AZURI Research Centre

ဘာကြောင့် “ Empirical review” ရေးရသလဲ
*********************
Social science research နယ်ပယ်မှာ empirical review ကို မဖြစ်မနေ ရေးပေးရပါတယ်။ ဒီအကြောင်းအရာကို ပြောတဲ့အခါ တခါက ကျောင်းသားတစ်ယောက်က ” Academic research” စာတမ်းတွေက ကိုယ်လုပ်ထားတာလည်း မဟုတ်ဘဲ အရင်လူတွေ လုပ်ထားကြတာတွေကို ထည့်ထည့်ပြီးတော့ ရေးထားကြတာပဲနော်” ဆိုပြီး ပြောတာကို မှတ်မိပါသေးတယ်။ တကယ်က “ Empirical review/ related studies ရေးတာဟာ အရင်လူတွေရဲ့ စာတမ်းတွေကို အကျဉ်းချုပ်ပြီး ရေးပေးရုံ သက်သက် မဟုတ်ပါဘူး။ ကိုယ့်ရဲ့ သုတေသနဟာ “အသစ်အဆန်းဖြစ်တယ်၊ အရင်လူတွေနဲ့ မတူ တမူထူးခြားတဲ့အကြောင်း အရာဖြစ်တယ်၊ သုတေသနနယ်ပယ်ရဲ့ လစ်ဟာမှုကို ဖြည့်စွက် ပေးတာဖြစ်တယ်” ဆိုတာကို မီးမောင်းထိုးပြတဲ့နေရာလည်းဖြစ်ပါတယ်။ ဒီအကြောင်းအရာကို နားလည်စေဖို့ အချက်အလက်တချို့နဲ့ ဆွေးနွေးပါမယ်။
------

နံပါတ် (၁) -Existing Knowledge (ရှိနှင့်ပြီးသား အသိပညာ) ကို နားလည်စေဖို့အတွက်ပါ။

အကြောင်းအရာတစ်ခုကို စိတ်ဝင်စားနေပြီဆိုလို့ရှိရင် ဒီအကြောင်းအရာတွေကို အခြားသုတေသီတွေ လေ့လာပြီးနှင့်ပြီလားဆိုတာ သိဖို့လိုအပ်ပါတယ်။ အဲတော့ ဒီအကြောင်းအရာတွေနဲ့ ဆက်စပ်တဲ့အရာတွေကို ရှာဖွေကြည့်ရပါတယ်။ ဒီအကြောင်းအရာတွေနဲ့ ပတ်သက်ပြီး အခြားသုတေသီတွေ ဘာတွေရှာဖွေတွေ့ရှိထားပြီးပြီလဲ၊ ဘယ်လိုသီအိုရီတွေကို သုံးထားသလဲ ဆိုတာကို ဖတ်ကြည့်ရတယ်။ အကဲဖြတ်ရတယ်။ ဝေဖန်ဆန်းစစ်မှုတွေ လုပ်ရပါတယ်။ ဒါမှသာ မိမိသုတေသနရဲ့ အခြေခံအုတ်မြစ်ကို ခိုင်ခိုင်မာမာ ချနိုင်မှာ ဖြစ်ပါတယ်။ ဥပမာ-လုပ်ငန်းခွင်တွေထဲက ခေါင်းဆောင်မှုပုံစံကိုစိတ်ဝင်စားတယ်ဆိုပါစို့၊ ဒါကို မလေ့လာခင်၊ နိုင်ငံတကာနဲ့ ဒေသတွင်းမှာ အရင်သုတေသီတွေက ဘာတွေ တွေ့ရှိထားသလဲဆိုတဲ့ Existing Knowledge ကို တင်ပြရပါမယ်။ ဥပမာ-“လွန်ခဲ့သော ဆယ်စုနှစ်တစ်ခုအတွင်းမှာ Smith တို့ ၊ Myo Min စတဲ့ သုတေသီတွေဟာ Transformational Leadership သည် ဝန်ထမ်းများ၏ စိတ်ဓာတ်ကို မြှင့်တင်ပေးနိုင်ကြောင်း လက်တွေ့ပြသခဲ့ကြသည်” စသဖြင့်ပေါ့လေ။ ဒီလို ရေးရတဲ့အကြောင်းကလည်း ကိုယ့်စိတ်ကူးထဲက အတိုင်း အစကနေ လျှောက်တွေးနေတာ မဟုတ်ဘဲ၊ ပညာရှင်အဆက်ဆက် တည်ဆောက်လာခဲ့တဲ့ အသိပညာ (Existing Knowledge) အပေါ်မှာ ခိုင်ခိုင်မာမာ ရပ်တည်ပြီးမှ ရှေ့ဆက်တာ ဖြစ်ကြောင်း ပြသတဲ့သဘောလည်း ဖြစ်ပါတယ်။
--------

