ရှုပ်ထွေးသောကိန်းရှင်ကဘာလဲ။ (အဓိပ္ပါယ် & #038; ဥပမာ)

မည်သည့်စမ်းသပ်မှုတွင်မဆို အဓိက ကိန်းရှင်နှစ်ခုရှိသည်။

အမှီအခိုကင်းသော ကိန်းရှင်- အမှီအခိုကင်းသော ကိန်းရှင်အပေါ် သက်ရောက်မှုများကို သတိပြုနိုင်စေရန် အလို့ငှာ စမ်းသပ်သူမှ မွမ်းမံပြင်ဆင် သို့မဟုတ် ထိန်းချုပ်သည့် ကိန်းရှင်။

မှီခိုသောကိန်းရှင်- အမှီအခိုကင်းသောကိန်းရှင်အပေါ် “ မှီခို” ဖြစ်သော စမ်းသပ်မှုတစ်ခုတွင် တိုင်းတာသည့်ကိန်းရှင်။

အမှီအခိုကင်းသောကိန်းရှင်၏ပြောင်းလဲမှုများသည် မှီခိုကိန်းရှင်အပေါ် မည်ကဲ့သို့အကျိုးသက်ရောက်သည်ကို သုတေသီများသည် မကြာခဏဆိုသလို စိတ်ဝင်စားကြသည်။

သို့သော်၊ တတိယကိန်းရှင်ကို ထည့်သွင်းစဉ်းစားခြင်း မပြုဘဲ လေ့လာထားသော ကိန်းရှင်နှစ်ခုကြား ဆက်ဆံရေးကို ထိခိုက်စေနိုင်သည်ဟု တစ်ခါတစ်ရံတွင် ဖြစ်ပေါ်လာပါသည်။

ဤ variable အမျိုးအစားကို confounding variable ဟုခေါ်ပြီး လေ့လာမှုတစ်ခု၏ရလဒ်များကို ရှုပ်ထွေး စေပြီး လက်တွေ့တွင်မရှိသော variable နှစ်ခုကြားတွင် အကြောင်းတရားနှင့် အကျိုးသက်ရောက်မှု အမျိုးအစားအချို့ရှိသကဲ့သို ပေါ်လာစေသည်။

Confounding variable- စမ်းသပ်မှုတစ်ခုတွင် မပါဝင်သော်လည်း စမ်းသပ်မှုတစ်ခုရှိ ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်စပ်မှုကို သက်ရောက်မှုရှိသည်။

ဤကိန်းရှင်အမျိုးအစားသည် စမ်းသပ်မှုတစ်ခု၏ရလဒ်များကို ရှုပ်ထွေးစေပြီး ယုံကြည်စိတ်ချရသောရလဒ်များဆီသို့ ဦးတည်သွားစေနိုင်သည်။

ဥပမာအားဖြင့်၊ သုတေသီတစ်ဦးသည် ရေခဲမုန့်ရောင်းချမှုနှင့် ငါးမန်းတိုက်ခိုက်ခံရမှုဆိုင်ရာ ဒေတာကို စုဆောင်းပြီး ကိန်းရှင်နှစ်ခုသည် အလွန်ဆက်စပ်နေကြောင်း တွေ့ရှိသည်ဆိုပါစို့။ ရေခဲမုန့်ရောင်းအား တိုးလာခြင်းသည် ငါးမန်းတိုက်ခိုက်မှုကို ပိုမိုဖြစ်ပေါ်စေသည်ဟု ဆိုလိုပါသလား။

မဖြစ်နိုင်ပါဘူး။ ဖြစ်နိုင်ခြေအရှိဆုံးအကြောင်းရင်းမှာ ရှုပ်ထွေးသော ပြောင်းလဲနိုင်သော အပူချိန် ဖြစ်သည်။ အပြင်မှာ ပိုပူလာတဲ့အခါ လူတွေက ရေခဲမုန့်ဝယ်လာပြီး သမုဒ္ဒရာကို သွားကြတာများတယ်။

ရှုပ်ထွေးနေသော ကိန်းရှင်များအတွက် လိုအပ်ချက်များ

ကိန်းရှင်သည် ရှုပ်ထွေးသောကိန်းရှင်တစ်ခုဖြစ်ရန်အတွက်၊ ၎င်းသည် အောက်ပါလိုအပ်ချက်များနှင့် ကိုက်ညီရမည်-

