The IGNOU MAM-056 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 MAM-056 Solved Question Paper in Hindi
- IGNOU MAM-056 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 MAM-056 Solved Question Paper PDF
This section provides IGNOU MAM-056 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 MAM-056 Previous Year Solved Question Paper in Hindi
Q1. व्हाट इस कंक्लूसिव रिसर्च डिजाइन ? डिस्कस इट्स टाइप्स. (What is Conclusive Research Design ? Discuss its types.)
Ans.
निश्चयात्मक अनुसंधान डिजाइन (Conclusive Research Design) एक औपचारिक और संरचित अनुसंधान पद्धति है जिसका उपयोग विशिष्ट परिकल्पनाओं (hypotheses) का परीक्षण करने और प्रबंधकीय निर्णय लेने में सहायता के लिए निश्चित निष्कर्ष निकालने के लिए किया जाता है। खोजपूर्ण अनुसंधान (exploratory research) के विपरीत, जो विचारों और अंतर्दृष्टि को उत्पन्न करने पर केंद्रित होता है, निश्चयात्मक अनुसंधान का उद्देश्य विशिष्ट समस्याओं का समाधान प्रदान करना और कार्यवाही के सर्वोत्तम तरीके का मूल्यांकन करना है। यह बड़े, प्रतिनिधि नमूनों और मात्रात्मक डेटा विश्लेषण पर आधारित होता है।
कृषि व्यवसाय में, इसका उपयोग यह निर्धारित करने के लिए किया जा सकता है कि कौन सी उर्वरक पैकेजिंग सबसे प्रभावी है या किसी नए ट्रैक्टर मॉडल की बाजार क्षमता का अनुमान लगाने के लिए।
निश्चयात्मक अनुसंधान डिजाइन के मुख्य रूप से दो प्रकार हैं:
- वर्णनात्मक अनुसंधान (Descriptive Research): इस प्रकार का अनुसंधान बाजार की विशेषताओं या कार्यों का वर्णन करने पर केंद्रित होता है। यह “कौन, क्या, कहाँ, कब, और कैसे” जैसे प्रश्नों का उत्तर देता है, लेकिन “क्यों” का नहीं। इसका उपयोग बाजार के आकार, जनसांख्यिकी, या प्रतिस्पर्धियों की रणनीतियों को समझने के लिए किया जाता है। उदाहरण के लिए, एक कृषि व्यवसाय कंपनी यह अध्ययन कर सकती है कि एक विशेष क्षेत्र में जैविक खेती के तरीकों को अपनाने वाले किसानों की संख्या कितनी है। इसके दो मुख्य प्रकार हैं:
- अनुप्रस्थ डिजाइन (Cross-sectional Design): इसमें एक निश्चित समय पर जनसंख्या के एक नमूने से जानकारी एकत्र की जाती है।
- अनुदैर्ध्य डिजाइन (Longitudinal Design): इसमें समय के साथ एक ही नमूने से बार-बार माप लिया जाता है, जिससे परिवर्तनों को ट्रैक किया जा सकता है।
- कारणात्मक अनुसंधान (Causal Research): इसे प्रायोगिक अनुसंधान (experimental research) भी कहा जाता है। यह कारण और प्रभाव संबंधों को स्थापित करने के लिए डिज़ाइन किया गया है। शोधकर्ता एक या एक से अधिक स्वतंत्र चरों (independent variables) में हेरफेर करता है ताकि एक या एक से अधिक आश्रित चरों (dependent variables) पर उनके प्रभाव को मापा जा सके, जबकि अन्य बाहरी चरों को नियंत्रित किया जाता है। उदाहरण के लिए, एक बीज कंपनी यह परीक्षण कर सकती है कि क्या विज्ञापन खर्च (स्वतंत्र चर) में वृद्धि से बीज की बिक्री (आश्रित चर) में वृद्धि होती है।
Q2. व्हाट इस मेजरमेंट स्केल ? एक्सप्लेन द टाइप्स ऑफ़ मेजरमेंट स्केल्स. (What is Measurement Scale ? Explain the types of measurement scales.)
Ans.
मापन पैमाना (Measurement Scale) एक वर्गीकरण है जो किसी चर को दिए गए संख्यात्मक मानों की प्रकृति का वर्णन करता है। सरल शब्दों में, यह वस्तुओं या घटनाओं की विशेषताओं को मापने के लिए उपयोग किए जाने वाले नियमों का एक समूह है। अनुसंधान में, डेटा को वर्गीकृत करने, रैंक करने या उसकी मात्रा निर्धारित करने के लिए मापन पैमानों का उपयोग किया जाता है। पैमाने का प्रकार यह निर्धारित करता है कि डेटा पर कौन से सांख्यिकीय विश्लेषण किए जा सकते हैं।
मापन के चार प्राथमिक प्रकार के पैमाने हैं:
- नामिक पैमाना (Nominal Scale): यह सबसे सरल पैमाना है। यह वस्तुओं या विशेषताओं को वर्गीकृत करने के लिए लेबलों या नामों का उपयोग करता है। संख्याएँ, यदि उपयोग की जाती हैं, तो केवल पहचानकर्ता के रूप में कार्य करती हैं और उनका कोई मात्रात्मक मूल्य नहीं होता है। उदाहरण के लिए, कृषि में, किसानों को उनकी उगाई जाने वाली मुख्य फसल (जैसे, ‘1’ गेहूं के लिए, ‘2’ चावल के लिए, ‘3’ मक्का के लिए) के आधार पर वर्गीकृत करना। इन संख्याओं पर गणितीय संचालन (जैसे जोड़ना या औसत निकालना) नहीं किया जा सकता है।
- क्रमसूचक पैमाना (Ordinal Scale): यह पैमाना वस्तुओं को उनकी विशेषताओं के आधार पर एक निश्चित क्रम में रैंक करता है। यह हमें बताता है कि किसी वस्तु में दूसरे की तुलना में किसी विशेषता का अधिक या कम स्तर है, लेकिन यह नहीं बताता कि “कितना अधिक”। रैंकों के बीच का अंतर समान नहीं होता है। उदाहरण के लिए, मिट्टी की गुणवत्ता को ‘खराब’, ‘औसत’, ‘अच्छा’ या 1, 2, 3 के रूप में रैंक करना। हम जानते हैं कि ‘अच्छा’ ‘औसत’ से बेहतर है, लेकिन हम यह नहीं कह सकते कि अंतर ‘औसत’ और ‘खराब’ के बीच के अंतर के बराबर है।
- अंतराल पैमाना (Interval Scale): यह पैमाना क्रमसूचक पैमाने की सभी विशेषताओं को रखता है, लेकिन इसमें पैमाने पर बिंदुओं के बीच समान अंतराल भी होते हैं। यह हमें रैंकों के बीच के अंतर को मापने की अनुमति देता है। हालांकि, इसमें एक वास्तविक शून्य बिंदु (true zero point) का अभाव होता है। एक क्लासिक उदाहरण सेल्सियस या फ़ारेनहाइट में तापमान है। 20°C और 30°C के बीच का अंतर 30°C और 40°C के बीच के अंतर के बराबर है, लेकिन 0°C का मतलब “कोई तापमान नहीं” नहीं है।
- अनुपात पैमाना (Ratio Scale): यह सबसे शक्तिशाली पैमाना है। इसमें नामिक, क्रमसूचक और अंतराल पैमानों की सभी विशेषताएँ होती हैं, और इसके अतिरिक्त, इसमें एक वास्तविक शून्य बिंदु होता है। वास्तविक शून्य का अर्थ है कि मापी जा रही विशेषता अनुपस्थित है। उदाहरणों में ऊँचाई, वजन, आयु, और कृषि उपज (किलोग्राम में) शामिल हैं। यदि उपज 0 किलोग्राम है, तो इसका मतलब है कि कोई फसल नहीं हुई। अनुपात पैमाने पर सभी प्रकार के सांख्यिकीय और गणितीय संचालन संभव हैं।
Q3. डिस्टिंग्विश बिटवीन प्रोबेबिलिटी-बेस्ड एंड नॉन-प्रोबेबिलिटी-बेस्ड सैंपलिंग टेक्निक्स. डिस्कस द प्रोबेबिलिटी-बेस्ड सैंपलिंग टेक्निक्स. (Distinguish between probability-based and non-probability-based sampling techniques. Discuss the probability-based sampling techniques.)
