अॅफिनिटी डायग्रामः फक्त बुद्धिमत्ताच नाही तर
ऍफिनिटी आकृत्या प्रामुख्याने एक बुद्धिमत्ता सत्र दरम्यान संकलित माहिती आयोजित करण्यासाठी वापरली जातात. अॅफिनिनेट आकृती वापरून समस्या आणि उपाय अनेकदा "माध्यमातून कार्य" करतात. एक आकर्षण ओळख, कल्पना किंवा विशेषतांचे आयोजन करण्याचा एक मार्ग आहे. अॅफिनिनेट आकृतीचा वापर देखील KJ मेथड म्हणून ओळखला जातो, ज्याचे नांव कौवाकीता जिरो होते, ज्याने गुणवत्ता सुधार मंडळांमध्ये पद्धत लोकप्रिय केली.
आत्मीयता आकृती तयार करणे ही सहा-चरण प्रक्रिया आहे.
- वर्गीकरणांशी संबंधित सूची घटक.
- वर्गीकरण अंतर्गत प्रत्येक घटक किंवा कल्पना ठेवा
- संयोजन आणि सोपे करून वर्गीकरण कमी करा
- आकृतीचा विश्लेषण करा - वर्गीकरणांचा संपूर्ण समूह .
कार्ड क्रमवारी लावा: रिसर्च इन्साइट्सचा लाभ घेण्यासाठी कमीत कमी मार्ग
द्वितीय विश्वयुद्धाच्या आधी आणि त्या वेळी सैन्य परीक्षण करणाऱ्या सैनिकांकडून / मानसशास्त्र आणि आकलनशक्ती संशोधनात कार्ड श्रेणी अभ्यास वापरले गेले आहेत.
आज, कार्ड सॉर्ट स्ट्रॅटेजीजचा वापर सॉफ्टवेअर आर्किटेक्चरच्या उपयोगिताची चाचणी घेण्यासाठी केला जातो. कार्ड श्रेणीबद्ध पद्धतींद्वारे उत्तरदायी कसे संबद्ध करतात आणि गट कल्पना, निर्मिती किंवा उत्पादने कशा करतात हे माहिती जनरेट करतात गुणात्मक प्रक्रियेच्या रूपात, कार्ड वर्गीकरण अंतर्दृष्टीच्या विकासास समर्थन करण्यास मदत करतो.
कार्ड प्रकारच्या क्रियाकलाप मध्ये सहभागी होण्यासाठी, प्रतिसादकर्त्यांना नोडी पत्रे गटबद्ध करणे आवश्यक आहे.
त्यांना त्या श्रेणी तयार करण्यास लेबल देखील सांगितले जाऊ शकते. कार्ड सॉर्ट क्रियाकलापांच्या दोन आवृत्त्या आहेत: बंद केलेले कार्ड सॉर्ट आणि ओपन कार्ड सॉर्ट. खुल्या कार्ड सॉर्ट अॅक्टिव्हिटीमध्ये प्रतिसादकर्ते त्यांची स्वत: ची श्रेणी तयार करतात बंद कार्डाच्या क्रमवारीमध्ये, उत्तरकर्त्यांना मार्केट रिसर्चरद्वारे अग्रेषित केलेल्या श्रेणींमध्ये श्रेणी क्रमवारी करण्यास सांगितले जाते.
कार्ड सॉर्टिंग अत्यंत कमी तंत्रज्ञाने आहे जी पोस्ट-इट ™ नोट्स किंवा इंडेक्स कार्ड वापरते. डिजिटल कार्ट सॉर्ट व्यवसायांसाठी तयार करणा-या सॉफ्टवेअर पॅकेजेस आपण अंदाज लावू शकता. कार्ड सॉर्टिंग वैयक्तिक प्रतिसादकांसह, एका लहान गटासह , ज्यात समवर्ती कार्ड सॉर्टिंग आयोजित केले जाते, किंवा एका हायब्रिड क्रियाकलाप म्हणून जेथे उत्तरदाता वैयक्तिकरित्या एक कार्ड सॉर्ट करतात आणि एक गट म्हणून एकत्रितपणे कसे कार्य करतात आणि त्यांच्याशी कसा व्यवहार करतात याची चर्चा करण्यासाठी एकत्रित केले जाऊ शकते. परिणाम.
