The IGNOU MMPC-015 Solved Question Paper PDF Download page is designed to help students access high-quality exam resources in one place. Here, you can find ignou solved question paper IGNOU Previous Year Question paper solved PDF that covers all important questions with detailed answers. This page provides IGNOU all Previous year Question Papers in one PDF format, making it easier for students to prepare effectively.
- IGNOU MMPC-015 Solved Question Paper in Hindi
- IGNOU MMPC-015 Solved Question Paper in English
- IGNOU Previous Year Solved Question Papers (All Courses)
Whether you are looking for IGNOU Previous Year Question paper solved in English or ignou previous year question paper solved in hindi, this page offers both options to suit your learning needs. These solved papers help you understand exam patterns, improve answer writing skills, and boost confidence for upcoming exams.
IGNOU MMPC-015 Solved Question Paper PDF
This section provides IGNOU MMPC-015 Solved Question Paper PDF in both Hindi and English. These ignou solved question paper IGNOU Previous Year Question paper solved PDF include detailed answers to help you understand exam patterns and improve your preparation. You can also access IGNOU all Previous year Question Papers in one PDF for quick and effective revision before exams.
IGNOU MMPC-015 Previous Year Solved Question Paper in Hindi
Q1. शोध को परिभाषित करें और उपयुक्त उदाहरणों के साथ विभिन्न प्रकार के शोधों की व्याख्या करें।
Ans.
शोध को किसी विशेष चिंता या समस्या के संबंध में ज्ञान के भंडार को बढ़ाने के लिए किए गए व्यवस्थित अन्वेषण के रूप में परिभाषित किया गया है। यह नई जानकारी की खोज, मौजूदा सिद्धांतों की व्याख्या या किसी समस्या के समाधान की एक वैज्ञानिक और व्यवस्थित प्रक्रिया है। शोध का मुख्य उद्देश्य तथ्यों की खोज करना, छिपे हुए सत्य को उजागर करना और प्रबंधन निर्णयों जैसे व्यावहारिक क्षेत्रों में समस्याओं का समाधान प्रदान करना है।
शोध को विभिन्न आधारों पर वर्गीकृत किया जा सकता है। मुख्य प्रकार निम्नलिखित हैं:
1. उद्देश्य के आधार पर:
- अन्वेषणात्मक शोध (Exploratory Research): यह शोध तब किया जाता है जब किसी समस्या को स्पष्ट रूप से परिभाषित नहीं किया गया हो। इसका उद्देश्य समस्या की बेहतर समझ हासिल करना, परिकल्पना विकसित करना और आगे के शोध के लिए प्राथमिकताएं निर्धारित करना है। उदाहरण: किसी विशेष क्षेत्र में किसी उत्पाद की बिक्री में गिरावट के संभावित कारणों का पता लगाना।
- वर्णनात्मक शोध (Descriptive Research): इसका उद्देश्य किसी जनसंख्या, स्थिति या घटना की विशेषताओं का सटीक और व्यवस्थित रूप से वर्णन करना है। यह “क्या, कहाँ, कब और कैसे” जैसे प्रश्नों का उत्तर देता है, लेकिन “क्यों” का नहीं। उदाहरण: किसी विशेष शहर में स्मार्टफोन उपयोगकर्ताओं की जनसांख्यिकीय प्रोफ़ाइल का अध्ययन करना।
- व्याख्यात्मक/कारणात्मक शोध (Explanatory/Causal Research): यह शोध कारण और प्रभाव संबंधों का परीक्षण करता है। यह समझने की कोशिश करता है कि एक चर में परिवर्तन दूसरे चर में परिवर्तन का कारण कैसे बनता है। उदाहरण: यह परीक्षण करना कि विज्ञापन खर्च में 10% की वृद्धि से बिक्री पर क्या प्रभाव पड़ता है।
2. दृष्टिकोण के आधार पर:
- गुणात्मक शोध (Qualitative Research): यह गैर-संख्यात्मक डेटा से संबंधित है और मानव व्यवहार के अंतर्निहित कारणों, राय और प्रेरणाओं को समझने पर केंद्रित है। इसमें फोकस समूह, साक्षात्कार और अवलोकन जैसी तकनीकें शामिल हैं। उदाहरण: ग्राहकों की ब्रांड के प्रति वफादारी के पीछे के भावनात्मक कारणों को समझना।
- मात्रात्मक शोध (Quantitative Research): यह संख्यात्मक डेटा और सांख्यिकीय विश्लेषण पर केंद्रित है। इसका उपयोग दृष्टिकोण, व्यवहार और अन्य परिभाषित चरों को मापने और डेटा को एक बड़ी आबादी के लिए सामान्यीकृत करने के लिए किया जाता है। इसमें सर्वेक्षण और प्रयोग शामिल हैं। उदाहरण: किसी उत्पाद के लिए ग्राहक संतुष्टि के स्तर को 1 से 5 के पैमाने पर मापना।
3. अनुप्रयोग के आधार पर:
- मौलिक/शुद्ध शोध (Basic/Pure Research): यह मुख्य रूप से ज्ञान के विस्तार के लिए किया जाता है, जिसका कोई तत्काल व्यावहारिक अनुप्रयोग नहीं होता है। इसका उद्देश्य वैज्ञानिक सिद्धांतों और समझ को बेहतर बनाना है। उदाहरण: मानव प्रेरणा के सिद्धांतों का अध्ययन करना।
- व्यावहारिक शोध (Applied Research): यह एक विशिष्ट, व्यावहारिक समस्या को हल करने के उद्देश्य से किया जाता है। इसका उपयोग अक्सर व्यावसायिक, सरकारी या ग्राहक-सामना करने वाले निर्णयों को सूचित करने के लिए किया जाता है। उदाहरण: किसी कंपनी में कर्मचारी टर्नओवर को कम करने के लिए सर्वोत्तम रणनीति विकसित करना।
Q2. “अन्वेषणात्मक अध्ययनों में शोध डिजाइन लचीला होना चाहिए, लेकिन वर्णनात्मक अध्ययनों में, इसे पूर्वाग्रह को कम करना और विश्वसनीयता को अधिकतम करना चाहिए।” चर्चा करें।
Ans. यह कथन अन्वेषणात्मक और वर्णनात्मक शोध के मौलिक रूप से भिन्न उद्देश्यों और प्रकृति को सटीक रूप से दर्शाता है। एक शोध डिजाइन डेटा एकत्र करने और विश्लेषण करने के लिए एक रूपरेखा या खाका है। डिजाइन का चुनाव शोध समस्या की प्रकृति पर निर्भर करता है।
