MODYUL IV

Aralin 1 Kabanata 2 Metodolohiya (Disenyo ng

Pananaliksik at Populasyon at
Lokasyon ng Pag-aaral)

Aralin 2 Mga Instrumentasyon at Paglikom ng

Datos

Aralin 3 Pag-aanalisa ng mga Datos

Aralin 4 Pormat sa pagbuo ng buong

Panukalang Papel

Module IV
 2

Aralin 3

 Pag-aanalisa ng mga Datos

Tinutukoy ng seksyong ito ang mga statistical tool na ginamit sa

pagtrato ng mga datos na nakalap (hal. Frequency count, mean, weighted
mean, t-test, ANOVA, chi-square, Pearson r, at iba pa).

Kasama rin ang mga gabay (range values at deskripsyon) para sa pag-
kategorya at interpretasyon ng mga datos, kasama din dito ang mga antas ng
kahalagahan / ugnayan na kinakailangan sa pagsubok ng teorya, at
gagamiting software (na may kaukulang bersyon). Kung ginagamit ang mga
hindi pamilyar na pagsusuri sa istatistika, ang pormula ay ipinapakita at
ipinaliliwanag para sa pagiging angkop nito.

Basahin ang halimbawa ng kwantitatibong pananaliksing na nasa ibaba

mula sa pag-aaral ni Ymasa, 2010.

Pag-aanalisa ng mga Datos

Ang mga mahahalagang datos at kinakailangang impormasyon na

nakalap ng mananaliksik ay tinaya, inanalisa at ginamitan ng angkop na

pagtratong istadistikal.

Ang mga kasagutan nakalap mula sa ibinigay ng mga talatanungan

para sa antas ng pangangailangan ng mga mag-aaral sa pagbasa at pagsulat

ay ginamitan ng frequency count at average weighted mean at binigyan ng

interpretasyon gamit ang sumusunod na scale:

A. Kasapatan ng mga pagsasanay na ginagamit ng mga guro

Bilang Statistical Range Deskripsyon

5 4.51 – 5:00 Tunay na sapat na sapat

4 3.51 – 4.50 Sapat na sapat

3 2.51 - 3.50 Sapat

Module IV
 3

2 1.51 – 2.50 Hindi gaanong sapat

1 1.00 – 1.50 Hindi sapat

B. Kadalasan ng pagbibigay ng mga guro ng mga pagsasanay sa mga

mag-aaral

Bilang Statistical Range Deskripsyon

5 4.51 – 5:00 Napakadalas

4 3.51 – 4.50 Madalas

3 2.51 - 3.50 Paminsan-minsan

2 1.51 – 2.50 Bihira

1 1.00 – 1.50 Hindi Kailanman

Ang antas naman ng performans ng mga mag-aaral sa pagsusulit ay

ginamitan ng frequency count at mean at percentage ng bilang ng mga mag-

aaral at binigyang interpretasyon gamit ang sumusunod na scale na hinango

sa pag-aaral ni Bacnis (2008):

Percentile Value Descritive Rating

1% - 50% Kailangang Kailangan

51% - 74% Hindi Masyadong Kailangan

75% - Above Hindi Kailangan

Samantala, ang mga kasagutang nakalap mula sa ibinigay ng mga

talatanungan para sa balidasyon ng prototayp na sanayang aklat sa pagbasa

at pagsulat ay ginamitan din ng frequency count at average weighted mean

at binigyan ng interpretasyon gamit ang sumusunod na scale:

