10+ ઓર્ડિનલ સ્કેલ ઉદાહરણો: શ્રેષ્ઠ પ્રેક્ટિસ માર્ગદર્શિકા

આ વ્યવસાય-કેન્દ્રિત દુનિયામાં, કંપનીઓ સતત સ્પર્ધાત્મક ધાર મેળવવાના રસ્તાઓ શોધતી રહે છે તેમાં કોઈ આશ્ચર્ય નથી. નવીન માર્કેટિંગ વ્યૂહરચનાથી લઈને અદ્યતન ટેકનોલોજી સુધી, વ્યવસાયો હંમેશા આગામી મોટી વસ્તુની શોધમાં હોય છે જે તેમને તેમના સ્પર્ધકોથી અલગ પાડશે. આ સાથે, તેમણે ગ્રાહકોની સતત બદલાતી માંગણીઓ અને અપેક્ષાઓને સંતોષવી પડશે. 

 શું સુધારવાની અને સંબોધિત કરવાની જરૂર છે તે સરળતાથી ઓળખવાની એક રીત ગ્રાહકોના પ્રતિસાદ દ્વારા છે. ઑર્ડિનલ સ્કેલ એ એક પદ્ધતિ છે જેનો ઉપયોગ ગ્રાહક સંતોષને માપવા માટે થઈ શકે છે. 

 જો તમે ઑર્ડિનલ સ્કેલ વિશે પહેલીવાર સાંભળી રહ્યાં છો, તો અમે તમને આવરી લીધાં છે! 

નીચે 10 આકર્ષક અને આકર્ષક છે ઓર્ડિનલ સ્કેલના ઉદાહરણો, બધું AhaSlides' પર બનાવેલ છે મફત મતદાન સોફ્ટવેર!

ઝાંખી

સામગ્રીનું કોષ્ટક

• ઝાંખી
• સામાન્ય સ્કેલ શું છે?
• 10 સામાન્ય સ્કેલ ઉદાહરણો
• ઓર્ડિનલ સ્કેલ અને અન્ય પ્રકારનાં ભીંગડા
• મતદાન કરવાની અન્ય રીતો
• પરફેક્ટ ઓનલાઈન મતદાન સાધન
• વારંવાર પૂછાતા પ્રશ્નો

સામાન્ય સ્કેલ શું છે?

An સામાન્ય સ્કેલ, પણ તરીકે ઓળખવામાં આવે છે સામાન્ય માહિતી, માપન સ્કેલનો એક પ્રકાર છે જે વ્યક્તિઓને તેમની સંબંધિત સ્થિતિ અથવા પસંદગીના આધારે વસ્તુઓને રેન્ક અથવા રેટ કરવાની મંજૂરી આપે છે. તે પ્રતિસાદ ભેગી કરવા અને ઉત્પાદન અથવા સેવાથી ગ્રાહકોના સંતોષના સ્તરને સમજવા માટે એક સંરચિત રીત પ્રદાન કરે છે

સરળ શબ્દોમાં કહીએ તો, તે આંકડાકીય સ્કેલિંગ સિસ્ટમ છે જે તેની સાથે કાર્ય કરે છે ક્રમમાં. સામાન્ય રીતે, ઓર્ડિનલ ભીંગડા એ 1 5 માટે અથવા 1 10 માટે રેટિંગ સિસ્ટમ, જેમાં 1 નીચલા મૂલ્યના પ્રતિભાવનું પ્રતિનિધિત્વ કરે છે અને 10 સૌથી વધુ મૂલ્ય પ્રતિસાદ રજૂ કરે છે.

સ્પષ્ટ ચિત્ર મેળવવા માટે, ચાલો એક સુપર સીધું અને સામાન્ય ઉદાહરણ જોઈએ: તમે અમારી સેવાઓથી કેટલા સંતુષ્ટ છો?

સંભવ છે કે, તમે આ પ્રકારનું ઓર્ડિનલ સ્કેલ ઉદાહરણ પહેલા જોયું હશે. તે માપવા માટે વપરાય છે 5-પોઇન્ટ સ્કેલ પર ગ્રાહકોનો સંતોષ:

1. ખૂબ અસંતોષ
2. અસંતોષ
3. તટસ્થ
4. સંતોષ
5. ખૂબ જ સંતોષ

સ્વાભાવિક રીતે, કંપનીઓ તેમની સેવા સુધારવાની જરૂર છે કે કેમ તે નિર્ધારિત કરવા માટે સંતોષના સામાન્ય ધોરણનો ઉપયોગ કરી શકે છે. જો તેઓ સતત નીચા નંબરો (1s અને 2s) ને સતત સ્કોર કરી રહ્યાં છે, તો તેનો અર્થ એ કે જો તેઓ numbersંચી સંખ્યા (4s અને 5s) ને સ્કોર કરતા હોય તો તેના કરતા ક્રિયા વધુ તાકીદનું છે.