1. ၎င်းသည် သီးခြားကိန်းရှင်နှင့် ဆက်စပ်နေရပါမည်။

ယခင်ဥပမာတွင်၊ အပူချိန်သည် ရေခဲမုန့်ရောင်းချမှု၏ သီးခြားပြောင်းလဲမှုနှင့် ဆက်စပ်နေသည်။ အထူးသဖြင့်၊ ပိုပူသော အပူချိန်သည် ရေခဲမုန့်ရောင်းချမှု မြင့်မားခြင်းနှင့် ရောင်းအားနိမ့်သော အေးသော အပူချိန်တို့နှင့် ဆက်စပ်နေသည်။

2. မှီခိုကိန်းရှင်နှင့် အကြောင်းရင်းခံ ဆက်နွယ်မှုရှိရမည်။

ယခင်ဥပမာတွင်၊ အပူချိန်သည် ငါးမန်းတိုက်ခိုက်မှုအရေအတွက်အပေါ် တိုက်ရိုက်သက်ရောက်မှုရှိသည်။ အထူးသဖြင့် ပူနွေးသောအပူချိန်သည် လူများကို သမုဒ္ဒရာထဲသို့ တွန်းပို့စေပြီး ငါးမန်းတိုက်ခိုက်မှု ဖြစ်နိုင်ခြေကို တိုက်ရိုက်တိုးစေသည်။

ရှုပ်ထွေးသောကိန်းရှင်များသည် အဘယ်ကြောင့် ပြဿနာတက်သနည်း။

Confounding variable များသည် အကြောင်းရင်းနှစ်ခုကြောင့် ပြဿနာတက်သည်-

1. ကွဲလွဲနေသောကိန်းရှင်များသည် အကြောင်းတရားနှင့် အကျိုးသက်ရောက်မှု ဆက်ဆံရေးများကို ၎င်းတို့မရှိသောအခါတွင် ရှိနေကြောင်း ထင်ရှားစေသည်။

ကျွန်ုပ်တို့၏ယခင်နမူနာတွင်၊ ရှုပ်ထွေးနေသော အပူချိန်ပြောင်းလဲမှုသည် ရေခဲမုန့်ရောင်းချမှုနှင့် ငါးမန်းတိုက်ခိုက်မှုကြားတွင် အကြောင်းရင်းခံဆက်စပ်မှုရှိနေသကဲ့သို့ ပေါ်လာစေသည်။

သို့သော်လည်း ရေခဲမုန့်ရောင်းချခြင်းသည် ငါးမန်းတိုက်ခိုက်မှုကို မဖြစ်စေကြောင်း ကျွန်ုပ်တို့သိပါသည်။ ရှုပ်ထွေးသော အပူချိန်ပြောင်းလဲမှုသည် ထိုကဲ့သို့ထင်မြင်စေသည်။

2. ကွဲလွဲနေသောကိန်းရှင်များသည် ကိန်းရှင်များကြားရှိ စစ်မှန်သောအကြောင်းတရားနှင့် အကျိုးသက်ရောက်မှုကို ဖုံးကွယ်ထားနိုင်သည်။

ကျွန်ုပ်တို့သည် သွေးပေါင်ချိန်လျှော့ချရန် လေ့ကျင့်ခန်းလုပ်နိုင်စွမ်းကို လေ့လာနေသည်ဆိုပါစို့။ ဖြစ်နိုင်ချေရှိသော ရှုပ်ထွေးသောကိန်းရှင်သည် လေ့ကျင့်ခန်းနှင့် ဆက်နွယ်နေပြီး သွေးဖိအားအပေါ် တိုက်ရိုက်အကျိုးသက်ရောက်မှုရှိသော ကိုယ်အလေးချိန်စတင်ခြင်းဖြစ်သည်။

တိုးမြှင့်ထားသော ကိုယ်လက်လှုပ်ရှားမှုများသည် သွေးပေါင်ချိန်ကို လျှော့ချနိုင်သော်လည်း လူတစ်ဦးချင်းစီ၏ စတင်ချိန် အလေးချိန်သည် ဤကိန်းရှင်နှစ်ခုကြားရှိ ဆက်နွယ်မှုအပေါ် ကြီးမားသော သက်ရောက်မှုရှိသည်။

