குறியிடப்பட்டது
  • ஜெ கேட் திறக்கவும்
  • ஜெனமிக்ஸ் ஜர்னல்சீக்
  • பாதுகாப்பு லிட்
  • RefSeek
  • ஹம்டார்ட் பல்கலைக்கழகம்
  • EBSCO AZ
  • OCLC- WorldCat
  • பப்ளான்கள்
  • கூகுள் ஸ்காலர்
இந்தப் பக்கத்தைப் பகிரவும்
ஜர்னல் ஃப்ளையர்
Flyer image

சுருக்கம்

ஆதாரங்களை உருவாக்குவதற்கான சமூக தலையீட்டு ஆராய்ச்சியில் பேய்சியன் முன்னுதாரணம்

டிங்-கெங் சென்

பிரச்சனையின் அறிக்கை: சமூக தலையீடுகள் வேண்டுமென்றே மாற்ற உத்திகள் செயல்படுத்தப்படுகின்றன மற்றும் சமூக தலையீடு ஆராய்ச்சி பின்னர் ஒரு வடிவமைப்பு மற்றும் மதிப்பீட்டு செயல்முறையை பின்பற்ற நோக்கம் கொண்டது, இதில் செயல்பாடுகள் காலப்போக்கில் முந்தைய தகவலை உருவாக்குகின்றன. புதிய ஆதாரங்களைச் செம்மைப்படுத்துவதிலும், உருவாக்குவதிலும் இந்தச் செயல்முறை மீண்டும் செயல்படும் மற்றும் நேரியல் அல்ல. முந்தைய தகவல்கள் அடுத்தடுத்த புதிய ஆதாரங்களைத் தெரிவித்தாலும், தலையீட்டு பகுப்பாய்வுகளில் தரவு பகுப்பாய்வில் முந்தைய தகவல்கள் அரிதாகவே கருதப்படுகின்றன. இது நமது விஞ்ஞானக் கோட்பாட்டுடன் ஒத்துப்போகவில்லை, மேலும் புதிய முன்னுதாரணத்தை ஆராய வேண்டும்.

முறை மற்றும் கோட்பாட்டு நோக்குநிலை: தலையீட்டு ஆராய்ச்சியில் ஒரு பேய்சியன் முன்னோக்கை நாங்கள் விவரிக்கிறோம். பேய்சியன் முறைகள் பகுப்பாய்வுகளில் முந்தைய தகவலைப் பயன்படுத்துகின்றன. குறிப்பாக, வழக்கமான தலையீட்டுப் பகுப்பாய்வைப் போல முந்தைய தகவலைப் புறக்கணிப்பதை விட, தலையீட்டு ஆராய்ச்சிக்கான பேய்சியன் அணுகுமுறையானது, பேய்ஸ் தேற்றத்தின் அடிப்படையில் புதிய தரவு விநியோகங்களிலிருந்து முந்தைய தகவலை ஒருங்கிணைக்கிறது. முந்தைய ஆய்வுகளில் இருந்து தகவல் ஒரு பின்புற விநியோகத்தை உருவாக்க பயன்படுத்தப்படலாம். இந்த பின்புற விநியோகம் பின்னர் அனுமான செயல்முறையில் இணைக்கப்பட்டுள்ளது. எனவே, தலையீட்டு ஆராய்ச்சிக்கான பேய்சியன் அணுகுமுறை  முந்தைய ஆய்வுகளின் தகவல்களைப் பயன்படுத்தி தற்போதைய ஆய்வுத் தரவை பகுப்பாய்வு செய்கிறது. பேய்சியன் முன்னோக்கு, தலையீடு விளைவுகளைப் பற்றிய முந்தைய புரிதலைப் பயன்படுத்தி, புதிதாகப் பெறப்பட்ட தரவுகளில் விளைவுகளை மதிப்பிடுவதற்கான தொடர்ச்சியான அளவு முறையை வழங்குகிறது.

முடிவு மற்றும் முக்கியத்துவம்: ஆராய்ச்சி வடிவமைப்புக் கண்ணோட்டத்தில், பேய்சியன் முறைகள் சக்தியை மேம்படுத்துவதற்கும், தலையீட்டு ஆராய்ச்சியில் தேவையான மாதிரி அளவுகளைக் குறைப்பதற்கும் ஆற்றலைக் கொண்டுள்ளன. சிறிய மாதிரிகள் பயன்படுத்தப்பட்டால், தலையீட்டு ஆய்வுகளின் விலை குறைக்கப்படலாம், இது தலையீட்டு ஆராய்ச்சியின் வடிவமைப்பு கோரிக்கைகளை குறைக்கலாம்.

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவ