పరిశోధనలకు నిలయాలు విశ్వవిద్యాలయాలు. తెలంగాణలోని పది యూనివర్సిటీల్లో ‘సైన్స్’ పరిశోధనలతో పాటు ‘సోషల్ సైన్స్’ పరిశోధనలు కూడా జరుగుతున్నాయి. కొన్ని వర్సిటీల్లో ‘సైన్స్ పరిశోధనల’ కంటే ‘సోషల్ సైన్స్’ పరిశోధక విద్యార్థులే ఎక్కువ ఉన్నారు. ఆర్ట్స్, కామర్స్, మేనేజ్మెంట్ వంటి సబ్జెక్టుల్లో పరిశోధనలను ‘సోషల్ సైన్స్ రీసెర్చ్’గా పేర్కొంటారు. అయితే ‘ఐఐటీ’, ‘ఐఐఎం’ వంటి సంస్థలతో పోల్చుకుంటే విశ్వవిద్యాలయాల్లో ‘సోషల్ సైన్స్’ రీసెర్చ్ అనుకున్న స్థాయిలో లేదనే విమర్శలున్నాయి.
పరిశోధనకు కావలసిన ‘మెథడాలజీ’ని ‘టైటిల్’కు తగ్గట్టుగా పరిశోధక విద్యార్థి ఎంపిక చేసుకుంటున్నప్పటికీ, సరైన
‘స్టాటిస్టికల్ టూల్స్’ను ఎంపిక చేసుకోవటం లేదు. అవగాహనా లేమితో సరైన ‘స్టాటిస్టికల్ టూల్స్’ను ఎంపిక చేసుకోలేక సంప్రాదయ టూల్స్ వాడి ‘కన్ క్లూజన్’కు వస్తున్నారు.దీంతో పరిశోధన నాణ్యత, విశిష్టత కోల్పోతున్నది.
హైపోథిసిస్ను సరైన స్టాటిస్టికల్ టూల్స్ను ఉపయోగించి, టెస్ట్ చేసి వచ్చే ఫలితాలను బట్టి కన్క్లూజన్కు రావడమే
సైంటిఫిక్ లేదా శాస్త్రీయ పరిశోధన ముఖ్య ఉద్దేశం. అలా డాటాను అనాలిసిస్ చేసి ఫలితాలకు ‘ఇంట్రప్రటేషన్’ రాసి దాన్ని ఒక క్రమపద్ధతిలో రిపోర్ట్లో పొందుపరచడమే ‘రిపోర్ట్ రైటింగ్’ అంటారు. ఇది సైంటిఫిక్ పరిశోధనలో చివరి దశ.
పరిశోధనకు రెండు పద్ధతులున్నాయి. మొదటిది.. ‘ఆర్బిట్రరీ’, రెండవది- ‘సైంటిఫిక్ రీసెర్చ్’. ఎటువంటి ఆధారాల్లేకుండా కేవ లం విశ్వాసాలతో ఒక విషయం గురించి చెప్పటమే ‘ఆర్బిట్రరీ కన్క్లూజన్’ అంటారు. ఉదాహరణకు.. ‘చంద్రునిలో ఒక ముసలమ్మ చెట్టుకింద కూర్చున్నది’ అని మన పెద్దవాళ్లు పిల్లలకు చెప్పినట్లు. ఇక రెండవది, ఒక క్రమపద్ధతిలో డేటా సేకరించి, సరైన స్టాటిస్టికల్ టూల్స్ ఉపయోగించడం ద్వారా వచ్చే ఫలితాలను బట్టి ఒక విషయం గురించి చెప్పడమే ‘సైంటిఫిక్’ రీసెర్చ్. సైంటిఫిక్ రీసెర్చ్లో కీలకమైనవి మూడు అంశాలు. మొదటిది ‘డేటా సేకరణ’, రెండవది ‘డేటా అనాలసిస్’, మూడవది ‘రిపోర్ట్ రైటింగ్’. రీసర్చ్లో రెండు రకాలైన డేటాలు పరిశోధకులు వాడుతారు. మొదటిది ‘సెకండరీ డేటా’ కాగా రెండవది ‘ప్రైమరీ డేటా’. ముందుగా ప్రచురించిన సమాచారమే సెకండరీ డేటా. ఉదాహరణకు స్టాక్ మార్కెట్ సమాచారం, దేశీయ జీడీపీ, కంపెనీ లాభనష్టాలు వంటివి.
