republika crna gora vlada republike crne gore sekretarijat za...

REPUBLIKA CRNA GORA

VLADA REPUBLIKE CRNE GORE

Sekretarijat za razvoj

Metodologija za mjerjenje uspješnosti razvoja informacionog društva u Crnoj Gori

Podgorica, decembar 2006


II VLADA REPUBLIKE CRNE GORE Sekretarijat za razvoj


VLADA REPUBLIKE CRNE GORE III Sekretarijat za razvoj

SADRŽAJ

MMEETTOODDOOLLOOGGIIJJAA ZZAA MMJJEERREENNJJEE UUSSPPJJEEŠŠNNOOSSTTII

I. UVOD........................................................................................................................8

1. NAMJENA METODOLOGIJE .................................................................................... 9

2. UPUTSTVO ZA ČITANJE........................................ Error! Bookmark not defined.9

3. POVEZANOST SA OSTALIM METODOLOGIJAMA................................................. 9

4. RJEČNIK ................................................................................................................. 13

II. PROCES STATISTIČKOG ISTRAŽIVANJA..........................................................15

1. KRATAK PREGLED TOKA STATISTIČKOG ISTRAZIVANJA................................ 16

III. PRIPREMA NACRTA ISTRAŽIVANJA .................................................................17

1. NACRT ISTRAZIVANJA .......................................................................................... 18

IV. ZAHVAT PODATAKA ZA MJERENJE INDIKATORA RAZVOJA INFORMACIONOG DRUŠTVA ..............................................................................19

1. ZAHVAT PODATAKA .............................................................................................. 20

2. OPREĐIVANJE STATISTIČKE (CILJNE) POPULACIJE ........................................ 22

3. POSMATRANJA UZORAKA (UZORKOVANJE) ..................................................... 22

3.1. Jednostavno slučajno uzorkovanje........................................................23

3.2. Stratifikovano uzorkovanje.....................................................................24

3.3. Uzorkovanje u manjim grupama............................................................24

3.4. Uzorkovanje u više stepeni....................................................................25

3.5. Sistematizovano uzorkovanje ................................................................25

3.6. Kvotno uzorkovanje ...............................................................................26

3.7. Pregled procesa uzorkovanja ................................................................27

4. METODE ZA PRIKUPLJANJE NOVIH PODATAKA................................................ 27

4.1. Intervjui 27

4.2. Upitnici - ankete .....................................................................................28

4.3. Internet ankete .......................................................................................29

4.4. Telefonske ankete..................................................................................30

4.5. Poštansko anketiranje ...........................................................................31


IV VLADA REPUBLIKE CRNE GORE Sekretarijat za razvoj

4.6. Ankete preko mobitela .......................................................................... 32

4.7. Mjerenje razvijenosti e-governmenta .................................................... 32

5. GREŠKE I KONTROLA KOD SAKUPLJANJA PODATAKA ....................................33

6. UPOTREBA VEĆ POSTOJEĆIH - SEKUNDARNIH PODATAKA ...........................34

7. IZVORI PODATAKA ZA MJERENJE INDIKATORA ................................................34

7.1. Izvori podataka u Crnoj Gori ................................................................. 35

8. IZVORI PODATAKA U EU .......................................................................................35

V. OBRADA PODATAKA .......................................................................................... 37

1. OBRADA PODATAKA..............................................................................................38

2. ODREĐENJE GRUPA..............................................................................................38

3. VRSTE OBRADE PODATAKA.................................................................................39

4. PRIKAZ PODATAKA................................................................................................39

5. KORELACIJE ...........................................................................................................39

6. NAJAVA TRENDOVA – REGRESIONA ANALIZA...................................................40

7. PONDERISANJE PODATAKA.................................................................................41

8. PROGRAMSKA OROĐA I TEHNIKE OBRADE PODATAKA ..................................41

8.1. Elektronski tabelarni prikaz (engl. spreadsheet)................................... 42

8.2. SPSS 42

8.3. SAS/STAT............................................................................................. 43

8.4. MS Access ............................................................................................ 43

8.5. OLAP 43

8.6. Data Mining ........................................................................................... 44

8.6.1. Tehnike data mining-a.......................................................................45

8.7. Evidencija za praćenje veza među projektima razvoja informacionog društva i indikatora ................................................................................ 47

