तुम्ही क्रमिक स्केल प्रश्न उदाहरणे शोधत आहात? या व्यवसाय-केंद्रित जगात, कंपन्या सतत स्पर्धात्मक धार मिळविण्याचे मार्ग शोधत असतात यात आश्चर्य नाही. नाविन्यपूर्ण विपणन धोरणांपासून ते अत्याधुनिक तंत्रज्ञानापर्यंत, व्यवसाय नेहमीच पुढील मोठ्या गोष्टीच्या शोधात असतात जे त्यांना त्यांच्या प्रतिस्पर्ध्यांपासून वेगळे करेल. त्याद्वारे, त्यांना ग्राहकांच्या सतत बदलणाऱ्या मागण्या आणि अपेक्षा पूर्ण कराव्या लागतात.
ग्राहकांच्या अभिप्रायाद्वारे काय सुधारणे आणि संबोधित करणे आवश्यक आहे हे सहजपणे ओळखण्याचा एक मार्ग आहे. ऑर्डिनल स्केल ही एक पद्धत आहे जी ग्राहकांचे समाधान मोजण्यासाठी वापरली जाऊ शकते.
ऑर्डिनल स्केलबद्दल तुम्ही पहिल्यांदाच ऐकत असल्यास, आम्ही तुम्हाला कव्हर केले आहे!
खाली 10 आकर्षक आणि आकर्षक आहेत ऑर्डिनल स्केलची उदाहरणे, सर्व AhaSlides वर बनवलेले मोफत मतदान सॉफ्टवेअर!
आढावा
| ऑर्डिनल स्केल कधी सापडला? | 1946 |
| ऑर्डिनल स्केलचा शोध कोणी लावला? | एसएस स्टीव्हन्स |
| ऑर्डिनल स्केलचा उद्देश? | ऑर्डर केलेल्या प्रतिसादांचा वापर करून सहभागींचे मूल्यांकन करा |
| ऑर्डिनल स्केल उदाहरणांचे दुसरे नाव काय आहे? | गुणात्मक डेटा किंवा स्पष्ट डेटा |
| टक्केवारी नाममात्र आहे की ऑर्डिनल? | नाममात्र |
AhaSlides सह उत्तम प्रतिबद्धता
मेळाव्या दरम्यान अधिक मजा शोधत आहात?
AhaSlides वर मजेदार क्विझद्वारे तुमच्या टीम सदस्यांना एकत्र करा. AhaSlides च्या टेम्पलेट लायब्ररीमधून विनामूल्य क्विझ घेण्यासाठी साइन अप करा!
🚀 मोफत क्विझ मिळवा☁️
अनुक्रमणिका
सामान्य स्केल म्हणजे काय?
An ऑर्डिनल स्केल, तसेच म्हणून संदर्भित सामान्य डेटा, मापन स्केलचा एक प्रकार आहे जो व्यक्तींना त्यांच्या संबंधित स्थान किंवा प्राधान्याच्या आधारावर आयटम रँक किंवा रेट करण्यास अनुमती देतो. हे फीडबॅक गोळा करण्यासाठी आणि उत्पादन किंवा सेवेबद्दल ग्राहकांच्या समाधानाची पातळी समजून घेण्यासाठी एक संरचित मार्ग प्रदान करते
सोप्या भाषेत सांगायचे तर, ही एक सांख्यिकीय स्केलिंग प्रणाली आहे जी चालते ऑर्डर. सहसा, ऑर्डिनल स्केल एक वर कार्य करतात 1 करण्यासाठी 5 किंवा 1 करण्यासाठी 10 रेटिंग सिस्टम, ज्यामध्ये 1 सर्वात कमी मूल्याच्या प्रतिसादाचे प्रतिनिधित्व करते आणि 10 सर्वाधिक मूल्य प्रतिसाद दर्शविते.
अधिक स्पष्ट चित्र मिळविण्यासाठी आपण एक सरळ सरळ आणि सामान्य उदाहरण पाहू या: आपण आमच्या सेवांबद्दल किती समाधानी आहात?
शक्यता आहे की, तुम्ही या प्रकारचे ऑर्डिनल स्केलचे उदाहरण आधी पाहिले असेल. हे मोजण्यासाठी वापरले जाते 5-पॉईंट स्केलवर ग्राहकांचे समाधान:
- खूप असमाधानी
- असमाधानी
- तटस्थ
- समाधानी
- अत्यंत समाधानी
स्वाभाविकच, कंपन्यांनी त्यांची सेवा सुधारण्याची आवश्यकता आहे की नाही हे ठरवण्यासाठी समाधानाचा सामान्य प्रमाणात वापर करू शकतात. जर ते सातत्याने कमी संख्या (1s आणि 2s) स्कोअर करत असतील तर याचा अर्थ असा आहे की ते जास्त संख्या (4s आणि 5s) काढत होते त्यापेक्षा कृती करणे खूपच त्वरित आहे.
