রিসার্চ মেথডলজি কি?
একটা দশতলা ভবন নির্মাণের কথা ভাবুন। যদি আমি আপনি ভবন নির্মাণে অভিজ্ঞ না হই তাহলে কি হবে? হয়ত প্রথমে শুরু করতে পারবো এবং নির্মাণকাজ কিছুদুর এগিয়েও যাবে। কিন্তু তারপর? নির্মাণ ত্রুটিপুর্ন হওয়াতে ভবনটি থেকে যাবে প্রচন্ড ঝুঁকিতে। অথবা, আমি আপনি নির্মাণের কৌশল না জানার কারনে নির্মাণ শুরুর কিছুদিন পরেই ভেঙে যাবে সমগ্র স্থাপনাটি। কিন্তু কেন? কারন আমি আপনি নির্মাণের কলা কৌশল জানি না। জানিনা নির্মাণ শুরু ক্ষেত্রে বিবেচনাধীন বিষয় গুলো সম্পর্কেও।
আসলে যে কোন কিছু শুরুর ক্ষেত্রে বা তৈরিতে কলা কৌশল বা মেথডস জানা খুব জুরুরি বিষয়। সঠিক কলা কৌশল বা মেথডস না জেনে কিছু করতে যাওয়াটা নিতান্তই বোকামি।
এবং সেটা অন্যান্য সব কিছুর মত গবেষণাতেও সমানভাবে প্রযোজ্য।
মেথডস এন্ড ম্যাটারিয়ালস অংশটা প্রতিটা গবেষণার জন্যই খুবই গুরুত্বপূর্ণ অংশ। গুরুত্বপূর্ণ এই কারনে যে আপনি গবেষণায় যদি সঠিক মেথডস এন্ড ম্যাটারিয়ালস অনুসরণ না করে তাহলে সমগ্র গবেষণাটাই প্রশ্নবিদ্ধ হতে পারে। যেহেতু একটি গবেষণার ফলাফল পরবর্তীতে বিভিন্ন কাজে ব্যবহার হবে সেহেতু এটা অবশ্যই বিজ্ঞান সম্মত হতে হবে। এই কারনে এই অংশে আপনাকে খুবই সতর্ক থাকা চাই।
গবেষণাপত্রে মেথডস এন্ড ম্যাটারিয়ালস অনেক সময় শুধু মেথডস বা মেথডলজি হিসাবে লেখা। আবার অনেক সময় অনেক গবেষক সরাসরি কোন নাম (মেথডস বা মেথডলজি ইত্যাদি) ব্যবহার না করে ধাপে ধাপে লিখে যান। নাম ব্যবহার না করলেও মেথডস এর কী (key) ইলিমেন্টসগুলো/ মূল অংশগুলো থাকে সেটা সব গবেষণাপত্রেই উল্লেখ করা যায় বা রাখা হয়।
তো চলুন জেনে নেয়া যাক যে মেথডস এন্ড ম্যাটারিয়ালস-এ কি কি থাকে।
মেথডস এন্ড ম্যাটারিয়ালস মূলত নিচের বিষয় গুলো নিয়েইঃ
১। স্টাডি এরিয়ার বর্ণনা ও ম্যাপ
২। ডাটা কালেকশনের জন্য কোন মেথডস ব্যবহার করলেন এবং কেন
৩। কোন কোন উৎস থেকে ডাটা কালেক্ট বা নমুনা সংগ্রহ করলেন তার বর্ণনা এবং কতগুলো ডাটা/নমুনা সংগ্রহ করলেন
৪। ডাটা এনালাইসিস করার জন্য যদি কোন এপ্লিকেশন বা সফটওয়্যার ব্যাবহার করে থাকেন সেটার উল্লেখ
৫। আপনার গবেষণায় যদি কোন স্ট্যাটিস্টিক্যাল মডেল ব্যবহার করে থাকেন সেটার বর্ণনা
এবার ধারাবাহিক ভাবে একটু বর্ণনা করা যাক
কি থাকবে স্টাডি এরিয়াতে?
একটু চিন্তা করে দেখেন যে আপনি যে জায়গায় গবেষণা করবেন সে জায়গাটা বা তার ইকোসিস্টেম বা আশেপাশের আবহাওয়া সম্পর্কে কিন্তু আপনার রিডার তেমন কিছু জানবেন না বা না জানাই স্বাভাবিক। আসলে আপনি কোন জায়গায় গবেষণা করলেন সেই সম্পর্কে রিডারকে ধারণা দেবার জন্যই এই অংশটা লেখা হয়ে থাকে।
এবার আসি ডাটা কালেকশনের জন্য কোন মেথডস ব্যবহার করলেন এবং কেন?
