ڇا توهان ڪڏهن حيران ڪيو آهي ته اسان ڊيٽا کي ان جي بنيادي شڪل ۾ ڪيئن درجه بندي ڪريون ٿا؟ نامزد اسڪيل داخل ڪريو، انگن اکرن ۾ هڪ بنيادي تصور جيڪو بنيادي ڊيٽا کي سمجهڻ لاء بنياد رکي ٿو.
هن بلاگ پوسٽ ۾، اچو ته هن تصور سان گڏ نامياتي پيماني جو مثال معلومات کي مؤثر انداز ۾ ترتيب ڏيڻ ۽ تفسير ڪرڻ ۾ ان جي اهميت کي سمجهڻ.
مضمونن جو جدول
موثر سروي لاءِ صلاحون
نامزد اسڪيل ڇا آهي؟
نامزد اسڪيل جي تعريف
نامياري اسڪيل هڪ قسم جي ماپ جي ماپ آهي جنهن ۾ انگ يا ليبل استعمال ڪيا ويندا آهن درجه بندي يا شين جي سڃاڻپ ڪرڻ لاءِ، پر انگن جو پاڻ ۾ ڪوبه موروثي حڪم يا معنيٰ ناهي. ٻين لفظن ۾، اهي صرف ٽيگ يا ليبل آهن جيڪي ڊيٽا کي مختلف گروپن ۾ درجه بندي ڪن ٿا.
- مثال طور، جڏهن ميون کي درجه بندي ڪرڻ، توهان صرف انهن کي ليبل ڪري سگهو ٿا جيئن "سيپل،" "کيلا،" "نارنگي،" or "انگور." ترتيب جنهن ۾ اهي درج ڪيا ويا آهن ڪو فرق نٿو پوي.
نامزد اسڪيل جون خاصيتون
هتي نامناسب اسڪيل جي ڪجهه اهم خاصيتون آهن:
- قابليت: انگن اکرن جي مقدار يا شدت جي نشاندهي نه ڪندا آهن، اهي صرف ليبل طور ڪم ڪن ٿا. مقدار کي ماپڻ بدران، شيءِ جي معيار کي سڃاڻڻ کي اوليت ڏين ٿا، ”ڇا“ جي بدران "ڪيترو".
- درجه بندي: ڊيٽا کي ورهايو ويو آهي الڳ الڳ، گڏيل طور تي خاص ڀاڱن ۾ بغير ڪنهن اوورليپ جي. هر شئي صرف هڪ درجي سان تعلق رکي ٿو.
- بي ترتيب: ڪيٽيگريز جو ڪوبه موروثي حڪم يا درجه بندي نه آهي. مثال طور، "نيري" ۽ "سائي" اکيون فطري طور تي بهتر يا بدتر نه آهن، صرف مختلف آهن.
- بي ترتيبي ليبل: ڪيٽيگريز کي لڳايو ويو نمبر يا ليبل صرف نالا آهن ۽ ڊيٽا جي معنيٰ کي متاثر ڪرڻ کان سواءِ تبديل ڪري سگھجن ٿا. ميوي جي درجه بندي ۾ ”1“ کان ”سيب“ کي ريڪوڊنگ ڪرڻ سان جوهر تبديل نٿو ٿئي.
- محدود رياضياتي عمل: توھان صرف رياضياتي عملن کي انجام ڏئي سگھو ٿا جهڙوڪ شامل يا گھٽائڻ جي نالي واري ڊيٽا تي جيڪڏھن انگن کي مقداري معني آھي. توهان صرف شمار ڪري سگهو ٿا ڪيتريون شيون هر درجي ۾ اچن ٿيون.
- وضاحتي، تقابلي نه: اهي درجي جي اندر ڊيٽا جي ورڇ کي بيان ڪن ٿا، پر انهن جي وچ ۾ شدت يا ترتيب نه. توهان چئي سگهو ٿا ته ڪيترا ماڻهو هر پيزا ٽاپنگ کي پسند ڪن ٿا، پر قطعي طور تي اهو نه چئو ته ڪنهن کي ”پسند“ پيپروني ٻئي ٽاپنگ کان وڌيڪ پسند آهي.
