകങ്ങളാണ് പ്രാതിനിധ്യം, അർത്ഥവത്തായ, പര്യാപ്\u200cതത, ലഭ്യത, സമയബന്ധിതത്വം, സുസ്ഥിരത, കൃത്യത, വിശ്വാസ്യത, പ്രസക്തി, സുരക്ഷ, മൂല്യം.

പ്രതിനിധിത്വം

പ്രതിനിധി - വസ്തുവിന്റെ തന്നിരിക്കുന്ന ഗുണങ്ങളുടെ പ്രതിഫലനത്തിന്റെ കൃത്യത, ഗുണപരമായ പര്യാപ്\u200cതത. വിവരങ്ങളുടെ പ്രാതിനിധ്യം അതിന്റെ തിരഞ്ഞെടുപ്പിന്റെയും രൂപീകരണത്തിന്റെയും കൃത്യതയെ ആശ്രയിച്ചിരിക്കുന്നു. അതേസമയം, ഏറ്റവും പ്രധാനപ്പെട്ടവ ഇവയാണ്: ആശയത്തിന്റെ വിശ്വസ്തത, അതിന്റെ അടിസ്ഥാനത്തിൽ സൂചകം പ്രദർശിപ്പിക്കുന്ന പ്രാരംഭ ആശയം രൂപപ്പെടുത്തുന്നു; പ്രദർശിപ്പിച്ച പ്രതിഭാസത്തിന്റെ അവശ്യ സവിശേഷതകളും കണക്ഷനുകളും തിരഞ്ഞെടുക്കുന്നതിന്റെ സാധുത; അളവെടുക്കൽ സാങ്കേതികതയുടെ കൃത്യതയും സാമ്പത്തിക സൂചകത്തിന്റെ രൂപീകരണത്തിനുള്ള അൽഗോരിതവും. വിവരങ്ങളുടെ പ്രാതിനിധ്യത്തിന്റെ ലംഘനം പലപ്പോഴും അതിന്റെ സുപ്രധാന പിശകുകളിലേക്ക് നയിക്കുന്നു, മിക്കപ്പോഴും ഇതിനെ അൽഗോരിതം എന്ന് വിളിക്കുന്നു.

വിവരങ്ങളുടെ ഉള്ളടക്കത്തിൽ വർദ്ധനവുണ്ടാകുമ്പോൾ, വിവര സിസ്റ്റത്തിന്റെ സെമാന്റിക് ബാൻഡ്\u200cവിഡ്ത്ത് വർദ്ധിക്കുന്നു, കാരണം ഒരേ വിവരങ്ങൾ കൈമാറുന്നതിന്, ഒരു ചെറിയ അളവിലുള്ള ഡാറ്റ പരിവർത്തനം ചെയ്യണം.

പര്യാപ്തത

സാമ്പത്തിക വിവരങ്ങളുടെ പര്യാപ്\u200cതത (സമ്പൂർണ്ണത) എന്നതിനർത്ഥം ശരിയായ മാനേജുമെന്റ് തീരുമാനമെടുക്കുന്നതിന് അതിൽ കുറഞ്ഞത്, എന്നാൽ മതിയായ സാമ്പത്തിക സൂചകങ്ങൾ അടങ്ങിയിരിക്കുന്നു എന്നാണ്. വിവരങ്ങളുടെ പര്യാപ്തത എന്ന ആശയം അതിന്റെ സെമാന്റിക് ഉള്ളടക്കവുമായി (സെമാന്റിക്സ്) പ്രായോഗികതയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. രണ്ടും അപൂർണ്ണമാണ്, അതായത്, ശരിയായ തീരുമാനം എടുക്കാൻ പര്യാപ്തമല്ല, അനാവശ്യമായ വിവരങ്ങൾ മാനേജ്മെന്റിന്റെ ഫലപ്രാപ്തി കുറയ്ക്കുന്നു; ഏറ്റവും ഉയർന്ന ഗുണനിലവാരമുള്ള പൂർണ്ണ വിവരമാണിത്.

ലഭ്യത

ഒരു മാനേജ്മെന്റ് തീരുമാനമെടുക്കുമ്പോൾ ഗർഭധാരണത്തിനുള്ള വിവരങ്ങളുടെ ലഭ്യത ഉറപ്പാക്കുന്നത് അത് നേടുന്നതിനും പരിവർത്തനം ചെയ്യുന്നതിനുമുള്ള ഉചിതമായ നടപടിക്രമങ്ങൾ നടപ്പിലാക്കുന്നതിലൂടെയാണ്. അതിനാൽ, ഒരു കമ്പ്യൂട്ടിംഗ് സിസ്റ്റത്തിന്റെ ഉദ്ദേശ്യം ഉപയോക്താവിന്റെ തെസോറസുമായി പൊരുത്തപ്പെടുന്നതിലൂടെ വിവരങ്ങളുടെ ലഭ്യത വർദ്ധിപ്പിക്കുക എന്നതാണ്, അതായത്, അത് ആക്സസ് ചെയ്യാവുന്നതും ഉപയോക്തൃ-സ friendly ഹൃദവുമായ രൂപത്തിലേക്ക് മാറ്റുക.

പ്രസക്തി

കാലാകാലങ്ങളിൽ മാനേജ്മെന്റിനായി അതിന്റെ ഉപയോഗക്ഷമത (മൂല്യം) നിലനിർത്തുന്നതിനുള്ള വിവരങ്ങളുടെ സ്വത്താണ് വിവരങ്ങളുടെ പ്രസക്തി. പ്രസക്തി അളക്കുന്നു ഒപ്പം(ടി) വിവരങ്ങളുടെ പ്രാരംഭ ഉപയോഗത്തെ സംരക്ഷിക്കുന്നതിന്റെ അളവ് ഇസെഡ്(ടി 0) സമയത്ത് ടി അതിന്റെ ഉപയോഗം:

എവിടെ ഇസെഡ്(ടി) എന്നത് ഒരു സമയത്തെ വിവരങ്ങളുടെ ഉപയോഗക്ഷമതയാണ് ടി.

