કાર્યમાં પ્રયોગમૂલક અને પદ્ધતિઓનો ઉપયોગ કરવામાં આવ્યો હતો સૈદ્ધાંતિક જ્ઞાન. સૈદ્ધાંતિક જ્ઞાનની પદ્ધતિઓમાં નીચેની પદ્ધતિઓનો ઉપયોગ કરવામાં આવ્યો હતો: સમસ્યાનું નિવેદન, પૂર્વધારણા રચના, વિશ્લેષણ અને સંશ્લેષણ. પ્રયોગમૂલક જ્ઞાન પદ્ધતિઓ વચ્ચે ઉપયોગ કરવામાં આવ્યો હતો સર્વેક્ષણ, નિરીક્ષણ, માપન, સર્વેક્ષણ, પરીક્ષણ, સરખામણી, વર્ણન અને મોડેલિંગ.

1. નિરીક્ષણ એ ઘટનાઓ અને પ્રક્રિયાઓની ઇરાદાપૂર્વકની અને હેતુપૂર્વકની ધારણા છે જે સીધી હસ્તક્ષેપ વિના, વૈજ્ઞાનિક સંશોધનના કાર્યોને આધીન છે.

વૈજ્ઞાનિક અવલોકન માટે મૂળભૂત આવશ્યકતાઓ:

• 1) હેતુ અને ઉદ્દેશ્યની અસ્પષ્ટતા
• 2) ઉદ્દેશ્ય
• 3) નિરીક્ષણ પદ્ધતિઓમાં વ્યવસ્થિતતા
• 4) પુનરાવર્તિત અવલોકન દ્વારા અથવા પ્રયોગ દ્વારા નિયંત્રણની શક્યતા.

નિરીક્ષણના પરિણામો પ્રાયોગિક ડેટા છે, અને સંભવતઃ - પ્રાથમિક માહિતીની પ્રાથમિક (સ્વચાલિત) પ્રક્રિયાને ધ્યાનમાં લેતા - આકૃતિઓ, આલેખ, આકૃતિઓ. માળખાકીય ઘટકોઅવલોકનો: નિરીક્ષક પોતે, અભ્યાસનો હેતુ, અવલોકન શરતો, અવલોકનનાં માધ્યમો (ઇન્સ્ટોલેશન્સ, સાધનો, માપવાના સાધનો, તેમજ કુદરતી ભાષા ઉપરાંત વિશેષ પરિભાષા).

વૈજ્ઞાનિક અવલોકનમાં નીચેની પ્રક્રિયાઓનો સમાવેશ થાય છે:

• 1) અવલોકનનો હેતુ નક્કી કરવો (શાના માટે? કયા હેતુ માટે?)
• 2) ઑબ્જેક્ટ, પ્રક્રિયા, પરિસ્થિતિની પસંદગી (શું અવલોકન કરવું?)
• 3) અવલોકનોની પદ્ધતિ અને આવર્તન પસંદ કરી રહ્યા છીએ (કેવી રીતે અવલોકન કરવું?)
• 4) અવલોકન કરેલ ઑબ્જેક્ટ, ઘટનાને રેકોર્ડ કરવા માટેની પદ્ધતિઓની પસંદગી (પ્રાપ્ત માહિતી કેવી રીતે રેકોર્ડ કરવી?)
• 5) પ્રાપ્ત માહિતીની પ્રક્રિયા અને અર્થઘટન (પરિણામ શું છે?)

નિરીક્ષણના કાર્યમાં સંશોધકની પ્રવૃત્તિ અવલોકન પરિણામોની સામગ્રીની સૈદ્ધાંતિક સ્થિતિ સાથે સંકળાયેલ છે. અવલોકનમાં માત્ર સંવેદના જ નહીં, પરંતુ સૈદ્ધાંતિક માર્ગદર્શિકા અને વૈજ્ઞાનિક ધોરણોના સ્વરૂપમાં તર્કસંગત ક્ષમતાનો પણ સમાવેશ થાય છે. જેમ તેઓ કહે છે, "વૈજ્ઞાનિક તેની આંખોથી જુએ છે, પરંતુ તેના માથાથી જુએ છે."

નિરીક્ષણની પ્રવૃત્તિ અવલોકન માધ્યમોની પસંદગી અને રચનામાં પણ પ્રગટ થાય છે.

નિરીક્ષણના બે મુખ્ય પ્રકાર છે: ગુણાત્મક અને માત્રાત્મક. ગુણાત્મક અવલોકન લોકો માટે જાણીતું છે અને પ્રાચીન સમયથી તેમના દ્વારા ઉપયોગમાં લેવાય છે - તેની વર્તમાન સમજમાં વિજ્ઞાનના આગમનના ઘણા સમય પહેલા. માત્રાત્મક અવલોકનોનો ઉપયોગ આધુનિક સમયમાં વિજ્ઞાનની રચના સાથે એકરુપ છે. જથ્થાત્મક અવલોકનો કુદરતી રીતે માપન સિદ્ધાંત અને માપન તકનીકના વિકાસમાં પ્રગતિ સાથે સંકળાયેલા છે. માપમાં સંક્રમણ અને જથ્થાત્મક અવલોકનોના ઉદભવનો અર્થ પણ વિજ્ઞાનના ગણિતીકરણ માટેની તૈયારી હતી.

અવલોકનમાં, સમજશક્તિનો વિષય વસ્તુ વિશે અત્યંત મૂલ્યવાન માહિતી મેળવે છે, જે સામાન્ય રીતે અન્ય કોઈપણ રીતે મેળવી શકાતી નથી. અવલોકન ડેટા અત્યંત માહિતીપ્રદ છે, જે આ સમયે અને આ શરતો હેઠળ ફક્ત આ ઑબ્જેક્ટ માટે અનન્ય છે તે ઑબ્જેક્ટ વિશે અનન્ય માહિતી પ્રદાન કરે છે. અવલોકનનાં પરિણામો તથ્યોનો આધાર બનાવે છે, અને હકીકતો, જેમ આપણે જાણીએ છીએ, તે વિજ્ઞાનની હવા છે.

વૈજ્ઞાનિક અવલોકનની લાક્ષણિકતાઓ: 1. હેતુપૂર્ણ. અવલોકન શરૂઆતમાં ગુણો અને લાક્ષણિકતાઓને રેકોર્ડ કરવા પર કેન્દ્રિત હોવું જોઈએ જે સંશોધનને લક્ષ્યમાં રાખે છે. 2. પ્લાનફુલનેસ - પ્લાન, ચોક્કસ ઓર્ડરજેના પર અવલોકન કરવામાં આવે છે. 3. વૈજ્ઞાનિક અવલોકનનું સ્પષ્ટીકરણ. 4. વૈજ્ઞાનિક અવલોકનમાં પદાર્થ પર કોઈ પ્રભાવ નથી. 5. સર્વેલન્સ ચેક વિવિધ શરતો.

અવલોકન:

• 1. સશસ્ત્ર (તકનીકી માધ્યમોનો ઉપયોગ કરીને) અને નિઃશસ્ત્ર.
• 2. ક્ષેત્ર અને પ્રયોગશાળા.
• 3. પ્રત્યક્ષ અને પરોક્ષ.
• 4. પ્રત્યક્ષ અને પરોક્ષ (સંશોધન અન્ય લોકોના ડેટાના સમૂહ પર આધારિત છે).
• 2. માપન છે જ્ઞાનાત્મક પ્રક્રિયા, જેમાં આપેલ મૂલ્યની સરખામણી પ્રમાણભૂત તરીકે લેવામાં આવેલા ચોક્કસ મૂલ્ય સાથે કરવામાં આવે છે.

માપ એ એક (માપેલા) જથ્થાના બીજા સાથેના સંબંધનું નિર્ધારણ છે, જે ધોરણ તરીકે લેવામાં આવે છે.

સરખામણીથી વિપરીત, માપ વધુ શક્તિશાળી અને બહુમુખી છે શૈક્ષણિક સાધન. સીધા માપન સાથે, પરિણામ માપન પ્રક્રિયામાંથી જ સીધું પ્રાપ્ત થાય છે (ઉદાહરણ તરીકે, રમતગમતની સ્પર્ધાઓમાં, ટેપ માપનો ઉપયોગ કરીને કૂદકાની લંબાઈને માપવા, સ્ટોરમાં ગાલીચાની લંબાઈને માપવા વગેરે). મુ પરોક્ષ માપનપ્રત્યક્ષ માપન દ્વારા મેળવેલ અન્ય જથ્થાના જ્ઞાનના આધારે ઇચ્છિત જથ્થો ગાણિતિક રીતે નક્કી કરવામાં આવે છે. ઉદાહરણ તરીકે, બિલ્ડિંગ ઈંટનું કદ અને વજન જાણીને, તમે માપી શકો છો ચોક્કસ દબાણ(યોગ્ય ગણતરીઓ સાથે) કે બહુમાળી ઇમારતોના નિર્માણ દરમિયાન ઇંટનો સામનો કરવો જ જોઇએ. માપનું મૂલ્ય એ હકીકત પરથી સ્પષ્ટ થાય છે કે તેઓ આસપાસની વાસ્તવિકતા વિશે સચોટ, માત્રાત્મક માહિતી પ્રદાન કરે છે. માપનના પરિણામે, આવા તથ્યો સ્થાપિત કરી શકાય છે, આવી પ્રયોગમૂલક શોધો થઈ શકે છે જે વિજ્ઞાનમાં સ્થાપિત વિચારોના આમૂલ ભંગાણ તરફ દોરી જાય છે. આ ચિંતા કરે છે, સૌ પ્રથમ, અનન્ય, ઉત્કૃષ્ટ માપ, જે વિજ્ઞાનના ઇતિહાસમાં ખૂબ જ મહત્વપૂર્ણ સીમાચિહ્નો રજૂ કરે છે. માપનની ગુણવત્તા અને તેના વૈજ્ઞાનિક મૂલ્યનું સૌથી મહત્વપૂર્ણ સૂચક ચોકસાઈ છે. પ્રેક્ટિસ બતાવે છે કે માપનની ચોકસાઈ સુધારવા માટેની મુખ્ય રીતો છે:

• - ચોક્કસ સ્થાપિત સિદ્ધાંતોના આધારે કાર્યરત માપન સાધનોની ગુણવત્તામાં સુધારો;
• - નવીનતમ વૈજ્ઞાનિક શોધોના આધારે કાર્યરત ઉપકરણોની રચના.

નીચેના ઘટકો સહિત ચોક્કસ માપન માળખું ઓળખી શકાય છે:

• 1) એક જ્ઞાનાત્મક વિષય જે ચોક્કસ જ્ઞાનાત્મક હેતુઓ માટે માપન કરે છે;
• 2) માપવાના સાધનો, જેમાં માણસ દ્વારા રચાયેલ ઉપકરણો અને સાધનો અને પ્રકૃતિ દ્વારા આપવામાં આવેલ વસ્તુઓ અને પ્રક્રિયાઓ બંનેનો સમાવેશ થઈ શકે છે;
• 3) માપનનો ઑબ્જેક્ટ, એટલે કે માપેલ જથ્થો અથવા મિલકત કે જેના પર સરખામણી પ્રક્રિયા લાગુ છે;
• 4) એક પદ્ધતિ અથવા માપનની પદ્ધતિ જે સમૂહને રજૂ કરે છે વ્યવહારુ ક્રિયાઓ, માપવાના સાધનોનો ઉપયોગ કરીને કરવામાં આવતી કામગીરી અને તેમાં ચોક્કસ તાર્કિક અને ગણતરીની પ્રક્રિયાઓનો પણ સમાવેશ થાય છે;
• 5) માપનનું પરિણામ, જે યોગ્ય નામો અથવા ચિહ્નોનો ઉપયોગ કરીને દર્શાવવામાં આવેલ નામાંકિત નંબર છે.
• 3. સરખામણી

આ સૌથી સામાન્ય અને સાર્વત્રિક સંશોધન પદ્ધતિઓમાંની એક છે. પ્રખ્યાત એફોરિઝમ"બધું સરખામણી દ્વારા જાણીતું છે" આનો શ્રેષ્ઠ પુરાવો છે. સરખામણી એ બે પૂર્ણાંકો a અને b વચ્ચેનો સંબંધ છે, મતલબ કે આ સંખ્યાઓનો તફાવત (a - b) આપેલ પૂર્ણાંક m વડે ભાગવામાં આવે છે, જેને મોડ્યુલ C કહેવાય છે. સંશોધનમાં, સરખામણી એ વસ્તુઓ અને ઘટનાઓ વચ્ચે સમાનતા અને તફાવતોની સ્થાપના છે. વાસ્તવિકતાની. સરખામણીના પરિણામે, બે અથવા વધુ વસ્તુઓમાં સહજ સમાનતા સ્થાપિત થાય છે, અને સમાનતાની ઓળખ જે અસાધારણ ઘટનામાં પુનરાવર્તિત થાય છે, તે કાયદાના જ્ઞાનના માર્ગ પરનું એક પગલું છે. સરખામણી ફળદાયી બનવા માટે, તેણે બે મૂળભૂત આવશ્યકતાઓને સંતોષવી આવશ્યક છે. 1. માત્ર એવી ઘટનાઓની સરખામણી થવી જોઈએ જેની વચ્ચે ચોક્કસ ઉદ્દેશ્ય સમાનતા હોઈ શકે. તમે એવી વસ્તુઓની તુલના કરી શકતા નથી જે દેખીતી રીતે અજોડ છે; તે તમને કંઈપણ આપતું નથી. IN શ્રેષ્ઠ કેસ દૃશ્યઅહીં વ્યક્તિ ફક્ત ઉપરછલ્લી અને તેથી નિરર્થક સામ્યતાઓ બનાવી શકે છે. 2. સૌથી મહત્વની વિશેષતાઓના આધારે સરખામણી કરવી જોઈએ. આમ, સમાન પ્રકારના ઉત્પાદનનું ઉત્પાદન કરતા સાહસોના કાર્યની ઔપચારિક રીતે સરખામણી કરીએ તો, તેમની પ્રવૃત્તિઓમાં ઘણું સામ્ય જોવા મળે છે. જો તે જ સમયે આવા અનુસાર સરખામણી સૌથી મહત્વપૂર્ણ પરિમાણો, જેમ કે ઉત્પાદન સ્તર, ઉત્પાદન ખર્ચ, વિવિધ શરતો, જેમાં તુલનાત્મક સાહસો કામ કરે છે, તે પદ્ધતિસરની ભૂલ પર આવવું સરળ છે જે એકતરફી તારણો તરફ દોરી જાય છે. જો આપણે આ પરિમાણોને ધ્યાનમાં લઈએ, તો તે સ્પષ્ટ થઈ જશે કે કારણ શું છે અને પદ્ધતિસરની ભૂલના વાસ્તવિક સ્ત્રોતો ક્યાં છે. આવી સરખામણી પહેલાથી જ વાસ્તવિક સ્થિતિને અનુરૂપ, વિચારણા હેઠળની ઘટનાનો સાચો ખ્યાલ આપશે. સંશોધકને રુચિ ધરાવતા વિવિધ પદાર્થોની સીધી કે આડકતરી રીતે સરખામણી કરી શકાય છે - તેમની સરખામણી ત્રીજા પદાર્થ સાથે કરીને. પ્રથમ કિસ્સામાં તમે સામાન્ય રીતે મેળવો છો ગુણવત્તા પરિણામો(વધુ - ઓછું; હળવા - ઘાટા; ઉચ્ચ - નીચું, વગેરે). જો કે, આવી સરખામણી સાથે પણ તમે સૌથી સરળ મેળવી શકો છો માત્રાત્મક લાક્ષણિકતાઓ, ઓબ્જેક્ટો (2 ગણા વધુ, 3 ગણા વધારે, વગેરે) વચ્ચે સંખ્યાત્મક સ્વરૂપમાં જથ્થાત્મક તફાવતો વ્યક્ત કરે છે. જ્યારે ઑબ્જેક્ટ્સની સરખામણી કોઈ ત્રીજા ઑબ્જેક્ટ સાથે કરવામાં આવે છે, ત્યારે પ્રમાણભૂત તરીકે કામ કરતી વખતે, માત્રાત્મક લાક્ષણિકતાઓ વિશેષ મૂલ્ય પ્રાપ્ત કરે છે, કારણ કે તેઓ એકબીજાને ધ્યાનમાં લીધા વિના વસ્તુઓનું વર્ણન કરે છે, ઊંડા અને વિગતવાર જ્ઞાનતેમના વિશે.

