ஆராய்ச்சியாளர்கள் கண்டுபிடிப்பு மற்றும் விளைவு உறவுகளை எப்படி கண்டுபிடிப்பது
ஒரே மாதிரியில் உள்ள மாற்றங்கள் வேறொரு மாறியில் ஏற்படும் மாறுதல்களுக்கு வழிவகுக்கும் என்று ஒரு எளிய பரிசோதனையாகும். உதாரணமாக, ஒரு புதிய மருத்துவத்தின் செயல்திறனைப் பார்க்கும் ஒரு எளிய பரிசோதனையில், ஆய்வு பங்கேற்பாளர்கள் இரு குழுக்களுள் ஒன்று தோராயமாக ஒதுக்கப்படலாம் : இவை ஒன்று கட்டுப்பாட்டுக் குழுவாக இருக்கும், மேலும் எந்தவொரு சிகிச்சையும் பெறாது, மற்ற குழுவானது சோதனைக் குழுவாக இருக்கும் ஆய்வு செய்து சிகிச்சை பெறுகிறது.
ஒரு எளிய பரிசோதனையின் கூறுகள்
ஒரு எளிய பரிசோதனையானது கடுமையான விசை கூறுகளைக் கொண்டது:
- சோதனை கருதுகோள். இந்த சிகிச்சை ஒரு விளைவை ஏற்படுத்தும் என்று முன்னறிவிக்கும் ஒரு அறிக்கையாகும், அதனால் எப்போதும் ஒரு காரண-மற்றும்-விளைவு அறிக்கை என்று கூறப்படும். உதாரணமாக, ஆராய்ச்சியாளர்கள் இந்த வகையில் ஒரு கருதுகோளாக இருக்கலாம்: "மருந்து நிர்வாகம் A நோய் பி அறிகுறிகளைக் குறைக்கும்."
- பூஜ்ய கற்பிதக் கொள்கை. இது பரிசோதனைக்குரிய பங்கேற்பாளர்களிடமிருந்தோ சார்பற்ற மாறிகள் பற்றியோ எந்த விளைவையும் ஏற்படுத்தாது என்பது ஒரு கருதுகோள் ஆகும். சிகிச்சையின் விளைவைக் கண்டுபிடிக்க தவறிவிட்டால், எந்த விளைவும் இல்லை என்பது குறிப்பிடத்தக்கது. இந்த ஆய்வாளர் ஆராய்ச்சியாளர்கள் நடப்பு பரிசோதனையில் அளவிடப்படாத மற்றொரு மாறினை பாதிக்கக்கூடும்.
- சுதந்திர மாறி . பரிசோதனையாளரால் கையாளப்படும் சிகிச்சை மாறி.
- சார்பு மாறி . இது ஆய்வாளர்கள் அளவிடும் அளவை பிரதிபலிப்பதை குறிக்கிறது.
- கட்டுப்பாட்டு குழு. இவை ஒரு குழுவிடம் தோராயமாக ஒதுக்கப்படும் ஆனால் சிகிச்சை பெறாத நபர்கள். கட்டுப்பாட்டுக் குழுவிலிருந்து எடுக்கப்பட்ட அளவீடுகள், சோதனை விளைவாக இருந்தால், சோதனை முயற்சியில் உள்ளவர்களுக்கு ஒப்பிடப்படும்.
- சோதனை குழு. ஆய்வு பங்கேற்பாளர்களின் இந்த குழுவானது தோராயமாக தேர்ந்தெடுக்கப்பட்ட பாடங்களைக் கொண்டு சோதனை செய்யப்படும் சிகிச்சையைப் பெறும்.
ஒரு எளிய பரிசோதனை முடிவுகளை தீர்மானித்தல்
எளிமையான பரிசோதனையிலிருந்து தரவு சேகரிக்கப்பட்டுவிட்டால், பரிசோதனைகள் சோதனை விளைவாக இருந்தால், கட்டுப்பாட்டுக் குழுவின் முடிவுகள் ஒப்பிட, கட்டுப்பாட்டு குழுவின் முடிவுகளை ஒப்பிடுகின்றன. பிழைகள் எப்போதுமே தற்போதைய சாத்தியக்கூறு இருப்பதால், இரண்டு மாறிகளுக்கு இடையேயான உறவின் 100 சதவிகிதம் உறுதியாக இருக்க முடியாது. உதாரணமாக பரிசோதனை முயற்சியை பாதிக்கும் நாடகத்தில் தெரியாத மாறிகள் இருக்கலாம்.
இந்த சவாலாக இருந்தாலும், அங்கு பெரும்பாலும் அர்த்தமுள்ள உறவு இருந்தால் தீர்மானிக்க வழிகள் உள்ளன. அவ்வாறு செய்ய, விஞ்ஞானிகள், புள்ளியியல் புள்ளிவிவரங்களைப் பயன்படுத்துகின்றனர், அந்த மக்கள் பிரதிநிதி மாதிரி இருந்து எடுக்கப்பட்ட நடவடிக்கைகளின் அடிப்படையில் ஒரு மக்கள்தொகை பற்றிய விவரங்களை வரையறுக்கிறார்கள்.
ஒரு சிகிச்சை விளைவாக இருந்தால், நிர்ணயிக்கும் முக்கியமானது புள்ளிவிவர முக்கியத்துவத்தை அளவிடுவதாகும். புள்ளியியல் முக்கியத்துவம் மாறுபாடுகளுக்கு இடையிலான உறவு வெறுமனே வாய்ப்பு இல்லை என்பதோடு ஒரு உண்மையான உறவு பெரும்பாலும் இரு மாறிகள் இடையில் இருப்பதைக் காட்டுகிறது.
புள்ளிவிவர முக்கியத்துவம் பெரும்பாலும் இதுபோன்றே குறிப்பிடப்படுகின்றன:
ப <0.05
.05 க்கும் குறைவான P- மதிப்பானது, வாய்ப்புகள் தோன்றுவதற்கான சாத்தியக்கூறுகள் இருப்பதையும், இந்த முடிவுகளைப் பெறுவதற்கான நிகழ்தகவு ஐந்து சதவிகிதத்திற்கும் குறைவாக இருப்பதை குறிக்கிறது.
புள்ளியியல் முக்கியத்துவத்தை அளவிடுவதற்கான பல்வேறு வழிகள் உள்ளன. பயன்படுத்தப்படும் ஒரு சோதனை வடிவமைப்பு பயன்படுத்தப்படும் வகை ஆராய்ச்சி சார்ந்தது.