Gyanank ಏಕೆ ಇದೆ
ಸಮಸ್ಯೆ
ಭಾರತದಲ್ಲಿ ಪ್ರತಿ ವರ್ಷ ಅಪಾರ ಪ್ರಮಾಣದ ಸಂಶೋಧನೆ ನಡೆಯುತ್ತದೆ — Pharm.D, MD, MS, MDS ಮತ್ತು ನರ್ಸಿಂಗ್ ಪ್ರಬಂಧಗಳು, PhD ಸಂಶೋಧನೆ, ಅಧ್ಯಾಪಕರ ಲೇಖನಗಳು, NGO ಸಮೀಕ್ಷೆಗಳು, tier-2 ಮತ್ತು tier-3 ನಗರಗಳ ಕ್ಷೇತ್ರ ಅಧ್ಯಯನಗಳು. ಬಹುತೇಕ ಎಲ್ಲವೂ ಒಂದೇ ರೀತಿ ಆರಂಭವಾಗುತ್ತವೆ: ಒಂದು Google Form, ಒಂದು Excel ಶೀಟ್ ಮತ್ತು ಸಂಖ್ಯಾಶಾಸ್ತ್ರವನ್ನು ಎಂದಿಗೂ ಕಲಿಯದ ಒಬ್ಬ ವ್ಯಕ್ತಿ.
ಆಮೇಲೆ ಅಡ್ಡಿ ಎದುರಾಗುತ್ತದೆ. ಅವರಿಗೆ ಪರೀಕ್ಷೆ ನಡೆಸಲು ಆಗುವುದಿಲ್ಲ. SPSS ಬಳಸುವವರು ಈಗಾಗಲೇ ಪರಿಣತರು ಎಂದು ಭಾವಿಸುತ್ತದೆ ಮತ್ತು ಅದಕ್ಕೆ ತಕ್ಕಂತೆ ಶುಲ್ಕ ವಿಧಿಸುತ್ತದೆ. Jamovi ಮತ್ತು JASP ಉಚಿತ, ಆದರೆ ಮೊದಲ ಬಾರಿ ಸಂಶೋಧನೆ ಮಾಡುವವರಿಗೆ ಸರಿಯಾದ ಪರೀಕ್ಷೆಯನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಅಥವಾ ಫಲಿತಾಂಶವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಇನ್ನೂ ಕಷ್ಟವಾಗುತ್ತದೆ. ChatGPT ಮತ್ತು ಇತರ AI ಚಾಟ್‌ಬಾಟ್‌ಗಳು ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತವೆ, ಆದರೆ ರೋಗಿಗಳ ಅಥವಾ ಸಮೀಕ್ಷೆಯ ಡೇಟಾವನ್ನು ಅವುಗಳಿಗೆ ಅಪ್‌ಲೋಡ್ ಮಾಡಿದರೆ ಡೇಟಾ ಸೋರಿಕೆಯಾಗುವ ಅಪಾಯವಿದೆ — ಅಲ್ಲದೆ, ಬಹುತೇಕ ಮಾರ್ಗದರ್ಶಕರು ಮತ್ತು ಸಂಸ್ಥೆಗಳು AI ಸಿದ್ಧಪಡಿಸಿದ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಹೇಗಿದ್ದರೂ ಒಪ್ಪುವುದಿಲ್ಲ. ಈ ಯಾವ ಸಾಧನವೂ ಸಂಶೋಧಕರು ಆರಂಭಿಸುವ ಹಂತದಿಂದ, ಅಂದರೆ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯಿಂದ, ಆರಂಭವಾಗುವುದಿಲ್ಲ.
ಹಾಗಾಗಿ ಜನರು ತಮ್ಮಿಂದಾದದ್ದನ್ನು ಮಾಡುತ್ತಾರೆ. ಅವರು ಸಂಖ್ಯಾಶಾಸ್ತ್ರಜ್ಞರಿಗೆ ₹20,000 ಅಥವಾ ಅದಕ್ಕಿಂತ ಹೆಚ್ಚು ಕೊಡುತ್ತಾರೆ — ವಿದ್ಯಾರ್ಥಿಯ ಬಳಿ ಇಲ್ಲದಷ್ಟು ಹಣ — ಮತ್ತು ಕಾಯುತ್ತಾರೆ. ನಂತರ ತಮಗೆ ವೈವಾದಲ್ಲಿ ವಿವರಿಸಲು ಆಗದ ಕೋಷ್ಟಕಗಳು ಅವರ ಕೈ ಸೇರುತ್ತವೆ. ಕೆಲವರು ತಮಗೇ ಅರ್ಥವಾಗದ ತೀರ್ಮಾನಗಳನ್ನು ಪ್ರಕಟಿಸುತ್ತಾರೆ. ಕೆಲವರ ಪ್ರಬಂಧವನ್ನು ತಿದ್ದುಪಡಿಯೊಂದಿಗೆ ಹಿಂದಿರುಗಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ತಿಂಗಳುಗಳು ವ್ಯರ್ಥವಾಗುತ್ತವೆ. ಕೆಲವರು ಸಂಶೋಧನೆ ತಮ್ಮಿಂದಾಗುವುದಿಲ್ಲ ಎಂದುಕೊಂಡು ಮತ್ತೆ ಪ್ರಯತ್ನಿಸುವುದೇ ಇಲ್ಲ.