Ans. नमूनाकरण (sampling) एक बड़ी आबादी (population) से एक उपसमूह (subset) का चयन करने की प्रक्रिया है ताकि उस उपसमूह का अध्ययन करके पूरी आबादी के बारे में निष्कर्ष निकाला जा सके। नमूनाकरण तकनीकों को दो मुख्य श्रेणियों में विभाजित किया जा सकता है: संभाव्यता-आधारित (Probability-based) और गैर-संभाव्यता-आधारित (Non-probability-based) ।
इनके बीच मुख्य अंतर यह है कि संभाव्यता-आधारित नमूनाकरण में, आबादी की प्रत्येक इकाई के नमूने में चुने जाने की एक ज्ञात, गैर-शून्य संभावना होती है। यह चयन यादृच्छिक (random) होता है, जो पूर्वाग्रह (bias) को कम करता है और शोधकर्ता को सांख्यिकीय अनुमान लगाने और नमूना त्रुटि का अनुमान लगाने की अनुमति देता है। इसके विपरीत, गैर-संभाव्यता-आधारित नमूनाकरण में, चयन व्यक्तिपरक होता है और शोधकर्ता के निर्णय पर आधारित होता है। इसमें आबादी की प्रत्येक इकाई के चुने जाने की संभावना ज्ञात नहीं होती है, जिससे नमूना पूरी आबादी का प्रतिनिधि नहीं हो सकता है और सांख्यिकीय अनुमान निकालना मुश्किल हो जाता है।
संभाव्यता-आधारित नमूनाकरण तकनीकें (Probability-based Sampling Techniques): ये तकनीकें वैज्ञानिक रूप से अधिक कठोर मानी जाती हैं। मुख्य तकनीकें निम्नलिखित हैं:
- सरल यादृच्छिक नमूनाकरण (Simple Random Sampling – SRS): यह सबसे बुनियादी संभाव्यता नमूनाकरण विधि है। इसमें, आबादी के प्रत्येक सदस्य के चुने जाने की समान संभावना होती है। चयन लॉटरी विधि या यादृच्छिक संख्या तालिका/जनरेटर का उपयोग करके किया जा सकता है। उदाहरण के लिए, एक जिले के 1000 किसानों में से 100 किसानों का सर्वेक्षण करने के लिए, प्रत्येक किसान को एक नंबर दिया जाता है और फिर कंप्यूटर का उपयोग करके 100 यादृच्छिक नंबर चुने जाते हैं।
- व्यवस्थित नमूनाकरण (Systematic Sampling): इस तकनीक में, आबादी से एक यादृच्छिक प्रारंभिक बिंदु चुना जाता है और फिर एक निश्चित नमूना अंतराल (sampling interval ‘k’) पर प्रत्येक k-वें सदस्य को चुना जाता है। अंतराल k की गणना आबादी के आकार (N) को नमूने के आकार (n) से विभाजित करके की जाती है (k = N/n)। उदाहरण के लिए, 1000 किसानों की सूची से 100 का नमूना लेने के लिए, हम हर 10वें किसान (1000/100) का चयन कर सकते हैं, जिसकी शुरुआत सूची में पहले 10 किसानों में से एक यादृच्छिक रूप से चुने गए किसान से होती है।
- स्तरीकृत नमूनाकरण (Stratified Sampling): इसमें, आबादी को कुछ विशेषताओं (जैसे खेत का आकार, उगाई जाने वाली फसल का प्रकार) के आधार पर पारस्परिक रूप से अनन्य उपसमूहों या ‘स्तरों’ (strata) में विभाजित किया जाता है। फिर प्रत्येक स्तर से एक सरल यादृच्छिक या व्यवस्थित नमूना लिया जाता है। यह सुनिश्चित करता है कि नमूने में आबादी के भीतर विभिन्न उपसमूहों का उचित प्रतिनिधित्व हो। उदाहरण के लिए, किसानों को छोटे, मध्यम और बड़े किसानों के स्तरों में विभाजित करना और फिर प्रत्येक स्तर से आनुपातिक रूप से किसानों का चयन करना।
- क्लस्टर (समूह) नमूनाकरण (Cluster Sampling): इस विधि में, आबादी को समूहों (clusters) में विभाजित किया जाता है, जो आमतौर पर भौगोलिक रूप से आधारित होते हैं (जैसे, गाँव या ब्लॉक)। फिर, व्यक्तिगत सदस्यों का चयन करने के बजाय, शोधकर्ता यादृच्छिक रूप से पूरे समूहों का चयन करता है। चुने गए समूहों के भीतर सभी सदस्यों का सर्वेक्षण किया जा सकता है (एक-चरणीय क्लस्टर नमूनाकरण) या उन समूहों के भीतर से एक और संभाव्यता नमूना लिया जा सकता है (दो-चरणीय क्लस्टर नमूनाकरण)। यह तब उपयोगी होता है जब आबादी एक बड़े भौगोलिक क्षेत्र में फैली हो।
Q4. व्हाट इस सेकेंडरी डाटा ? डिस्कस द एडवांटेजेस एंड सोर्सेज ऑफ़ सेकेंडरी डाटा. (What is Secondary Data ? Discuss the advantages and sources of secondary data.)
Ans.