તેમાં જ સામાન્ય ભીંગડાની સુંદરતા રહેલી છે: તે ખૂબ જ સરળ અને સ્પષ્ટ છે. આ સાથે, તે સરળ છે ભેગા અને ડેટાનું વિશ્લેષણ કરો સંપૂર્ણપણે કોઈપણ ક્ષેત્રમાં. તેઓ વાપરે છે ગુણાત્મક અને ગુણાત્મક બંને ડેટા આ કરવા માટે:

• ગુણાત્મક - સામાન્ય ભીંગડા ગુણાત્મક છે કારણ કે તે એવા શબ્દો પર ધ્યાન કેન્દ્રિત કરે છે જે વિશિષ્ટ મૂલ્યને વ્યાખ્યાયિત કરે છે. ઉદાહરણ તરીકે, લોકો જાણે છે કે સંતોષકારક અનુભવ કેવો લાગે છે, જ્યારે તેમના માટે '7 માંથી 10' અનુભવ વ્યાખ્યાયિત કરવો મુશ્કેલ છે.
• જથ્થાત્મક - તેઓ માત્રાત્મક છે કારણ કે દરેક શબ્દ સંખ્યાના મૂલ્યને અનુરૂપ છે. જો સંશોધનમાં ઓર્ડિનલ સંતોષકારક અનુભવને 7 માંથી 8 અથવા 10 અનુભવ તરીકે વ્યાખ્યાયિત કરે છે, તો તેઓ સરળતાથી સંખ્યાઓ દ્વારા તમામ એકત્રિત ડેટાની તુલના અને ચાર્ટ કરી શકે છે.

અલબત્ત, સંતુષ્ટ/અસંતુષ્ટ પ્રતિભાવ સેટની બહાર સંખ્યાબંધ પ્રમાણભૂત ધોરણોના ઉદાહરણો છે (જેમાં ક્વિઝનો પ્રકાર). ચાલો તેમાંથી કેટલાક પર એક નજર કરીએ….

10 સામાન્ય સ્કેલ ઉદાહરણો

એહાસ્લાઇડ્સ સાથે મફતમાં નીચેના કોઈપણ ઓર્ડિનલ ભીંગડા બનાવો. આહાસ્લાઇડ્સ તમને પ્રશ્નો, નિવેદનો અને મૂલ્યો સાથે એક સામાન્ય સ્કેલ બનાવવા દે છે, પછી તમારા પ્રેક્ષકોને તેમના મોબાઇલ ફોનનો ઉપયોગ કરીને તેમના મંતવ્યોને જીવંત રહેવા દે છે.

પ્રકાર # 1 - પરિચિતતા

[બિલકુલ પરિચિત નથી - કંઈક અંશે પરિચિત - સાધારણ પરિચિત - તદ્દન પરિચિત - ખૂબ જ પરિચિત]

પરિચય ઓર્ડિનલ સ્કેલનો ઉપયોગ તપાસવા માટે થાય છે જ્ knowledgeાનનું સ્તર કે કોઈક પાસે ચોક્કસ વિષય વિશે છે. આને કારણે, તેઓ ભાવિ જાહેરાત પ્રયત્નો, જાગૃતિ અભિયાન અને શૈક્ષણિક યોજનાઓની માહિતી આપવા માટે ખૂબ ઉપયોગી છે. 

કેટલાક પરિચિત ઓર્ડિનલ સ્કેલ ઉદાહરણો: 

• એક કંપની તેના પ્રેક્ષકોની ચકાસણી કરે છે કે તેઓ અમુક ઉત્પાદનો સાથે કેટલા પરિચિત છે. આના પરિણામો જે ડેટાને પરિણામે ઓછી પરિચિતતા મેળવતા ઉત્પાદનો તરફની જાહેરાતના પ્રયત્નો તરફ દોરી શકે છે.
• એક શિક્ષક તેમના વિદ્યાર્થીઓને ચોક્કસ વિષયની પરિચિતતા પર પરીક્ષણ કરે છે. આ શિક્ષકને કલ્પના આપે છે કે તે વિષય વિશે અગાઉના જ્ knowledgeાનના કયા સ્તરને તે શીખવવાનું શરૂ કરતા પહેલા ધારી શકાય છે.

વર્ગખંડ માટે વધુ જીવંત મતદાનની જરૂર છે? અહીં આ 7 તપાસો! 

પ્રકાર # 2 - આવર્તન

[ક્યારેય નહીં - ભાગ્યે જ - ક્યારેક - હંમેશા - હંમેશા]

આવર્તન ઓર્ડિનલ ભીંગડા માપવા માટે વપરાય છે કેટલી પ્રવૃત્તિ કરવામાં આવે છે. તેઓ સક્રિય વર્તણૂકોના નિર્ણય માટે અને તેમને બદલવા માટે ક્યાં ઉપયોગી છે.