A. Kasapatan ng mga layunin ng kurso na naisakatawan sa sanayang

aklat

Bilang Statistical Range Deskripsyon

5 4.51 – 5:00 Tunay na sapat na sapat

4 3.51 – 4.50 Sapat na sapat

3 2.51 - 3.50 Sapat

Module IV
 4

2 1.51 – 2.50 Hindi gaanong sapat

1 1.00 – 1.50 Hindi sapat

B. Kaangkupan ng mga pagsasanay sa sanayang aklat sa kakayahan ng

mga mag-aaral

Bilang Statistical Range Deskripsyon

5 4.51 – 5:00 Tunay na angkop na angkop

4 3.51 – 4.50 Angkop na angkop

3 2.51 - 3.50 Angkop

2 1.51 – 2.50 Hindi gaanong angkop

1 1.00 – 1.50 Hindi angkop

C. Kalinawan ng paglalahad ng mga pagsasanay sa nalinang na

prototayp na sanayang aklat

Bilang Statistical Range Deskripsyon

5 4.51 – 5:00 Tunay na malinaw na malinaw

4 3.51 – 4.50 Malinaw na malinaw

3 2.51 - 3.50 Malinaw

2 1.51 – 2.50 Hindi gaanong malinaw

1 1.00 – 1.50 Hindi malinaw

D. Kaangkupan ng wikang ginamit sa antas ng bokabularyo ng mga mag-

aaral

Bilang Statistical Range Deskripsyon

5 4.51 – 5:00 Tunay na angkop na angkop

4 3.51 – 4.50 Angkop na angkop

3 2.51 - 3.50 Angkop

2 1.51 – 2.50 Hindi gaanong angkop

1 1.00 – 1.50 Hindi angkop

E. Kabuluhan ng mga pagsasanay sa pagtuturo ng Filipino 102

Bilang Statistical Range Deskripsyon

Module IV
 5

5 4.51 – 5:00 Tunay na makabuluhang

makabuluhan

4 3.51 – 4.50 Makabuluhang makabuluhan

3 2.51 - 3.50 Makabuluhan

2 1.51 – 2.50 Hindi gaanong makabuluhan

1 1.00 – 1.50 Hindi makabuluhan

Kinuha naman ng mananaliksik ang grand mean ng mga naging

kasagutan ng lahat ng mga balideytor upang makuha ang kabuuang antas

ng pagkabalido ng sanayang aklat gamit ang scale sa ibaba:

Bilang Statistical Range Deskripsyon

5 4.51 – 5:00 Napakataas ang pagkabalido

4 3.51 – 4.50 Mataas ang pagkabalido

3 2.51 – 3.50 Katamtaman ang pagkabalido

2 1.51 – 2.50 Mababa ang pagkabalido

1 1.00 – 1.50 Hindi Balido

Ano ang dapat taglayin ng kwantitatibong pananaliksik sa bahaging ito?

a. Ilahad ang statistical tool na gagamitin para sa pagtrato ng mga

makakalap na datos. Batay sa halimbawang nasa itaas ang pag-aaral
ay ginamit ang pagkuha ng frequency count at average weighted
mean.
b. Upang bigyan ng interpretasyon ang mga average weighted mean na
makukuha sa resulta kinakailangang mayroong iskala o scale na siyang
magiging batayan. Ang iskala ay kailangang angkop. Maaari itong
hiramin, imodify o hindi naman kaya ay bumuo ngunit kailangan nang
maingat na proseso sa pagbuo nito upang maging tumpak ang
kakalabasan ng interpretasyon sa mga datos. Makikita sa halimbawa
na may iba’t ibang iskalang ginamit para sa mga datos na nakalap.
Halimbawa, upang bigyang interpretasyon ang average weighted
mean para sa antas ng pangangailangan ng mga mag-aaral sa pagbasa
at pagsulat ukol sa kasapatan ng mga pagsasanay na ginagamit ng
mga guro ginamit ang iskalang:
A. Kasapatan ng mga pagsasanay na ginagamit ng mga guro

Module IV
 6

Bilang Statistical Range Deskripsyon

5 4.51 – 5:00 Tunay na sapat na

sapat

4 3.51 – 4.50 Sapat na sapat

3 2.51 - 3.50 Sapat

2 1.51 – 2.50 Hindi gaanong sapat

1 1.00 – 1.50 Hindi sapat

Samantala, upang mabigyan naman ang mga kasagutang nakalap para

sa balidasyon ng prototayp na sanayang aklat kinuha pa rin ng mananaliksik
ang frequency count at average weighted mean ng mga naging kasagutan ng
mga balideytor. Makikita sa halimbawa na sa indikeytor na kasapatan ng
mga layunin ng kurso na naisakatawan sa sanayang aklat ay ginamit ang
iskalang:

A. Kasapatan ng mga layunin ng kurso na naisakatawan sa

sanayang aklat

Bilang Statistical Range Deskripsyon

5 4.51 – 5:00 Tunay na sapat na sapat

4 3.51 – 4.50 Sapat na sapat

3 2.51 - 3.50 Sapat

2 1.51 – 2.50 Hindi gaanong sapat

1 1.00 – 1.50 Hindi sapat

Ang isang pamamaraan ng talakayan sa isang kwalitatibong panukala

ay kailangang tukuyin din ang mga hakbang sa pag-aralan ang iba't ibang
anyo ng mga datos sa kwalitatibong pananaliksik. Sa pangkalahatan, ang
hangarin ay upang magkaroon ng katuturan ang mga datos mula teksto at
mga imahen. Nagsasangkot ito ng pagse-segment at paghiwalayin ng datos
(tulad ng pagbabalik ng mga balat ng isang sibuyas) pati na rin ang
pagsasama-sama nito. Ang talakayan sa iyong panukala tungkol sa pagtatasa
ng datos sa kwalitatibo ay maaaring magsimula sa maraming mga
pangkalahatang punto tungkol sa pangkalahatang proseso:

Module IV
 7

1. Ang pagtatasa ng mga datos sa kwalitatibong pananaliksik ay

magpapatuloy na magkasama sa iba pang mga bahagi ng pagbuo ng
kwalitatibo na pag-aaral, samakatuwid, ang koleksyon ng mga datos
at ang pagsulat ng mga natuklasan. Habang ang mga panayam ay
nangyayari, halimbawa, ang mga mananaliksik ay maaaring pinag-
aaralan ang isang pakikipanayam na nakolekta nang mas maaga,
pagsulat ng mga memo na maaaring sa huli ay maisama bilang isang
salaysay sa huling ulat, at pag-aayos ng istraktura ng pangwakas na
ulat. Ang prosesong ito ay hindi katulad ng kwantitatibong
pagsasaliksik kung saan kinokolekta ng mga mananaliksik ang datos,
pagkatapos ay pinag-aaralan ang impormasyon, at sa wakas ay
isinusulat ang ulat.
2. Dahil ang nga datos ng teksto at imahe ay napakapal at mayaman,
hindi lahat ng impormasyon ay maaaring magamit sa isa uring ito ng
ng pag-aaral. Sa gayon, sa pagtatasa ng mga datos, kailangang
"winnow" ng data ng mga mananaliksik (Bisita, MacQueen, & Namey,
2012), isang proseso ng pagtuon sa ilan sa mga datos at hindi
isinasaalang-alang ang iba pang mga bahagi nito. Ang prosesong ding
ito ay naiiba mula sa kwantitatibong pananaliksik kung saan
nagsusumikap ang mga mananaliksik upang mapanatili ang lahat ng
datos at muling buuin o palitan ang nawawalang datos. Sa
kwalitatibong pananaliksik, ang epekto ng prosesong ito ay upang
pagsamahin ang datos sa isang maliit na bilang ng mga tema, isang
bagay tulad ng lima hanggang pitong tema (Creswell, 2013).
3. Tukuyin din kung gagamit ka ng isang kwalitatibong program sa
pagtatasa ng datos ng computer upang matulungan ka na pag-aralan
ang datos (o kung ibibigay mo ang code sa datos). Ang pag-coding sa
kamay ay isang matrabaho at matagal na proseso, kahit na para sa
mga datos mula sa ilang mga indibidwal. Sa gayon, ang mga program
software ay naging tanyag, at tinutulungan nila ang mga mananaliksik
na ayusin, pag-uri-uriin, at maghanap ng impormasyon sa teksto o
imahe ng mga database.
4. Ang isang kapaki-pakinabang na konsepto upang maisulong sa seksyon
ng pamamaraan para sa kwalitatibong pamamaraan ay magpapatuloy
sa dalawang antas: (a) ang una ay ang mas pangkalahatang
pamamaraan sa pag-aral ng mga datos, at (b) ang pangalawa ay ang
mga hakbang sa pagtatasa sa mga naka-embed sa loob ng tukoy na
mga disenyo sa kwantitatibong pag-aaral.
5. Sa kabila ng mga pagkakaiba-iba sa pag-aanalisa ng mga datos sa
dalawang pag-aaral na ito depende sa uri ng istratehiyang ginamit,
ang mga kwalitatibo na nagtatanong ay madalas na gumagamit ng
isang pangkalahatang pamamaraan at ihatid sa panukala ang mga
hakbang sa pagtatasa ng datos. Ang isang perpektong sitwasyon ay
upang ihalo ang mga pangkalahatang hakbang sa mga tukoy na
hakbang sa diskarte sa pananaliksik.

Bilang isang tip sa pagsasaliksik, hinihimok ni Creswell (2014) ang mga

mananaliksik na tingnan ang kwalitatibong pagtatasa ng mga datos mula sa
mga sumusunod na hakbang mula sa tukoy sa pangkalahatan at bilang
kasangkot sa maraming antas ng pagsusuri.

