ကျွန်ုပ်တို့ သိပြီမှ နောက်ထပ်တင်ဆက်ပေးမည့် ဒေတာချက်ပြုတ်နည်းမှာ ကိုဗစ်ကပ်ရောဂါကြောင့် ဖြစ်ပေါ်လာသော လူမှုစီးပွားဘဝအကျိုးသက်ရောက်မှုများကို မျဉ်းချပ်ဖြင့် ပုံဖော်ရေးဆွဲခြင်း ဖြစ်ပါသည်။ မျဉ်းချပ်များသည် စာဖတ်ပရိတ်အတွက် ရိုးရှင်းပြီး ချက်ချင်းနားလည် သဘောပေါက် လွယ်သောကြောင့် ၎င်းတို့ကို ကပ်ရောဂါ ကာလတလျှောက် သတင်းများတွင် တွင်တွင်ကျယ်ကျယ် အသုံးပြုနေသည်ကို တွေ့နိုင်ပါသည်။ အထူးသဖြင့် လူအများစုနှင့်ရင်းနှီးခြင်းမရှိသေးသော အကြောင်းအရာများကို တင်ဆက်ရာတွင် မျဉ်းချပ်များသည် လွန်စွာအသုံးဝင်ပါသည်။ ယခု တစ်ကြိမ်တွင် Google’s Community Mobility data အချက်အလက်များကို အသုံးပြု၍ လူအများ မည်သည့်နေရာအမျိုးအစားတွင် အချိန်မည်မျှ အသုံးပြုသည်ကို ပြသည့် “လူအများ၏ လှုပ်ရှားသွားလာမှုပြမျဉ်းချပ်” ပုံဖော်ရေးဆွဲနည်းကို တင်ပြပါမည်။
အဆင့်များ
၁။ အချက်အလက်များတင်သွင်းခြင်း
၂။ မျဉ်းချပ်ရေးဆွဲခြင်း
၃။ မျဉ်းချပ်အညွှန်းရေးသားခြင်း
၄။ ထုတ်ဝေခြင်း
အသုံးပြုမည့်အချက်အလက်များ
Google မှ လူအများသွားလာသည့် နေရာအမျိုးအစား (၆) မျိုးအပေါ်မူတည်၍ လှုပ်ရှားသွားလာမှု အချက် အလက်များကို မှတ်တမ်းတင်ပါသည်။ နေရာအမျိုးအစားများကို လက်လီဆိုင်များနှင့် အပန်းဖြေနေရာများ၊ ကုန်စုံဆိုင်များ နှင့် ဆေးဆိုင်များ၊ ပန်းခြံများ၊ အများပြည်သူသယ်ယူပို့ဆောင်ရေးဂိတ်များ၊ လုပ်ငန်းခွင်နေရာများ နှင့် လူနေအိမ်များဟူ၍ (၆)မျိုးခွဲခြားထားပါသည်။ ဖုန်းတွင် share location ဖွင့်ထားသည့် Google အသုံးပြုသူများထံမှ ကိုယ်ရေးလုံခြုံမှုမပေါက်ကြားစေဘဲ ကောက်ယူထားသည့် လုံးပေါင်းအချက်အလက်များ ဖြစ်ပါသည်။ အခြား အချက်အလက်များနှင့် ကွာခြားသည့် အချက်မှာ သွားလာလှုပ်ရှားမှုဆိုင်ရာ အချက်အလက် များကို indexed ပြုလုပ်ထားခြင်းဖြစ်ပါသည်။ ဤနေရာတွင် Indexed ၏ အဓိပ္ပါယ်မှာ ကောက်ယူရရှိသော အချက်အလက်ကုန်ကြမ်းများအတွက် (raw data) များအတွက် စမှတ်တစ်ခုသတ်မှတ်ထားခြင်းဖြစ်သည်။ ယခု အချက်အလက်များအတွက် သတ်မှတ်ထားသည့် စမှတ်မှာ ကျပန်းရွေးချယ်ထားသည့် ဇန်နဝါရီလလယ်အပတ် ဖြစ်သည်။ ယင်းလလယ်တွင်ကောက်ယူရရှိသော အချက်အလက်များကို သုညမှတ်အဖြစ်သတ်မှတ်၍ ထိုကာလနောက်ပိုင်း သွားလာလှုပ်ရှားမှုပုံစံများ မည်သို့ပြောင်းလဲသွားသည်ကို နှိုင်းယှဉ်လေ့လာ ကြည့်ရှုနိုင်မည် ဖြစ်သည်။ ထိုသို့ သုညမှတ်ထားခြင်းဖြင့် ပြောင်းလဲမှုအတက်အကျလားရာများကို ရာခိုင်နှုန်း ဖြင့် အဓိပ္ပါယ် ရှိရှိ နှိုင်းယှဉ်တင်ပြနိုင်မည်ဖြစ်သည်။