કેટલાક ફ્રીક્વન્સી ઓર્ડિનલ સ્કેલના ઉદાહરણો: 

• જાહેર જનતા નિયમોનું પાલન કરે છે તે ડિગ્રી વિશે માહિતી ભેગી કરતું એક સામાન્ય સર્વે. જાહેર માહિતી ઝુંબેશ કેટલું સારું અથવા કેટલું ખરાબ પ્રદર્શન કરી રહ્યું છે તે જાણવા માટે ડેટાનો ઉપયોગ કરી શકાય છે.
• ખરીદનાર તેમની વેબસાઇટ પર કેવી રીતે પ્રભાવિત થાય છે તે વિશેની માહિતી એકત્ર કરતી કંપની. કંપની આ ડેટાનો ઉપયોગ અમુક પ્રકારના વધુ લોકપ્રિય મીડિયા પર ધ્યાન કેન્દ્રિત કરવા માટે કરી શકે છે, જેમ કે વિડિયો અથવા બેનર જાહેરાતો, અન્ય ઓછા જોવાયેલા મીડિયાની વિરુદ્ધ.

પ્રકાર # 3 - તીવ્રતા

[કોઈ તીવ્રતા નહીં - હળવા તીવ્રતા - મધ્યમ તીવ્રતા - મજબૂત તીવ્રતા - ભારે તીવ્રતા]

તીવ્રતા ઓર્ડિનલ ભીંગડા સામાન્ય રીતે પરીક્ષણ કરે છે એક લાગણી અથવા અનુભવ તાકાત. આને માપવા માટે હંમેશાં એક સખત મેટ્રિક હોય છે કારણ કે તે સામાન્ય રીતે ભીંગડાઓમાં માપવામાં આવે છે તેના કરતા વધુ કાલ્પનિક અને વ્યક્તિલક્ષી કંઈક છે.

કેટલાક તીવ્રતા ઓર્ડિનલ સ્કેલ ઉદાહરણો: 

• ચિકિત્સાની સ્થાપના દર્દીઓની સારવાર પહેલાં અને પછી પીડાના તેમના કથિત સ્તરે પરીક્ષણ કરે છે. ડેટાનો ઉપયોગ સેવા અથવા પ્રક્રિયાની અસરકારકતા નક્કી કરવા માટે થઈ શકે છે.
• A ચર્ચ સેવા ઉપદેશની શક્તિ પર ચર્ચગોગર્સનું પરીક્ષણ કરવું. તેઓ તેમના પાદરીને કાackી મૂકવા માટે કે નહીં તે જોવા માટે ડેટાનો ઉપયોગ કરી શકે છે.

પ્રકાર # 4 - મહત્વ

[બિલકુલ અગત્યનું નથી - ભાગ્યે જ મહત્વપૂર્ણ - થોડું મહત્વનું - કંઈક અગત્યનું - એકદમ અગત્યનું - ખૂબ મહત્વનું - આવશ્યક]

મહત્વ ઓર્ડિનલ ભીંગડા દર કેવી રીતે બિન-આવશ્યક અથવા આવશ્યક લોકોને ઉત્પાદન, સેવા, ક્ષેત્ર, પ્રવૃત્તિ અથવા ખૂબ વધારે મળે છે કંઈપણ હોવું. આ ઓર્ડિનલ સ્કેલ પ્રકારનાં પરિણામો ઘણીવાર આશ્ચર્યજનક હોય છે, તેથી વ્યવસાયોએ તેમની ઑફરિંગના દેખીતા મહત્વ વિશે મૂલ્યવાન આંતરદૃષ્ટિ મેળવવા માટે આ પ્રકારના સ્કેલને ધ્યાનમાં લેવું જોઈએ. આ માહિતી તેમને સંસાધનોને પ્રાધાન્ય આપવામાં અને તેમના ગ્રાહકો માટે ખરેખર મહત્વના હોય તેવા ક્ષેત્રો પર ધ્યાન કેન્દ્રિત કરવામાં મદદ કરી શકે છે. 

કેટલાક મહત્વના ઓર્ડિનલ સ્કેલના ઉદાહરણો: 

• એક રેસ્ટોરન્ટ, ગ્રાહકોને તેમના માટે સૌથી મહત્વનું છે તે આગળ મૂકવા કહે છે. અહીંના ડેટાનો ઉપયોગ આકૃતિ માટે કરી શકાય છે કે સેવાના કયા ભાગોને મેનેજમેન્ટ દ્વારા સૌથી વધુ ધ્યાન આપવાની જરૂર છે.
• મંતવ્યો એકત્ર કરવા સર્વેક્ષણ આહાર અને કસરત પ્રત્યેના વલણ પર. લોકો ફિટ રહેવાના અમુક પાસાઓને કેટલું મહત્ત્વ આપે છે તે જાણવા માટે ડેટાનો ઉપયોગ કરી શકાય છે.

પ્રકાર # 5 - કરાર

[ભારપૂર્વક અસંમતિ - અસંમતિ - સંમત નહીં કે અસંમત - સંમત નથી - ભારપૂર્વક સંમત]

એગ્રીમેન્ટ ઓર્ડિનલ સ્કેલ એ નક્કી કરવામાં મદદ કરે છે કે વ્યક્તિ કઈ ડિગ્રી ધરાવે છે વિધાન સાથે અસંમત અથવા સંમત છો. આ કેટલાક મોટા પ્રમાણમાં ઉપયોગમાં લેવાતા ઓર્ડિનલ સ્કેલ ઉદાહરણો છે, કારણ કે તેનો ઉપયોગ કોઈ નિવેદનની સાથે થઈ શકે છે જેનો તમે વિશિષ્ટ જવાબ ઇચ્છો છો.