Module IV
 8

1. Isaayos at ihanda ang datos para sa pag-aanalisa. Nagsasangkot ito ng

paglilipat ng mga panayam, pag-scan, pagta-type ng mga tala sa field
notes, pag-catalog sa lahat ng materyal na biswal, at pag-uuri at pag-
aayos ng mga datos sa iba't ibang uri depende sa mga mapagkukunan
ng impormasyon.
2. Basahin o tingnan ang lahat ng datos. Ang unang hakbang na ito ay
nagbibigay ng isang pangkalahatang kahulugan ng impormasyon at
isang pagkakataon na pagnilayan ang pangkalahatang kahulugan nito.
Anong mga pangkalahatang ideya ang sinasabi ng mga kalahok? Ano
ang tono ng mga ideya? Ano ang impresyon ng pangkalahatang lalim,
kredibilidad, at paggamit ng impormasyon? Minsan ang mga
mananaliksik sa kwalitatibo ay nagsusulat ng mga tala sa mga margin
ng mga transcript o mga tala ng larangan ng pagmamasid, o
nagsisimulang magrekord ng mga pangkalahatang saloobin tungkol sa
datos sa yugtong ito. Para sa biswal na datos, ang isang sketchbook ng
mga ideya ay maaaring magsimulang magkaroon ng hugis.
3. Simulang i-coding ang lahat ng datos. Ang coding ay ang proseso ng
pag-aayos ng datos sa pamamagitan ng pag-bracket ng mga bahagi (o
mga segment ng teksto o imahe) at pagsulat ng isang salita na
kumakatawan sa isang kategorya sa mga margin (Rossman & Rallis,
2012). Nagsasangkot ito ng pagkuha ng datos ng teksto o mga larawan
na natipon sa panahon ng pagkolekta ng datos, pag-segment ng mga
pangungusap (o talata) o mga imahe sa mga kategorya, at paglalagay
ng label sa mga kategoryang iyon sa isang termino, madalas na isang
termino na batay sa aktwal na wika ng kalahok (tinatawag na isang in
vivo term).

Bilang karagdagan, magbigay ng ilang pansin sa mga uri ng mga code

upang mabuo kapag pinag-aaralan ang isang transcript text o isang larawan
(o iba pang uri ng visual na bagay). Nagbigay din si Creswell (2014) ng
tungkol sa mga code na nahulog sa tatlong mga kategorya:

1. Mga code sa mga paksang inaasahan ng mga mambabasa na

makahanap, batay sa nakaraang panitikan at sentido komun. Kapag
nag-aaral ng pananakot sa mga paaralan, maaari mong i-code ang
ilang mga segment bilang "pag-uugali sa sarili." Inaasahan ang code na
ito sa isang pag-aaral tungkol sa pananakot sa mga paaralan.
2. Mga code na nakakagulat at hindi inaasahan sa simula ng pag-aaral.
Sa isang pag-aaral ng pamumuno sa mga hindi pangkalakal na
organisasyon, maaari kong malaman ang tungkol sa epekto ng geo-
warming sa pagbuo ng samahan at kung paano nito hinuhubog ang
lokasyon at kalapitan ng mga indibidwal sa isa't isa. Nang hindi
lumalabas sa gusali bago magsimula ang pag-aaral at tingnan ito,
hindi ko kinakailangang mag-isip tungkol sa mga code ng geo-warming
at lokasyon ng mga tanggapan sa aking pag-aaral ng pamumuno.
3. Mga code na hindi pangkaraniwan, at iyon ay, sa kanilang sarili, na
may konsepto na interes sa mga mambabasa. Gagamitin ko ang isa sa
mga code na natuklasan namin sa aming sa pag-aaral ng tugon ng
campus sa isang gunman (Asmussen & Creswell, 1995). Hindi namin
inaasahan ang code na "retriggering" na lilitaw sa aming pag-aaral, at

Module IV
 9

lumabas ito mula sa pananaw ng isang sikolohista na tinawag sa

campus upang masuri ang tugon. Ang katotohanan na ang mga
indibidwal ay naalalahanan ng nakaraang mga traumatiko na
insidente — ang pag-retriggering— ay nag-udyok sa amin na gamitin
ang term bilang isang mahalagang code at sa huli isang tema sa aming
pag-aaral.

Kung gayon, ang paraan ng istruktura ng pagbuo ng bahaging pag-

aanalisa sa mga datos para sa kwalitatibong pananaliksik ay may
pagkakatulad sa kwantitatibo maliban sa hindi paglalagay ng mga iskala.

Module IV
 10

 GAWAIN SA PAGKATUTO

I. Pagbuo ng Pag-aanalisa ng mga Datos

Bumuo ng Pag-aanalisa ng mga datos sa tulong ng mga konsepto at

impormasyong napag-aralan. Isaalang-alang ang wastong paglalahad
nito.

Gabay sa Pagbuo

1. Ang isasagawang Pag-aanalisa ng mga Datos ay nakabatay sa kung

anong pamamaraan ang gagamitin. Kung ito ba ay kwalitatibo o
kwantitatibo. Isaalang-alang ang pagkakaiba ng dalawang
pamamaraan batay sa mga nilalamang kailangang taglayin ng mga
ito sa bahaging ito.
2. Maging malinaw at tiyak sa paglalahad ng mga gagamitin sa
pagtrato ng iyong mga datos.
3. Ikonsidera ang mga impormasyon at konsepto sa pagbuo ng
bahaging ito.

Module IV