နံပါတ် (၂)- Research Gap (သုတေသန ကွက်လပ်) ကို ဖော်ပြတဲ့ သဘောပါ။

သုတေသနမှာ ရှေ့လူတွေမလုပ်ခဲ့ရသေးတဲ့ အကြောင်းအရာတွေကိုပဲ ထပ်လုပ်ရတာဖြစ်ပါတယ်၊ ဒါက Empirical review လုပ်ရခြင်းရဲ့ အဓိကအကျဆုံး အချက်တွေထဲက တစ်ခုပါ။ အရင်လူတွေ လုပ်ခဲ့တဲ့ အလုပ်တွေကို ပြန်သုံးသပ်ခြင်းအားဖြင့် -
(က) ဘယ်နေရာတွေမှာ လိုအပ်ချက်ရှိနေသေးလဲ
(ခ) ဘယ်အချက်တွေကို အရင်လူတွေ မေ့လျော့ခဲ့လဲ သို့မဟုတ် မလေ့လာရသေးလဲ။
(ဂ) ဘယ်လိုအခြေအနေ (Context) မျိုးမှာ လုပ်လို့ရနိုင်သေးသလဲ၊ ကွဲပြားခြားနားမှုတွေ ရှိနေသေးလဲ ဆိုတာကို သိမြင်နိုင်ပြီး မိမိတို့ရဲ့သုတေသနက ဖြည့်ဆည်းပေးမယ့် "ကွက်လပ်" (Gap) ကို ရှာဖွေဖော်ထုတ်နိုင်ပါတယ်။

ဥပမာ-
ခေါင်း ဆောင်းမှုပုံစံကို လေ့လာမယ်လို့ဆိုလိုက်ရင် အပြင်ကလူတွေ မြင်နိုင်တာကတော့ “ခေါင်းဆောင်မှုပုံစံတွေအကြောင်း အများကြီး ရှိပြီးသားပဲ၊ ဘာထပ်လုပ်မှာလဲ” ဆိုတာပါ။ ဒါပေမဲ့ နှံ့နှံ့စပ်စပ် ဖတ်ထားတဲ့ သုတေသီတစ်ယောက်ကပဲ လိုအပ်ချက် (Gap) ကို မြင်နိုင်ပါတယ်။
ဥပမာ -
Empirical Review တွေကို ဖတ်ကြည့်တဲ့အခါ အ​ခြားနိုင်ငံတွေက စာတမ်းအများစုမှာ Transformational Style က အကောင်းဆုံးလို့ ဆိုကြပေမဲ့၊ ကုန်ထုတ်လုပ်မှု စက်ရုံအလုပ်ရုံ မန်နေဂျာတွေကြားမှာတော့ Transactional Style (ဆုပေး/ဒဏ်ပေး) က ပိုပြီး အလုပ်ဖြစ်နေတာမျိုးကို သတိပြုမိလာတာမျိုး ဖြစ်ပါတယ်။ အဲဒီမှာ “ကုန်ထုတ်လုပ်မှု ကဏ္ဍ” မှာ လေ့လာထားတဲ့ သုတေသန အလွန်နည်းပါးနေတာကို တွေ့ရပါလိမ့်မယ်။ ဒါဟာ Research Gap ပါပဲ။ ဒီလိုမျိုး ထောက်ပြနိုင်ဖို့အတွက်လည်း “ Empirical review” တွေကို ရှာဖွေဖတ်ရှုပြီး တင်ပြရပါတယ်။ ရေးတဲ့အခါလည်း အရင် သုတေသီတွေ သုတေသနလုပ်ခဲ့ကြတဲ့အခါ ဘယ်နေရာတွမှာ ဟာကွက်တွေဖြစ်နေသေးကြောင်းကိုလည်း “ comment/ critical point” အနေနဲ့ ထည့်ပြီးရေးရတာပါ။ အဲတော့ အတိုချုပ်ပြောရရင် အရင်လူတွေ လေ့လာဖို့ ကျန်ခဲ့တဲ့ ( သို့မဟုတ်) လိုအပ်ချက် ရှိနေသေးတဲ့ theoretical/ empirical gap (ကွက်လပ်) ကို တရားဝင် ထောက်ပြပြီး “ငါ့ရဲ့ သုတေသနက ဒီကွက်လပ်ကို သွားဖြည့်မှာ” လို့ အတိအလင်း ဖော်ပြတာမျိုးပါပဲ။
-------------

