The IGNOU MPA-035 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 MPA-035 Solved Question Paper in Hindi
- IGNOU MPA-035 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 MPA-035 Solved Question Paper PDF
This section provides IGNOU MPA-035 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 MPA-035 Previous Year Solved Question Paper in Hindi
Q1. शोध के विभिन्न प्रकारों की चर्चा कीजिए।
Ans. शोध एक व्यवस्थित जांच है जिसका उद्देश्य नए ज्ञान की खोज करना या मौजूदा ज्ञान को संशोधित करना है। इसे विभिन्न मानदंडों के आधार पर कई प्रकारों में वर्गीकृत किया जा सकता है। शोध के प्रकारों को समझना एक शोधकर्ता को अपनी अध्ययन की आवश्यकताओं के लिए सबसे उपयुक्त पद्धति का चयन करने में मदद करता है।
शोध को मुख्य रूप से निम्नलिखित आधारों पर वर्गीकृत किया गया है:
1. उद्देश्य के आधार पर:
- वर्णनात्मक शोध (Descriptive Research): इसका मुख्य उद्देश्य किसी विशेष स्थिति, समूह या घटना की विशेषताओं का सटीक वर्णन करना है। यह “क्या है” प्रश्न का उत्तर देता है। उदाहरण के लिए, किसी आपदा-प्रवण क्षेत्र में लोगों की सामाजिक-आर्थिक स्थिति का अध्ययन करना। इसमें सर्वेक्षण, केस स्टडी और अवलोकन जैसी विधियाँ शामिल हैं।
- सहसंबंधात्मक शोध (Correlational Research): यह दो या दो से अधिक चरों (variables) के बीच संबंध की जांच करता है। यह यह नहीं बताता कि एक चर दूसरे का कारण है, बल्कि केवल यह बताता है कि वे किसी तरह से संबंधित हैं। उदाहरण के लिए, साक्षरता दर और आपदा तैयारी के स्तर के बीच संबंध का अध्ययन करना।
- व्याख्यात्मक शोध (Explanatory Research): इसे कारणात्मक शोध भी कहा जाता है। इसका उद्देश्य चरों के बीच कारण और प्रभाव संबंध को स्थापित करना है। यह “क्यों” प्रश्न का उत्तर देता है। इसमें अक्सर प्रयोगात्मक डिजाइन शामिल होते हैं जहाँ एक चर में हेरफेर करके दूसरे पर उसके प्रभाव को देखा जाता है।
- अन्वेषणात्मक शोध (Exploratory Research): यह तब किया जाता है जब किसी समस्या को स्पष्ट रूप से परिभाषित नहीं किया गया हो। इसका लक्ष्य प्रारंभिक जानकारी इकट्ठा करना, परिकल्पना विकसित करना और आगे के शोध के लिए एक आधार तैयार करना है।
2. अनुप्रयोग के आधार पर:
- मौलिक या शुद्ध शोध (Basic or Pure Research): इसका उद्देश्य किसी घटना की गहरी समझ विकसित करना और ज्ञान का विस्तार करना है। इसका तत्काल कोई व्यावहारिक अनुप्रयोग नहीं हो सकता है, लेकिन यह सिद्धांतों के निर्माण में मदद करता है।
- अनुप्रयुक्त शोध (Applied Research): इसका उद्देश्य किसी विशिष्ट व्यावहारिक समस्या का समाधान खोजना है। आपदा जोखिम प्रबंधन में अधिकांश शोध अनुप्रयुक्त प्रकृति का होता है, जैसे कि अधिक प्रभावी प्रारंभिक चेतावनी प्रणाली विकसित करना।
3. डेटा के प्रकार के आधार पर:
- गुणात्मक शोध (Qualitative Research): यह गैर-संख्यात्मक डेटा, जैसे साक्षात्कार, अवलोकन और पाठ्य विश्लेषण पर केंद्रित है। यह ‘क्यों’ और ‘कैसे’ जैसे प्रश्नों की गहराई से पड़ताल करता है। यह आपदा के बाद समुदायों के अनुभवों को समझने के लिए उपयोगी है।
- मात्रात्मक शोध (Quantitative Research): यह संख्यात्मक डेटा और सांख्यिकीय विश्लेषण से संबंधित है। यह ‘कितना’ या ‘कितने’ जैसे प्रश्नों का उत्तर देता है। यह परिकल्पनाओं का परीक्षण करने और परिणामों को एक बड़ी आबादी पर सामान्यीकृत करने के लिए उपयोग किया जाता है।
व्यवहार में, एक ही शोध अध्ययन में अक्सर इन प्रकारों का मिश्रण उपयोग किया जाता है, जिसे मिश्रित-विधि शोध (mixed-methods research) कहा जाता है, ताकि विषय की व्यापक समझ प्राप्त हो सके।
Q2. साहित्य की समीक्षा की प्रक्रिया को समझाइए।
Ans. साहित्य की समीक्षा (Review of Literature) किसी विशेष विषय पर मौजूदा शोध और प्रकाशनों का एक व्यापक सारांश और मूल्यांकन है। यह किसी भी शोध परियोजना का एक महत्वपूर्ण हिस्सा है क्योंकि यह शोधकर्ता को विषय की वर्तमान समझ को स्थापित करने, शोध में कमियों (research gaps) की पहचान करने और अपने काम को मौजूदा ज्ञान के संदर्भ में रखने में मदद करता है। यह दोहराव से बचने और एक मजबूत सैद्धांतिक ढांचा बनाने के लिए आवश्यक है।
साहित्य की समीक्षा की प्रक्रिया में कई व्यवस्थित चरण शामिल होते हैं:
1. मुख्य शब्दों (Keywords) की पहचान करना: प्रक्रिया का पहला चरण शोध समस्या या प्रश्न से संबंधित मुख्य अवधारणाओं और शब्दों की पहचान करना है। ये शब्द अकादमिक डेटाबेस और खोज इंजनों में प्रासंगिक साहित्य खोजने के लिए आधार बनेंगे।
2. साहित्य का पता लगाना: मुख्य शब्दों का उपयोग करके, शोधकर्ता विभिन्न स्रोतों से साहित्य खोजना शुरू करता है। इन स्रोतों में शामिल हैं:
- अकादमिक पत्रिकाएं (Academic Journals): जैसे Scopus, Web of Science, Google Scholar, JSTOR।
- पुस्तकें और संपादित खंड: विषय पर गहन जानकारी के लिए।
- सम्मेलन की कार्यवाही (Conference Proceedings): नवीनतम शोध निष्कर्षों के लिए।
- सरकारी और गैर-सरकारी संगठनों की रिपोर्टें: विशेषकर आपदा प्रबंधन जैसे क्षेत्रों में व्यावहारिक डेटा के लिए।
- शोध-प्रबंध और थीसिस (Dissertations and Theses): विस्तृत शोध कार्यों के लिए।
3. स्रोतों का मूल्यांकन और चयन: सभी पाए गए स्रोत समान रूप से उपयोगी नहीं होते हैं। शोधकर्ता को प्रत्येक स्रोत की प्रासंगिकता, विश्वसनीयता और गुणवत्ता का मूल्यांकन करना चाहिए। सहकर्मी-समीक्षित (peer-reviewed) लेखों को प्राथमिकता दी जानी चाहिए क्योंकि वे अकादमिक कठोरता के एक मानक को पूरा करते हैं। स्रोत कितना हाल का है, यह भी महत्वपूर्ण है।
4. विषय-वस्तु, बहसें और कमियों की पहचान करना: इस चरण में, शोधकर्ता चयनित साहित्य को ध्यान से पढ़ता है और उसका विश्लेषण करता है। लक्ष्य केवल सारांशित करना नहीं है, बल्कि प्रमुख विषयों, आवर्ती विचारों, लेखकों के बीच परस्पर विरोधी तर्कों (बहसों) और उन क्षेत्रों की पहचान करना है जिनका अभी तक पर्याप्त अध्ययन नहीं किया गया है (कमियां)। यह कमी ही शोधकर्ता के अध्ययन का औचित्य बनती है।
5. समीक्षा की संरचना करना: एकत्रित जानकारी को तार्किक रूप से व्यवस्थित किया जाना चाहिए। सामान्य संरचनाओं में शामिल हैं:
- कालानुक्रमिक (Chronological): समय के साथ विषय की समझ कैसे विकसित हुई है, यह दिखाने के लिए प्रकाशन की तारीख के अनुसार व्यवस्थित करना।
- विषयगत (Thematic): साहित्य को प्रमुख विषयों या अवधारणाओं के आसपास व्यवस्थित करना।
- पद्धतिगत (Methodological): विभिन्न शोध पद्धतियों पर ध्यान केंद्रित करना जो विषय का अध्ययन करने के लिए उपयोग की गई हैं।
6. समीक्षा लिखना: अंतिम चरण संश्लेषण (synthesis) और लेखन है। एक अच्छी साहित्य समीक्षा केवल स्रोतों की एक सूची नहीं है; यह एक विश्लेषणात्मक निबंध है जो विभिन्न स्रोतों से विचारों को एकीकृत करता है, उनकी आलोचनात्मक जांच करता है, और उन्हें शोधकर्ता के अपने शोध प्रश्न से जोड़ता है। इसे स्पष्ट रूप से बताना चाहिए कि मौजूदा साहित्य क्या कहता है और आपका अध्ययन उस ज्ञान में क्या नया योगदान देगा। यह एक सतत प्रक्रिया है जो शोध के दौरान विकसित हो सकती है।
Q3. एक शोध की समस्या को परिभाषित कीजिए और उसके घटकों का परीक्षण कीजिए।
Ans.