အချက်အလက်များထုတ်ယူခြင်း (data extraction)နှင့် ရှင်းထုတ်ခြင်း (data cleaning)မပြုမီ မိမိတို့ အသုံးပြုမည့် အချက်အလက်များအကြောင်း ဂဃနဏသိရန်လိုပါသည်။ ယေဘုယျအားခြင့် အချက်အလက် ရင်းမြစ်များမှ ရှင်းလင်းချက်၊ ပါဝင်သည့်အချက်အလက်များနှင့် အချက်အလက်ဖိုင် တည်ဆောက်ပုံ တို့ကိုဖော်ပြသည့် codebooks နှင့် metadata များကို ရရှိနိုင်ပါသည်။ Codebooks များကို အသေအချာ ဖတ်ရှုစစ်ဆေးမှသာ အချက်အလက်များ၏ အဓိပ္ပါယ်၊ ကိုယ်စားပြုမှု၊ ယူနစ်များနှင့် နောက်ခံအခင်းအကျင်းတို့ကို သိရှိနိုင်ပြီး dataset များကို ရှင်းလင်း ထိရောက်စွာ ပုံဖော်ပြသနိုင်မည်ဖြစ်သည်။ ကံကောင်းစွာဖြင့် Google Mobility Data မှ ယင်းတို့စုဆောင်း ထားသည့် လှုပ်ရှားသွားလာမှုဆိုင်ရာအချက်အလက်တွဲများ (mobility datasets) အကြောင်းကို သိရှိနားလည်နိုင်ရန် guidance လက်စွဲ ထုတ်ပေးထားပါသည်။ ပထမဦးစွာ အောက်တွင်ပေးထားသော လင့်ခ်များကို ကြည့်ရှုခြင်းဖြင့် အသုံးပြုရမည့် အချက်အလက်များအကြောင်း ပိုမိုနားလည်လာပါလိမ့်မည်။
အထက်ပါ မျဉ်းချပ်ကို ကြည့်ပါက X ဝင်ရိုးသည် နေ့စွဲများကို ကိုယ်စားပြုပြီး၊ Y ဝင်ရိုးသည် သုညမှတ်မှ စတင်၍ နေ့စဉ်အပြောင်းအလဲများကို ရည်ညွှန်းပါသည်။ ဥပမာအားဖြင့် မတ်လ ၁ရက်နေ့တွင် လက်လီဆိုင်များနှင့် အပန်းဖြေနေရာများသို့ သွားရောက်သည့် လူဦးရေမှာ စမှတ်ထက် ၅ရာခိုင်နှုန်းပိုများနေသည့်အတွက် အပြာရောင်မျဉ်းသည် အနက်ရောင်ဖြင့်ဆွဲထားသည့် ရေပြင်ညီစမှတ်မျဉ်း၏ အထက်တွင်ရောက်နေသည်ကို တွေ့ရပါမည်။ ဧပြီလ ၁၅ ရက်နေ့ကို လှုပ်ရှားသွားလာမှု အနိမ့်ဆုံးဆုံးနေ့အဖြစ်တွေ့နိုင်ပြီး စမှတ်အောက် ၇၄ ရာခိုင်နှုန်းလျော့နည်းနေသည်ကို တွေ့ရပါမည်။ အပေါ်သို့ချွန်ထွက်နေပါက လက်လီဆိုင်များနှင့် အပန်းဖြေနေရာများသို့ လူအများစုသွားရောက်နေသည်ဟု အဓိပ္ပါယ်ရပြီး အောက်သို့ဆိုက်ဆင်းနေပါက ယင်းနေရာများသို့ လူအသွားအလာကျဲပါးနေသည်ဟု နားလည်နိုင်ပါသည်။ ထို့ကြောင့် မိမိတို့ အသုံးပြုမည့် အချက်အလက်များ၏ ဆိုလိုရင်းကိုရှင်းလင်းစွာသိရှိနိုင်ရန် မှန်းဆခြင်းထက် အချိန်ယူလေ့လာခြင်းသည် အလွန်ပင် အရေးကြီးကြောင်း သိရှိနိုင်ပါသည်။
ထို့ပြင် အချက်အလက်များသည် မည်သည့်အရာများကို တိုင်းတာဖော်ပြနိုင်သည်၊ မည်သည့်အရာများကို တိုင်းတာနိုင်ခြင်းမရှိ ဆိုသည်တို့ကိုလည်း သိရှိရန်လိုအပ်ပါသည်။ အချက်အလက်များ ကောက်ယူသည့်ပုံစံအရ ထွက်ပေါ်လာသော အချက်အလက်တွဲသည် နေရာတစ်ခုသို့လာရောက်သော လူအရေအတွက် (သို့မဟုတ်) ယင်းနေရာတွင် အချိန်သုံးသည့်ကာလ တို့ကို တစ်ခုချင်းစီခွဲ၍ ဖော်ပြခြင်းမဟုတ်ဘဲ အတူတွဲလျက် ဖော်ပြထားကြောင်းသိရှိမှသာ မိမိ၏ အဓိပ္ပါယ်ကောက်ယူမှုမှန်ကန်မည်ဖြစ်ပါသည်။ ထို့ပြင် အချက်အလက် များသည် ကာလအခြေအနေအပြောင်းအလဲ အလိုက် (ဥပမာ- ပိတ်ရက်ရှည်များ၊ ရာသီအကူးအပြောင်းချိန် စသည်တို့ကြောင့်) လူအများ၏ သွားလာလှုပ်ရှားမှုနှင့် အချိန်သုံးစွဲပုံပြောင်းလဲခြင်းကို