နံပါတ် (၃)- Novelty (ဆန်းသစ်မှု) ဖြစ်ကြောင်း ဖော်ပြဖို့ ဖြစ်ပါတယ်။

Social Science မှာ ကိုယ့်ရဲ့ သုတေသနဟာ သုတေသနနယ်ပယ်အတွက် ဘာများအသစ်တွေ ထည့်ပေးလိုက်သလဲ (Contribution to Knowledge) ဆိုတဲ့ ဆန်းသစ်မှု (Novelty) ရှိကြောင်းဖော်ပြမှုဟာ အလွန်အရေးကြီးပါတယ်။ ဥပမာပြောရရင် အရင် Empirical Review တွေအရ ရေသန့်ဖြန့်ဖြူးမှုလုပ်ငန်းတွေက မန်နေဂျာ တွေရဲ့ Laissez-faire leadership style အသုံးပြုမှုဟာ ဝန်ထမ်းတွေအပေါ် ဘယ်လို သက်ရောက်လဲဆိုတာ သေချာ မလေ့လာရသေးဘူး ဆိုပါစို့။ဒီအချက်ကို ကိုင်ပြီး လေ့လာရင် ဒီသုတေသနဟာ အဟောင်းတွေကို ပြန်ကူးချတာ( Duplication) မဟုတ်ဘဲ ဉာဏ်သစ်လောင်းထားတဲ့ Novelty (ဆန်းသစ်မှု) ရှိနေမှာ ဖြစ်ပါတယ်။ ဒီတော့‌‌ ရှေ့သုတေသနစာတမ်းတွေကို အစဉ်လိုက် ချပြပြီးမှပဲ ကိုယ့်ရဲ့ သုတေသနဟာ “အသစ်အဆန်း ဖြစ်မှု” က ထင်ထင်ရှားရှား ပေါ်လွင်လာမှာ ဖြစ်ပါတယ်။ အဲတော့ “ Empirical review” ကို ရေးပေးရတာပါ။
---------

နံပါတ် (၄)-Duplication (ထပ်နေခြင်း) မှ ရှောင်ရှားဖို့အတွက်လည်း ဖြစ်ပါတယ်။

Related studies တွေကို ဖတ်ရှုခြင်းဟာ ရှေ့ကလူတွေ ပြီးပြည့်စုံအောင် လုပ်ဆောင်ပြီးသား၊ အဖြေထွက်ပြီးသားအရာကိုပဲ အချိန်ကုန်၊ လူပန်း ခေါင်းစဉ်တူကြီး ထပ်လုပ်မိတာမျိုး မဖြစ်အောင် ကာကွယ်ပေးတယ်လို့ ဆိုရမှာပါ။ ဒါမှပဲ ကိုယ့်ရဲ့ သုတေသနဟာ အသစ်အဆန်းဖြစ်ကြောင်း (Originality) သက်သေပြရာလည်း ရောက်ပါတယ်။ တကယ်လို့ ရှေ့က သုတေသီတွေ လုပ်ထားတဲ့ မြို့၊ရွာ၊လုပ်ငန်း၊လူ၊အကြောင်းအရာကို ထပ်တူပြုပြီး သုတေသနထပ်လုပ်ရင် ဒီသုတေသနဟာ အကြောင်းအရာတွေ ထပ်နေလို့( Duplication) တန်ဖိုးမဲ့ ဖြစ်သွားတတ်ပါတယ်။ အချိန်ကုန်စေတယ်၊ အိုင်ဒီယာအသစ်ဖြစ်မနေဘူးလို့ ဆိုရမှာပါ။ ဒါကြောင့် Related studies ကို ဖတ်ပြီး ရေးပေးရတာက ကိုယ်လေ့လာမယ့်အကြောင်းအရာ ဟာ ရှေ့က သုတေသီလုပ်ထားတာ လုံးဝမတူနေပါသေးဘူး၊ ကျနော်တို့ လေ့လာမယ့် အကြောင်း အရာနဲ့ အခြေနေ (Context) တွေဟာ ရှေ့သုတေသီတွေ လုပ်ဆောင်ခဲ့ပြီးသား အရာများနှင့် ထပ်တူကျမနေပါ” ဟု သက်သေပြဖို့လည်း ဖြစ်ပါတယ်။
----------
နံပါတ် (၅)- Methodological Framework ကို ပုံဖော်ပြတာပါ။