કેટલાક કરાર ઓર્ડિનલ સ્કેલ ઉદાહરણો: 

• એક કંપની તેમના ગ્રાહકોની તેમની વેબસાઇટની ઉપયોગીતા વિશે સર્વેક્ષણ કરે છે. તેઓ કંપની પોતે શું વિચારે છે તે વિશે તેઓ વિશિષ્ટ નિવેદનો આપી શકે છે અને પછી તેમના વપરાશકર્તાઓ તે નિવેદનોથી સંમત છે કે નહીં તે જોશે. 
• નોકરીદાતા કર્મચારીઓ કાર્યસ્થળના વાતાવરણ વિશે અભિપ્રાય મેળવે છે. તેમના નિવેદનો માટે મતભેદ અને કરારના સ્તરોને આધારે, તેઓ કર્મચારીઓના ફાયદા માટે ફિક્સિંગની શું જરૂર છે તે શોધી શકે છે.

પ્રકાર # 6 - સંતોષ

[Lyંડો અસંતોષ - અસંતોષ - કંઈક અંશે અસંતોષ - તટસ્થ - કંઈક અંશે સંતોષ - સંતોષ - ખૂબ સંતોષ]

ફરીથી, આ એક સામાન્ય ધોરણનો વ્યાપકપણે ઉપયોગમાં લેવાતું ઉદાહરણ છે, કેમ કે 'સંતોષ' એ છે ધંધાનો અંતિમ ધ્યેય. એક સર્વેક્ષણના તમામ ભાગો, એક રીતે અથવા બીજા રીતે, કોઈ સેવા વિશેના સંતોષ વિશેની માહિતી એકત્રિત કરવાનો પ્રયાસ કરે છે, પરંતુ સંતોષના મૂળભૂત ભીંગડા આ સ્પષ્ટ અને સ્પષ્ટપણે કરે છે.

કેટલાક સંતોષ ઓર્ડિનલ સ્કેલ ઉદાહરણો:

• યુનિવર્સિટી તેમની નોંધણી સેવા વિશે સંતોષનું સ્તર ભેગી કરે છે. સંભવિત ભાવિ વિદ્યાર્થીઓ માટે કયા પાસાને સૌથી વધુ સુધારવાની જરૂર છે તે નક્કી કરવામાં ડેટા તેમને મદદ કરી શકે છે.
• રાજકીય પક્ષ તેમના સમર્થકોને પાછલા વર્ષ દરમિયાનના પ્રયત્નો પર મતદાન કરે છે. જો તેમના સમર્થકો કોઈ પણ રીતે પક્ષની પ્રગતિથી અસંતુષ્ટ હોય, તો તેઓ તેમના માટે મતદાન શરૂ કરી શકે છે કે તેઓ શું અલગ રીતે કરવા માગે છે. 

પ્રકાર # 7 - પ્રદર્શન

[ધોરણોની સારી નીચે - અપેક્ષાઓથી નીચે - અપેક્ષા મુજબ - અપેક્ષાઓથી ઉપર - ખરેખર અપેક્ષાઓ વટાવી

પર્ફોર્મન્સ ઓર્ડિનલ સ્કેલ એ સંતોષ ઓર્ડિનલ સ્કેલ્સ જેવા છે, જે સેવાની એકંદર અસરકારકતા અને કાર્યક્ષમતાને માપે છે. જો કે, સૂક્ષ્મ તફાવત એ છે કે આ પ્રકારના ઓર્ડિનલ સ્કેલ અંતિમ પ્રદર્શનને માપવા માટે વલણ ધરાવે છે કોઈની પૂર્વનિર્ધારિત અપેક્ષાઓના સંબંધમાં કે સેવા.

કેટલાક પર્ફોર્મન્સ ઓર્ડિનલ સ્કેલના ઉદાહરણો:

• એક કંપની ગ્રાહકોની તેમની ખરીદી અને ડિલિવરીના દરેક પાસાની સમીક્ષાઓ એકત્રીત કરે છે. ગ્રાહકો expectationsંચી અપેક્ષાઓ ક્યાં મૂકી રહ્યા છે અને કંપની તેમને મળવામાં નિષ્ફળ થઈ રહી છે તે જોવા માટે તેઓ ડેટાનો ઉપયોગ કરી શકે છે.
• એક ફિલ્મ સ્ટુડિયો એ શોધવાનો પ્રયાસ કરી રહ્યો છે કે શું તેમનું નવીનતમ નિર્માણ હાયપ સુધી રહ્યું. જો નહીં, તો તે સંભવ છે કે મૂવી પહેલાથી વધુપડતી હતી અથવા તે પહોંચાડવામાં નિષ્ફળ ગઈ, અથવા બંને.