शोध समस्या की परिभाषा एक शोध समस्या एक विशिष्ट मुद्दा, कठिनाई, विरोधाभास या ज्ञान में एक कमी है जिसे एक शोधकर्ता अपने अध्ययन के माध्यम से संबोधित करने या जांच करने का लक्ष्य रखता है। यह एक प्रश्न के रूप में एक कथन है जो जांच की आवश्यकता को इंगित करता है। एक अच्छी तरह से परिभाषित शोध समस्या किसी भी शोध परियोजना की नींव होती है, क्योंकि यह शोध के डिजाइन, डेटा संग्रह और विश्लेषण का मार्गदर्शन करती है। एक अच्छी शोध समस्या स्पष्ट, व्यवहार्य, महत्वपूर्ण और नैतिक होनी चाहिए। यह न तो बहुत व्यापक होनी चाहिए और न ही बहुत संकीर्ण, बल्कि एक केंद्रित जांच की अनुमति देनी चाहिए।
शोध समस्या के घटक एक शोध समस्या को प्रभावी ढंग से तैयार करने के लिए, इसके प्रमुख घटकों को समझना महत्वपूर्ण है। आम तौर पर, एक शोध समस्या में निम्नलिखित चार घटक होते हैं:
1. संदर्भ/पृष्ठभूमि (The Context/Background): यह वह व्यापक क्षेत्र है जिसमें समस्या स्थित है। यह पाठक को विषय के बारे में आवश्यक पृष्ठभूमि जानकारी प्रदान करता है और समस्या को एक बड़े परिप्रेक्ष्य में रखता है। उदाहरण के लिए, यदि शोध समस्या तटीय समुदायों में आपदा तैयारी से संबंधित है, तो संदर्भ में जलवायु परिवर्तन के कारण समुद्री स्तर में वृद्धि और चक्रवातों की बढ़ती आवृत्ति का वर्णन शामिल हो सकता है। यह बताता है कि यह विषय क्यों प्रासंगिक है।
2. कमी (The Gap): यह शोध समस्या का मूल है। यह संदर्भ के भीतर वह विशिष्ट मुद्दा है जिसे संबोधित नहीं किया गया है या जिसे अच्छी तरह से समझा नहीं गया है। यह कमी कई रूपों में हो सकती है:
- ज्ञान में कमी: किसी विशेष पहलू के बारे में जानकारी का अभाव।
- विरोधाभासी निष्कर्ष: पिछले अध्ययनों में परस्पर विरोधी परिणाम मिलना।
- एक अनसुलझी व्यावहारिक समस्या: एक मौजूदा नीति या अभ्यास जो प्रभावी नहीं है।
उदाहरण के लिए, आपदा प्रबंधन के संदर्भ में, एक कमी यह हो सकती है, “हालांकि प्रारंभिक चेतावनी प्रणालियों के लिए प्रौद्योगिकी मौजूद है, लेकिन हम यह नहीं समझते हैं कि सामाजिक-सांस्कृतिक बाधाएं दूरदराज के गांवों में लोगों को चेतावनी पर ध्यान देने से क्यों रोकती हैं।”
3. महत्व/प्रासंगिकता (The Significance/Relevance): यह घटक बताता है कि इस समस्या को हल करना क्यों महत्वपूर्ण है। इससे किसे लाभ होगा और निष्कर्षों का क्या संभावित प्रभाव हो सकता है? यह शोध के औचित्य को सही ठहराता है। महत्व अकादमिक (एक सिद्धांत का विस्तार करना), व्यावहारिक (नीति या अभ्यास में सुधार करना), या दोनों हो सकता है। आपदा जोखिम प्रबंधन में, महत्व अक्सर जीवन बचाने, आर्थिक नुकसान को कम करने या सामुदायिक लचीलेपन को बढ़ाने की क्षमता से संबंधित होता है।
4. शोध प्रश्न/उद्देश्य (The Research Questions/Objectives): यह घटक व्यापक शोध समस्या को विशिष्ट, उत्तर देने योग्य प्रश्नों या प्राप्त करने योग्य उद्देश्यों में तोड़ देता है। ये प्रश्न जांच का मार्गदर्शन करते हैं और अध्ययन को केंद्रित रखते हैं। वे स्पष्ट, संक्षिप्त और अनुभवजन्य रूप से जांच योग्य होने चाहिए। उदाहरण के लिए, उपरोक्त कमी के आधार पर, एक शोध प्रश्न हो सकता है: “तटीय समुदायों में प्रारंभिक चेतावनियों के प्रति प्रतिक्रिया को प्रभावित करने वाले प्रमुख सामाजिक-सांस्कृतिक कारक क्या हैं?”
संक्षेप में, एक अच्छी तरह से संरचित शोध समस्या इन सभी घटकों को एकीकृत करती है ताकि एक प्रेरक और केंद्रित अध्ययन के लिए एक स्पष्ट रोडमैप प्रदान किया जा सके।
Q4. किसी परिकल्पना के परीक्षण पर एक लेख लिखिए।
Ans. परिकल्पना का परीक्षण एक सांख्यिकीय प्रक्रिया है जिसका उपयोग शोधकर्ता यह निर्धारित करने के लिए करते हैं कि उनके पास एक परिकल्पना को स्वीकार या अस्वीकार करने के लिए पर्याप्त सबूत हैं या नहीं। एक परिकल्पना दो या दो से अधिक चरों के बीच संबंध के बारे में एक परीक्षण योग्य कथन या भविष्यवाणी है। यह मात्रात्मक शोध की आधारशिला है, जो डेटा-संचालित निर्णय लेने के लिए एक औपचारिक प्रक्रिया प्रदान करती है।
परिकल्पना के प्रकार परीक्षण प्रक्रिया शुरू करने से पहले, दो प्रकार की परिकल्पनाएं तैयार की जाती हैं:
- शून्य परिकल्पना (Null Hypothesis, H₀): यह परिकल्पना बताती है कि चरों के बीच कोई संबंध, कोई प्रभाव या कोई अंतर नहीं है। यह एक तटस्थ या “यथास्थिति” का कथन है जिसे शोधकर्ता अस्वीकार करने का प्रयास करता है। उदाहरण के लिए, “नई शिक्षण पद्धति का छात्रों के अंकों पर कोई प्रभाव नहीं पड़ता है।”
- वैकल्पिक परिकल्पना (Alternative Hypothesis, H₁ or Hₐ): यह परिकल्पना बताती है कि चरों के बीच एक संबंध, प्रभाव या अंतर मौजूद है। यह वह है जो शोधकर्ता वास्तव में मानता है या साबित करने की उम्मीद करता है। उदाहरण के लिए, “नई शिक्षण पद्धति से छात्रों के अंक बढ़ जाते हैं।” यह दिशात्मक (directional) या गैर-दिशात्मक (non-directional) हो सकता है।
परिकल्पना परीक्षण की प्रक्रिया परिकल्पना परीक्षण में कई व्यवस्थित चरण शामिल होते हैं:
1. परिकल्पनाओं को बताना: शोध समस्या के आधार पर स्पष्ट रूप से शून्य (H₀) और वैकल्पिक (H₁) परिकल्पनाओं को परिभाषित करें।
2. सार्थकता स्तर (Significance Level, α) निर्धारित करना: यह शून्य परिकल्पना को तब अस्वीकार करने की संभावना है जब वह वास्तव में सत्य हो (इसे टाइप I त्रुटि कहा जाता है)। सामाजिक विज्ञान में आमतौर पर अल्फा (α) का स्तर 0.05 (5%) या 0.01 (1%) पर निर्धारित किया जाता है। 0.05 का स्तर इंगित करता है कि शोधकर्ता 5% जोखिम लेने को तैयार है कि वह गलती से एक सच्चे शून्य परिकल्पना को अस्वीकार कर देगा।
3. उपयुक्त सांख्यिकीय परीक्षण का चयन करना: परीक्षण का चुनाव डेटा के प्रकार (जैसे, नाममात्र, क्रमसूचक, अंतराल), चरों की संख्या, और शोध डिजाइन पर निर्भर करता है। सामान्य परीक्षणों में टी-टेस्ट (t-test), काई-स्क्वायर टेस्ट (chi-square test), और एनोवा (ANOVA) शामिल हैं।
4. परीक्षण सांख्यिकी (Test Statistic) की गणना करना: चयनित परीक्षण को नमूना डेटा पर लागू किया जाता है ताकि एक मान की गणना की जा सके, जिसे परीक्षण सांख्यिकी कहा जाता है (उदाहरण के लिए, एक टी-मान या काई-स्क्वायर मान)। यह मान मापता है कि नमूना डेटा शून्य परिकल्पना से कितना अलग है।
5. पी-मान (P-value) का निर्धारण करना: पी-मान यह संभावना है कि यदि शून्य परिकल्पना सत्य होती तो देखे गए परिणाम (या उससे अधिक चरम परिणाम) प्राप्त होते। अधिकांश सांख्यिकीय सॉफ्टवेयर (जैसे SPSS) परीक्षण सांख्यिकी के साथ पी-मान की गणना करते हैं।
6. निर्णय लेना: अंतिम चरण पी-मान की तुलना सार्थकता स्तर (α) से करना है:
- यदि पी-मान ≤ α , तो हम शून्य परिकल्पना को अस्वीकार करते हैं। इसका मतलब है कि परिणाम सांख्यिकीय रूप से महत्वपूर्ण हैं और वैकल्पिक परिकल्पना के लिए सबूत प्रदान करते हैं।
- यदि पी-मान > α , तो हम शून्य परिकल्पना को अस्वीकार करने में विफल रहते हैं। इसका मतलब है कि परिणाम सांख्यिकीय रूप से महत्वपूर्ण नहीं हैं और वैकल्पिक परिकल्पना का समर्थन करने के लिए पर्याप्त सबूत नहीं हैं।
यह ध्यान रखना महत्वपूर्ण है कि “शून्य परिकल्पना को स्वीकार करना” सही शब्दावली नहीं है; हम केवल यह निष्कर्ष निकालते हैं कि इसे अस्वीकार करने के लिए पर्याप्त सबूत नहीं हैं। परिकल्पना परीक्षण शोधकर्ताओं को व्यक्तिपरक छापों के बजाय अनुभवजन्य साक्ष्य के आधार पर निष्कर्ष निकालने में सक्षम बनाता है, जिससे वैज्ञानिक जांच की विश्वसनीयता बढ़ती है।
Q5. शोध प्रारूप के विभिन्न प्रकारों का वर्णन कीजिए।
Ans. एक शोध प्रारूप (Research Design) किसी शोध परियोजना को करने के लिए एक रूपरेखा या खाका है। यह उन प्रक्रियाओं का विवरण देता है जो शोध समस्याओं की संरचना करने या उन्हें हल करने के लिए आवश्यक जानकारी प्राप्त करने के लिए आवश्यक हैं। यह सुनिश्चित करता है कि अध्ययन व्यवस्थित रूप से आयोजित किया जाए और शोध प्रश्न का प्रभावी ढंग से उत्तर दिया जाए। शोध प्रारूप का चुनाव शोध के उद्देश्य, शोधकर्ता के प्रश्नों और अध्ययन की जा रही घटना की प्रकृति पर निर्भर करता है।