အရင်လေ့လာမှုတွေကို လေ့လာကြည့်တဲ့အခါ (က) ဘယ်လို Methodology (သုတေသနနည်းလမ်း) တွေ၊ Variables/concept တွေကို သုံးသွားလဲ။ (ခ) ဘယ်လို Data Collection စနစ်တွေကို သုံးခဲ့လဲ။ (ဂ) ဘယ်သီအိုရီတွေက ပိုပြီး အလုပ်ဖြစ်လဲ စတာတွေဆိုတာကို အကဲဖြတ်ပြီးတော့ မိမိရဲ့ သုတေသနမှာ ဘယ်လိုနည်းလမ်းတွေကို အသုံးပြုလေ့လာမယ်ဆိုရင် ပိုမိုကောင်းမွန်မလဲဆိုတာကို ကြိုတင်ပြင်ဖို့အတွက်လည်း ဖြစ်ပါတယ်။
-------------

နံပါတ်(၆)- မိမိရဲ့ တွေ့ရှိချက်များကို နှိုင်းယှဉ် (Compare & Contrast) နိုင်ဖို့အတွက်လည်း ဖြစ်ပါတယ်။

သုတေသနတစ်ခုရဲ့ နောက်ဆုံးပိုင်း (Discussion) ရောက်တဲ့အခါ ကိုယ်တိုင်ရှာဖွေတွေ့ရှိတဲ့ အချက်အလက် (Findings) တွေဟာ အရင်လူတွေရဲ့ တွေ့ရှိချက်တွေနဲ့ တူသလား၊ ဆန့်ကျင်နေသလားဆိုတာကို နှိုင်းယှဉ်ဆွေးနွေးရပါတယ်။ အဲဒီလို နှိုင်းယှဉ်နိုင်ဖို့အတွက် Literature/Empirical Review က အကိုးအကားအနေနဲ့ ရှိနေပေးရတာ ဖြစ်ပါတယ်။ ဥပမာ - လေ့လာမှုအရ ရေသန့်ဖြန့်ဖြူးမှုလုပ်ငန်းက မန်နေဂျာတွေဟာ Transformational နဲ့ Transactional leadership ကို သုံးတာထက် Laissez-faire leadership style ကို သုံးတာက လုပ်ငန်းခွင် လည်ပတ်မှုကို ပိုမိုဖြစ်ထွန်းစေတယ်လို့ အဖြေထွက်လာတယ် ဆိုပါစို့။ Empirical Review ထဲမှာ အရင်လူတွေရဲ့ အဖြေကို ထည့်ရေးထားမှပဲ “ယခု သုတေသန တွေ့ရှိချက်သည် အခြားသောနိုင်ငံတွေမှာ လေ့လာခဲ့ကြတဲ့ အထောက်အထားတွေနဲ့ ဆန့်ကျင်နေပေမယ့် (Contrast)၊ အလားတူ ရေသန့်ဖြန့်ဖြူးတဲ့ လုပ်ငန်းခွင်များမှာ လေ့လာခဲ့တဲ့ စာရေးသူရဲ့ တွေ့ရှိချက်နဲ့ တူညီနေကြောင်း (Compare) ဆွေးနွေးနိုင်ပါလိမ့်မယ်။ ဒီလိုရေးရတဲ့အကြောင်းကလည်း ကျနော်တို့ရဲ့ တွေ့ရှိချက်အဖြေကို ပညာရပ်ဆိုင်ရာအသိုင်းအဝန်းထဲက လက်ရှိ ဆွေးနွေးငြင်းခုံမှုတွေနဲ့ ယှဉ်တွဲပြီး စူးစမ်းဆင်ခြင်တဲ့နေရာမှာ အသုံးပြုနိုင်စေဖို့အတွက်လည်း ဖြစ်ပါတယ်။

