Gyanank ఎందుకు ఉంది
సమస్య
భారత్‌లో ప్రతి సంవత్సరం ఎంతో పరిశోధన జరుగుతుంది — Pharm.D, MD, MS, MDS, నర్సింగ్ థీసిస్‌లు, PhD పరిశోధనలు, అధ్యాపకుల పత్రాలు, NGO సర్వేలు, tier-2, tier-3 నగరాల్లో క్షేత్రస్థాయి అధ్యయనాలు. దాదాపు అన్నీ ఒకే విధంగా మొదలవుతాయి: ఒక Google Form, ఒక Excel షీట్, గణాంకాలు ఎప్పుడూ నేర్చుకోని ఒక వ్యక్తి.
ఆ తర్వాత అడ్డంకి ఎదురవుతుంది. వారికి పరీక్ష చేయడం రాదు. SPSS వాడాలంటే ఇప్పటికే నిపుణులై ఉండాలని భావిస్తుంది, దానికి తగ్గట్టుగానే ధర వసూలు చేస్తుంది. Jamovi, JASP ఉచితమే, కానీ తొలిసారి పరిశోధన చేస్తున్నవారికి ఏ పరీక్ష ఎంచుకోవాలో, ఫలితాలను ఎలా అర్థం చేసుకోవాలో ఇప్పటికీ తెలియదు. ChatGPT, ఇతర AI చాట్‌బాట్‌లు గణాంకాల గురించి మాట్లాడగలవు, కానీ రోగుల లేదా సర్వే డేటాను వాటిలో అప్‌లోడ్ చేస్తే డేటా బయటపడే ప్రమాదం ఉంది — పైగా AI చేసిన విశ్లేషణను చాలా మంది మార్గదర్శకులు, సంస్థలు అంగీకరించరు. ఈ సాధనాల్లో ఏదీ పరిశోధకులు మొదలుపెట్టే చోట, అంటే డేటా సేకరణ దగ్గర, మొదలవదు.
అందుకే ప్రజలు తమకు సాధ్యమైనది చేస్తారు. గణాంక నిపుణుడికి ₹20,000 లేదా అంతకంటే ఎక్కువ చెల్లిస్తారు — విద్యార్థి దగ్గర లేని డబ్బు అది — ఆపై వేచి చూస్తారు. తిరిగి వచ్చే పట్టికలను వైవాలో వివరించలేరు. కొందరు తమకే అర్థం కాని నిర్ధారణలను ప్రచురిస్తారు. కొందరి థీసిస్ తిరస్కరణకు గురై, నెలల సమయం వృథా అవుతుంది. మరికొందరు పరిశోధన తమ వల్ల కాదనుకుని మళ్లీ ప్రయత్నించరు.
భారత్‌లో ప్రతిభకు కొదవ లేదు. కానీ అవసరమైన సాధనాలు లేవు. ఆ లోటును తీర్చడానికే Gyanank రూపొందింది.
మా లక్ష్యం
భారత్‌లో ఏ విద్యార్థీ, వైద్యుడూ, ఉపాధ్యాయుడూ, క్షేత్రస్థాయి కార్యకర్తా తమ సొంత డేటాను అర్థం చేసుకోవడానికి ₹20,000 చెల్లించి వారాల తరబడి వేచి ఉండాల్సిన అవసరం లేకుండా చేయడానికే Gyanank ఉంది.
మీరు ఫారమ్ రూపొందించడానికి, సమాధానాలు సేకరించడానికి, సరైన గణాంక పరీక్ష చేయడానికి, మీరు నిజంగా సమర్థించగలిగే నివేదిక పొందడానికి ఒక సులభమైన చోటును మేము నిర్మిస్తున్నాం — ప్రతి దశను సరళమైన మాటల్లో వివరిస్తూ. భారతీయులకు అనుకూలమైన ధరలు. భారతీయ భాషలు. DPDPA కింద మీ డేటాకు రక్షణ.
మేం చేసే ప్రతిదానికీ రెండు అంశాలే ముఖ్యం: అందరికీ అందుబాటు, సరళత.
R తో పోల్చి తనిఖీ చేశాం
Gyanank గణాంక విశ్లేషణ Python లో, SciPy, statsmodels పై నడుస్తుంది — ఇవి ప్రపంచవ్యాప్తంగా ప్రచురితమైన పరిశోధనల్లో ఉపయోగించే ఓపెన్ లైబ్రరీలు. దాని సమాధానాలు ఒక గణాంక నిపుణుడికి వచ్చేవే అని చూపడానికి, మేము ఒకే డేటాను Gyanank లోనూ R లోనూ విశ్లేషించి — R అనేది చాలా విశ్వవిద్యాలయాలు, జర్నల్స్ ఉపయోగించే గణాంక సాఫ్ట్‌వేర్ — ప్రతి సంఖ్యనూ పోలుస్తాం.
చివరిగా 04-10-2026 న R 4.6.1 తో తనిఖీ చేశాం: 22 లో 22 ఫలితాలు ఒకేలా ఉన్నాయి.
అన్ని ఫలితాలు చూడండి
| పరీక్ష | 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 |
తనిఖీ డేటా 80 మంది సమాధానం ఇచ్చిన ఒక కల్పిత అధ్యయనం; రెండూ అదే డేటాను చదువుతాయి. R డిఫాల్ట్ సెట్టింగ్‌లు నిర్వచనం పరంగానే Gyanank కంటే భిన్నంగా ఉన్నచోట — ఉదాహరణకు Fisher's exact test ఏ odds ratio చూపిస్తుందనేది — R ను Gyanank పద్ధతికి సెట్ చేశాం.