కాంప్లెక్స్ పరిశోధనా ఆశ్చర్యకరమైన ఏదో యొక్క ఎవరైనా ఒప్పించేందుకు ఎప్పుడూ. మీరు మనస్సులలో మార్చడం గురించి శ్రద్ధ, అప్పుడు మీ పరిశోధన సాధారణ ఉండాలి.
డిజిటల్ యుగంలో సామాజిక పరిశోధన తరచూ ఫాన్సీ అల్గోరిథంలు మరియు అధునాతన కంప్యూటింగ్, సంక్లిష్టత సంబంధం కలిగి ఉంటుంది. చాలా ఆమోదయోగ్యమైన సామాజిక పరిశోధన అనేది సరళమైన ఎందుకంటే ఈ దురదృష్టకరం. స్పష్టతను, సాధారణ పరిశోధన సులభం పరిశోధన వలె అదే కాదు. నిజానికి, ఇది సాధారణ పరిశోధన సృష్టించడానికి చాలా కష్టం తరచుగా ఉంది.
సాధారణ పరిశోధన ఇష్టపడతారు చాలా ముఖ్యమైన కారణం అది నమ్మశక్యంగా, ఊహించని ఫలితాలు సృష్టించడానికి ఏకైక మార్గం అని ఉంది. ఉదాహరణకు, మీరు కేవలం ఒక అద్భుతమైన క్లిష్టమైన పద్దతి ఉపయోగించి కొన్ని పరిశోధన జరిపింది ఊహించుకోండి. మీ ఫలితాలు మీ అంచనాలకు మ్యాచ్ ఉంటే, అప్పుడు మీరు బహుశా వాటిని అంగీకరించదు. ఊహించని ఫలితాలు ఆమోదించడానికి లేదా క్లిష్టమైన పద్దతి సందేహమే కానీ, మీ ఫలితాలు మీరు ఆశించిన ఏమి భిన్నంగా ఉంటాయి, మీరు రెండు ఎంపికలు ఉన్నాయి. నా గెస్ మీరు మరింత క్లిష్టమైన పద్దతి అనుమానం అవకాశం ఉంది. ఈ ఖచ్చితమైన అర్ధమే అయితే మరింత క్లిష్టమైన పద్దతి, తక్కువ అవకాశం మీరు నిజానికి నమ్మకం అని అనుకోని ఫలితాలు అని అర్థం. కొన్ని సమయంలో, పద్ధతులు మీరు నమ్మకం చేయవచ్చు మాత్రమే ఫలితాలు మీరు అంచనాలను మ్యాచ్ ఉంటాయి తద్వారా కాంప్లెక్స్ తయారవుతుంది. పరిశోధన మీ మనస్సు మార్చడానికి ఉండాలి: ఆ సమయంలో, పరిశోధన చాలా ముఖ్యమైన ఏదో కోల్పోయింది.
ఒకసారి మీరు వేరొకరి మనస్సు మార్చడానికి ప్రయత్నిస్తున్న ప్రారంభించవచ్చు నేను వివరించిన చేసిన ఆ సమస్య మరింత తీవ్రంగా ఉంటుంది. ఎవరో ఒక అనూహ్య ఫలితాన్ని కలిగి పరిశోధనకు ఒక అద్భుతమైన క్లిష్టమైన ముక్క ప్రదర్శించడం ఊహించుకోండి. ఇతర వ్యక్తి కాదు గడిపాడు నెలల మీ కోడ్ రాయడం మరియు వారు ఊహించని ఫలితం అంగీకరించడం లేదా క్లిష్టమైన పద్దతి అనుమానించడం ఎంపిక ఎదుర్కొంటోంది కాబట్టి మీ డేటా ద్వారా పని, వారు దాదాపు క్లిష్టమైన పద్దతి అనుమానం వెళ్తున్నారు. మీరు వారి మనసు మార్చడానికి ఎవరో ఒప్పించి, శ్రద్ధ ఉంటే, అప్పుడు మీ పరిశోధన సాధారణ ఉండాలి.
సాధారణ పరిశోధన ప్రశ్న మరియు సమాచారం మధ్య ఒక సహజ సరిపోతుందని నుండి వస్తుంది; ఇతర మాటలలో, మంచి పరిశోధన రూపకల్పన లో. పేద పరిశోధన రూపకల్పన, అయితే, వారు బాగా సరిపోయే లేని ఒక ప్రశ్నకు మీ డేటా సాగదీయడం నుండి వచ్చిన అగ్లీ సంక్లిష్టత దారితీస్తుంది. ఈ పుస్తకం ప్రశ్న మరియు సమాచారం మధ్య ఒక సహజ అమరిక సృష్టించడానికి రెండు విధానాలు దృష్టి పెడుతుంది. మొదటి, ఈ పుస్తకం మీరు మీ డేటా యొక్క వాస్తవిక ప్రశ్నించేందుకు సహాయం చేస్తుంది. రెండవది, ఈ పుస్తకం మీరు మీ ప్రశ్నకు సమాధానం కుడి డేటా సేకరించడానికి సహాయం చేస్తుంది.