સરખામણીનો ઉપયોગ કરીને, ઑબ્જેક્ટ વિશેની માહિતી બે દ્વારા મેળવી શકાય છે વિવિધ રીતે. પ્રથમ, તે ઘણી વાર સરખામણીના સીધા પરિણામ તરીકે કાર્ય કરે છે. ઉદાહરણ તરીકે, ઑબ્જેક્ટ્સ વચ્ચેના કોઈપણ સંબંધો સ્થાપિત કરવા, તેમની વચ્ચેના તફાવતો અથવા સમાનતાઓ શોધવી એ સીધી સરખામણીથી પ્રાપ્ત માહિતી છે. આ માહિતીને પ્રાથમિક કહી શકાય. બીજું, ઘણી વાર પ્રાથમિક માહિતી મેળવવી એ કામ કરતું નથી મુખ્ય ધ્યેયસરખામણી, આ ધ્યેય પ્રાથમિક માહિતીની પ્રક્રિયાના પરિણામે ગૌણ અથવા વ્યુત્પન્ન માહિતી મેળવવાનો છે. સૌથી સામાન્ય અને સૌથી વધુ મહત્વપૂર્ણ રીતેઆવી પ્રક્રિયા સાદ્રશ્ય દ્વારા અનુમાન છે. ઑબ્જેક્ટ વિશે સાચું જ્ઞાન મેળવવાની સંભાવના વધારવા માટે, તમારે નીચેની બાબતો ધ્યાનમાં રાખવાની જરૂર છે: સાદ્રશ્ય દ્વારા અનુમાન હજી વધુ આપે છે સાચો અર્થ, વધુ સમાન લક્ષણો આપણે તુલનાત્મક વસ્તુઓમાં શોધીએ છીએ; સાદ્રશ્ય દ્વારા નિષ્કર્ષની સત્યતા સીધી રીતે વસ્તુઓના સમાન લક્ષણોના મહત્વ પર આધારિત છે, મોટી સંખ્યામાંસમાન, પરંતુ નહીં આવશ્યક લક્ષણો, ખોટા નિષ્કર્ષ તરફ દોરી શકે છે; ઑબ્જેક્ટમાં શોધાયેલ લક્ષણો વચ્ચેનો સંબંધ જેટલો ઊંડો હશે, ખોટા નિષ્કર્ષની સંભાવના વધારે છે; બે ઑબ્જેક્ટ્સની સામાન્ય સમાનતા એ સાદ્રશ્ય દ્વારા અનુમાન માટેનો આધાર નથી, જો એક જેના વિશે નિષ્કર્ષ કાઢવામાં આવે છે, તો તેમાં સ્થાનાંતરિત વિશેષતા સાથે અસંગત લક્ષણ હોય છે. બીજા શબ્દોમાં કહીએ તો, સાચા નિષ્કર્ષ મેળવવા માટે, માત્ર સમાનતાની પ્રકૃતિ જ નહીં, પણ વસ્તુઓ વચ્ચેના તફાવતોની પ્રકૃતિને પણ ધ્યાનમાં લેવી જરૂરી છે.

સરખામણી પ્રક્રિયામાં, એક તરફ, જે રીતે સરખામણી કામગીરી હાથ ધરવામાં આવી શકે છે, અને બીજી બાજુ, અનુરૂપ ઓપરેટિંગ પરિસ્થિતિનો સમાવેશ થાય છે. કોઈપણ વસ્તુની ઓળખ અથવા તફાવત વિશે આપણે જે નિવેદન કરીએ છીએ તે ચોક્કસ અને છે ચોક્કસ અર્થમાત્ર ત્યારે જ જ્યારે આપણે ચોક્કસ અંદર યોગ્ય સરખામણી પ્રક્રિયાનો ઉલ્લેખ કરી શકીએ જ્ઞાનાત્મક સ્થિતિ. સરખામણી માત્ર અવલોકનનું જ્ઞાનાત્મક મૂલ્ય વધારતું નથી, પણ સિમેન્ટીક ફંક્શન પણ કરે છે, એટલે કે, તે આપણા નિવેદનોના અર્થને ઓળખવામાં મદદ કરે છે.

4. મોડેલિંગ એ આપણી આસપાસના વિશ્વને સમજવાની એક પદ્ધતિ છે, જેમાં મોડેલોની રચના અને અભ્યાસનો સમાવેશ થાય છે.

વિવિધ વિજ્ઞાન વિવિધ ખૂણાઓથી વસ્તુઓ અને પ્રક્રિયાઓનો અભ્યાસ કરે છે અને વિવિધ પ્રકારના મોડલ બનાવે છે. ભૌતિકશાસ્ત્રમાં, ક્રિયાપ્રતિક્રિયા અને પદાર્થોના પરિવર્તનની પ્રક્રિયાઓનો અભ્યાસ કરવામાં આવે છે, રસાયણશાસ્ત્રમાં - તેમના રાસાયણિક રચના, જીવવિજ્ઞાનમાં - જીવંત જીવોની રચના અને વર્તન, વગેરે.

મોડેલ એ એક નવો ઑબ્જેક્ટ છે જે ઑબ્જેક્ટ, ઘટના અથવા અભ્યાસ કરવામાં આવી રહેલી પ્રક્રિયાની આવશ્યક વિશેષતાઓને પ્રતિબિંબિત કરે છે. આ પદ્ધતિ સમાનતાના સિદ્ધાંત પર આધારિત છે. તેનો સાર એ હકીકતમાં રહેલો છે કે તે પદાર્થ પોતે જ નથી જેનો સીધો અભ્યાસ કરવામાં આવે છે, પરંતુ તેના એનાલોગ, તેના વિકલ્પ, તેનું મોડેલ અને પછી મોડેલનો અભ્યાસ કરવાથી પ્રાપ્ત પરિણામો. ખાસ નિયમોઑબ્જેક્ટમાં જ સ્થાનાંતરિત થાય છે.

મોડેલિંગનો ઉપયોગ એવા કિસ્સાઓમાં થાય છે કે જ્યાં ઑબ્જેક્ટ પોતે જ ઍક્સેસ કરવું મુશ્કેલ છે, અથવા તેનો સીધો અભ્યાસ આર્થિક રીતે નફાકારક નથી, વગેરે. મોડેલિંગના ઘણા પ્રકારો છે:

1. વિષય મોડેલિંગ, જેમાં મોડેલ ભૌમિતિક, ભૌતિક, ગતિશીલ અથવા કાર્યાત્મક લાક્ષણિકતાઓપદાર્થ ઉદાહરણ તરીકે, બ્રિજ મોડેલ, ડેમ મોડેલ, વિંગ મોડેલ

વિમાન, વગેરે

• 2. એનાલોગ મોડેલિંગ, જેમાં મોડેલ અને મૂળ એક જ ગાણિતિક સંબંધ દ્વારા વર્ણવવામાં આવે છે. યાંત્રિક, હાઇડ્રોડાયનેમિક અને એકોસ્ટિક ઘટનાનો અભ્યાસ કરવા માટે ઉપયોગમાં લેવાતા વિદ્યુત મોડેલોનું ઉદાહરણ છે.
• 3. સાઇન મોડેલિંગ, જેમાં આકૃતિઓ, રેખાંકનો અને સૂત્રો મોડેલ તરીકે કાર્ય કરે છે. આઇકોનિક મોડલ્સના નિર્માણમાં કોમ્પ્યુટરના ઉપયોગના વિસ્તરણ સાથે આઇકોનિક મોડલ્સની ભૂમિકા ખાસ કરીને વધી છે.
• 4. મેન્ટલ મોડેલિંગ આઇકોનિક સાથે ગાઢ રીતે સંબંધિત છે, જેમાં મોડલ માનસિક રીતે દ્રશ્ય પાત્ર મેળવે છે. આ કિસ્સામાં એક ઉદાહરણ એ અણુનું મોડેલ છે, જે એક સમયે બોહર દ્વારા પ્રસ્તાવિત કરવામાં આવ્યું હતું.
• 5. છેલ્લે, ખાસ પ્રકારમોડેલિંગ એ પ્રયોગમાં ઑબ્જેક્ટનો નહીં, પરંતુ તેના મોડેલનો સમાવેશ છે, જેના કારણે બાદમાં મોડેલ પ્રયોગનું પાત્ર પ્રાપ્ત કરે છે. આ પ્રકારનું મોડેલિંગ સૂચવે છે કે પ્રયોગમૂલક અને સૈદ્ધાંતિક જ્ઞાનની પદ્ધતિઓ વચ્ચે કોઈ સખત રેખા નથી.

આદર્શીકરણ એ મોડેલિંગ સાથે સજીવ રીતે જોડાયેલું છે - વિભાવનાઓનું માનસિક બાંધકામ, એવા પદાર્થો વિશેના સિદ્ધાંતો જે અસ્તિત્વમાં નથી અને વાસ્તવિકતામાં સાકાર થઈ શકતા નથી, પરંતુ તે જેના માટે વાસ્તવિક દુનિયામાં નજીકનો પ્રોટોટાઇપ અથવા એનાલોગ છે. આ પદ્ધતિ દ્વારા બાંધવામાં આવેલા આદર્શ પદાર્થોના ઉદાહરણો છે ભૌમિતિક ખ્યાલોબિંદુઓ, રેખાઓ, વિમાનો, વગેરે. તમામ વિજ્ઞાન આ પ્રકારના આદર્શ પદાર્થો સાથે કાર્ય કરે છે - આદર્શ ગેસ, ચોક્કસ કાળું શરીર, સામાજિક-આર્થિક રચના, રાજ્ય, વગેરે. .

આપણે દુનિયાને કેવી રીતે સમજી શકીએ? જવાબ ખૂબ જ સરળ છે - ચિંતન દ્વારા. અવલોકન એ વાસ્તવિકતાના જ્ઞાન અને કોઈપણ હેતુપૂર્ણ પ્રક્રિયાની શરૂઆતનો આધાર છે. તે રસ જગાડે છે, જે બદલામાં, પરિણામને આકાર આપતી ક્રિયાઓને પ્રોત્સાહિત કરે છે.

અવલોકન એ વિશ્વને જાણવાની એક પદ્ધતિ છે

અમે અવલોકન પદ્ધતિનો ઉપયોગ કરીએ છીએ રોજિંદા જીવનતેના વિશે વિચાર્યા વિના પણ. જ્યારે આપણે હવામાન કેવું છે તે જોવા માટે બારીમાંથી બહાર જોઈએ છીએ, બસ સ્ટોપ પર અમારી મિનિબસની રાહ જુઓ, પ્રાણી સંગ્રહાલય અથવા સિનેમાની મુલાકાત લો, અથવા ફક્ત ફરવા જઈએ, અમે અવલોકન કરીએ છીએ. આ ક્ષમતા એ એક વિશાળ ભેટ છે, જેના વિના વ્યક્તિના રોજિંદા જીવનની કલ્પના કરવી મુશ્કેલ છે.

દરેક વ્યવસાયમાં આ કુશળતા જરૂરી છે. વિક્રેતાએ ગ્રાહકોની પસંદગીઓ, ડૉક્ટર - રોગના લક્ષણો, શિક્ષક - વિદ્યાર્થીઓના જ્ઞાનનું સ્તર નક્કી કરવાનું શીખવાની જરૂર છે. રસોઇયાની નોકરીની જરૂર છે સતત દેખરેખરસોઈ પ્રક્રિયા પાછળ. જેમ તમે જોઈ શકો છો, આપણે બધા તેના વિશે વિચાર્યા વિના દરરોજ અવલોકન પદ્ધતિનો ઉપયોગ કરીએ છીએ.

આપણે ક્યારે અવલોકન કરવાનું શીખીશું?

બાળક જે રીતે વિશ્વને જુએ છે તે પુખ્ત વયના લોકોની દ્રષ્ટિથી અલગ છે. કંઈક નવું જોવું એ બાળક માટે આશ્ચર્યજનક છે, જેના કારણે વધુ સંશોધનની ઇચ્છા થાય છે. માં અવલોકન બાળપણબાળકની જિજ્ઞાસાનો વિકાસ કરે છે અને આ રીતે આસપાસની વાસ્તવિકતા વિશે તેની ધારણાને આકાર આપે છે.

બાળકને અવલોકન કરવાનું શીખવવું એ પુખ્તવયનું કાર્ય છે. કિન્ડરગાર્ટન્સમાં, ખાસ કરીને આ હેતુ માટે, વર્ગો યોજવામાં આવે છે જ્યાં બાળકો પ્રકૃતિને સક્રિયપણે સમજવાનું શીખે છે. "જુઓ" અને "જુઓ" ઘણા છે વિવિધ ખ્યાલો. બાળકે માત્ર બેધ્યાનપણે ચિંતન ન કરવું જોઈએ, પરંતુ તે ખરેખર શું જુએ છે, સરખામણી કરે છે, તેનાથી વિપરીત છે તે સમજવાનું શીખવું જોઈએ. આવી કુશળતા ધીમે ધીમે આવે છે. બાળકોના અવલોકનો તેમની આસપાસના વિશ્વ વિશે સાચા વિચારોની રચના માટેનો આધાર છે. તેઓ આધાર છે તાર્કિક વિચારસરણીવ્યક્તિ

"નિરીક્ષણ" શબ્દનો સામાન્ય ખ્યાલ

વિચારણા હેઠળનો ખ્યાલ ખૂબ જ બહુમુખી અને બહુમુખી છે. અમે અવલોકનને માહિતી એકત્રિત કરવા માટે ઉપયોગમાં લેવાતી પ્રક્રિયાના સક્રિય ખ્યાલની હેતુપૂર્ણ, ખાસ સંગઠિત પદ્ધતિ તરીકે સમજવા માટે ટેવાયેલા છીએ. આ કેવા પ્રકારની માહિતી હશે તે અવલોકનનો હેતુ, અવલોકનની શરતો અને જે લક્ષ્યો હાંસલ કરવા જોઈએ તેના પર આધાર રાખે છે.

રોજિંદા, રોજિંદા પ્રક્રિયાઓનું બિન-લક્ષિત અવલોકન આપણને જ્ઞાન, અનુભવ આપે છે અને ચોક્કસ પગલાં લેવા અંગે નિર્ણય લેવામાં મદદ કરે છે. ઇરાદાપૂર્વક સંગઠિત અવલોકન એ ચોક્કસ ડેટાનો સ્ત્રોત છે જે સંશોધનના વિષયની લાક્ષણિકતાઓ નક્કી કરે છે. આ માટે, ચોક્કસ પરિસ્થિતિઓ બનાવવી આવશ્યક છે - પ્રયોગશાળા વાતાવરણ અથવા કુદરતી. સામાજિક વાતાવરણ, વિશ્લેષણ માટે જરૂરી.

વૈજ્ઞાનિક અવલોકન

ચોક્કસ વિજ્ઞાનના માળખામાં, નિરીક્ષણ પદ્ધતિ ચોક્કસ સામગ્રી પ્રાપ્ત કરી શકે છે, પરંતુ મૂળભૂત સિદ્ધાંતો યથાવત રહે છે:

• પહેલો એ વિષય કે પ્રક્રિયાનો અભ્યાસ કરવામાં આવે છે તેમાં હસ્તક્ષેપ ન કરવાનો સિદ્ધાંત છે. ઉદ્દેશ્ય પરિણામો મેળવવા માટે, તમારે અભ્યાસ કરવામાં આવતી ક્રિયાના કુદરતી માર્ગને વિક્ષેપિત કરવો જોઈએ નહીં.
• બીજો સિદ્ધાંત છે સીધી દ્રષ્ટિ. શું થાય છે તેનું અવલોકન વર્તમાન ક્ષણસમય

મનોવિજ્ઞાન એ એક વિજ્ઞાન છે જે આ પદ્ધતિ વિના અસ્તિત્વમાં ન હોઈ શકે. પ્રયોગની સાથે, અવલોકન મનોવૈજ્ઞાનિકોના કોઈપણ નિષ્કર્ષ માટે જરૂરી ડેટા પ્રદાન કરે છે. સમાજશાસ્ત્ર એ બીજું ક્ષેત્ર છે જેનો વ્યાપક ઉપયોગ થાય છે આ પદ્ધતિ. દરેક સમાજશાસ્ત્રીય અભ્યાસ સંપૂર્ણ અથવા આંશિક રીતે નિરીક્ષણ પરિણામો પર આધારિત છે. તે નોંધવું વર્થ છે કે લગભગ તમામ આર્થિક સંશોધનઆંકડાકીય અવલોકનો સાથે પ્રારંભ કરો. ચોક્કસ વિજ્ઞાન (રસાયણશાસ્ત્ર, ભૌતિકશાસ્ત્ર) માં, પ્રયોગમૂલક માપન પદ્ધતિઓ સાથે જે ચોક્કસ માહિતી (વજન, ઝડપ, તાપમાન) પ્રદાન કરે છે, અવલોકન પદ્ધતિનો આવશ્યકપણે ઉપયોગ થાય છે. ફિલોસોફિકલ સંશોધન વિના કલ્પના કરવી પણ મુશ્કેલ છે આ પદ્ધતિ. પરંતુ આ વિજ્ઞાનમાં ખ્યાલને વધુ મુક્ત વ્યાખ્યા આપવામાં આવી છે. ફિલોસોફિકલ અવલોકન, સૌ પ્રથમ, સભાન ચિંતન છે, જેના પરિણામે અસ્તિત્વની કેટલીક સમસ્યાઓ ઉકેલી શકાય છે.