പ്രദർശിപ്പിച്ചിരിക്കുന്ന ഒബ്ജക്റ്റിന്റെ സ്റ്റാറ്റിസ്റ്റിക്കൽ സ്വഭാവസവിശേഷതകളെയും (ഈ സ്വഭാവസവിശേഷതകളിലെ മാറ്റങ്ങളുടെ ചലനാത്മകതയെയും) ഈ വിവരങ്ങൾ പ്രത്യക്ഷപ്പെട്ടതിനുശേഷം കടന്നുപോയ സമയ ഇടവേളയെയും ആശ്രയിച്ചിരിക്കുന്നു.

സമയബന്ധിതത

ഒരു നിശ്ചിത നിമിഷത്തിൽ അത് ഉപയോഗിക്കാൻ സാധ്യമാക്കുന്ന വിവരങ്ങളുടെ സ്വത്താണ് ടൈംലൈൻസ്. അകാല വിവരങ്ങൾ മാനേജ്മെന്റിലും ഉൽപാദനത്തിലും സാമ്പത്തിക നഷ്ടത്തിലേക്ക് നയിക്കുന്നു. മാനേജ്മെന്റിന്റെ കാലതാമസത്തിൽ നിന്നുള്ള സാമ്പത്തിക നഷ്ടത്തിന്റെ കാരണം പ്രവർത്തനപരമായ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനുള്ള സ്ഥാപിത ഭരണകൂടത്തിന്റെ ലംഘനമാണ്, ചിലപ്പോൾ അവയുടെ അൽഗോരിതങ്ങളും. താളം കുറയുന്നത്, പ്രവർത്തനരഹിതമായ സമയപരിധി, ഓവർടൈം തുടങ്ങിയവ കാരണം പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനുള്ള ചെലവ് വർദ്ധിക്കുന്നതിന് ഇത് കാരണമാകുന്നു. മെറ്റീരിയൽ ഉൽപാദന മേഖലയിൽ. മാനേജ്മെൻറ് തീരുമാനങ്ങളുടെ ഗുണനിലവാരം, അപൂർണ്ണമായ വിവരങ്ങളെ അടിസ്ഥാനമാക്കി തീരുമാനമെടുക്കൽ അല്ലെങ്കിൽ മോശം ഗുണനിലവാരമുള്ള വിവരങ്ങൾ എന്നിവയുമായി ബന്ധപ്പെട്ട വിവര ലേറ്റൻസിയിൽ നിന്നുള്ള നഷ്ടങ്ങൾ ബന്ധപ്പെട്ടിരിക്കുന്നു. നിയമങ്ങൾ ലംഘിക്കാതെ ഒരു മാനേജ്മെന്റ് തീരുമാനം വികസിപ്പിക്കുമ്പോൾ കണക്കിലെടുക്കാവുന്ന അത്തരം വിവരങ്ങൾ സമയബന്ധിതമാണ്, ഇത് നിശ്ചിത സമയത്തിന് ശേഷം മാനേജുമെന്റ് സിസ്റ്റത്തിലേക്ക് വരുന്നു.

ദൈനംദിന ജീവിതത്തിൽ, സമൂഹത്തിന്റെ സാമ്പത്തിക വികസനം, ആളുകളുടെ ജീവിതം, ആരോഗ്യം എന്നിവ വിവരങ്ങളുടെ സ്വഭാവത്തെ ആശ്രയിച്ചിരിക്കുന്നു. ഏത് സാഹചര്യത്തിലും, മറ്റുള്ളവർക്ക് ഇത് എത്ര വ്യക്തവും പ്രസക്തവും ഉപയോഗപ്രദവുമാണെന്നും അതിൽ അടങ്ങിയിരിക്കുന്ന വിവരങ്ങൾ എത്രത്തോളം വിശ്വസനീയമാണെന്നും വിലയിരുത്തുന്നതിന് വിവരങ്ങളുടെ സവിശേഷതകൾ വിശകലനം ചെയ്യേണ്ടതുണ്ട്.

വിവരങ്ങളുടെ ചില സവിശേഷതകളുടെ പ്രാധാന്യം ഒരു നിർദ്ദിഷ്ട സാഹചര്യത്താൽ നിർണ്ണയിക്കപ്പെടുന്നു. ചില സാഹചര്യങ്ങളിൽ, വിവരങ്ങളുടെ പ്രസക്തിയും വിശ്വാസ്യതയും പ്രധാനമാണ്.

ഉദാഹരണം:

ഒരു വിവര ടെലിവിഷൻ പ്രോഗ്രാമിൽ കാലിക സംഭവങ്ങളെക്കുറിച്ചുള്ള കാലികവും വിശ്വസനീയവുമായ വിവരങ്ങൾ മാത്രം അടങ്ങിയിരിക്കണം.

മറ്റ് സാഹചര്യങ്ങളിൽ, പ്രവേശനക്ഷമത, മനസ്സിലാക്കൽ എന്നിവ പോലുള്ള സവിശേഷതകൾ പ്രധാനമാണ്.

ഉദാഹരണം:

പ്രൈമറി സ്കൂൾ പ്രായത്തിലുള്ള കുട്ടികളെ സംബന്ധിച്ചിടത്തോളം, ബൈബിൾ ഇതിഹാസത്തിന്റെ വ്യാഖ്യാനം അത്തരമൊരു രൂപത്തിലായിരിക്കണം, അവിടെ വാചകം ദൈനംദിന നിഘണ്ടുവിന്റെ ലളിതമായ വാക്യങ്ങൾ ഉൾക്കൊള്ളുന്നു, ഒപ്പം ഓരോ ഖണ്ഡികയും ചിത്രീകരിച്ചിരിക്കുന്നു.

പുരോഹിതരെ സംബന്ധിച്ചിടത്തോളം, ഈ വാചകം ബൈബിളിലേതുപോലെയായിരിക്കണം, മതം പഠിക്കാൻ തുടങ്ങുന്ന മുതിർന്നവർക്ക്, ആധുനിക ഭാഷയുമായി വാചകം പൊരുത്തപ്പെടുത്തുന്നത് അഭികാമ്യമാണ്.