शोध प्रारूपों को मोटे तौर पर तीन मुख्य प्रकारों में वर्गीकृत किया जा सकता है:
1. अन्वेषणात्मक शोध प्रारूप (Exploratory Research Design):
- उद्देश्य: इस प्रारूप का उपयोग तब किया जाता है जब समस्या स्पष्ट रूप से परिभाषित नहीं होती है। इसका मुख्य लक्ष्य विषय में अंतर्दृष्टि और समझ हासिल करना, विचारों को उत्पन्न करना, परिकल्पनाओं को विकसित करना और आगे के, अधिक संरचित शोध के लिए प्राथमिकताएं निर्धारित करना है।
- विशेषताएं: यह बहुत लचीला, असंरचित और बहुमुखी होता है। यह अक्सर गुणात्मक डेटा संग्रह विधियों पर निर्भर करता है।
- विधियाँ: इसमें साहित्य सर्वेक्षण, विशेषज्ञ साक्षात्कार, फोकस समूह और केस स्टडी जैसी तकनीकें शामिल हैं। उदाहरण के लिए, एक आपदा के बाद एक समुदाय पर अप्रत्याशित मनोवैज्ञानिक प्रभावों का पता लगाने के लिए एक अन्वेषणात्मक अध्ययन किया जा सकता है।
2. वर्णनात्मक शोध प्रारूप (Descriptive Research Design):
- उद्देश्य: जैसा कि नाम से पता चलता है, इस प्रारूप का उद्देश्य किसी जनसंख्या, स्थिति या घटना की विशेषताओं का सटीक और व्यवस्थित रूप से वर्णन करना है। यह “कौन, क्या, कहाँ, कब और कैसे” जैसे प्रश्नों का उत्तर देता है।
- विशेषताएं: यह पूर्व-नियोजित और संरचित होता है। इसमें चरों के बीच कारण-और-प्रभाव संबंध स्थापित करने का प्रयास नहीं किया जाता है, बल्कि केवल घटना का वर्णन किया जाता है।
- उप-प्रकार:
- क्रॉस-सेक्शनल डिज़ाइन (Cross-sectional Design): इसमें एक ही समय में विभिन्न नमूनों से डेटा एकत्र किया जाता है। उदाहरण के लिए, भारत के विभिन्न राज्यों में आपदा तैयारी के स्तर का सर्वेक्षण करना।
- अनुदैर्ध्य डिज़ाइन (Longitudinal Design): इसमें एक ही नमूने से समय-समय पर बार-बार डेटा एकत्र किया जाता है। यह समय के साथ होने वाले परिवर्तनों को ट्रैक करने में मदद करता है, जैसे कि किसी आपदा के बाद वर्षों तक पुनर्प्राप्ति प्रक्रिया का अध्ययन करना।
3. कारणात्मक/प्रयोगात्मक शोध प्रारूप (Causal/Experimental Research Design):
- उद्देश्य: इस प्रारूप का उपयोग चरों के बीच कारण और प्रभाव संबंध निर्धारित करने के लिए किया जाता है। यह परीक्षण करने के लिए डिज़ाइन किया गया है कि एक चर (स्वतंत्र चर) में परिवर्तन दूसरे चर (आश्रित चर) में परिवर्तन का कारण बनता है या नहीं।
- विशेषताएं: इसमें स्वतंत्र चर का हेरफेर (manipulation), बाहरी चरों पर नियंत्रण और प्रतिभागियों का उपचार समूहों में असाइनमेंट शामिल है।
- उप-प्रकार:
- वास्तविक प्रयोगात्मक डिज़ाइन (True Experimental Design): इसमें प्रतिभागियों का समूहों में यादृच्छिक असाइनमेंट, एक नियंत्रण समूह और स्वतंत्र चर का हेरफेर शामिल है। यह कारणता स्थापित करने के लिए सबसे मजबूत डिज़ाइन है।
- अर्ध-प्रयोगात्मक डिज़ाइन (Quasi-Experimental Design): इसमें यादृच्छिक असाइनमेंट का अभाव होता है। यह अक्सर सामाजिक विज्ञान और आपदा अध्ययन जैसे क्षेत्रों में उपयोग किया जाता है जहाँ यादृच्छिक असाइनमेंट संभव या नैतिक नहीं है (उदाहरण के लिए, आप लोगों को यादृच्छिक रूप से आपदा का अनुभव करने के लिए असाइन नहीं कर सकते)।
- पूर्व-प्रयोगात्मक डिज़ाइन (Pre-Experimental Design): इसमें नियंत्रण समूह और/या यादृच्छिकीकरण का अभाव होता है, और यह कारण-और-प्रभाव के बारे में बहुत कमजोर सबूत प्रदान करता है।
संक्षेप में, सही शोध प्रारूप का चयन एक सफल अध्ययन के लिए महत्वपूर्ण है। अन्वेषणात्मक डिजाइन विचारों को उत्पन्न करते हैं, वर्णनात्मक डिजाइन एक तस्वीर चित्रित करते हैं, और कारणात्मक डिजाइन परिकल्पनाओं का परीक्षण करते हैं।
Q6. नमूनाकरण विधियाँ कितने प्रकार की होती हैं?
Ans. नमूनाकरण (Sampling) एक बड़ी आबादी (population) से व्यक्तियों के एक उपसमूह (subset) का चयन करने की प्रक्रिया है ताकि उस पूरी आबादी के बारे में निष्कर्ष निकाला जा सके। यह लागत, समय और व्यावहारिकता के कारणों से पूरी आबादी का अध्ययन करने के बजाय किया जाता है। नमूनाकरण विधियों को मुख्य रूप से दो प्रमुख श्रेणियों में विभाजित किया जा सकता है: संभाव्यता नमूनाकरण और गैर-संभाव्यता नमूनाकरण ।
1. संभाव्यता नमूनाकरण (Probability Sampling) इस विधि में, आबादी के प्रत्येक सदस्य के चुने जाने की एक ज्ञात, गैर-शून्य संभावना होती है। यह पूर्वाग्रह को कम करता है और शोधकर्ताओं को अपने निष्कर्षों को पूरी आबादी पर सांख्यिकीय रूप से सामान्यीकृत करने की अनुमति देता है। यह मात्रात्मक शोध के लिए पसंदीदा तरीका है। इसके मुख्य प्रकार हैं:
- सरल यादृच्छिक नमूनाकरण (Simple Random Sampling): आबादी के प्रत्येक सदस्य के चुने जाने की समान संभावना होती है। यह लॉटरी निकालने जैसा है।
- व्यवस्थित नमूनाकरण (Systematic Sampling): एक सूची से प्रत्येक n-वें सदस्य का चयन किया जाता है, जिसमें शुरुआत एक यादृच्छिक बिंदु से होती है। उदाहरण के लिए, 1000 लोगों की सूची से हर 10वें व्यक्ति का चयन करना।
- स्तरीकृत नमूनाकरण (Stratified Sampling): आबादी को सजातीय उपसमूहों (strata) में विभाजित किया जाता है (जैसे, आयु, लिंग, आय के आधार पर), और फिर प्रत्येक स्तर से एक सरल यादृच्छिक नमूना लिया जाता है। यह सुनिश्चित करता है कि प्रमुख उपसमूहों का नमूने में पर्याप्त प्रतिनिधित्व हो।
- क्लस्टर नमूनाकरण (Cluster Sampling): आबादी को समूहों (clusters) में विभाजित किया जाता है, जो अक्सर भौगोलिक क्षेत्रों (जैसे, शहर, गांव) पर आधारित होते हैं। फिर, कुछ समूहों को यादृच्छिक रूप से चुना जाता है, और चुने गए समूहों के सभी सदस्यों या कुछ सदस्यों का सर्वेक्षण किया जाता है। यह तब उपयोगी होता है जब आबादी बहुत बड़ी और फैली हुई हो।
2. गैर-संभाव्यता नमूनाकरण (Non-Probability Sampling) इस विधि में, चयन शोधकर्ता के निर्णय या सुविधा पर आधारित होता है, और आबादी के प्रत्येक सदस्य के चुने जाने की संभावना अज्ञात होती है। ये निष्कर्ष आम तौर पर पूरी आबादी पर सामान्यीकृत नहीं किए जा सकते हैं, लेकिन वे खोजपूर्ण और गुणात्मक अध्ययनों के लिए उपयोगी होते हैं। इसके मुख्य प्रकार हैं:
- सुविधा नमूनाकरण (Convenience Sampling): प्रतिभागियों का चयन इसलिए किया जाता है क्योंकि वे शोधकर्ता के लिए आसानी से उपलब्ध होते हैं। यह सबसे कम कठोर तरीका है लेकिन त्वरित और सस्ता है।
- उद्देश्यपूर्ण या निर्णयात्मक नमूनाकरण (Purposive or Judgmental Sampling): शोधकर्ता अपने निर्णय का उपयोग करके उन प्रतिभागियों का चयन करता है जो अध्ययन के लिए सबसे अधिक जानकारीपूर्ण होंगे। उदाहरण के लिए, किसी विशिष्ट आपदा के बारे में जानने के लिए केवल अनुभवी बचाव कर्मियों का साक्षात्कार करना।
- स्नोबॉल नमूनाकरण (Snowball Sampling): प्रारंभिक प्रतिभागियों से अन्य संभावित प्रतिभागियों को संदर्भित करने के लिए कहा जाता है जो अध्ययन के मानदंडों को पूरा करते हैं। यह उन आबादी तक पहुंचने के लिए उपयोगी है जिन्हें खोजना मुश्किल है, जैसे कि आपदा के बाद विस्थापित लोग।
- कोटा नमूनाकरण (Quota Sampling): यह स्तरीकृत नमूनाकरण के समान है जिसमें आबादी को उपसमूहों में विभाजित किया जाता है। हालांकि, प्रत्येक उपसमूह के भीतर से नमूना चयन यादृच्छिक नहीं होता है; यह सुविधा या निर्णय पर आधारित होता है जब तक कि एक पूर्व निर्धारित कोटा पूरा नहीं हो जाता।
सही नमूनाकरण विधि का चुनाव शोध के उद्देश्यों, उपलब्ध संसाधनों, समय की कमी और अध्ययन की जा रही आबादी की प्रकृति पर निर्भर करता है।
Q7. सामाजिक विज्ञान के लिए सांख्यिकीय पैकेज की आवश्यकता और इसमें शामिल डेटा विश्लेषण की प्रक्रिया पर चर्चा कीजिए।
Ans.
