အဆိုပါကျပန်းရွေးချယ်ရေးသုတေသနနည်းလမ်း

သုတေသီများပိုကြီးတဲ့လူဦးရေကနေကိုယ်စားလှယ်နမူနာကို select ဖို့လိုအပ်တဲ့အခါသူတို့ကမကြာခဏကျပန်းရွေးချယ်ရေးအဖြစ်လူသိများနေတဲ့နည်းလမ်းကိုအသုံးချရန်။ ဒီရွေးချယ်ရေးလုပ်ငန်းစဉ်များတွင်တစ်ဦးအုပ်စုတစ်စု၏တစ်ဦးချင်းစီအဖွဲ့ဝင်လေ့လာမှုတစ်ခုပါဝင်သူအဖြစ်ရွေးချယ်ခံရခြင်း၏တန်းတူအခွင့်အလမ်းကိုဆိုလိုတာပါ။

ကျပန်းတာဝန် vs ကျပန်းရွေးချယ်ရေး

ဘယ်လိုကျပန်းရွေးချယ်ရေးတစ်ဦးထံမှကွာခြားပါဘူး ကျပန်းတာဝန်ကျတဲ့နေရာ ?

ကျပန်းရွေးချယ်ရေးကျပန်းတာဝန်ကျတဲ့သင်တန်းသားများထို့နောက်တစ်ခုခုကိုစမ်းသပ်သို့မဟုတ်ထိန်းချုပ်မှုအုပ်စုများမှတာဝန်ပေးအပ်ကြသည်ကိုဘယ်လိုရည်ညွှန်းနေစဉ်နမူနာ, တစ်ဖွဲ့လုံးကလူဦးရေကနေရေးဆွဲဘယ်လိုရည်ညွှန်းသည်။

ဒါဟာစမ်းသပ်မှုတစ်ခုအတွက်ကျပန်းရွေးချယ်ခြင်းနှင့်ကျပန်းတာဝနျကိုနှစ်ဦးစလုံးရှိသည်ဖို့ဖြစ်နိုင်ပါတယ်။ သင်သည်သင်၏လေ့လာမှုတွင်ပါဝင်ဆောင်ရွက်ရန်လူဦးရေကနေလူ 500 ဆွဲရန်ကျပန်းရွေးချယ်ရေးအသုံးပြုဆိုပါစို့။ သို့ဖြစ်လျှင်သင်သည်တစ်ဦးရန်သင့်ပါဝင်သူ 250 assign လုပ်ဖို့ကျပန်းတာဝနျကိုအသုံးပွုရ ထိန်းချုပ်မှုအုပ်စုတစ်စု (ကုသမှုသို့မဟုတ်လွတ်လပ်သော variable ကိုမခံမယူသောအဖွဲ့တစ်ဖွဲ့) နှင့်သင်စမ်းသပ်အုပ်စုတစ်စု (ကုသမှုသို့မဟုတ်လွတ်လပ်သော variable ကိုလက်ခံရရှိကြောင်းအုပ်စု) မှသင်တန်းသားများကို 250 သတ်မှတ် ။

အဘယ်ကြောင့်သုတေသီများကျပန်းရွေးချယ်ရေးအသုံးချသလဲ? အဆိုပါရည်ရွယ်ချက်ရလဒ်များ၏ယေဘုယျတိုးမြှင့်ဖို့ဖြစ်ပါတယ်။ ပိုကြီးတဲ့လူဦးရေကနေကျပန်းနမူနာဆွဲခြင်းအားဖြင့်, ပန်းတိုင်နမူနာပိုပြီးကြီးမားတဲ့အုပ်စုတစ်စု၏ကိုယ်စားလှယ်နှင့်ဘက်လိုက်မှုမှဘာသာရပ်ဖြစ်လျော့နည်းဖွယ်ရှိပါလိမ့်မည်ဖြစ်ပါသည်။

သင်ကသုတေသနအတွက်ကျပန်းရွေးချယ်ရေးအကြောင်းသိထားသင့်အဘယျသို့

တစ်သုတေသီတစ်ဦးလေ့လာမှုတွင်ပါဝင်ဆောင်ရွက်ရန်လူကိုရွေးချယ်ခြင်းကြောင်းဆိုပါစို့။ သင်တန်းသားများကိုကောက်နိုင်ဖို့အတွက်သူတို့တစ်တွေအကြွေစေ့ပစ်ချ၏စာရင်းအင်းနှင့်ညီမျှကြောင်းတစ် technique ကိုသုံးပြီးလူတွေကိုရှေးခယျြနိုငျတယျ။ သူတို့ကသင်တန်းသားများကိုဆွဲရာကနေပထဝီဒေသများကောက်ဖို့ကျပန်းရွေးချယ်ရေး အသုံးပြု. စတင်ပါလိမ့်မယ်။

သူတို့ဟာထို့နောက်မြို့ကြီးများ, ရပ်ကွက်, အိမ်ထောင်စု, အသက်အပိုင်းအခြားနှင့်တစ်ဦးချင်းစီသင်တန်းသားများကိုကောက်ဖို့အတူတူရွေးချယ်ရေးလုပ်ငန်းစဉ်အားကိုသုံးပါလိမ့်မယ်။

မှတ်မိဖို့နောက်ထပ်အရေးကြီးတဲ့အရာပိုကြီးတဲ့နမူနာနမူနာအရွယ်အစားသေးငယ်သည်လျှင်ပင်ကျပန်းရွေးချယ်ရေးကတဖက်သတ်သို့မဟုတ်ကန့်သတ်နမူနာဖို့ဦးဆောင်လမ်းပြနိုင်သောကြောင့်, ပိုမိုကိုယ်စားလှယ်ဖြစ်လေ့ဖြစ်ပါတယ်။ နမူနာအရွယ်အစားသေးငယ်သည်အခါ, တစ်ဦးပုံမှန်မဟုတ်သောပါဝင်သူတစ်ဖွဲ့လုံးကနမူနာကျော်တစ်အစိုးသြဇာလွှမ်းမိုးမှုရှိနိုင်ပါသည်။ တစ်အများကြီးပိုကြီးတဲ့နမူနာအရွယ်အစားအသုံးပြုခြင်းရလဒ် skewing ထံမှပုံမှန်မဟုတ်သောပါဝင်သူများ၏သက်ရောက်မှုများမှေးမှိန်ဖို့ကြတယ်။

_{သတင်းရင်းမြစ်:}

_{Elmes, DG, Kantowitz, BH, & Roediger, စိတ်ပညာအတွက် H ကိုအယ်လ်သုတေသနနည်းလမ်းများ။ Belmont,, CA: Wadsworth; 2012 ခုနှစ်။}

_{Hockenbury, DH & Hockenbury, SE (2007) ။ စိတ်ပညာကိုတွေ့ရှိခြင်း။ နယူးယောက်: Worth ထုတ်ဝေ။}