પ્રકાર # 8 - સંભાવના

[બિલકુલ નહીં - કદાચ નહીં - કદાચ - સંભવતઃ - ચોક્કસપણે

શક્યતા ઓર્ડિનલ સ્કેલ એ આકૃતિ મેળવવાની શ્રેષ્ઠ રીત છે ભવિષ્યમાં કોઈ વ્યક્તિ કેવી રીતે સંભવિત અથવા અસંભવિત છે તે ઉલ્લેખિત પગલાં લેશે. આ ઘણીવાર અમુક શરતો પૂરી થયા પછી થાય છે, જેમ કે વ્યવહાર અથવા તબીબી પ્રક્રિયા પૂર્ણ થાય ત્યારે.

કેટલાક સંભાવના ઓર્ડિનલ સ્કેલના ઉદાહરણો: 

• એક કંપની, સેવાનો ઉપયોગ કર્યા પછી તેમના ગ્રાહકોની કેટલી ટકાવારી બ્રાન્ડની હિમાયતી બનશે તે નક્કી કરવાનો પ્રયાસ કરી રહી છે. આ એવી માહિતીને જાહેર કરશે જે બહુવિધ ચેનલોમાં બ્રાંડ વફાદારી બનાવવામાં મદદ કરી શકે.
• ડોકટરો માટે પ્રથમ વખત ઉપયોગ કર્યા પછી કોઈ ચોક્કસ પ્રકારની દવા લખવાની સંભાવના નક્કી કરતી તબીબી સર્વેક્ષણ. ડેટા ફાર્માસ્યુટિકલ કંપનીઓને તેમની દવા માટે વિશ્વસનીયતા વિકસાવવામાં મદદ કરશે.

પ્રકાર # 9 - સુધારણા

[નાટકીય રૂપે બદલાયેલ - બગડેલા - સમાન રહ્યા - સુધારેલ - નાટકીય રીતે સુધારેલ]

સુધારણા ઓર્ડિનલ સ્કેલ મેટ્રિક ઓન પ્રદાન કરે છે ચોક્કસ સમયગાળા દરમ્યાન પ્રગતિ. તેઓ પરિવર્તન લાગુ થયા પછી રાજ્યની સ્થિતિ કઇ કઇ કથળી છે અથવા સુધરી છે તે અંગેની વ્યક્તિની ધારણાને માપે છે.

કેટલાક સુધારણા સામાન્ય પાયે ઉદાહરણો: 

• પાછલા વર્ષમાં કયા વિભાગો બગડ્યા છે અથવા સુધર્યા છે તે વિશે તેમના કર્મચારીઓના અભિપ્રાયો પૂછતી કંપની. આનાથી તેમને અમુક ક્ષેત્રોમાં પ્રગતિ તરફ વધુ અર્થપૂર્ણ પ્રયાસો કરવામાં મદદ મળશે.
• છેલ્લા 10 વર્ષોમાં હવામાન પરિવર્તનની લોકોની ધારણા અંગે સંશોધન કરી રહેલા એક ક્લાઇમેટોલોજિસ્ટ. પર્યાવરણને બચાવવા તરફના વલણ બદલવા માટે આ પ્રકારના ડેટા એકત્રિત કરવા નિર્ણાયક છે.

પ્રકાર # 10 - આત્મ-ક્ષમતા

[સંપૂર્ણ પ્રારંભિક - પ્રારંભિક - પૂર્વ-મધ્યવર્તી - મધ્યવર્તી - પોસ્ટ-મધ્યવર્તી - અદ્યતન - કુલ નિષ્ણાત]

સ્વ-ક્ષમતા ઓર્ડિનલ સ્કેલ ખૂબ જ રસપ્રદ હોઈ શકે છે. તેઓ કોઈનું માપ લે છે ચોક્કસ કાર્ય પર યોગ્યતાનું સ્તર, જેનો અર્થ છે કે જૂથના જુદા જુદા પ્રતિસાદકારો પાસેના આત્મ-સન્માનના સ્તરને આધારે તેઓ જંગલી રીતે બદલાઈ શકે છે.

કેટલાક સ્વ-ક્ષમતા ઓર્ડિનલ સ્કેલના ઉદાહરણો: 

• એક ભાષા શિક્ષક, તેમના ભાષાની ક્ષમતાના કેટલાક ક્ષેત્રોમાં તેમના વિદ્યાર્થીઓને કેટલો વિશ્વાસ છે તે નિર્ધારિત કરવાનો પ્રયાસ કરી રહ્યું છે. સમય જતાં આત્મ-અનુભૂતિની ક્ષમતામાં સુધારણા માટે શિક્ષક પાઠ અથવા અભ્યાસક્રમ પહેલાં અથવા પછી આ કરી શકે છે.
• ઇન્ટરવ્યુઅર નોકરીના ઇન્ટરવ્યુ દરમિયાન ઉમેદવારોને તેમની પોતાની શક્તિ અને નબળાઇઓ વિશે પૂછે છે. આ કરવાથી નોકરી માટેના યોગ્ય ઉમેદવારને બહાર કા helpવામાં મદદ મળી શકે છે.