ఇక ‘ప్రైమరీ డేటా’ ను ఒక నిర్దిష్టమైన పద్ధతి ద్వారా నిర్దిష్ట వ్యక్తి లేదా వ్యక్తుల నుంచి సేకరిస్తారు. ఎవరి నుంచి సమాచారం సేకరిస్తారో వారిని ‘శాంపిల్ యూనిట్’గా పేర్కొంటారు. సెకండరీ డేటా సేకరించడం కంటే ప్రైమరీ డేటా సేకరించడం చాలా క్లిష్టమైనది. నిర్దిష్టమైన, శాంప్లింగ్ టెక్నిక్స్, శాంపిల్ సైజు, నిర్దిష్టమైన సమయం వంటివి కీలకమైనవి. సేకరించిన డేటా ను సరైన స్టాటిస్టికల్ టూల్స్ను ఉపయోగించి, అనాలసిస్ చేయడమే రెండవ దశ. మన వర్సిటీల్లోనే కాదు దేశవ్యాప్తంగా విద్యార్థులు ఎదుర్కొంటున్న ముఖ్యమైన సమస్య ఇది. ప్రైమరీ డేటా అనా లసిస్కు ఎటువంటి స్టాటిస్టికల్ టూల్స్ను ఉపయోగించాలి? అలాగే సెకండరీ డేటా అనాలసిస్కు ఎటువంటి టూల్స్ ఉపయోగించాలి? అనేది మొత్తం పరిశోధనలో కీలక పక్రియ.
‘డేటా అనాలసిస్’ పద్ధతులు రెండు రకాలు. మొదటిది ‘స్టాటిస్టికల్ ఎస్టిమేట్’ కాగా, రెండవది హైపోథిసిస్ టెస్టింగ్. స్టాటిస్టికల్ ఎస్టిమేట్ కింద సాధారణ పారా మీటర్లను ఉపయోగించడం ద్వారా వచ్చే ఫలితాలను బట్టి కన్క్లూజన్కు వస్తా రు. అవి, మధ్యగతం, బహుళకం మొదలగు పారామీటర్లు. ఉదాహరణకు, సచిన్ ఒక మ్యాచ్లో ఎంత స్కోర్ కొడతాడో మధ్యగతం ద్వారా యావరేజ్ స్కోర్ను కనుకుంటాం. దీన్నే ‘డిస్క్రిప్టివ్ రీసెర్చ్’ అంటారు. ఇక రెండవది, ‘హైపోథిసిస్’ను రూపొందించుకొని, ప్రైమరీ డేటా అయితే పారా మెట్రిక్ లేదా నాన్ పారామెట్రిక్ స్టాటిస్టికల్ టూల్స్, లేదా మల్టీ క్రైటీరియా డెసిషన్ మేకింగ్ టూల్స్ ఒకవేళ సెకండరీ డేటా అయితే ఎకనోమెట్రిక్ మోడల్స్ను ఉపయోగించి, హైపోథిసిస్ను టెస్ట్ చేసి, వచ్చే ఫలితాలను బట్టి కన్క్లూజన్కు రావడం. హైపోథిసిస్ అంటే ఒక ఊహ. ఇది సైంటిఫిక్ పరిశోధనల ముఖ్య లక్షణం.