सामाजिक विज्ञान के लिए सांख्यिकीय पैकेज (SPSS) की आवश्यकता सामाजिक विज्ञान के लिए सांख्यिकीय पैकेज (Statistical Package for the Social Sciences – SPSS) एक शक्तिशाली सॉफ्टवेयर है जिसका व्यापक रूप से सामाजिक विज्ञान, स्वास्थ्य विज्ञान, बाजार अनुसंधान और आपदा प्रबंधन जैसे क्षेत्रों में मात्रात्मक डेटा विश्लेषण के लिए उपयोग किया जाता है। इसकी आवश्यकता कई कारणों से उत्पन्न होती है:
- दक्षता और सटीकता: SPSS जटिल सांख्यिकीय गणनाओं को स्वचालित करता है, जिससे मैन्युअल गणना की तुलना में मानव त्रुटि की संभावना कम हो जाती है और समय की भारी बचत होती है।
- बड़े डेटासेट को संभालना: यह बड़ी मात्रा में डेटा को प्रबंधित और विश्लेषण करने में सक्षम है, जिसे मैन्युअल रूप से संभालना असंभव होगा। एक सर्वेक्षण जिसमें हजारों उत्तरदाता शामिल हों, का विश्लेषण मिनटों में किया जा सकता है।
- सांख्यिकीय परीक्षणों की विस्तृत श्रृंखला: यह बुनियादी वर्णनात्मक आंकड़ों (जैसे, माध्य, माध्यिका) से लेकर उन्नत अनुमानित आंकड़ों (जैसे, टी-टेस्ट, एनोवा, प्रतिगमन विश्लेषण, कारक विश्लेषण) तक सांख्यिकीय परीक्षणों की एक विस्तृत श्रृंखला प्रदान करता है।
- डेटा प्रबंधन: SPSS डेटा प्रविष्टि, डेटा सफाई (जैसे, लुप्त मानों की पहचान करना), और डेटा परिवर्तन (जैसे, चरों को पुन: कोड करना) के लिए मजबूत उपकरण प्रदान करता है, जो विश्लेषण से पहले डेटा तैयार करने के लिए महत्वपूर्ण है।
- विज़ुअलाइज़ेशन: यह चार्ट, ग्राफ़ और तालिकाओं को आसानी से बनाने की अनुमति देता है, जो डेटा को समझने और निष्कर्षों को प्रभावी ढंग से प्रस्तुत करने में मदद करता है।
SPSS में डेटा विश्लेषण की प्रक्रिया SPSS में डेटा विश्लेषण एक व्यवस्थित प्रक्रिया का पालन करता है:
1. डेटा प्रविष्टि और परिभाषा (Data Entry and Definition):
- सबसे पहले, SPSS में ‘Variable View’ पर जाकर प्रत्येक चर (variable) को परिभाषित किया जाता है। इसमें चर का नाम, प्रकार (संख्यात्मक, स्ट्रिंग), लेबल (विस्तृत नाम), मान (जैसे, 1=पुरुष, 2=महिला), लुप्त मान आदि निर्दिष्ट करना शामिल है।
- इसके बाद, ‘Data View’ में स्विच करके कच्चा डेटा दर्ज किया जाता है। प्रत्येक पंक्ति एक केस (जैसे, एक उत्तरदाता) का प्रतिनिधित्व करती है और प्रत्येक कॉलम एक चर का प्रतिनिधित्व करता है।
2. डेटा सफाई (Data Cleaning):
- विश्लेषण से पहले, डेटा में त्रुटियों की जांच करना आवश्यक है। इसके लिए, आवृत्तियों (Frequencies) और वर्णनात्मक आंकड़ों (Descriptives) को चलाकर डेटा प्रविष्टि में गलतियों, बाहरी मानों (outliers) या विसंगतियों की जांच की जाती है। लुप्त मानों को उचित रूप से संभाला जाता है।
3. डेटा परिवर्तन (Data Transformation):
- यदि आवश्यक हो, तो ‘Compute Variable’ कमांड का उपयोग करके मौजूदा चरों से नए चर बनाए जा सकते हैं (जैसे, कई प्रश्नों से एक समग्र स्कोर बनाना)। ‘Recode into Same/Different Variables’ का उपयोग करके चरों को पुन: कोडित किया जा सकता है (जैसे, आयु को आयु समूहों में बदलना)।
4. विश्लेषण चलाना (Running Analysis):
- शोध प्रश्नों और परिकल्पनाओं के आधार पर उपयुक्त सांख्यिकीय परीक्षण का चयन किया जाता है। यह SPSS मेनू के ‘Analyze’ टैब के माध्यम से किया जाता है। उदाहरण के लिए:
- वर्णनात्मक आँकड़ों के लिए: Analyze → Descriptive Statistics → Frequencies/Descriptives.
- टी-टेस्ट के लिए: Analyze → Compare Means → Independent-Samples T-Test.
- सहसंबंध के लिए: Analyze → Correlate → Bivariate.
5. आउटपुट की व्याख्या (Interpreting the Output):
- SPSS एक अलग ‘Output’ विंडो में तालिकाओं, चार्ट और आंकड़ों के साथ परिणाम उत्पन्न करता है। शोधकर्ता को इन तालिकाओं को पढ़ना और समझना चाहिए। इसमें मुख्य रूप से सार्थकता मान (‘Sig.’ या p-value), परीक्षण सांख्यिकी (जैसे, t-value), और प्रभाव आकार को देखना शामिल है ताकि यह निष्कर्ष निकाला जा सके कि परिकल्पना का समर्थन किया गया है या नहीं।
संक्षेप में, SPSS मात्रात्मक शोधकर्ताओं के लिए एक अनिवार्य उपकरण है, लेकिन इसके सही उपयोग और परिणामों की सार्थक व्याख्या के लिए सांख्यिकीय ज्ञान आवश्यक है।
Q8. नैतिक दर्शन और अनुसंधान नैतिकता पर एक लेख लिखिए।
Ans. अनुसंधान नैतिकता नैतिक सिद्धांतों और आचरण के नियमों का एक समूह है जो शोधकर्ताओं को उनके काम के दौरान मार्गदर्शन करता है, विशेष रूप से जब इसमें मानव या पशु प्रतिभागी शामिल होते हैं। ये सिद्धांत केवल नियमों की एक सूची नहीं हैं, बल्कि गहरे नैतिक दर्शन में निहित हैं जो सही और गलत के बारे में हमारी समझ को आकार देते हैं। नैतिक दर्शन अनुसंधान नैतिकता के लिए सैद्धांतिक आधार प्रदान करता है।
अनुसंधान नैतिकता को रेखांकित करने वाले प्रमुख नैतिक दर्शन
1. डीओन्टोलॉजी (कर्तव्य-आधारित नैतिकता – Deontology):
- इमैनुएल कांट से जुड़े इस दर्शन का तर्क है कि कुछ कार्य उनके परिणामों की परवाह किए बिना स्वाभाविक रूप से सही या गलत होते हैं। यह नैतिक कर्तव्यों और नियमों पर जोर देता है।
- अनुसंधान में अनुप्रयोग: डीओन्टोलॉजी का अर्थ है कि कुछ नैतिक नियम निरपेक्ष हैं। उदाहरण के लिए, एक शोधकर्ता का यह पूर्ण कर्तव्य है कि वह कभी भी डेटा में हेरफेर न करे, साहित्यिक चोरी न करे, और हमेशा प्रतिभागियों से सूचित सहमति (informed consent) प्राप्त करे। यहाँ, कार्य (सहमति प्राप्त करना) स्वयं में एक नैतिक अनिवार्यता है, भले ही शोध के संभावित लाभ कितने भी महान क्यों न हों।
2. परिणामवाद/उपयोगितावाद (Consequentialism/Utilitarianism):
- जेरेमी बेंथम और जॉन स्टुअर्ट मिल द्वारा प्रतिपादित, यह दर्शन मानता है कि किसी कार्य की नैतिकता उसके परिणामों से निर्धारित होती है। “सही” कार्य वह है जो सबसे बड़ी संख्या में लोगों के लिए सबसे बड़ा लाभ उत्पन्न करता है।
- अनुसंधान में अनुप्रयोग: यह एक जोखिम-लाभ विश्लेषण (risk-benefit analysis) की ओर ले जाता है। एक शोध को नैतिक माना जाता है यदि इसके संभावित लाभ (जैसे, एक नई दवा की खोज, बेहतर आपदा प्रतिक्रिया रणनीति) प्रतिभागियों के लिए संभावित जोखिमों या नुकसान (जैसे, शारीरिक असुविधा, मनोवैज्ञानिक तनाव) से अधिक हों। हालांकि, यह दृष्टिकोण समस्याग्रस्त हो सकता है यदि यह अल्पसंख्यक या कमजोर समूहों के अधिकारों की उपेक्षा करता है।
3. सद्गुण नैतिकता (Virtue Ethics):
- यह दर्शन नियमों या परिणामों के बजाय शोधकर्ता के चरित्र और सद्गुणों पर ध्यान केंद्रित करता है। यह पूछता है: “एक सदाचारी या नैतिक शोधकर्ता क्या करेगा?”