આંકડાકીય માહિતી એકત્રિત કરવાની પદ્ધતિ તરીકે અવલોકન

આંકડાકીય અવલોકન એ સામાજિક-આર્થિક પ્રક્રિયાઓ અને ઘટનાઓને દર્શાવતા જરૂરી ડેટાનો સંગઠિત, વ્યવસ્થિત સંગ્રહ છે. આવા કોઈપણ સંશોધન માહિતીના સંચયથી શરૂ થાય છે અને વસ્તુઓનું લક્ષ્યાંકિત દેખરેખ અને રસના તથ્યોના રેકોર્ડિંગનું પ્રતિનિધિત્વ કરે છે.

આંકડાકીય અવલોકન સરળ અવલોકન કરતા અલગ છે કે તેના અમલીકરણ દરમિયાન મેળવેલ ડેટા રેકોર્ડ કરવો આવશ્યક છે. ભવિષ્યમાં, તેઓ સંશોધનના પરિણામોને પ્રભાવિત કરશે. તેથી જ આંકડાકીય અવલોકનો ગોઠવવા અને કરવા પર ખૂબ ધ્યાન આપવામાં આવે છે.

આંકડાકીય અવલોકનનો હેતુ અને વસ્તુઓ

આ ખ્યાલની વ્યાખ્યા પરથી, તે સ્પષ્ટ બને છે કે તેનો હેતુ માહિતી એકત્રિત કરવાનો છે. આ કેવા પ્રકારની માહિતી હશે તે અવલોકનના સ્વરૂપ અને તેના પદાર્થો પર આધારિત છે. તો એક્સ્ટ્રાઝ મોટાભાગે કોણ અથવા શું અનુસરે છે?

નિરીક્ષણનો હેતુ એ સામાજિક-આર્થિક ઘટનાઓ અથવા પ્રક્રિયાઓનો ચોક્કસ સમૂહ (સેટ) છે. અહીં ચાવી એ છે કે તેમાં ઘણું બધું હોવું જોઈએ. મેળવેલ ડેટાની સરેરાશ અને ચોક્કસ તારણો કાઢવા માટે દરેક એકમનો અલગથી અભ્યાસ કરવામાં આવે છે.

આંકડાકીય અવલોકન કેવી રીતે ગોઠવવામાં આવે છે?

દરેક અવલોકન લક્ષ્યો અને ઉદ્દેશ્યોને નિર્ધારિત કરવા સાથે શરૂ થાય છે. આગળ, તેઓ તેના અમલીકરણ માટેના સમયગાળાને સ્પષ્ટપણે મર્યાદિત કરે છે. કેટલીકવાર, સમયમર્યાદાને બદલે, એક નિર્ણાયક ક્ષણ નક્કી કરવામાં આવે છે - જ્યારે અભ્યાસ હાથ ધરવા માટે પૂરતી માહિતીનો જથ્થો એકત્રિત કરવામાં આવે છે. તેની શરૂઆત ડેટા એકત્રિત કરવાનું બંધ કરવાનું શક્ય બનાવે છે. સમાધાન બિંદુઓ રેકોર્ડ કરવામાં આવે છે - ક્ષણો જ્યારે આયોજિત પ્રદર્શન સૂચકાંકોની વાસ્તવિક સાથે સરખામણી કરવામાં આવે છે.

તૈયારીનો એક મહત્વપૂર્ણ તબક્કો એ નિરીક્ષણના ઑબ્જેક્ટ (ઘણા એકબીજા સાથે જોડાયેલા એકમો) ની ઓળખ છે. દરેક એકમમાં ચિહ્નોની સૂચિ હોય છે જે નિરીક્ષણને આધીન હોય છે. તેમાંથી ફક્ત સૌથી નોંધપાત્રને ઓળખવું જરૂરી છે, જે અભ્યાસ કરવામાં આવી રહેલી ઘટનાને નોંધપાત્ર રીતે લાક્ષણિકતા આપે છે.

નિરીક્ષણ માટેની તૈયારી પૂર્ણ કર્યા પછી, સૂચનાઓ તૈયાર કરવામાં આવે છે. કલાકારોની બધી અનુગામી ક્રિયાઓએ તેનું સખતપણે પાલન કરવું આવશ્યક છે.

આંકડાકીય અવલોકનોના પ્રકારોનું વર્ગીકરણ

ઇવેન્ટની પરિસ્થિતિઓના આધારે, તે અલગ પાડવાનો રિવાજ છે વિવિધ પ્રકારોઆંકડાકીય અવલોકન. અભ્યાસ હેઠળની વસ્તીના એકમોના કવરેજની ડિગ્રી બે પ્રકારોને અલગ પાડવાનું શક્ય બનાવે છે:

• સતત (સંપૂર્ણ) અવલોકન - અભ્યાસ કરેલ સમૂહના દરેક એકમ વિશ્લેષણને આધીન છે.
• પસંદગીયુક્ત - માત્ર અભ્યાસ કર્યો ચોક્કસ ભાગસંપૂર્ણતા

સ્વાભાવિક રીતે, આવા અભ્યાસના સંપૂર્ણ અમલીકરણ માટે ઘણો સમય, શ્રમ અને ભૌતિક સંસાધનોની જરૂર પડે છે, પરંતુ તેના પરિણામો વધુ વિશ્વસનીય હશે.

હકીકતોની નોંધણીના સમય પર આધાર રાખે છે આંકડાકીય અવલોકનહોઈ શકે છે:

• સતત - વર્તમાન સમયમાં રેકોર્ડિંગ ઇવેન્ટ્સ. નિરીક્ષણમાં વિરામની મંજૂરી નથી. ઉદાહરણ: રજિસ્ટ્રી ઑફિસ દ્વારા લગ્ન, જન્મ, મૃત્યુની નોંધણી.
• તૂટક તૂટક - ઘટનાઓ સમયાંતરે ચોક્કસ ક્ષણો પર રેકોર્ડ કરવામાં આવે છે. આ વસ્તી ગણતરી હોઈ શકે છે, એન્ટરપ્રાઈઝની ઈન્વેન્ટરી હોઈ શકે છે.

અવલોકન પરિણામો સાચવી રહ્યા છીએ

અવલોકનો હાથ ધરતી વખતે એક મહત્વપૂર્ણ મુદ્દો એ પરિણામોની સાચી રેકોર્ડિંગ છે. અસરકારક રીતે પ્રક્રિયા કરવા અને વધુ સંશોધનમાં ઉપયોગમાં લેવાતી માહિતી મેળવવા માટે, તે યોગ્ય રીતે સંગ્રહિત હોવી જોઈએ.

આ હેતુ માટે, રજીસ્ટર, ફોર્મ અને એક નિરીક્ષણ ડાયરી બનાવવામાં આવે છે. ઘણીવાર પ્રક્રિયા આંકડાકીય સંશોધન, જો તેમાં મોટી સંખ્યામાં એકમોનો અભ્યાસ કરવામાં આવે છે, તો તેને ઘણા નિરીક્ષકોની પણ જરૂર છે. તેમાંના દરેક પ્રાપ્ત ડેટાને ફોર્મ્સ (કાર્ડ્સ) માં રેકોર્ડ કરે છે, જેનો પાછળથી સારાંશ આપવામાં આવે છે, અને માહિતી સામાન્ય રજિસ્ટરમાં સ્થાનાંતરિત થાય છે.

સ્વતંત્ર રીતે સંગઠિત અભ્યાસોમાં, પરિણામો ઘણીવાર અવલોકન ડાયરીમાં સાચવવામાં આવે છે - ખાસ ડિઝાઇન કરેલ જર્નલ અથવા નોટબુક. અમને બધાને શાળામાંથી યાદ છે કે અમે કેવી રીતે હવામાનના ફેરફારોનો આલેખ બનાવ્યો અને આવી ડાયરીમાં ડેટા રેકોર્ડ કર્યો.

શું સમાજશાસ્ત્રમાં અવલોકન પદ્ધતિ જરૂરી છે?

સમાજશાસ્ત્ર એ એક એવું વિજ્ઞાન છે કે જેના માટે સંશોધન પદ્ધતિ તરીકે અવલોકન એટલું જ મહત્વનું છે જેટલું આંકડાશાસ્ત્ર અથવા મનોવિજ્ઞાન માટે. મોટા ભાગના સમાજશાસ્ત્રીય પ્રયોગો આ પદ્ધતિ પર આધારિત છે. અહીં, આંકડાઓના કિસ્સામાં, અવલોકન એ આગળના કાર્ય માટે ડેટાનો સ્ત્રોત છે.

સમાજશાસ્ત્રીય અવલોકનોનો હેતુ વ્યક્તિઓનો સમૂહ છે, જેમાંથી દરેક અમુક સમય માટે અભ્યાસ હેઠળ એક એકમ બની જાય છે. લોકોની ક્રિયાઓનો અભ્યાસ કરવો વધુ મુશ્કેલ છે, ઉદાહરણ તરીકે, પ્રવાહ કુદરતી પ્રક્રિયાઓ. તેમની વર્તણૂક અન્ય વસ્તુઓની હાજરીથી પ્રભાવિત થઈ શકે છે (જો અવલોકન જૂથમાં કરવામાં આવે છે), તેમજ સંશોધકની હાજરીથી. આ આ પદ્ધતિનો એક ગેરફાયદો છે. સમાજશાસ્ત્રમાં અવલોકનનો બીજો ગેરલાભ એ વ્યક્તિત્વ છે. સંશોધક, ઈચ્છા વિના, અભ્યાસ કરવામાં આવી રહેલી પ્રક્રિયામાં દખલ કરી શકે છે.

સમાજશાસ્ત્રમાં (માનસશાસ્ત્રની જેમ), આ પદ્ધતિ અભ્યાસ કરવામાં આવી રહેલા એકમ અથવા જૂથની લાક્ષણિકતાઓને દર્શાવવા માટે વર્ણનાત્મક માહિતી પ્રદાન કરે છે.

સમાજશાસ્ત્રીય અવલોકન સફળ અને અસરકારક બનવા માટે, યોજનાનું પાલન કરવું જરૂરી છે:

• આગામી સંશોધનના લક્ષ્યો અને ઉદ્દેશો નક્કી કરો.
• ઑબ્જેક્ટ અને અવલોકનનો વિષય ઓળખો.
• શક્ય તેટલું પસંદ કરો અસરકારક રીતતેના અમલીકરણ.
• પ્રાપ્ત માહિતીની નોંધણી માટે પદ્ધતિ પસંદ કરો.
• નિરીક્ષણના તમામ તબક્કે નિયંત્રણની ખાતરી કરો.
• પ્રાપ્ત માહિતીની ઉચ્ચ ગુણવત્તાની પ્રક્રિયા અને અર્થઘટન ગોઠવો.

સમાજશાસ્ત્રમાં અવલોકનના પ્રકારો શું છે?

અભ્યાસ કરવામાં આવતા જૂથમાં નિરીક્ષકની જગ્યા અને ભૂમિકાના આધારે, ત્યાં છે:

શક્તિઓના આધારે, દેખરેખ આ હોઈ શકે છે:

• નિયંત્રિત - અભ્યાસ કરવામાં આવતી પ્રક્રિયાને ગોઠવવાનું શક્ય છે.
• અનિયંત્રિત - અવલોકનમાં કોઈપણ દખલ બાકાત છે, તમામ હકીકતો તેમના કુદરતી અભિવ્યક્તિઓમાં રેકોર્ડ કરવામાં આવે છે.

સંસ્થાની શરતો પર આધાર રાખીને:

• પ્રયોગશાળા - અવલોકન કે જેના માટે ચોક્કસ શરતો કૃત્રિમ રીતે બનાવવામાં આવે છે.
• ક્ષેત્ર - સામાજિક પ્રક્રિયાના અભિવ્યક્તિના સ્થળે અને તેની ઘટના દરમિયાન સીધા હાથ ધરવામાં આવે છે.

સ્વ-નિરીક્ષણ શું છે? આ એક ખૂબ જ રસપ્રદ અને વિશિષ્ટ પ્રકારનું સંશોધન છે, જ્યારે અભ્યાસ કરવામાં આવી રહેલ ઑબ્જેક્ટને, શક્ય તેટલી નિરપેક્ષપણે, અભ્યાસ માટે જરૂરી તેના પોતાના વર્તનની વિશેષતાઓ ટ્રેસ કરવી જોઈએ અને રિપોર્ટ પ્રદાન કરવો જોઈએ. આ પદ્ધતિના ફાયદા અને ગેરફાયદા બંને છે. ફાયદો એ છે કે ફક્ત વ્યક્તિને જ તેની પોતાની મનોવૈજ્ઞાનિક પ્રક્રિયાઓ અને ક્રિયાઓનું શક્ય તેટલું ઊંડાણપૂર્વક અને વિશ્વસનીય મૂલ્યાંકન કરવાની તક મળે છે. નુકસાન એ પદ્ધતિની વર્તમાન વ્યક્તિત્વ છે, જેને દૂર કરી શકાતી નથી અથવા ઓછામાં ઓછી ઘટાડી શકાતી નથી.

શિક્ષણશાસ્ત્રના સંશોધનમાં બાળ અવલોકન પદ્ધતિનો ઉપયોગ

જ્યારે બાળ મનોવિજ્ઞાનનો અભ્યાસ કરવાની વાત આવે છે, ત્યારે અવલોકન વ્યવહારિક રીતે એકમાત્ર છે શક્ય માર્ગ. બાળક સંશોધન માટે ખૂબ જ વિશિષ્ટ પદાર્થ છે. નાના બાળકો ભાગ લઈ શકતા નથી મનોવૈજ્ઞાનિક પ્રયોગો, તેઓ મૌખિક રીતે તેમની લાગણીઓ, ક્રિયાઓ અને ક્રિયાઓનું વર્ણન કરી શકતા નથી.

ઘણા શિક્ષણશાસ્ત્રની પદ્ધતિઓપ્રારંભિક પૂર્વશાળાની ઉંમરના શિશુઓ અને બાળકોના નિરીક્ષણ દરમિયાન સંચિત ડેટા પર આધારિત છે:

• કોષ્ટકો પ્રારંભિક વિકાસઆર્નોલ્ડ ગેસેલ, બાહ્ય પરિબળો પ્રત્યે બાળકોની પ્રતિક્રિયાઓના સીધા અવલોકન દ્વારા સંકલિત.
• E. L. Frucht પદ્ધતિનું સંકલન કર્યું સાયકોફિઝિકલ વિકાસબાળકો તે દસ મહિના સુધીના બાળકની દેખરેખ પર આધારિત છે.
• જે. લેશલીએ ઘણા અભ્યાસો માટે આ પદ્ધતિનો ઉપયોગ કર્યો. "વિકાસ કાર્ડ્સ" અને "મુશ્કેલ વર્તનનું નિરીક્ષણ કરવાની પદ્ધતિઓ" તેમની સૌથી પ્રખ્યાત કૃતિઓ છે.

અવલોકન અને અવલોકન. આ વ્યક્તિત્વ ગુણવત્તા કેવી રીતે ઉપયોગી છે?

અવલોકન છે મનોવૈજ્ઞાનિક મિલકતક્ષમતા આધારિત સંવેદનાત્મક દ્રષ્ટિ, દરેક વ્યક્તિ માટે વ્યક્તિગત. સાદા શબ્દોમાં- આ અવલોકન કરવાની ક્ષમતા છે. અહીં મહત્વની બાબત એ છે કે શું વ્યક્તિ ચિંતનની પ્રક્રિયામાં વિગતો નોંધવામાં સક્ષમ છે. જેમ જેમ તે બહાર આવ્યું છે, દરેક વ્યક્તિએ આ કૌશલ્યને પર્યાપ્ત સ્તરે વિકસાવ્યું નથી.

અવલોકન એ એક ગુણવત્તા છે જે રોજિંદા જીવનમાં અને બંનેમાં ઉપયોગી છે વ્યાવસાયિક પ્રવૃત્તિ. ઘણા મનોવૈજ્ઞાનિક અભ્યાસો છે જે માઇન્ડફુલનેસના વિકાસ પર ધ્યાન કેન્દ્રિત કરે છે. પ્રેક્ટિસ બતાવે છે કે અવલોકન કરવાનું શીખવું સરળ છે; તમારે ફક્ત તમારી ઇચ્છા અને થોડી મહેનતની જરૂર છે, પરંતુ પરિણામ તે યોગ્ય છે. સચેત લોકો માટે, વિશ્વ હંમેશા વધુ રસપ્રદ અને રંગીન હોય છે.