अन्वेषणात्मक अध्ययनों में लचीलापन: अन्वेषणात्मक शोध का प्राथमिक उद्देश्य किसी अस्पष्ट समस्या पर अंतर्दृष्टि और समझ प्रदान करना है। यह अक्सर शोध प्रक्रिया में पहला कदम होता है, जहाँ शोधकर्ता विषय के बारे में बहुत कम जानता है। इस चरण में, उद्देश्य परिकल्पना तैयार करना, अवधारणाओं को स्पष्ट करना और आगे के शोध के लिए क्षेत्रों की पहचान करना है। इस उद्देश्य को प्राप्त करने के लिए, डिजाइन को लचीला और असंरचित होना चाहिए।
- अज्ञात की खोज: शोधकर्ता अप्रत्याशित निष्कर्षों के लिए खुला रहता है। एक कठोर, पूर्व-नियोजित डिजाइन नई और मूल्यवान अंतर्दृष्टि को बाधित कर सकता है।
- पुनरावृत्ति प्रक्रिया: अन्वेषणात्मक शोध अक्सर पुनरावृत्ति वाला होता है। प्रारंभिक निष्कर्ष आगे की जांच के लिए दिशा बदल सकते हैं। उदाहरण के लिए, एक विशेषज्ञ के साथ एक साक्षात्कार एक पूरी तरह से नए विचार को जन्म दे सकता है जिस पर ध्यान केंद्रित करने की आवश्यकता होती है।
- विधि: उपयोग की जाने वाली विधियाँ, जैसे साहित्य सर्वेक्षण, अनुभव सर्वेक्षण (विशेषज्ञों के साथ साक्षात्कार), और फोकस समूह, स्वाभाविक रूप से लचीली होती हैं। चर्चाएँ और प्रश्न जांच की प्रगति के साथ विकसित हो सकते हैं।
इसलिए, अन्वेषणात्मक अध्ययनों में एक कठोर डिजाइन लागू करना उल्टा होगा, क्योंकि यह रचनात्मकता और खोज की प्रक्रिया को सीमित कर देगा जो इसकी पहचान है।
वर्णनात्मक अध्ययनों में कठोरता: इसके विपरीत, वर्णनात्मक शोध एक अच्छी तरह से परिभाषित समस्या से शुरू होता है और इसका उद्देश्य किसी जनसंख्या या घटना की विशेषताओं का सटीक वर्णन करना है। यहाँ मुख्य चिंताएँ पूर्वाग्रह को कम करना और विश्वसनीयता को अधिकतम करना हैं ताकि निष्कर्ष मान्य हों और जनसंख्या का सटीक प्रतिनिधित्व करें। इसे प्राप्त करने के लिए, डिजाइन को सावधानीपूर्वक योजनाबद्ध और संरचित होना चाहिए।
- पूर्वाग्रह में कमी: पूर्वाग्रह (उदाहरण के लिए, चयन पूर्वाग्रह, माप पूर्वाग्रह) परिणामों को विकृत कर सकता है। एक कठोर डिजाइन यह सुनिश्चित करता है कि नमूना जनसंख्या का प्रतिनिधि है, प्रश्न स्पष्ट और निष्पक्ष हैं, और डेटा संग्रह प्रक्रिया मानकीकृत है।
- विश्वसनीयता में वृद्धि: विश्वसनीयता का तात्पर्य है कि यदि अध्ययन दोहराया जाता है तो परिणाम कितने सुसंगत होंगे। एक संरचित और अच्छी तरह से प्रलेखित डिजाइन, जिसमें मानकीकृत प्रश्नावली और अवलोकन प्रोटोकॉल शामिल हैं, यह सुनिश्चित करता है कि डेटा सुसंगत तरीके से एकत्र किया जाता है, जिससे विश्वसनीयता बढ़ती है।
- संरचित प्रकृति: वर्णनात्मक शोध में अक्सर बड़े नमूनों और संरचित डेटा संग्रह उपकरणों जैसे सर्वेक्षण और प्रश्नावली का उपयोग होता है। इन तरीकों के लिए शुरू से ही एक विस्तृत योजना की आवश्यकता होती है।
निष्कर्ष: संक्षेप में, यह कथन सही है। शोध डिजाइन को शोध के उद्देश्य के अनुरूप होना चाहिए। अन्वेषणात्मक शोध के लिए एक लचीला डिजाइन आवश्यक है ताकि अस्पष्ट समस्याओं का पता लगाया जा सके और अंतर्दृष्टि उत्पन्न की जा सके। इसके विपरीत, वर्णनात्मक शोध के लिए एक कठोर, पूर्व-नियोजित डिजाइन की आवश्यकता होती है ताकि यह सुनिश्चित किया जा सके कि जनसंख्या की विशेषताओं का वर्णन करने में परिणाम सटीक (कम पूर्वाग्रह) और सुसंगत (उच्च विश्वसनीयता) हों।
Q3. प्रतिचयन (सैंपलिंग) क्या है? उपयुक्त उदाहरणों के साथ बताएं कि गैर-यादृच्छिक प्रतिचयन कब उपयुक्त होता है।
Ans.
प्रतिचयन (Sampling) एक बड़ी जनसंख्या से एक उपसमूह (एक नमूना) का चयन करने की प्रक्रिया है। पूरी आबादी का अध्ययन करने के बजाय, शोधकर्ता नमूने से डेटा एकत्र और विश्लेषण करते हैं ताकि वे पूरी आबादी के बारे में अनुमान लगा सकें या निष्कर्ष निकाल सकें। प्रतिचयन समय, लागत और प्रयास बचाता है, और यदि ठीक से किया जाए, तो यह पूरी आबादी की जनगणना के रूप में सटीक परिणाम प्रदान कर सकता है।
प्रतिचयन विधियों को मोटे तौर पर दो श्रेणियों में बांटा गया है: यादृच्छिक (संभाव्यता) प्रतिचयन और गैर-यादृच्छिक (गैर-संभाव्यता) प्रतिचयन।
गैर-यादृच्छिक प्रतिचयन एक ऐसी तकनीक है जहाँ नमूने का चयन एक गैर-यादृच्छिक प्रक्रिया के आधार पर किया जाता है। आबादी में प्रत्येक व्यक्ति के पास चुने जाने का एक समान या ज्ञात मौका नहीं होता है। चयन अक्सर शोधकर्ता के निर्णय, सुविधा या अन्य गैर-यादृच्छिक मानदंडों पर आधारित होता है।
हालांकि गैर-यादृच्छिक प्रतिचयन जनसंख्या के बारे में सांख्यिकीय अनुमान लगाने के लिए आदर्श नहीं है, फिर भी यह कई स्थितियों में उपयुक्त और उपयोगी है:
1. अन्वेषणात्मक शोध के प्रारंभिक चरण में: जब एक शोधकर्ता किसी विचार या परिकल्पना को विकसित करने की कोशिश कर रहा होता है, तो गैर-यादृच्छिक प्रतिचयन विचारों को जल्दी से उत्पन्न करने का एक त्वरित और आसान तरीका हो सकता है। उदाहरण: एक कंपनी एक नए पेय के लिए विचार विकसित करना चाहती है। वे कार्यालय के कर्मचारियों से स्वाद वरीयताओं के बारे में पूछने के लिए सुविधा प्रतिचयन (Convenience Sampling) का उपयोग कर सकते हैं। यह репреजेंटेटिव नहीं है, लेकिन यह प्रारंभिक विचार प्रदान करता है।