- अनुसंधान में अनुप्रयोग: यह शोधकर्ता में ईमानदारी, सत्यनिष्ठा, निष्पक्षता, करुणा और जिम्मेदारी जैसे गुणों को विकसित करने पर जोर देता है। एक सदाचारी शोधकर्ता केवल नियमों का पालन नहीं करेगा, बल्कि नैतिक दुविधाओं का सामना करने पर सही निर्णय लेने का प्रयास करेगा, हमेशा अपने प्रतिभागियों की भलाई को प्राथमिकता देगा।
इन दर्शनों से निकले अनुसंधान नैतिकता के मूल सिद्धांत
ये दार्शनिक दृष्टिकोण अनुसंधान नैतिकता के मुख्य सिद्धांतों को आधार प्रदान करते हैं, जैसा कि बेलमोंट रिपोर्ट में उल्लिखित है:
- व्यक्तियों के लिए सम्मान (Respect for Persons): यह सिद्धांत मानता है कि व्यक्तियों को स्वायत्त एजेंट के रूप में माना जाना चाहिए और जो लोग कम स्वायत्तता वाले हैं (जैसे, बच्चे, मानसिक रूप से अक्षम व्यक्ति) वे विशेष सुरक्षा के हकदार हैं। यह सूचित सहमति की आवश्यकता का आधार है। (डीओन्टोलॉजिकल आधार)।
- परोपकारिता (Beneficence): इस सिद्धांत के दो भाग हैं: (1) प्रतिभागियों को नुकसान न पहुँचाना (non-maleficence) और (2) संभावित लाभों को अधिकतम करना और संभावित नुकसान को कम करना। (परिणामवादी आधार)।
- न्याय (Justice): यह सिद्धांत अनुसंधान के लाभों और बोझों के उचित वितरण से संबंधित है। यह सुनिश्चित करना चाहिए कि किसी एक समूह (जैसे, गरीब या कमजोर आबादी) पर अनुचित रूप से शोध का बोझ न डाला जाए, जबकि इसके लाभ किसी अन्य समूह को मिलें।
निष्कर्षतः, नैतिक दर्शन अनुसंधान नैतिकता के “क्यों” का उत्तर देता है, जो उन व्यावहारिक नियमों और दिशानिर्देशों के लिए एक ठोस आधार प्रदान करता है जिनका पालन शोधकर्ताओं को वैज्ञानिक जांच की अखंडता और मानव प्रतिभागियों की गरिमा को बनाए रखने के लिए करना चाहिए।
Q9. आपदा जोखिम प्रबन्धन के लिए अनुसंधान में वैज्ञानिक आचरण को मजबूत करने के लिए कार्यवाई के भविष्य के पाठ्यक्रम को स्पष्ट कीजिए।
Ans. आपदा जोखिम प्रबंधन (Disaster Risk Management – DRM) के लिए अनुसंधान में वैज्ञानिक आचरण को मजबूत करना अत्यंत महत्वपूर्ण है, क्योंकि इस क्षेत्र में किया गया शोध सीधे तौर पर जीवन बचाने, आजीविका की रक्षा करने और समुदायों को अधिक लचीला बनाने की क्षमता रखता है। अविश्वसनीय या अनैतिक शोध के गंभीर परिणाम हो सकते हैं। भविष्य में वैज्ञानिक आचरण को मजबूत करने के लिए एक बहु-आयामी दृष्टिकोण की आवश्यकता है:
1. नैतिक अनुसंधान प्रथाओं को बढ़ावा देना:
- विशिष्ट दिशानिर्देश विकसित करना: DRM अनुसंधान के लिए विशेष नैतिक दिशानिर्देश बनाने और लागू करने की आवश्यकता है, जो आपदा पीड़ितों, विस्थापित व्यक्तियों और अन्य कमजोर आबादी के साथ काम करने पर केंद्रित हों।
- नैतिकता प्रशिक्षण और समीक्षा: सभी DRM शोधकर्ताओं के लिए अनिवार्य नैतिकता प्रशिक्षण होना चाहिए। साथ ही, संस्थागत समीक्षा बोर्ड (Institutional Review Boards – IRBs) को मजबूत किया जाना चाहिए और उनमें आपदा संदर्भों के विशेषज्ञ शामिल होने चाहिए।
- “कोई नुकसान न पहुँचाएँ” (Do No Harm) का सिद्धांत: शोधकर्ताओं को यह सुनिश्चित करने के लिए प्रशिक्षित किया जाना चाहिए कि उनका शोध बचे हुए लोगों को फिर से आघात न पहुँचाए, झूठी उम्मीदें पैदा न करे, या स्थानीय संसाधनों पर बोझ न डाले।
2. पद्धतिगत कठोरता को बढ़ाना:
- मिश्रित-विधि दृष्टिकोण: मात्रात्मक डेटा (जैसे, क्षति का आकलन) और गुणात्मक अंतर्दृष्टि (जैसे, सामुदायिक मुकाबला तंत्र) दोनों को पकड़ने के लिए मिश्रित-विधि अनुसंधान के उपयोग को प्रोत्साहित किया जाना चाहिए।
- अनुदैर्ध्य अध्ययन (Longitudinal Studies): तत्काल आपदा के बाद के आकलन से आगे बढ़कर दीर्घकालिक पुनर्प्राप्ति और लचीलापन-निर्माण प्रक्रियाओं को समझने के लिए अनुदैर्ध्य अध्ययनों को बढ़ावा देना चाहिए।
- मानकीकृत प्रोटोकॉल: विभिन्न आपदाओं में बेहतर तुलना और मेटा-विश्लेषण की अनुमति देने के लिए मानकीकृत डेटा संग्रह प्रोटोकॉल और मेट्रिक्स विकसित करने की आवश्यकता है।
3. अंतःविषय सहयोग को बढ़ावा देना:
- आपदा जोखिम एक जटिल समस्या है जिसे किसी एक विषय द्वारा पूरी तरह से नहीं समझा जा सकता है। इसलिए, प्राकृतिक वैज्ञानिकों (जलवायु विज्ञानी, भूविज्ञानी), इंजीनियरों, सामाजिक वैज्ञानिकों (समाजशास्त्री, मानवविज्ञानी) और सार्वजनिक स्वास्थ्य विशेषज्ञों के बीच सहयोग को बढ़ावा देने के लिए मंच और वित्त पोषण तंत्र बनाने की आवश्यकता है।
4. अनुसंधान और अभ्यास के बीच की खाई को पाटना:
- ज्ञान का अनुवाद: शोधकर्ताओं को अकादमिक पत्रों के साथ-साथ नीति संक्षेप (policy briefs), व्यावहारिक दिशानिर्देश और आम जनता के लिए सुलभ रिपोर्ट तैयार करने के लिए प्रोत्साहित किया जाना चाहिए।
- साझेदारी: अकादमिक संस्थानों और आपदा प्रबंधन एजेंसियों (जैसे भारत में NIDM, NDRF) के बीच औपचारिक साझेदारी स्थापित की जानी चाहिए ताकि यह सुनिश्चित हो सके कि शोध मांग-संचालित हो और इसके निष्कर्षों को नीति और कार्रवाई में बदला जा सके।
- सहभागी क्रिया अनुसंधान (Participatory Action Research – PAR): PAR को बढ़ावा दिया जाना चाहिए, जिसमें शोधकर्ता समुदायों और स्थानीय चिकित्सकों के साथ मिलकर ज्ञान और समाधान का सह-निर्माण करते हैं।
5. प्रौद्योगिकी और डेटा विज्ञान का लाभ उठाना:
- बेहतर जोखिम मूल्यांकन, प्रारंभिक चेतावनी और वास्तविक समय की निगरानी के लिए बिग डेटा, आर्टिफिशियल इंटेलिजेंस (AI), रिमोट सेंसिंग और GIS का उपयोग करने वाले अनुसंधान में निवेश करना महत्वपूर्ण है।
- यह सुनिश्चित करना भी आवश्यक है कि डेटा साझाकरण नैतिक और सुरक्षित रूप से किया जाए, जिसमें डेटा स्वामित्व और गोपनीयता के लिए स्पष्ट प्रोटोकॉल हों।
निष्कर्षतः, DRM अनुसंधान में वैज्ञानिक आचरण को मजबूत करने के लिए एक भविष्योन्मुखी दृष्टिकोण में नैतिक अखंडता, पद्धतिगत नवाचार, अंतःविषय सहयोग और ज्ञान को अभ्यास में बदलने की एक मजबूत प्रतिबद्धता का संयोजन शामिल होना चाहिए।
Q10. प्रकाशन नैतिकता में मौजूदा प्रथाओं का परीक्षण कीजिए।
Ans. प्रकाशन नैतिकता (Publication Ethics) उन सिद्धांतों और मानकों का समूह है जो विद्वतापूर्ण संचार की अखंडता को बनाए रखने के लिए लेखकों, संपादकों, सहकर्मी समीक्षकों और प्रकाशकों के आचरण का मार्गदर्शन करते हैं। इसका उद्देश्य यह सुनिश्चित करना है कि शोध निष्कर्षों का प्रसार ईमानदार, निष्पक्ष और पारदर्शी तरीके से हो। मौजूदा प्रथाएं अकादमिक रिकॉर्ड की विश्वसनीयता की रक्षा के लिए डिज़ाइन की गई हैं, लेकिन उन्हें लगातार चुनौतियों का सामना करना पड़ता है।
प्रकाशन नैतिकता में प्रमुख मौजूदा प्रथाएं:
1. लेखकत्व (Authorship):
- मानदंड: अधिकांश पत्रिकाएं ICMJE (इंटरनेशनल कमेटी ऑफ मेडिकल जर्नल एडिटर्स) के मानदंडों का पालन करती हैं। इनके अनुसार, लेखकत्व केवल उन लोगों को दिया जाना चाहिए जिन्होंने: (a) अध्ययन की अवधारणा/डिजाइन, या डेटा अधिग्रहण/विश्लेषण/व्याख्या में पर्याप्त योगदान दिया हो; (b) पांडुलिपि का मसौदा तैयार किया हो या इसकी महत्वपूर्ण बौद्धिक सामग्री के लिए इसे संशोधित किया हो; (c) प्रकाशन के लिए अंतिम संस्करण को मंजूरी दी हो; और (d) काम के सभी पहलुओं के लिए जवाबदेह होने के लिए सहमत हों।
- अनैतिक प्रथाएं: “गिफ्ट ऑथरशिप” (योगदान न करने वाले को लेखक बनाना), “घोस्ट ऑथरशिप” (एक महत्वपूर्ण योगदानकर्ता को छोड़ देना), और लेखकों के क्रम पर विवाद आम मुद्दे हैं।
2. साहित्यिक चोरी (Plagiarism):
- परिभाषा: किसी और के काम, विचारों या शब्दों को उचित श्रेय दिए बिना अपने रूप में प्रस्तुत करना।
- पहचान: पत्रिकाएं अब साहित्यिक चोरी की जांच के लिए नियमित रूप से ‘टर्निटिन’ (Turnitin) या ‘आईथेंटिकेट’ (iThenticate) जैसे सॉफ्टवेयर का उपयोग करती हैं।
- परिणाम: पकड़े जाने पर लेख को वापस लिया जा सकता है (retraction), लेखक को ब्लैकलिस्ट किया जा सकता है, और संस्थागत अनुशासनात्मक कार्रवाई हो सकती है।
3. डेटा फैब्रिकेशन और मिथ्याकरण (Data Fabrication and Falsification):
- परिभाषा: फैब्रिकेशन का अर्थ है डेटा गढ़ना या बनाना, जबकि मिथ्याकरण का अर्थ है वांछित निष्कर्ष का समर्थन करने के लिए मौजूदा डेटा में हेरफेर करना या बदलना। इन्हें सबसे गंभीर वैज्ञानिक कदाचार माना जाता है।
- अभ्यास: कई पत्रिकाएं अब लेखकों से अनुरोध कर सकती हैं कि वे निष्कर्षों को सत्यापित करने के लिए अपना कच्चा डेटा उपलब्ध कराएं।
4. दोहरा और अनावश्यक प्रकाशन (Duplicate and Redundant Publication):