نامزد اسڪيل بنيادي ڊيٽا جي نمونن ۽ زمرے کي سمجهڻ لاء بنياد آهن. جڏهن ته انهن کي گہرے تجزيي ۾ حدون آهن، اهي ڊيٽا گڏ ڪرڻ ۽ ابتدائي ڳولا ۾ اهم ڪردار ادا ڪن ٿا.
اسڪيل جي ٻين قسمن کان نامزد اسڪيل کي فرق ڪرڻ
نامناسب ۽ ٻين قسمن جي ماپ جي ماپ جي وچ ۾ فرق کي سمجهڻ ضروري آهي ڊيٽا کي مؤثر طريقي سان تجزيو ڪرڻ لاء.
نامياري بمقابله آرڊينل:
- نالي ماتر: ڪوبه موروثي حڪم نه، صرف زمرا (مثال طور، اکين جو رنگ - نيرو، ناسي، سائو). توهان اهو نٿا چئي سگهو ته "خراب نيري کان بهتر آهي."
- آرڊينل: ڪيٽيگريز ۾ هڪ آرڊر آهي، پر انهن جي وچ ۾ فرق معلوم ناهي (مثال طور، اطمينان جي درجه بندي - تمام مطمئن، ڪجهه حد تائين مطمئن، غير مطمئن). توهان چئي سگهو ٿا ”تمام مطمئن“ بهتر آهي ”مطمئن“ کان، پر ڪيترو نه بهتر.
توهان شايد شايد پسند ڪري سگھو ٿا: آرڊينل اسڪيل جو مثال
نامياري بمقابله وقفو:
- نامزد: ڪو به حڪم نه، صرف زمرو.
- وقفو: ڪيٽيگريز ۾ هڪ ترتيب آهي، ۽ انهن جي وچ ۾ فرق هڪجهڙائي رکي ٿو (مثال طور، درجه حرارت Celsius/Fahrenheit). توهان چئي سگهو ٿا 20 ° سي 10 ° سي 10 ° سي کان وڌيڪ گرم آهي.
توهان شايد شايد پسند ڪري سگھو ٿا: انٽرول اسڪيل جي ماپ
تناسب بمقابلہ:
- نالي ماتر: ڪوبه حڪم نه، صرف زمرو.
- رتبو: ڪيٽيگريز ۾ هڪ آرڊر ۽ هڪ سچو صفر پوائنٽ آهي (مثال طور، اوچائي ميٽر/فٽ ۾). توهان چئي سگهو ٿا 1.8m 0.9m کان ٻه ڀيرا ڊگهو آهي.
ياد رهي ته:
- توھان نامزد ڊيٽا کي ٻين ماپن ۾ تبديل ڪري سگھو ٿا صرف جيڪڏھن توھان ڄاڻ وڃائي ڇڏيو (مثال طور، نامياري کان آرڊينل، توھان وڃائي ڇڏيو آرڊر جي معلومات).
- وڌيڪ معلومات هڪ پيماني تي پهچائي ٿو (آرڊينل، وقفو، تناسب)، وڌيڪ پيچيده ۽ طاقتور تجزيا جيڪي توهان ڪري سگهو ٿا.
- صحيح پيماني تي چونڊڻ توهان جي تحقيقي سوال ۽ ڊيٽا گڏ ڪرڻ جي طريقن تي منحصر آهي.
هتي هڪ قياس آهي:
- تصور ڪريو درجه بندي ميوو. نامياري - توهان صرف انهن کي درجه بندي ڪريو (ايپل، ڪيلا). آرڊينل - توھان انھن کي مٺي جي لحاظ کان درجو ڏيو (1 - گھٽ ۾ گھٽ، 5 - سڀ کان وڌيڪ). وقفو - توهان کنڊ جي مواد کي ماپ ڪريو (0-10 گرام). تناسب - توهان کنڊ جي مواد جو مقابلو ڪريو، سچي صفر جي حساب سان (ڪو کنڊ نه).