2. जब जनसंख्या के लिए कोई प्रतिचयन फ्रेम उपलब्ध न हो: यादृच्छिक प्रतिचयन के लिए जनसंख्या में सभी इकाइयों की एक सूची (एक प्रतिचयन फ्रेम) की आवश्यकता होती है। जब ऐसी सूची मौजूद नहीं होती है, तो गैर-यादृच्छिक तरीके ही एकमात्र विकल्प हो सकते हैं। उदाहरण: किसी शहर में बेघर लोगों का अध्ययन करने के लिए, एक पूर्ण सूची प्राप्त करना असंभव है। एक शोधकर्ता आश्रयों और सूप किचन में पाए गए व्यक्तियों का साक्षात्कार करने के लिए उद्देश्यपूर्ण प्रतिचयन (Purposive Sampling) का उपयोग कर सकता है।
3. जब समय और लागत की गंभीर बाधाएँ हों: गैर-यादृच्छिक तरीके अक्सर यादृच्छिक तरीकों की तुलना में तेज़, आसान और कम खर्चीले होते हैं। पायलट परीक्षण या सीमित बजट वाले अध्ययनों के लिए, वे व्यावहारिक हो सकते हैं। उदाहरण: एक छात्र को एक सप्ताह के भीतर एक कोर्स प्रोजेक्ट पूरा करना है। वह अपने विश्वविद्यालय के पुस्तकालय में छात्रों का सर्वेक्षण करने के लिए सुविधा प्रतिचयन का उपयोग कर सकता है क्योंकि यह त्वरित और सुलभ है।
4. जब अध्ययन का उद्देश्य गुणात्मक अंतर्दृष्टि प्राप्त करना हो, न कि सामान्यीकरण: यदि लक्ष्य कुछ व्यक्तियों या समूहों के अनुभवों की गहरी समझ प्राप्त करना है, तो गैर-यादृच्छिक तरीके अधिक उपयुक्त हो सकते हैं। उदाहरण: एक शोधकर्ता जो एक दुर्लभ बीमारी वाले रोगियों के अनुभवों को समझना चाहता है, वह स्नोबॉल प्रतिचयन (Snowball Sampling) का उपयोग कर सकता है। वे एक रोगी को ढूंढते हैं और फिर उस रोगी से अन्य रोगियों के लिए रेफरल मांगते हैं।
5. जब एक विशिष्ट समूह की विशेषताओं की आवश्यकता हो:
कोटा प्रतिचयन (Quota Sampling) में, शोधकर्ता यह सुनिश्चित करता है कि नमूने में जनसंख्या के समान ही कुछ विशेषताओं (जैसे, आयु, लिंग) का अनुपात हो। यह गैर-यादृच्छिक है लेकिन कुछ हद तक प्रतिनिधित्व सुनिश्चित करने का प्रयास करता है। उदाहरण: यदि किसी शहर में 60% महिलाएं और 40% पुरुष हैं, तो एक शोधकर्ता यह सुनिश्चित करने के लिए कोटा प्रतिचयन का उपयोग कर सकता है कि उसके 100 लोगों के नमूने में 60 महिलाएं और 40 पुरुष शामिल हों।
Q4. “यह जानना कि कौन सा डेटा उपलब्ध है, अक्सर समस्या को ही सीमित करने के साथ-साथ उपयोग की जा सकने वाली तकनीक को भी सीमित करने का काम करता है।” शोध समस्या को परिभाषित करने के संदर्भ में इस कथन में अंतर्निहित विचार की व्याख्या करें।
Ans. यह कथन अनुसंधान प्रक्रिया में, विशेष रूप से एक शोध समस्या को परिभाषित करने के चरण में, द्वितीयक डेटा और मौजूदा जानकारी की महत्वपूर्ण भूमिका पर प्रकाश डालता है। इसमें अंतर्निहित विचार यह है कि शोध एक शून्य में नहीं होता है; यह मौजूदा ज्ञान और डेटा से बहुत प्रभावित होता है। यहाँ इस कथन की विस्तृत व्याख्या दी गई है:
1. व्यापक समस्या को सीमित करना: प्रबंधकीय निर्णय लेने की शुरुआत अक्सर एक व्यापक, अस्पष्ट लक्षण से होती है, न कि एक स्पष्ट समस्या से। उदाहरण के लिए, एक प्रबंधक “गिरते मुनाफे” या “कम कर्मचारी मनोबल” के बारे में चिंतित हो सकता है। ये शोध करने के लिए बहुत व्यापक हैं।
इस बिंदु पर, एक बुद्धिमान शोधकर्ता या प्रबंधक उपलब्ध डेटा की खोज करके शुरू करेगा। इसमें शामिल हो सकते हैं:
- आंतरिक डेटा: बिक्री रिपोर्ट, वित्तीय विवरण, ग्राहक शिकायत रिकॉर्ड, कर्मचारी अनुपस्थिति रिपोर्ट।
- बाहरी डेटा: उद्योग रिपोर्ट, सरकारी आँकड़े, प्रतिस्पर्धी विश्लेषण, अकादमिक अध्ययन।
यह प्रारंभिक डेटा समीक्षा, जिसे अक्सर स्थिति विश्लेषण कहा जाता है, समस्या को सीमित करने में मदद करती है। उदाहरण के लिए:
- बिक्री रिपोर्ट की समीक्षा से पता चल सकता है कि समग्र बिक्री सपाट है, लेकिन एक विशिष्ट उत्पाद लाइन (उत्पाद X) में भारी गिरावट आ रही है। समस्या अब “गिरती बिक्री” नहीं है, बल्कि “उत्पाद X की बिक्री क्यों गिर रही है?” है।
- वित्तीय विवरणों की जाँच से पता चल सकता है कि बिक्री स्थिर है, लेकिन कच्चे माल की लागत बढ़ गई है। समस्या अब बिक्री की नहीं, बल्कि लागत प्रबंधन की है।
इस प्रकार, उपलब्ध डेटा की खोज करके, शोधकर्ता व्यापक लक्षणों से एक विशिष्ट, शोध योग्य समस्या की ओर बढ़ता है।
2. अनुसंधान तकनीक का निर्धारण: एक बार समस्या को सीमित कर लिया गया हो, तो उपलब्ध डेटा का प्रकार और प्रकृति अक्सर उपयोग की जा सकने वाली शोध तकनीकों को निर्धारित या कम से कम दृढ़ता से प्रभावित करती है।
- मात्रात्मक बनाम गुणात्मक डेटा: यदि कंपनी के पास वर्षों का विस्तृत, संख्यात्मक बिक्री डेटा है, तो एक शोधकर्ता समय-श्रृंखला विश्लेषण या प्रतिगमन विश्लेषण जैसी मात्रात्मक तकनीकों का उपयोग कर सकता है ताकि रुझानों और संबंधों की पहचान की जा सके। इसके विपरीत, यदि उपलब्ध एकमात्र डेटा ग्राहक शिकायतों के पाठ्य रिकॉर्ड हैं, तो सामग्री विश्लेषण जैसी गुणात्मक तकनीक अधिक उपयुक्त होगी।
- डेटा की पर्याप्तता: यदि मौजूदा द्वितीयक डेटा समस्या का पूरी तरह से उत्तर देने के लिए पर्याप्त है, तो कोई प्राथमिक डेटा संग्रह (जैसे सर्वेक्षण या साक्षात्कार) आवश्यक नहीं हो सकता है। यह समय और धन बचाता है। उदाहरण के लिए, यदि कोई प्रबंधक एक नए शहर में विस्तार करने पर विचार कर रहा है, तो जनगणना ब्यूरो से व्यापक जनसांख्यिकीय और आर्थिक डेटा निर्णय लेने के लिए पर्याप्त हो सकता है।
- डेटा में अंतराल की पहचान: उपलब्ध डेटा की समीक्षा यह भी उजागर करती है कि क्या नहीं ज्ञात है। यह प्राथमिक अनुसंधान के लिए सटीक प्रश्नों को परिभाषित करने में मदद करता है। यदि द्वितीयक डेटा से पता चलता है कि प्रतिस्पर्धी ने एक नया उत्पाद लॉन्च किया है, लेकिन यह नहीं बताता कि ग्राहक इसे क्यों पसंद कर रहे हैं, तो यह एक सर्वेक्षण या फोकस समूह के लिए एक स्पष्ट उद्देश्य बन जाता है।