ဖော်ပြနိုင်ခြင်းမရှိပါ။ နောက်တစ်ချက်သတိပြုရမည်မှာ အချက်အလက်များသည် Google location ခြေရာခံစနစ်ဖွင့်ထားသည့် စမတ်ဖုန်းအသုံးပြုသူများထံမှကောက်ယူထားခြင်းဖြစ်သည့်အတွက် လူဦးရေ တစ်ခုလုံးကို မည်မျှအထိ လွှမ်းခြုံကိုယ်စားပြုနိုင်မည်ကို မသိရှိနိုင်ပါ။ စားဖိုမှူးကောင်းတို့မည်သည် ဟင်းအရသာအတွက် ဆားတစ်မှုန် ချင်းစီထည့်စမ်းသကဲ့သို့ မိမိတို့သည်လည်း ရရှိထားသည့်အချက်အလက်များကို ဖြေးဖြေး မှန်မှန်လေ့လာ အသုံးပြုရန် လိုအပ်ပါသည်။
Tip: အချက်အလက်များကို ရှင်းလင်းခြင်း
မတူညီသောစာဖတ်သူများအတွက် မတူညီသော နိဒါန်းပျိုးမှုများ လိုသည်။ အချို့ အခြေအနေများတွင်မူ ရှုပ်ထွေးမှုမဖြစ်စေရန် အားလုံးကိုအသေးစိတ်ရှင်းမပြသင့်ပါ။ ဥပမာ- “ကိုဗစ်မဖြစ်ပွားမီကာလမှယခုအထိပြောင်းလဲလာသော ရာခိုင်နှုန်းများ”ဟုရေးသင့်သည်။ သင်၏ ဆောင်းပါးသည် ဆွဲထားသောကားချပ်ကို ရည်ညွှန်းရေးသားမည်ဆိုပါက ဟိုင်းလိုက်ပြထားသော အပိုင်းများကိုသာ (မတ်လ (၁)ရက်နှင့် ဧပြီလ (၁၅)ရက်ရှင်းခဲ့သလို) တိုက်ရိုက်ရှင်းပြရန် လိုအပ်သည်။ ထို့နောက် ဟိုင်းလိုက်လုပ်ထားသည့် အချက်အလက်နှင့် လားရာများ အကြောင်းကိုရှင်းပြနိုင်ပါသည်။ ဟိုင်းလိုက်မလုပ်ထားသည့် အချက်အလက်များအားလုံးကို အသေးစိတ်တစ်ခုချင်းစီရှင်းပြခြင်းက စာဖတ်သူများအတွက် လိုအပ်မည်မဟုတ်ပါ။
ပါဝင်ပစ္စည်းကောင်းမှသာ ဟင်းကောင်းတခွက်အရသာပေါ်သကဲ့သို့ ထည့်သွင်းသည့် အချက်အလက်မှန်ကန်မှသာ ပုံကောင်းတစ်ပုံထွက်ပါမည်။ ကံကောင်းစွာဖြင့် Google Community Mobility data မှ မိမိတို့လိုအပ်သည့် အချက်အလက်များကို raw CSV ဖိုင်ပုံစံဖြင့်ရယူနိုင်ပါသည်။
၁.၁။ အချက်အလက်ရင်းမြစ်
https://www.google.com/covid19/mobility/.
ယခု တင်ဆက်မှုတွင် မြန်မာနိုင်ငံအချက်အလက်များကို အသုံးပြုမည်ဖြစ်သော်လည်း မည်သည့်နိုင်ငံအတွက် မဆို အလွယ်တကူသုံးနိုင်ပါသည်။
အောက်တွင်ဖော်ပြထားသည့် excel ဖိုင်အဖြစ်မြင်ရပါမည်။ အောက်သို့ဆက်သွားလျှင် metro_area ကော်လံတွင် “Mandalay Metropolitan Area” (သို့မဟုတ်) “Yangon Metropolitan Area” ဟု ဖော်ပြထားသည့် အတန်းများ ကို တွေ့ရပါမည်။ ယင်းနေရာနှစ်ခုသာလျှင် ကိုယ်ရေးလျှို့ဝှက်ချက်ကို မထိခိုက်စေဘဲ အချက်အလက်ပြည့်စုံစွာ သုံးနိုင်သည့် မြန်မာနိုင်ငံ၏ သတင်းအချက်အလက်များဖြစ်ပါသည်။ အခြားနိုင်ငံများတွင် နေရာဒေသ ပိုစုံနိုင် ပါသည်။
ယခုဒေတာချက်ပြုတ်နည်းတွင် နိုင်ငံတွင်းရှိဒေသအချင်းချင်းကြားနှိုင်းယှဉ်မည်မဟုတ်ဘဲ မြန်မာတနိုင်ငံလုံးစာ ခြုံငုံဖော်ပြမည် ဖြစ်ပါသည်။ metro_area ကော်လံအောက်မှ အကွက်လွတ်များတွင် မိမိတို့အသုံးပြုမည့် အချက်အလက်များရှိပါသည်။ ဤနေရာတွင် ရန်ကုန် (သို့မဟုတ်) မန္တလေးဟုဖော်ပြထားသော အတန်းများကို နှစ်ခါထပ် မရေမိစေရန် ဖျက်ဖို့လိုပါသည်။ ဖျက်နည်းအဆင့်ဆင့်ကို ဆက်လက်တင်ပြသွားပါမည်။ အကယ်၍ သင်သည် excel မှ filter ကို မည်သို့သုံးရသည်ကိုသိရှိလျှင် metro-area အောက်မှ ကွက်လက်မဖြစ်နေသော အကွက်များကို စစ်ထုတ်ပြီး delete လုပ် ဖျက်နိုင်ပါသည်။