വിവരങ്ങൾ ഉപയോഗിക്കുന്നതിന്റെ കാര്യക്ഷമത അതിന്റെ ഗുണങ്ങളായ പ്രസക്തി, പ്രവേശനക്ഷമത (മനസ്സിലാക്കൽ), വിശ്വാസ്യത, പ്രാതിനിധ്യം, പര്യാപ്\u200cതത, സമ്പൂർണ്ണത എന്നിവയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു.

ഈ സവിശേഷതകൾ കൂടുതൽ വിശദമായി പരിഗണിക്കാം.

പ്രസക്തി ഒരു വ്യക്തിക്കോ സമൂഹത്തിനോ ഈ വിവരങ്ങൾ എത്രത്തോളം പ്രാധാന്യമർഹിക്കുന്നുവെന്നത് അടിസ്ഥാനമാക്കിയാണ് വിവരങ്ങൾ നിർണ്ണയിക്കുന്നത്, ഒരു പ്രശ്\u200cനം പരിഹരിക്കുന്നതിന് ഒരു പ്രത്യേക സാഹചര്യത്തിൽ ഇത് ഉപയോഗിക്കാനാകുമോ.

അതിനാൽ, വിവരങ്ങളുടെ സമയബന്ധിതത അതിന്റെ വരവിനെ മുൻ\u200cകൂട്ടി നിശ്ചയിച്ച നിമിഷത്തേക്കാൾ മുൻ\u200cകൂട്ടി നിശ്ചയിക്കുന്നു, ഇത് പ്രശ്നം പരിഹരിക്കുന്നതിനുള്ള സമയവുമായി ഏകോപിപ്പിക്കുന്നു.

പ്രസക്തവും സമയബന്ധിതവുമായ വിവരങ്ങൾ മാത്രമേ ആളുകൾക്ക് പ്രയോജനപ്പെടുകയുള്ളൂ. കാലാവസ്ഥാ പ്രവചനം തലേദിവസം റിപ്പോർട്ടുചെയ്\u200cതത് ഒന്നിനും വേണ്ടിയല്ല, അതേ ദിവസം തന്നെ.

ഇതേ നിയമത്തിന് അനുസൃതമായി, ഭൂകമ്പങ്ങൾ, ചുഴലിക്കാറ്റുകൾ, മറ്റ് പ്രകൃതി ദുരന്തങ്ങൾ എന്നിവയെക്കുറിച്ച് മുന്നറിയിപ്പ് നൽകാൻ കൂടുതൽ വിശ്വസനീയമായ മാർഗ്ഗങ്ങൾ കണ്ടെത്താൻ ശാസ്ത്രജ്ഞർ ശ്രമിക്കുന്നു.

ലഭ്യത മനസ്സിലാക്കാവുന്ന രൂപത്തിലേക്ക് മാറ്റിക്കൊണ്ടാണ് വിവരങ്ങൾ നൽകുന്നത്. മാത്രമല്ല, ഒരേ വിവരങ്ങൾ അതിന്റെ സ്വീകർത്താവിനെ ആശ്രയിച്ച് വ്യത്യസ്ത രൂപങ്ങളിൽ അവതരിപ്പിക്കാൻ കഴിയും.

അത് ഉദ്ദേശിച്ച വ്യക്തി ആഗ്രഹിക്കുന്ന രൂപത്തിലും ഭാഷയിലും പ്രകടിപ്പിച്ചാൽ വിവരങ്ങൾ മനസ്സിലാക്കാവുന്നതേയുള്ളൂ.

ഉദാഹരണം:

പത്താം ക്ലാസ് ഭൗതികശാസ്ത്ര പാഠപുസ്തകം എട്ടാം ക്ലാസുകാരന് പൂർണ്ണമായും മനസ്സിലാക്കാൻ കഴിയാത്തതാണ്, കാരണം അതിൽ അപരിചിതമായ നിബന്ധനകളും സൂത്രവാക്യങ്ങളും അടങ്ങിയിരിക്കുന്നു, കൂടാതെ എട്ടാം ക്ലാസ് ഭൗതികശാസ്ത്ര പാഠപുസ്തകത്തിൽ എട്ടാം ക്ലാസ്സുകാരന് ആക്സസ് ചെയ്യാവുന്ന വിവരങ്ങൾ അടങ്ങിയിരിക്കുന്നു, പക്ഷേ പത്താം ക്ലാസ് വിദ്യാർത്ഥിക്ക് അതിൽ പുതിയതൊന്നും കണ്ടെത്താനാവില്ല.

പുസ്തകശാലയിൽ, നിങ്ങൾ ഒരു കുട്ടികളുടെ സാഹിത്യ വിഭാഗം കണ്ടെത്തും, അവിടെ ഓരോ പുസ്തകവും അത് അടിസ്ഥാനമാക്കിയുള്ള കുട്ടിയുടെ പ്രായം സൂചിപ്പിക്കും. ഒരു നിശ്ചിത പ്രായത്തിലുള്ള വായനക്കാരന് ആക്സസ് ചെയ്യാവുന്നതും മനസ്സിലാക്കാവുന്നതുമായ രീതിയിലാണ് ഈ പുസ്തകങ്ങളിലെ വിവരങ്ങൾ അവതരിപ്പിച്ചിരിക്കുന്നതെന്നാണ് ഇതിനർത്ഥം.

ലൈബ്രറികളിൽ ഇപ്പോൾ വ്യാപകമായി നടപ്പിലാക്കിയിരിക്കുന്ന ലൈബ്രറി കാറ്റലോഗിന്റെ വിവര വീണ്ടെടുക്കൽ സംവിധാനം, അഭ്യർത്ഥിച്ച വിഷയത്തെക്കുറിച്ചുള്ള പുസ്തകങ്ങളുടെ ലഭ്യതയെക്കുറിച്ചുള്ള വിവരങ്ങൾ വായനക്കാർക്ക് ആക്സസ് ചെയ്യാവുന്നതും എളുപ്പത്തിൽ മനസ്സിലാക്കാവുന്നതുമായ രൂപത്തിൽ വായനക്കാർക്ക് നൽകുന്നതിന് രൂപകൽപ്പന ചെയ്തിട്ടുള്ളതാണ്.