ကိန်းရှင်များနှင့် အတွင်းပိုင်းတရားဝင်မှုကို ရှုပ်ထွေးစေသည်။

နည်းပညာဆိုင်ရာ အသုံးအနှုန်းများတွင်၊ ရှုပ်ထွေးသောကိန်းရှင်များသည် လေ့လာမှုတစ်ခု၏ အတွင်းပိုင်းတရားဝင်မှုကို သက်ရောက်မှုရှိပြီး လွတ်လပ်သောကိန်းရှင်၏ပြောင်းလဲမှုများအတွက် မှီခိုကိန်းရှင်ရှိ ပြောင်းလဲမှုမှန်သမျှ၏တရားဝင်မှုကို ရည်ညွှန်းသည်။

confounding variable များရှိနေသောအခါ၊ dependent variable တွင်ကျွန်ုပ်တို့လေ့လာထားသောပြောင်းလဲမှုများသည်လွတ်လပ်သော variable တွင်ပြောင်းလဲမှုများ၏တိုက်ရိုက်ရလဒ်ဖြစ်ကြောင်းကျွန်ုပ်တို့အမြဲတမ်းသေချာစွာမပြောနိုင်ပါ။

ရှုပ်ထွေးနေသောကိန်းရှင်များ၏အကျိုးသက်ရောက်မှုကိုမည်သို့လျှော့ချမည်နည်း။

အောက်ပါနည်းလမ်းများအပါအဝင် ရှုပ်ထွေးနေသောကိန်းရှင်များ၏အကျိုးသက်ရောက်မှုကို လျှော့ချရန် နည်းလမ်းများစွာရှိပါသည်။

1. ကျပန်းခွဲဝေခြင်း။

ကျပန်းတာဝန်ပေးခြင်းသည် လေ့လာမှုတစ်ခုတွင် လူတစ်ဦးချင်းစီအား ကုသမှုအဖွဲ့ သို့မဟုတ် ထိန်းချုပ်မှုအဖွဲ့သို့ ကျပန်းတာဝန်ပေးအပ်ခြင်းလုပ်ငန်းစဉ်ကို ရည်ညွှန်းသည်။

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် သွေးပေါင်ချိန်အပေါ် ဆေးအသစ်၏အကျိုးသက်ရောက်မှုကို လေ့လာလိုသည်ဆိုကြပါစို့။ အကယ်၍ ကျွန်ုပ်တို့သည် လေ့လာမှုတွင် ပါဝင်ရန် လူ 100 ကို စုဆောင်းပါက၊ လူ 50 ဦးအား ထိန်းချုပ်မှုအဖွဲ့ (ဆေးလုံးမပါ) နှင့် လူ 50 ကို ကုသမှုအုပ်စု (ဆေးအသစ်) တွင် ကျပန်းနံပါတ်ထုတ်ပေးရန် ကျပန်းနံပါတ် မီးစက်ကို အသုံးပြုနိုင်ပါသည်။

ကျပန်းတာဝန်ကို အသုံးပြုခြင်းဖြင့်၊ အုပ်စုနှစ်စုသည် အကြမ်းဖျင်းတူညီသောလက္ခဏာများ ပါရှိနိုင်စေမည့် အခွင့်အလမ်းကို တိုးမြင့်စေသည်၊ ဆိုလိုသည်မှာ အုပ်စုနှစ်ခုကြားရှိ ကွဲပြားမှုများကို ကုသခြင်းဟု သတ်မှတ်နိုင်သည်။

ဆိုလိုသည်မှာ လေ့လာမှုသည် အတွင်းပိုင်းတရားဝင်မှု ရှိရမည်ဖြစ်ပြီး၊ အုပ်စုများရှိ လူတစ်ဦးချင်းကြား ကွဲပြားမှုများကို ဆန့်ကျင်သည့်အနေဖြင့် အုပ်စုများနှင့် ဆေးပြားကြားရှိ သွေးပေါင်ချိန် ကွာခြားချက်များကို အသိအမှတ်ပြုရန် ခိုင်လုံပါသည်။