द्वितीयक डेटा (Secondary Data) वह डेटा है जिसे शोधकर्ता के अलावा किसी अन्य व्यक्ति द्वारा किसी और उद्देश्य के लिए पहले ही एकत्र किया जा चुका है। यह प्राथमिक डेटा (primary data) के विपरीत है, जिसे शोधकर्ता स्वयं एक विशिष्ट शोध प्रश्न को संबोधित करने के लिए एकत्र करता है। द्वितीयक डेटा का उपयोग किसी शोध परियोजना के लिए प्रारंभिक बिंदु के रूप में, परिकल्पना तैयार करने में मदद के लिए, या प्राथमिक डेटा संग्रह के पूरक के रूप में किया जा सकता है।
द्वितीयक डेटा के लाभ (Advantages of Secondary Data):
- लागत-प्रभावशीलता (Cost-Effectiveness): द्वितीयक डेटा प्राप्त करना आम तौर पर प्राथमिक डेटा एकत्र करने की तुलना में बहुत सस्ता होता है, क्योंकि यह सर्वेक्षण, साक्षात्कार या प्रयोग आयोजित करने की आवश्यकता को समाप्त करता है।
- समय की बचत (Time-Saving): डेटा पहले से ही उपलब्ध है, इसलिए शोधकर्ता को डेटा संग्रह प्रक्रिया के लिए इंतजार नहीं करना पड़ता है। विश्लेषण लगभग तुरंत शुरू हो सकता है, जो समय-संवेदनशील परियोजनाओं के लिए महत्वपूर्ण है।
- उपलब्धता और पहुंच (Availability and Accessibility): बड़ी मात्रा में डेटा, विशेष रूप से बड़े पैमाने पर सरकारी सर्वेक्षण (जैसे कृषि जनगणना), शोधकर्ताओं के लिए आसानी से उपलब्ध हैं, जिन्हें वे स्वयं एकत्र नहीं कर सकते।
- अनुदैर्ध्य विश्लेषण (Longitudinal Analysis): कई द्वितीयक डेटासेट वर्षों की अवधि में एकत्र किए जाते हैं, जिससे शोधकर्ताओं को समय के साथ रुझानों और परिवर्तनों का अध्ययन करने की अनुमति मिलती है।
- तुलनात्मक विश्लेषण (Comparative Analysis): शोधकर्ता अपने स्वयं के निष्कर्षों की तुलना द्वितीयक डेटा से कर सकते हैं ताकि उनके परिणामों को मान्य या संदर्भित किया जा सके।
द्वितीयक डेटा के स्रोत (Sources of Secondary Data): द्वितीयक डेटा के स्रोतों को दो मुख्य श्रेणियों में वर्गीकृत किया जा सकता है:
- आंतरिक स्रोत (Internal Sources): यह वह डेटा है जो संगठन के भीतर ही उत्पन्न होता है। कृषि व्यवसाय के लिए उदाहरणों में शामिल हैं:
- बिक्री रिकॉर्ड (Sales records)
- वित्तीय विवरण और खाते (Financial statements and accounts)
- इन्वेंट्री रिकॉर्ड (Inventory records)
- ग्राहक डेटाबेस और शिकायतें (Customer databases and complaints)
- पिछली शोध रिपोर्टें (Previous research reports)
- बाहरी स्रोत (External Sources): यह वह डेटा है जो संगठन के बाहर से प्राप्त होता है। मुख्य स्रोतों में शामिल हैं:
- सरकारी प्रकाशन (Government Publications): कृषि मंत्रालय, राष्ट्रीय नमूना सर्वेक्षण संगठन (NSSO) द्वारा प्रकाशित डेटा, जैसे कि कृषि जनगणना, फसल उत्पादन के आंकड़े और ग्रामीण विकास रिपोर्ट।
- गैर-सरकारी प्रकाशन (Non-Government Publications): उद्योग संघों (जैसे FICCI, CII), वाणिज्य मंडलों, और विश्वविद्यालयों द्वारा प्रकाशित रिपोर्ट और डेटा।
- सिंडिकेटेड सेवाएं (Syndicated Services): अनुसंधान फर्मों (जैसे AC Nielsen, IMRB) द्वारा एकत्र और बेचे जाने वाले डेटा जो विभिन्न ग्राहकों के लिए रुचि रखते हैं। वे अक्सर बाजार हिस्सेदारी, विज्ञापन प्रभावशीलता और उपभोक्ता खरीद व्यवहार पर डेटा प्रदान करते हैं।
- व्यापार पत्रिकाएं और समाचार पत्र (Trade Journals and Newspapers): कृषि-विशिष्ट पत्रिकाएं और व्यावसायिक समाचार पत्र बाजार के रुझान और उद्योग समाचार पर जानकारी प्रदान करते हैं।
- अकादमिक शोध (Academic Research): विश्वविद्यालयों और अनुसंधान संस्थानों द्वारा किए गए अध्ययन, जो अक्सर पत्रिकाओं और शोध पत्रों में प्रकाशित होते हैं।
Q5. डिफाइन एंड डिस्कस द मेजर्स ऑफ़ डिस्पर्शन. (Define and discuss the measures of dispersion.)
Ans.
प्रकीर्णन के माप (Measures of Dispersion) , जिसे परिवर्तनशीलता या फैलाव के माप के रूप में भी जाना जाता है, वे सांख्यिकीय मान हैं जो बताते हैं कि डेटा सेट में मान कितने फैले हुए हैं या एक दूसरे से कितने भिन्न हैं। जबकि केंद्रीय प्रवृत्ति के माप (जैसे माध्य, माध्यिका, बहुलक) डेटा के केंद्र का वर्णन करते हैं, प्रकीर्णन के माप यह बताते हैं कि व्यक्तिगत डेटा बिंदु उस केंद्र से कितनी दूर तक फैले हुए हैं। यह डेटा सेट की स्थिरता और समरूपता को समझने के लिए महत्वपूर्ण है।
उदाहरण के लिए, दो जिलों में औसत फसल उपज समान हो सकती है, लेकिन एक जिले में उपज बहुत सुसंगत हो सकती है (कम प्रकीर्णन) जबकि दूसरे में बहुत परिवर्तनशील (उच्च प्रकीर्णन) हो सकती है। प्रकीर्णन के मुख्य माप निम्नलिखित हैं:
- परास (Range): यह प्रकीर्णन का सबसे सरल माप है। इसकी गणना डेटा सेट में उच्चतम मान और निम्नतम मान के बीच के अंतर के रूप में की जाती है। परास = अधिकतम मान – न्यूनतम मान यह समझने में आसान है लेकिन चरम मानों (outliers) से बहुत अधिक प्रभावित होता है और डेटा के समग्र वितरण के बारे में ज्यादा जानकारी नहीं देता है।
- चतुर्थक विचलन (Quartile Deviation): यह परास का एक बेहतर विकल्प है क्योंकि यह चरम मानों से कम प्रभावित होता है। यह तीसरे चतुर्थक (Q3) और पहले चतुर्थक (Q1) के बीच के अंतर का आधा होता है। चतुर्थक विचलन = (Q3 – Q1) / 2 यह डेटा के मध्य 50% के फैलाव को मापता है और इसे अंतर-चतुर्थक परास (Interquartile Range) का आधा भी कहा जाता है।