સરખામણી અને માપન

વૈજ્ઞાનિક સંશોધન ચલાવવાની મૂળભૂત પદ્ધતિઓ

બે મુજબ એકબીજા સાથે જોડાયેલા સ્તરો વૈજ્ઞાનિક જ્ઞાન(પ્રાયોગિક અને સૈદ્ધાંતિક) પ્રયોગમૂલક પદ્ધતિઓ વચ્ચેનો તફાવત વૈજ્ઞાનિક સંશોધન(અવલોકન, વર્ણન, સરખામણી, માપન, પ્રયોગ, ઇન્ડક્શન, વગેરે), જેની મદદથી પ્રાયોગિક ડેટાનું સંચય, રેકોર્ડિંગ, સામાન્યીકરણ અને વ્યવસ્થિતકરણ, તેમની આંકડાકીય પ્રક્રિયા, અને સૈદ્ધાંતિક (વિશ્લેષણ અને સંશ્લેષણ, સાદ્રશ્ય અને મોડેલિંગ, આદર્શીકરણ , કપાત અને વગેરે); તેમની મદદથી, વિજ્ઞાન અને સિદ્ધાંતના નિયમો રચાય છે.

વૈજ્ઞાનિક સંશોધનની પ્રક્રિયામાં, તમારી જાતને માત્ર એક સુધી મર્યાદિત રાખવાને બદલે વિવિધ પદ્ધતિઓનો ઉપયોગ કરવાની સલાહ આપવામાં આવે છે.

અવલોકન

અવલોકન- આ પદાર્થની હેતુપૂર્ણ પદ્ધતિસરની ધારણા છે, જે વૈજ્ઞાનિક સંશોધન માટે પ્રાથમિક સામગ્રી પહોંચાડે છે. અવલોકન એ સમજશક્તિની એક પદ્ધતિ છે જેમાં કોઈ વસ્તુને તેની સાથે દખલ કર્યા વિના અભ્યાસ કરવામાં આવે છે. ફોકસ - સૌથી મહત્વપૂર્ણ લાક્ષણિકતાઅવલોકનો અવલોકન પણ વ્યવસ્થિતતા દ્વારા વર્ગીકૃત થયેલ છે, જે ઘણી વખત અને વિવિધ પરિસ્થિતિઓમાં ઑબ્જેક્ટની ધારણામાં વ્યક્ત થાય છે, વ્યવસ્થિતતા, અવલોકનમાં અંતર દૂર કરે છે અને નિરીક્ષકની પ્રવૃત્તિ, જરૂરી માહિતી પસંદ કરવાની તેની ક્ષમતા, હેતુ દ્વારા નિર્ધારિત કરવામાં આવે છે. અભ્યાસ

વિજ્ઞાનના ઇતિહાસમાં પ્રત્યક્ષ અવલોકનો ધીમે ધીમે વધુને વધુ અદ્યતન સાધનો - ટેલિસ્કોપ, માઇક્રોસ્કોપ, કેમેરા વગેરેનો ઉપયોગ કરીને અવલોકનો દ્વારા બદલવામાં આવ્યા હતા. પછી નિરીક્ષણની એક વધુ પરોક્ષ પદ્ધતિ દેખાઈ. તે માત્ર અભ્યાસ કરી રહેલા ઑબ્જેક્ટને ઝૂમ ઇન, મોટું અથવા કેપ્ચર કરવાનું શક્ય બનાવતું નથી, પણ આપણી ઇન્દ્રિયો માટે અગમ્ય માહિતીને તેમના માટે સુલભ સ્વરૂપમાં રૂપાંતરિત કરવાનું પણ શક્ય બન્યું હતું. આ કિસ્સામાં, મધ્યસ્થી ઉપકરણ માત્ર "મેસેન્જર" જ નહીં, પણ "અનુવાદક" ની ભૂમિકા ભજવે છે. ઉદાહરણ તરીકે, રડાર કેપ્ચર કરેલા રેડિયો કિરણોને પ્રકાશ સ્પંદનોમાં પરિવર્તિત કરે છે જે આપણી આંખો જોઈ શકે છે.

વૈજ્ઞાનિક સંશોધનની પદ્ધતિ તરીકે, અવલોકન તેના વધુ સંશોધન માટે જરૂરી પદાર્થ વિશે પ્રારંભિક માહિતી પ્રદાન કરે છે.

સરખામણી અને માપન

મહત્વની ભૂમિકાસરખામણી અને માપન વૈજ્ઞાનિક સંશોધનમાં ભૂમિકા ભજવે છે. સરખામણીતેમની વચ્ચે સમાનતા અથવા તફાવતો ઓળખવા માટે વસ્તુઓની તુલના કરવાની એક પદ્ધતિ છે. સરખામણી -તે વિચારવાનું એક ઓપરેશન છે જેના દ્વારા વાસ્તવિકતાની સામગ્રીનું વર્ગીકરણ, ક્રમબદ્ધ અને મૂલ્યાંકન કરવામાં આવે છે. સરખામણી કરતી વખતે, તેમના સંબંધો, સમાન અથવા વિશિષ્ટ લક્ષણોને ઓળખવા માટે વસ્તુઓની જોડી પ્રમાણે સરખામણી કરવામાં આવે છે. સરખામણી માત્ર સંપૂર્ણતાના સંબંધમાં જ અર્થપૂર્ણ છે સજાતીય વસ્તુઓ, વર્ગની રચના.

માપન -વિશિષ્ટ તકનીકી માધ્યમોનો ઉપયોગ કરીને પ્રાયોગિક રીતે ભૌતિક જથ્થાનું આ નિર્ધારણ છે.

માપનો હેતુઅભ્યાસ હેઠળના પદાર્થ વિશે માહિતી મેળવવા માટે છે.

નીચેના કેસોમાં માપન હાથ ધરવામાં આવી શકે છે:

- સંપૂર્ણપણે જ્ઞાનાત્મક કાર્યોમાં જેમાં ઑબ્જેક્ટનો વ્યાપક અભ્યાસ હાથ ધરવામાં આવે છે, પ્રયોજિત પ્રવૃત્તિઓમાં પ્રાપ્ત પરિણામોને લાગુ કરવા માટે સ્પષ્ટ રીતે ઘડાયેલા વિચારો વિના;

- ખૂબ ચોક્કસ એપ્લિકેશન માટે જરૂરી એવા ઑબ્જેક્ટના ચોક્કસ ગુણધર્મોને ઓળખવા સંબંધિત લાગુ સમસ્યાઓમાં.

માપનો સિદ્ધાંત અને પ્રેક્ટિસ મેટ્રોલોજી સાથે સંબંધિત છે - માપનનું વિજ્ઞાન, પદ્ધતિઓ અને તેમની એકતા અને જરૂરી ચોકસાઈ હાંસલ કરવાની પદ્ધતિઓને સુનિશ્ચિત કરવાના માધ્યમો.

ચોક્કસ વિજ્ઞાન અભ્યાસ હેઠળની વસ્તુઓની લાક્ષણિકતાઓના આંકડાકીય મૂલ્યો શોધવા સાથે અવલોકનો અને પ્રયોગો વચ્ચેના કાર્બનિક જોડાણ દ્વારા વર્ગીકૃત થયેલ છે. ડી.આઈ. મેન્ડેલીવના અલંકારિક અભિવ્યક્તિમાં, "વિજ્ઞાન માપવાનું શરૂ કરે છે.

જો નીચેના તત્વો હાજર હોય તો કોઈપણ માપન કરી શકાય છે: માપન પદાર્થ, મિલકત અથવા રાજ્ય જેનું લક્ષણ છે માપેલ જથ્થો; માપનનું એકમ; માપન પદ્ધતિ; તકનીકી માધ્યમોમાપ, પસંદ કરેલ એકમોમાં સ્નાતક થયા; નિરીક્ષક અથવા રેકોર્ડિંગ ઉપકરણ, પરિણામ સમજીને.

પ્રત્યક્ષ અને પરોક્ષ માપન છે. તેમાંના પ્રથમમાં, પરિણામ સીધા માપનમાંથી મેળવવામાં આવે છે (ઉદાહરણ તરીકે, શાસક સાથે લંબાઈ માપવા, વજન સાથે સમૂહ). પરોક્ષ માપન જથ્થાના ઇચ્છિત મૂલ્ય અને સીધા માપેલા જથ્થાના મૂલ્યો વચ્ચેના જાણીતા સંબંધના ઉપયોગ પર આધારિત છે.

માપવાના સાધનોમાં માપવાના સાધનો, માપવાના સાધનો અને સ્થાપનોનો સમાવેશ થાય છે. માપવાના સાધનોઅનુકરણીય અને તકનીકીમાં વિભાજિત.

અનુકરણીય ઉત્પાદનો ધોરણો છે. તેઓ તકનીકી, એટલે કે કાર્યકારી માધ્યમો તપાસવા માટે પરીક્ષણ માટે બનાવાયેલ છે.

ધોરણો અથવા પ્રમાણભૂત માપન સાધનોમાંથી કાર્યકારી સાધનોમાં એકમના કદનું સ્થાનાંતરણ રાજ્ય અને વિભાગીય મેટ્રોલોજીકલ સંસ્થાઓ દ્વારા કરવામાં આવે છે જે સ્થાનિક મેટ્રોલોજિકલ સેવા બનાવે છે, તેમની પ્રવૃત્તિઓ દેશમાં માપનની એકરૂપતા અને માપન સાધનોની એકરૂપતાને સુનિશ્ચિત કરે છે; રશિયામાં વિજ્ઞાન તરીકે મેટ્રોલોજીકલ સર્વિસ અને મેટ્રોલોજીના સ્થાપક મહાન રશિયન વૈજ્ઞાનિક ડી.આઈ. મુખ્ય ચેમ્બરવજન અને માપ, જે, ખાસ કરીને, રજૂ કરવા માટે ઘણું કામ કર્યું છે મેટ્રિક સિસ્ટમદેશમાં (1918 - 1927).

માપન હાથ ધરતી વખતે સૌથી મહત્વપૂર્ણ કાર્યોમાંનું એક તેમની ચોકસાઈ સ્થાપિત કરવાનું છે, એટલે કે, ભૂલો (ભૂલો) નક્કી કરવી. અચોક્કસતા અથવા માપન ભૂલભૌતિક જથ્થાના તેના સાચા મૂલ્યમાંથી માપન પરિણામના વિચલનને કૉલ કરો.

જો ભૂલ નાની હોય, તો તેની અવગણના કરી શકાય છે. જો કે, બે પ્રશ્નો અનિવાર્યપણે ઉદ્ભવે છે: પ્રથમ, નાની ભૂલનો અર્થ શું છે, અને બીજું, ભૂલની તીવ્રતાનો અંદાજ કેવી રીતે કરવો.

માપન ભૂલ સામાન્ય રીતે અજ્ઞાત હોય છે, જેમ માપેલ જથ્થાનું સાચું મૂલ્ય અજ્ઞાત હોય છે (અપવાદો એ જાણીતી જથ્થાના માપ છે. ખાસ હેતુમાપન ભૂલોનો અભ્યાસ, ઉદાહરણ તરીકે માપવાના સાધનોની ચોકસાઈ નક્કી કરવા માટે). તેથી, પ્રાયોગિક પરિણામોની ગાણિતિક પ્રક્રિયાના મુખ્ય કાર્યોમાંનું એક એ પ્રાપ્ત પરિણામોના આધારે માપેલા જથ્થાના સાચા મૂલ્યનું ચોક્કસ મૂલ્યાંકન છે.

ચાલો માપન ભૂલોના વર્ગીકરણને ધ્યાનમાં લઈએ.

વ્યવસ્થિત અને રેન્ડમ માપન ભૂલો છે.

પદ્ધતિસરની ભૂલસમાન જથ્થાના પુનરાવર્તિત માપ સાથે સતત (અથવા કુદરતી રીતે બદલાય છે) રહે છે. K સતત માન્ય કારણોઆ ભૂલમાં નીચેનાનો સમાવેશ થાય છે: નબળી ગુણવત્તાવાળી સામગ્રી, ઉપકરણોના ઉત્પાદન માટે વપરાતા ઘટકો; અસંતોષકારક કામગીરી, સેન્સરનું અચોક્કસ કેલિબ્રેશન, નીચી ચોકસાઈ વર્ગના માપન સાધનોનો ઉપયોગ, ગણતરી કરેલ (સામાન્ય રીતે સ્થિર) થી ઇન્સ્ટોલેશનના થર્મલ શાસનનું વિચલન, ધારણાઓનું ઉલ્લંઘન કે જેના હેઠળ ડિઝાઇન સમીકરણો માન્ય છે, વગેરે. માપવાના સાધનોને ડિબગ કરતી વખતે અથવા માપેલા જથ્થાના મૂલ્યમાં વિશેષ સુધારાઓ રજૂ કરતી વખતે આવી ભૂલો સરળતાથી દૂર થાય છે.

રેન્ડમ ભૂલપુનરાવર્તિત માપન સાથે અવ્યવસ્થિત રીતે બદલાય છે અને તે ઘણા નબળા, અને તેથી ઓળખવા મુશ્કેલ, કારણોની અસ્તવ્યસ્ત ક્રિયાને કારણે થાય છે. આમાંના એક કારણોનું ઉદાહરણ ડાયલ ગેજ વાંચવાનું છે - પરિણામ ઓપરેટરના જોવાના કોણ પર અણધારી રીતે આધાર રાખે છે. રેન્ડમ માપન ભૂલનું મૂલ્યાંકન માત્ર સંભાવના સિદ્ધાંતની પદ્ધતિઓનો ઉપયોગ કરીને કરી શકાય છે અને ગાણિતિક આંકડા. જો પ્રયોગમાં ભૂલ અપેક્ષિત કરતાં નોંધપાત્ર રીતે વધી જાય, તો તેને એકંદર ભૂલ (ચૂકી) કહેવામાં આવે છે, અને આ કિસ્સામાં માપન પરિણામ કાઢી નાખવામાં આવે છે. મૂળભૂત માપનની શરતોના ઉલ્લંઘનના પરિણામે અથવા પ્રયોગકર્તા દ્વારા દેખરેખના પરિણામે એકંદર ભૂલો ઊભી થાય છે (ઉદાહરણ તરીકે, નબળી લાઇટિંગમાં, 3 ની જગ્યાએ, 8 રેકોર્ડ કરવામાં આવે છે). જો એકંદર ભૂલ મળી આવે, તો માપન પરિણામ તરત જ કાઢી નાખવું જોઈએ અને માપન પોતે જ પુનરાવર્તિત થવું જોઈએ (જો શક્ય હોય તો). એકંદર ભૂલ ધરાવતા પરિણામની બાહ્ય નિશાની એ અન્ય માપોના પરિણામોથી તેના મૂલ્યમાં તીવ્ર તફાવત છે.

ભૂલોનું બીજું વર્ગીકરણ પદ્ધતિસરની અને ઇન્સ્ટ્રુમેન્ટલ ભૂલોમાં તેમનું વિભાજન છે. પદ્ધતિસરની ભૂલોપસંદ કરેલ માપન પદ્ધતિની સૈદ્ધાંતિક ભૂલોને કારણે થાય છે: ગણતરી કરેલ (સ્થિર) એકમાંથી ઇન્સ્ટોલેશનના થર્મલ શાસનનું વિચલન, શરતોનું ઉલ્લંઘન કે જેના હેઠળ ડિઝાઇન સમીકરણો માન્ય છે, વગેરે. ઇન્સ્ટ્રુમેન્ટલ ભૂલોસેન્સરના અચોક્કસ કેલિબ્રેશન, માપવાના સાધનોમાં ભૂલો વગેરેને કારણે થાય છે. જો કાળજીપૂર્વક હાથ ધરવામાં આવેલા પ્રયોગમાં પદ્ધતિસરની ભૂલોને શૂન્ય સુધી ઘટાડી શકાય છે અથવા સુધારણા રજૂ કરીને ધ્યાનમાં લેવામાં આવી શકે છે, તો પછી ઇન્સ્ટ્રુમેન્ટલ ભૂલોને સૈદ્ધાંતિક રીતે દૂર કરી શકાતી નથી - એક ઉપકરણને સમાન પ્રકારના બીજા સાથે બદલવાથી માપન પરિણામ બદલાય છે.

આમ, પ્રયોગોમાં દૂર કરવાની સૌથી મુશ્કેલ ભૂલો રેન્ડમ અને વ્યવસ્થિત ઇન્સ્ટ્રુમેન્ટલ ભૂલો છે.

જો સમાન શરતો હેઠળ માપન વારંવાર કરવામાં આવે છે, તો વ્યક્તિગત માપનના પરિણામો સમાન રીતે વિશ્વસનીય છે. માપના આવા સમૂહ x 1, x 2 ...x n ને સમાન-ચોકસાઇ માપન કહેવાય છે.

સમાન જથ્થા x ના બહુવિધ (સમાન-ચોકસાઇ) માપન સાથે, રેન્ડમ ભૂલો પ્રાપ્ત મૂલ્યોના સ્કેટર તરફ દોરી જાય છે x i, જે માપેલ જથ્થાના સાચા મૂલ્યની નજીક જૂથ થયેલ છે જો આપણે સમાન-ની પૂરતી મોટી શ્રેણીનું વિશ્લેષણ કરીએ. ચોકસાઇ માપન અને અનુરૂપ રેન્ડમ માપન ભૂલો, પછી રેન્ડમ ભૂલોના ચાર ગુણધર્મોને ઓળખી શકાય છે:

1) હકારાત્મક ભૂલોની સંખ્યા લગભગ નકારાત્મકની સંખ્યા જેટલી છે;

2) નાની ભૂલો મોટી ભૂલો કરતાં વધુ સામાન્ય છે;

3) માપની ચોકસાઈના આધારે, સૌથી મોટી ભૂલોની તીવ્રતા ચોક્કસ મર્યાદા કરતાં વધી જતી નથી;

4) તમામ અવ્યવસ્થિત ભૂલોના બીજગણિતીય સરવાળાને તેમના દ્વારા વિભાજિત કરવાનો ભાગ કુલ જથ્થોશૂન્યની નજીક, એટલે કે

સૂચિબદ્ધ ગુણધર્મોના આધારે, અમુક ધારણાઓને ધ્યાનમાં લઈને, રેન્ડમ ભૂલોના વિતરણનો કાયદો, દ્વારા વર્ણવેલ આગામી કાર્ય:

રેન્ડમ ભૂલોના વિતરણનો કાયદો ભૂલોના ગાણિતિક સિદ્ધાંતમાં મૂળભૂત છે. નહિંતર, તેને માપેલ ડેટા (ગૌસીયન વિતરણ) નો સામાન્ય વિતરણ કાયદો કહેવામાં આવે છે. આ કાયદો ફિગમાં ગ્રાફ સ્વરૂપમાં બતાવવામાં આવ્યો છે. 2

ચોખા. 2. લાક્ષણિકતાઓ સામાન્ય કાયદોવિતરણ

p(x) - પ્રાપ્ત કરવાની સંભાવના ઘનતા વ્યક્તિગત મૂલ્યો x i (સંભાવના પોતે જ વળાંક હેઠળના વિસ્તાર દ્વારા દર્શાવવામાં આવે છે);

m - ગાણિતિક અપેક્ષા, માપેલ મૂલ્ય x નું સૌથી સંભવિત મૂલ્ય (ગ્રાફના મહત્તમને અનુરૂપ), અનંતતા તરફ વલણ મોટી સંખ્યામાંઅજ્ઞાત સાચા મૂલ્ય x માટે માપન; , જ્યાં n એ માપની સંખ્યા છે. આમ, ગાણિતિક અપેક્ષા m ને તમામ મૂલ્યો x i ના અંકગણિત સરેરાશ તરીકે વ્યાખ્યાયિત કરવામાં આવે છે,

s - સરેરાશ પ્રમાણભૂત વિચલનમૂલ્ય m માંથી માપેલ મૂલ્ય x; (x i - m) - m થી x i નું સંપૂર્ણ વિચલન,

x મૂલ્યોની કોઈપણ શ્રેણીમાં ગ્રાફના વળાંક હેઠળનો વિસ્તાર મેળવવાની સંભાવના દર્શાવે છે રેન્ડમ પરિણામઆ અંતરાલમાં માપન. સામાન્ય વિતરણ માટે, લેવાયેલ તમામ માપના 0.62 ±s અંતરાલ (m ની સાપેક્ષ) ની અંદર આવે છે; વિશાળ ±2s અંતરાલ પહેલાથી જ તમામ માપના 0.95 ધરાવે છે , અને લગભગ તમામ માપન પરિણામો (સ્થૂળ ભૂલો સિવાય) ±3s અંતરાલમાં ફિટ થાય છે.

પ્રમાણભૂત વિચલન s સામાન્ય વિતરણની પહોળાઈ દર્શાવે છે. જો તમે માપનની ચોકસાઈ વધારશો, તો પરિણામોનું સ્કેટર s માં ઘટાડાને કારણે તીવ્રપણે ઘટશે (ફિગ 4.3 b માં વિતરણ 2 વળાંક 1 કરતા સાંકડો અને તીવ્ર છે).

અંતિમ ધ્યેયપ્રયોગ એ સાચું મૂલ્ય x નક્કી કરવાનો છે, જે, રેન્ડમ ભૂલોની હાજરીમાં, બધા માટે ગાણિતિક અપેક્ષા m ની ગણતરી કરીને જ સંપર્ક કરી શકાય છે. વધુપ્રયોગો

ગાણિતિક અપેક્ષા m ના મૂલ્યોનો ફેલાવો જેની ગણતરી કરવામાં આવે છે વિવિધ સંખ્યાઓપરિમાણ n એ મૂલ્ય s m દ્વારા વર્ગીકૃત થયેલ છે; s માટેના સૂત્ર સાથે સરખામણી કરવામાં આવે ત્યારે, તે સ્પષ્ટ છે કે અંકગણિત સરેરાશ તરીકે, Ön માં m ના મૂલ્યનો ફેલાવો વ્યક્તિગત માપ x i ના ફેલાવા કરતાં ઓછો છે. s m અને s માટે આપેલ સમીકરણો માપની વધતી સંખ્યા સાથે વધતી ચોકસાઈના નિયમને પ્રતિબિંબિત કરે છે. તે તેમાંથી અનુસરે છે કે માપનની ચોકસાઈને 2 ગણો વધારવા માટે, એકને બદલે ચાર માપન કરવા જરૂરી છે; ચોકસાઈને 3 ગણો વધારવા માટે, તમારે માપની સંખ્યામાં 9 ગણો વધારો કરવાની જરૂર છે, વગેરે.

મર્યાદિત સંખ્યામાં માપન માટે, m નું મૂલ્ય હજી પણ x ના સાચા મૂલ્યથી અલગ છે, તેથી, m ની ગણતરી સાથે, વિશ્વાસ અંતરાલ સૂચવવું જરૂરી છે. , જેમાં x ની સાચી કિંમત આપેલ સંભાવના સાથે જોવા મળે છે. તકનીકી માપન માટે, 0.95 ની સંભાવના પર્યાપ્ત ગણવામાં આવે છે, તેથી સામાન્ય વિતરણ માટે વિશ્વાસ અંતરાલ ±2s m છે. સામાન્ય વિતરણ માપની સંખ્યા n ³ 30 માટે માન્ય છે.

વાસ્તવિક પરિસ્થિતિઓમાં, તકનીકી પ્રયોગ ભાગ્યે જ 5 થી 7 વખત કરવામાં આવે છે, તેથી ગેરલાભ આંકડાકીય માહિતીવિસ્તરણ દ્વારા વળતર આપવું આવશ્યક છે આત્મવિશ્વાસ અંતરાલ. આ કિસ્સામાં, માટે (એન< 30) доверительный интервал определяется как ± k s s m , где k s – коэффициент Стьюдента, определяемый по справочным таблицам

જેમ n ની સંખ્યા ઘટે છે, k s ગુણાંક વધે છે, જે આત્મવિશ્વાસ અંતરાલને વિસ્તૃત કરે છે, અને જેમ n વધે છે, k s નું મૂલ્ય 2 થાય છે, જે સામાન્ય વિતરણ ± 2s m ના વિશ્વાસ અંતરાલને અનુરૂપ છે.

અંતિમ પરિણામ બહુવિધ માપનસતત મૂલ્ય હંમેશાફોર્મમાં ઘટાડો: m ± k s s m .

આમ, રેન્ડમ ભૂલોનો અંદાજ કાઢવા માટે, નીચેની ક્રિયાઓ કરવી જરૂરી છે:

1). n સ્થિર મૂલ્યના પુનરાવર્તિત માપના પરિણામો x 1 , x 2 ...x n લખો;

2). n માપથી સરેરાશ મૂલ્યની ગણતરી કરો - ગાણિતિક અપેક્ષા;

3). વ્યક્તિગત માપ x i -m ની ભૂલો નક્કી કરો;

4). વ્યક્તિગત માપની ચોરસ ભૂલોની ગણતરી કરો (x i -m) 2;

જો ઘણા માપ તેમના મૂલ્યોમાં અન્ય માપોથી તીવ્રપણે અલગ પડે છે, તો તમારે તપાસ કરવી જોઈએ કે તે ચૂકી છે કે કેમ (સ્થૂળ ભૂલ). p.p ના એક અથવા વધુ માપને બાદ કરતાં 1...4 પુનરાવર્તન;

5). મૂલ્ય s m નક્કી થાય છે - ગાણિતિક અપેક્ષા m ના મૂલ્યોનો ફેલાવો;

6). પસંદ કરેલ સંભાવના (સામાન્ય રીતે 0.95) અને n લેવામાં આવેલા માપની સંખ્યા માટે, વિદ્યાર્થી ગુણાંક k s લુકઅપ કોષ્ટકમાંથી નક્કી કરવામાં આવે છે;

વિદ્યાર્થી ગુણાંક k s ના મૂલ્યો n માટે માપનની સંખ્યાના આધારે આત્મવિશ્વાસની સંભાવના 0,95

7). આત્મવિશ્વાસ અંતરાલ ± k s s m ની સીમાઓ નિર્ધારિત છે

8). અંતિમ પરિણામ m ± k s s m રેકોર્ડ કરવામાં આવે છે.

ઇન્સ્ટ્રુમેન્ટલ ભૂલો સૈદ્ધાંતિક રીતે દૂર કરી શકાતી નથી. બધા માપન સાધનો પર આધારિત છે ચોક્કસ પદ્ધતિમાપ જેની ચોકસાઈ મર્યાદિત છે.

ઇન્સ્ટ્રુમેન્ટલ ભૂલો સૈદ્ધાંતિક રીતે દૂર કરી શકાતી નથી. બધા માપવાના સાધનો ચોક્કસ માપન પદ્ધતિ પર આધારિત છે, જેની ચોકસાઈ મર્યાદિત છે. સાધનની ભૂલ ઇન્સ્ટ્રુમેન્ટ સ્કેલ ડિવિઝનની ચોકસાઈ દ્વારા નક્કી કરવામાં આવે છે. તેથી, ઉદાહરણ તરીકે, જો શાસકનો સ્કેલ દર 1 મીમી પર ચિહ્નિત થયેલ હોય, તો જો તમે સ્કેલની તપાસ કરવા માટે બૃહદદર્શક કાચનો ઉપયોગ કરો છો તો વાંચનની ચોકસાઈ (0.5 મીમી વિભાગનું અડધું મૂલ્ય) બદલી શકાશે નહીં.

ચોક્કસ અને સંબંધિત માપન ભૂલો છે.

સંપૂર્ણ ભૂલમાપેલ જથ્થા x નો D માપેલ અને સાચા મૂલ્યો વચ્ચેના તફાવત જેટલો છે:

ડી = x - x સ્ત્રોત

સંબંધિત ભૂલ e એ મળેલ મૂલ્ય x ના અપૂર્ણાંકમાં માપવામાં આવે છે:

સૌથી સરળ માપન સાધનો - માપવાના સાધનો માટે, સંપૂર્ણ માપન ભૂલ D એ ભાગાકાર મૂલ્યના અડધા જેટલી છે. સંબંધિત ભૂલ સૂત્ર દ્વારા નક્કી કરવામાં આવે છે.

તમારા સારા કાર્યને જ્ઞાન આધાર પર સબમિટ કરવું સરળ છે. નીચેના ફોર્મનો ઉપયોગ કરો

વિદ્યાર્થીઓ, સ્નાતક વિદ્યાર્થીઓ, યુવા વૈજ્ઞાનિકો કે જેઓ તેમના અભ્યાસ અને કાર્યમાં જ્ઞાન આધારનો ઉપયોગ કરે છે તેઓ તમારા ખૂબ આભારી રહેશે.

http://www.allbest.ru/ પર પોસ્ટ કર્યું

સોચી રાજ્ય યુનિવર્સિટીપ્રવાસન અને રિસોર્ટ બિઝનેસ

ફેકલ્ટી ઓફ ટુરીઝમ બિઝનેસ

અર્થશાસ્ત્ર વિભાગ અને સામાજિક અને સાંસ્કૃતિક પ્રવૃત્તિઓનું સંગઠન

ટેસ્ટ

"વૈજ્ઞાનિક સંશોધન પદ્ધતિઓ" શિસ્તમાં

વિષય પર: “વૈજ્ઞાનિક જ્ઞાનની પદ્ધતિઓ. અવલોકન, સરખામણી, માપન, પ્રયોગ"

પરિચય

1. વૈજ્ઞાનિક જ્ઞાનની પદ્ધતિઓ

2.1 સર્વેલન્સ

2.2 સરખામણી

2.3 માપ

2.4 પ્રયોગ

નિષ્કર્ષ

પરિચય

સદીઓના અનુભવે લોકોને આ નિષ્કર્ષ પર આવવાની મંજૂરી આપી છે કે વૈજ્ઞાનિક પદ્ધતિઓનો ઉપયોગ કરીને પ્રકૃતિનો અભ્યાસ કરી શકાય છે.

પદ્ધતિની વિભાવના (ગ્રીક "પદ્ધતિઓ" માંથી - કંઈક તરફનો માર્ગ) નો અર્થ વાસ્તવિકતાના વ્યવહારિક અને સૈદ્ધાંતિક વિકાસ માટે તકનીકો અને કામગીરીનો સમૂહ છે.

આધુનિક વિજ્ઞાનમાં પદ્ધતિનો સિદ્ધાંત વિકસિત થવા લાગ્યો. આમ, 17મી સદીના અગ્રણી ફિલસૂફ અને વૈજ્ઞાનિક. એફ. બેકને સમજશક્તિની પદ્ધતિની સરખામણી અંધારામાં ચાલતા પ્રવાસી માટેના માર્ગને પ્રકાશિત કરતા ફાનસ સાથે કરી હતી.

જ્ઞાનનું એક આખું ક્ષેત્ર છે જે ખાસ કરીને પદ્ધતિઓના અભ્યાસ માટે સમર્પિત છે અને જેને સામાન્ય રીતે પદ્ધતિ ("પદ્ધતિઓનો અભ્યાસ") કહેવામાં આવે છે. સૌથી મહત્વપૂર્ણ કાર્યપદ્ધતિ એ જ્ઞાનની પદ્ધતિઓની ઉત્પત્તિ, સાર, અસરકારકતા અને અન્ય લાક્ષણિકતાઓનો અભ્યાસ છે.

1.વૈજ્ઞાનિક જ્ઞાનની પદ્ધતિઓ

દરેક વિજ્ઞાન વિવિધ પદ્ધતિઓનો ઉપયોગ કરે છે, જે તે જે સમસ્યાઓ હલ કરે છે તેના પર આધાર રાખે છે. જો કે, વૈજ્ઞાનિક પદ્ધતિઓની વિશિષ્ટતા એ હકીકતમાં રહેલી છે કે તેઓ સમસ્યાના પ્રકારથી પ્રમાણમાં સ્વતંત્ર છે, પરંતુ તે વૈજ્ઞાનિક સંશોધનના સ્તર અને ઊંડાણ પર આધારિત છે, જે મુખ્યત્વે વૈજ્ઞાનિક સંશોધન પ્રક્રિયાઓમાં તેમની ભૂમિકામાં પ્રગટ થાય છે.

બીજા શબ્દોમાં કહીએ તો, દરેક સંશોધન પ્રક્રિયામાં પદ્ધતિઓનું સંયોજન અને તેમની રચના બદલાય છે.

વૈજ્ઞાનિક જ્ઞાનની પદ્ધતિઓ સામાન્ય રીતે વૈજ્ઞાનિક સંશોધનની પ્રક્રિયામાં લાગુ પડતી પહોળાઈ અનુસાર વિભાજિત કરવામાં આવે છે.

સામાન્ય, સામાન્ય વૈજ્ઞાનિક અને ચોક્કસ વૈજ્ઞાનિક પદ્ધતિઓ છે.

જ્ઞાનના ઇતિહાસમાં બે સાર્વત્રિક પદ્ધતિઓ છે: ડાયાલેક્ટિકલ અને મેટાફિઝિકલ. 19મી સદીના મધ્યથી આધ્યાત્મિક પદ્ધતિ. ડાયાલેક્ટિકલ દ્વારા વધુને વધુ બદલવાનું શરૂ થયું.