نامزد اسڪيل جا مثال
هتي ڪجهه عام مثال آهن نامياري اسڪيل جا، جيڪي اسان جي زندگين جي مختلف حصن کي ڍڪيندا آهن:
ذاتي خاصيتون - نامياري اسڪيل جو مثال
- جنس: نر ، مادي ، غير ثاني ، ٻيو
- ازدواجي حالت: اڪيلو ، شادي شده ، طلاقيل ، بيواهه ، جدا ٿيل
- وارن جو رنگ: سونهري، برونيٽ، ڳاڙهو، ڪارو، ڳاڙهو، وغيره.
- قوميت: آمريڪي، فرينچ، جاپاني، هندستاني، وغيره.
- اک جو رنگ: نيرو، ناسي، سائو، هيزل، وغيره.
- ڌنڌو: ڊاڪٽر، استاد، انجنيئر، آرٽسٽ وغيره.
پراڊڪٽس ۽ خدمتون - نامياري اسڪيل جو مثال
- ڪار جي برانڊ: ٽويوٽا، هونڊا، فورڊ، ٽيسلا وغيره.
- ريسٽورنٽ جو قسم: اطالوي، ميڪسيڪو، چيني، ٿائي، وغيره.
- ٽرانسپورٽ جو طريقو: بس، ٽرين، هوائي جهاز، سائيڪل، وغيره.
- ويب سائيٽ جو درجو: خبرون، سوشل ميڊيا، شاپنگ، تفريح، وغيره.
- فلم جو قسم: مزاحيه، ڊراما، ايڪشن، ٿرلر وغيره.
سروي ۽ سوالناما - مثالي اسڪيل جو مثال
- ها نه جواب
- غير ترتيب ڏنل اختيارن سان گھڻا چونڊ سوال: (مثال طور، پسنديده رنگ، پسنديده راند)
ٻيا مثال - مثالي اسڪيل جو مثال
- سياسي پارٽيءَ جو وابستگي: ڊيموڪريٽڪ، ريپبلڪن، آزاد، گرين پارٽي، وغيره.
- مذهبي فرق: ڪيٿولڪ، مسلمان، هندو، ٻڌ، وغيره.
- لباس جو سائز: S، M، L، XL، وغيره.
- هفتي جو ڏينهن: سومر، اڱارو، اربع، وغيره.
- رت جو قسم: اي، بي، اي بي، او
بونس - نامزد اسڪيل جو مثال
- سڪا ٽاس: مٿو ، مٿو
- راند ڪارڊ سوٽ: اسپيڊ ، دل ، هيرا ، ڪلب
- ٽريفڪ لائيٽ: ڳاڙهو، پيلو، سائو
Nominal Scale جو مثال - ذهن ۾ رکو، ته نامزد اسڪيل صرف ڊيٽا کي گروپن ۾ ترتيب ڏيڻ جي باري ۾ آهن بغير ڪنهن خاص ترتيب جي. انهن مثالن کي ڄاڻڻ سان توهان کي ڊيٽا گڏ ڪرڻ جا صحيح طريقا چونڊڻ ۽ توهان جي منصوبن يا تحقيق لاءِ ان جو تجزيو ڪرڻ ۾ مدد ملندي.
نامناسب اسڪيل جون درخواستون
نامزد اسڪيلن ۾ مختلف شعبن ۾ مختلف عملي ايپليڪيشنون آهن.
- ڊيموگرافڪ: اهي معلومات کي ترتيب ڏيڻ ۾ مدد ڪن ٿيون جهڙوڪ صنف، عمر، قوميت، ۽ تعليم جي سطح. هي ماڻهن جي مدد ڪري ٿو محققن ۽ پاليسي سازن کي اهو سمجهڻ ۾ ته ڪير هڪ گروپ ٺاهي ٿو ۽ هوشيار چونڊون ڪري ٿو.
- مارڪيٽ ريسرچ: ڪاروبار انهن کي ترتيب ڏيڻ لاءِ استعمال ڪندا آهن تفصيلات کي ترتيب ڏيڻ لاءِ ته ماڻهو ڇا خريد ڪرڻ پسند ڪن ٿا، اهي ڇا ٿا سوچن برانڊن بابت، ۽ اهي ڪيئن خريد ڪن ٿا. هي مدد ڪري ٿو ڪمپنين کي اهو معلوم ڪرڻ ۾ ته ڪنهن کي وڪرو ڪرڻ ۽ ڪيئن اشتهار ڏيڻ.
- سروي ۽ سوالناما: ڪڏهن هڪ فارم ڀريو جتي توهان کي ڪجهه انتخابن مان چونڊڻو آهي؟ ان جي پويان نامياتي اسڪيل آهن. اهي سوالن جا جواب منظم ڪرڻ ۾ مدد ڪن ٿا جهڙوڪ سوڊا برانڊ ماڻهو پسند ڪن ٿا يا ڪهڙي سياسي پارٽي جي حمايت ڪن ٿا.
- طبي ۽ صحت سائنس: ڊاڪٽر ۽ سائنسدان انهن کي استعمال ڪندا آهن شين کي درجه بندي ڪرڻ لاءِ جيئن بيمارين، علامتن ۽ ٽيسٽ جا نتيجا. اهو آسان بڻائي ٿو مسئلن جي تشخيص ۽ علاج جو منصوبو.
- سماجي سائنس: سماجيات، نفسيات، ۽ انسائيڪلوپيڊيا جهڙن شعبن ۾ محقق نامناسب پيماني تي استعمال ڪن ٿا گروپ شين جهڙوڪ شخصيت جي خاصيتن، ثقافتي عملن، ۽ سماجي رجحانات. هي انهن کي سمجهڻ ۾ مدد ڪري ٿو ته ماڻهو ڪيئن ڪم ڪن ٿا ۽ ڇو.
- ڪسٽمر جي تقسيم: ڪاروبار انهن کي استعمال ڪن ٿا گروپن جي گراهڪن جي بنياد تي شين جي بنياد تي، عمر، شوق، ۽ خريداري جي عادتون. هي انهن کي پروڊڪٽس ۽ اشتهار ٺاهڻ ۾ مدد ڪري ٿو جيڪي ماڻهن جي مخصوص گروهن کي اپيل ڪن ٿيون.
💡پنهنجي پيشڪش کي بهتر ڪرڻ لاءِ تيار آهيو انٽرايڪٽو ريٽنگ اسڪيل سان؟ AhaSlides کان وڌيڪ نه ڏس! AhaSlides سان درجه بندي اسڪيل خصوصيت، توهان پنهنجي سامعين کي مشغول ڪري سگهو ٿا جيئن اڳ ڪڏهن به نه، حقيقي وقت جي راءِ ۽ رايا گڏ ڪرڻ جي ڪوشش سان. ڇا توھان مارڪيٽ ريسرچ ڪري رھيا آھيو، سامعين جي راءِ گڏ ڪري رھيا آھيو، يا پراڊڪٽس جو جائزو وٺي رھيا آھيو، AhaSlides جي درجه بندي اسڪيل پيش ڪري رھيا آھيو صارف دوست حل. اڄ ئي ڪوشش ڪريو ۽ پنھنجي پيشيونشن کي ايندڙ سطح ڏانھن وڌايو! ڪوشش ڪر مفت سروي ٽيمپليٽس اڄ!
ٿڪل
نامناسب اسڪيل ڊيٽا کي درجه بندي ڪرڻ لاءِ بنيادي اوزار طور ڪم ڪن ٿا بغير ڪنهن موروثي ترتيب جي. جنس، ازدواجي حيثيت، ۽ قوميت جي مثالن جي مثالن ذريعي، اسان ڏسون ٿا ته اهي مختلف علائقن ۾ معلومات کي منظم ڪرڻ ۾ ڪيترو اهم آهن. ڄاڻو ته نامناسب اسڪيل کي ڪيئن استعمال ڪجي اسان کي پيچيده ڊيٽا کي بهتر سمجهڻ ۾ مدد ڪري ٿي، تنهنڪري اسان بهتر چونڊون ڪري سگهون ٿا ۽ شين کي وڌيڪ واضح طور سمجهي سگهون ٿا.