त्यामध्ये सामान्य तराजूचे सौंदर्य आहे: ते खूप सोपे आणि स्पष्ट आहेत. यासह, हे करणे सोपे आहे गोळा करणे आणि डेटाचे विश्लेषण करा पूर्णपणे कोणत्याही क्षेत्रात. ते वापरतात गुणात्मक आणि गुणात्मक दोन्ही डेटा हे करण्यासाठी:
- गुणात्मक - सामान्य मापे गुणात्मक असतात कारण ते विशिष्ट मूल्य परिभाषित करणा words्या शब्दांवर लक्ष केंद्रित करतात. उदाहरणार्थ, समाधानकारक अनुभव कसा असतो हे लोकांना माहित आहे, तर त्यांना '7 पैकी 10' अनुभव परिभाषित करणे कठीण आहे.
- परिमाणात्मक - ते परिमाणात्मक आहेत कारण प्रत्येक शब्द संख्या मूल्याशी संबंधित आहे. जर संशोधनातील क्रमाने समाधानकारक अनुभवाची व्याख्या 7 पैकी 8 किंवा 10 अनुभव म्हणून केली, तर ते संकलित केलेल्या सर्व डेटाची संख्यांद्वारे सहज तुलना आणि चार्ट तयार करू शकतात.
अर्थात, समाधानी/असंतुष्ट प्रतिसाद सेटच्या बाहेर क्रमिक प्रमाणातील बरीच उदाहरणे आहेत (यासह प्रश्नमंजुषा प्रकार). त्यापैकी काहींवर एक नजर टाकूया….
10 सामान्य स्केल उदाहरणे
अहास्लाइड्ससह खाली कोणतेही ऑर्डिनल स्केल विनामूल्य तयार करा. अहास्लाइड्स आपल्याला प्रश्न, स्टेटमेन्ट्स आणि व्हॅल्यूजसह एक सामान्य प्रमाणात तयार करु देते, त्यानंतर आपल्या प्रेक्षकांना त्यांचे मोबाइल फोन वापरुन त्यांची मते लाइव्ह करू देते.
प्रकार # 1 - ओळखी
[अजिबात परिचित नाही - काहीसे परिचित - माफक प्रमाणात परिचित - अगदी परिचित - खूप परिचित]
ओळखीचे ऑर्डिनल स्केल तपासण्यासाठी वापरले जातात ज्ञानाची पातळी एखाद्याकडे एखाद्या विशिष्ट विषयाबद्दल यामुळे, भविष्यातील जाहिरात प्रयत्नांची माहिती, जागरूकता मोहिम आणि शैक्षणिक योजनांची माहिती देण्यासाठी ते अत्यधिक उपयुक्त आहेत.
काही परिचित क्रमिक स्केल उदाहरणे:
- एक कंपनी आपल्या प्रेक्षकांची काही विशिष्ट उत्पादनांशी किती परिचित आहे हे पाहण्यासाठी त्यांची चाचणी घेते. याचा परिणाम असा होतो की ज्यामुळे कमी परिचित असलेल्या उत्पादनांसाठी जाहिरातींचे प्रयत्न होऊ शकतात.
- एक शिक्षक त्यांच्या विद्यार्थ्यांना एका विशिष्ट विषयाच्या परिचयाची तपासणी करीत आहे. हे कोठे शिकवायचे हे ठरविण्यापूर्वी त्या विषयाबद्दल पूर्वीच्या ज्ञानाचे कोणते स्तर गृहित धरले जाऊ शकते याची कल्पना या शिक्षकास देते.
वर्गासाठी अधिक लाइव्ह पोलची आवश्यकता आहे? हे 7 येथे पहा!
प्रकार # 2 - वारंवारता
[कधीच नाही - क्वचित - कधी - वारंवार - नेहमी]
फ्रिक्वेंसी ऑर्डिनल स्केल मोजण्यासाठी वापरले जातात क्रियाकलाप किती वेळा केला जातो. ते सक्रिय वर्तणुकीचा न्यायनिवाडा करण्यासाठी आणि ते बदलणे कोठे सुरू करावे यासाठी उपयुक्त आहेत.
काही फ्रिक्वेंसी ऑर्डिनल स्केल उदाहरणे:
- एक सामान्य सर्वेक्षण जे लोक नियमांचे पालन करत आहेत त्याबद्दल माहिती गोळा करते. सार्वजनिक माहिती मोहीम किती चांगली किंवा किती खराब कामगिरी करत आहे हे तपासण्यासाठी डेटाचा वापर केला जाऊ शकतो.