വിശ്വാസ്യത ശരിക്കും നിലവിലുള്ള ഒരു വസ്തുവിന്റെയോ പ്രക്രിയയുടെയോ പ്രതിഭാസത്തിന്റെയോ അവസ്ഥ പ്രതിഫലിപ്പിക്കുന്നതിനാണ് വിവരങ്ങൾ അതിന്റെ സ്വത്ത് നിർണ്ണയിക്കുന്നത്. കൃത്യമല്ലാത്ത വിവരങ്ങൾ സാഹചര്യത്തെ തെറ്റിദ്ധരിക്കാനും അതിന്റെ ഫലമായി തെറ്റായ തീരുമാനത്തിലേക്കും നയിച്ചേക്കാം.

സമ്പൂർണ്ണത (പര്യാപ്തത) ശരിയായ തീരുമാനമെടുക്കുന്നതിന് കുറഞ്ഞതും എന്നാൽ മതിയായതുമായ ഒരു കൂട്ടം ഡാറ്റ ഇതിൽ അടങ്ങിയിരിക്കുന്നു എന്നാണ് വിവരങ്ങൾ അർത്ഥമാക്കുന്നത്. ഒബ്\u200cജക്റ്റിനെക്കുറിച്ചുള്ള ഏതെങ്കിലും അധിക വിവരങ്ങൾ ഇതിനകം അനാവശ്യമായിരിക്കുമ്പോൾ വിവരങ്ങളുടെ പൂർണത പറയാൻ കഴിയും.

വിവരങ്ങളുടെ സമ്പൂർണ്ണത എന്ന ആശയം അതിന്റെ സെമാന്റിക് ഉള്ളടക്കവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു.

അപൂർണ്ണവും അനാവശ്യവുമായ വിവരങ്ങൾ അടിസ്ഥാനമാക്കി ഒരു വ്യക്തി എടുക്കുന്ന തീരുമാനങ്ങളുടെ ഫലപ്രാപ്തി കുറയ്ക്കുന്നു.

അതിനാൽ, വിവരങ്ങൾ\u200c കാലികവും ആക്\u200cസസ് ചെയ്യാവുന്നതും വിശ്വസനീയവും പൂർ\u200cണ്ണവുമായിരിക്കണം.

പൂർണ്ണവും വിശ്വസനീയവുമായ വിവരങ്ങൾ ഉണ്ടായിരിക്കേണ്ടത് വളരെ പ്രധാനമായ നിരവധി സാഹചര്യങ്ങൾ പരിഗണിക്കുക.

ചിലപ്പോൾ ഫോണിൽ സംസാരിക്കുമ്പോൾ ശബ്\u200cദം ഇന്റർലോക്കട്ടർ കേൾക്കുന്നതിന് തടസ്സമാകുന്നു. ഇക്കാരണത്താൽ, വിവരങ്ങൾ\u200c എല്ലായ്\u200cപ്പോഴും കൃത്യമായി മനസ്സിലാക്കാൻ\u200c കഴിയില്ല, മാത്രമല്ല ഇന്റർ\u200cലോക്കുട്ടറുടെ വാക്കുകൾ\u200c തെറ്റിദ്ധരിക്കാനും വ്യാഖ്യാനിക്കാനും കഴിയും.

സ്റ്റേഷനിൽ സന്ദർശിക്കേണ്ട ഒരു അതിഥിയുടെ വരവ് തീയതിയെക്കുറിച്ചുള്ള വിവരങ്ങളുള്ള ഒരു ടെലിഗ്രാം നിങ്ങൾ അയയ്ക്കുന്നുവെന്ന് കരുതുക. ടെലിഗ്രാം പ്രക്ഷേപണം ചെയ്യുമ്പോൾ, എത്തിച്ചേരൽ തീയതിയിൽ ഒരു പിശക് സംഭവിക്കുകയാണെങ്കിൽ, ഇത് അസുഖകരമായ പ്രത്യാഘാതങ്ങളിലേക്ക് നയിക്കും.

ഒരാൾ കാറിന്റെ ചക്രത്തിന്റെ പിന്നിൽ കയറിയാൽ, അത് എങ്ങനെ ഓടിക്കണമെന്ന് അറിയാതെ, അയാൾ ദൂരത്തേക്ക് പോകാൻ സാധ്യതയില്ല. ഈ സാഹചര്യത്തിൽ, ഈ വ്യക്തിക്ക് ഒരു കാർ ഓടിക്കുന്നതിനുള്ള അപൂർണ്ണമായ വിവരങ്ങൾ ഉണ്ടെന്ന് ഞങ്ങൾക്ക് പറയാൻ കഴിയും.

ഉദാഹരണം:

നിങ്ങൾ ഹൈസ്കൂളിൽ നിന്ന് വിജയകരമായി ബിരുദം നേടി, നിങ്ങളുടെ വിദ്യാഭ്യാസം സാമ്പത്തിക ദിശയിൽ തുടരാൻ ആഗ്രഹിക്കുന്നു. സുഹൃത്തുക്കളുമായി സംസാരിച്ചതിന് ശേഷം, വ്യത്യസ്ത സർവകലാശാലകളിൽ സമാനമായ പരിശീലനം നേടാൻ കഴിയുമെന്ന് നിങ്ങൾ കണ്ടെത്തും. അത്തരം സംഭാഷണങ്ങളുടെ ഫലമായി, ഈ അല്ലെങ്കിൽ ആ ഓപ്ഷന് അനുകൂലമായി തീരുമാനമെടുക്കാൻ നിങ്ങളെ അനുവദിക്കാത്ത വളരെ പരസ്പരവിരുദ്ധമായ വിവരങ്ങൾ നിങ്ങൾക്ക് ലഭിക്കുന്നു, അതായത്, ലഭിച്ച വിവരങ്ങൾ യഥാർത്ഥ അവസ്ഥയ്ക്ക് പര്യാപ്തമല്ല. കൂടുതൽ വിശ്വസനീയമായ വിവരങ്ങൾ ലഭിക്കുന്നതിന്, നിങ്ങൾ "സർവകലാശാലകളിലേക്കുള്ള അപേക്ഷകർക്കായി ഹാൻഡ്\u200cബുക്ക്" വാങ്ങുന്നു, അതിൽ നിന്ന് നിങ്ങൾക്ക് സമഗ്രമായ വിവരങ്ങൾ ലഭിക്കും. ഈ സാഹചര്യത്തിൽ, റഫറൻസ് പുസ്തകത്തിൽ നിന്ന് നിങ്ങൾക്ക് ലഭിച്ച വിവരങ്ങൾ സർവകലാശാലകളിലെ പഠന മേഖലകളെ വേണ്ടവിധം പ്രതിഫലിപ്പിക്കുകയും നിങ്ങളുടെ അന്തിമ തിരഞ്ഞെടുപ്പ് നടത്താൻ സഹായിക്കുകയും ചെയ്യുന്നുവെന്ന് ഞങ്ങൾക്ക് പറയാൻ കഴിയും.