-----------
ရွှေလင်း
၁၈ ရက်၊၅လပိုင်း၊၂၀၂၆

Demographic background ဖော်ပြခြင်းဟာ "သာမန် လုပ်ရိုးလုပ်စဉ်တခု" သက်သက် မဟုတ်ပါ
************
သုတေသနစာတမ်းတစ်ခုရဲ့ တွေ့ရှိချက် (Findings) အပိုင်းမှာ ကျနော်တို့ လေ့လာခဲ့ကြတဲ့ လူဦးရေစာရင်းဆိုင်ရာ နောက်ခံအချက်အလက် (Demographic Background) တွေကို ထည့်သွင်းဖော်ပြတာတွေ လုပ်ရပါတယ်။ ဒါဟာ သာမန်လုပ်ရိုးလုပ်စဉ် ဇယားတစ်ခုအဖြစ် ထည့်လိုက်ရုံသက်သက် မဟုတ်ပါဘူး။ အခြေခံအားဖြင့် Demographic Background ဆိုတာ မိမိရဲ့ သုတေသနမှာ ဘယ်သူတွေကို အဓိကထား လေ့လာခဲ့တာလဲဆိုတာကို ရှင်းလင်းစွာ သတ်မှတ်ပေးခြင်း ဖြစ်ပါတယ်။ လေ့လာမှုဟာ အမျိုးသားသီးသန့်လား၊ အမျိုးသမီးသီးသန့်လား၊ ဒါမှမဟုတ် ကျား/မ အားလုံး ပါဝင်နေသလားဆိုတဲ့ အချက်အပြင် ဘယ်လို အသက်အရွယ်အပိုင်းအခြား၊ ဘယ်လို ပညာရေးနောက်ခံ ရှိသူတွေကို အခြေပြုထားသလဲဆိုတာကို ဖော်ပြရခြင်းဟာ ကျနော်တို့ တွေ့ရှိခဲ့တဲ့ တွေ့ရှိချက်တွေဟာ ဘယ်လိုထူးခြားတဲ့ နောက်ခံလက္ခဏာရှိတဲ့ လူ့အဖွဲ့အစည်းတစ်ခုကို ‌လေ့လာခဲ့လို့ ခုလိုမျိုးရလဒ်တွေ ထွက်ပေါ်လာရသလဲဆိုတဲ့ ဆက်စပ်မှုကို ဖော်ပြဖို့ ဖြစ်ပါတယ်။

အထူးသဖြင့် သုတေသနတစ်ခုမှာ သီအိုရီ (Theory) တစ်ခုခုကို အသုံးပြုပြီး ချဉ်းကပ်လေ့လာတဲ့အခါ သုတေသနရဲ့ တွေ့ရှိချက်တွေဟာ ဘယ်လိုလူဦးရေ၊ ဘယ်လိုနောက်ခံရှိတဲ့သူတွေကို စစ်တမ်း ကောက်ယူ လေ့လာခဲ့လို့ ဒီလိုပုံစံ ထွက်ပေါ်လာရတာလဲဆိုတာကို သီအိုရီအယူအဆတွေနဲ့ အပြန်အလှန် ချိတ်ဆက်ပြသဖို့ လိုအပ်ပါတယ်။ သတ်မှတ်ထားတဲ့ လူဦးရေအုပ်စုရဲ့ သဘောသဘာဝက သီအိုရီရဲ့ အသုံးချနိုင်စွမ်းကို ဘယ်လိုပုံဖော်ပေးလိုက်သလဲဆိုတာကို ရှာဖွေတွေ့ရှိချက်တွေနဲ့ ပေါင်းစပ်တင်ပြတာဟာ သုတေသနကို ဆန်းသစ်ပြီး၊ အဆင့်မြင့်စေတယ်လို့ ဆိုရမှာပါ။

ထို့အတူပဲ မိမိတို့ ချမှတ်ထားတဲ့ အဆိုပြုချက် (Hypothesis) တွေကို သက်သေပြနိုင်ခြင်း (Reject or Fail to Reject) သို့မဟုတ် မပြနိုင်ခြင်း အားလုံးဟာလည်း ဒီလေ့လာမှုကို ဘယ်သူတွေဆီကနေ အချက်အလက် ရယူခဲ့သလဲဆိုတဲ့အပေါ်မှာပဲ လုံးဝ မူတည်နေပါတယ်။ Hypothesis တစ်ခုကို သက်သေပြနိုင်တာ (သို့မဟုတ်)ပယ်ချခံရတာဟာ ကိန်းဂဏန်းတွေရဲ့ တိုက်ဆိုင်မှုမဟုတ်ဘဲ၊ မိမိလေ့လာခဲ့တဲ့ လူအုပ်စုရဲ့ အသက်အရွယ်၊ ပညာရေးနဲ့ ကျား/မ ကွဲပြားမှု စတဲ့ Demographic အကြောင်းတရားတွေကြောင့် ဖြစ်တယ်ဆိုတာကို ဖော်ထုတ်ပြသရမှာ ဖြစ်ပါတယ်။