ডাটা কালেকশনের জন্য ঠিক মেথডসটা সিলেক্ট করা খুবই গুরুত্বপূর্ণ এই কারনে যে শুধুমাত্র এই জিনিসটাই আপনার গবেষণার রিলায়েবিলিটি বা গ্রহনযোগ্যতা নির্ধারন করতে পারেন। আমরা জানি মূলত দুইভাবে ডাটা কালেক্ট করা যায়, যথা ১। প্রোবাবিলিটি স্যাম্পলিং ও নন প্রোবাবিলিটি স্যাম্পলিং। এই দুই প্রকারের মধ্যেও অনেক গুলো ভাগ আছে। সেক্ষেত্রে আপনাকে আপনার রিসার্সের ধরন অনুযায়ী ঠিকঠাক মেথড সিলেক্ট করতে হবে।
কত সংখ্যক নমুনা বা স্যাম্পল নিবেন?
কতগুলো স্যাম্পল/নমুনা নিবেন সেটার জন্যও সাধারণত বিভিন্ন ফর্মূলা ব্যবহার করা হয়। আপনার গবেষণার ধরন বুঝে বা কতটা পপুলেশন আছে সেটার হিসাবেই নির্ধারন করতে হয় কতগুলো স্যাম্পল/নমুনা নিবেন। তবে যেহেতু আমরা সবাই খুব আর্লি স্টেজে গবেষণা শুরু করছি সেহেতু আমরা ধরেই নিতে পারি অনেক বেশি সংখ্যক স্যাম্পল ডাটা নেবার মত অর্থ বা সময় আমাদের নেই। সেক্ষেত্রে ডাটা বা নমুনার সংখ্যা অনেকেই ৬০-১২০ এর মধ্যে রাখে। মনে রাখতে হবে যে আপনি যত বেশি সংখ্যক স্যাম্পল/নমুনা নিবেন আপনার গবেষণানার ফলাফল পপুলেশনকে তত বেশি রিপ্রেজেন্ট করবে।
ডাটার সোর্স কোথায়?
ডাটা মূলত দুইটা সোর্স থেকে সংগ্রহ করা হয়। একটা প্রাইমারি সোর্স, দ্বিতীয়টা সেকেন্ডারি সোর্স। প্রাইমারি সোর্স বলতে আমরা বুঝি যে সরাসরি সংগৃহীত ডাটা। অর্থাৎ আপনার গবেষণার জন্য আপনি যদি স্যাম্পল থেকে (স্যাম্পল যদি ব্যক্তি হয় তাহলে ব্যক্তি থেকে) সরাসরি ডাটা সংগ্রহ করে থাকেন তাহলে আমরা সেটাকে প্রাইমারি ডাটা বলতে পারি। যেমন আপনি যদি কৃষকদের কাছ থেকে সরাসরি জানতে চান যে তারা আবহাওয়া পরিবর্তন সম্পর্কে জ্ঞাত কিনা বা জানে কিনা তাহলে তারা হ্যাঁ বা না উত্তর দিবে। এই যে উত্তরটা পেলেন এটাই প্রাইমারি সোর্স থেকে নেয়া ডাটা। আবার আপনি যদি আপনার গবেষণায় জায়গার গত ৩০ বছরের তাপমাত্রা পরিবর্তনের ট্রেন্ড/প্রবণতা দেখাবেন তাহলে কিন্তু আপনি সরাসরি গত ৩০ বছরের ডাটা পাবেন না। সেক্ষেত্রে আপনাকে আবহাওয়া অফিস বা অন্য কোন উৎস থেকে ডাটা নিতে হবে। এইযে আপনি অন্য সোর্স থেকে ডাটা সংগ্রহ করলেন এটাই হচ্ছে সেকেন্ডারি সোর্স।
ডাটা এনালাইসিস সফটওয়্যার
আপনি যখন আপনার গবেষণার জন্য মডেল ফিট করতে চাইবেন বা কোন বড় এনালাইসিস করতে চাইবেন তখন আপনাকে কোন না কোন সফটওয়্যার ব্যবহার করতে হবে। ডাটা এনালাইসিস এর জন্য অসংখ্য সফটওয়্যার আছে।