સામાન્ય વૈજ્ઞાનિક પદ્ધતિઓનો સૌથી વધુ ઉપયોગ થાય છે વિવિધ વિસ્તારોવિજ્ઞાન (એપ્લિકેશનની આંતરશાખાકીય શ્રેણી ધરાવે છે).

વર્ગીકરણ સામાન્ય વૈજ્ઞાનિક પદ્ધતિઓવૈજ્ઞાનિક જ્ઞાનના સ્તરોની વિભાવના સાથે ગાઢ રીતે સંબંધિત છે.

વૈજ્ઞાનિક જ્ઞાનના બે સ્તર છે: પ્રયોગમૂલક અને સૈદ્ધાંતિક. કેટલીક સામાન્ય વૈજ્ઞાનિક પદ્ધતિઓનો ઉપયોગ માત્ર પ્રયોગમૂલક સ્તરે થાય છે (નિરીક્ષણ, સરખામણી, પ્રયોગ, માપન); અન્ય - ફક્ત સૈદ્ધાંતિક (આદર્શીકરણ, ઔપચારિકરણ) અને કેટલાક (ઉદાહરણ તરીકે, મોડેલિંગ) - પ્રયોગમૂલક અને સૈદ્ધાંતિક બંને પર.

વૈજ્ઞાનિક જ્ઞાનનું પ્રાયોગિક સ્તર ખરેખર અસ્તિત્વમાં છે, સંવેદનાત્મક પદાર્થોના સીધા અભ્યાસ દ્વારા વર્ગીકૃત થયેલ છે. આ સ્તરે, અભ્યાસ હેઠળની વસ્તુઓ (માપ, પ્રયોગો દ્વારા) વિશે માહિતી સંચિત કરવાની પ્રક્રિયા હાથ ધરવામાં આવે છે, અહીં પ્રાપ્ત જ્ઞાનનું પ્રાથમિક વ્યવસ્થિતકરણ થાય છે (કોષ્ટકો, આકૃતિઓ, આલેખના સ્વરૂપમાં).

વૈજ્ઞાનિક સંશોધનનું સૈદ્ધાંતિક સ્તર સમજશક્તિના તર્કસંગત (તાર્કિક) તબક્કે હાથ ધરવામાં આવે છે. આ સ્તરે, અભ્યાસ કરવામાં આવી રહેલા પદાર્થો અને ઘટનાઓમાં અંતર્ગત સૌથી ઊંડા, સૌથી મહત્વપૂર્ણ પાસાઓ, જોડાણો અને દાખલાઓ ઓળખવામાં આવે છે. સૈદ્ધાંતિક જ્ઞાનનું પરિણામ પૂર્વધારણાઓ, સિદ્ધાંતો, કાયદાઓ છે.

જો કે, જ્ઞાનના પ્રયોગમૂલક અને સૈદ્ધાંતિક સ્તરો એકબીજા સાથે જોડાયેલા છે. પ્રયોગમૂલક સ્તર આધાર તરીકે કાર્ય કરે છે, સૈદ્ધાંતિકનો પાયો.

વૈજ્ઞાનિક જ્ઞાનની પદ્ધતિઓના ત્રીજા જૂથમાં ચોક્કસ વિજ્ઞાન અથવા ચોક્કસ ઘટનામાં સંશોધનના માળખામાં જ ઉપયોગમાં લેવાતી પદ્ધતિઓનો સમાવેશ થાય છે.

આવી પદ્ધતિઓને ખાનગી વૈજ્ઞાનિક પદ્ધતિઓ કહેવામાં આવે છે. દરેક વિશેષ વિજ્ઞાન (જીવવિજ્ઞાન, રસાયણશાસ્ત્ર, ભૂસ્તરશાસ્ત્ર) નું પોતાનું છે ચોક્કસ પદ્ધતિઓસંશોધન

જો કે, વિશિષ્ટ વૈજ્ઞાનિક પદ્ધતિઓમાં સામાન્ય વૈજ્ઞાનિક પદ્ધતિઓ અને સાર્વત્રિક બંનેની વિશેષતાઓ હોય છે. ઉદાહરણ તરીકે, ખાનગી વૈજ્ઞાનિક પદ્ધતિઓમાં અવલોકનો અને માપનો સમાવેશ થઈ શકે છે. અથવા, ઉદાહરણ તરીકે, વિકાસનો સાર્વત્રિક દ્વિભાષી સિદ્ધાંત જીવવિજ્ઞાનમાં ચાર્લ્સ ડાર્વિન દ્વારા શોધાયેલ પ્રાણી અને છોડની જાતિઓના ઉત્ક્રાંતિના કુદરતી ઐતિહાસિક કાયદાના સ્વરૂપમાં પ્રગટ થાય છે.

2. પ્રયોગમૂલક સંશોધનની પદ્ધતિઓ

પ્રયોગમૂલક સંશોધનની પદ્ધતિઓ અવલોકન, સરખામણી, માપન, પ્રયોગ છે.

આ સ્તરે, સંશોધક અભ્યાસ હેઠળની વસ્તુઓ વિશે તથ્યો અને માહિતી એકઠા કરે છે.

2.1 સર્વેલન્સ

અવલોકન છે સૌથી સરળ સ્વરૂપસંવેદનાત્મક માહિતી પર આધારિત વૈજ્ઞાનિક જ્ઞાન. અવલોકનમાં પદાર્થની પ્રવૃત્તિ પર ન્યૂનતમ પ્રભાવ અને વિષયની કુદરતી સંવેદનાઓ પર મહત્તમ નિર્ભરતાનો સમાવેશ થાય છે. ઓછામાં ઓછા, સર્વેલન્સ પ્રક્રિયામાં મધ્યસ્થી, દા.ત. વિવિધ પ્રકારનાઉપકરણોએ માત્ર ઇન્દ્રિયોની વિશિષ્ટ ક્ષમતાને માત્રાત્મક રીતે વધારવી જોઈએ. પ્રકાશિત કરી શકાય છે વિવિધ પ્રકારોઅવલોકનો, ઉદાહરણ તરીકે, સશસ્ત્ર (ઉદાહરણ તરીકે, માઇક્રોસ્કોપ, ટેલિસ્કોપનો ઉપયોગ કરીને) અને નિઃશસ્ત્ર (ઉપકરણોનો ઉપયોગ થતો નથી), ક્ષેત્ર (ઓબ્જેક્ટના કુદરતી વાતાવરણમાં અવલોકન) અને પ્રયોગશાળા (કૃત્રિમ વાતાવરણમાં).

અવલોકનમાં, સમજશક્તિનો વિષય વસ્તુ વિશે અત્યંત મૂલ્યવાન માહિતી મેળવે છે, જે સામાન્ય રીતે અન્ય કોઈપણ રીતે મેળવી શકાતી નથી. અવલોકન ડેટા અત્યંત માહિતીપ્રદ છે, જે આ સમયે અને આ શરતો હેઠળ ફક્ત આ ઑબ્જેક્ટ માટે અનન્ય છે તે ઑબ્જેક્ટ વિશે અનન્ય માહિતી પ્રદાન કરે છે. અવલોકનનાં પરિણામો તથ્યોનો આધાર બનાવે છે, અને હકીકતો, જેમ આપણે જાણીએ છીએ, તે વિજ્ઞાનની હવા છે.

અવલોકન પદ્ધતિ હાથ ધરવા માટે, સૌ પ્રથમ, લાંબા ગાળાની, સમય-ટકતી, ઑબ્જેક્ટની ઉચ્ચ-ગુણવત્તાની ધારણાને સુનિશ્ચિત કરવી જરૂરી છે (ઉદાહરણ તરીકે, તમારી પાસે સારી દ્રષ્ટિ, સુનાવણી, વગેરે, અથવા સારા ઉપકરણો હોવા જરૂરી છે. જે પ્રાકૃતિક વધારો કરે છે માનવ ક્ષમતાઓધારણા).

જો શક્ય હોય તો, આ ધારણાને એવી રીતે હાથ ધરવી જરૂરી છે કે તે ઑબ્જેક્ટની કુદરતી પ્રવૃત્તિને ખૂબ પ્રભાવિત ન કરે, અન્યથા આપણે ઑબ્જેક્ટનું એટલું અવલોકન કરીશું નહીં કે નિરીક્ષણના વિષય સાથે તેની ક્રિયાપ્રતિક્રિયા (એક નાનું ઑબ્જેક્ટ પર અવલોકનનો પ્રભાવ, જેને અવગણી શકાય છે, તેને અવલોકનની તટસ્થતા કહેવામાં આવે છે).

ઉદાહરણ તરીકે, જો પ્રાણીશાસ્ત્રી પ્રાણીઓની વર્તણૂકનું અવલોકન કરે છે, તો તેના માટે છુપાવવું વધુ સારું છે જેથી પ્રાણીઓ તેને જોઈ ન શકે, અને આશ્રયની પાછળથી તેનું નિરીક્ષણ કરે.

ઑબ્જેક્ટને વધુ વૈવિધ્યસભર પરિસ્થિતિઓમાં જોવા માટે તે ઉપયોગી છે - માં અલગ અલગ સમય, વિવિધ સ્થળોએ, વગેરે, ઑબ્જેક્ટ વિશે વધુ સંપૂર્ણ સંવેદનાત્મક માહિતી મેળવવા માટે. સામાન્ય સુપરફિસિયલ ધારણાને દૂર કરતી વસ્તુમાં સહેજ ફેરફારોને ધ્યાનમાં લેવાનો પ્રયાસ કરવા માટે ધ્યાન વધુ તીવ્ર બનાવવું જરૂરી છે. તમારી પોતાની સ્મૃતિ પર આધાર રાખ્યા વિના, તમારા અવલોકનનાં પરિણામોને કોઈક રીતે વિશિષ્ટ રીતે રેકોર્ડ કરવા માટે, ઉદાહરણ તરીકે, એક અવલોકન લોગ રાખવા માટે, જ્યાં તમે અવલોકનનો સમય અને શરતો રેકોર્ડ કરો છો, અને અનુભૂતિના પરિણામોનું વર્ણન કરો છો તે સારું રહેશે. તે સમયે મેળવેલ પદાર્થ (આવા રેકોર્ડને અવલોકન પ્રોટોકોલ પણ કહેવાય છે).

છેલ્લે, અન્ય વ્યક્તિ, સૈદ્ધાંતિક રીતે, સમાન અવલોકન કરી શકે અને લગભગ સમાન પરિણામો પ્રાપ્ત કરી શકે તેવી પરિસ્થિતિઓ હેઠળ અવલોકન કરવા માટે કાળજી લેવી જોઈએ (કોઈપણ વ્યક્તિ દ્વારા અવલોકન પુનરાવર્તિત થવાની સંભાવનાને અવલોકનની આંતરવિષયકતા કહેવાય છે). સારા અવલોકનમાં, ઑબ્જેક્ટના અભિવ્યક્તિઓને કોઈક રીતે સમજાવવા માટે ઉતાવળ કરવાની જરૂર નથી, અથવા અમુક પૂર્વધારણાઓ આગળ મૂકવાની જરૂર નથી. અમુક અંશે, નિષ્પક્ષ રહેવું ઉપયોગી છે, સમતા અને નિષ્પક્ષતા સાથે જે થાય છે તે બધું રેકોર્ડ કરવું (જ્ઞાનાત્મકતાના તર્કસંગત સ્વરૂપોથી અવલોકનની આ સ્વતંત્રતાને સૈદ્ધાંતિક અનલોડેડ અવલોકન કહેવામાં આવે છે).

આમ, વૈજ્ઞાનિક અવલોકન, સૈદ્ધાંતિક રીતે, રોજિંદા જીવનમાં જેવું જ અવલોકન છે, માં રોજિંદા જીવન, પરંતુ વિવિધ વધારાના સંસાધનો દ્વારા દરેક સંભવિત રીતે મજબૂત: સમય, વધતું ધ્યાન, તટસ્થતા, વિવિધતા, લોગિંગ, આંતરવિષયકતા, હળવાશ.

આ ખાસ કરીને પેડન્ટિક છે સંવેદના, જેનું માત્રાત્મક ઉન્નતીકરણ આખરે સામાન્ય ધારણાની તુલનામાં ગુણાત્મક તફાવત પ્રદાન કરી શકે છે અને વૈજ્ઞાનિક જ્ઞાનનો પાયો નાખે છે.

અવલોકન એ ઑબ્જેક્ટની હેતુપૂર્ણ દ્રષ્ટિ છે, જે પ્રવૃત્તિના કાર્ય દ્વારા નક્કી કરવામાં આવે છે. વૈજ્ઞાનિક અવલોકન માટેની મુખ્ય શરત નિરપેક્ષતા છે, એટલે કે. પુનરાવર્તિત અવલોકન અથવા અન્ય સંશોધન પદ્ધતિઓ (ઉદાહરણ તરીકે, પ્રયોગ) ના ઉપયોગ દ્વારા નિયંત્રણની શક્યતા.

2.2 સરખામણી

આ સૌથી સામાન્ય અને સાર્વત્રિક સંશોધન પદ્ધતિઓમાંની એક છે. જાણીતા એફોરિઝમ "બધું સરખામણી દ્વારા શીખી શકાય છે" આનો શ્રેષ્ઠ પુરાવો છે. સરખામણી એ બે પૂર્ણાંકો a અને b વચ્ચેનો સંબંધ છે, એટલે કે આ સંખ્યાઓનો તફાવત (a - b) આપેલ પૂર્ણાંક m દ્વારા વિભાજિત થાય છે, જેને મોડ્યુલસ C કહેવાય છે; a b (mod, m) લખેલું. સંશોધનમાં, સરખામણી એ વસ્તુઓ અને વાસ્તવિકતાની ઘટનાઓ વચ્ચે સમાનતા અને તફાવતોની સ્થાપના છે. સરખામણીના પરિણામે, બે અથવા વધુ વસ્તુઓમાં સહજ સમાનતા સ્થાપિત થાય છે, અને સમાનતાની ઓળખ જે અસાધારણ ઘટનામાં પુનરાવર્તિત થાય છે, તે કાયદાના જ્ઞાનના માર્ગ પરનું એક પગલું છે. સરખામણી ફળદાયી બનવા માટે, તેણે બે મૂળભૂત આવશ્યકતાઓને સંતોષવી આવશ્યક છે.

માત્ર એવી ઘટનાઓની સરખામણી કરવી જોઈએ જેની વચ્ચે ચોક્કસ ઉદ્દેશ્ય સમાનતા હોઈ શકે. તમે દેખીતી રીતે અજોડ વસ્તુઓની તુલના કરી શકતા નથી - તે તમને કંઈપણ આપશે નહીં. શ્રેષ્ઠ રીતે, વ્યક્તિ ફક્ત ઉપરછલ્લી અને તેથી નિરર્થક સામ્યતાઓ પર આવી શકે છે. સૌથી મહત્વપૂર્ણ લાક્ષણિકતાઓના આધારે સરખામણી કરવી જોઈએ. બિનમહત્વપૂર્ણ લાક્ષણિકતાઓ પર આધારિત સરખામણી સરળતાથી મૂંઝવણમાં પરિણમી શકે છે.

આમ, સમાન પ્રકારના ઉત્પાદનનું ઉત્પાદન કરતા સાહસોના કાર્યની ઔપચારિક રીતે સરખામણી કરીએ તો, તેમની પ્રવૃત્તિઓમાં ઘણું સામ્ય જોવા મળે છે. જો તે જ સમયે ઉત્પાદનના સ્તર, ઉત્પાદનની કિંમત, વિવિધ પરિસ્થિતિઓ કે જેમાં તુલનાત્મક સાહસો કામ કરે છે, જેવા મહત્વપૂર્ણ પરિમાણો પર સરખામણી ચૂકી જાય, તો પછી પદ્ધતિસરની ભૂલ પર આવવું સરળ છે જે એકતરફી નિષ્કર્ષ તરફ દોરી જાય છે. . જો આપણે આ પરિમાણોને ધ્યાનમાં લઈએ, તો તે સ્પષ્ટ થઈ જશે કે કારણ શું છે અને પદ્ધતિસરની ભૂલના વાસ્તવિક સ્ત્રોતો ક્યાં છે. આવી સરખામણી પહેલાથી જ વાસ્તવિક સ્થિતિને અનુરૂપ, વિચારણા હેઠળની ઘટનાનો સાચો ખ્યાલ આપશે.