പ്രതിനിധിത്വം വസ്തുവിന്റെ ഗുണവിശേഷങ്ങളുടെ മതിയായ പ്രതിഫലനത്തിനായി വിവരങ്ങൾ അതിന്റെ തിരഞ്ഞെടുപ്പിന്റെയും രൂപീകരണത്തിന്റെയും കൃത്യതയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. വിവരങ്ങളുടെ പ്രാതിനിധ്യത്തിന്റെ സ്വത്ത് നിർണ്ണയിക്കുന്നതിനുള്ള ഒരു ഒഴിച്ചുകൂടാനാവാത്ത വ്യവസ്ഥ വ്യത്യസ്ത ഉറവിടങ്ങളിൽ നിന്ന് സമാനമായ വിവരങ്ങൾ സ്വീകരിക്കുന്നതാണ്. എല്ലാ വിവര സ്രോതസ്സുകളിലും ഒരിക്കലും പൂർണ്ണമായ യാദൃശ്ചികത ഉണ്ടാകില്ലെന്ന് വ്യക്തമാണ്. എന്നിരുന്നാലും, എല്ലാം ശരിയായി ചെയ്തുവെങ്കിൽ, ലഭിച്ച വിവരങ്ങൾ വസ്തുവിന്റെ ഏറ്റവും പ്രധാനപ്പെട്ട സവിശേഷതകളെ പ്രതിഫലിപ്പിക്കും.

ഉദാഹരണം:

നഗരത്തിന്റെ സാമൂഹിക സേവനം ഒരു പ്രശ്\u200cനത്തെ അഭിമുഖീകരിക്കുന്നു: ഓരോ കുടുംബവും ശരാശരി ആഴ്ചയിൽ ഭക്ഷണത്തിനായി എത്രമാത്രം പണം ചെലവഴിക്കുന്നുവെന്ന് കണ്ടെത്തുന്നതിന്. ഇതിനായി സാമൂഹിക പ്രവർത്തകർ നഗരത്തിലെ എല്ലാ നിവാസികളെയും അഭിമുഖം നടത്തുമെന്ന് സങ്കൽപ്പിക്കാൻ പോലും കഴിയില്ല. ഇതിനർത്ഥം അഭിമുഖം നടത്തുന്ന ഏറ്റവും സാധാരണമായ ആളുകളെ തിരഞ്ഞെടുക്കേണ്ടത് ആവശ്യമാണ് എന്നാണ്. സർവേയുടെ ഫലമായി, ഒരു സാമ്പിൾ എന്ന് വിളിക്കുന്ന വിവരങ്ങളുടെ ഒരു നിര രൂപീകരിക്കും. സർവേ രീതിശാസ്ത്രം, ശേഖരിച്ച ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്ന രീതികൾ, അവയുടെ വിലയിരുത്തലും ഫലങ്ങളുടെ വിശകലനവും നിർണ്ണയിക്കേണ്ടത് ആവശ്യമാണ്. ലഭിച്ച ഫലങ്ങൾ ഭൂരിഭാഗം നഗരവാസികളുടെയും അവസ്ഥയെ പ്രതിഫലിപ്പിക്കുന്നുവെങ്കിൽ, തിരഞ്ഞെടുത്ത ഒരു കൂട്ടം ആളുകളുടെ സർവേയുടെ ഫലമായി ലഭിച്ച വിവരങ്ങളുടെ പ്രാതിനിധ്യത്തെക്കുറിച്ച് അവർ സംസാരിക്കുന്നു. സ്ഥിതിവിവരക്കണക്കുകൾ, ഗണിതശാസ്ത്ര സ്ഥിതിവിവരക്കണക്കുകൾ എന്നിവ പോലുള്ള ശാസ്ത്രങ്ങൾ ഉപയോഗിക്കുന്ന പ്രത്യേക രീതികളുടെ അടിസ്ഥാനത്തിൽ വിവരങ്ങളുടെ പര്യാപ്\u200cതതയെയും പ്രാതിനിധ്യത്തെയും കുറിച്ചുള്ള നിഗമനങ്ങളിൽ എത്തിച്ചേരാനാകും.

ഏത് സാഹചര്യത്തിലും, വളരെ സാധാരണവും ലളിതവുമായത് പോലും, നിങ്ങൾക്ക് പ്രസക്തവും വിശ്വസനീയവും പൂർണ്ണവും മനസ്സിലാക്കാവുന്നതുമായ വിവരങ്ങൾ ആവശ്യമാണ്.

ഒരു പ്രത്യേക സാഹചര്യത്തിനായുള്ള ഏറ്റവും പ്രധാനപ്പെട്ട സവിശേഷതകൾ എടുത്തുകാണിക്കുന്ന കുറച്ച് ഉദാഹരണങ്ങൾ നോക്കാം.