- खरेदीदार त्यांच्या वेबसाइटवर कसा प्रभावित होतो याबद्दल माहिती गोळा करणारी कंपनी. कंपनी हा डेटा वापरून काही लोकप्रिय माध्यमांवर लक्ष केंद्रित करू शकते, जसे की व्हिडिओ किंवा बॅनर जाहिराती, इतर कमी पाहिलेल्या माध्यमांच्या विरूद्ध.
प्रकार # 3 - तीव्रता
[तीव्रता नाही - सौम्य तीव्रता - मध्यम तीव्रता - मजबूत तीव्रता - अत्यंत तीव्रता]
तीव्रता ऑर्डिनल स्केल सहसा चाचणी करतात भावना किंवा अनुभवाचे सामर्थ्य. हे सहसा ऑर्डिनल स्केलमध्ये मोजल्या जाणार्‍या गोष्टींपेक्षा काही अधिक वैचारिक आणि व्यक्तिनिष्ठतेशी संबंधित असते म्हणून हे मोजण्याचे हार्ड मेट्रिक असते.
काही तीव्रता ऑर्डिनल स्केल उदाहरणे:
- एक वैद्यकीय स्थापना रुग्णांना उपचारापूर्वी आणि नंतर वेदनांच्या जाणवलेल्या पातळीवर तपासणी करते. सेवेची किंवा प्रक्रियेची कार्यक्षमता निश्चित करण्यासाठी डेटाचा वापर केला जाऊ शकतो.
- A चर्च सेवा प्रवचनाच्या सामर्थ्यावर चर्चगॉर्सेसची चाचणी करणे. त्यांच्या चर्चचा मुख्य धर्मोपदेशक यांना काढून टाकणे की नाही हे पाहण्यासाठी ते डेटा वापरू शकतात.
प्रकार # 4 - महत्त्व
[अजिबातच महत्त्वाचे नाही - क्वचितच महत्वाचे - थोडे महत्वाचे - काहीसे महत्वाचे - बर्‍यापैकी महत्वाचे - खूप महत्वाचे - अत्यावश्यक]
महत्त्व ऑर्डिनल स्केल दर किती अनावश्यक किंवा आवश्यक नाही लोक उत्पादन, सेवा, क्षेत्र, क्रियाकलाप किंवा बरेच काही शोधतात काहीही असल्याचे. या ऑर्डिनल स्केल प्रकाराचे परिणाम अनेकदा आश्चर्यकारक असतात, म्हणून व्यवसायांनी त्यांच्या ऑफरिंगच्या समजलेल्या महत्त्वाबद्दल मौल्यवान अंतर्दृष्टी मिळविण्यासाठी या प्रकारच्या स्केलचा विचार केला पाहिजे. ही माहिती त्यांना संसाधनांना प्राधान्य देण्यास आणि त्यांच्या ग्राहकांसाठी खरोखर महत्त्वाच्या असलेल्या क्षेत्रांवर लक्ष केंद्रित करण्यात मदत करू शकते.
काही महत्त्वाची क्रमिक स्केल उदाहरणे:
- एक रेस्टॉरंट जे ग्राहकांना त्यांच्यासाठी सर्वात महत्वाचे आहे ते पुढे करण्यास सांगते. सेवेच्या कोणत्या भागांना व्यवस्थापनाकडून सर्वात जास्त लक्ष देणे आवश्यक आहे हे ठरविण्यासाठी येथून डेटा वापरला जाऊ शकतो.
- मते गोळा करणारे सर्वेक्षण आहार आणि व्यायामाच्या दृष्टिकोनावर. तंदुरुस्त राहण्याच्या काही पैलूंना जनता किती महत्त्वाची वाटते हे शोधण्यासाठी डेटाचा वापर केला जाऊ शकतो.
प्रकार # 5 - करार
[जोरदारपणे असहमत - असहमत - सहमत नाही किंवा असहमत नाही - सहमत नाही - जोरदार सहमत आहे]
एग्रीमेंट ऑर्डिनल स्केल एखाद्या व्यक्तीला कोणत्या पदवीपर्यंत पोहोचते हे निर्धारित करण्यात मदत करतात एखाद्या विधानाशी सहमत नाही किंवा सहमत आहे. ही काही सर्वत्र वापरली जाणारी सामान्य प्रमाणात मोजली जाणारी उदाहरणे आहेत कारण ती आपल्याला विशिष्ट उत्तर हव्या असलेल्या कोणत्याही विधानासह वापरल्या जाऊ शकतात.
काही करार ऑर्डिनल स्केल उदाहरणे:
- एक कंपनी त्यांच्या ग्राहकांच्या वेबसाइटच्या उपयोगिताबद्दल सर्वेक्षण करते. ते कंपनी स्वतः काय विचार करते याविषयी ते विशिष्ट विधाने करू शकतात आणि नंतर त्यांचे वापरकर्ते या विधानाशी सहमत आहेत की नाही हे पाहू शकतात.