સંશોધકને રુચિ ધરાવતા વિવિધ પદાર્થોની સીધી કે આડકતરી રીતે સરખામણી કરી શકાય છે - તેમની સરખામણી ત્રીજા પદાર્થ સાથે કરીને. પ્રથમ કિસ્સામાં, ઉચ્ચ-ગુણવત્તાવાળા પરિણામો સામાન્ય રીતે પ્રાપ્ત થાય છે. જો કે, આવી સરખામણી સાથે પણ વસ્તુઓ વચ્ચેના જથ્થાત્મક તફાવતોને આંકડાકીય સ્વરૂપમાં વ્યક્ત કરતી સરળ માત્રાત્મક લાક્ષણિકતાઓ પ્રાપ્ત કરવી શક્ય છે. જ્યારે ઑબ્જેક્ટ્સની તુલના કોઈ ત્રીજા ઑબ્જેક્ટ સાથે કરવામાં આવે છે જે પ્રમાણભૂત તરીકે કાર્ય કરે છે, ત્યારે જથ્થાત્મક લાક્ષણિકતાઓ વિશેષ મૂલ્ય પ્રાપ્ત કરે છે, કારણ કે તેઓ એકબીજાને ધ્યાનમાં લીધા વિના વસ્તુઓનું વર્ણન કરે છે અને તેમના વિશે ઊંડું અને વધુ વિગતવાર જ્ઞાન પ્રદાન કરે છે. આ સરખામણીને માપ કહેવામાં આવે છે. તે નીચે વિગતવાર ચર્ચા કરવામાં આવશે. સરખામણીનો ઉપયોગ કરીને, ઑબ્જેક્ટ વિશેની માહિતી બે અલગ અલગ રીતે મેળવી શકાય છે. પ્રથમ, તે ઘણી વાર સરખામણીના સીધા પરિણામ તરીકે કાર્ય કરે છે. ઉદાહરણ તરીકે, ઑબ્જેક્ટ્સ વચ્ચેના કોઈપણ સંબંધો સ્થાપિત કરવા, તેમની વચ્ચેના તફાવતો અથવા સમાનતાઓ શોધવી એ સીધી સરખામણીથી પ્રાપ્ત માહિતી છે. આ માહિતીને પ્રાથમિક કહી શકાય. બીજું, ઘણી વાર પ્રાથમિક માહિતી મેળવવી એ સરખામણીના મુખ્ય ધ્યેય તરીકે કામ કરતું નથી; આ ધ્યેય પ્રાથમિક માહિતીની પ્રક્રિયાનું પરિણામ છે. આવી પ્રક્રિયાની સૌથી સામાન્ય અને સૌથી મહત્વપૂર્ણ પદ્ધતિ એ સાદ્રશ્ય દ્વારા અનુમાન છે. આ નિષ્કર્ષ એરિસ્ટોટલ દ્વારા શોધવામાં આવ્યો હતો અને અભ્યાસ કરવામાં આવ્યો હતો ("પેરેડિગ્મા" નામ હેઠળ). તેનો સાર નીચે મુજબ ઉકળે છે: જો, સરખામણીના પરિણામે, બે વસ્તુઓમાંથી ઘણી સમાન સુવિધાઓ શોધવામાં આવે છે, પરંતુ તેમાંથી એકમાં વધારાની વિશેષતા છે, તો એવું માનવામાં આવે છે કે આ લક્ષણ અન્ય ઑબ્જેક્ટમાં પણ સહજ હોવું જોઈએ. સંક્ષિપ્તમાં, સાદ્રશ્ય દ્વારા અનુમાનનો અભ્યાસક્રમ નીચે મુજબ રજૂ કરી શકાય છે:

A પાસે X1, X2, X3..., X n, X n+1 લક્ષણો છે.

B પાસે X1, X2, X3..., X n લક્ષણો છે.

નિષ્કર્ષ: "કદાચ B પાસે X n+1 વિશેષતા છે."

સામ્યતા પર આધારિત નિષ્કર્ષ પ્રકૃતિમાં સંભવિત છે તે માત્ર સત્ય તરફ જ નહીં, પણ ભૂલ તરફ પણ દોરી શકે છે. ઑબ્જેક્ટ વિશે સાચું જ્ઞાન મેળવવાની સંભાવના વધારવા માટે, તમારે નીચેની બાબતો ધ્યાનમાં રાખવાની જરૂર છે:

સાદ્રશ્ય દ્વારા અનુમાન વધુ સાચો અર્થ આપે છે, વધુ સમાન લક્ષણો આપણને સરખામણી કરવામાં આવતા પદાર્થોમાં જોવા મળે છે;

સાદ્રશ્ય દ્વારા નિષ્કર્ષની સત્ય વસ્તુઓની સમાન લાક્ષણિકતાઓના મહત્વ પર સીધો આધાર રાખે છે, પરંતુ મોટી સંખ્યામાં સમાન લક્ષણો પણ ખોટા નિષ્કર્ષ તરફ દોરી શકે છે;

ઑબ્જેક્ટમાં શોધાયેલ લક્ષણો વચ્ચેનો સંબંધ જેટલો ઊંડો છે, ખોટા નિષ્કર્ષની સંભાવના વધારે છે.

બે ઑબ્જેક્ટની સામાન્ય સમાનતા એ સાદ્રશ્ય દ્વારા અનુમાન માટેનો આધાર નથી, જો કે જેના વિશે નિષ્કર્ષ કાઢવામાં આવે છે તેમાં કોઈ વિશેષતા હોય જે સ્થાનાંતરિત વિશેષતા સાથે અસંગત હોય.

બીજા શબ્દોમાં કહીએ તો, સાચા નિષ્કર્ષ મેળવવા માટે, માત્ર સમાનતાની પ્રકૃતિ જ નહીં, પણ વસ્તુઓની પ્રકૃતિ અને તફાવતો પણ ધ્યાનમાં લેવા જરૂરી છે.

2.3 માપ

માપન ઐતિહાસિક રીતે સરખામણીના સંચાલનથી વિકસિત થયું છે, જે તેનો આધાર છે. જો કે, સરખામણીથી વિપરીત, માપ એ વધુ શક્તિશાળી અને સાર્વત્રિક જ્ઞાનાત્મક સાધન છે.

માપન એ માપનના સ્વીકૃત એકમોમાં માપેલ જથ્થાના આંકડાકીય મૂલ્યને શોધવા માટે માપન સાધનોનો ઉપયોગ કરીને કરવામાં આવતી ક્રિયાઓનો સમૂહ છે.

ત્યાં પ્રત્યક્ષ માપન છે (ઉદાહરણ તરીકે, ગ્રેજ્યુએટેડ શાસક સાથે લંબાઈને માપવા) અને પરોક્ષ માપન ઇચ્છિત જથ્થા અને સીધા માપેલા જથ્થા વચ્ચેના જાણીતા સંબંધ પર આધારિત છે.

માપ નીચેના મૂળભૂત તત્વોની હાજરીને ધારે છે:

· માપન પદાર્થ;

· માપનના એકમો, એટલે કે. સંદર્ભ પદાર્થ;

· માપન સાધન(ઓ);

· માપન પદ્ધતિ;

· નિરીક્ષક (સંશોધક).

પ્રત્યક્ષ માપનમાં, પરિણામ માપન પ્રક્રિયામાંથી જ સીધું પ્રાપ્ત થાય છે. પરોક્ષ માપન સાથે, પ્રત્યક્ષ માપન દ્વારા મેળવેલ અન્ય જથ્થાના જ્ઞાનના આધારે ઇચ્છિત જથ્થો ગાણિતિક રીતે નક્કી કરવામાં આવે છે. માપનું મૂલ્ય એ હકીકત પરથી સ્પષ્ટ થાય છે કે તેઓ આસપાસની વાસ્તવિકતા વિશે સચોટ, માત્રાત્મક માહિતી પ્રદાન કરે છે.

માપનના પરિણામે, આવા તથ્યો સ્થાપિત કરી શકાય છે, આવી પ્રયોગમૂલક શોધો થઈ શકે છે જે વિજ્ઞાનમાં સ્થાપિત વિચારોના આમૂલ ભંગાણ તરફ દોરી જાય છે. આ ચિંતા કરે છે, સૌ પ્રથમ, અનન્ય, ઉત્કૃષ્ટ માપ, જે વિજ્ઞાનના વિકાસ અને ઇતિહાસમાં ખૂબ જ મહત્વપૂર્ણ ક્ષણોનું પ્રતિનિધિત્વ કરે છે. માપનની ગુણવત્તા અને તેના વૈજ્ઞાનિક મૂલ્યનું સૌથી મહત્વપૂર્ણ સૂચક ચોકસાઈ છે. પ્રેક્ટિસ બતાવે છે કે માપનની ચોકસાઈ સુધારવા માટેની મુખ્ય રીતો છે:

ચોક્કસ સ્થાપિત સિદ્ધાંતોના આધારે કાર્યરત માપન સાધનોની ગુણવત્તામાં સુધારો કરવો;

· નવીનતમ વૈજ્ઞાનિક શોધોના આધારે કાર્યરત ઉપકરણોની રચના.

પ્રયોગમૂલક સંશોધન પદ્ધતિઓમાં, માપન લગભગ અવલોકન અને સરખામણી જેટલું જ સ્થાન ધરાવે છે. તે તુલનાત્મક રીતે રજૂ કરે છે પ્રાથમિક પદ્ધતિ, એક ઘટકોપ્રયોગ એ પ્રયોગમૂલક સંશોધનની સૌથી જટિલ અને નોંધપાત્ર પદ્ધતિ છે.

2.4 પ્રયોગ

પ્રયોગ એ અભ્યાસના લક્ષ્યોને અનુરૂપ નવી પરિસ્થિતિઓ બનાવીને અથવા પ્રક્રિયાના પ્રવાહને યોગ્ય દિશામાં બદલીને સક્રિયપણે પ્રભાવિત કરીને કોઈપણ ઘટનાનો અભ્યાસ છે. આ સૌથી મુશ્કેલ છે અને અસરકારક પદ્ધતિપ્રયોગમૂલક સંશોધન. તેમાં સૌથી સરળ પ્રયોગમૂલક પદ્ધતિઓનો ઉપયોગ સામેલ છે - નિરીક્ષણ, સરખામણી અને માપન. જો કે, તેનો સાર ચોક્કસ જટિલતા, "સિન્થેટીસીટી" માં નથી, પરંતુ પ્રાકૃતિક પ્રક્રિયાઓ દરમિયાન તેના લક્ષ્યો અનુસાર પ્રયોગકર્તાના હસ્તક્ષેપમાં અભ્યાસ હેઠળની ઘટનાના હેતુપૂર્ણ, ઇરાદાપૂર્વકના પરિવર્તનમાં છે.

એ નોંધવું જોઈએ કે વિજ્ઞાનમાં પ્રાયોગિક પદ્ધતિની મંજૂરી છે લાંબી પ્રક્રિયા, જે પ્રાચીન અનુમાન અને મધ્યયુગીન વિદ્યાવાદ સામે નવા યુગના અદ્યતન વૈજ્ઞાનિકોના તીવ્ર સંઘર્ષમાં થયું હતું. સ્થાપક પ્રાયોગિક વિજ્ઞાનઅનુભવને જ્ઞાનનો આધાર માનનાર ગેલિલિયો ગેલિલીને યોગ્ય રીતે ગણવામાં આવે છે. તેમના કેટલાક સંશોધનો આધુનિક મિકેનિક્સનો આધાર છે. 1657 માં તેમના મૃત્યુ પછી, ફ્લોરેન્ટાઇન એકેડમી ઑફ એક્સપિરિયન્સ ઊભી થઈ, જેણે તેમની યોજનાઓ અનુસાર કામ કર્યું અને મુખ્યત્વે પ્રાયોગિક સંશોધન હાથ ધરવાનું લક્ષ્ય રાખ્યું.

નિરીક્ષણની તુલનામાં, પ્રયોગના ઘણા ફાયદા છે:

પ્રયોગ દરમિયાન કોઈ ચોક્કસ ઘટનાનો તેના "શુદ્ધ" સ્વરૂપમાં અભ્યાસ કરવો શક્ય બને છે. આનો અર્થ એ છે કે વિવિધ પરિબળો, મુખ્ય પ્રક્રિયાને અસ્પષ્ટ કરીને, નાબૂદ કરી શકાય છે, અને સંશોધક અમને રસની ઘટના વિશે સચોટ જ્ઞાન પ્રાપ્ત કરે છે.

· પ્રયોગ તમને આત્યંતિક પરિસ્થિતિઓમાં વાસ્તવિકતાના પદાર્થોના ગુણધર્મોને અન્વેષણ કરવાની મંજૂરી આપે છે:

એ. અતિ-નીચા અને અતિ-ઉચ્ચ તાપમાને;

b ઉચ્ચ દબાણ પર;

વી. પ્રચંડ વિદ્યુત અને ચુંબકીય ક્ષેત્રની શક્તિઓ વગેરે પર.

આ પરિસ્થિતિઓમાં કામ કરવાથી સામાન્ય વસ્તુઓમાં સૌથી અણધારી અને આશ્ચર્યજનક ગુણધર્મોની શોધ થઈ શકે છે અને આમ વ્યક્તિ તેના સારમાં વધુ ઊંડે સુધી પ્રવેશી શકે છે.

નિયંત્રણ ક્ષેત્ર સંબંધિત આત્યંતિક પરિસ્થિતિઓમાં શોધાયેલ આ પ્રકારની "વિચિત્ર" ઘટનાનું ઉદાહરણ સુપરકન્ડક્ટિવિટી છે.

પ્રયોગનો સૌથી મહત્વનો ફાયદો તેની પુનરાવર્તિતતા છે. પ્રયોગ દરમિયાન, વિશ્વસનીય ડેટા મેળવવા માટે જરૂરી અવલોકનો, સરખામણીઓ અને માપન, નિયમ પ્રમાણે, ઘણી વખત કરી શકાય છે. પ્રાયોગિક પદ્ધતિની આ વિશેષતા તેને સંશોધનમાં ખૂબ મૂલ્યવાન બનાવે છે.

એવી પરિસ્થિતિઓ છે કે જેને પ્રાયોગિક સંશોધનની જરૂર હોય છે. ઉદાહરણ તરીકે:

એક પરિસ્થિતિ જ્યારે ઑબ્જેક્ટના અગાઉના અજાણ્યા ગુણધર્મો શોધવા માટે જરૂરી હોય છે. આવા પ્રયોગનું પરિણામ એ નિવેદનો છે જે ઑબ્જેક્ટ વિશેના વર્તમાન જ્ઞાનને અનુસરતા નથી.

એવી પરિસ્થિતિ જ્યારે ચોક્કસ નિવેદનો અથવા સૈદ્ધાંતિક બાંધકામોની શુદ્ધતા ચકાસવી જરૂરી હોય.

પ્રયોગમૂલક અને પદ્ધતિઓ પણ છે સૈદ્ધાંતિક સંશોધન. જેમ કે: અમૂર્તતા, વિશ્લેષણ અને સંશ્લેષણ, ઇન્ડક્શન અને કપાત, મોડેલિંગ અને સાધનોનો ઉપયોગ, વૈજ્ઞાનિક જ્ઞાનની ઐતિહાસિક અને તાર્કિક પદ્ધતિઓ.

વૈજ્ઞાનિક તકનીકી પ્રગતિઅભ્યાસ

નિષ્કર્ષ

પરીક્ષણ કાર્યના આધારે, અમે નિષ્કર્ષ પર આવી શકીએ છીએ કે મેનેજરના કાર્યમાં નવું જ્ઞાન વિકસાવવાની પ્રક્રિયા તરીકે સંશોધન એ અન્ય પ્રકારની પ્રવૃત્તિઓની જેમ જરૂરી છે. આ અભ્યાસમાં ઉદ્દેશ્ય, પ્રજનનક્ષમતા, પુરાવા, ચોકસાઈ, એટલે કે. મેનેજરને શું જોઈએ છે વ્યવહારુ પ્રવૃત્તિઓ. સામેલ મેનેજર તરફથી સ્વતંત્ર સંશોધન, તમે અપેક્ષા કરી શકો છો:

એ. પ્રશ્નો પસંદ કરવાની અને પૂછવાની ક્ષમતા;

b વિજ્ઞાન માટે ઉપલબ્ધ માધ્યમોનો ઉપયોગ કરવાની ક્ષમતા (જો તેને પોતાનું નવું ન મળે તો);

વી. પ્રાપ્ત પરિણામોને સમજવાની ક્ષમતા, એટલે કે. સમજો કે અભ્યાસમાં શું પરિણામ આવ્યું છે અને શું તેનાથી કંઈપણ પ્રાપ્ત થયું છે.