ഉദാഹരണം:

രാവിലെ, നിങ്ങൾ സ്കൂളിൽ പോകുമ്പോൾ, നിങ്ങൾ ക്ലോക്ക് നോക്കണം: നിങ്ങൾക്ക് വിശ്വസനീയമായ വിവരങ്ങൾ മാത്രമേ ആവശ്യമുള്ളൂ. മിക്കവാറും, നിങ്ങൾ വിൻഡോയിൽ നിന്ന് നോക്കും അല്ലെങ്കിൽ എന്താണ് ധരിക്കേണ്ടതെന്ന് തീരുമാനിക്കാൻ തെർമോമീറ്ററിൽ നോക്കും. വിവരങ്ങളുടെ പ്രസക്തി ഇവിടെ പ്രധാനമാണ്. തുടർന്ന് നിങ്ങൾ സ്കൂളിൽ പോയി ഷെഡ്യൂൾ അനുസരിച്ച് പാഠം നടക്കുന്ന ഒരു ക്ലാസ് റൂം കണ്ടെത്തുക. നിങ്ങൾക്ക് പൂർണ്ണവും വിശ്വസനീയവുമായ വിവരങ്ങൾ ആവശ്യമാണ്, അല്ലാത്തപക്ഷം ആവശ്യമായ ഓഫീസ് കണ്ടെത്തുന്നത് അസാധ്യമായിരിക്കും.

യാത്രയുടെ വഴി നിർണ്ണയിക്കാനും ഒരു പുതിയ രാജ്യത്തെ അറിയാനും ചരിത്ര സംഭവങ്ങൾ പഠിക്കാനും നിങ്ങൾ ഒരു ഭൂമിശാസ്ത്ര മാപ്പ് ഉപയോഗിക്കേണ്ടതുണ്ട്. ഭൂമിയുടെ ഉപരിതലത്തെക്കുറിച്ചുള്ള വിവരങ്ങളുടെ ഉറവിടമായി മാപ്പ് എല്ലായ്പ്പോഴും ഒരു വ്യക്തിയെ സേവിച്ചിട്ടുണ്ട്. വിവിധ മേഖലകളിലെ ഒരു പ്രധാന ഗവേഷണ ഉപകരണം കൂടിയാണിത്. യഥാർത്ഥ ഭൂപ്രദേശങ്ങളിലേക്ക് മാപ്പിംഗ്, നിർമ്മാണ പ്രവർത്തനങ്ങൾ ഏകോപിപ്പിക്കുക തുടങ്ങിയ ജോലികൾ മാപ്പുകൾ ഉപയോഗിച്ച് കൈകാര്യം ചെയ്യുന്നു. അതിനാൽ, യഥാർത്ഥ പ്രദേശത്തേക്കുള്ള മാപ്പുകളിൽ അടങ്ങിയിരിക്കുന്ന വിവരങ്ങളുടെ പര്യാപ്\u200cതത ഇവിടെ വളരെ പ്രധാനമാണ്.

ഭൂമിശാസ്ത്രപരമായ വിവര സംവിധാനങ്ങൾ സൃഷ്ടിക്കപ്പെടുന്നു - ഒരു കമ്പ്യൂട്ടറിലെ തത്സമയ മാപ്പുകൾ. അവ ഉപഗ്രഹങ്ങളിൽ നിന്ന് വരുന്ന വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യുകയും വിശകലനം ചെയ്യുകയും ചെയ്യുന്നു. പാരമ്പര്യേതര ജോലികൾ പരിഹരിക്കാൻ അത്തരം സംവിധാനങ്ങൾ അനുവദിക്കുന്നു:

വിൽപ്പനയുടെയും വിപണി സാധ്യതകളുടെയും അളവ് പ്രവചിക്കുക, കാരണം അവർക്ക് ജനസംഖ്യാശാസ്\u200cത്ര ഡാറ്റയും സ്റ്റോറുകളുടെ സ്ഥാനം, ചരക്കുകളുടെ വ്യാപ്തി എന്നിവയെക്കുറിച്ചുള്ള വിവരങ്ങളും പ്രദർശിപ്പിക്കാൻ കഴിയും;

പാരിസ്ഥിതിക അപകടങ്ങളുടെ അനന്തരഫലങ്ങൾ വിശകലനം ചെയ്യുക, അവ ഇല്ലാതാക്കുന്നതിനുള്ള മികച്ച പരിഹാരങ്ങൾ തിരഞ്ഞെടുക്കുക;

ഹൈഡ്രോഗ്രാഫിക് ശൃംഖലയുടെ മാതൃകകൾ നിർമ്മിക്കുകയും വെള്ളപ്പൊക്ക പ്രദേശങ്ങൾ തിരിച്ചറിയുകയും ചെയ്യുക;

ഭൂമിയുടെ ഉപരിതലത്തിന്റെ ദുരിതാശ്വാസ മാതൃകകൾ നിർമ്മിക്കുക.

എല്ലാ കാർഡുകളും ഒരു സ്പെഷ്യലിസ്റ്റിന് മാത്രം മനസ്സിലാക്കാവുന്ന ഒരു പ്രത്യേക ഭാഷയിൽ "വിവരിച്ചിരിക്കുന്നു". ഈ വിവരങ്ങൾ എല്ലാവർക്കും ലഭ്യമല്ലെന്നാണ് ഇതിനർത്ഥം. ഒരു സ്പെഷ്യലിസ്റ്റിനായുള്ള ഓരോ ചിഹ്നവും വിശ്വസനീയവും വസ്തുനിഷ്ഠവും മനസ്സിലാക്കാവുന്നതുമായ ധാരാളം വിവരങ്ങൾ വഹിക്കുന്നു, അത് ഉപയോഗിച്ച ഭാഷ അറിയാത്തവർക്ക് ലഭ്യമല്ല.

ആധുനിക "ബഹിരാകാശ സാങ്കേതികവിദ്യകളിൽ", വിവിധ ഉപകരണങ്ങളുടെ സഹായത്തോടെ ലഭിച്ച വിവരങ്ങൾ നിർണ്ണായക പങ്ക് വഹിക്കുന്നു. ഉദാഹരണത്തിന്, സൗരോർജ്ജ പാനലുകളുടെ പ്രവർത്തനത്തിന് സൂര്യനുമായി ബന്ധപ്പെട്ട സ്റ്റേഷന്റെ സ്ഥാനം പ്രധാനമാണ്. ചെറിയ കൃത്യതയില്ലായ്മ - ബഹിരാകാശ പേടകത്തിന് .ർജ്ജം നഷ്ടപ്പെടും. അത്തരം വിവരങ്ങൾ\u200c നിലവിലുള്ളതും ശരിയായതും പൂർ\u200cണ്ണവുമായിരിക്കണം.