- एखादा मालक कामाच्या ठिकाणी असलेल्या वातावरणाबद्दल कर्मचार्यांची मते गोळा करतो. मतभेदांच्या पातळीवर आणि त्यांच्या वक्तव्यांशी सहमत असलेल्या कर्मचार्यांच्या फायद्यासाठी काय निश्चित करावे लागेल हे ते ठरवू शकतात.
प्रकार # 6 - समाधान
[गंभीरपणे असमाधानी - असमाधानी - काही प्रमाणात असमाधानी - तटस्थ - काही प्रमाणात समाधानी - समाधानी - खूप समाधानी]
पुन्हा, हे ऑर्डिनल स्केलचे व्यापकपणे वापरले जाणारे उदाहरण आहे कारण 'समाधान' आहे व्यवसायांचे अंतिम लक्ष्य. सर्व्हेचे सर्व भाग, एक मार्ग किंवा दुसर्‍या मार्गाने सेवेबद्दल समाधानाची माहिती गोळा करण्याचा प्रयत्न करतात, परंतु समाधान सामान्य तराजू हे स्पष्टपणे आणि स्पष्टपणे करतात.
काही समाधान ऑर्डरल स्केल उदाहरणे:
- त्यांच्या नावनोंदणी सेवेबद्दल समाधानाची पातळी गोळा करणारे विद्यापीठ. संभाव्य भविष्यातील विद्यार्थ्यांसाठी कोणत्या पैलूमध्ये सर्वात जास्त सुधारणा करणे आवश्यक आहे हे निर्धारित करण्यात डेटा त्यांना मदत करू शकतो.
- एक राजकीय पक्ष गेल्या वर्षभरात त्यांच्या समर्थकांना त्यांच्या प्रयत्नांवर मतदान करत आहे. जर त्यांचे समर्थक कोणत्याही प्रकारे पक्षाच्या प्रगतीवर असमाधानी असतील तर त्यांना वेगळ्या पद्धतीने काय करावेसे वाटते यावर मतदान करण्यास ते प्रारंभ करू शकतात.
प्रकार # 7 - कामगिरी
[मानकांच्या खाली - अपेक्षांच्या खाली - अपेक्षेप्रमाणे - अपेक्षेपेक्षा जास्त - खरोखरच अपेक्षा ओलांडल्या
परफॉर्मन्स ऑर्डिनल स्केल हे बरेच काही सॅटिस्फॅक्शन ऑर्डिनल स्केलसारखे असतात, जे सेवेची एकूण परिणामकारकता आणि कार्यक्षमता मोजतात. तथापि, सूक्ष्म फरक असा आहे की या प्रकारचा क्रमिक स्केल अंतिम कामगिरी मोजतो एखाद्याच्या पूर्वनिर्धारित अपेक्षांच्या संबंधात त्या सेवेचे.
काही परफॉर्मन्स ऑर्डिनल स्केल उदाहरणे:
- एक कंपनी ग्राहक त्यांच्या खरेदी आणि वितरणाच्या प्रत्येक पैलूचे पुनरावलोकन घेते. ते कोठे ग्राहक जास्त अपेक्षा ठेवतात आणि कोठे कंपनी त्यांना पूर्ण करण्यात अपयशी ठरत आहे हे पाहण्यासाठी ते डेटाचा वापर करू शकतात.
- एखादा फिल्म स्टुडियो त्यांचे नवीनतम उत्पादन हायपेपर्यंत टिकून आहे काय हे शोधण्याचा प्रयत्न करीत आहे. नसल्यास, मूव्ही आधीपासूनच अति-हायपेड होता किंवा तो वितरित करण्यात अयशस्वी ठरला किंवा दोघांनाही शक्य आहे.
प्रकार # 8 - शक्यता
[अजिबात नाही - कदाचित नाही - कदाचित - शक्यतो - नक्कीच
शक्यता ऑर्डिनल स्केल हे शोधण्याचा उत्तम मार्ग आहे भविष्यात एखादी व्यक्ती किती संभाव्य किंवा संभाव्य गोष्ट नमूद केलेली कारवाई करणार आहे. काही वेळा विशिष्ट अटी पूर्ण केल्यावर असे होते जसे की व्यवहार किंवा वैद्यकीय प्रक्रिया पूर्ण झाल्यावर.
काही संभाव्य ऑर्डिनल स्केल उदाहरणे:
- एक कंपनी सेवा वापरल्यानंतर त्यांच्या ग्राहकांपैकी किती टक्के ब्रँडचा वकिल असेल हे ठरविण्याचा प्रयत्न करीत आहे. हे अशी माहिती उघड करेल जी एकाधिक चॅनेलवर ब्रँड निष्ठा वाढविण्यात मदत करू शकेल.