- माध्य विचलन (Mean Deviation): यह डेटा सेट में प्रत्येक मान और केंद्रीय प्रवृत्ति के माप (आमतौर पर माध्य या माध्यिका) के बीच के निरपेक्ष अंतरों का औसत है। माध्य विचलन = Σ |X – μ| / N (जहाँ X व्यक्तिगत मान है, μ माध्य है, और N प्रेक्षणों की संख्या है)। यह सभी डेटा बिंदुओं को ध्यान में रखता है, लेकिन निरपेक्ष मानों के उपयोग के कारण इसे आगे के गणितीय विश्लेषण के लिए संभालना मुश्किल होता है।
- मानक विचलन (Standard Deviation) और प्रसरण (Variance): ये प्रकीर्णन के सबसे व्यापक रूप से उपयोग किए जाने वाले माप हैं।
- प्रसरण (Variance): यह माध्य से वर्गीय विचलनों का औसत है। यह मापता है कि डेटा बिंदु माध्य के आसपास कितने फैले हुए हैं। प्रसरण (σ²) = Σ (X – μ)² / N
- मानक विचलन (Standard Deviation): यह प्रसरण का वर्गमूल है। इसका लाभ यह है कि यह मूल डेटा के समान इकाइयों में होता है, जिससे इसकी व्याख्या करना आसान हो जाता है। एक कम मानक विचलन इंगित करता है कि डेटा बिंदु माध्य के करीब हैं, जबकि एक उच्च मानक विचलन इंगित करता है कि वे एक विस्तृत श्रृंखला में फैले हुए हैं। मानक विचलन (σ) = √[Σ (X – μ)² / N]
- विचरण गुणांक (Coefficient of Variation): यह प्रकीर्णन का एक सापेक्ष माप है, जिसकी गणना मानक विचलन को माध्य से विभाजित करके और 100 से गुणा करके की जाती है। यह इकाई-मुक्त होता है और विभिन्न इकाइयों या बहुत भिन्न माध्यों वाले दो या दो से अधिक डेटा सेटों की परिवर्तनशीलता की तुलना करने के लिए उपयोगी है।
Q6. डिस्कस द स्टेप्स फॉलोवड इन द केस स्टडी मेथड. (Discuss the steps followed in the case study method.)
Ans.
केस स्टडी विधि (Case Study Method) एक गुणात्मक अनुसंधान दृष्टिकोण है जिसमें किसी विशेष “केस” – जैसे कि एक व्यक्ति, एक समूह, एक संगठन (जैसे एक कृषि सहकारी), एक घटना, या एक निर्णय – का गहन, विस्तृत परीक्षण शामिल होता है। इसका उद्देश्य वास्तविक जीवन के संदर्भ में एक जटिल मुद्दे का पता लगाना है। केस स्टडी विधि विशेष रूप से “कैसे” और “क्यों” प्रश्नों का उत्तर देने के लिए उपयोगी है।
एक व्यवस्थित केस स्टडी करने में निम्नलिखित महत्वपूर्ण चरण शामिल होते हैं:
- अनुसंधान प्रश्नों का निर्धारण (Determine the Research Questions): पहला और सबसे महत्वपूर्ण कदम अनुसंधान के उद्देश्य को स्पष्ट रूप से परिभाषित करना है। शोधकर्ता को यह तय करना चाहिए कि अध्ययन क्या हासिल करना चाहता है। ये प्रश्न (अक्सर ‘कैसे’ या ‘क्यों’ से शुरू होते हैं) पूरे अध्ययन का मार्गदर्शन करते हैं, जिसमें केस का चयन और डेटा संग्रह की विधियाँ शामिल हैं। उदाहरण के लिए, “एक विशेष कृषि व्यवसाय फर्म बाजार में इतनी सफल कैसे हुई?”
- केस का चयन (Select the Case): अनुसंधान प्रश्नों के आधार पर, एक उपयुक्त केस (या कई केस) का चयन किया जाता है। केस का चयन उद्देश्यपूर्ण होना चाहिए, जिसका अर्थ है कि इसे इसलिए चुना जाता है क्योंकि यह अध्ययन किए जा रहे मुद्दे का एक अनूठा या महत्वपूर्ण उदाहरण है। केस एक विशिष्ट (एक सफल सहकारी), चरम (एक विफल कृषि-स्टार्टअप), या सामान्य (एक औसत आकार का खेत) हो सकता है। चयन का औचित्य स्पष्ट होना चाहिए।
- डेटा संग्रह की तैयारी (Prepare for Data Collection): इस चरण में, शोधकर्ता एक डेटा संग्रह योजना या प्रोटोकॉल विकसित करता है। इसमें शामिल है:
- डेटा के स्रोतों की पहचान करना: इसमें साक्षात्कार, प्रत्यक्ष अवलोकन, दस्तावेजी विश्लेषण (जैसे, वार्षिक रिपोर्ट, समाचार लेख), और भौतिक कलाकृतियाँ शामिल हो सकती हैं।
- उपकरण विकसित करना: साक्षात्कार के लिए प्रश्न तैयार करना, अवलोकन के लिए चेकलिस्ट बनाना।
- पहुंच प्राप्त करना: अध्ययन में भाग लेने के लिए संबंधित व्यक्तियों या संगठनों से अनुमति लेना।
- क्षेत्र में डेटा एकत्र करना (Collect Data in the Field): शोधकर्ता अपनी योजना के अनुसार विभिन्न स्रोतों से व्यवस्थित रूप से डेटा एकत्र करता है। एक अच्छी केस स्टडी कई स्रोतों से साक्ष्य का उपयोग करती है ताकि निष्कर्षों की त्रिकोणासन (triangulation) या पुष्टि की जा सके, जिससे अध्ययन की वैधता बढ़ती है। शोधकर्ता को विस्तृत फील्ड नोट्स बनाए रखने चाहिए और एक केस स्टडी डेटाबेस बनाना चाहिए।
- डेटा का मूल्यांकन और विश्लेषण (Evaluate and Analyze the Data): डेटा एकत्र होने के बाद, इसका विश्लेषण किया जाता है। गुणात्मक डेटा विश्लेषण में अक्सर शामिल होता है:
- पैटर्न मिलान (Pattern Matching): एकत्रित डेटा में पैटर्न की पहचान करना और उनकी तुलना अनुमानित पैटर्न से करना।
- स्पष्टीकरण निर्माण (Explanation Building): केस के बारे में एक कथा या स्पष्टीकरण का निर्माण करना, जो धीरे-धीरे साक्ष्यों के टुकड़ों को एक साथ जोड़कर किया जाता है।
- समय-श्रृंखला विश्लेषण (Time-series Analysis): समय के साथ घटनाओं और चरों का विश्लेषण करना।
- केस स्टडी रिपोर्ट लिखना (Write the Case Study Report): अंतिम चरण एक व्यापक रिपोर्ट लिखना है। रिपोर्ट को पाठक को केस का एक जीवंत अनुभव प्रदान करना चाहिए। इसमें आमतौर पर शामिल होता है:
- अनुसंधान समस्या और प्रश्न।
- केस और उसके चयन के औचित्य का विस्तृत विवरण।
- डेटा संग्रह और विश्लेषण के तरीकों का वर्णन।
- एकत्रित साक्ष्यों के आधार पर निष्कर्षों की प्रस्तुति।
- अध्ययन के निहितार्थ और निष्कर्ष।
रिपोर्ट को स्पष्ट, आकर्षक और साक्ष्य-आधारित होना चाहिए।
Q7. एक्सप्लेन द इम्पोर्टेंट स्टेप्स फॉलोवड इन द प्रिपरेशन ऑफ़ ए बिज़नेस रिपोर्ट. (Explain the important steps followed in the preparation of a business report.)