निष्कर्ष: संक्षेप में, यह कथन एक मौलिक शोध सिद्धांत को रेखांकित करता है: मौजूदा डेटा की एक प्रारंभिक परीक्षा एक कुशल और प्रभावी शोध अध्ययन को डिजाइन करने के लिए महत्वपूर्ण है। यह न केवल एक व्यापक चिंता को एक केंद्रित, प्रबंधनीय शोध प्रश्न में बदलने में मदद करता है, बल्कि यह उस प्रश्न का उत्तर देने के लिए सबसे उपयुक्त metodology और तकनीकों का मार्गदर्शन भी करता है। यह “पहिया को फिर से आविष्कार करने” से बचाता है और सुनिश्चित करता है कि प्राथमिक शोध केवल तभी किया जाता है जब आवश्यक हो।
Q5. प्रश्नावली डिजाइन करने के चरणों की व्याख्या करें।
Ans. एक प्रश्नावली डेटा संग्रह के लिए एक महत्वपूर्ण उपकरण है, और इसकी प्रभावशीलता इसके डिजाइन की गुणवत्ता पर बहुत अधिक निर्भर करती है। एक अच्छी तरह से डिजाइन की गई प्रश्नावली सटीक और प्रासंगिक डेटा प्राप्त करने में मदद करती है, जबकि एक खराब डिजाइन की गई प्रश्नावली अधूरी या पक्षपाती जानकारी और कम प्रतिक्रिया दर का कारण बन सकती है। प्रश्नावली डिजाइन करने की प्रक्रिया में निम्नलिखित व्यवस्थित चरण शामिल हैं:
चरण 1: अनुसंधान उद्देश्यों को परिभाषित करें (Define the Research Objectives) यह सबसे महत्वपूर्ण कदम है। प्रश्नावली डिजाइन करने से पहले, आपको स्पष्ट रूप से यह जानना होगा कि आप क्या पता लगाना चाहते हैं। आवश्यक जानकारी को परिभाषित करें और यह कैसे निर्णय लेने में मदद करेगी। प्रत्येक प्रश्न को एक विशिष्ट शोध उद्देश्य से जोड़ा जाना चाहिए।
चरण 2: लक्षित उत्तरदाताओं का निर्धारण करें (Determine the Target Audience) आपको यह समझने की आवश्यकता है कि आपके उत्तरदाता कौन हैं। उनकी पृष्ठभूमि, शिक्षा स्तर और विषय के साथ परिचितता प्रश्नावली की भाषा, जटिलता और लंबाई को प्रभावित करेगी।
चरण 3: पूछताछ की विधि चुनें (Choose the Questioning Method) प्रश्नावली को कैसे प्रशासित किया जाएगा, यह तय करें। विकल्प हैं मेल, टेलीफोन, व्यक्तिगत साक्षात्कार, या ऑनलाइन (ईमेल, वेब फॉर्म)। प्रत्येक विधि के अपने फायदे और नुकसान हैं और यह प्रश्नों के प्रकार और प्रारूप को प्रभावित कर सकता है।
चरण 4: प्रश्न सामग्री पर निर्णय लें (Decide on Question Content) प्रत्येक प्रश्न के लिए, खुद से पूछें: “क्या यह प्रश्न आवश्यक है?” और “क्या उत्तरदाता इस प्रश्न का उत्तर दे सकता है?” सुनिश्चित करें कि प्रश्न आपके शोध उद्देश्यों के लिए सीधे प्रासंगिक हैं। कभी-कभी, एक ही जानकारी प्राप्त करने के लिए कई प्रश्नों की आवश्यकता हो सकती है।
चरण 5: प्रश्नों का निर्माण करें (Wording) (Formulate the Questions) प्रश्नों का शब्द-चयन महत्वपूर्ण है। अस्पष्टता और पूर्वाग्रह से बचने के लिए सरल, प्रत्यक्ष और स्पष्ट भाषा का प्रयोग करें। निम्नलिखित से बचें:
- अग्रणी या भारित प्रश्न (Leading or Loaded Questions): जो उत्तरदाता को एक निश्चित दिशा में ले जाते हैं।
- दोहरे प्रश्न (Double-Barreled Questions): जो एक ही प्रश्न में दो अलग-अलग मुद्दों के बारे में पूछते हैं।
- अस्पष्ट शब्द (Ambiguous Words): जिनका अलग-अलग लोगों के लिए अलग-अलग अर्थ हो सकता है (जैसे, “अक्सर,” “कभी-कभी”)।
चरण 6: प्रश्न संरचना पर निर्णय लें (Decide on Question Structure) प्रश्नों को दो मुख्य प्रारूपों में संरचित किया जा सकता है:
- खुले-अंत वाले प्रश्न (Open-Ended): उत्तरदाताओं को अपने शब्दों में उत्तर देने की अनुमति देते हैं। गुणात्मक अंतर्दृष्टि के लिए उपयोगी।
- बंद-अंत वाले प्रश्न (Closed-Ended): उत्तरदाताओं को पूर्व-निर्धारित उत्तरों की एक सूची से चुनने के लिए कहते हैं। प्रकारों में शामिल हैं:
- द्विभाजी (Dichotomous): हाँ/नहीं।
- बहुविकल्पी (Multiple Choice): विकल्पों की एक सूची से चुनें।
- मापनी (Scales): जैसे कि लिकर्ट स्केल (पूरी तरह से सहमत से पूरी तरह से असहमत)।
चरण 7: प्रश्नों का क्रम निर्धारित करें (Determine the Sequence of Questions) प्रश्नों का प्रवाह तार्किक होना चाहिए।
- आसान और दिलचस्प प्रश्नों से शुरू करें ताकि उत्तरदाता को संलग्न किया जा सके।
- सामान्य प्रश्नों से विशिष्ट प्रश्नों की ओर बढ़ें।
- संवेदनशील या व्यक्तिगत प्रश्नों को अंत में रखें।
चरण 8: भौतिक लेआउट डिजाइन करें (Design the Physical Layout) प्रश्नावली पेशेवर और उपयोगकर्ता के अनुकूल दिखनी चाहिए। स्पष्ट निर्देश प्रदान करें, पठनीय फ़ॉन्ट का उपयोग करें, और उत्तरों के लिए पर्याप्त स्थान छोड़ें।
चरण 9: प्रश्नावली का पूर्व-परीक्षण करें (Pre-test the Questionnaire) अंतिम रूप देने से पहले, लक्षित दर्शकों के एक छोटे समूह पर प्रश्नावली का परीक्षण करें। यह प्रश्नों की स्पष्टता, प्रवाह और समय के साथ किसी भी समस्या की पहचान करने में मदद करता है।
चरण 10: संशोधित और अंतिम रूप दें (Revise and Finalize) पूर्व-परीक्षण से प्राप्त प्रतिक्रिया के आधार पर प्रश्नावली में आवश्यक संशोधन करें। एक बार संशोधित होने के बाद, प्रश्नावली डेटा संग्रह के लिए तैयार है।
Q6. निम्नलिखित में से किन्हीं तीन पर संक्षिप्त नोट्स लिखें: (a) कोडिंग (b) यादृच्छिक प्रतिचयन (c) साक्षात्कार विधि (d) प्राथमिक डेटा (e) बार चार्ट
Ans.