- डॉक्टरांसाठी प्रथमच विशिष्ट प्रकारचे औषध लिहून देण्याची शक्यता निश्चित करण्यासाठी वैद्यकीय सर्वेक्षण. डेटा औषध कंपन्यांना त्यांच्या औषधाची विश्वासार्हता वाढविण्यात मदत करेल.
प्रकार # 9 - सुधारणा
[नाटकीयदृष्ट्या खराब - खराब - समान राहिले - सुधारित - नाटकीयरित्या सुधारित]
सुधारणा क्रमिक स्केल एक मेट्रिक प्रदान करतात विशिष्ट कालावधीत प्रगती. ते बदल अंमलात आल्यानंतर कोणत्या परिस्थितीची स्थिती खराब झाली आहे किंवा सुधारली आहे याविषयी ते एखाद्याच्या समजुतीचे मूल्यांकन करतात.
काही सुधारणा सामान्य प्रमाणात उदाहरणे:
- मागील वर्षात कोणते विभाग खराब झाले किंवा सुधारले याबद्दल त्यांच्या कर्मचार्यांची मते विचारणारी कंपनी. हे त्यांना काही क्षेत्रांमध्ये प्रगतीसाठी अधिक अर्थपूर्ण प्रयत्न करण्यास मदत करेल.
- गेल्या 10 वर्षात हवामान बदलाच्या जनतेच्या समजुतीवर संशोधन करणारे हवामानशास्त्रज्ञ. पर्यावरणाचे रक्षण करण्याच्या दृष्टीकोनात बदल करण्यासाठी या प्रकारचा डेटा गोळा करणे महत्त्वपूर्ण आहे.
प्रकार # 10 - स्वत: ची क्षमता
[पूर्ण नवशिक्या - नवशिक्या - प्री-इंटरमीडिएट - इंटरमीडिएट - पोस्ट-इंटरमीडिएट - प्रगत - एकूण तज्ञ]
स्वयं-क्षमता ऑर्डिनल स्केल खूप मनोरंजक असू शकतात. ते कोणाचे तरी मोजमाप करतात एका विशिष्ट कार्यावर कर्तृत्वाची पातळी समजली जाते, ज्याचा अर्थ असा आहे की ते गटामधील भिन्न प्रतिसादकर्त्यांमधील स्वाभिमानाच्या पातळीवर अवलंबून मोठ्या प्रमाणात बदलू शकतात.
काही स्वयं-क्षमता ऑर्डिनल स्केल उदाहरणे:
- एक भाषा शिक्षक त्यांच्या भाषेच्या क्षमतेच्या विशिष्ट क्षेत्रात किती आत्मविश्वास आहेत हे ठरवण्याचा प्रयत्न करीत आहेत. कालांतराने स्वत: ची समजून घेण्याची क्षमता सुधारण्यासाठी शिक्षक धड्याच्या आधी किंवा नंतर एकतर हे करू शकतो.
- नोकरी मुलाखतीच्या दरम्यान उमेदवारांना त्यांची स्वतःची शक्ती आणि कमकुवत्यांबद्दल विचारणारे एक मुलाखत घेणारे. असे केल्याने नोकरीसाठी योग्य उमेदवार बाहेर पडण्यास मदत होईल.
ऑर्डिनल स्केल आणि इतर प्रकारांच्या प्रमाणात
आता आमच्याकडे काही ऑर्डिनल स्केलची उदाहरणे बारकाईने पाहिली आहेत, तर तुम्हाला आश्चर्य वाटेल की ऑर्डिनल स्केल फॉरमॅट इतर स्केलपेक्षा वेगळा कसा आहे.
सामान्यत: जेव्हा आम्ही ऑर्डिनल स्केल बद्दल बोलत असतो तेव्हा आपण त्यांच्याबद्दल त्याच श्वासामध्ये बोलतो मोजमापांची चार स्केल, जे आहेतः
- नाममात्र स्केल
- ऑर्डिनल स्केल
- मध्यांतर स्केल
- प्रमाण प्रमाण
आपण नुकतीच पाहिली गेलेली ऑर्डिनल स्केल उदाहरणे इतर 3 प्रकारच्या स्केलच्या तुलनेत कशी पाहिली आहेत ते पाहूया ...
सामान्य प्रमाण उदाहरण वि नॉमिनल स्केल उदाहरण
सर्वेक्षणातील नाममात्र स्केल किंवा नाममात्र प्रश्न, त्याची मूल्ये क्रमानुसार भिन्न असतात. नाही ऑर्डर आहे त्यांच्या साठी.