ဒီသဘောတရားကို ပိုမိုထင်ရှားစေဖို့ နမူနာတစ်ခုနဲ့ လေ့လာကြပါမယ်။ ဥပမာ- လက်ရှိ မြန်မာနိုင်ငံရဲ့ ပဋိပက္ခအခြေအနေအောက်က အိမ်ထောင်စုတွေရဲ့ စားဝတ်နေရေး ရုန်းကန်ရမှုကို လေ့လာမယ်ဆိုရင် ကျား/မ စုံလင်စွာရှိပြီး အမျိုးသားက ဦးဆောင်တဲ့ အိမ်ထောင်စုတစ်ခုရဲ့ ရုန်းကန်ရမှုနဲ့ တစ်ခုလပ်အမျိုးသမီးတွေ ဦးဆောင်တဲ့ အိမ်ထောင်စု (Female-Headed Household) တွေရဲ့ စိန်ခေါ်မှုဟာ လူမှုစီးပွားရေးအရ လုံးဝမတူညီတဲ့ ရလဒ်တွေကို ထွက်ပေါ်စေမှာပါ။ ဥပမာအားဖြင့် ပဋိပက္ခဒေသတွေမှာ အလုပ်အကိုင်ရှားပါးမှုနဲ့ လုံခြုံရေးအရ သွားလာရခက်ခဲမှုတွေရှိတဲ့အခါ ကျား/မ စုံလင်တဲ့ အိမ်ထောင်စုတွေမှာ အမျိုးသားတွေက အန္တရာယ်များတဲ့ အလုပ်အကိုင်တွေ (သို့မဟုတ်) ဝေးလံတဲ့ဒေသတွေအထိ သွားရောက်လုပ်ကိုင်ပြီး မိသားစုဝင်ငွေကို ရှာဖွေနိုင်ကြပါတယ်။ ဒါပေမဲ့ ဒီလို ပဋိပက္ခကာလမျိုးမှာပဲ တစ်ခုလပ်အမျိုးသမီးတွေ ဦးဆောင်တဲ့ အိမ်ထောင်စုတွေကို လေ့လာမယ်ဆိုရင်တော့ ရလဒ်တွေဟာ သိသိသာသာ ထူးခြားနေပါလိမ့်မယ်။ ဒီအမျိုးသမီးတွေဟာ အိမ်ထောင်ဦးစီးအဖြစ် ဝင်ငွေရှာရုံတင်မကဘဲ အိမ်တွင်းမှုကိစ္စနဲ့ ကလေးစောင့်ရှောက်ရေး (Care Burden) တွေကိုပါ တစ်ဦးတည်း ဒွန်တွဲထမ်းဆောင်ရတဲ့အတွက် အချိန်ပိုင်း သို့မဟုတ် အိမ်တွင်း အခြေပြု ဝင်ငွေနည်းအလုပ်အကိုင်တွေကိုပဲ ရွေးချယ်နိုင်ကြပါတယ်။ ဒါ့အပြင် ပဋိပက္ခဒေသ တွေရဲ့ လုံခြုံရေးအရ ခြိမ်းခြောက်မှုတွေဟာ အမျိုးသမီးအုပ်စုအပေါ်မှာ ပိုမိုသက်ရောက်မှု ရှိနေတာကြောင့် သူတို့ရဲ့ စိန်ခေါ်မှုဟာ စားဝတ်နေရေးတင်မကဘဲ ခွဲခြားဆက်ဆံခံရမှု (gender discrimination)၊ ကာကွယ်စောင့်ရှောက်မယ့်သူ မရှိဘဲ အကာအကွယ်မဲ့မှု( lack of safety) နဲ့ စိတ်ဖိစီးမှု(Distress) တွေအထိ တွေ့ရနိုင်ပါတယ်။
ဒီနေရာမှာ Findings အပိုင်းကို ရေးသားတဲ့အခါ " ပဋိပက္ခဖြစ်‌နေတဲ့နေရာတွေမှာ စားဝတ်နေရေးအတွက် ရုန်းကန်ကြတဲ့အခါ အခက်ခဲများစွာ ရှိကြပေမယ့် မိသားစုကို အမျိုးသမီးတစ်ဦးတည်းက ဦးဆောင်နေရပြီး၊ ကလေးသူငယ်တွေကို တာဝန်ယူနေရတဲ့ အိမ်ထောင်စုတွေမှာ ခုလိုမျိုး စားနပ်ရိက္ခာ မလုံလောက်မှုနဲ့ စိတ်ဒဏ်ရာဟာ ပိုမိုမြင့်မားကြတယ်" ဆိုတာရယ်၊ ဘာကြောင့် ခုလိုမျိုးကြုံတွေ့ရသလဲဆိုတာကိုလည်း ကြောင်းကျိုးဆီလျော် ချိတ်ဆက်ပြရမှာ ဖြစ်ပါတယ်။