ಭಾರತದಲ್ಲಿ ಪ್ರತಿಭೆ ಎಲ್ಲೆಡೆ ಇದೆ. ಆದರೆ ಅದಕ್ಕೆ ಬೇಕಾದ ಸಾಧನಗಳಿಲ್ಲ. ಆ ಅಂತರವನ್ನು ತುಂಬಲು Gyanank ರೂಪಿಸಲಾಗಿದೆ.
ನಮ್ಮ ಉದ್ದೇಶ
ಭಾರತದ ಯಾವುದೇ ವಿದ್ಯಾರ್ಥಿ, ವೈದ್ಯರು, ಶಿಕ್ಷಕರು ಅಥವಾ ಕ್ಷೇತ್ರ ಕಾರ್ಯಕರ್ತರು ತಮ್ಮದೇ ಡೇಟಾವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ₹20,000 ಕೊಟ್ಟು ವಾರಗಟ್ಟಲೆ ಕಾಯಬೇಕಾಗಬಾರದು ಎಂಬುದಕ್ಕಾಗಿ Gyanank ಇದೆ.
ನಿಮ್ಮ ಫಾರ್ಮ್ ರಚಿಸಲು, ಉತ್ತರಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು, ಸರಿಯಾದ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಪರೀಕ್ಷೆ ನಡೆಸಲು ಮತ್ತು ನೀವು ನಿಜವಾಗಿಯೂ ಸಮರ್ಥಿಸಿಕೊಳ್ಳಬಹುದಾದ ವರದಿ ಪಡೆಯಲು ಒಂದೇ ಸರಳ ಸ್ಥಳವನ್ನು ನಾವು ನಿರ್ಮಿಸುತ್ತಿದ್ದೇವೆ — ಪ್ರತಿ ಹಂತವನ್ನೂ ಸರಳ ಮಾತುಗಳಲ್ಲಿ ವಿವರಿಸುತ್ತೇವೆ. ಭಾರತಕ್ಕೆ ಹೊಂದುವ ಬೆಲೆಗಳು. ಭಾರತೀಯ ಭಾಷೆಗಳು. DPDPA ಅಡಿಯಲ್ಲಿ ನಿಮ್ಮ ಡೇಟಾಗೆ ರಕ್ಷಣೆ.
ನಾವು ಮಾಡುವ ಎಲ್ಲದರ ಕೇಂದ್ರದಲ್ಲಿ ಎರಡು ಪದಗಳಿವೆ: ಎಲ್ಲರಿಗೂ ಲಭ್ಯತೆ ಮತ್ತು ಸರಳತೆ.
R ಜೊತೆ ಹೋಲಿಸಿ ಪರಿಶೀಲಿಸಲಾಗಿದೆ
Gyanankನ ಅಂಕಿಅಂಶ ವಿಶ್ಲೇಷಣೆ Pythonನಲ್ಲಿ, SciPy ಮತ್ತು statsmodels ಮೇಲೆ ನಡೆಯುತ್ತದೆ — ಇವು ಜಗತ್ತಿನಾದ್ಯಂತ ಪ್ರಕಟಿತ ಸಂಶೋಧನೆಯಲ್ಲಿ ಬಳಸುವ ಮುಕ್ತ ಲೈಬ್ರರಿಗಳು. ಅದರ ಉತ್ತರಗಳು ಒಬ್ಬ ಅಂಕಿಅಂಶ ತಜ್ಞರಿಗೆ ಸಿಗುವಂಥವೇ ಎಂದು ತೋರಿಸಲು, ನಾವು ಒಂದೇ ಡೇಟಾವನ್ನು Gyanankನಲ್ಲೂ Rನಲ್ಲೂ ವಿಶ್ಲೇಷಿಸುತ್ತೇವೆ — R ಅನೇಕ ವಿಶ್ವವಿದ್ಯಾಲಯಗಳು ಮತ್ತು ಜರ್ನಲ್‌ಗಳು ಬಳಸುವ ಅಂಕಿಅಂಶ ಸಾಫ್ಟ್‌ವೇರ್ — ಮತ್ತು ಪ್ರತಿಯೊಂದು ಅಂಕೆಯನ್ನೂ ಹೋಲಿಸುತ್ತೇವೆ.