- परिभाषा: एक ही शोध पत्र या काफी हद तक समान डेटा को एक से अधिक पत्रिकाओं में उचित क्रॉस-रेफरेंसिंग के बिना प्रकाशित करना। इसे “सलामी स्लाइसिंग” भी कहा जाता है।
- नीति: अधिकांश पत्रिकाएं लेखकों से यह पुष्टि करने की मांग करती हैं कि पांडुलिपि कहीं और विचाराधीन नहीं है।
5. सहकर्मी समीक्षा प्रक्रिया (Peer Review Process):
- नैतिक कर्तव्य: सहकर्मी समीक्षकों का नैतिक कर्तव्य है कि वे निष्पक्ष, रचनात्मक और समय पर प्रतिक्रिया प्रदान करें। उन्हें गोपनीयता बनाए रखनी चाहिए और किसी भी हित के टकराव (conflict of interest) की घोषणा करनी चाहिए।
- प्रकार: सिंगल-ब्लाइंड (समीक्षक लेखक की पहचान जानता है), डबल-ब्लाइंड (कोई भी एक-दूसरे की पहचान नहीं जानता), और ओपन पीयर रिव्यू जैसी प्रथाएं मौजूद हैं।
6. हितों का टकराव (Conflict of Interest – COI):
- अभ्यास: लेखकों, समीक्षकों और संपादकों को किसी भी वित्तीय या व्यक्तिगत संबंधों का खुलासा करना चाहिए जो उनके काम या निर्णय को संभावित रूप से प्रभावित कर सकते हैं। यह पारदर्शिता सुनिश्चित करता है।
निष्कर्ष: प्रकाशन नैतिकता समिति (Committee on Publication Ethics – COPE) जैसी संस्थाएं पत्रिकाओं को इन नैतिक मुद्दों से निपटने में मदद करने के लिए दिशानिर्देश और फ्लोचार्ट प्रदान करती हैं। हालांकि मजबूत प्रथाएं मौजूद हैं, लेकिन उन्हें विश्व स्तर पर और लगातार लागू करना एक चुनौती बनी हुई है। “प्रकाशित करो या नष्ट हो जाओ” (publish or perish) की संस्कृति का दबाव अक्सर शोधकर्ताओं को शॉर्टकट लेने और अनैतिक प्रथाओं में शामिल होने के लिए प्रेरित करता है। इसलिए, इन मानकों को बनाए रखने के लिए पूरे अकादमिक समुदाय से निरंतर सतर्कता और शिक्षा की आवश्यकता है।
IGNOU MPA-035 Previous Year Solved Question Paper in English
Q1. Discuss the various types of research.
Ans. Research is a systematic inquiry aimed at discovering new knowledge or revising existing knowledge. It can be classified into various types based on different criteria. Understanding the types of research helps a researcher select the most appropriate methodology for their study’s needs. Research is primarily classified on the following bases: 1. Based on Purpose:
- Descriptive Research: Its main objective is to accurately describe the characteristics of a particular situation, group, or phenomenon. It answers the question of “what is.” For instance, studying the socio-economic status of people in a disaster-prone area. It includes methods like surveys, case studies, and observations.
- Correlational Research: This examines the relationship between two or more variables. It does not determine that one variable causes another, but only that they are related in some way. For example, studying the relationship between literacy rates and the level of disaster preparedness.
- Explanatory (Causal) Research: Also known as causal research, its purpose is to establish a cause-and-effect relationship between variables. It answers the “why” question. It often involves experimental designs where one variable is manipulated to observe its effect on another.
- Exploratory Research: This is conducted when a problem has not been clearly defined. Its goal is to gather preliminary information, develop hypotheses, and establish a foundation for further research.
2. Based on Application:
- Basic or Pure Research: This aims to expand knowledge and develop theories for a better understanding of a phenomenon. It may not have an immediate practical application but helps in theory-building.
- Applied Research: This aims to find a solution for a specific, practical problem. Most research in disaster risk management is applied in nature, such as developing a more effective early warning system.
3. Based on Type of Data:
- Qualitative Research: This focuses on non-numerical data, such as interviews, observations, and textual analysis. It delves deep into questions of ‘why’ and ‘how’. It is useful for understanding the experiences of communities post-disaster.
- Quantitative Research: This deals with numerical data and statistical analysis. It answers questions of ‘how much’ or ‘how many’. It is used to test hypotheses and generalize results to a larger population.
In practice, a single research study often uses a combination of these types, known as
mixed-methods research
, to gain a comprehensive understanding of the subject.
Q2. Explain the process of review of literature.
Ans. A review of literature is a comprehensive summary and evaluation of existing research and publications on a specific topic. It is a critical part of any research project as it helps the researcher to establish the current understanding of the topic, identify gaps in the research, and position their own work within the context of existing knowledge. It is essential for avoiding duplication and for building a robust theoretical framework. The process of conducting a literature review involves several systematic steps: 1. Identify Keywords: The first step of the process is to identify the key concepts and terms related to the research problem or question. These terms will form the basis for searching for relevant literature in academic databases and search engines. 2. Locate Literature: Using the keywords, the researcher begins to search for literature from various sources. These sources include:
- Academic Journals: Such as Scopus, Web of Science, Google Scholar, JSTOR.
- Books and Edited Volumes: For in-depth information on the topic.
- Conference Proceedings: For the latest research findings.
- Government and NGO Reports: For practical data, especially in fields like disaster management.
- Dissertations and Theses: For detailed research works.
3. Evaluate and Select Sources:
Not all sources found are equally useful. The researcher must evaluate the relevance, credibility, and quality of each source. Peer-reviewed articles should be prioritized as they meet a standard of academic rigor. The recency of the source is also important.
4. Identify Themes, Debates, and Gaps:
In this step, the researcher reads and analyzes the selected literature carefully. The goal is not just to summarize but to identify major themes, recurring ideas, conflicting arguments (debates) among authors, and areas that have not yet been sufficiently studied (gaps). This gap is what justifies the researcher’s study.
5. Structure the Review:
The gathered information must be organized logically. Common structures include:
- Chronological: Organizing by publication date to show how the understanding of the topic has evolved over time.
- Thematic: Organizing the literature around key themes or concepts.
- Methodological: Focusing on the different research methods that have been used to study the topic.
6. Write the Review:
The final step is synthesis and writing. A good literature review is not just a list of summaries; it is an analytical essay that integrates ideas from different sources, critically examines them, and connects them to the researcher’s own research question. It should clearly state what the existing literature says and what new contribution your study will make to that knowledge. It is an ongoing process that may evolve during the research.
Q3. Define a research problem and examine its components.
