गुणात्मक व संख्यात्मक संशोधन पद्धती

आपल्या गरजेनुसार कोणत्या दृष्टीकोनास योग्य आहे हे शोधा

एखाद्या गुणात्मक दृष्टिकोनाचा वापर केव्हा आणि अभ्यासात परिमाणवाचक दृष्टिकोन कसा वापर करावा हे बाजारपेठ संशोधकांना कसे कळते? एक दृष्टिकोन इतरांपेक्षा चांगला आहे का?

संशोधकांमधील एक पर्याय मुळतः एका संशोधकास उत्तर देणारे प्रश्न आणि त्या प्रश्नांची उत्तरे देतील अशा डेटाचा संग्रह करण्याची व्यावहारिकता यावर निर्णय घेतील. पहिली पायरी म्हणजे स्पष्ट तंदुरुस्ती शोधणे.

दोन प्रकारच्या पद्धतींमधे अनेक मऊ अंतर असले, तरी एक अतिशय महत्त्वाचा फरक आहे. अभ्यासाचे संशोधन हे तर्कशुद्ध आहे आणि संशोधन सुरू होण्याच्या आधी ओळखले जाणारे एक अभिप्राय उपस्थित होते. गुणात्मक संशोधन हे लवचिक आहे आणि संशोधन प्रक्रियेस प्रारंभ करण्यासाठी एखाद्या अभिप्रायाची आवश्यकता नाही.

या महत्वाच्या फरकाकडे जवळून न्यावे आणि तीन महत्वाच्या पदांमध्ये थोडी खोलवर जा. जी संख्यात्मक आणि गुणात्मक संशोधन परिभाषित करण्यात मदत करतात.

• निगमन संशोधन
• पूर्वज्ञान
• आगमनात्मक संशोधन

संख्यात्मक संशोधन पुष्टी करते

संख्यात्मक संशोधन सामान्य बाबतीत पाहते आणि विशिष्ट दिशेने चालते संशोधनासाठी हा निगडीत दृष्टिकोन काहीतरी संभाव्य कारण समजतो आणि त्याचे परिणाम सत्यापित करण्याची आशा करतो. कारण वाक्यांश कारण आणि परिणाम जवळजवळ प्रत्येक मुलाच्या पॅरेंटल लेक्चर्सच्या इतिहासाचा एक भाग आहे, म्हणूनच आम्ही या संकल्पनेशी परिचित आहोत.

संशोधनात, कारण आणि परिणाम सर्व संबंधांची ताकद आहे. दोन व्हेरिएबल्समध्ये खूप मजबूत नातेसंबंध असल्यास, कारण आणि परिणाम संबंध अत्यंत संभाव्य किंवा अत्यंत संभाव्य असल्याचे सांगितले जाऊ शकते. तिथे असेही म्हटले आहे की कारण कारणास्तव परिणाम घडत नाही, परंतु हे अतिशय संभाव्य मानले जात नाही.

खालील आनुषंगिक बाजार संशोधन दृष्टिकोणाचा एक उदाहरण आहे जो ऑनलाइन खरेदीच्या वर्तनात आणि वेबसाइट शॉपिंग गाड्या वापरण्यातील फरक मोजण्यासाठी प्रयत्न करतो:

सामान्य कारण: इंटरनेट शॉपर्सचे खरेदीचे वर्तन जो नियमितपणे आपल्या ऑनलाइन शॉपिंग कार्टमध्ये आयटम ठेवतात परंतु बर्याच खरेदी पूर्ण करत नाहीत अशा इंटरनेट खरेदीदारांच्या खरेदी व्यवहारापासून ते वेगळे असतात जे आयटम विकत घेत नाहीत अशा वस्तू ठेवण्यासाठी ते वापरत नाहीत. विशिष्ट इंटरनेट शॉपर्स जो आपल्या ऑनलाइन शॉपिंग गाड्यामध्ये नेहमी वस्तू ठेवतात परंतु खरेदी पूर्ण करत नाहीत ते 75% अधिक वेबसाइट्सवर परत येण्याची शक्यता असते आणि 7 दिवसांच्या आत खरेदी पूर्ण करतात. संशोधन शोधणे खरेदी पूर्ण करण्यापूर्वी ग्राहक एखादे वेबसाइट सोडल्यास 10 दिवसांसाठी ऑनलाइन शॉपिंग कार्ट साजरा ठेवणे चांगला व्यवसाय आहे आणि याचा अर्थ वेबसाइटवर भेट दिलेल्या ग्राहकांच्या भविष्यातील खरेदीची उच्च संभाव्यता आहे.

पूर्वज्ञान - एक तात्कालिक समज

एक गृहीता एका विधानाच्या स्वरूपात एक प्रयोगात्मक गृहीतक आहे किंवा उत्तर देण्यासाठी एक संशोधन प्रयत्न डिझाइन केला आहे. परिमाणवाचक संशोधनात, दोन गृहितक विधान आहेत. एक गृहीतेला शून्य अनुपालन म्हणतात, किंवा हो . संशोधकाने अशी अपेक्षा केली नाही की निरर्थक गृहित धरणे सत्य आहे.

शोध प्रक्रियेच्या समाप्तीच्या वेळी, संशोधक गोळा केलेल्या डेटाचे विश्लेषण करेल, आणि नंतर एकतर शून्य अनुपालन स्वीकारून किंवा नाकारतील. संशोधक एक गृहितेची पुष्टी करण्याच्या प्रक्रियेचा संदर्भ देतात - गृहिते - अभिप्रायाची चाचणी म्हणून.