ಕೊನೆಯ ಪರಿಶೀಲನೆ 04-10-2026 ರಂದು R 4.6.1 ಬಳಸಿ: 22 ರಲ್ಲಿ 22 ಫಲಿತಾಂಶಗಳು ಒಂದೇ ಆಗಿವೆ.
ಎಲ್ಲಾ ಫಲಿತಾಂಶಗಳನ್ನು ನೋಡಿ
| ಪರೀಕ್ಷೆ | Gyanank | R |
|---|---|---|
| Student's t-test | t(78) = -2.01, p = .048, d = 0.448 | t(78) = -2.01, p = .048, d = 0.448 |
| Welch's t-test | t(45.0) = -3.19, p = .003, d = 0.713 | t(45.0) = -3.19, p = .003, d = 0.713 |
| Paired t-test | t(79) = 2.55, p = .013, d = 0.285 | t(79) = 2.55, p = .013, d = 0.285 |
| One-way ANOVA | F(2, 77) = 7.84, p = .001, η² = 0.169 | F(2, 77) = 7.84, p = .001, η² = 0.169 |
| Mann–Whitney U | U = 591.0, p = .043, r = 0.261 | U = 591.0, p = .043, r = 0.261 |
| Kruskal–Wallis | H(2) = 11.52, p = .003, ε² = 0.124 | H(2) = 11.52, p = .003, ε² = 0.124 |
| Wilcoxon signed-rank | W = 736.5, p = .011, r = 0.284 | W = 736.5, p = .011, r = 0.284 |
| Chi-square, 3 × 3 | χ²(4) = 6.51, p = .164, V = 0.202 | χ²(4) = 6.51, p = .164, V = 0.202 |
| Chi-square, 2 × 2 (Yates) | χ²(1) = 0.11, p = .740, V = 0.037 | χ²(1) = 0.11, p = .740, V = 0.037 |
| Fisher's exact test | p = .432, OR = 2.71 | p = .432, OR = 2.71 |
| Pearson correlation | r = -0.258, p = .021 | r = -0.258, p = .021 |
| Spearman correlation | ρ = 0.245, p = .029 | ρ = 0.245, p = .029 |
| McNemar, chi-square form | p = .001, OR of change = 4.333 | p = .001, OR of change = 4.333 |
| McNemar, exact form | p = .146, OR of change = 3.000 | p = .146, OR of change = 3.000 |
| Linear regression, model | F(2, 77) = 10.86, p < .001, R² = 0.220, adjusted R² = 0.200 | F(2, 77) = 10.86, p < .001, R² = 0.220, adjusted R² = 0.200 |
| Linear regression, hours | β = 0.980, SE = 0.214, p < .001 | β = 0.980, SE = 0.214, p < .001 |
| Linear regression, sleep | β = 0.137, SE = 0.385, p = .723 | β = 0.137, SE = 0.385, p = .723 |
| Logistic regression, hours | OR = 1.80 [1.19, 2.70], p = .005 | OR = 1.80 [1.19, 2.70], p = .005 |
| Logistic regression, sleep | OR = 1.90 [0.93, 3.90], p = .079 | OR = 1.90 [0.93, 3.90], p = .079 |
| Cronbach's alpha | α = 0.835 | α = 0.835 |
| Shapiro–Wilk normality check | p = .382 | p = .382 |
| Levene equal-variance check | p = .164 | p = .164 |
ಪರಿಶೀಲನೆಯ ಡೇಟಾ 80 ಉತ್ತರದಾರರ ಒಂದು ಕಾಲ್ಪನಿಕ ಅಧ್ಯಯನ; ಎರಡೂ ಅದನ್ನೇ ಓದುತ್ತವೆ. Rನ ಡೀಫಾಲ್ಟ್ ಸೆಟ್ಟಿಂಗ್‌ಗಳು ವ್ಯಾಖ್ಯಾನದಿಂದಲೇ Gyanankಗಿಂತ ಭಿನ್ನವಾಗಿರುವಲ್ಲಿ — ಉದಾಹರಣೆಗೆ Fisher's exact test ಯಾವ odds ratio ತೋರಿಸುತ್ತದೆ ಎಂಬುದು — R ಅನ್ನು Gyanankನ ವಿಧಾನಕ್ಕೆ ಹೊಂದಿಸಲಾಗಿದೆ.