(a) कोडिंग (Coding) कोडिंग शोध में डेटा विश्लेषण के लिए तैयारी का एक महत्वपूर्ण चरण है। यह गुणात्मक या श्रेणीबद्ध डेटा को संख्यात्मक रूप में परिवर्तित करने की प्रक्रिया है ताकि इसे आसानी से गिना और कंप्यूटर सॉफ्टवेयर (जैसे SPSS या एक्सेल) का उपयोग करके विश्लेषण किया जा सके। प्रक्रिया में उत्तरों को वर्गीकृत करना और प्रत्येक श्रेणी को एक संख्यात्मक कोड निर्दिष्ट करना शामिल है।
उदाहरण के लिए, एक बंद-अंत वाले प्रश्न “आपका लिंग क्या है?” के लिए, प्रतिक्रियाओं को इस प्रकार कोडित किया जा सकता है:
- पुरुष = 1
- महिला = 2
- अन्य = 3
खुले-अंत वाले प्रश्नों के लिए, शोधकर्ता पहले प्रतिक्रियाओं की एक श्रृंखला पढ़ता है, सामान्य विषयों या श्रेणियों की पहचान करता है, और फिर इन विषयों के आधार पर एक कोडिंग फ्रेम या ‘कोड बुक’ बनाता है। कोडिंग डेटा को व्यवस्थित करने, मात्रा निर्धारित करने और सांख्यिकीय विश्लेषण को सुविधाजनक बनाने में मदद करता है, जिससे बड़े डेटासेट से सार्थक निष्कर्ष निकालना संभव हो जाता है।
(b) यादृच्छिक प्रतिचयन (Random Sampling) यादृच्छिक प्रतिचयन, जिसे संभाव्यता प्रतिचयन भी कहा जाता है, एक ऐसी प्रतिचयन तकनीक है जिसमें जनसंख्या के प्रत्येक सदस्य के पास नमूने में चुने जाने का एक ज्ञात, गैर-शून्य मौका होता है। यह सुनिश्चित करता है कि नमूना जनसंख्या का निष्पक्ष प्रतिनिधि है, जिससे शोधकर्ता परिणामों को पूरी आबादी के लिए सामान्यीकृत कर सकता है। मुख्य प्रकार हैं:
- सरल यादृच्छिक प्रतिचयन: प्रत्येक सदस्य के पास चुने जाने का समान मौका होता है, जैसे लॉटरी ड्रा।
- व्यवस्थित प्रतिचयन: एक सूची से प्रत्येक nवें सदस्य का चयन किया जाता है।
- स्तरीकृत प्रतिचयन: जनसंख्या को उपसमूहों (स्तरों) में विभाजित किया जाता है (जैसे, आयु या लिंग के अनुसार), और फिर प्रत्येक स्तर से यादृच्छिक रूप से नमूने लिए जाते हैं।
- क्लस्टर प्रतिचयन: जनसंख्या को समूहों (क्लस्टर्स) में विभाजित किया जाता है (जैसे, भौगोलिक क्षेत्र), और फिर पूरे क्लस्टर्स को यादृच्छिक रूप से चुना जाता है।
यादृच्छिक प्रतिचयन को वैज्ञानिक अनुसंधान में स्वर्ण मानक माना जाता है क्योंकि यह चयन पूर्वाग्रह को कम करता है और सांख्यिकीय अनुमान की वैधता के लिए आधार प्रदान करता है।
(d) प्राथमिक डेटा (Primary Data) प्राथमिक डेटा वह जानकारी है जो एक शोधकर्ता द्वारा वर्तमान शोध परियोजना के विशिष्ट उद्देश्य के लिए पहली बार एकत्र की जाती है। यह मूल, ताजा डेटा है जो पहले मौजूद नहीं था। यह द्वितीयक डेटा के विपरीत है, जिसे किसी और ने किसी अन्य उद्देश्य के लिए पहले ही एकत्र कर लिया है।
प्राथमिक डेटा एकत्र करने की सामान्य विधियों में शामिल हैं:
- सर्वेक्षण और प्रश्नावली: लोगों के एक नमूने से मानकीकृत प्रश्न पूछना।
- साक्षात्कार: उत्तरदाताओं के साथ गहन, एक-एक करके बातचीत करना।
- अवलोकन: लोगों, घटनाओं या घटनाओं को व्यवस्थित रूप से देखना और रिकॉर्ड करना।
- प्रयोग: नियंत्रित परिस्थितियों में चरों में हेरफेर करके कारण और प्रभाव संबंधों का परीक्षण करना।
प्राथमिक डेटा का मुख्य लाभ यह है कि यह शोध प्रश्न के लिए प्रासंगिक और विशिष्ट है। शोधकर्ता का डेटा संग्रह प्रक्रिया पर पूरा नियंत्रण होता है, जिससे गुणवत्ता सुनिश्चित होती है। हालांकि, इसका मुख्य नुकसान यह है कि यह आम तौर पर महंगा और समय लेने वाला होता है।
Q7. एक प्रतियोगी परीक्षा में छात्रों के दो समूहों द्वारा प्राप्त किए गए अंक निम्नलिखित हैं। मैन-व्हिटनी यू-टेस्ट द्वारा परीक्षण करें कि क्या दोनों समूह एक ही जनसंख्या से संबंधित हैं: स्कोर … [डेटा दिया गया है] … दिया गया है: 5% पर परीक्षण सांख्यिकी का सारणीबद्ध मान .96 है।
Ans.