याचे एक उदाहरणः मी केसांच्या रंगावरील काही साधा संशोधन डेटा गोळा करीत आहे. मी नाममात्र प्रमाणात वापरत असल्यास, मूल्ये वेगवेगळ्या केसांचे रंग (तपकिरी, सोनेरी, काळा इत्यादी) असतील. लक्षात ठेवा कोणतीही मागणी नाही येथे; हे तपकिरी रंगासारखे सोनेरीसारखे नाही जे काळे आणि पलीकडे जाते.
जरी मी एक सामान्य प्रमाणात वापरत असल्यास, मी केसांची हलकीता किंवा अंधार यासाठी मूल्ये जोडू शकतो, जे एक ऑर्डर आहे (प्रकाश अंधकारमय ठरतो).
येथे एक आहे केसांच्या रंगाबद्दल नाममात्र प्रमाणात
आणि येथे एक आहे केसांच्या रंगाविषयी सामान्य प्रमाण:
अशा प्रकारे, ऑर्डिनल स्केल उदाहरण आपल्याला देत आहे अधिक माहिती. आमच्याकडे प्रत्येक केसांच्या रंगाचे किती प्रतिसादकर्ते आहेत हे केवळ तेच प्रकट करत नाही (त्याला किती प्रतिसाद मिळाले हे पाहण्यासाठी तुम्ही कोणत्याही वर्तुळाकार बिंदूवर माउस फिरवू शकता), परंतु आम्ही 5- वर त्या केसांच्या रंगांचा हलकापणा किंवा गडदपणा देखील पाहू शकतो. 'सुपर लाईट' (1) आणि 'सुपर डार्क' (5) मधील पॉइंट स्केल.
माहितीचा दुसरा स्तर एकत्रित करण्यासाठी ऑर्डिनल स्केल मार्ग गोष्टी करणे चांगले आहे. तथापि, आपण काही प्रकरणांमध्ये नाममात्र आणि सामान्य मूल्ये बनवू शकता जुळत नाही. उदाहरणार्थ, काळा केस असलेल्या व्यक्तीचे केस 'सुपर लाइट' कसे असू शकतात? आणि केस नसलेली एखादी व्यक्ती कोणती मूल्य निवडते?
तुम्ही या समस्यांचे निराकरण काही सोप्या उपायांसह करू शकता: एक मार्ग म्हणजे सोडणे संदेश मूल्ये घोटाळा करण्याची संधी दूर करणार्‍या प्रतिसादकर्त्यांसाठी:
- दुसरा मार्ग म्हणजे सर्वात कमी मूल्य (1) सोडणे एन / ए (लागू नाही). जे प्रतिसादकर्ते नाममात्र स्केलशी संबंधित असू शकतात परंतु ऑर्डिनल स्केलशी नाही ते कोणतेही मूल्य विवाद नसल्याची खात्री करण्यासाठी N/A निवडू शकतात. त्यामुळे 'सुपर लाइट' मूल्य (2) रोजी सुरू होईल.
ऑर्डिनल स्केल उदाहरणे वि. इंटरव्हल स्केल उदाहरणे
ज्याप्रमाणे ऑर्डिनल स्केल नाममात्र स्केलपेक्षा अधिक डेटा प्रकट करते, त्याचप्रमाणे इंटरव्हल स्केल त्याहूनही अधिक प्रकट करते. एक मध्यांतर स्केल संबंधित आहे मूल्ये दरम्यान फरक पदवी. तर, काही इंटरव्हल स्केल उदाहरणे आणि इंटरव्हल प्रश्न उदाहरणे पाहू.
तर, समजा मी अधिक सोप्या संशोधन करत आहे, यावेळी लोकांच्या घरातील आणि सुट्टीच्या दिवशीच्या आदर्श तापमानावर. ऑर्डिनल स्केल फॉरमॅटमध्ये, मी माझी मूल्ये याप्रमाणे सेट करेन:
- अतिशीत
- थंड
- मंद
- उबदार
- हॉट
या ऑर्डिनल स्केल उदाहरणासह मोठी समस्या ही आहे पूर्णपणे व्यक्तिनिष्ठ. एखाद्यासाठी 'अतिशीत' मानले जाणारे कोणासाठी तरी समशीतोष्ण मानले जाऊ शकते.
