စုစုပေါင်းစစ်တမ်းအမှား = ကိုယ်စားပြုမှုအမှားအယွင်းများ + တိုင်းတာခြင်းအမှားအယွင်းများ။
နမူနာစစ်တမ်းများကလာသောခန့်မှန်းမကြာခဏမစုံလငျဖြစ်ကြသည်။ ဒါကနမူနာစစ်တမ်း (ကကျောင်းမှာကျောင်းသားဥပမာခန့်မှန်းပျှမ်းမျှအမြင့်) နှင့်လူဦးရေအတွက်စစ်မှန်တဲ့တန်ဖိုး (ကျောင်းထဲမှာကျောင်းသားဥပမာအမှန်တကယ်ပျှမ်းမျှအမြင့်) ကထုတ်လုပ်ခန့်မှန်းချက်များအကြားတစ်ဦးခြားနားချက်များသောအားဖြင့်လည်းမရှိဖြစ်ပါတယ်။ တခါတရံမှာအဲဒီချို့ယွင်းချက်သူတို့အရေးမကြီးဖြစ်ကြောင်းသို့မှသာအသေးသော်လည်း, တစ်ခါတစ်ရံကံမကောင်းသူတို့ကြီးတွေနဲ့လက်ငင်းအကျိုးသက်ရောက်မှုရှိနိုင်ပါသည်။ စုစုပေါင်းစစ်တမ်းအမှားမူဘောင်: တစ်ဦးနားလည်သဘောပေါက်ရန်ကြိုးပမ်းမှု, အတိုင်းအတာများနှင့်အမှားများကိုလျှော့ချခုနှစ်, သုတေသီများတဖြည်းဖြည်းနမူနာစစ်တမ်းများတွင်ပေါ်ထွန်းနိုငျသောအမှားများကိုအဘို့တစ်ခုတည်း, ကျယ်ပြန်အယူအဆရေးရာမူဘောင်တစ်ခုကိုဖန်တီး (Groves and Lyberg 2010) ။ ဒီမူဘောင်၏ဖွံ့ဖြိုးတိုးတက်ရေးကို 1940 ခုနှစ်တွင်စတင်ခဲ့ပြီးပေမယ့်, ငါကဒီဂျစ်တယ်ခေတ်အတွက်ကျွန်တော်တို့ကိုစစ်တမ်းကောက်သုတေသနပြုဘို့နှစ်ခုအထောကျအကူစိတ်ကူးများကမ်းလှမ်းထင်ပါတယ်။
ဘက်လိုက်မှုနှင့်ကှဲလှဲ: ပထမဦးဆုံးစုစုပေါင်းစစ်တမ်းအမှားမူဘောင်အမှားအယွင်းများနှစ်မျိုးရှိပါတယ်ရှငျး။ အကြမ်းအားဖြင့်, ဘက်လိုက်မှုစနစ်တကျအမှားဖြစ်ပြီး, ကှဲလှဲကျပန်းအမှားဖြစ်ပါတယ်။ တနည်းအားဖြင့်အတူတူပင်နမူနာစစ်တမ်း 1000 ပွား running, ပြီးတော့သည်ဤ 1000 ပွားကနေခန့်မှန်းချက်များဖြန့်ဖြူးမှာရှာဖွေနေမြင်ယောင်ကြည့်ပါ။ အဆိုပါဘက်လိုက်မှုကဤပွားခန့်မှန်းချက်များယုတ်နှင့်စစ်မှန်သောတန်ဖိုးကိုအကြားကွာခြားချက်ဖြစ်ပါတယ်။ အဆိုပါကှဲလှဲသောဤခန့်မှန်းချက်များအမျိုးမျိုးပြောင်းလဲဖြစ်ပါတယ်။ အားလုံးတခြားတန်းတူဖြစ်ခြင်း, ငါတို့ဘက်လိုက်မှုနှင့်အသေးစားကှဲလှဲခြင်းမရှိနှင့်အတူတစ်ဦးလုပ်ထုံးလုပ်နည်းချင်ပါတယ်။ ကံမကောင်းစွာပဲ, များစွာသောအစစ်အမှန်ပြဿနာများအတွက်ထိုကဲ့သို့သောအဘယ်သူမျှမ-ဘက်လိုက်မှု, အသေးစား-ကှဲလှဲလုပျထုံးလုပျနညျးဘက်လိုက်မှုနှင့်ကှဲလှဲနေဖြင့်မိတ်ဆက်ပြဿနာတွေကိုထိန်းညှိဖို့ဘယ်လိုဆုံးဖြတ်၏ခက်ခဲအနေအထားတွင်သုတေသီများကိုထည့်လေ့မရှိသောမတည်ရှိပါဘူး။ တချို့ကသုတေသီများအသိဘက်မလိုက်လုပ်ထုံးလုပ်နည်းများကြိုက်တတ်တဲ့, ဒါပေမယ့်ဘက်လိုက်မှုအပေါ်တစ်ဦး