2. ပိတ်ဆို့ခြင်း။

Blocking ဆိုသည်မှာ လေ့လာမှုတစ်ခုတွင် လူတစ်ဦးချင်းစီအား ရှုပ်ထွေးနေသောကိန်းရှင်၏ အကျိုးသက်ရောက်မှုကို ဖယ်ရှားရန်အတွက် ရှုပ်ထွေးနေသောကိန်းရှင်တစ်ခု၏ အချို့သောတန်ဖိုးတစ်ခုအပေါ် အခြေခံ၍ လေ့လာမှုတစ်ခုတွင် လူတစ်ဦးချင်းစီကို “ အကွက်များ” ခွဲခြင်းအလေ့အကျင့်ကို ရည်ညွှန်းသည်။

ဥပမာအားဖြင့်၊ သုတေသီများသည် ကိုယ်အလေးချိန်ကျခြင်းအပေါ် အစားအသောက်အသစ်၏အကျိုးသက်ရောက်မှုကို နားလည်လိုသည်ဆိုပါစို့။ သီးခြားပြောင်းလဲမှုမှာ အစားအသောက်အသစ်ဖြစ်ပြီး ကိုယ်အလေးချိန်လျှော့ချသည့်ပမာဏကို မှီခိုရသည့်ပြောင်းလဲမှုဖြစ်သည်။

သို့သော်လည်း ကိုယ်အလေးချိန် လျှော့ချရာတွင် ကွဲပြားစေမည့် ရှုပ်ထွေးသော ကိန်းရှင်တစ်ခုမှာ ကျား၊မ ။ အစားအသောက်အသစ်သည် အလုပ်ဖြစ်သည်ဖြစ်စေ မလုပ်ဆောင်သည်ဖြစ်စေ လူတစ်ဦးချင်းစီ၏ ကျား၊မ၊

ဤပြဿနာကို ဖြေရှင်းရန် နည်းလမ်းတစ်ခုမှာ လူတစ်ဦးချင်းစီကို ဘလောက်နှစ်ခုထဲမှ တစ်ခုသို့ ထားရှိခြင်းဖြစ်သည်။

• အထီး
• အပျို

ထို့နောက် ဘလောက်တစ်ခုစီအတွင်း၊ တစ်ဦးချင်းစီအား ကုသမှုနှစ်ခုအနက်မှ တစ်ခုသို့ ကျပန်းသတ်မှတ်ပေးသည်-

• ဓာတ်စာအသစ်
• စံချိန်မီအစားအသောက်

ဤသို့ပြုလုပ်ခြင်းဖြင့်၊ ပိတ်ဆို့ခြင်းတစ်ခုစီရှိ ကွဲလွဲမှုသည် လူတစ်ဦးချင်းစီကြားကွဲလွဲမှုထက် များစွာနိမ့်ကျမည်ဖြစ်ပြီး၊ အစားအသောက်အသစ်သည် လိင်ဆက်ဆံစဉ်တွင် ကိုယ်အလေးချိန်လျှော့ချခြင်းအပေါ် မည်သို့အကျိုးသက်ရောက်သည်ကို ကျွန်ုပ်တို့ ပိုမိုနားလည်နိုင်မည်ဖြစ်သည်။

3. စာပေးစာယူ

လိုက်ဖက်သောအတွဲဒီဇိုင်း သည် ဖြစ်နိုင်ချေရှိသော ရှုပ်ထွေးစေသော ကိန်းရှင်များ၏ တန်ဖိုးများကို အခြေခံ၍ တစ်ဦးချင်းစီကို ကျွန်ုပ်တို့ “ကိုက်ညီ” သည့် စမ်းသပ်ဒီဇိုင်းအမျိုးအစားတစ်ခုဖြစ်သည်။

ဥပမာအားဖြင့်၊ သုတေသီများသည် စံအစားအစာတစ်ခုနှင့် နှိုင်းယှဉ်ပါက ကိုယ်အလေးချိန်ကျခြင်းကို အစားအသောက်အသစ်တစ်ခုက မည်သို့အကျိုးသက်ရောက်သည်ကို သိလိုသည်ဆိုပါစို့။ ဤအခြေအနေတွင် ရှုပ်ထွေးစေမည့် ကိန်းရှင်နှစ်ခုမှာ အသက် နှင့် ကျား ၊