उद्देश्य: मैन-व्हिटनी यू-टेस्ट का उपयोग करके यह निर्धारित करना है कि क्या दो स्वतंत्र छात्र समूहों के स्कोर एक ही जनसंख्या से आए हैं।
परिकल्पना (Hypotheses):
- शून्य परिकल्पना (H0): दोनों समूहों के स्कोर वितरण में कोई अंतर नहीं है (वे एक ही जनसंख्या से संबंधित हैं)।
- वैकल्पिक परिकल्पना (H1): दोनों समूहों के स्कोर वितरण में अंतर है (वे अलग-अलग जनसंख्याओं से संबंधित हैं)।
डेटा: प्रश्न पत्र में दिए गए अस्पष्ट डेटा की व्याख्या के आधार पर, हम निम्नलिखित स्कोर मानते हैं:
- समूह 1 (n1 = 12): {5, 5, 6, 8, 9, 30, 43, 46, 50, 68, 90, 98}
- समूह 2 (n2 = 10): {5, 8, 32, 35, 60, 65, 65, 82, 85, 95}
प्रक्रिया:
1. सभी स्कोर को मिलाएं और रैंक करें:
संयुक्त डेटा (N = 22): {5, 5, 5, 6, 8, 8, 9, 30, 32, 35, 43, 46, 50, 60, 65, 65, 68, 82, 85, 90, 95, 98}
टाई के लिए औसत रैंक का उपयोग करते हुए रैंक असाइन करें:
- 5 (3 बार): रैंक (1+2+3)/3 = 2
- 6: रैंक 4
- 8 (2 बार): रैंक (5+6)/2 = 5.5
- 9: रैंक 7
- … (और इसी तरह)
2. प्रत्येक समूह के लिए रैंक का योग (Sum of Ranks) करें:
संयुक्त और रैंक किए गए डेटा के आधार पर, हम प्रत्येक समूह के स्कोर के लिए रैंक का योग करते हैं:
- समूह 1 के लिए रैंक (R1): स्कोर: {5, 5, 6, 8, 9, 30, 43, 46, 50, 68, 90, 98} रैंक: 2 + 2 + 4 + 5.5 + 7 + 8 + 11 + 12 + 13 + 17 + 20 + 22 = 123.5
- समूह 2 के लिए रैंक (R2): स्कोर: {5, 8, 32, 35, 60, 65, 65, 82, 85, 95} रैंक: 2 + 5.5 + 9 + 10 + 14 + 15.5 + 15.5 + 18 + 19 + 21 = 129.5
(जांच: R1 + R2 = 123.5 + 129.5 = 253. कुल रैंक का योग = N(N+1)/2 = 22(23)/2 = 253. यह मेल खाता है।)
3. U आँकड़ों की गणना करें: U1 = n1 n2 + (n1 (n1+1))/2 – R1 = (12 10) + (12 13)/2 – 123.5 = 120 + 78 – 123.5 = 74.5 U2 = n1 n2 + (n2 (n2+1))/2 – R2 = (12 10) + (10 11)/2 – 129.5 = 120 + 55 – 129.5 = 45.5 परीक्षण आँकड़ा U, U1 और U2 का न्यूनतम मान है। अतः, U = 45.5
4. सामान्य सन्निकटन (Normal Approximation) का उपयोग करके Z-स्कोर की गणना करें: चूंकि नमूना आकार बड़ा है, हम सामान्य सन्निकटन का उपयोग कर सकते हैं। U का माध्य (μU) = (n1 n2) / 2 = (12 10) / 2 = 60 U का मानक विचलन (σU) = √([n1 n2 (n1+n2+1)]/12) = √([12 10 (12+10+1)]/12) = √(10 * 23) = √230 ≈ 15.17 Z = (U – μU) / σU = (45.5 – 60) / 15.17 = -14.5 / 15.17 ≈ -0.956
5. निर्णय: परिकलित Z-स्कोर का निरपेक्ष मान |Z| ≈ 0.956 है। प्रश्न में 5% स्तर पर सारणीबद्ध मान 0.96 दिया गया है। चूंकि परिकलित मान का निरपेक्ष मान |Z| (0.956) दिए गए महत्वपूर्ण मान (0.96) से कम है, हम शून्य परिकल्पना (H0) को अस्वीकार करने में विफल रहते हैं। (नोट: 5% महत्व स्तर के लिए मानक दो-पूंछ वाला महत्वपूर्ण Z-मान 1.96 है। हमारे परिकलित मान 0.956 इस मानक मान से भी बहुत कम है, जो हमारे निष्कर्ष की पुष्टि करता है।)
निष्कर्ष:
सांख्यिकीय परीक्षण के आधार पर, दोनों छात्र समूहों के प्रदर्शन में कोई महत्वपूर्ण अंतर नहीं है। इसलिए, हम यह निष्कर्ष निकालते हैं कि इस बात का कोई पर्याप्त प्रमाण नहीं है कि दोनों समूह अलग-अलग जनसंख्याओं से संबंधित हैं। हम शून्य परिकल्पना को स्वीकार करते हैं।
IGNOU MMPC-015 Previous Year Solved Question Paper in English
Q1. Define research and explain the different types of research with suitable examples.
Ans. Research is defined as a systematic investigation undertaken to increase the stock of knowledge regarding a particular concern or problem. It is a scientific and systematic process of discovering new information, interpreting existing theories, or solving a problem. The primary objective of research is to find facts, uncover hidden truths, and provide solutions to problems in practical fields like management decisions. Research can be classified on various bases. The main types are as follows: 1. Based on Purpose:
- Exploratory Research: This research is conducted when a problem has not been clearly defined. Its purpose is to gain a better understanding of the problem, develop hypotheses, and set priorities for further research. Example: Exploring the potential reasons for a decline in sales of a product in a specific region.
- Descriptive Research: This aims to accurately and systematically describe the characteristics of a population, situation, or phenomenon. It answers questions like “what, where, when, and how,” but not “why.” Example: Studying the demographic profile of smartphone users in a particular city.
- Explanatory/Causal Research: This research tests cause-and-effect relationships. It seeks to understand how a change in one variable causes a change in another. Example: Testing how a 10% increase in advertising expenditure affects sales.
2. Based on Approach:
- Qualitative Research: This deals with non-numerical data and focuses on understanding the underlying reasons, opinions, and motivations for human behaviour. It involves techniques like focus groups, interviews, and observations. Example: Understanding the emotional drivers behind customer brand loyalty.
- Quantitative Research: This is focused on numerical data and statistical analysis. It is used to quantify attitudes, opinions, behaviours, and other defined variables and generalize data from a sample to a larger population. It involves surveys and experiments. Example: Measuring the level of customer satisfaction with a product on a scale of 1 to 5.
3. Based on Application:
- Basic/Pure Research: This is mainly carried out to expand knowledge, with no immediate practical application in mind. It aims to improve scientific theories and understanding. Example: Studying the principles of human motivation.
- Applied Research: This is undertaken with the aim of solving a specific, practical problem. It is often used to inform business, governmental, or client-facing decisions. Example: Developing the best strategy to reduce employee turnover in a company.
Q2. “Research design in exploratory studies must be flexible, but in descriptive studies, it must minimise bias and maximise reliability.” Discuss.
Ans. This statement accurately captures the fundamentally different objectives and nature of exploratory and descriptive research. A research design is a framework or blueprint for collecting and analysing data. The choice of design depends on the nature of the research problem. Flexibility in Exploratory Studies: The primary objective of exploratory research is to provide insights into and an understanding of an ambiguous problem. It is often the first step in the research process, where the researcher knows very little about the topic. At this stage, the goal is to formulate hypotheses, clarify concepts, and identify areas for further research. To achieve this objective, the design must be flexible and unstructured.
- Discovering the Unknown: The researcher is open to unexpected findings. A rigid, pre-planned design could inhibit new and valuable insights from emerging.
- Iterative Process: Exploratory research is often iterative. Initial findings can change the direction of further investigation. For example, an interview with one expert might spark a completely new idea that needs to be the focus.
- Methodology: The methods used, such as literature surveys, experience surveys (interviews with experts), and focus groups, are inherently flexible. The discussions and questions can evolve as the inquiry progresses.
Therefore, imposing a rigid design on an exploratory study would be counterproductive, as it would limit the very process of creativity and discovery that is its hallmark.
Rigidity in Descriptive Studies:
In contrast, descriptive research starts with a well-defined problem and aims to accurately describe the characteristics of a population or phenomenon. Here, the key concerns are
minimising bias
and
maximising reliability
so that the findings are valid and accurately represent the population.
