Gyanank का आहे
समस्या
भारतात दरवर्षी मोठ्या प्रमाणावर संशोधन होते — Pharm.D, MD, MS, MDS आणि नर्सिंगचे प्रबंध, PhD संशोधन, प्राध्यापकांचे शोधनिबंध, NGO ची सर्वेक्षणे आणि दुसऱ्या व तिसऱ्या श्रेणीतील शहरांमधील क्षेत्रीय अभ्यास. जवळजवळ सगळ्यांची सुरुवात सारखीच होते: एक Google Form, एक Excel शीट आणि सांख्यिकीचे प्रशिक्षण न मिळालेली व्यक्ती.
मग अडचण येते. त्यांना चाचणी करता येत नाही. SPSS वापरण्यासाठी तुम्ही आधीच तज्ज्ञ आहात असे गृहीत धरले जाते आणि त्यानुसार शुल्कही आकारले जाते. Jamovi आणि JASP मोफत आहेत, पण पहिल्यांदाच संशोधन करणाऱ्याला योग्य चाचणी निवडणे किंवा निकाल समजून घेणे तरीही कठीण जाते. ChatGPT आणि इतर AI चॅटबॉट्स सांख्यिकीबद्दल बोलू शकतात, पण त्यांच्याकडे रुग्णांचा किंवा सर्वेक्षणाचा डेटा अपलोड करणे म्हणजे डेटा लीक होण्याचा धोका — आणि बहुतेक मार्गदर्शक व संस्था AI ने केलेले विश्लेषण स्वीकारतही नाहीत. संशोधक जिथून सुरुवात करतो, म्हणजे डेटा गोळा करण्यापासून, तिथून यांपैकी कोणतेही साधन सुरू होत नाही.
म्हणून लोक जमेल तसे करतात. ते सांख्यिकी तज्ज्ञाला ₹20,000 किंवा त्याहून अधिक पैसे देतात — विद्यार्थ्याकडे नसलेले पैसे — आणि वाट पाहतात. त्यांना अशी तक्ते मिळतात जी त्यांना तोंडी परीक्षेत समजावून सांगता येत नाहीत. काही जण स्वतःलाच न समजलेले निष्कर्ष प्रकाशित करतात. काहींचा प्रबंध दुरुस्तीसाठी परत येतो आणि त्यांचे अनेक महिने वाया जातात. काही जण संशोधन आपल्यासाठी नाही असे ठरवतात आणि पुन्हा प्रयत्नच करत नाहीत.
भारतात गुणवत्तेची कमी नाही. साधनांची आहे. हीच दरी भरून काढण्यासाठी Gyanank तयार केले आहे.
आमचे ध्येय
भारतातील कोणत्याही विद्यार्थ्याला, डॉक्टरला, शिक्षकाला किंवा क्षेत्रीय कर्मचाऱ्याला स्वतःचा डेटा समजून घेण्यासाठी ₹20,000 खर्च करून आठवडे वाट पाहावी लागू नये, यासाठी Gyanank आहे.
आम्ही अशी एक सोपी जागा तयार करत आहोत जिथे तुम्ही फॉर्म तयार करू शकता, प्रतिसाद गोळा करू शकता, योग्य सांख्यिकीय चाचणी करू शकता आणि आपल्या निष्कर्षांचे समर्थन करता येईल असा अहवाल मिळवू शकता — प्रत्येक पायरी सोप्या शब्दांत समजावून सांगितलेली असेल. भारतीय दर. भारतीय भाषा. DPDPA अंतर्गत तुमच्या डेटाला संरक्षण.
आमच्या प्रत्येक कामाच्या केंद्रस्थानी दोन गोष्टी आहेत: सहज उपलब्धता आणि सोपेपणा.
R शी पडताळून पाहिले
Gyanank चे सांख्यिकीय विश्लेषण Python मध्ये, SciPy आणि statsmodels वर चालते — या जगभरातील प्रकाशित संशोधनात वापरल्या जाणाऱ्या मुक्त लायब्ररी आहेत. त्याची उत्तरे एखाद्या सांख्यिकीतज्ज्ञाला मिळतील तीच आहेत हे दाखवण्यासाठी, आम्ही तोच डेटा Gyanank मध्ये आणि R मध्ये विश्लेषित करतो — R हे अनेक विद्यापीठे आणि जर्नल्स वापरतात ते सांख्यिकी सॉफ्टवेअर आहे — आणि प्रत्येक आकडा तपासतो.
शेवटची पडताळणी 04-10-2026 रोजी R 4.6.1 सह: 22 पैकी 22 निकाल सारखे आहेत.
सर्व निकाल पाहा
| चाचणी | 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 |
पडताळणीचा डेटा 80 उत्तरदात्यांचा एक काल्पनिक अभ्यास आहे, जो दोघेही वाचतात. जिथे R ची डीफॉल्ट सेटिंग व्याख्येनुसारच Gyanank पेक्षा वेगळी आहे — उदा. Fisher's exact test कोणता odds ratio दाखवतो — तिथे R ला Gyanank च्या पद्धतीनुसार सेट केले आहे.