၁.၂။ အချက်အလက်များတင်သွင်းခြင်း
မိမိတို့လိုချင်သည့် CSV ဖိုင်ရပြီဖြစ်သည့်အတွက် Datawrapper သို့ တင်သွင်း၍ ပုံဖော်ရေးဆွဲခြင်းကို စတင်နိုင်ပါပြီ။
ထို့နောက် “Check & Describe” ဆိုသည့်နေရာသို့ datawrapper မှ အလိုအလျောက် ခေါ်ဆောင်သွား ပါလိမ့်မည်။ ယင်းပေ့ချ်တွင် အချက်အလက်များကို မိမိတို့ အဓိပ္ပါယ်ဖွင့်ဆိုစေချင်သည့်အတိုင်း တည်းဖြတ် ရပါမည်။
မိမိတို့မလိုချင်သည့် အောက်ပါကော်လံများကိုမှိန်ရန် ထိုလုပ်ဆောင်ချက်ကို အထပ်ထပ်ကျော့ပါ။
country_region_code,
country_region,
sub_region_1,
sub_region_2,
metro_area,
iso_3166_2_code, and
census_fips_code.
ကျန်ရှိသည့် ကော်လံများမှာ နေ့စွဲ၊ နေရာအမျိုးအစား (၆)မျိုးဖြစ်ပြီး နေရာအမျိုးအစားတစ်ခုချင်းစီကို လိုင်းတလိုင်းအဖြစ် ကားချပ်တွင်ဖော်ပြလိမ့်မည်။
Tip: ကားချပ်တွင်ထည့်သွင်းမည့်အချက်များကို ရွေးချယ်ဆုံးဖြတ်ခြင်း
ဤဒေတာချက်ပြုတ်နည်းအတွက် မျဉ်းကြောင်းဘယ်နှစ်ခုထည့်သွင်းမည်ကိုဆုံးဖြတ်ရခြင်းသည် အရေးကြီးဆုံး ဆုံးဖြတ်ချက်ဖြစ်ပါလိမ့်မည်။ မိမိတင်ပြလိုသော အကြောင်းအရာနှင့် ပရိသတ်ကို မူတည်၍ ဆုံးဖြတ်ချက်ချရန် လိုအပ်ပါသည်။
သာဓကအားဖြင့် အကယ်ဒမစ်(ပညာရှင်)အသိုင်းအဝိုင်းအတွက် ရည်ရွယ်ရေးသားမည်ဆိုပါက စာဖတ်သူများတွင်
(က) ရှုပ်ထွေးလှသည့်ကားချပ်များကို နားလည်နိုင်စွမ်း
(ခ) ကားချပ်များကို အချိန်ပေး၍ ကြည့်ရှုလိုသည့် ဆန္ဒ
(ဂ) အရေးပါသည့်အချက်နှင့် အရေးမပါသည့်အချက်များကို အကူအညီမပါဘဲ ခွဲခြားနိုင်စွမ်း ရှိသည်ဟု ယူဆနိုင်ပါသည်။
ထိုသို့ယူဆပါက ကားချပ်တွင် နေရာအမျိုးအစား(၅)ခုကို မျဉ်းငါးကြောင်းဖြင့် ထည့်သွင်း ဖော်ပြနိုင်ပါသည်။ (ကျန် (၁)ခုမှာ လူနေအိမ်များအတွက် အချက်အလက်ဖြစ်ပြီး မတူညီသည့်ယူနစ်များကို သုံးထားသည်ဟု googleက ဖော်ပြထားသည့်အတွက် ထည့်သွင်းခြင်းမပြုသင့်ပါ)။
ထိုအခါ အောက်ပါပုံအတိုင်းတွေ့ရပါမည်။
ဤပုံသည် သာမန်စာဖတ်သူများအတွက် ရှုပ်ထွေးပြီး နားလည်ရခက်ပါသည်။ ထို့ကြောင့် ပေါ်လစီ၏ သက်ရောက်မှုကြောင့် အပြောင်းအလဲအများဆုံးရှိသော အပိုင်းကို ခွဲခြားပြသနိုင်ရန် ကြိုးစားကြည့်ပါမည်။ ပုံကိုကြည့်လျှင် နေရာများအနက် လက်လီဆိုင်များ၊ လုပ်ငန်းခွင်နေရာနှင့် ကုန်စုံဆိုင်အမျိုးအစားများကို ဖော်ပြရန် အသင့်လျော်ဆုံးဖြစ်နေပါသည်။