যেমন, মাইক্রোসফট এক্সেল, এসপিএসএস (SPSS), R Software Environment, MATLAB, Stata সহ আরো অনেক অনেক।
সেক্ষেত্রে আপনার আশেপাশে কারো যদি যেকোন একটার উপর দক্ষতা থাকে, তাঁহলেই আপনি তার থেকে সাহায্য নিয়ে এনালাইসিস করে ফেলতে পারেন।
তবে এই দিক থেকে আমাদের সাজেশন থাকবে আপনি যদি একদম শুরুর দিকে কেউ হয়ে থাকেন তাহলে সহজ কোন এনালাইসিস দিয়েই শুরু করে দিন। আর যদি বড় ধরনের এনালাইসিস পারেন তাহলে তো কথাই নেই।
স্ট্যাটিস্টিক্যাল মডেল
প্রায়ই দেখা যায় রিসার্স পেপার গুলোতে মডেল ফিট করতে হয়। গবেষণার অবজেক্টিভ মত রেজাল্ট পেতে হলে দরকার হয় বিভিন্ন মডেলের বা এনালাইসিস এর। এই অংশে মূলত আপনার রিসার্স পেপারে ব্যবহারিত মডেল গুলোর বর্ণনা থাকবে। মডেল বর্ণনার ক্ষেত্রে খুব সতর্কতা অবলম্বন করা প্রয়োজন। আপনার ডাটা কোন নির্দিষ্ট মডেলকে সমর্থন করে সেটা জানা ভীষণ জরুরী। আর এই কারনে আপনাকে অবশ্যই কোন এক্সপার্টের সহযোগিতা নেয়াটা বুদ্ধিমানের কাজ হবে।
সাধারন ভাবে মডেলের বর্ণনা এমনভাবে করতে হবে যাতে করে যে কেউ পড়েই মডেল সম্পর্কে খুব ভালো একটা ধারনা পায় বা ঠিকঠাক বুঝতে পারে কেন এই মডেল ব্যবহার হলো এবং কেন অন্যটা না। মডেলের কোন কোন সিম্বল আপনার রিসার্সের কোন কোন ভ্যারিয়েবলকে সংজ্ঞায়িত করে সেটা উল্লেখ করাটা খুবই জরুরি।
যেমন পূর্বের গবেষণার বিষয়বস্তুর কথাই ধরা যাক।
আবহাওয়া পরিবর্তন সম্পর্কে কিশোরগঞ্জের সবজি চাষীদের ধারণা এবং আবহাওয়া পরিবর্তনের জন্য তারা কি ধরনের অভিযোজন কৌশল গ্রহন করেন
আমরা সেখানে বলেছিলাম কৃষকদের আবহাওয়া পরিবর্তন সম্পর্কে ধারণা কোন কোন ভ্যারিয়েবল দ্বারা প্রভাবিত হয়। সেক্ষেত্রে কৃষকদের মতামত হবে দুইটার যে কোন একটা, হ্যাঁ অথবা না।
এখানে আমরা জানি আউটকাম ভ্যারিয়েবল দুইটা থাকে আর সেই দুইটা যদি ডামি ভ্যারিয়েবল হয় তাহলে আমরা সাধারন বাইনারি লজিস্টিক রিগ্রেশন ব্যবহার করি (অন্যান্য অনেক মডেলও আছে)।
আপনার গবেষণাপত্রে যেটা করতে হবে সেটা হচ্ছে বাইনারি লজিস্টিক রিগ্রেশন মডেলের স্টাটিস্টিকাল রুপটা উল্লেখ করতে হবে এবং সেটা বর্ণনা করতে হবে।
সাধারণত এই কতগুলো অংশ নিয়েই মেথডস এন্ড ম্যাটারিয়ালস। আসলে, গবেষণায় কিছু নির্দিষ্ট বিষয় বাদে সেরকম কোন সীমাবদ্ধতা নেই। আপনি একদম বেসিক বিষয়গুলো ঠিক রেখে আপনার ইচ্ছা মত বা জার্নালের প্রয়োজন মত আপনার গবেষণাপত্র সাজাতে পারেন। মেথডস এন্ড ম্যাটারিয়ালস এর ক্ষেত্রেও একই শর্ত।
অন্যান্যঃ
0 Comments