પ્રયોગમૂલક સંશોધન પદ્ધતિઓ ઑબ્જેક્ટનું વિશ્લેષણ કરવાની એકમાત્ર તક નથી. તેમની સાથે, પ્રયોગમૂલક અને સૈદ્ધાંતિક સંશોધનની પદ્ધતિઓ, તેમજ સૈદ્ધાંતિક સંશોધનની પદ્ધતિઓ છે. અન્યની તુલનામાં પ્રયોગમૂલક સંશોધનની પદ્ધતિઓ સૌથી પ્રાથમિક છે, પરંતુ તે જ સમયે સૌથી સાર્વત્રિક અને વ્યાપક છે. સૌથી જટિલ અને નોંધપાત્ર પદ્ધતિપ્રયોગમૂલક સંશોધન - પ્રયોગ. વૈજ્ઞાનિક અને તકનીકી પ્રગતિ માટે પ્રયોગના ક્યારેય વ્યાપક ઉપયોગની જરૂર છે. માટે આધુનિક વિજ્ઞાન, તો પછી પ્રયોગ વિના તેનો વિકાસ ફક્ત અકલ્પ્ય છે. હાલમાં, પ્રાયોગિક સંશોધન એટલું મહત્વનું બની ગયું છે કે તેને સંશોધકોની વ્યવહારિક પ્રવૃત્તિના મુખ્ય સ્વરૂપોમાંનું એક ગણવામાં આવે છે.

સાહિત્ય

બાર્ચુકોવ I. S. પર્યટનમાં વૈજ્ઞાનિક સંશોધનની પદ્ધતિઓ 2008

હાઇઝનબર્ગ વી. ભૌતિકશાસ્ત્ર અને તત્વજ્ઞાન. ભાગ અને સમગ્ર. - એમ., 1989. પૃષ્ઠ 85.

ક્રેવેટ્સ એ.એસ. વિજ્ઞાનની પદ્ધતિ. - વોરોનેઝ. 1991

લુકાશેવિચ વી.કે. વૈજ્ઞાનિક સંશોધન પદ્ધતિની મૂળભૂત બાબતો 2001

Allbest.ru પર પોસ્ટ કર્યું

સમાન દસ્તાવેજો

વૈજ્ઞાનિક જ્ઞાનની પદ્ધતિઓનું વર્ગીકરણ. કેવી રીતે જોવાનું વિષયાસક્ત પ્રતિબિંબવસ્તુઓ અને ઘટના બહારની દુનિયા. પ્રયોગ એ નિરીક્ષણની સરખામણીમાં પ્રયોગમૂલક જ્ઞાનની પદ્ધતિ છે. વિશિષ્ટ તકનીકી ઉપકરણોનો ઉપયોગ કરીને માપન, ઘટના.

અમૂર્ત, 07/26/2010 ઉમેર્યું


વૈજ્ઞાનિક જ્ઞાનના પ્રયોગમૂલક, સૈદ્ધાંતિક અને ઉત્પાદન-તકનીકી સ્વરૂપો. કુદરતી વિજ્ઞાનમાં વિશેષ પદ્ધતિઓ (નિરીક્ષણ, માપન, સરખામણી, પ્રયોગ, વિશ્લેષણ, સંશ્લેષણ, ઇન્ડક્શન, કપાત, પૂર્વધારણા) અને ખાનગી વૈજ્ઞાનિક પદ્ધતિઓનો ઉપયોગ.

અમૂર્ત, 03/13/2011 ઉમેર્યું


પ્રયોગમૂલક પદાર્થને અલગ કરવા અને અભ્યાસ કરવાની મૂળભૂત પદ્ધતિઓ. પ્રયોગમૂલક વૈજ્ઞાનિક જ્ઞાનનું અવલોકન. માત્રાત્મક માહિતી મેળવવા માટેની તકનીકો. પ્રાપ્ત માહિતી સાથે કામ કરવાની પદ્ધતિઓ. પ્રયોગમૂલક સંશોધનના વૈજ્ઞાનિક તથ્યો.

અમૂર્ત, 03/12/2011 ઉમેર્યું


સામાન્ય, ખાનગી અને વિશેષ પદ્ધતિઓ કુદરતી વિજ્ઞાન જ્ઞાનઅને તેમનું વર્ગીકરણ. સંપૂર્ણ અને સંબંધિત સત્યના લક્ષણો. વિશિષ્ટ સ્વરૂપો(બાજુઓ) વૈજ્ઞાનિક જ્ઞાન: પ્રયોગમૂલક અને સૈદ્ધાંતિક. પ્રકારો વૈજ્ઞાનિક મોડેલિંગ. વૈજ્ઞાનિક વિશ્વના સમાચાર.

પરીક્ષણ, 10/23/2011 ઉમેર્યું


કુદરતી વિજ્ઞાન જ્ઞાનની પ્રક્રિયાનો સાર. વૈજ્ઞાનિક જ્ઞાનના વિશેષ સ્વરૂપો (બાજુઓ): પ્રયોગમૂલક, સૈદ્ધાંતિક અને ઉત્પાદન અને તકનીકી. ભૂમિકા વૈજ્ઞાનિક પ્રયોગઅને આધુનિક કુદરતી વિજ્ઞાનની સિસ્ટમમાં સંશોધનનું ગાણિતિક ઉપકરણ.

અહેવાલ, ઉમેરાયેલ 02/11/2011


વૈજ્ઞાનિક જ્ઞાનની વિશિષ્ટતા અને સ્તરો. સર્જનાત્મક પ્રવૃત્તિ અને માનવ વિકાસ, આંતર જોડાણ અને પરસ્પર પ્રભાવ. વૈજ્ઞાનિક જ્ઞાનના અભિગમો: પ્રયોગમૂલક અને સૈદ્ધાંતિક. સ્વરૂપો આ પ્રક્રિયાઅને તેમનું મહત્વ, સંશોધન: સિદ્ધાંત, સમસ્યા અને પૂર્વધારણા.

અમૂર્ત, 11/09/2014 ઉમેર્યું


પ્રયોગમૂલક અને સૈદ્ધાંતિક સ્તરોઅને વૈજ્ઞાનિક જ્ઞાનનું માળખું. વિજ્ઞાનના ઇતિહાસમાં પ્રયોગ અને બુદ્ધિવાદની ભૂમિકાનું વિશ્લેષણ. આધુનિક સમજઆધુનિક કુદરતી વિજ્ઞાનના ખ્યાલને સમજવામાં વ્યવહારિક અને સૈદ્ધાંતિક પ્રવૃત્તિની એકતા.

ટેસ્ટ, 12/16/2010 ઉમેર્યું


લાક્ષણિકતાઓ અને વિશિષ્ટ લક્ષણોતેમની આસપાસના વિશ્વને જાણવા અને નિપુણતા મેળવવાની રીતો: રોજિંદા, પૌરાણિક, ધાર્મિક, કલાત્મક, દાર્શનિક, વૈજ્ઞાનિક. આ પદ્ધતિઓના અમલીકરણ માટેની પદ્ધતિઓ અને સાધનો, તેમની વિશિષ્ટતાઓ અને ક્ષમતાઓ.

અમૂર્ત, 02/11/2011 ઉમેર્યું


સિસ્ટમ તરીકે કુદરતી વિજ્ઞાનની પદ્ધતિ જ્ઞાનાત્મક પ્રવૃત્તિવ્યક્તિ મૂળભૂત પદ્ધતિઓ વૈજ્ઞાનિક અભ્યાસ. સામાન્ય વૈજ્ઞાનિક અભિગમો તરીકે પદ્ધતિસરના સિદ્ધાંતોઅભિન્ન પદાર્થોની સમજશક્તિ. કુદરતી વિજ્ઞાન અભ્યાસના વિકાસમાં આધુનિક વલણો.

અમૂર્ત, 06/05/2008 ઉમેર્યું


વિજ્ઞાનની શાખા તરીકે કુદરતી વિજ્ઞાન. કુદરતી વિજ્ઞાન જ્ઞાનનું માળખું, પ્રયોગમૂલક અને સૈદ્ધાંતિક સ્તર અને હેતુ. કે. પોપર, ટી. કુહન અને આઈ. લાકાટોસની વિભાવનાઓમાં વિજ્ઞાનની ફિલોસોફી અને વૈજ્ઞાનિક જ્ઞાનની ગતિશીલતા. વૈજ્ઞાનિક તર્કસંગતતાના વિકાસના તબક્કાઓ.

ઉપલબ્ધ ડેટાનો સ્ત્રોત.

લગભગ તમામ આંકડાકીય પેકેજોમાં તે મૂલ્યોની સ્ટ્રિંગ દ્વારા નિર્દિષ્ટ કરવામાં આવે છે

ચલો

સમાનાર્થી: કેસ.

ઉત્તમ વ્યાખ્યા

અપૂર્ણ વ્યાખ્યા ↓

અવલોકન

પ્રયોગમૂલક સંશોધનની સામાન્ય વૈજ્ઞાનિક પદ્ધતિ. સમાજશાસ્ત્રમાં તેનો ઉપયોગ મુખ્યત્વે પ્રાથમિક માહિતીના એકત્રીકરણ અને સરળ સામાન્યીકરણ માટે થાય છે. બાદમાં મૌખિક અથવા રેકોર્ડ કરેલા કૃત્યો છે વાસ્તવિક વર્તનનિરીક્ષણના એકમો. વિપરીત કુદરતી વિજ્ઞાન જ્યાં N. ને સંશોધનનો સૌથી સરળ પ્રકાર ગણવામાં આવે છે, ત્યાં સમાજશાસ્ત્રમાં વૈજ્ઞાનિક N. સૌથી જટિલ અને સમય માંગી લેતી પદ્ધતિઓમાંની એક છે. તેની જટિલતા વિષય અને અવલોકનના ઑબ્જેક્ટ વચ્ચેના સંબંધની વિશિષ્ટતાને કારણે છે, જેમાં વ્યક્તિ વિષય અને ઑબ્જેક્ટ બંને તરીકે કાર્ય કરે છે. આ સંબંધ વાસ્તવમાં એક વિષય-વિષયનો સામાજિક સંબંધ છે, જે સંશોધન પ્રક્રિયામાં તેમના પરસ્પર પ્રભાવની અનિવાર્યતાને પૂર્વનિર્ધારિત કરે છે, અને તેથી કલાકૃતિઓ, "વિકૃત" માહિતી મેળવવાની સંભાવના. તેથી, આ પદ્ધતિનો ઉપયોગ સામાન્ય રીતે જટિલ તકનીકી તકનીકોના વિકાસ સાથે સંકળાયેલો છે જે પ્રારંભિક ડેટાની વિશ્વસનીયતાને સુનિશ્ચિત કરે છે. N. ની વિશ્વસનીયતા મુખ્યત્વે વિષય અને ઑબ્જેક્ટ વચ્ચેની ક્રિયાપ્રતિક્રિયાના પ્રકાર, પ્રક્રિયાના ઔપચારિકકરણની ડિગ્રી અને માહિતીની પ્રતિનિધિત્વ માટે તેની શરતોની પર્યાપ્તતા દ્વારા સુનિશ્ચિત કરવામાં આવે છે. કોઈપણ સમાજશાસ્ત્રીય સંશોધન માટે, નિરિક્ષણ કરનારાઓ તેના વિશે જાણે છે કે નહીં તેના આધારે, નીચેના પ્રકારની ક્રિયાપ્રતિક્રિયાઓ લાક્ષણિકતા ધરાવે છે: 1. સામેલ (સહભાગી) સંશોધન, જ્યારે અવલોકન કરનારાઓને જૂથમાં સંશોધકની હાજરી વિશે ખબર હોય છે. વિષય, સમાવેશની ખૂબ જ હકીકતના આધારે, પદાર્થનો પ્રભાવ અનુભવે છે, અને અમુક હદ સુધી તે પદાર્થ બની જાય છે. પદાર્થ વિષયની હાજરી પર પ્રતિક્રિયા આપે છે. આ કિસ્સામાં, તે જરૂરી છે;) ડેટા N નું જટિલ કરેક્શન, જે વિષય અને ઑબ્જેક્ટના "ખલેલકારક" પરસ્પર પ્રભાવને કારણે વિરૂપતા પ્રાપ્ત કરે છે. 2. સમાવિષ્ટ એન., જ્યારે અવલોકન કરનારાઓ તેના વિશે જાણતા નથી. વિષય પણ પદાર્થનો પ્રભાવ અનુભવે છે, પરંતુ પદાર્થ વિષયની હાજરી પર પ્રતિક્રિયા આપતો નથી. આ કિસ્સામાં, માહિતીની વિશ્વસનીયતા વધે છે, પરંતુ સંશોધન, નોંધણી અને માહિતીની સંપૂર્ણતાના નીતિશાસ્ત્રમાં સમસ્યાઓ ઊભી થાય છે. 3. અનક્લેડ્ડ એન., જ્યારે અવલોકન કરનારાઓ તેના વિશે જાણે છે. ઑબ્જેક્ટ વિષયને નોંધપાત્ર રીતે પ્રભાવિત કરતું નથી, પરંતુ પોતે તેની હાજરી પર પ્રતિક્રિયા આપે છે. આ પ્રતિક્રિયા (વર્તણૂકમાં ફેરફાર) એ પ્રાથમિક ડેટાના વિકૃતિનું મુખ્ય કારણ છે અને વિષય દ્વારા તેને ધ્યાનમાં લેવું આવશ્યક છે. 4. અસંગત એન., જ્યારે અવલોકન કરનારાઓ તેના વિશે જાણતા નથી. વિષય અને ઑબ્જેક્ટની ક્રિયાપ્રતિક્રિયામાં, વાસ્તવમાં કોઈ "ખલેલ પહોંચાડનાર" પ્રભાવ નથી. જો કે, અવલોકનના વધુ મર્યાદિત ક્ષેત્રને કારણે વિરૂપતા અને માહિતીના નુકશાનની સંભાવના વધે છે. આ કિસ્સામાં, અગાઉના એક (3) ની જેમ, સંસ્થાકીય અને તકનીકી ભૂલોની ઉચ્ચ સંભાવના છે. વિષય અને N ના ઑબ્જેક્ટ વચ્ચેની ક્રિયાપ્રતિક્રિયાના નામાંકિત પ્રકારોમાં, "ખલેલ પાડનારા" પરિબળોને દૂર કરવાની સમસ્યાને ધ્યાનમાં રાખીને ચોક્કસ પરિસ્થિતિઓ, વૈજ્ઞાનિક સંગઠન અને સંશોધનનું સંચાલન, તેમજ ડેટાના પર્યાપ્ત નિયંત્રણની સમસ્યા તરીકે હલ થાય છે. માન્યતા, સ્થિરતા અને ચોકસાઈ માટે. આને સુનિશ્ચિત કરવા માટે, N. નો ઑબ્જેક્ટ સૌ પ્રથમ ચોક્કસ પ્રયોગમૂલક પરિસ્થિતિમાં વ્યાખ્યાયિત થવો જોઈએ. તે કુદરતી છે કે કૃત્રિમ રીતે બનાવેલ છે તેના આધારે, ક્રિયાપ્રતિક્રિયાનો પ્રકાર નક્કી કરવામાં આવે છે. પ્રયોગમૂલક પરિસ્થિતિ પછી અનુમાન અને સંશોધન કાર્યક્રમના સંદર્ભમાં કોડિફાઇડ હોવી જોઈએ. તદનુસાર, તેઓ સૂચકાંકો I માટે મથાળાઓ વિકસાવી રહ્યા છે. પ્રયોગમૂલક પરિસ્થિતિઓને સૂચવવા માટે એકીકૃત સિસ્ટમ ડેટાને એકીકૃત કરવાનું, તેમની તુલનાત્મકતા અને જથ્થાત્મક પ્રક્રિયાને કમ્પ્યુટર અથવા મેન્યુઅલી હાથ ધરવાનું શક્ય બનાવે છે. પરિણામે, સમાજશાસ્ત્રીય એન., વ્યાપક સંશયવાદથી વિપરીત, નિરીક્ષકોની સારી તાલીમ સાથે, ડેટા મેળવવાનું શક્ય બનાવે છે જેનો સહસંબંધ 0.75-0.95 સુધી પહોંચે છે. N. નો મુખ્ય ફાયદો એ છે કે આ પદ્ધતિ તમને લોકો વચ્ચેની ક્રિયાપ્રતિક્રિયાઓ, જોડાણો અને સંબંધોનો સીધો અભ્યાસ કરવા અને વાજબી પ્રયોગમૂલક સામાન્યીકરણો કરવા દે છે. તે જ સમયે, આવા સામાન્યીકરણોના આધારે, ઘટનાના દાખલાઓ સ્થાપિત કરવા, તેમના નિર્ધારકોને ઓળખવા અને સામાજિક પ્રક્રિયાઓમાં તક અને આવશ્યકતા વચ્ચે તફાવત કરવો વધુ મુશ્કેલ છે. તેથી, ઑબ્જેક્ટની વ્યાપક પરીક્ષા આપવા માટે સમાજશાસ્ત્રીય સંશોધનનો ઉપયોગ અન્ય સંશોધન પદ્ધતિઓ સાથે સંયોજનમાં થવો જોઈએ.

ઉત્તમ વ્યાખ્યા

અપૂર્ણ વ્યાખ્યા ↓