Ans. एक व्यावसायिक रिपोर्ट (Business Report) एक औपचारिक दस्तावेज़ है जो किसी विशिष्ट व्यावसायिक मुद्दे या प्रश्न के बारे में जानकारी को वस्तुनिष्ठ और व्यवस्थित तरीके से प्रस्तुत करता है। इसका उद्देश्य प्रबंधन को सूचित करना, विश्लेषण प्रदान करना और निर्णय लेने में सहायता के लिए सिफारिशें देना है। एक प्रभावी व्यावसायिक रिपोर्ट तैयार करने में कई महत्वपूर्ण चरण शामिल होते हैं:
- उद्देश्य और कार्यक्षेत्र को परिभाषित करना (Define the Purpose and Scope): पहला कदम रिपोर्ट के उद्देश्य को स्पष्ट रूप से समझना है। आपको खुद से पूछना चाहिए: यह रिपोर्ट क्यों लिखी जा रही है? यह क्या हासिल करना चाहती है? इसके बाद, रिपोर्ट के कार्यक्षेत्र या सीमाओं को परिभाषित करें। यह निर्धारित करेगा कि कौन सी जानकारी शामिल करनी है और कौन सी नहीं, जिससे रिपोर्ट केंद्रित रहती है।
- दर्शकों का विश्लेषण करना (Analyze the Audience): यह पहचानना महत्वपूर्ण है कि रिपोर्ट कौन पढ़ेगा। क्या वे विषय के विशेषज्ञ हैं या सामान्य पाठक? क्या वे आंतरिक प्रबंधन हैं या बाहरी हितधारक? दर्शकों का ज्ञान, रुचियां और अपेक्षाएं रिपोर्ट की भाषा, शैली, विस्तार के स्तर और प्रारूप को प्रभावित करेंगी।
- जानकारी एकत्र और व्यवस्थित करना (Gather and Organize Information): उद्देश्य और कार्यक्षेत्र के आधार पर, आवश्यक डेटा एकत्र करें। यह प्राथमिक स्रोतों (जैसे सर्वेक्षण, साक्षात्कार) या द्वितीयक स्रोतों (जैसे कंपनी रिकॉर्ड, उद्योग रिपोर्ट) से आ सकता है। एक बार एकत्र होने के बाद, जानकारी को तार्किक रूप से व्यवस्थित करें। मुख्य बिंदुओं और सहायक साक्ष्यों की पहचान करने के लिए डेटा को वर्गीकृत करें।
- एक रूपरेखा बनाना (Create an Outline): लिखने से पहले, एक विस्तृत रूपरेखा तैयार करें। यह रिपोर्ट की संरचना के लिए एक रोडमैप के रूप में कार्य करता है। एक मानक व्यावसायिक रिपोर्ट संरचना में शामिल हैं:
- परिचय: पृष्ठभूमि, उद्देश्य, और कार्यक्षेत्र।
- मुख्य भाग/निष्कर्ष: डेटा और विश्लेषण की विस्तृत प्रस्तुति, तार्किक अनुभागों में व्यवस्थित।
- निष्कर्ष: मुख्य निष्कर्षों का सारांश।
- सिफारिशें: निष्कर्षों के आधार पर प्रस्तावित कार्रवाइयां।
- पहला मसौदा लिखना (Write the First Draft): रूपरेखा का पालन करते हुए, रिपोर्ट का पहला मसौदा लिखें। इस चरण में, प्रवाह और सामग्री पर ध्यान केंद्रित करें, व्याकरण और वर्तनी की पूर्णता पर कम। स्पष्ट, संक्षिप्त और वस्तुनिष्ठ भाषा का प्रयोग करें। तथ्यों को राय से अलग रखें।
- पूरक भागों को जोड़ना (Add Supplementary Parts): मसौदा पूरा होने के बाद, रिपोर्ट के औपचारिक तत्वों को जोड़ें। इनमें शामिल हैं:
- शीर्षक पृष्ठ (Title Page): रिपोर्ट का शीर्षक, लेखक का नाम, प्राप्तकर्ता और तिथि।
- कार्यकारी सारांश (Executive Summary): रिपोर्ट का एक संक्षिप्त अवलोकन (समस्या, निष्कर्ष, सिफारिशें), जिसे व्यस्त अधिकारी जल्दी से पढ़ सकते हैं।
- विषय-सूची (Table of Contents): अनुभागों और पृष्ठ संख्याओं की सूची।
- संदर्भ/ग्रंथ सूची (References/Bibliography): उपयोग किए गए सभी स्रोतों का हवाला।
- परिशिष्ट (Appendices): विस्तृत चार्ट, सारणियाँ या पूरक सामग्री।
- संपादन और प्रूफरीडिंग (Edit and Proofread): यह अंतिम और महत्वपूर्ण चरण है। रिपोर्ट की समीक्षा करें:
- स्पष्टता और सुसंगतता: क्या तर्क तार्किक रूप से प्रवाहित होते हैं?
- पूर्णता: क्या सभी आवश्यक जानकारी शामिल है?
- सटीकता: क्या सभी तथ्य और आंकड़े सही हैं?
- व्याकरण, वर्तनी और विराम चिह्न: किसी भी त्रुटि को ठीक करें।
एक पेशेवर और विश्वसनीय दस्तावेज़ सुनिश्चित करने के लिए किसी और से भी रिपोर्ट को पढ़ने के लिए कहना अक्सर सहायक होता है।
Q8. डिस्कस द असम्प्शन्स एंड मेथड ऑफ़ द इकनोमिक आर्डर क्वांटिटी (EOQ) मॉडल ऑफ़ इन्वेंटरी कॉस्ट मैनेजमेंट. (Discuss the assumptions and method of the Economic Order Quantity (EOQ) Model of inventory cost management.)
Ans.