ဒါကြောင့် Demographic Background ကို ရှာဖွေတွေ့ရှိချက်တွေ၊ သီအိုရီတွေနဲ့ စနစ်တကျ အမှန်တကယ် ချိတ်ဆက်တွေးခေါ် တင်ပြခြင်းဟာ သုတေသီတစ်ဦးအနေနဲ့ အလေးအနက်ထား ဆောင်ရွက်ရမယ့် သုတေသန လုပ်ငန်းစဉ် ဖြစ်ပါတယ်။

--------
ရွှေလင်း
၁၇ ရက်၊၅လပိုင်း၊၂၀၂၆

📚 NotebookLM သုံးပြီး Meta-analysis အတွက် Data ထုတ်ယူနည်း

🍀 Research paper များစွာ ဖတ်ပြီး Literature Review သို့မဟုတ် Meta-analysis ပြုလုပ်ရတဲ့အခါ အချိန်အများကြီးယူရပါတယ်။ အဲဒီအလုပ်တွေကို အလွန်လွယ်ကူမြန်ဆန်အောင် ကူညီပေးနိုင်တဲ့ tool တစ်ခုကတော့ NotebookLM ဖြစ်ပါတယ်။

🍀 NotebookLM ဆိုတာက Google က ထုတ်ထားတဲ့ AI research assistant တစ်ခုဖြစ်ပြီး သင့်ရဲ့ research papers တွေကို upload လုပ်ပြီး AI ကို မေးမြန်းနိုင်တဲ့ system တစ်ခု ဖြစ်ပါတယ်။

📌 NotebookLM ကိုသုံးပြီး Meta-Analysis အတွက် Data ထုတ်ယူဖို့ ဒီအဆင့်တွေအတိုင်း ဆောင်ရွက်လို့ ရပါတယ်။

Step 1️⃣ – Research Papers ပြင်ဆင်ပါ။

ပထမဆုံး သင့် research အတွက်လိုအပ်တဲ့ papers တွေကို စုစည်းထားပါ။

ဥပမာ –

- Journal Articles
- Conference Papers
- Research Reports
- Thesis / Dissertation

အများအားဖြင့် PDF format နဲ့ သိမ်းထားပါ။

Step 2️⃣ – Papers များ Upload လုပ်ပါ

1. NotebookLM website ကို ဝင်ပါ
2. Create Notebook ကို နှိပ်ပါ
3. Notebook အမည်ပေးပါ

ဥပမာ –

- PTSD Intervention Research
- Festival Satisfaction Study

4. Add Sources ကိုနှိပ်ပြီး PDF papers တွေ upload လုပ်ပါ။

NotebookLM က သင့် papers တွေကို automatic ဖတ်ပြီး analyze လုပ်ပေးပါတယ်။

Step 3️⃣ – Literature Review မေးခွန်းများ မေးနိုင်ပါတယ်

Papers upload လုပ်ပြီးရင် AI ကို ဒီလိုမေးနိုင်ပါတယ်။

🔹 Theories ရှာခြင်း

ဥပမာ –

“ဒီ papers တွေထဲမှာ festival satisfaction ကိုရှင်းပြဖို့ ဘယ် theories တွေသုံးထားသလဲ?”