मूल्यांच्या शब्दांमुळे प्रत्येकजण नैसर्गिकरित्या येईल मध्यभागी दिशेने गुरुत्वाकर्षण. येथेच शब्द आधीपासूनच आदर्श तापमान सूचित करतात आणि ते यासारखे दिसणारे आलेख बनवतात:
त्याऐवजी, मी एक मध्यांतर स्केल वापरावे, ज्याला नाव मिळेल अचूक अंश सेल्सिअस किंवा फॅरेनहाइट मध्ये हे प्रत्येक मूल्याशी संबंधित आहे, जसे की:
- अतिशीत (0 ° से - 9 ° से)
- थंड (10 ° से - 19 ° से)
- तापमान (20 डिग्री सेल्सियस - 25 डिग्री सेल्सियस)
- उबदार (26 ° से - 31 डिग्री सेल्सियस)
- गरम (32 डिग्री सेल्सियस +)
या प्रकारे मूल्ये ठरविणे म्हणजे माझे उत्तर विद्यमान आणि सुप्रसिद्ध यावर आधारित त्यांचे निर्णय घेऊ शकतात स्केलिंग सिस्टम, प्रश्न लिहिणार्‍याच्या पक्षपाती धारणांपेक्षा.
आपण या शब्दांपासून पूर्णपणे मुक्त होऊ शकता जेणेकरून उत्तरदात्यांनी पूर्वीच्या कल्पनांनी प्रभावित होऊ शकत नाही शब्दांची शक्ती.
असे केल्याने याचा अर्थ असा होतो की परिणाम असणे आवश्यक आहे अधिक वैविध्यपूर्ण आणि अचूकयाप्रमाणे
ऑर्डिनल स्केल उदाहरण वि. गुणोत्तर स्केल उदाहरण
गुणोत्तर प्रमाण मध्यांतर आणि मासिकांमधील भिन्नतेवर लक्ष केंद्रित करण्याच्या पद्धती प्रमाणेच आहे.
त्यातील एक मोठा फरक म्हणजे 'ट्रू शून्य' मूल्याच्या रेशो स्केलमध्ये उपस्थिती. ही खरी शून्य आहे मोजल्या जाणा of्या मूल्याची पूर्ण अनुपस्थिती.
उदाहरणार्थ, कामाच्या अनुभवावर या गुणोत्तर स्केलवर एक नजर टाका
तुम्ही पाहू शकता की हे गुणोत्तर स्केल उदाहरण '0 वर्षे' च्या मूल्याने सुरू होते, जे कोणत्याही कामाच्या अनुभवाची पूर्ण अनुपस्थिती दर्शवते. याचा अर्थ असा की तुमच्याकडे एक भक्कम, अचल पाया आहे जिथून तुमचे विश्लेषण सुरू करायचे आहे.
लक्षात ठेवा: सर्व शून्य मूल्ये 'सत्य शून्य' नसतात. आमच्या इंटरव्हल स्केलमधील 0°C हे खरे शून्य नाही कारण 0°C हे विशिष्ट तापमान आहे, तापमान नसतानाही नाही.
मतदान करण्याचे इतर मार्ग
येथे आम्हाला चुकीचे समजू नका; ऑर्डिनल स्केल खरोखर छान आहेत. पण च्या क्षेत्रात खरोखर आकर्षक सर्वेक्षण करण्यासाठी शिक्षण, काम, राजकारण, मानसशास्त्र, किंवा इतर काहीही, तुम्हाला फॉरमॅटची शाखा बनवायची आहे.
AhaSlides सह, तुमच्याकडे बरेच ढीग आहेत आपल्या प्रेक्षकांना मतदान करण्याचे मार्ग!
1. एकाधिक चॉईस पोल
एकाधिक निवड पोल हे प्रमाणित प्रकारचे मतदान आहे आणि ते बार, डोनट किंवा पाई चार्ट स्वरूपात उपलब्ध आहेत. फक्त निवडी लिहा आणि आपल्या प्रेक्षकांना निवडू द्या!
🎉 अधिक जाणून घ्या: यादृच्छिक संघ जनरेटर | 2024 यादृच्छिक गट निर्माता प्रकट
2. प्रतिमा निवड मतदान
प्रतिमा पसंतीची पोल एकाधिक पसंती पोल प्रमाणेच कार्य करते, फक्त अधिक दृश्यमान!
3. वर्ड क्लाउड पोल
शब्द मेघ मतदान एखाद्या विषयावरील लहान प्रतिसाद असतात, सहसा एक किंवा दोन शब्द लांब असतात. उत्तरदात्यांमध्ये सर्वाधिक लोकप्रिय उत्तरे मध्यभागी मोठ्या मजकुरात दिसतात, तर कमी लोकप्रिय उत्तरे स्लाइडच्या मध्यभागी लहान मजकुरात लिहिली जातात.
Open. ओपन-एन्ड पोल
ओपन-एन्ड मतदान तुम्हाला सर्जनशीलता आणि स्वातंत्र्यासह उत्तरे गोळा करण्यात मदत करते. कोणतीही बहु-निवड किंवा शब्द मर्यादा नाही; या प्रकारचे मतदान तपशीलवार जाणाऱ्या लांबलचक उत्तरांना प्रोत्साहन देतात.