Ans. Definition of a Research Problem A research problem is a specific issue, difficulty, contradiction, or a gap in knowledge that a researcher aims to address or investigate through their study. It is a statement in the form of a question that points to the need for an inquiry. A well-defined research problem is the foundation of any research project, as it guides the research design, data collection, and analysis. A good research problem should be clear, feasible, significant, and ethical . It should be neither too broad nor too narrow, but allow for a focused investigation. Components of a Research Problem To formulate a research problem effectively, it is crucial to understand its key components. Generally, a research problem consists of the following four components: 1. The Context/Background: This is the broader area in which the problem is situated. It provides the reader with the necessary background information about the topic and places the problem in a larger perspective. For instance, if the research problem is related to disaster preparedness in coastal communities, the context might describe the rising sea levels and increasing frequency of cyclones due to climate change. It explains why the topic is relevant. 2. The Gap: This is the core of the research problem. It is the specific issue within the context that has not been addressed or is not well understood. This gap can take several forms:
- A gap in knowledge: A lack of information about a particular aspect.
- Contradictory findings: Conflicting results in previous studies.
- An unsolved practical problem: An existing policy or practice that is not effective.
For example, in the context of disaster management, a gap might be, “While technology for early warning systems exists, we do not understand why socio-cultural barriers prevent people in remote villages from heeding warnings.”
3. The Significance/Relevance:
This component explains why it is important to solve this problem. Who will benefit from it and what are the potential impacts of the findings? It justifies the rationale for the research. The significance can be academic (extending a theory), practical (improving policy or practice), or both. In disaster risk management, the significance often relates to the potential to save lives, reduce economic losses, or enhance community resilience.
4. The Research Questions/Objectives:
This component breaks down the broader research problem into specific, answerable questions or achievable objectives. These questions guide the investigation and keep the study focused. They should be clear, concise, and empirically testable. For example, based on the gap above, a research question could be: “What are the key socio-cultural factors that influence the response to early warnings in coastal communities?”
In summary, a well-structured research problem integrates all these components to provide a clear roadmap for a compelling and focused study.
Q4. Write a note on testing of a hypothesis.
Ans. Hypothesis testing is a statistical procedure used by researchers to determine whether they have enough evidence in a sample of data to accept or reject a hypothesis about a population. A hypothesis is a testable statement or prediction about the relationship between two or more variables. It is a cornerstone of quantitative research, providing a formal process for data-driven decision-making. Types of Hypotheses Before starting the testing process, two types of hypotheses are formulated:
- Null Hypothesis (H₀): This hypothesis states that there is no relationship, no effect, or no difference between the variables. It is a statement of neutrality or “status quo” that the researcher attempts to disprove. For example, “The new teaching method has no effect on student scores.”
- Alternative Hypothesis (H₁ or Hₐ): This hypothesis states that a relationship, effect, or difference exists between the variables. It is what the researcher actually believes or hopes to prove. For example, “The new teaching method increases student scores.” It can be directional or non-directional.
The Process of Hypothesis Testing
Hypothesis testing involves several systematic steps:
1. State the Hypotheses:
Clearly define the null (H₀) and alternative (H₁) hypotheses based on the research problem.
2. Set the Significance Level (α):
This is the probability of rejecting the null hypothesis when it is in fact true (called a Type I error). The alpha (α) level is commonly set at 0.05 (5%) or 0.01 (1%) in social sciences. A level of 0.05 indicates that the researcher is willing to take a 5% risk of incorrectly rejecting a true null hypothesis.
3. Choose the Appropriate Statistical Test:
The choice of test depends on the type of data (e.g., nominal, ordinal, interval), the number of variables, and the research design. Common tests include the t-test, chi-square test, and ANOVA.
4. Calculate the Test Statistic:
The selected test is applied to the sample data to calculate a value, known as the test statistic (e.g., a t-value or chi-square value). This value measures how much the sample data deviates from the null hypothesis.
5. Determine the P-value:
The p-value is the probability of obtaining the observed results (or more extreme results) if the null hypothesis were true. Most statistical software (like SPSS) calculates the p-value along with the test statistic.
6. Make a Decision:
The final step is to compare the p-value to the significance level (α):
- If the p-value ≤ α , we reject the null hypothesis. This means the results are statistically significant and provide evidence for the alternative hypothesis.
- If the p-value > α , we fail to reject the null hypothesis. This means the results are not statistically significant and there is not enough evidence to support the alternative hypothesis.
It is important to note that “accepting the null hypothesis” is not the correct terminology; we simply conclude that there is not enough evidence to reject it. Hypothesis testing enables researchers to draw conclusions based on empirical evidence rather than subjective impressions, thereby increasing the credibility of scientific inquiry.
Q5. Explain the various types of research design.
Ans. A research design is the framework or blueprint for conducting a research project. It details the procedures necessary for obtaining the information needed to structure or solve research problems. It ensures that the study is conducted systematically and that the research question is effectively answered. The choice of research design depends on the research purpose, the researcher’s questions, and the nature of the phenomenon being studied. Research designs can be broadly classified into three main types: 1. Exploratory Research Design:
- Objective: This design is used when the problem is not clearly defined. Its main goal is to gain insights and understanding of the topic, generate ideas, develop hypotheses, and set priorities for further, more structured research.
- Characteristics: It is very flexible, unstructured, and versatile. It often relies on qualitative data collection methods.
- Methods: It includes techniques like literature surveys, expert interviews, focus groups, and case studies. For example, an exploratory study might be conducted to uncover unexpected psychological impacts on a community after a disaster.
2. Descriptive Research Design:
- Objective: As the name suggests, this design aims to accurately and systematically describe the characteristics of a population, situation, or phenomenon. It answers questions like “who, what, where, when, and how.”
- Characteristics: It is pre-planned and structured. It does not attempt to establish a cause-and-effect relationship between variables but only describes the phenomenon.
- Sub-types:
- Cross-sectional Design: Data is collected from different samples at a single point in time. For example, surveying the level of disaster preparedness across different states of India.
- Longitudinal Design: Data is collected from the same sample repeatedly over a period of time. This helps in tracking changes over time, such as studying the recovery process for years after a disaster.
3. Causal/Experimental Research Design:
- Objective: This design is used to determine the cause-and-effect relationship between variables. It is designed to test whether a change in one variable (the independent variable) causes a change in another variable (the dependent variable).
- Characteristics: It involves the manipulation of the independent variable, control over extraneous variables, and assignment of participants to treatment groups.
- Sub-types:
- True Experimental Design: This includes random assignment of participants to groups, a control group, and manipulation of the independent variable. It is the strongest design for establishing causality.
- Quasi-Experimental Design: This lacks random assignment. It is often used in fields like social sciences and disaster studies where random assignment is not feasible or ethical (e.g., you cannot randomly assign people to experience a disaster).
- Pre-Experimental Design: This lacks a control group and/or randomization and provides very weak evidence about cause and effect.
In summary, the selection of the right research design is critical for a successful study. Exploratory designs generate ideas, descriptive designs paint a picture, and causal designs test hypotheses.
Q6. What are the various types of sampling methods?
Ans. Sampling is the process of selecting a subset of individuals from a larger population to draw inferences about the whole population. It is done instead of studying the entire population for reasons of cost, time, and practicality. Sampling methods can be primarily divided into two major categories: probability sampling and non-probability sampling . 1. Probability Sampling In this method, every member of the population has a known, non-zero chance of being selected. This minimizes bias and allows researchers to statistically generalize their findings to the entire population. It is the preferred method for quantitative research. The main types are:
- Simple Random Sampling: Every member of the population has an equal chance of being selected. It is like a lottery draw.
- Systematic Sampling: Every nth member is selected from a list, with the starting point chosen randomly. For example, selecting every 10th person from a list of 1000 people.
- Stratified Sampling: The population is divided into homogeneous subgroups (strata) (e.g., by age, gender, income), and then a simple random sample is taken from each stratum. This ensures that key subgroups are adequately represented in the sample.
- Cluster Sampling: The population is divided into clusters, often based on geographical areas (e.g., cities, villages). Then, some clusters are randomly selected, and all or some members of the selected clusters are surveyed. This is useful when the population is large and widespread.
2. Non-Probability Sampling
In this method, the selection is based on the researcher’s judgment or convenience, and the probability of each member being selected is unknown. The findings cannot be reliably generalized to the whole population, but they are useful for exploratory and qualitative studies.
The main types are:
- Convenience Sampling: Participants are selected because they are easily accessible to the researcher. It is the least rigorous method but is quick and inexpensive.
- Purposive or Judgmental Sampling: The researcher uses their judgment to select participants who will be most informative for the study. For example, interviewing only experienced rescue workers to learn about a specific disaster.
- Snowball Sampling: Initial participants are asked to refer other potential participants who meet the study’s criteria. This is useful for reaching populations that are hard to find, such as displaced people after a disaster.
- Quota Sampling: This is similar to stratified sampling in that the population is divided into subgroups. However, the sample selection within each subgroup is non-random; it is based on convenience or judgment until a predetermined quota is met.
The choice of the right sampling method depends on the research objectives, available resources, time constraints, and the nature of the population being studied.
Q7. Discuss the need of Statistical Package for Social Sciences (SPSS) and the process of data analysis in it.
Ans. Need for Statistical Package for the Social Sciences (SPSS) The Statistical Package for the Social Sciences (SPSS) is a powerful software widely used for quantitative data analysis in fields like social sciences, health sciences, market research, and disaster management. Its need arises for several reasons:
- Efficiency and Accuracy: SPSS automates complex statistical calculations, reducing the likelihood of human error and saving a significant amount of time compared to manual calculations.
- Handling Large Datasets: It is capable of managing and analyzing vast amounts of data that would be impossible to handle manually. A survey involving thousands of respondents can be analyzed in minutes.
- Wide Range of Statistical Tests: It offers a comprehensive range of statistical tests, from basic descriptive statistics (e.g., mean, median) to advanced inferential statistics (e.g., t-tests, ANOVA, regression analysis, factor analysis).
- Data Management: SPSS provides robust tools for data entry, data cleaning (e.g., identifying missing values), and data transformation (e.g., recoding variables), which are crucial for preparing data before analysis.