Single-စိတ်အာရုံအမှားတစ်ခုဖြစ်နိုင်ပါသည်။ ပန်းတိုင် (ဆိုလိုသည်မှာအသေးဆုံးတတ်နိုင်သမျှအမှားနှင့်အတူ) အမှန်တရားမှတတ်နိုင်သမျှနီးစပ်ကြောင်းခန့်မှန်းထုတ်လုပ်ရန်ဖို့ဖြစ်တယ်လျှင်, သငျသညျသေးငယ်တဲ့ဘက်လိုက်မှုနှင့်ကြောင်းကိုတဦးတည်းနှင့်အတူထက်သေးငယ်တဲ့ကှဲလှဲရှိပါတယ်တဲ့လုပ်ထုံးလုပ်နည်းနှင့်အတူချွတ်ပိုကောင်းပါလိမ့်မယ် ဘက်မလိုက်ပေမယ့်ကြီးမားတဲ့ကှဲလှဲ (ပုံ 3.1) ရှိပါတယ်။ တစ်နည်းအားဖြင့်စုစုပေါင်းစစ်တမ်းအမှားမူဘောင်စစ်တမ်းသုတေသနလုပျထုံးလုပျနညျးအကဲဖြတ်အခါ, သငျသညျဘက်လိုက်မှုနှင့်ကှဲလှဲနှစ်ဦးစလုံးထည့်သွင်းစဉ်းစားသင့်ကြောင်းပြသထားတယ်။
ဒီအခန်းမှာအတော်များများစည်းရုံးတံ့သောစုစုပေါင်းစစ်တမ်းအမှားမူဘောင်ကနေဒုတိယအဓိကထိုးထွင်းသိမြင်မှု, အမှားနှစ်ခုသတင်းရင်းမြစ်ရှိပါတယ်ဆိုတာပါပဲ: သင် (ကိုယ်စားပြုမှု) စကားပြောသူနှင့်ဆက်စပ်သောပြဿနာတွေနဲ့အဲဒီပြောဆိုမှုများကနေလေ့လာသင်ယူသောအရာကိုနှင့်ဆက်စပ်သောပြဿနာများ (တိုင်းတာခြင်း ) ။ ဥပမာအားဖြင့်, သင်သည်ပြင်သစ်တွင်နေထိုင်သောလူကြီးများအကြားအွန်လိုင်း privacy ကိုအကြောင်းကိုသဘောထားတွေခန့်မှန်းစိတ်ဝင်စားဖြစ်လိမ့်မယ်။ ဤအခန့်မှန်းချက်ပြုလုပ်ခြင်းအခြနှစ်ခုကွဲပြားခြားနားသောအမျိုးအစားများကိုလိုအပ်သည်။ ပထမဦးစွာဖြေဆိုသူပေးသောအဖြေကနေသင် (တိုင်းတာခြင်း၏ပြဿနာတစ်ခုဖြစ်သည့်) အွန်လိုင်း privacy ကိုအကြောင်းကိုသူတို့ရဲ့သဘောထားတွေအခြရန်ရှိသည်။ ဒုတိယအချက်မှာဖြေဆိုသူအကြားရည်ညွှန်းသဘောထားတွေကနေသင် (ကိုယ်စားပြုမှု၏ပြဿနာတစ်ခုဖြစ်သည့်) တစ်ဖွဲ့လုံးကလူဦးရေအတွက်သဘောထားတွေအခြရမည်ဖြစ်သည်။ မကောင်းတဲ့စစ်တမ်းမေးခွန်းများကိုအတူပြီးပြည့်စုံသောနမူနာစုံလင်သောစစ်တမ်းမေးခွန်းများကိုနှင့်အတူအလိုတော်မကောင်းတဲ့နမူနာအဖြစ်, မကောင်းတဲ့ခန့်မှန်းချက်ထုတ်လုပ်ပါလိမ့်မယ်။ တနည်းအားဖြင့်အကောင်းခန့်မှန်းချက်တိုင်းတာခြင်းနှင့်ကိုယ်စားပြုမှုမှသံကိုချဉ်းကပ်ရန်လိုအပ်သည်။ ကြောင်းနောက်ခံပေးထားသောငါစစ်တမ်းသုတေသီများအတိတ်တွင်ကိုယ်စားပြုမှုနှင့်တိုင်းတာခြင်းအကြောင်းကိုစဉ်းစားခဲ့ကြပုံကိုပြန်လည်သုံးသပ်ပါလိမ့်မယ်။ ထို့နောက်ငါကိုယ်စားပြုမှုနှင့်တိုင်းတာခြင်းအကြောင်းကိုစိတ်ကူးများဒစ်ဂျစ်တယ်-အသက်အရွယ်စစ်တမ်းသုတေသနကိုလမျးညှနျနိုငျပုံကိုပြသပါလိမ့်မယ်။