VI. IZVJEŠTAVANJE, OBJAVLJIVANJE REZULTATA I PRIPREMA PUBLIKACIJA................................................................................................................................ 49

1. IZVJEŠTAVANJE, OBJAVLJIVANJE REZULTATA I PRIPREMA PUBLIKACIJA ...50

VII. DETALJNO OBJAŠNJENJE OSNOVNIH STATISTIČKIH POJMOVA............... 51

1. STATISTIČKE JEDINICE.........................................................................................52

2. STATISTIČKA VARIJABLA (ZNAK) .........................................................................52

3. STATISTIČKA POPULACIJA (SKUP)......................................................................53

4. STATISTIČKI PARAMETRI......................................................................................53


VLADA REPUBLIKE CRNE GORE V Sekretarijat za razvoj

VIII. LITERATURA .........................................................................................................55

I. UVOD......................................................................................................................59

1. ZAŠTO MJERITI TJ. PRATITI INDIKATORE RAZVOJA INFORMACIONOG DRUŠTVA?.............................................................................................................. 60

II. RAZVOJ INFORMACIONO – TELEKOMUNIKACIONE INFRASTRUKTURE ....63

1. KRATAK OPIS PODRUČJA .................................................................................... 64

2. OSNOVNE KARAKTERISTIKE PODRUČJA .......................................................... 65

3. LISTA INDIKATORA................................................................................................ 66

3.1. Indikatori za stanovnike .........................................................................66

3.2. Indikatori za preduzeća..........................................................................70

3.3. Indikatori za Državnu upravu .................................................................73

3.4. Opšti indikatori .......................................................................................74

III. OBRAZOVANJE I ICT............................................................................................75

1. KRATAK OPIS PODRUČJA .................................................................................... 76



3.1. Indikatori za školstvo .............................................................................78



3.4. Indikatori za državnu upravu..................................................................82


IV. EGOVERNMENT....................................................................................................83

1. ŠTA JE EGOVERNMENT ....................................................................................... 84

1.1. Kako uspijeti?.........................................................................................85






4. E-USLUGE ZA STANOVNIKE I E-USLUGE ZA PREDUZEĆA............................... 90

4.1. 12 e-uslug za stanovnike .......................................................................91

4.2. 8 e-uslug za preduzeća .........................................................................93


VI VLADA REPUBLIKE CRNE GORE Sekretarijat za razvoj

V. EHEALTH............................................................................................................... 97

1. ŠTA JE EHEALTH....................................................................................................98

2. OSNOVNE KARAKTERISTIKE PODRUČJA...........................................................98

3. LISTA INDIKATORA ................................................................................................99

3.1. Opšti indikatori ...................................................................................... 99

3.2. Indikatori on-line komunikacije............................................................ 100

3.3. Indikatori telefonske komunikacije ...................................................... 101

VI. LITERATURA ...................................................................................................... 103

Metodologija za mjerjenje uspješnosti razvoja informacionog društva u Crnoj Gori –1.dio

VLADA REPUBLIKE CRNE GORE 7 Sekretarijat za razvoj

MMEETTOODDOOLLOOGGIIJJAA ZZAA MMJJEERREENNJJEE UUSSPPJJEEŠŠNNOOSSTTII


8 VLADA REPUBLIKE CRNE GORE Sekretarijat za razvoj

I. UVOD

U poglavlju je predstavljena namjena metodologije, uputstvo za čitanje, te kratak sadržaj metodologije.



1. NAMJENA METODOLOGIJE

Namjena metodologije je da predstavi pristup merenju indikatora razvoja informacionog društva, da predstavi područja na kojima će se pratiti razvoj, te da odrediti indikatore, uz pomoć kojih će se mjeriti razvoj na pojedinim područjima.

2. UPUTSTVO ZA ČITANJE

Metodologiju za mjerenje uspješnosti razvoja informacionog društva čitalac može upotrebljavati na različite načine. U nastavku su napisana uputstva, koja će odgovarati većini čitalaca.