ઓર્ડિનલ સ્કેલ અને અન્ય પ્રકારનાં ભીંગડા

હવે જ્યારે આપણે કેટલાક ઓર્ડિનલ સ્કેલ ઉદાહરણો પર સંપૂર્ણ ધ્યાન આપ્યું છે, તો તમે વિચારશો કે ઓર્ડિનલ સ્કેલ ફોર્મેટ અન્ય ભીંગડાથી કેવી રીતે અલગ છે.

સામાન્ય રીતે જ્યારે આપણે ઓર્ડિનલ ભીંગડા વિશે વાત કરીએ છીએ, ત્યારે અમે તેમના વિશે તે જ શ્વાસમાં વાત કરીએ છીએ માપનનાં ચાર ભીંગડા, જે:

• નામના ભીંગડા
• સામાન્ય ભીંગડા
• અંતરાલ ભીંગડા
• ગુણોત્તર ભીંગડા

ચાલો એક નજર કરીએ કે આપણે ફક્ત 3 અન્ય પ્રકારનાં પાયે સાથે સરખામણી કરી છે તે સામાન્ય સ્કેલ ઉદાહરણો…

સામાન્ય સ્કેલ ઉદાહરણ વિ નામના સ્કેલ ઉદાહરણ

સર્વેક્ષણમાં નજીવા સ્કેલ અથવા નજીવા પ્રશ્નો, તેનાં મૂલ્યોની રીતે ઓર્ડિનલ સ્કેલથી અલગ છે. કોઈ ઓર્ડર નથી તેમને.

અહીં એક ઉદાહરણ છે: હું વાળના રંગ પર કેટલાક સરળ સંશોધન ડેટા એકત્રિત કરું છું. જો હું નજીવા ધોરણનો ઉપયોગ કરી રહ્યો છું, તો મૂલ્યો ફક્ત વાળના વિવિધ રંગો (બ્રાઉન, સોનેરી, કાળા, વગેરે) ની નોંધ લેશે કે ત્યાં છે કોઈ ઓર્ડર અહીં; તે ભુરો લીડ જેવું નથી જે સોનેરી તરફ દોરી જાય છે જે કાળા અને આગળ તરફ દોરી જાય છે.

જ્યારે હું સામાન્ય ધોરણનો ઉપયોગ કરી રહ્યો છું, તો હું વાળની ​​હળવાશ અથવા અંધકાર માટે મૂલ્યો ઉમેરી શકું છું, જે ઓર્ડર છે (પ્રકાશ અંધકાર તરફ દોરી જાય છે).
અહીં એક છે વાળના રંગ વિશે નજીવા સ્કેલનું ઉદાહરણ

અને અહીં એક છે વાળના રંગ વિશે સામાન્ય પાયે ઉદાહરણ:

આ રીતે, ઓર્ડિનલ સ્કેલનું ઉદાહરણ આપણને આપી રહ્યું છે વધારાની માહિતી. તે માત્ર એ જ નથી કે અમારી પાસે દરેક વાળના રંગના કેટલા ઉત્તરદાતાઓ છે (તેને કેટલા પ્રતિસાદ મળ્યા તે જોવા માટે તમે કોઈપણ ગોળાકાર બિંદુ પર માઉસ ફેરવી શકો છો), પરંતુ અમે 5- પર તે વાળના રંગોની હળવાશ અથવા અંધકાર પણ જોઈ શકીએ છીએ. 'સુપર લાઇટ' (1) અને 'સુપર ડાર્ક' (5) વચ્ચેના બિંદુ સ્કેલ.

વસ્તુઓના મૂળભૂત સ્કેલની રીત માહિતીના બીજા સ્તરને એકઠા કરવા માટે શ્રેષ્ઠ છે. જો કે, તમે થોડા મુદ્દાઓ પર ભાગ લઈ શકો છો જ્યાં નજીવી અને વ્યવસ્થિત મૂલ્યો છે મેળ ખાતા નથી. ઉદાહરણ તરીકે, કાળા વાળવાળા વ્યક્તિના વાળ 'સુપર લાઈટ' કેવી રીતે હોઈ શકે છે? અને વાળ વગરની વ્યક્તિ શું મૂલ્ય પસંદ કરે છે?

તમે આ મુદ્દાઓને થોડા સરળ ઉકેલો સાથે સંબોધિત કરી શકો છો: એક રસ્તો એ છે કે એ સંદેશ જવાબદારો માટે કે જે મૂલ્યોમાં ગડબડ કરવાની તકને દૂર કરે છે:

• બીજી રીત એ છે કે નીચા મૂલ્ય (1) ને છોડી દો એન / એ (લાગુ નથી). ઉત્તરદાતાઓ કે જેઓ નજીવા સ્કેલ સાથે સંબંધિત હોઈ શકે છે પરંતુ ઑર્ડિનલ સ્કેલ સાથે સંબંધિત નથી તે ખાતરી કરવા માટે N/A પસંદ કરી શકે છે કે કોઈ મૂલ્ય સંઘર્ષ નથી. તેથી 'સુપર લાઇટ' મૂલ્ય (2) થી શરૂ થશે.