To achieve this, the design must be carefully planned and structured.
- Minimising Bias: Bias (e.g., selection bias, measurement bias) can distort the results. A rigid design ensures that the sample is representative of the population, the questions are clear and impartial, and the data collection process is standardized.
- Maximising Reliability: Reliability refers to how consistent the results would be if the study were repeated. A structured and well-documented design, including standardized questionnaires and observation protocols, ensures that data is collected in a consistent manner, thus increasing reliability.
- Structured Nature: Descriptive research often involves large samples and structured data collection instruments like surveys and questionnaires. These methods require a detailed plan from the outset.
Conclusion:
In summary, the statement is correct. The research design must align with the research objective. A flexible design is essential for exploratory research to probe ambiguous problems and generate insights. Conversely, descriptive research requires a rigid, pre-planned design to ensure that the results are accurate (low bias) and consistent (high reliability) in describing the characteristics of a population.
Q3. What is sampling? State when non-random sampling is suitable with suitable examples.
Ans. Sampling is the process of selecting a subset (a sample) from a larger population. Instead of studying the entire population, researchers collect and analyse data from the sample to make inferences or draw conclusions about the whole population. Sampling saves time, cost, and effort, and if done correctly, can provide results as accurate as a census of the entire population. Sampling methods are broadly divided into two categories: random (probability) sampling and non-random (non-probability) sampling. Non-random sampling is a technique where the selection of the sample is based on a non-random process. Not every individual in the population has an equal or known chance of being selected. The selection is often based on the researcher’s judgment, convenience, or other non-random criteria. While non-random sampling is not ideal for making statistical inferences about the population, it is suitable and useful in several situations: 1. During the initial stages of exploratory research: When a researcher is trying to develop an idea or a hypothesis, non-random sampling can be a quick and easy way to generate ideas. Example: A company wants to develop ideas for a new beverage. They might use Convenience Sampling to ask employees in the office about their taste preferences. This is not representative, but it provides initial ideas. 2. When a sampling frame for the population is not available: Random sampling requires a list of all units in the population (a sampling frame). When such a list does not exist, non-random methods may be the only option. Example: To study the homeless population in a city, it is impossible to get a complete list. A researcher might use Purposive Sampling to interview individuals found at shelters and soup kitchens. 3. When there are severe time and cost constraints: Non-random methods are often faster, easier, and less expensive than random methods. For pilot tests or studies with a limited budget, they can be practical. Example: A student has to complete a course project within a week. He might use Convenience Sampling to survey students in his university library because it’s quick and accessible. 4. When the aim of the study is to get qualitative insights, not to generalise: If the goal is to gain a deep understanding of the experiences of a few individuals or groups, non-random methods can be more appropriate. Example: A researcher wanting to understand the experiences of patients with a rare disease might use Snowball Sampling . They find one patient and then ask that patient for referrals to other patients. 5. When specific group characteristics are needed: In Quota Sampling , the researcher ensures the sample has the same proportions of certain characteristics (e.g., age, gender) as the population. This is non-random but attempts to ensure some degree of representativeness. Example: If a town has 60% women and 40% men, a researcher might use quota sampling to ensure his sample of 100 people includes 60 women and 40 men.
Q4. “Knowing what data are available often serves to narrow down the problem itself as well as the technique that might be used.” Explain the underlying idea in this statement in the context of defining a research problem.
Ans. This statement highlights the crucial role of secondary data and existing information in the research process, particularly in the phase of defining a research problem. The underlying idea is that research does not happen in a vacuum; it is heavily influenced by existing knowledge and data. Here is a detailed explanation of this statement: 1. Narrowing Down the Broad Problem: Managerial decision-making often starts with a broad, vague symptom, not a clear problem. For instance, a manager might be concerned about “falling profits” or “low employee morale.” These are too broad to research. At this point, a wise researcher or manager will begin by exploring available data. This could include:
- Internal Data: Sales reports, financial statements, customer complaint records, employee absenteeism reports.
- External Data: Industry reports, government statistics, competitor analysis, academic studies.
This preliminary data review, often called a
situation analysis
, helps to narrow down the problem. For example:
- A review of sales reports might show that overall sales are flat, but one specific product line (Product X) is declining sharply. The problem is now not “falling sales,” but “Why are sales of Product X declining?”.
- An examination of financial statements might reveal that sales are steady, but the cost of raw materials has increased. The problem is now one of cost management, not sales.
Thus, by exploring the available data, the researcher moves from broad symptoms to a specific, researchable problem.
2. Determining the Research Technique:
Once the problem is narrowed down, the type and nature of the available data often dictate or at least strongly influence the research techniques that can be used.
- Quantitative vs. Qualitative Data: If the company has years of detailed, numerical sales data, a researcher can use quantitative techniques like time-series analysis or regression analysis to identify trends and relationships. Conversely, if the only data available are text records of customer complaints, a qualitative technique like content analysis would be more appropriate.
- Sufficiency of Data: If the existing secondary data is sufficient to answer the problem completely, then no primary data collection (like surveys or interviews) may be necessary. This saves time and money. For example, if a manager is considering expanding to a new city, the comprehensive demographic and economic data from the census bureau might be sufficient for the decision.
- Identifying Gaps in Data: The review of available data also highlights what is not known. This helps in defining the precise questions for primary research. If secondary data shows that a competitor has launched a new product but doesn’t explain why customers are preferring it, this becomes a clear objective for a survey or focus group.
Conclusion:
In essence, the statement outlines a fundamental research principle: a preliminary examination of existing data is critical for designing an efficient and effective research study. It not only helps to transform a broad concern into a focused, manageable research question but also guides the selection of the most appropriate methodology and techniques to answer that question. It prevents “reinventing the wheel” and ensures that primary research is conducted only when necessary.
Q5. Explain the steps in designing a questionnaire.
Ans. A questionnaire is a vital tool for data collection, and its effectiveness heavily depends on the quality of its design. A well-designed questionnaire helps in obtaining accurate and relevant data, while a poorly designed one can lead to incomplete or biased information and low response rates. The process of designing a questionnaire involves the following systematic steps: Step 1: Define the Research Objectives This is the most crucial step. Before you design the questionnaire, you must know exactly what you want to find out. Define the information needed and how it will help in decision-making. Every question should link back to a specific research objective. Step 2: Determine the Target Audience You need to understand who your respondents are. Their background, education level, and familiarity with the topic will influence the language, complexity, and length of the questionnaire. Step 3: Choose the Questioning Method Decide how the questionnaire will be administered. Options include mail, telephone, in-person interviews, or online (email, web forms). Each method has its pros and cons and can influence the types and formats of questions. Step 4: Decide on Question Content For each potential question, ask yourself: “Is this question necessary?” and “Can the respondent answer this question?” Ensure questions are directly relevant to your research objectives. Sometimes, multiple questions may be needed to obtain a single piece of information. Step 5: Formulate the Questions (Wording) The wording of questions is critical. Use simple, direct, and clear language to avoid ambiguity and bias. Avoid the following:
- Leading or Loaded Questions: Which steer the respondent in a certain direction.
- Double-Barreled Questions: Which ask about two different issues in a single question.
- Ambiguous Words: Which can mean different things to different people (e.g., “often,” “sometimes”).