दुसरा अंदाज पर्यायी पूर्वकल्पना म्हणतात, किंवा हा . संशोधक असे गृहित धरतात की पर्यायी दृष्टीकोन सत्य आहे. रिक्त गृहीतांना निष्कर्ष काढणे असे म्हणते की पर्यायी पूर्वकल्पना खरे असू शकते - म्हणजेच, डेटामध्ये एक त्रुटी आहे ज्यामुळे पर्यायी दृष्टीकोन खरे नसल्यास वैज्ञानिक मानकांनुसार तो स्वीकार्यपणे लहान असेल. परिमाणवाचक संशोधन मध्ये पूर्वपदावर चाचणी कधीही परिपूर्ण नाही.

ऑनलाइन क्रय व्यवहाराबद्दल अभ्यासासाठी, एक शून्य अभिप्रायाचे एक उदाहरण असू शकते:

हो = वेबसाइट सोडून जाणा-या कार्टमध्ये आयटम ठेवणारे इंटरनेट खरेदीदार आता त्यांच्याकडे परत जाण्याची शक्यता नाही आणि इंटरनेट खरेदीदारांपेक्षा त्यांची खरेदी-विक्री पूर्ण करू शकत नाहीत परंतु त्यांच्या गाडीत आयटम ठेवत नाहीत तर वेबसाइटवर परत जातात.

संबंधित पर्यायी गृहितेचे एक उदाहरण असू शकते:

हा = इंटरनेट शॉपर्स जो त्यांच्या गाडीमध्ये ठेवलेल्या वस्तू खरेदी करण्यापूर्वी वेबसाइट सोडून देतात तेच नजीकच्या भविष्यात एकाच वेबसाइटवर खरेदी पूर्ण होण्याची अधिक शक्यता असते.

गुणात्मक संशोधन

गुणात्मक संशोधन विशिष्टसह प्रारंभ होते आणि सामान्य दिशेने चालते गुणात्मक संशोधनात डेटा गोळा करण्याची प्रक्रिया वैयक्तिक, फील्ड-आधारित आणि पुनरावृत्ती किंवा परिपत्रक आहे. डेटा गोळा आणि विश्लेषण दरम्यान आयोजित केले जातात म्हणून, नमुन्यात दिसणे. या डेटा नमुन्यांची एक स्नोबॉल उतारा रोलिंग प्रमाणे वेगळ्या प्रश्नांचा किंवा संकल्पनांचा पाठपुरावा करण्यासाठी संशोधक होऊ शकतो.

डेटा गोळा प्रक्रियेदरम्यान , संशोधक विशेषत: उदयोन्मुख डेटा नमुन्यांबद्दल त्यांचे विचार आणि प्रभाव नोंद करतात. गुणात्मक संशोधक विविधरंगी पद्धतीने किंवा विविध स्त्रोतांकडून त्यांच्या संशोधनाविषयी डेटा गोळा करतात. संबंधित डेटाचे विस्तारित दृश्य त्रिकोणास म्हणतात आणि डेटा सत्यापित करणे शक्य आहे हे सुनिश्चित करण्याचा एक अतिशय महत्वाचा मार्ग आहे. डेटा सेट पुरेसा किंवा खोल पुरेशी समजला जातो, तेव्हा संशोधक डेटाचा अर्थ लावेल.

खाली दिलेली उदाहरणे अनेक मार्गांनी सुचविते जी एक गुणात्मक संशोधक डेटा त्रिकोणात टाकू शकतात आणि विशिष्ट डेटावरून सामान्य विषयांकडे संशोधन प्रकल्प हलवू शकतात, आणि शेवटी संशोधन निष्कर्ष किंवा शोधताना

विशिष्ट ग्राहक मुलाखत

ग्राहक ऑनलाइन शॉपिंग कार्टमध्ये आयटम का सोडून का आणि ते ऑनलाईन खरेदी पूर्ण का नाहीत याबद्दल कारणे सांगतात.

• विशिष्ट वेबसाइट वापरकर्ता निरिक्षण: संशोधक ऑनलाईन शॉपिंगमध्ये गुंतलेल्या ग्राहकांना पहातात जे ते काय खरेदी करीत आहेत त्याबद्दल अहवाल देतात.
• सामान्य संशोधक फील्ड नोट: संशोधक डेटा संकलन प्रक्रियेदरम्यान उभ्या कल्पना विचार करतात, जसे की ऑनलाइन खरेदीदार खरे दुकानांमध्ये ड्रेसिंग रुम्स जसे शॉपिंग गाड्या वापरतात, जेथे मागे सोडून आयटम खरेदी अनुभवचाच एक भाग आहे
• संशोधन निष्कर्ष: ऑनलाइन शॉपिंग कार्टमध्ये आयटम सोडण्याच्या सरावाने हे सिद्ध झाले की ऑनलाइन खरेदीदार विंडो शॉपिंगमध्ये व्यस्त आहेत; हे उपभोक्ता व्यवहार ऑनलाइन स्टोअर सह परिचित भावनांना योगदान देते जे ग्राहकाला अधिक योग्य वेळी खरेदी करण्यासाठी परत आणते.