ઑર્ડિનલ સ્કેલના ઉદાહરણો વિ. ઇન્ટરવલ સ્કેલના ઉદાહરણો

જેમ સામાન્ય ક્રમિક નજીવા ધોરણ કરતા વધારે ડેટા પ્રગટ કરે છે, તેમ અંતરાલ પાયે તેના કરતા પણ વધુ છતી કરે છે. એક અંતરાલ પાયે સાથે સંબંધિત છે કિંમતો વચ્ચે તફાવત ડિગ્રી. તો, ચાલો કેટલાક ઈન્ટરવલ સ્કેલ ઉદાહરણો અને ઈન્ટરવલ પ્રશ્નના ઉદાહરણો જોઈએ. 

તેથી, ચાલો કહીએ કે હું આ વખતે ઘરે અને રજાના દિવસે લોકોના આદર્શ તાપમાનમાં વધુ સરળ સંશોધન કરી રહ્યો છું. ઑર્ડિનલ સ્કેલ ફોર્મેટમાં, હું મારા મૂલ્યો આના જેવા સેટ કરીશ:

1. ઠંડું
2. શીત
3. ટેમ્પરેટ
4. ગરમ
5. હોટ

આ ઓર્ડિનલ સ્કેલ ઉદાહરણ સાથેની મોટી સમસ્યા તે છે સંપૂર્ણપણે વ્યક્તિલક્ષી. જેને કોઈ માટે 'ઠંડું' માનવામાં આવે છે તે બીજા કોઈને માટે 'સમશીતોષ્ણ' માનવામાં આવે છે.
મૂલ્યોના શબ્દોના આધારે, દરેક કુદરતી રીતે આવશે મધ્યમ તરફ ગુરુત્વાકર્ષણ. આ તે છે જ્યાં શબ્દો પહેલેથી જ આદર્શ તાપમાન સૂચવે છે, અને તે આના જેવો દેખાતા ગ્રાફ તરફ દોરી જાય છે:

તેના બદલે, મારે ઇન્ટરવલ સ્કેલનો ઉપયોગ કરવો જોઈએ, જે નામ આપશે ચોક્કસ ડિગ્રી સેલ્સિયસ અથવા ફેરનહીટમાં જે દરેક મૂલ્યને અનુરૂપ છે, જેમ કે:

1. ઠંડું (0 ° સે - 9 ° સે)
2. શીત (10 ° સે - 19 ° સે)
3. તાપમાન (20 ° સે - 25 ° સે)
4. ગરમ (26 ° સે - 31 ° સે)
5. ગરમ (32 ° સે +)

આ રીતે મૂલ્યો નિર્ધારિત કરવાનો અર્થ એ છે કે મારા ઉત્તરદાતાઓ અસ્તિત્વમાં છે અને જાણીતા પર આધારિત તેમના નિર્ણયો લઈ શકે છે સ્કેલિંગ સિસ્ટમ, જેણે પણ પ્રશ્ન લખ્યો તેના પક્ષપાત ધારણાઓ કરતાં.

તમે શબ્દોથી સંપૂર્ણ છૂટકારો મેળવી શકો છો જેથી ઉત્તરદાતાઓ દ્વારા લાવવામાં આવેલી પૂર્વધારણા કલ્પનાઓથી પ્રભાવિત ન થાય શબ્દો તાકાત.
આ કરવાનું અર્થ એ છે કે પરિણામો બંધાયેલા છે વધુ વૈવિધ્યસભર અને સચોટ, આની જેમ

ઓર્ડિનલ સ્કેલનું ઉદાહરણ વિ. રેશિયો સ્કેલનું ઉદાહરણ

ગુણોત્તર ધોરણ એ અંતરાલ ધોરણ જેટલું જ છે જે તે નંબરો અને તેમની વચ્ચેના તફાવતો પર કેન્દ્રિત કરે છે.

એક મોટો તફાવત, જોકે, 'સાચા શૂન્ય' મૂલ્યના રેશિયો સ્કેલમાં હાજરી છે. આ 'સાચું શૂન્ય' છે માપેલ મૂલ્યની સંપૂર્ણ ગેરહાજરી.

ઉદાહરણ તરીકે, કામના અનુભવ પર આ રેશિયો સ્કેલ પર એક નજર નાખો

તમે જોઈ શકો છો કે આ રેશિયો સ્કેલનું ઉદાહરણ '0 વર્ષ' ના મૂલ્યથી શરૂ થાય છે, જે કોઈપણ કાર્ય અનુભવની સંપૂર્ણ ગેરહાજરી દર્શાવે છે. આનો અર્થ એ છે કે તમારી પાસે એક નક્કર, સ્થાવર પાયો છે જ્યાંથી તમારું વિશ્લેષણ શરૂ કરવું.

યાદ રાખો: બધા શૂન્ય મૂલ્યો 'સાચા શૂન્ય' નથી હોતા. અમારા અંતરાલ સ્કેલમાંથી 0°C મૂલ્ય સાચું શૂન્ય નથી કારણ કે 0°C એ ચોક્કસ તાપમાન છે, તાપમાન ગેરહાજરી નથી.