ဤကားချပ်သည် ယခင်ကားချပ်ထက်အနည်းငယ်ပို၍ နားလည်ရလွယ်ကူသော်လည်း ပြင်ဆင်စရာ များစွာရှိနေ ပါသည်။ အထူးသဖြင့် အချက်အလက်များသည် တစ်ခုနှင့်တစ်ခုအကြား အချိတ်အဆက်မမိဖြစ်နေပါသည်။ ထို့ကြောင့် အချက်အလက် အားလုံးပါဝင်သည်မှအပ တစုတည်းဖော်ပြရန် ခိုင်လုံသည့် အကြောင်းပြချက် ရှိမနေပါ။ ထို့အပြင် မျဉ်းတကြောင်းချင်းစီ၏ စူးချွန်ပုံ အတက်အကျလားရာများကိုနှိုင်းယှဉ်ကြည့်လျှင်လည်း တစ်ခုနှင့်တစ်ခု ဆက်စပ်နေခြင်းမရှိသည့်အတွက် မူဝါဒကြောင့်ဟု ဆိုခြင်းထက် ၎င်းတို့ကို ဖြစ်ပေါ်စေသည့် အကြောင်းအချက်များစွာ ရှိနေသည်ဟု ယူဆနိုင်ပါသည်။
ဥပမာအားဖြင့် လုပ်ငန်းခွင်တွင် အချိန်ပမာဏအသုံးပြုမှုကိုဖော်ပြသည့်မျဉ်းမှ အတက်အကျဆူးချွန်များကဲ့သို့ ပုံစံများကို အခြားနေရာအမျိုးအစားများတွင် မတွေ့ရပါ။ အသေးစိတ်ကြည့်ရှုလျှင် ထိုမျဉ်းသည် ရုံးဖွင့်ရက်များနှင့် စနေ၊ တနင်္ဂနွေများသာမက အလုပ်ဖွင့်သည့်ပိတ်ရက်များတွင်ပါ အတက်ပြနေပါသည်။ အတက်ဖြစ်နေသော ဆူးချွန်များသည် ရုံးဖွင့်ရက်များကို ကိုယ်စားပြုပြီး အများပြည်သူပိတ်ရက်များတွင်မူ အောက်သို့ ထိုးဆင်းသွား သော အကျဆူးချွန်များကို တွေ့မြင်ရပါမည်။ ဤမျဉ်းကြောင်းမှ ဖော်ပြချက်များသည် စိတ်ဝင်စားဖွယ်ရာ ကောင်းသော်လည်း ကိုဗစ်နှင့်ဆက်နွယ်မှုကို မတွေ့ရသည့်အတွက် စာဖတ်သူကို ဝေဝါးစေပါသည်။
Google Community Mobility အချက်အလက်များသည် အလွန်သေးစိတ်ပါသည်။ မျဉ်းတကြောင်းစီတွင် သတင်းအချက်အလက်များစွာ ပြည့်နှက်နေပါသည်။ ထို့ကြောင့် ယခုဒေတာချက်ပြုတ်နည်းတွင် မျဉ်းတကြောင်း တည်းကိုသာရွေးချယ်အာရုံစိုက်ပြီး စာဖတ်သူကို အဆွဲဆောင်နိုင်ဆုံးဖြစ်စေမည့် စာတပုဒ် ရေးသားနိုင်ရန် တင်ဆက် ပေးပါမည်။ နေရာအမျိုးအစား (၆)မျိုးအနက် လက်လီဆိုင်များနှင့်အပန်းဖြေနေရာများသို့ သွားရောက် လည်ပတ်မှုသည် ကိုဗစ် ၁၉ ကပ်ရောဂါထုတ်ပြန်ချက်များနှင့် တိုက်ရိုက်ဆက်နွယ်နေပြီး အခြားအကြောင်း အရင်းများ၏ လွှမ်းမိုးမှုကို အနည်းဆုံး ခံရသည့် အမျိုးအစားဖြစ်ပါသည်။ ထို့ကြောင့် Retail & Recreation တစ်ခုတည်းကိုသာ ယခုဒေတာချက်ပြုတ်နည်းအတွက် အသုံးပြုတင်ဆက်ပေးသွားပါမည်။ သို့သော် မည်သည့် အမျိုးအစားကိုမဆို ဖြုတ်ထုတ်ချင် (သို့မဟုတ်) ထည့်သွင်းလိုလျှင် “Check & Describe” tab ရှိ “Hide column” ခလုတ်ကို ဖွင့်ခြင်း၊ ပိတ်ခြင်းဖြင့် လွယ်ကူစွာပြုလုပ်နိုင်ပါသည်။ ပရိတ်သတ်ကို တင်ဆက်လိုသည့် အကြောင်းအရာများအပေါ် မူတည်ပြီး အချက်အလက်များကို မိမိစိတ်ကြိုက်ဖန်တီးကြည့်ရန် အကြံပြုပါသည်။
ကော်လံအမည်သည် variable အမည်အဖြစ်ပေါ်လာပါလိမ့်မည်။ မိမိရွေးချယ်ထားသော ကော်လံကို အမည်ပြန်ပေးပါ။
အားလုံးလုပ်ဆောင်ပြီးပြီဆိုပါက ပုံဖော်ရေးဆွဲသည့် အဆင့်သို့သွားနိုင်ပါပြီ။
Datawrapper က မျဉ်းချပ်ရေးဆွဲခြင်း၏ ခက်ခဲသောအစိတ်အပိုင်းအများစုကို လုပ်ဆောင်ပေးနိုင်သည်ဖြစ်ရာ ပုံစံတကျဖြစ်စေရန်အတွက် အနည်းငယ်သာတည်းဖြတ်ပေးရန်လိုအပ်ပါသည်။