परफेक्ट ऑनलाईन पोलिंग टूल
या लेखात सादर केलेली प्रत्येक गोष्ट — क्रमिक स्केल उदाहरणे, नाममात्र, मध्यांतर आणि गुणोत्तर स्केल उदाहरणे, तसेच इतर प्रकारचे मतदान, हे सर्व AhaSlides वर केले गेले होते.
एहास्लाइड्स हे एक विनामूल्य डिजिटल साधन आहे जे अत्यंत अंतर्ज्ञानी आणि लवचिक आहे! हे एक ऑनलाइन सॉफ्टवेअर आहे जे तुम्हाला जगभरातून माहिती आणि मते गोळा करण्यास अनुमती देते. तुम्ही तुमचे सर्वेक्षण उघडे ठेवू शकता, जेणेकरून तुमचे प्रतिसादकर्ते तुम्ही तेथे नसतानाही ते घेऊ शकतील!
'स्केल्स' स्लाइडद्वारे, AhaSlides तुम्हाला विधानांच्या श्रेणीमध्ये क्रमिक स्केल तयार करू देते 3 सोप्या चरण:
- आपला प्रश्न लिहा
- आपले निवेदन पुढे ठेवा
- मूल्ये जोडा
तुमचा सहभागी पाहण्यासाठी स्लाइडच्या शीर्षस्थानी जॉइन कोड टाइप करा. एकदा त्यांनी त्यांच्या फोनवर कोड एंटर केल्यावर, ते सर्व विधानांमध्ये, स्लाइडरद्वारे, तुमच्या क्रमिक स्केलवर प्रश्नाचे उत्तर देण्यास सक्षम असतील.
आपल्या प्रेक्षकांचा प्रतिसाद डेटा आपल्या सादरीकरणावर राहील जोपर्यंत तुम्ही ते मिटवणे निवडत नाही, तोपर्यंत क्रमिक पातळीचा डेटा नेहमी उपलब्ध असतो. त्यानंतर तुम्ही तुमचे सादरीकरण आणि त्याचा प्रतिसाद डेटा कुठेही ऑनलाइन शेअर करू शकता.
आपण आपले स्वत: चे ऑर्डिनल स्केल तसेच इतर प्रकारच्या पोलची संख्या तयार करू इच्छित असल्यास, खालील बटणावर क्लिक करा!
सतत विचारले जाणारे प्रश्न
ऑर्डिनल स्केल म्हणजे काय?
ऑर्डिनल स्केल हा एक प्रकारचा मापन स्केल आहे जो सांख्यिकी आणि संशोधनामध्ये वापरला जातो. हे डेटा पॉईंट्सच्या सापेक्ष स्थानांवर किंवा विशिष्ट वैशिष्ट्य किंवा गुणधर्माच्या स्तरांवर आधारित रँकिंग किंवा ऑर्डर करण्यास अनुमती देते.
ऑर्डिनल स्केलमध्ये, डेटा पॉइंट्स एका अर्थपूर्ण क्रमाने व्यवस्थित केले जातात, परंतु श्रेणी किंवा रँकमधील फरक एकसमान किंवा परिमाणयोग्य असणे आवश्यक नाही.
ऑर्डिनल स्केलची शीर्ष 4 प्रमुख वैशिष्ट्ये?
ऑर्डिनल स्केलची मुख्य वैशिष्ट्ये: क्रमवारी, ऑर्डर, नाम-युनिफॉर्म फरक, उदाहरणे आणि मर्यादित अंकगणित ऑपरेशन्स. ऑर्डिनल स्केल डेटा पॉइंट्सच्या ऑर्डर किंवा रँकिंगबद्दल मौल्यवान माहिती प्रदान करतात, सापेक्ष पोझिशन्सवर आधारित तुलना आणि विश्लेषणास अनुमती देतात. तथापि, ते फरकांचे अचूक उपाय प्रदान करत नाहीत किंवा अर्थपूर्ण गणितीय गणनांना परवानगी देत नाहीत.
नाममात्र स्केल आणि ऑर्डिनल स्केलमधील फरक?
नाममात्र स्केल आणि ऑर्डिनल स्केल हे दोन प्रकारचे मोजमाप स्केल आहेत जे सांख्यिकी आणि संशोधनात वापरले जातात. ते माहितीच्या पातळीमध्ये आणि डेटा पॉइंट्स दरम्यान स्थापित करू शकतील अशा संबंधांच्या स्वरूपामध्ये भिन्न आहेत. समजून घेण्यासाठी हे मार्गदर्शक पहा उदाहरणे!
ऑर्डिनल स्केलचे उदाहरण काय आहे?
तुम्ही ऑर्डरल स्केल अनेक कारणांसाठी वापरू शकता, जसे की ग्राहक समाधान रेटिंग आणि पदवी, शैक्षणिक पात्रता आणि सामाजिक-आर्थिक स्थिती…