AI က အောက်ပါလို ပြန်ပြောနိုင်ပါတယ် –

- Destination Image Theory
- Perceived Value Theory
- Expectation Confirmation Theory

🔹 Variables များထုတ်ယူခြင်း

ဥပမာ –

“ဒီ studies တွေမှာ independent variables နဲ့ dependent variables တွေကို list လုပ်ပေးပါ”

AI က research variables တွေကို စုစည်းပေးပါလိမ့်မယ်။

🔹 Research Gap ရှာခြင်း

ဥပမာ –

“ဒီ studies တွေမှာ mention လုပ်ထားတဲ့ research gaps တွေကဘာတွေလဲ?”

AI က ဒီလို result ပေးနိုင်ပါတယ် –

- Developing countries မှာ study နည်းနေခြင်း
- Longitudinal studies မရှိသေးခြင်း
- Variables combination အသစ်များ မလေ့လာရသေးခြင်း

ဒါတွေက Problem Statement ရေးရာမှာ အလွန်အသုံးဝင်ပါတယ်။

Step 4️⃣ – Meta-analysis အတွက် Data ထုတ်ယူနိုင်ပါတယ်။

ဒါက အရမ်းကောင်းတဲ့ အချက်ပါပဲ။ ပြန်စစ်ဖို့ လိုအပ်ပေမယ့် အချိန်ကုန်အများကြီး သက်သာစေပါတယ်။

ဥပမာ –

NotebookLM ကို ဒီလိုမေးနိုင်ပါတယ် –

“Studies တစ်ခုချင်းစီရဲ့ sample size, variables, results ကို table နဲ့ပြပေးပါ”

AI က ဒီလို table တစ်ခု generate လုပ်ပေးနိုင်ပါတယ်။

Study | Sample | Variables | Result

ဒီ table ကို Excel သို့မဟုတ် R ထဲကို copy လုပ်ပြီး analysis ဆက်လုပ်နိုင်ပါတယ်။

Step 5️⃣ – Paper Summary ထုတ်ယူနိုင်ပါတယ်

ဥပမာ –

“ဒီ paper ရဲ့ method, findings နဲ့ limitations ကို summarize လုပ်ပေးပါ”

AI က literature review အတွက် အသုံးပြုနိုင်တဲ့ summary ပေးပါလိမ့်မယ်။

💡 Research papers အများကြီး ဖတ်ရတဲ့သူ‌တွေ အတွက် NotebookLM က အလွန်အသုံးဝင်တဲ့ AI research tool တစ်ခုပါ။

🔹 Literature review လုပ်ဖို့
🔹 Variables နှင့် theories များရှာဖွေဖို့
🔹 Research gap များရှာဖွေဖို့
🔹 Meta-analysis အတွက် data extraction လုပ်ဖို့

ကောင်းကောင်း အကူအညီပေးနိုင်တဲ့ အတွက် Researchers တွေ စမ်းသုံးကြည့်ဖို့ တိုက်တွန်းပါတယ်။

အများကြီး အချိန်ကုန် သက်သာပြီး အကျိုးများမှာ သေချာပါတယ်။

🌐 နောက် post တွေမှာ NotebookLM ကို အသုံးပြုပြီး

🔹 Literature Review မြန်မြန်ရေးနည်း
🔹 Conceptual Framework တည်ဆောက်နည်းနဲ့
🔹 Research Gap ရှာနည်း

တွေကို ဆက်လက်မျှဝေပေးပါမယ်။

လေးစားစွာဖြင့် ~
MEC 🍀

Qualitative analysis လုပ်လိုသူများအတွက်

၁။ အသံဖိုင်ကို transcribe ပြောင်းတဲ့အခါ ဒီ website ကတော့ အဆင်ပြေပါတယ်။ "မြန်မာ အသံ" ကိုလည်း မှန်မှန်ကန်ကန် output ထုတ်ပေးနိုင်ပါတယ်။ free တွေပါပဲ။

https://elevenlabs.io/speech-to-text/burmese

၂။ ဒီ website ကတော့ record ဖိုင်တွေကို လိုသလို ပြောင်းတဲ့အခါ သုံးတာပါ။အထူးသဖြင့် နံပါတ်(၁) မှာ ပေးထားတဲ့ link ကို သုံးဖို့အတွက် record filesတွေဟာ mp3 ဖြစ်နေဖို့လိုပါတယ်။ ဒါကြောင့် လိုအပ်ရင် သုံးလို့ ရအောင်လို့ပါ။

https://online-audio-converter.com/