Horizontal axis တွင် ခုနှစ်နှင့်လအဖြစ်သာဖော်ပြထားသည့် နေ့စွဲရေးသားပုံကို စတင်ပုံစံချပါမည်။
ထိုသို့ပုံစံချပြီးလျှင်ရပ်တန့်နိုင်သော်လည်း စာဖတ်သူများထံ မျဉ်းချပ်၏ အတက်၊ အကျလားရာပုံစံများနှင့် ပတ်သက်၍ သတင်းအချက်အလက်ပိုမိုပေးနိုင်ရန် အညွှန်းစာသားများကို ထပ်မံဖြည့်စွက်ဖို့လိုသည်ဖြစ်ရာ “proceed” ကိုနှိပ်ပြီး annotation page သို့သွားပါ။
ပထမအချက်။ အခြေခံအညွှန်းစာရေးသားခြင်း
ခေါင်းစဉ် (title), ရည်ညွှန်းကိုးကား (data source citation) နှင့် ရေးသားသူ (byline) စသည့် အခြေခံအညွှန်းများ ထည့်သွင်းနည်းဖြင့် စတင်ပါမည်။
ဤအညွှန်းများ ရေးသားရုံလောက်ဖြင့် မိမိပြောချင်သည့် အကြောင်းအရာ၏ ဆိုလိုရင်းကို မရောက်သေးပါ။ ထို့ကြောင့် မိမိဖော်ပြထားသောကားချပ်ကို စာဖတ်သူအနေဖြင့် ပိုမိုရှင်းလင်းစွာနားလည် နိုင်စေရန် နောက်ခံ အခြေအနေအချက်အလက်များကို ထပ်မံထည့်သွင်းရန် လိုအပ်ပါသည်။
Datawrapper တွင် အညွှန်းစာရေးသားနည်း (၂)မျိုးရှိပါသည်။ Text annotations နှင့် range highlights တို့ဖြစ်ပြီး မည်သည်ကို မည်သည့်အညွှန်းကို မည်သည့်အချိန်တွင် မည်သို့သုံးရမည်ကို ဆက်လက်တင်ပြသွား ပါမည်။
Tip: Text Annotations
Text Annotations များသည် မျဉ်းချပ်ပေါ်မှ အမှတ်တစ်ခုကို ရှင်းလင်းသည့် အညွှန်းစာသား များဖြစ်သည်။ တိကျသောအချိန်တစ်ခုကို ရည်ညွှန်းရန် အသုံးဝင်ပါသည်။ ဥပမာ- မူဝါဒစတင်သည့် နေ့၊ ကိုဗစ်ရောဂါကြောင့် ပထမဆုံးသေဆုံးသည့်နေ့ (သို့မဟုတ်) အခြားအရေးကြီးသည့် နေ့များ။
သို့ရာတွင် အခြားတစ်ရက်ထက်ပိုသည့် အခြေအနေများဖြစ်သည့် လော့ဒေါင်းလုပ်သည့် အချိန်ကာလကိုမူ ရည်ညွှန်းခြင်းမပြုနိုင်ပါ။ လော့ဒေါင်းပြီးဆုံးသည့်နေ့ကို ထည့်သွင်းနိုင်သော်လည်း အချိန်ကာလအပိုင်းအခြားဖြင့် ထင်ရှားစွာဖော်ပြနိုင်မည်မဟုတ်ပါ။
Text Annotation သာပါဝင်သည့်ပုံကို အောက်ပါအတိုင်း တွေ့နိုင်ပါသည်။
Tip: Range Highlights
Range Highlights များကို အချိန်ကာလအပိုင်းအခြားတစ်ခုကို ထင်ရှားစွာပြသရန် သုံးနိုင်သည်။ ယခု မျဉ်းချပ်တွင် မီးခိုးရောင်ချယ်မှုန်းထားသော ဧရိယာများသည် Range Highlights များဖြစ်သည်။
Range Highlights များသာပါဝင်သည့်ပုံကို အောက်ပါအတိုင်း တွေ့နိုင်ပါသည်။
ယခု အညွှန်း အသုံးပြုပုံ (၂)မျိုး၏ အားသာချက်အားနည်းချက်များကို သိရှိပြီးဖြစ်ရာ နှစ်မျိုးစလုံးကို မျှမျှတတ အသုံးပြု၍ အချက်အလက်များကို အကောင်းဆုံးပုံဖော်ပါမည်။
ဒုတိယအချက်။ Text Annotation များထည့်သွင်းခြင်း