Metodologija je podijeljenja na dva dijela: na dio Metodologija za mjerenje uspješnosti razvoja informacionog društva u Crnoj Gori i na dio Lista indikatora sa preporukama za mjerenje.

U prvom dijelu je detaljnije predstavljen statistički aspekt pristupa mjerenju indikatora razvoja informacionog društva.

Ako čitalac učestvuje kod procesa statističkog istraživanja, savjetujemo čitanje poglavlja II., III. i IV, a čitanje poglavja V. i VI. savjetujemo ako čitalac želi da izvodi obradu već postojećih podataka kao i objavljivanje rezultata.

Ako čitalac želi bolje razumjeti povezanost metodologija (metodologija projektovanja eGovernment sistema, metodologija za upravljanje eGovernment projektima i metodologija za mjerenje uspješnosti razvoja informacionog društva u Crnoj Gori), onda savjetujemo čitanje poglavlja I.3- Povezanost sa ostalim metodologijama.

U drugom dijelu metodologije su predstavljena područja na kojima se prati razvoj informacionog društva. Za svako područje su nabrojani indikatori, uz pomoć kojih će se izvoditi mjerenje uspješnosti razvoja informacionog društva Crne Gore.

Ako čitalac želi pregled po područjima, koja pratimo u okviru utvrđivanja uspešnjosti razvoja informacionog društva kao i po indikatorima za svako od područja, savjetujemo čitanje drugog dijela metodologije, liste indikatora.

3. POVEZANOST SA OSTALIM METODOLOGIJAMA

Metodologija za mjerenje uspješnosti razvoja informacionog društva u Crnoj Gori tijesno je povezana i sa Metodologijom za upravljanje eGovernment projektima i Metodologijama projektovanja eGovernment sistema.

Metodologija za mjerenje uspješnosti razvoja informacionog društva Crne Gore preporučuje metodologije i postupke, koje bi trebalo upotrebljavati za mjerenje efektata razvijenih e-usluga. Metodologija merenja uspješnosti razvoja informacionog društva opisuje i merenje indikatora, koji nisu povezani sa razvojem jedne e-usluge – npr. broj stanovnika sa pristupom do interneta.

Prvi dio metodologije: Metodologija za mjerenje uspješnosti razvoja informacionog društva u Crnoj Gorii

Drugi dio metodologije: Lista indikatora sa preporukama za mjerenje

Metodologija za mjerenje uspješnosti razvoja informacionog društva Crne Gore preporučuje metodologije i postupke, koje bi trebalo upotrebljavati za mjerenje efektata razvijenih e-usluga.

!

!

!



Metodologija za upravljanje eGovernment projekatima preporučuju upotrebu postupaka, koje bi trebalo upotrebljavati kod menadžmenta eGovernment projekata. U okviru metodologija za upravljanje eGovernment projektima je opisan način upravljanja projektom od ideje za projekat (početak) do realizacije e-usluge (završetak). S druge strane, metodologija projektovanja eGovernment sistema preporučuje koje metodologije i postupke bi trebalo upotrebljavati za vrijeme razvoja e-usluga i koje metodologije i postupke bi trebalo upotrebljavati kod razvoja centralnog eGovernmenta.

Slika veza metodologija (Metodologija za upravljanje eGovernment projektima, Metodologija projektovanja eGovernment sistema i Metodologija za mjerenje uspješnosti razvoja informacionog društva u Crnoj Gori) podijeljena je na faze, koje nastaju u životnom ciklusu projekta. Dodata je faza »postprojektne aktivnosti«.

Slika veza metodologija prikazuje i pogled na životni ciklus projekta sa tačke gledišta naručilaca, kao i sa tačke gledišta spoljnjeg izvođača. Izgradnja određene e-usluge mogla bi biti izvedena i bez spoljnih izvođača, ali praksa pokazuje da su spoljni izvođači, kao implementatori, prisutni u velikoj većini projekta, kod kojih je namjena razvoj e-usluga. Zato smo kao jednu od osnovnih aktivnosti predvidjeli i javnu nabavku.

Slika "veza metodologija" prikazuje glavni tok događaja, i ne prikazuje sve moguće prelaze između različitih postupaka ili aktivnosti.