आर्थिक आदेश मात्रा (Economic Order Quantity – EOQ) मॉडल इन्वेंट्री प्रबंधन में एक क्लासिक और व्यापक रूप से इस्तेमाल किया जाने वाला निर्णय उपकरण है। इसका मुख्य उद्देश्य उस इष्टतम ऑर्डर मात्रा को निर्धारित करना है जिसे एक कंपनी को अपनी कुल इन्वेंट्री लागत को कम करने के लिए खरीदना चाहिए। ये लागतें मुख्य रूप से दो प्रकार की होती हैं: ऑर्डरिंग लागत (Ordering Costs) और होल्डिंग या कैरिंग लागत (Holding or Carrying Costs) । EOQ मॉडल इन दोनों लागतों के बीच सही संतुलन खोजने का प्रयास करता है।
EOQ मॉडल की धारणाएं (Assumptions of the EOQ Model):
यह मॉडल कई सरलीकृत धारणाओं पर आधारित है, जो इसकी प्रयोज्यता को सीमित कर सकती हैं लेकिन गणना को सरल बनाती हैं। मुख्य धारणाएं हैं:
- मांग दर स्थिर और ज्ञात है (Constant and known demand rate): यह माना जाता है कि एक निश्चित अवधि (आमतौर पर एक वर्ष) में उत्पाद की मांग स्थिर रहती है और पहले से ज्ञात होती है।
- ऑर्डरिंग लागत स्थिर है (Constant ordering cost): प्रत्येक ऑर्डर देने की लागत (जैसे, लिपिकीय कार्य, शिपिंग शुल्क) स्थिर होती है, चाहे ऑर्डर का आकार कुछ भी हो।
- होल्डिंग लागत स्थिर है (Constant holding cost): प्रति यूनिट इन्वेंट्री रखने की लागत (जैसे, भंडारण, बीमा, अप्रचलन) स्थिर और ज्ञात होती है।
- लीड टाइम ज्ञात और स्थिर है (Known and constant lead time): ऑर्डर देने और माल प्राप्त करने के बीच का समय अंतराल स्थिर और ज्ञात होता है।
- तत्काल पुनःपूर्ति (Instantaneous replenishment): यह माना जाता है कि ऑर्डर किया गया पूरा बैच एक ही बार में और तुरंत प्राप्त हो जाता है जब इन्वेंट्री का स्तर शून्य पर पहुंच जाता है।
- कोई स्टॉकआउट नहीं (No stockouts): मॉडल मानता है कि मांग को पूरा करने के लिए हमेशा पर्याप्त इन्वेंट्री होती है, इसलिए स्टॉकआउट की लागत को नजरअंदाज कर दिया जाता है।
- कोई मात्रा छूट नहीं (No quantity discounts): खरीद मूल्य प्रति यूनिट स्थिर रहता है और ऑर्डर की गई मात्रा के आधार पर कोई छूट उपलब्ध नहीं होती है।
EOQ मॉडल की विधि (Method of the EOQ Model):
EOQ की गणना का उद्देश्य उस बिंदु को खोजना है जहां कुल ऑर्डरिंग लागत और कुल होल्डिंग लागत बराबर होती हैं, क्योंकि इसी बिंदु पर कुल इन्वेंट्री लागत न्यूनतम होती है।
कुल ऑर्डरिंग लागत = (वार्षिक मांग / ऑर्डर मात्रा) * प्रति ऑर्डर लागत
कुल होल्डिंग लागत = (ऑर्डर मात्रा / 2) * प्रति यूनिट होल्डिंग लागत
इन दो लागतों को संतुलित करने वाला सूत्र है:
EOQ = √[(2 D S) / H]
जहां:
- D = वार्षिक मांग (Annual demand in units)
- S = प्रति ऑर्डर ऑर्डरिंग लागत (Ordering cost per order)
- H = प्रति यूनिट प्रति वर्ष होल्डिंग लागत (Holding cost per unit per year)
उदाहरण के लिए, एक कृषि-इनपुट डीलर को प्रति वर्ष 10,000 बैग उर्वरक की आवश्यकता होती है (D=10,000)। प्रत्येक ऑर्डर की लागत ₹150 (S=150) है, और एक बैग को एक वर्ष के लिए स्टोर करने की लागत ₹3 (H=3) है।
EOQ = √[(2 10,000 150) / 3] = √[3,000,000 / 3] = √1,000,000 = 1,000 बैग।
इसका मतलब है कि डीलर को कुल इन्वेंट्री लागत को कम करने के लिए एक बार में 1,000 बैग उर्वरक का ऑर्डर देना चाहिए।
IGNOU MAM-056 Previous Year Solved Question Paper in English
Q1. What is Conclusive Research Design ? Discuss its types.
Ans. Conclusive Research Design is a formal and structured research methodology used to test specific hypotheses and draw definitive conclusions to aid in managerial decision-making. Unlike exploratory research, which focuses on generating ideas and insights, conclusive research aims to provide solutions to specific problems and evaluate the best course of action. It is characterized by large, representative samples and quantitative data analysis. In agribusiness, it might be used to determine which fertilizer packaging is most effective or to estimate the market potential for a new tractor model. There are two primary types of conclusive research design:
- Descriptive Research: This type of research is focused on describing market characteristics or functions. It answers questions like “who, what, where, when, and how,” but not “why.” It is used to understand market size, demographics, or competitors’ strategies. For example, an agribusiness company might study the demographics of farmers adopting organic farming practices in a particular region. It has two main subtypes:
- Cross-sectional Design: This involves collecting information from a sample of a population at a single point in time.
- Longitudinal Design: This involves taking repeated measurements from the same sample over time, allowing for the tracking of changes.
- Causal Research: Also known as experimental research, this is designed to establish cause-and-effect relationships. The researcher manipulates one or more independent variables to measure their effect on one or more dependent variables, while controlling for other external variables. For instance, a seed company might test whether an increase in advertising expenditure (independent variable) leads to an increase in seed sales (dependent variable).
Q2. What is Measurement Scale ? Explain the types of measurement scales.
Ans. A Measurement Scale is a classification that describes the nature of numerical values assigned to a variable. In simple terms, it is a set of rules used to quantify or measure the characteristics of objects or events. In research, measurement scales are used to categorize, rank, or quantify data. The type of scale determines what statistical analyses can be performed on the data. There are four primary types of measurement scales:
- Nominal Scale: This is the simplest scale. It uses labels or names to classify objects or attributes. The numbers, if used, only serve as identifiers and have no quantitative value. For example, in agribusiness, classifying farmers based on their primary crop grown (e.g., ‘1’ for Wheat, ‘2’ for Rice, ‘3’ for Maize). Mathematical operations (like adding or averaging) cannot be performed on these numbers.
- Ordinal Scale: This scale ranks objects in a specific order based on their characteristics. It tells us that an object has more or less of a characteristic than another, but not “how much more.” The difference between the ranks is not uniform. For example, ranking soil quality as ‘Poor,’ ‘Average,’ ‘Good,’ or as 1, 2, 3. We know ‘Good’ is better than ‘Average,’ but we cannot say the difference is equal to the difference between ‘Average’ and ‘Poor.’