Text annotation တွင် ထည့်ထားသည့် အချက်အလက်များအားလုံး၏ ကိုးကားစာရင်းကို အောက်ဆုံးတွင် ဖော်ပြထားပါသည်။ Text annotation များထည့်သွင်းရာတွင် အကြောင်းအရင်းများ (ဥပမာ- ဖြစ်ပွားမှုအများဆုံး ပမာဏ (သို့မဟုတ်) မူဝါဒအပြောင်းအလဲစသည်ဖြင့်) ကိုကန့်သတ်မထားဘဲ မျဉ်းချပ်အတွင်း ထင်ရှားသည် အပြောင်းအလဲများကို လွှမ်းမိုးနိုင်ခြေရှိသည့် ပြင်ပရှိအကြောင်းအရာများအားလုံးကို ရှာဖွေထည့်သွင်းထားခြင်း ဖြစ်ပါသည်။ သို့ရာတွင် မိမိအနေဖြင့် အကြောင်းအရင်းတစ်ခုကိုသာ ဇောင်းပေးပြသလိုလျှင် ယင်းနှင့်ဆိုင်သော အချက်များကို သာထည့်သွင်းရန်လိုအပ်ပါသည်။
ကားချပ်တွင် ထည့်သွင်းပြီးပါက မိမိလိုချင်သည့်ပုံစံအတိုင်းပုံစံချပါ။
အချက်များကို ထည့်သွင်းပြီးနောက် အောက်ပါကားချပ်အတိုင်းမြင်ရပါလိမ့်မည်။
တိိတယအချက်။ Range Highlights ထည့်သွင်းခြင်း
အောက်သို့ scroll down လုပ်ပြီး “Add range highlight” ကိုနှိပ်ပါ။
Highligh ထည့်ပြီးနောက် ဤကဲ့သို့တွေ့ရပါလိမ့်မည်။
ဤကဲ့သို့တွေ့ရပါမည်။
Datawrapper တွင် range highlights အတွက် အညွှန်းစာသားထည့်သွင်းနိုင်သည့် လုပ်ဆောင်ချက်မရှိသည့် အတွက် Text Annotation သို့ပြန်သွား၍ add labels ဖြင့် စာထည့်သွင်းပါမည်။
အညွှန်းများထည့်သွင်းပြီးပါက ကားချပ်ရေးဆွဲခြင်းအပိုင်းပြီးဆုံးပါပြီ။
ခက်ခဲသည့်အပိုင်းကိုကျော်လွန်ပြီးနောက် မိမိတင်ပြချက်များနှင့် အံဝင်ခွင်ကျဖြစ်စွာ ထုတ်ဝေနိုင်မည့် ကားချပ်ပုံစံအဖြစ် ပုံစံချရပါမည်။
Tips: မိုဘိုင်းဖုန်းများအတွက် အသင့်လျော်ဆုံးဖြစ်သည့် ကားချပ်များဖန်တီးခြင်း
အခြား ပုံဖော်သည့်နည်းပညာများနည်းတူ Datawrapper တွင် မိုဘိုင်းဖုန်းများအတွက် သီးခြားဗားရှင်းဖြင့် ထုတ်ပေးနိုင်သည့် လုပ်ဆောင်ချက်ပါဝင်ပါသည်။ ကားချပ်တွင် အချက်အလက်များစွာထည့်သွင်းထား ခြင်းကြောင့် မိုဘိုင်းဖုန်းတွင် စုပြုံပြီးဖတ်မရဖြစ်နိုင်သည့်အခြေအနေမဖြစ်စေရန် Datawrapper တွင် အလိုအလျောက်ပြောင်းလဲပေးသည့်စနစ်ပါရှိပါသည်။ သို့ရာတွင် မိုဘိုင်းဖုန်းတွင် ပေါ်လာမည့်ပုံကို အရင် ကြည့်ရှု စစ်ဆေးပြီးမှ ထုတ်ဝေရန် အကြံပြုပါသည်။
ယခုမိမိတို့ နမူနာထုတ်ဝေသည့် ကားချပ်အတွက် မိုဘိုင်းဗားရှင်းသည် ကြည့်ရအဆင်ပြေပါသည်။ (အကယ်၍ အညွှန်းစာသားများ အစီအစဉ်အတိုင်းမဖြစ်ပါက “Text annotations” အောက်တွင် click and drag လုပ်၍ ပြန်စီနိုင်ပါသည်။) အကယ်၍ သင့်စာဖတ်ပရိသတ်သည် မိုဘိုင်းဖုန်းမှတဆင့်ကြည့်ရှုသူ အများစု ဖြစ်ပါက အချို့အချက်များကို ပြန်လည်ဆန်းစစ်ရန်လိုအပ်သည်။ ဥပမာ- range highlighs အတွက် အညွှန်းများသည် ရှုပ်ထွေးနေပါသည်။ ထို့ကြောင်း၎င်းတို့ကို ဖျက်ပါ။ ယေဘုယျအားဖြင့် အညွှန်းစာသား နည်းလေ မိုဘိုင်းဗားရှင်းအတွက် အဆင်ပြေလေဖြစ်ပါသည်။ ယခုပုံနှင့်မသက်ဆိုင်သော် လည်း အချို့ အခြေအနေများတွင် မိုဘိုင်းဗားရှင်း၌ ဖော်ပြနိုင်ခြင်းမရှိသည့် အချက်များကို သိရှိထားရန် လိုအပ်သည်။