റെപ്രസന്റേറ്റീവ് ഡാറ്റ

ഡാറ്റയുടെ പ്രതിനിധാനം (ഫ്രഞ്ച് പ്രതിനിധിയിൽ നിന്ന് - സൂചകം), ഫീൽഡ് നിരീക്ഷണങ്ങളുടെ പരീക്ഷണാത്മക ഡാറ്റയുടെ (ക്വാണ്ടിറ്റേറ്റീവ് സ്വഭാവസവിശേഷതകൾ, അക്കങ്ങളും മറ്റ് ഫലങ്ങളും) സ്വത്ത്, സാമ്പിളുകൾ, പ്രകൃതി പരിസ്ഥിതിയിൽ നിന്ന് എടുത്ത തിരഞ്ഞെടുപ്പുകൾ, പരിസ്ഥിതി വ്യവസ്ഥ മുതലായവ, അവഗണിക്കാനാവാത്ത വസ്തുനിഷ്ഠ മാനദണ്ഡങ്ങൾ നിരീക്ഷിച്ച പ്രതിഭാസങ്ങളുടെ സത്യം.

പരിസ്ഥിതി വിജ്ഞാനകോശ നിഘണ്ടു. - ചിസിന au: മോൾഡേവിയൻ സോവിയറ്റ് എൻ\u200cസൈക്ലോപീഡിയയുടെ പ്രധാന എഡിറ്റോറിയൽ ഓഫീസ്... I.I. മുത്തച്ഛൻ. 1989.

മറ്റ് നിഘണ്ടുവുകളിൽ "ഡാറ്റാ റെപ്രസന്റേറ്റീവ്" എന്താണെന്ന് കാണുക:

പ്രാതിനിധ്യം - അക്ഷരാർത്ഥത്തിൽ ഒരു ആശയം നൽകാനുള്ള കഴിവ്; ഈ പദം സ്ഥിതിവിവരക്കണക്കുകളുടെ സവിശേഷതയാണ്. സ്റ്റാറ്റിസ്റ്റിക്കൽ ഒബ്ജക്റ്റുകളുടെ പ്രതിനിധാനം (ഒരു സ്റ്റാറ്റിസ്റ്റിക്കൽ രീതി ഉപയോഗിച്ച് പഠിച്ച വിഷയങ്ങൾ, സ്ഥിതിവിവരക്കണക്കുകൾ കാണുക) ഈ വിഷയങ്ങൾ തിരഞ്ഞെടുക്കാനുള്ള കഴിവ് ... ... വാണിജ്യ പദാവലി റഫറൻസ് ചെയ്യുക

റെപ്രസന്റേറ്റീവ് - (ഫ്രഞ്ച് പ്രതിനിധി പ്രതിനിധികളിൽ നിന്ന്) പ്രതിനിധാനം, സാമ്പിൾ നിർമ്മിച്ച മുഴുവൻ ഡാറ്റയുമായി ബന്ധപ്പെട്ട് സാമ്പിളിന്റെ പ്രാതിനിധ്യം (സ്ഥിതിവിവരക്കണക്കിൽ, കാലാവസ്ഥാ ശാസ്ത്രത്തിൽ); സാമൂഹ്യശാസ്ത്രത്തിൽ, പ്രാതിനിധ്യം നേടുന്നത് ... ... പ്രൊഫഷണൽ വിദ്യാഭ്യാസം. നിഘണ്ടു

സൈറ്റ് പ്രാതിനിധ്യം - 3.1.13 സൈറ്റ് പ്രതിനിധാനം: ഒരു നിരീക്ഷണ സൈറ്റിന്റെ പ്രാതിനിധ്യത്തിന്റെ അളവ്, നിരീക്ഷണ സൈറ്റ് ആവശ്യകതകൾ നിറവേറ്റുന്നുവെന്നും ഉപയോഗപ്പെടുത്താവുന്ന താരതമ്യപ്പെടുത്താവുന്ന ഡാറ്റ നേടുന്നുവെന്നും ഉറപ്പാക്കുന്നു ... ...

- (സ്ഥിതിവിവരക്കണക്കുകളിൽ സൂചിപ്പിക്കുന്ന ഫ്രഞ്ച് റിപ്രസന്റാറ്റിഫിൽ നിന്ന്, സാമ്പിളിന്റെ പ്രധാന സ്വത്ത്, അതിന്റെ സ്വഭാവസവിശേഷതകളുടെ (ഘടന, ശരാശരി മൂല്യങ്ങൾ മുതലായവ) സാമ്യതകളുമായി ബന്ധപ്പെട്ട സവിശേഷതകളിലേക്ക് ... ... ഗ്രേറ്റ് സോവിയറ്റ് എൻ\u200cസൈക്ലോപീഡിയ

റെപ്രസന്റേറ്റീവ് - - 1) പൊതുജനങ്ങളുടെ സവിശേഷതകളെ പ്രതിനിധീകരിക്കുന്നതിനുള്ള സാമ്പിളിന്റെ സ്വത്ത്; ചില മുൻ\u200cനിശ്ചയിച്ച അല്ലെങ്കിൽ\u200c നിർ\u200cണ്ണയിച്ച സ്റ്റാറ്റിസ്റ്റിക്കൽ\u200c പിശകിനൊപ്പം, സാമ്പിൾ\u200c പോപ്പുലേഷനിൽ\u200c പ്രതിനിധീകരിക്കുന്നതായി കണക്കാക്കാം ... ആധുനിക വിദ്യാഭ്യാസ പ്രക്രിയ: അടിസ്ഥാന ആശയങ്ങളും നിബന്ധനകളും

പ്രതിനിധിത്വം - പൊതുജനങ്ങളുടെ സവിശേഷതകൾ പുനർനിർമ്മിക്കുന്നതിനുള്ള സാമ്പിൾ പോപ്പുലേഷന്റെ സ്വത്ത്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, സാമ്പിളിന്റെ R. അർത്ഥമാക്കുന്നത് ഒരു നിശ്ചിത പിശകിനൊപ്പം പഠിച്ചവരുടെ വിതരണം തിരിച്ചറിയാൻ കഴിയും ... ... സോഷ്യോളജിക്കൽ റഫറൻസ് പുസ്തകം