Step 6: Decide on Question Structure
Questions can be structured in two main formats:
- Open-Ended: Allow respondents to answer in their own words. Useful for qualitative insights.
- Closed-Ended: Ask respondents to choose from a predefined list of answers. Types include:
- Dichotomous: Yes/No.
- Multiple Choice: Choose from a list of options.
- Scales: Such as the Likert scale (Strongly Agree to Strongly Disagree).
Step 7: Determine the Sequence of Questions
The flow of questions should be logical.
- Start with easy and interesting questions to engage the respondent.
- Move from general questions to specific ones.
- Place sensitive or personal questions at the end.
Step 8: Design the Physical Layout
The questionnaire should look professional and user-friendly. Provide clear instructions, use a legible font, and leave adequate space for answers.
Step 9: Pre-test the Questionnaire
Before finalizing, test the questionnaire on a small group from the target audience. This helps identify any problems with question clarity, flow, and timing.
Step 10: Revise and Finalize
Make necessary revisions to the questionnaire based on the feedback from the pre-test. Once revised, the questionnaire is ready for data collection.
Q6. Write short notes on any three of the following: (a) Coding (b) Random sampling (c) Interview method (d) Primary data (e) Bar chart
Ans. (a) Coding Coding is a crucial step in preparing data for analysis in research. It is the process of converting qualitative or categorical data into a numerical format so it can be easily counted and analysed using computer software (like SPSS or Excel). The process involves classifying answers and assigning a numerical code to each category. For example, for a closed-ended question “What is your gender?”, the responses could be coded as:
- Male = 1
- Female = 2
- Other = 3
For open-ended questions, the researcher first reads through a range of responses, identifies common themes or categories, and then creates a coding frame or ‘code book’ based on these themes. Coding helps to organize and quantify data, facilitating statistical analysis and making it possible to draw meaningful conclusions from large datasets.
(b) Random Sampling
Random sampling, also known as
probability sampling
, is a sampling technique where every member of the population has a known, non-zero chance of being selected for the sample. This ensures that the sample is an unbiased representation of the population, allowing the researcher to generalize the findings to the entire population. The main types are:
- Simple Random Sampling: Every member has an equal chance of being chosen, like a lottery draw.
- Systematic Sampling: Every nth member is selected from a list.
- Stratified Sampling: The population is divided into subgroups (strata) (e.g., by age or gender), and then samples are drawn randomly from each stratum.
- Cluster Sampling: The population is divided into groups (clusters) (e.g., geographical areas), and then entire clusters are randomly selected.
Random sampling is considered the gold standard in scientific research because it minimizes selection bias and provides the basis for the validity of statistical inference.
(d) Primary Data
Primary data is information that is collected for the first time by a researcher for the specific purpose of the current research project. It is original, fresh data that did not exist before. This is in contrast to secondary data, which has already been collected by someone else for some other purpose.
Common methods of collecting primary data include:
- Surveys and Questionnaires: Asking standardized questions to a sample of people.
- Interviews: Conducting in-depth, one-on-one conversations with respondents.
- Observations: Systematically watching and recording people, events, or phenomena.
- Experiments: Testing cause-and-effect relationships by manipulating variables under controlled conditions.
The main advantage of primary data is that it is
relevant
and
specific
to the research question. The researcher has full control over the data collection process, ensuring quality. However, its main disadvantages are that it is generally
expensive
and
time-consuming
to collect.
Q7. The following are the scores obtained by two groups of students in a competitive examination. Test whether the two groups belong to the same population by Man-Whitney U-test: Scores … [data provided] … Given: The tabulated value of test statistic at 5% is .96.
Ans. Objective: To determine if the scores of two independent groups of students come from the same population using the Mann-Whitney U-test. Hypotheses:
- Null Hypothesis (H0): There is no difference in the score distributions of the two groups (they belong to the same population).
- Alternative Hypothesis (H1): There is a difference in the score distributions of the two groups (they belong to different populations).
Data:
Based on a reasonable interpretation of the garbled data in the question paper, we assume the following scores:
- Group 1 (n1 = 12): {5, 5, 6, 8, 9, 30, 43, 46, 50, 68, 90, 98}
- Group 2 (n2 = 10): {5, 8, 32, 35, 60, 65, 65, 82, 85, 95}
Procedure:
1. Combine and Rank all Scores:
Combined data (N = 22): {5, 5, 5, 6, 8, 8, 9, 30, 32, 35, 43, 46, 50, 60, 65, 65, 68, 82, 85, 90, 95, 98}
Assign ranks, using average ranks for ties:
- 5 (3 times): Rank (1+2+3)/3 = 2
- 6: Rank 4
- 8 (2 times): Rank (5+6)/2 = 5.5
- 9: Rank 7
- … (and so on)
2. Sum the Ranks for each Group:
Based on the combined and ranked data, we sum the ranks for the scores in each group:
- Ranks for Group 1 (R1): Scores: {5, 5, 6, 8, 9, 30, 43, 46, 50, 68, 90, 98} Ranks: 2 + 2 + 4 + 5.5 + 7 + 8 + 11 + 12 + 13 + 17 + 20 + 22 = 123.5
- Ranks for Group 2 (R2): Scores: {5, 8, 32, 35, 60, 65, 65, 82, 85, 95} Ranks: 2 + 5.5 + 9 + 10 + 14 + 15.5 + 15.5 + 18 + 19 + 21 = 129.5
(Check: R1 + R2 = 123.5 + 129.5 = 253. Sum of total ranks = N(N+1)/2 = 22(23)/2 = 253. It matches.)
3. Calculate the U statistics: U1 = n1 n2 + (n1 (n1+1))/2 – R1 = (12 10) + (12 13)/2 – 123.5 = 120 + 78 – 123.5 = 74.5 U2 = n1 n2 + (n2 (n2+1))/2 – R2 = (12 10) + (10 11)/2 – 129.5 = 120 + 55 – 129.5 = 45.5 The test statistic U is the minimum of U1 and U2. Therefore, U = 45.5
4. Calculate Z-score using Normal Approximation: Since the sample sizes are large, we can use the normal approximation. Mean of U (μU) = (n1 n2) / 2 = (12 10) / 2 = 60 Standard Deviation of U (σU) = √([n1 n2 (n1+n2+1)]/12) = √([12 10 (12+10+1)]/12) = √(10 * 23) = √230 ≈ 15.17 Z = (U – μU) / σU = (45.5 – 60) / 15.17 = -14.5 / 15.17 ≈ -0.956
5. Decision: The absolute value of the calculated Z-score is |Z| ≈ 0.956. The tabulated value given in the question at the 5% level is 0.96 . Since the absolute value of the calculated statistic |Z| (0.956) is less than the given critical value (0.96), we fail to reject the null hypothesis (H0). (Note: The standard two-tailed critical Z-value for α = 0.05 is 1.96. Our calculated value of 0.956 is also well below this standard value, confirming our conclusion.)
Conclusion: Based on the statistical test, there is no significant difference between the performance of the two student groups. Therefore, we conclude that there is not enough evidence to suggest the two groups belong to different populations. We accept the null hypothesis.
Download IGNOU previous Year Question paper download PDFs for MMPC-015 to improve your preparation. These ignou solved question paper IGNOU Previous Year Question paper solved PDF in Hindi and English help you understand the exam pattern and score better.
Thanks!
Leave a Reply