- Visualization: It allows for the easy creation of charts, graphs, and tables, which helps in understanding the data and presenting the findings effectively.
Process of Data Analysis in SPSS
Data analysis in SPSS follows a systematic process:
1. Data Entry and Definition:
- First, each variable is defined by going to the ‘Variable View’ in SPSS. This involves specifying the variable’s name, type (numeric, string), label (detailed name), values (e.g., 1=Male, 2=Female), missing values, etc.
- Next, the raw data is entered by switching to the ‘Data View’. Each row represents a case (e.g., a respondent) and each column represents a variable.
2. Data Cleaning:
- Before analysis, it is necessary to check for errors in the data. For this, Frequencies and Descriptives are run to check for mistakes in data entry, outliers, or inconsistencies. Missing values are handled appropriately.
3. Data Transformation:
- If necessary, new variables can be created from existing ones using the ‘Compute Variable’ command (e.g., creating a composite score from several questions). Variables can be recoded using ‘Recode into Same/Different Variables’ (e.g., converting age into age groups).
4. Running Analysis:
- The appropriate statistical test is selected based on the research questions and hypotheses. This is done through the ‘Analyze’ tab in the SPSS menu. For example:
- For Descriptive Statistics: Analyze → Descriptive Statistics → Frequencies/Descriptives.
- For t-test: Analyze → Compare Means → Independent-Samples T-Test.
- For Correlation: Analyze → Correlate → Bivariate.
5. Interpreting the Output:
- SPSS generates results in a separate ‘Output’ window with tables, charts, and statistics. The researcher must read and understand these tables. This mainly involves looking at the significance value (‘Sig.’ or p-value), the test statistic (e.g., t-value), and effect sizes to conclude whether the hypothesis is supported or not.
In summary, SPSS is an indispensable tool for quantitative researchers, but statistical knowledge is essential for its correct use and meaningful interpretation of results.
Q8. Write a note on Moral Philosophy and Research Ethics.
Ans. Research ethics is a set of moral principles and rules of conduct that guide researchers in their work, especially when it involves human or animal participants. These principles are not just a list of rules but are rooted in deeper moral philosophies that shape our understanding of right and wrong. Moral philosophy provides the theoretical foundation for research ethics. Key Moral Philosophies Underpinning Research Ethics 1. Deontology (Duty-based ethics):
- Associated with Immanuel Kant, this philosophy argues that certain actions are inherently right or wrong, regardless of their consequences. It emphasizes moral duties and rules.
- Application in Research: Deontology implies that some ethical rules are absolute. For example, a researcher has an absolute duty to never manipulate data, plagiarize, and always obtain informed consent from participants. Here, the act (obtaining consent) is a moral imperative in itself, no matter how great the potential benefits of the research.
2. Consequentialism/Utilitarianism:
- Propounded by Jeremy Bentham and John Stuart Mill, this philosophy holds that the morality of an action is determined by its consequences. The “right” action is the one that produces the greatest good for the greatest number.
- Application in Research: This leads to a risk-benefit analysis . A research is considered ethical if its potential benefits (e.g., discovery of a new drug, better disaster response strategies) outweigh the potential risks or harm to participants (e.g., physical discomfort, psychological stress). However, this approach can be problematic if it neglects the rights of minority or vulnerable groups.
3. Virtue Ethics:
- This philosophy focuses on the character and virtues of the researcher rather than on rules or consequences. It asks: “What would a virtuous or moral researcher do?”
- Application in Research: It emphasizes cultivating virtues like honesty, integrity, fairness, compassion, and responsibility in the researcher. A virtuous researcher would not just follow rules but would strive to make the right judgment when faced with ethical dilemmas, always prioritizing the well-being of their participants.
Core Principles of Research Ethics Derived from These Philosophies
These philosophical approaches provide the basis for the core principles of research ethics, as outlined in documents like the Belmont Report:
- Respect for Persons: This principle recognizes that individuals should be treated as autonomous agents and that those with diminished autonomy (e.g., children, mentally disabled individuals) are entitled to special protection. It is the basis for the requirement of informed consent. (Deontological basis).
- Beneficence: This principle has two parts: (1) do no harm (non-maleficence) and (2) maximize possible benefits and minimize possible harms. (Consequentialist basis).
- Justice: This principle concerns the fair distribution of the benefits and burdens of research. It ensures that one group (e.g., poor or vulnerable populations) is not unfairly burdened with the risks of research while its benefits go to another group.
In conclusion, moral philosophy answers the “why” of research ethics, providing a solid foundation for the practical rules and guidelines that researchers must follow to uphold the integrity of scientific inquiry and the dignity of human participants.
Q9. Elucidate the future course of action for strengthening the scientific conduct in research for disaster risk management.
Ans. Strengthening scientific conduct in research for Disaster Risk Management (DRM) is critically important, as research in this field has the direct potential to save lives, protect livelihoods, and make communities more resilient. Unreliable or unethical research can have severe consequences. A multi-faceted approach is needed to strengthen scientific conduct in the future: 1. Promoting Ethical Research Practices:
- Developing Specific Guidelines: There is a need to create and enforce specific ethical guidelines for DRM research, focusing on working with vulnerable populations like disaster survivors, displaced persons, and others.
- Ethics Training and Review: Mandatory ethics training should be required for all DRM researchers. Also, Institutional Review Boards (IRBs) should be strengthened and include experts in disaster contexts.
- The “Do No Harm” Principle: Researchers must be trained to ensure their research does not re-traumatize survivors, create false hopes, or place a burden on local resources.
2. Enhancing Methodological Rigor:
- Mixed-Methods Approach: The use of mixed-methods research should be encouraged to capture both quantitative data (e.g., damage assessment) and qualitative insights (e.g., community coping mechanisms).
- Longitudinal Studies: There should be a promotion of longitudinal studies to understand long-term recovery and resilience-building processes, moving beyond immediate post-disaster assessments.
- Standardized Protocols: There is a need to develop standardized data collection protocols and metrics to allow for better comparison and meta-analysis across different disasters.
3. Fostering Interdisciplinary Collaboration:
- Disaster risk is a complex problem that cannot be fully understood by any single discipline. Therefore, there is a need to create platforms and funding mechanisms that encourage collaboration between natural scientists (climatologists, geologists), engineers, social scientists (sociologists, anthropologists), and public health experts.
4. Bridging the Gap between Research and Practice:
- Knowledge Translation: Researchers should be encouraged to produce policy briefs, practical guidelines, and accessible reports for the general public alongside academic papers.
- Partnerships: Formal partnerships should be established between academic institutions and disaster management agencies (like NIDM, NDRF in India) to ensure that research is demand-driven and its findings are translated into policy and action.
- Participatory Action Research (PAR): PAR should be promoted, in which researchers collaborate with communities and local practitioners to co-create knowledge and solutions.
5. Leveraging Technology and Data Science:
- Investing in research using Big Data, Artificial Intelligence (AI), remote sensing, and GIS for improved risk assessment, early warning, and real-time monitoring is crucial.
- It is also necessary to ensure that data sharing is done ethically and securely, with clear protocols for data ownership and privacy.
In conclusion, a future-oriented approach to strengthening scientific conduct in DRM research must combine ethical integrity, methodological innovation, interdisciplinary collaboration, and a strong commitment to translating knowledge into practice.
Q10. Examine the existing practices in publication ethics.
Ans. Publication ethics is the set of principles and standards that guide the conduct of authors, editors, peer reviewers, and publishers to maintain the integrity of scholarly communication. It aims to ensure that the dissemination of research findings is done in an honest, fair, and transparent manner. Existing practices are designed to protect the reliability of the academic record, but they face constant challenges. Key Existing Practices in Publication Ethics: 1. Authorship:
- Criteria: Most journals follow the criteria of the ICMJE (International Committee of Medical Journal Editors). According to them, authorship should be granted only to those who have: (a) made substantial contributions to the conception/design of the study, or the acquisition/analysis/interpretation of data; (b) drafted the manuscript or revised it for important intellectual content; (c) given final approval of the version to be published; and (d) agreed to be accountable for all aspects of the work.
- Unethical Practices: “Gift authorship” (including someone who did not contribute), “ghost authorship” (omitting a significant contributor), and disputes over author order are common issues.
2. Plagiarism:
- Definition: Presenting someone else’s work, ideas, or words as one’s own without proper credit.
- Detection: Journals now routinely use software like ‘Turnitin’ or ‘iThenticate’ to screen submissions for plagiarism.
- Consequences: If caught, it can lead to retraction of the paper, blacklisting of the author, and institutional disciplinary action.
3. Data Fabrication and Falsification:
- Definition: Fabrication means making up data, while falsification means manipulating or altering existing data to support a desired conclusion. These are considered the most serious forms of scientific misconduct.
- Practice: Many journals may now request authors to make their raw data available to verify the findings.
4. Duplicate and Redundant Publication:
- Definition: Publishing the same research paper or substantially similar data in more than one journal without proper cross-referencing. This is also known as “salami slicing.”
- Policy: Most journals require authors to confirm that the manuscript is not under consideration elsewhere.
5. Peer Review Process:
- Ethical Duty: Peer reviewers have an ethical duty to provide unbiased, constructive, and timely feedback. They must maintain confidentiality and declare any conflict of interest.
- Types: Practices like single-blind (reviewer knows author’s identity), double-blind (neither knows the other’s identity), and open peer review exist.
6. Conflict of Interest (COI):
- Practice: Authors, reviewers, and editors must disclose any financial or personal relationships that could potentially influence their work or judgment. This ensures transparency.
Conclusion:
Bodies like the Committee on Publication Ethics (COPE) provide guidelines and flowcharts to help journals handle these ethical issues. While robust practices exist, enforcing them globally and consistently remains a challenge. The pressure of the “publish or perish” culture often tempts researchers to take shortcuts and engage in unethical practices. Therefore, constant vigilance and education from the entire academic community are needed to uphold these standards.
Download IGNOU previous Year Question paper download PDFs for MPA-035 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