મતદાન કરવાની અન્ય રીતો

અમને અહીં ખોટું ન સમજો; સામાન્ય ભીંગડા ખરેખર મહાન છે. પરંતુ ના ક્ષેત્રોમાં ખરેખર આકર્ષક સર્વેક્ષણ કરવા માટે શિક્ષણ, કામ, રાજકારણ, મનોવિજ્ઞાન, અથવા બીજું કંઈપણ, તમે ફોર્મેટને અલગ કરવા માંગો છો. 

AhaSlides સાથે, તમારી પાસે ઢગલો છે તમારા પ્રેક્ષકોને મતદાન કરવાની રીતો! 

1. મલ્ટીપલ ચોઇસ પોલ

બહુવિધ પસંદગી મતદાન મતદાન પ્રકારનાં પ્રમાણભૂત છે અને બાર, ડ donનટ અથવા પાઇ ચાર્ટ સ્વરૂપમાં ઉપલબ્ધ છે. ફક્ત પસંદગીઓ લખો અને તમારા પ્રેક્ષકોને પસંદ કરવા દો!

2. છબી ચોઇસ પોલ

છબી પસંદગીના મતદાન બહુવિધ પસંદગીના મતદાનની જેમ જ કાર્ય કરે છે, ફક્ત વધુ દ્રશ્ય!

3. વર્ડ ક્લાઉડ પોલ

શબ્દ વાદળો વિષય પરના ટૂંકા જવાબો છે, સામાન્ય રીતે એક કે બે શબ્દો લાંબા. ઉત્તરદાતાઓમાં સૌથી વધુ લોકપ્રિય જવાબો કેન્દ્રમાં મોટા ટેક્સ્ટમાં દેખાય છે, જ્યારે ઓછા લોકપ્રિય જવાબો સ્લાઇડના કેન્દ્રની બહાર નાના ટેક્સ્ટમાં લખવામાં આવે છે.

4. ઓપન-એન્ડેડ પોલ

ઓપન-એન્ડેડ મતદાન તમને સર્જનાત્મકતા અને સ્વતંત્રતા સાથે જવાબો એકત્ર કરવામાં મદદ કરે છે. ત્યાં કોઈ બહુવિધ-પસંદગી અથવા શબ્દ મર્યાદા નથી; આ પ્રકારના મતદાન લાંબા-સ્વરૂપના જવાબોને પ્રોત્સાહિત કરે છે જે વિગતવાર જાય છે.

પરફેક્ટ ઓનલાઇન પોલિંગ ટૂલ

આ લેખમાં પ્રસ્તુત દરેક વસ્તુ — ઑર્ડિનલ સ્કેલના ઉદાહરણો, નજીવા, અંતરાલ અને ગુણોત્તર સ્કેલના ઉદાહરણો, તેમજ અન્ય પ્રકારના મતદાન, આ બધા AhaSlides પર બનાવવામાં આવ્યા હતા.

એહાસ્લાઇડ્સ એક મફત ડિજિટલ સાધન છે જે સુપર સાહજિક અને લવચીક છે! તે એક ઓનલાઈન સોફ્ટવેર છે જે તમને સમગ્ર વિશ્વમાંથી માહિતી અને અભિપ્રાયો એકત્રિત કરવાની મંજૂરી આપે છે. તમે તમારા સર્વેક્ષણને ખુલ્લું છોડી શકો છો, જેથી તમારા ઉત્તરદાતાઓ તમારા ત્યાં હોવા છતાં પણ તેને લઈ શકે!
'સ્કેલ્સ' સ્લાઇડ દ્વારા, AhaSlides તમને સ્ટેટમેન્ટની શ્રેણીમાં ઓર્ડિનલ સ્કેલ બનાવવા દે છે 3 સરળ પગલાં:

1. તમારો પ્રશ્ન લખો
2. તમારા નિવેદનો આગળ મૂકો
3. મૂલ્યોમાં ઉમેરો

તમારા સહભાગીને જોવા માટે સ્લાઇડની ટોચ પર જોડાવા માટેનો કોડ ટાઇપ કરો. એકવાર તેઓ તેમના ફોન પર કોડ દાખલ કરે તે પછી, તેઓ તમામ નિવેદનોમાં, સ્લાઇડર્સ દ્વારા, તમારા ઓર્ડિનલ સ્કેલ પર પ્રશ્નનો જવાબ આપી શકશે.

તમારા પ્રેક્ષકોનો પ્રતિસાદ ડેટા તમારી પ્રસ્તુતિ પર રહેશે જ્યાં સુધી તમે તેને ભૂંસી નાખવાનું પસંદ ન કરો, જેથી ઓર્ડિનલ લેવલ ડેટા હંમેશા ઉપલબ્ધ હોય છે. પછી તમે તમારી પ્રસ્તુતિ અને તેનો પ્રતિભાવ ડેટા ગમે ત્યાં ઓનલાઈન શેર કરી શકો છો.
જો તમે તમારા પોતાના ઓર્ડિનલ ભીંગડા, તેમજ અન્ય પ્રકારના મતદાનની સંખ્યા બનાવવા માંગો છો, નીચે બટન ક્લિક કરો!

વારંવાર પૂછાતા પ્રશ્નો