कार्ड वर्गीकरण अभ्यास समानता गुणांच्या एक संच स्वरूपात परिमाणवाचक डेटा तयार करतो. समानता स्कोअर कार्डांच्या विविध जोडींसाठी जुळणीचा एक उपाय आहे. उदाहरणार्थ, कार्डधारकाच्या जोडीला दिलेली मोजणी केल्यास, सर्व उत्तरधारकांनी एकाच श्रेणीतील कार्डांची जोडी क्रमवारीत केली तर समानता गुण 100 टक्के होईल. सर्वेक्षणातील अर्ध्या व्यक्तींनी एकाच श्रेणीत दोन कार्डे लावल्या तर त्यातील अर्धे कार्ड वेगवेगळ्या श्रेणींमध्ये सॉर्ट केले तर समानता गुण 50 टक्के होईल.
हे लक्षात घेणे मनोरंजक आहे की कार्ड वर्गीकरण तंत्र, जी एक गुणात्मक संशोधन प्रक्रिया आहे, एक परिमाणित तंत्रज्ञानाच्या जागी वापरला जातो ज्याला शोध कारक विश्लेषण म्हणून ओळखले जाते. या अभ्यासासाठी उद्धरण खालीलप्रमाणे आहे: संतोस, जीजे (2006). क्वांटिटेक्टीव्ह एक्सप्लोरेटरी फॅक्टर अॅनॅलिसिस, कार्पोरेट कम्युनिकेशन्स: एक इंटरनॅशनल जर्नल, 11 (3), 288-302 मधील गुणात्मक पर्याय म्हणून कार्ड सॉर्ट तंत्र.
नैसर्गिक संशोधन डेटा कोडिंगसाठी सतत तुलना
निरंतर तुलना पध्दती ही ग्लेझर आणि स्ट्रॉस आणि लिंकन अॅण्ड गूबासारख्या नैसर्गिक संशोधन गटांद्वारे प्रथम वर्णन केलेली आणि सुधारीत गुणात्मक संशोधन पद्धत आहे. निरंतर तुलना पद्धत चार टप्प्यांत चालते: (अ) प्रत्येक श्रेणीसाठी लागू असलेल्या डेटाची तुलना करणे, ज्या श्रेणींमध्ये उदय होतात; (बी) डेटा सेट आणि डेटा आवाज कमी करण्यासाठी श्रेण्या आणि त्यांच्या गुणधर्म एकीकरण; (क) कमी डेटा सेटवर आधारित सिद्धांत आणखी परिसीमा करणे; आणि (ड) सिद्धांत लिहिणे.
परिमाणवाचक संशोधन पध्दतींप्रमाणे, ज्यात संशोधन सुरू होण्याआधी एक गृहीता तयार केली जाते , तेव्हा सतत वाढत जाणारी पद्धत सिद्धांत विकसित करते जशी प्रगती होते. संशोधन निर्देशित करण्यासाठी एक गृहीत धरण्याऐवजी, डेटा कोड आणि विश्लेषण म्हणून थीम उदयास येतात. याला नैसर्गिक संशोधन किंवा भूप्रदेशित सिद्धांत असे म्हणतात. विश्लेषण माध्यमातून सिद्धांत सतत इमारतीचे कारण, प्रारंभिक निरीक्षणाचे विश्लेषण केले जातात नातेसंबंध शोध सुरू होते. सतत संसाधनाची प्रक्रिया उद्भवते कारण कोडिंग डेटा संकलन आणि डेटा विश्लेषणासाठी अविभाज्य आहे.
मुख्य नमुन्यांसाठी मुलाखतींमधील सामग्री आणि ओपन-एंड सर्वेक्षण प्रश्नांचे विश्लेषण केले जाते. नमुन्यांची थीम ओळखण्यासाठी, ओळखली, वर्गीकृत आणि कोडित केलेली आहेत एक स्थिर तुलना प्रक्रिया ही सर्वसाधारण संशोधन आहे. म्हणजेच, डेटा एकत्रित किंवा विश्लेषित करण्यापूर्वी डेटावर लावण्याऐवजी श्रेण्यांच्या श्रेणी आणि अर्थ डेटामधून उत्पन्न होतात.