പോസ്റ്റ് വോട്ടെടുപ്പ് - ഒരുതരം ചോദ്യാവലി സർവേ. ഒ. പി ഉപയോഗിച്ച് ചോദ്യാവലി തപാൽ സേവനത്തിന്റെ സഹായത്തോടെ ഒരു സ്വതന്ത്ര തപാൽ ഇനമായി വിതരണം ചെയ്യുന്നു, ആ ഭക്ഷണങ്ങളുടെ പ്രത്യേകമായി തിരഞ്ഞെടുത്ത വിലാസങ്ങളിലേക്ക്, മൊത്തത്തിൽ, അഭിപ്രായത്തിൽ ... ... സോഷ്യോളജിക്കൽ റഫറൻസ് പുസ്തകം

പത്രസമ്മേളനം - ഒരുതരം ചോദ്യാവലി സർവേ. ഒരു ഒ. പി ഉപയോഗിച്ച് ചോദ്യാവലി പത്രങ്ങൾ, മാസികകൾ എന്നിവയുടെ പേജുകളിൽ പ്രസിദ്ധീകരിച്ച് അത് പൂരിപ്പിച്ച് ഗവേഷകർക്ക് തിരികെ നൽകാനുള്ള സാധ്യത പരിമിതപ്പെടുത്തിയിരിക്കുന്നത് അനുബന്ധ ആനുകാലിക വായനക്കാരുടെ ആകെത്തുകയാൽ മാത്രമാണ്, അത് ഒന്ന് ... സോഷ്യോളജിക്കൽ റഫറൻസ് പുസ്തകം

KIER - (കിയേ) ആൻഡേഴ്സ് നിക്കോളായ് (1838 1919) നോർവ്. സ്ഥിതിവിവരക്കണക്ക്. 1867 മുതൽ അദ്ദേഹത്തെ സ്റ്റാറ്റിസ്റ്റിഷ്യൻ നയിച്ചു. ബ്യൂറോ മിൻ വാ ഇന്റ. 1877 ലെ കാര്യങ്ങൾ 1913 കേന്ദ്രത്തിന്റെ ഡയറക്ടർ. സ്ഥിതിവിവരക്കണക്ക് നോർവേ. ഇന്റേണിനായി. സ്ഥിതിവിവരക്കണക്ക് ഞങ്ങളെ സെൻസസ് ചെയ്യുന്നതിനായി ഇൻസ്റ്റിറ്റ്യൂട്ട് പ്രോജക്ടുകൾ വികസിപ്പിച്ചു. രാജ്യങ്ങൾക്കായി ... ... ഡെമോഗ്രാഫിക് എൻ\u200cസൈക്ലോപീഡിക് നിഘണ്ടു

ആർ\u200cഡി 52.10.728-2010: സംസ്ഥാനത്തെ നിരീക്ഷിക്കുന്നതിലും സമുദ്ര പരിസ്ഥിതിയുടെ മലിനീകരണത്തിലും ലബോറട്ടറികളുടെ കഴിവിനുള്ള അടിസ്ഥാന ആവശ്യകതകൾ - ടെർമിനോളജി ആർ\u200cഡി 52.10.728 2010: സംസ്ഥാനത്തെ നിരീക്ഷിക്കുന്നതിലും സമുദ്ര പരിസ്ഥിതിയുടെ മലിനീകരണത്തിലും ലബോറട്ടറികളുടെ കഴിവിനുള്ള അടിസ്ഥാന ആവശ്യകതകൾ: 1.1.9 സംസ്ഥാന നിരീക്ഷണ ശൃംഖല: ഫെഡറൽ എക്സിക്യൂട്ടീവ് ബോഡിയുടെ നിരീക്ഷണ ശൃംഖല ... നോർമറ്റീവ്, ടെക്നിക്കൽ ഡോക്യുമെന്റേഷന്റെ നിബന്ധനകളുടെ നിഘണ്ടു-റഫറൻസ് പുസ്തകം

പുസ്തകങ്ങൾ

• എഴുത്തുകാരുടെ ഒരു ടീമായ നിർബന്ധിത ആരോഗ്യ ഇൻഷുറൻസ് (സിഎച്ച്ഐ) സംവിധാനത്തിൽ സാമൂഹ്യശാസ്ത്ര സർവേകൾ നടത്തുന്നതിനുള്ള രീതിശാസ്ത്രപരവും രീതിശാസ്ത്രപരവുമായ സമീപനങ്ങൾ. ഒരൊറ്റ സിസ്റ്റത്തിന്റെ പ്രവർത്തനക്ഷമത വർദ്ധിപ്പിക്കുന്നതിനും സാമൂഹ്യശാസ്ത്ര സർവേകൾ സംഘടിപ്പിക്കുന്നതിനും നടത്തുന്നതിനുമുള്ള മാതൃകയുടെ രീതിശാസ്ത്രപരവും രീതിശാസ്ത്രപരവുമായ പ്രശ്നങ്ങൾ ഈ പ്രബന്ധത്തിൽ ചർച്ചചെയ്യുന്നു ... ഇബുക്ക്
• റെഗുലേറ്ററി ലീഗൽ ഇഫക്റ്റുകളുടെയും അവയുടെ പ്രോജക്റ്റുകളുടെയും അഴിമതി വിരുദ്ധ വൈദഗ്ദ്ധ്യം, ഇ. റോസിൻസ്കായ (കോം.). റെഗുലേറ്ററി നിയമ നടപടികളുടെയും അവരുടെ പദ്ധതികളുടെയും അഴിമതി വിരുദ്ധ വൈദഗ്ധ്യത്തിന്റെ പ്രശ്നങ്ങൾക്കായി നീക്കിവച്ചിരിക്കുന്ന ശാസ്ത്രീയ ലേഖനങ്ങളുടെ ഒരു ശേഖരമാണ് ഈ പ്രസിദ്ധീകരണം. വിവരങ്ങളുടെ അഴിമതി സൃഷ്ടിക്കുന്ന സ്വഭാവം ...