ယင်းအတွက် သုတေသီများကို ဘာသာရပ် 100 ကို စုဆောင်းပြီး ၎င်းတို့၏ အသက်နှင့် ကျားမအလိုက် အတွဲ 50 ဖြင့် အုပ်စုဖွဲ့ပါ။ ဥပမာအားဖြင့်:

• အသက် 25 နှစ်အရွယ် အမျိုးသားတစ်ဦးသည် အသက် နှင့် ကျားမ အရ “လိုက်ဖက်သည်” ဖြစ်သောကြောင့် အခြား 25 နှစ်အရွယ် အမျိုးသားနှင့် လိုက်ဖက်မည်ဖြစ်သည်။
• အသက် 30 အရွယ် အမျိုးသမီးတစ်ဦးသည် အသက် နှင့် ကျားမ စသည်တို့ကို လိုက်ဖက်သောကြောင့် အခြားအသက် 30 အမျိုးသမီးနှင့် လိုက်ဖက်မည်ဖြစ်သည်။

ထို့နောက် အတွဲတစ်ခုစီတွင် ဘာသာရပ်တစ်ခုသည် အစားအသောက်အသစ်ကို ရက် 30 ကြာ လိုက်နာရန် ကျပန်းတာဝန်ပေးမည်ဖြစ်ပြီး အခြားဘာသာရပ်တစ်ခုကို စံနှုန်းအတိုင်း ရက် 30 ကြာ လိုက်နာရန် တာဝန်ပေးမည်ဖြစ်သည်။

ရက် 30 ၏အဆုံးတွင်၊ သုတေသီများသည်ဘာသာရပ်တစ်ခုစီအတွက်စုစုပေါင်းကိုယ်အလေးချိန်ကိုတိုင်းတာလိမ့်မည်။

ဤဒီဇိုင်းပုံစံကို အသုံးပြုခြင်းဖြင့် သုတေသီများသည် အသက် နှင့် ကျား မကွဲပြားသော ကွဲပြားသော ကွဲပြားမှုများထက် အသုံးပြုသည့် အစားအသောက်အမျိုးအစားနှင့် သက်ဆိုင်သည့် ကိုယ်အလေးချိန် လျှော့ချခြင်းဆိုင်ရာ ကွာခြားချက်များကို သက်သေပြနိုင်သည်ဟု သုတေသီများက ယုံကြည်နိုင်သည်။

ဤဒီဇိုင်းအမျိုးအစားတွင် အားနည်းချက်အချို့ရှိသည်၊

1. ဘာသာရပ်နှစ်ခု ပျက်ပါက ဘာသာရပ်နှစ်ခု ဆုံးရှုံးမည်။ အကယ်၍ ဘာသာရပ်တစ်ခုသည် သင်အံမှုမှထွက်ရန် ဆုံးဖြတ်ပါက သင့်တွင် အတွဲတစ်တွဲမရှိတော့သောကြောင့် သင်အမှန်တကယ် ဘာသာရပ်နှစ်ခုဆုံးရှုံးမည်ဖြစ်သည်။

2. တိုက်ဆိုင်မှုများကို ရှာဖွေရန် အချိန်ယူရသည် ။ လိင် နှင့် အသက် ကဲ့သို့သော အချို့သော ကိန်းရှင်များနှင့် ကိုက်ညီသော အကြောင်းအရာများကို ရှာဖွေခြင်းသည် အချိန်ကုန်နိုင်သည်။

3. အကြောင်းအရာများကို စုံလင်စွာ မယှဉ်နိုင်ပါ ။ ဘယ်လောက်ပဲ ကြိုးစားကြိုးစား၊ အတွဲတစ်ခုစီရဲ့ ဘာသာရပ်တွေထဲမှာ ကွဲပြားမှုတွေ အမြဲရှိနေမှာပါ။

သို့သော်၊ လေ့လာမှုတစ်ခုတွင် ဤဒီဇိုင်းကိုအကောင်အထည်ဖော်ရန် အရင်းအမြစ်များရှိနေပါက၊ ရှုပ်ထွေးနေသောကိန်းရှင်များ၏အကျိုးသက်ရောက်မှုများကို ဖယ်ရှားရာတွင် အလွန်ထိရောက်မှုရှိနိုင်ပါသည်။