- Interval Scale: This scale possesses all the properties of an ordinal scale, but it also has equal intervals between points on the scale. This allows us to measure the difference between ranks. However, it lacks a true zero point . A classic example is temperature in Celsius or Fahrenheit. The difference between 20°C and 30°C is the same as the difference between 30°C and 40°C, but 0°C does not mean “no temperature.”
- Ratio Scale: This is the most powerful scale. It has all the characteristics of nominal, ordinal, and interval scales, and in addition, it has a true zero point . A true zero means the absence of the characteristic being measured. Examples include height, weight, age, and crop yield (in kg). If the yield is 0 kg, it means there was no crop. All types of statistical and mathematical operations are possible on a ratio scale.
Q3. Distinguish between probability-based and non-probability-based sampling techniques. Discuss the probability-based sampling techniques.
Ans. Sampling is the process of selecting a subset from a larger population to study that subset and draw conclusions about the entire population. Sampling techniques can be broadly divided into two categories: Probability-based and Non-probability-based . The key distinction between them is that in probability-based sampling , every unit in the population has a known, non-zero chance of being selected for the sample. This selection is random, which minimizes bias and allows the researcher to make statistical inferences and estimate sampling error. In contrast, in non-probability-based sampling , the selection is subjective and based on the researcher’s judgment. The probability of each unit being selected is unknown, which means the sample may not be representative of the entire population, and making statistical inferences is difficult. Probability-based Sampling Techniques: These techniques are considered more scientifically rigorous. The main techniques are as follows:
- Simple Random Sampling (SRS): This is the most basic probability sampling method. In it, every member of the population has an equal chance of being chosen. The selection can be done using a lottery method or a random number table/generator. For example, to survey 100 farmers out of 1000 in a district, each farmer is assigned a number, and then 100 random numbers are selected using a computer.
- Systematic Sampling: In this technique, a random starting point is selected from the population, and then every k-th member is chosen at a fixed sampling interval (‘k’). The interval k is calculated by dividing the population size (N) by the sample size (n) (k = N/n). For instance, to sample 100 from a list of 1000 farmers, we could select every 10th farmer (1000/100), starting with a randomly chosen farmer from the first 10 on the list.
- Stratified Sampling: Here, the population is divided into mutually exclusive subgroups or ‘strata’ based on certain characteristics (e.g., farm size, type of crop grown). A simple random or systematic sample is then drawn from each stratum. This ensures that the sample has a fair representation of different subgroups within the population. For example, dividing farmers into strata of small, medium, and large-scale farmers and then selecting farmers proportionally from each stratum.
- Cluster Sampling: In this method, the population is divided into clusters, which are typically geographically based (e.g., villages or blocks). Then, instead of selecting individual members, the researcher randomly selects entire clusters. All members within the chosen clusters can be surveyed (one-stage cluster sampling), or another probability sample can be drawn from within those clusters (two-stage cluster sampling). This is useful when the population is spread over a large geographical area.
Q4. What is Secondary Data ? Discuss the advantages and sources of secondary data.
Ans. Secondary Data is data that has already been collected by someone other than the researcher for some other purpose. It is the opposite of primary data, which is collected by the researcher firsthand to address a specific research question. Secondary data can be used as a starting point for a research project, to help formulate hypotheses, or to supplement primary data collection. Advantages of Secondary Data:
- Cost-Effectiveness: Obtaining secondary data is generally much cheaper than collecting primary data, as it eliminates the need to conduct surveys, interviews, or experiments.
- Time-Saving: The data is already available, so the researcher does not have to wait for the data collection process. Analysis can begin almost immediately, which is crucial for time-sensitive projects.
- Availability and Accessibility: Large amounts of data, especially from large-scale government surveys (e.g., agricultural census), are easily available to researchers, which they could not collect on their own.
- Longitudinal Analysis: Many secondary datasets are collected over a period of years, allowing researchers to study trends and changes over time.
- Comparative Analysis: Researchers can compare their own findings against secondary data to validate or contextualize their results.
Sources of Secondary Data:
The sources of secondary data can be classified into two main categories:
- Internal Sources: This is data that is generated within the organization itself. Examples for an agribusiness include:
- Sales records
- Financial statements and accounts
- Inventory records
- Customer databases and complaints
- Previous research reports
- External Sources: This is data that is obtained from outside the organization. Key sources include:
- Government Publications: Data published by the Ministry of Agriculture, National Sample Survey Organisation (NSSO), such as the Agricultural Census, crop production statistics, and rural development reports.
- Non-Government Publications: Reports and data published by industry associations (e.g., FICCI, CII), chambers of commerce, and universities.
- Syndicated Services: Data collected and sold by research firms (e.g., AC Nielsen, IMRB) that are of interest to various clients. They often provide data on market share, advertising effectiveness, and consumer purchasing behavior.
- Trade Journals and Newspapers: Agri-specific magazines and business newspapers provide information on market trends and industry news.
- Academic Research: Studies conducted by universities and research institutions, often published in journals and research papers.
Q5. Define and discuss the measures of dispersion.
Ans. Measures of Dispersion , also known as measures of variability or spread, are statistical values that describe how spread out or varied the values are in a data set. While measures of central tendency (like mean, median, mode) describe the center of the data, measures of dispersion describe how far the individual data points tend to fall from that center. It is crucial for understanding the consistency and homogeneity of a data set. For instance, two districts might have the same average crop yield, but one district might have very consistent yields (low dispersion) while the other has highly variable yields (high dispersion). The main measures of dispersion are:
- Range: This is the simplest measure of dispersion. It is calculated as the difference between the highest value and the lowest value in a data set. Range = Maximum Value – Minimum Value It is easy to understand but is heavily influenced by extreme values (outliers) and doesn’t provide much information about the overall distribution of the data.
- Quartile Deviation: This is a better alternative to the range as it is less affected by extreme values. It is half the difference between the third quartile (Q3) and the first quartile (Q1). Quartile Deviation = (Q3 – Q1) / 2 It measures the spread of the middle 50% of the data and is also called the semi-interquartile range.
- Mean Deviation: It is the average of the absolute differences between each value in a data set and a measure of central tendency (usually the mean or median). Mean Deviation = Σ |X – μ| / N (where X is the individual value, μ is the mean, and N is the number of observations). It takes all data points into account, but the use of absolute values makes it difficult to handle for further mathematical analysis.
- Standard Deviation and Variance: These are the most widely used measures of dispersion.
- Variance (σ²): It is the average of the squared deviations from the mean. It measures how spread out the data points are around the mean. Variance (σ²) = Σ (X – μ)² / N
- Standard Deviation (σ): It is the square root of the variance. Its advantage is that it is in the same units as the original data, making it easier to interpret. A low standard deviation indicates that data points are close to the mean, while a high standard deviation indicates that they are spread out over a wider range. Standard Deviation (σ) = √[Σ (X – μ)² / N]
- Coefficient of Variation: This is a relative measure of dispersion, calculated by dividing the standard deviation by the mean and multiplying by 100. It is unit-free and useful for comparing the variability of two or more data sets with different units or vastly different means.