సరైన స్టాటిస్టికల్ టూల్స్ను ఎంపిక చేసుకొని ‘హైపోథిసిస్’ను టెస్ట్ చేయడమే మొత్తం పరిశోధనలో కీలక ప్రక్రియ. ఒకవేళ సెకండరీ డేటాతో హైపోథిసిస్ను టెస్ట్ చేయాలనుకుంటే, ఎకనోమెట్రిక్, మల్టీ క్రైటీరియా డెసిషన్ మేకింగ్ టూల్స్, పలురకాల మోడల్స్ను ఉపయోగించవచ్చు. ఐఐటీ, ఐఐఎం వంటి సంస్థల్లో ఎక్కువగా సెకండరీ డేటా సేకరించి ఎకనోమెట్రిక్ మోడల్ ద్వారా భవిష్యత్ను అంచనా వేసే పరిశోధనలు జరుగుతాయి. ఎకనోమెట్రిక్ మోడల్స్ ఉపయోగించాలంటే కనీసం 30 ఏండ్ల డేటా అవసరం.
ఇక ప్రైమరీ డేటాతో హైపోథిసిస్ను టెస్ట్ చేయాలనుకుంటే, సాధారణంగా యస్పీయస్యస్ లేదా అమోస్ సాఫ్ట్వేర్ను ఉపయోగిస్తాం. మొదటగా హైపోథిసిస్ రూపకల్పన సక్రమంగా ఉండాలి. దానిలో రెండు వేరియబుల్స్ కానీ లేక రెండు అట్రిబ్యూట్స్ లేక ఒక వేరియల్ ఒక అట్రిబ్యూట్ ఉండేవిధంగా రూపకల్పన చేయాలి. హైపోథిసిస్లో ఉండే వేరియబుల్స్ లేదా అట్రిబ్యూట్స్ను ‘ప్రశ్నల పట్టిక’లో కొలిచే పద్ధతిని బట్టి సరైన స్టాటిస్టికల్ టూల్స్ను ఎంపిక చేసుకోవాలి. ఉదాహరణకు, ఒక వ్యక్తి డిజిటల్ పద్ధతి వాడటానికి అతని ఎడ్యుకేషన్కు సంబంధం లేదనే హైపోథిసిస్ రూపొందించుకుంటే.. ఇందులో ఇమి డి ఉన్న రెండు అంశాలను మనం ప్రశ్నల పట్టికలో ఏ విధంగా కొలుస్తామో దాన్నిబట్టి పారా మెట్రిక్ లేదా నాన్ పారా మెట్రిక్ స్టాటిస్టికల్ టూల్స్ను ఎంచుకుంటాం.
స్థూలంగా ప్రశ్నల పట్టికలో మనం ఉపయోగించే కొలమానాన్ని బట్టి సరైన టూల్స్ను ఎంచుకుంటాం. ఇవన్నీ నూతన పరిశోధక విద్యార్థికి తెలియకపోవడం వల్ల సకాలంలో తన పరిశోధక గ్రంథాలను సమర్పించలేక దీర్ఘకాలం విశ్వవిద్యాలయాల్లో కొనసాగుతున్నారు. అందుకే వర్సిటీల ఉపకులపతులు తమ సంస్థల్లో ‘సెంటర్ ఫర్ సోషల్ సైన్స్ రీసెర్చ్’ సెల్ను ఏర్పాటుచేసి విద్యార్థులకు వర్క్షాప్లు ఏర్పాటుచేసినట్లయితే పీహెచ్డీ విద్యార్థులకు మరింత మేలు జరుగుతుంది. తద్వారా మన పరిశోధనలకు తగిన గుర్తింపు లభించే అవకాశం కూడా ఉం టుంది.
(వ్యాసకర్త: కామర్స్ అసిస్టెంట్ ప్రొఫెసర్, స్కూల్ ఆఫ్ కామర్స్ అండ్ ఎకనామిక్స్, ‘కిట్’ యూనివర్సిటీ, ఒడిషా)