ဥပမာ- အထူးသဖြင့် သင့်စာဖတ်ပရိတ်သတ်သည် မိုဘိုင်းဖုန်းအသုံးပြု၍ သတင်းကြည့်သူ အများစုဖြစ်ပါက ဒေတာပွိုင့်တစ်ခုကို ရည်ညွှန်းသည့်စာသားဖြစ်သည့် tooltips ကို မိုဘိုင်းဖုန်း တွင်ဖော်ပြမည်မဟုတ်သည့်အတွက် အဓိကအချက်များကို tooltips အတွင်းရေးသားခြင်းကို ရှောင်ကြဉ်ပါ။
"Publish chart" ခလုတ်အားနှိပ်၍ သင့်ကားချပ်၏ webpage ကိုသွားသည့် အွန်လိုင်းလင့် ရပါမည်။ အွန်လိုင်းပေါ်တင်မည့် ဆောင်းပါး သို့မဟုတ် အခြားစာသား အတွင်းထဲတွင်ထည့်ရန် embed code ကိုလဲရရှိနိုင်ပါသည်။
အကယ်၍ မိမိကားချပ်ကို အွန်လိုင်းတွင်မဖြန့်ဝေဘဲ ပရင့်ထုတ်လိုပါက (သို့မဟုတ်) ကွန်ပြူတာမှ ဖိုင်အတွင်းသိမ်းဆည်းလိုပါက အောက်ပါအတိုင်းလုပ်ဆောင်ပါ။
“Duplicate” လုပ်ခြင်းဖြင့် မိမိပြင်ဆင်ထားသည့် မူရင်းကားချပ်ကို မထိခိုက်စေဘဲ ကားချပ်အားပုံစံအမျိုးမျိုး ထပ်မံရေးဆွဲပုံစံချနိုင်ပါသည်။
နိဂုံး
ဤဒေတာချက်ပြုတ်နည်းသည် အနည်းငယ်ရှည်သော်လည်း မည်သည့်အချက်အလက်မျိုးကိုမဆို ရှင်းလင်းစွာ ဖော်ပြနိုင်ပါသည်။ အထူးသဖြင့် indexed data များကို ယုံကြည်မှုအပြည့်ဖြင့် ကိုင်တွယ်ပုံဖော်နိုင်ပြီဖြစ်သည်။ ထို့အပြင် တူညီသည့်အချက်အလက်များကိုပင် မတူညီသည့်နည်းလမ်းများဖြင့် မည်သို့ ဖော်ပြနိုင်မည်ဆိုသည် ကိုလည်း ဆန်းစစ်နိုင်မည် ဖြစ်သည်။ တူညီသည့်အချက်အလက်များကိုပင် ပုံစံအမျိုးမျိုးဖြင့်ဖော်ပြနိုင်မည့် နည်းလမ်းများကို ထပ်မံ၍ လေ့လာလိုပါက အောက်တွင်ဖော်ပြထားသော ဆောင်းပါးများကို ဖတ်ရှုနိုင်ပါသည်။ ထိုဆောင်းပါးများသည်လည်း Google (သို့မဟုတ်) အခြားစိတ်ချရသော ရင်းမြစ်များမှ mobility data များကို အသုံးပြုပြီး ရေးဆွဲတင်ပြထားခြင်းဖြစ်သည်။ ယင်းဆောင်းပါးများကို ဖတ်ရှုခြင်းဖြင့် mobility data များကို ပုံစံအမျိုးမျိုးဖြင့်တင်ပြခြင်းကို လေ့လာနိုင်ပြီး စိတ်ကူးအကြံဉာဏ်သစ်များ ရရှိနိုင်ပါလိမ့်မည်။
Why Europe’s second, less severe lockdowns are working (The Economist)
Turkey's mobility sharply decreases as COVID-19 measures yield results (Daily Sabah)
New mobile data shows influx of shoppers ahead of Ontario lockdown (Global News CA)
ယခု သိပြီ နှင့်အတူ ဒေတာချက်ပြုတ်နည်းများကို လေ့လာခဲ့ပြီးဖြစ်ရာ ၎င်းတို့ကို နည်းလမ်းသစ်များဖြင့် တင်ဆက်နိုင်ရန် အချက်အလက်အမျိုးမျိုးစမ်းသပ်ထည့်သွင်းကြည့်ရန် အကြံပြုပါသည်။ ဥပမာ- မျဉ်းကြောင်းတစ်ကြောင်းထက်ပို၍ အသုံးပြုပြီးပိုမိုရှုပ်ထွေးသည့် အချိတ်အဆက်များအကြောင်းတင်ပြခြင်း (သို့မဟုတ်) အချိန်ကာလအလိုက်ဟိုင်းလိုက်လုပ်မည့်အစား ကိန်းဂဏန်းပမာဏကို ဟိုင်းလိုက်လုပ်ခြင်း စသည်ဖြင့် တို့ကို တင်ပြခြင်း။