Q6. Discuss the steps followed in the case study method.
Ans. The Case Study Method is a qualitative research approach that involves an in-depth, detailed examination of a particular “case” – such as an individual, a group, an organization (like a farmer cooperative), an event, or a decision. Its goal is to explore a complex issue within its real-life context. The case study method is particularly useful for answering “how” and “why” questions. Conducting a systematic case study involves the following important steps:
- Determine the Research Questions: The first and most crucial step is to clearly define the purpose of the research. The researcher must decide what the study seeks to accomplish. These questions (often starting with ‘how’ or ‘why’) guide the entire study, including the selection of the case and the methods of data collection. For example, “How did a particular agribusiness firm become so successful in the market?”
- Select the Case: Based on the research questions, a suitable case (or multiple cases) is selected. The selection of the case should be purposeful, meaning it is chosen because it is a unique or significant example of the issue being studied. The case could be a typical one (an average-sized farm), an extreme one (a failed agri-startup), or a revelatory one (a successful cooperative). The justification for the selection must be clear.
- Prepare for Data Collection: In this phase, the researcher develops a data collection plan or protocol. This involves:
- Identifying sources of data: These can include interviews, direct observation, documentary analysis (e.g., annual reports, news articles), and physical artifacts.
- Developing instruments: Crafting questions for interviews, creating checklists for observation.
- Gaining access: Seeking permission from relevant individuals or organizations to participate in the study.
- Collect Data in the Field: The researcher systematically collects data from various sources as per the plan. A good case study uses evidence from multiple sources to allow for triangulation or corroboration of findings, which increases the validity of the study. The researcher should maintain detailed field notes and create a case study database.
- Evaluate and Analyze the Data: Once collected, the data is analyzed. Qualitative data analysis often involves:
- Pattern Matching: Identifying patterns in the collected data and comparing them to predicted patterns.
- Explanation Building: Constructing a narrative or explanation about the case, which is done by piecing together evidence incrementally.
- Time-series Analysis: Analyzing events and variables over time.
- Write the Case Study Report: The final step is to write a comprehensive report. The report should provide the reader with a vicarious experience of the case. It typically includes:
- The research problem and questions.
- A detailed description of the case and the justification for its selection.
- A description of the data collection and analysis methods.
- Presentation of the findings, supported by the evidence collected.
- The implications and conclusions of the study.
The report should be clear, engaging, and evidence-based.
Q7. Explain the important steps followed in the preparation of a business report.
Ans. A Business Report is a formal document that presents information in an objective and orderly way about a specific business issue or question. Its purpose is to inform management, provide analysis, and make recommendations to aid in decision-making. Preparing an effective business report involves several crucial steps:
- Define the Purpose and Scope: The first step is to clearly understand the report’s purpose. You should ask yourself: Why is this report being written? What does it aim to achieve? Following this, define the scope or boundaries of the report. This will determine what information to include and what to exclude, keeping the report focused.
- Analyze the Audience: It is crucial to identify who will read the report. Are they experts on the topic or general readers? Are they internal management or external stakeholders? The audience’s knowledge, interests, and expectations will influence the report’s language, tone, level of detail, and format.
- Gather and Organize Information: Based on the purpose and scope, collect the necessary data. This may come from primary sources (like surveys, interviews) or secondary sources (like company records, industry reports). Once gathered, organize the information logically. Categorize the data to identify key points and supporting evidence.
- Create an Outline: Before writing, prepare a detailed outline. This serves as a roadmap for the report’s structure. A standard business report structure includes:
- Introduction: Background, purpose, and scope.
- Body/Findings: Detailed presentation of data and analysis, organized into logical sections.
- Conclusion: A summary of the key findings.
- Recommendations: Proposed actions based on the conclusions.
- Write the First Draft: Following the outline, write the first draft of the report. In this stage, focus on flow and content, rather than on perfect grammar and spelling. Use clear, concise, and objective language. Separate facts from opinions.
- Add Supplementary Parts: After the draft is complete, add the formal elements of the report. These include:
- Title Page: Report title, author’s name, recipient, and date.
- Executive Summary: A brief overview of the entire report (problem, findings, recommendations), which busy executives can read quickly.
- Table of Contents: A list of sections and page numbers.
- References/Bibliography: Citing all sources used.
- Appendices: Detailed charts, tables, or supplementary materials.
- Edit and Proofread: This is the final and critical step. Review the report for:
- Clarity and Coherence: Do the arguments flow logically?
- Completeness: Is all necessary information included?
- Accuracy: Are all facts and figures correct?
- Grammar, Spelling, and Punctuation: Fix any errors.
It is often helpful to have someone else read the report as well to ensure it is a professional and credible document.
Q8. Discuss the assumptions and method of the Economic Order Quantity (EOQ) Model of inventory cost management.
Ans. The Economic Order Quantity (EOQ) model is a classic and widely used decision tool in inventory management. Its primary objective is to determine the optimal order quantity that a company should purchase to minimize its total inventory costs. These costs are mainly of two types: Ordering Costs and Holding or Carrying Costs . The EOQ model seeks to find the perfect balance between these two costs. Assumptions of the EOQ Model: The model is based on several simplifying assumptions, which can limit its applicability but make the calculation straightforward. The main assumptions are:
- Constant and known demand rate: The demand for the product is assumed to be constant over a specific period (usually a year) and is known in advance.
- Constant ordering cost: The cost of placing each order (e.g., clerical work, shipping fees) is constant, regardless of the size of the order.
- Constant holding cost: The cost to hold one unit of inventory (e.g., storage, insurance, obsolescence) is constant and known.
- Known and constant lead time: The time interval between placing an order and receiving the goods is constant and known.
- Instantaneous replenishment: The entire batch ordered is assumed to be received all at once and immediately when the inventory level reaches zero.
- No stockouts: The model assumes there is always enough inventory to meet demand, so the costs of stockouts are ignored.
- No quantity discounts: The purchase price per unit remains constant, and no discounts are available based on the quantity ordered.
Method of the EOQ Model:
The objective of the EOQ calculation is to find the point where the total ordering cost equals the total holding cost, as this is the point where the total inventory cost is minimized.
Total Ordering Cost = (Annual Demand / Order Quantity) * Cost per Order
Total Holding Cost = (Order Quantity / 2) * Holding Cost per Unit
The formula that balances these two costs is:
EOQ = √[(2
D
S) / H]
Where:
- D = Annual demand in units
- S = Ordering cost per order
- H = Holding cost per unit per year
For example, an agri-input dealer requires 10,000 bags of fertilizer per year (D=10,000). The cost to place each order is ₹150 (S=150), and the cost to store one bag for a year is ₹3 (H=3).
EOQ = √[(2
10,000
150) / 3] = √[3,000,000 / 3] = √1,000,000 = 1,000 bags.
This means the dealer should order 1,000 bags of fertilizer at a time to minimize total inventory costs.
Download IGNOU previous Year Question paper download PDFs for MAM-056 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