Slika 1: Veza metodologija



U fazi inicijalizacije projekta radi se poslovni model (poslovni model je detaljno opisan u metodologiji razvoja eGovernmenta) procesa, koji predstavlja temelj za razvoj e-usluga, koji će biti predmet projekta. Tkođe se izrađuje i grubi model sistema i grubi model tehnologije (model sistema i model tehnologije detaljnije su opisani u metodologiji razvoja eGovernmenta), koji opisuju osnovne funkcionalnosti e-usluge i okvirno hardversku konfiguraciju, koju usluga zahtjeva. Kod izrade svih modela u toj fazi koristimo meta-registar e-governmenta, uz pomoć kojeg lakše identifikujemo mogućnosti uključenja e-usluge, koja je rezultat projekta, u e-government framework. Na osnovu grubih modela sistema i tehnologije može se izvesti obrazloženje ideje za investiciju, čiji je rezultat naruđba projekta. Da bi pristupili izradi narudžbe projekta, potrebno je završiti fazu inicializacije projekta, i prelazimo u fazu pripreme projekta. Projekat upišemo u meta-registar e-governmenta.

Ulazni dokument za fazu pripreme je narudžba projekta. U fazi pripreme projekta na osnovu naručilaca projekta se izrade osnovni elementi projektnog zadatka (PZ je detaljno opisan u Metodologiji za upravljanje eGovernment projektima). Osnovni elementi PZ su polazište za početak javne nabavke, gdje je potrebno uzeti u obzir zakon o javnim nabavkama. Za opis predmeta javne nabavke se može upotrebiti do sada urađeni poslovni model, grubi model sistema i grubi model tehnologije, kao i meta registar e-governmenta. Ponuđači u svojim ponudama prikazuju svoje viđenje informacionog rješenja. Naručilac u skladu sa zakonom o javnim nabavkama ocjeni dobijene ponude i izabere izvođača. Na osnovu ponude se napravi ugovor, a naručilac na osnovu svih do tog trenutka dostupnih podataka napravi PZ, sa kojim se mora složiti i izvođač. Izvede se sastanak, sa kojim se zaključi faza uspostave i započne faze izvođenja.

U fazi izvođenja se napravi detaljni model sistema i model tehnologije. Određeni djelovi modela sistema (dijagrami primjera upotrebe – use case) i modela tehnologije (arhitekturni dijagram) zajedno, predstavljaju specifikaciju zahtjeva. Kad naručilac potvrdi specifikaciju zahtjeva (potvrđivanje se obično izvodi iteraktivno), to znači početak faze implementacije, koja je opisana u metodologiji projektovanja eGovernment sistema. Faza izvođenja se završava zaključnom implementacijom.

U fazi završetka se napravi primopredajni zapisnik, koji predstavlja završetak projekta za izvođača, i završni izvještaj, kojeg mora napraviti naručilac. Kad su oba dokumenta napravljena, projekat se za naručioca završava. Nastupa upotreba rezultata projekta.

Po zaključku eGovernment projekta je obično ligično da se rezultati projekta počnu što prije upotrebljavati. Uz upotrebu rezultata projekta je neophodno da se izvode aktivnosti održavanja u okviru kojih mogu nastupiti i nadogradnje. Za uspješano izvođenje nadogradnji je ligično upotrebiti već opisana usmjerenja, koja proizlaze iz opisa životnog ciklusa projekta.

Država Crna Gora želi postati napredna država sa naprednim uslugama za stanovnike, preduzeća i društvo u cjelini i zato želi sa primjenom informacionih i komunikacionih tehnologija (ICT) ubrzati procese sprovođenja reformi za tu svrhu. Za to su potrebni uspješni eGovernment projekti i da bi imali ocjenu, koliko je uspješna Crna Gora pri tome, potrebno je mjerenje uspješnosti razvijenih e-usluga, kao što je opisano u Metodologiji za mjerenje uspješnosti

Sa razvojem e-usluga za stanovnike, preduzeća i društvo u cjelini i sa razvojem informacionih i komunikacionih tehnologija će Crna Gora objezbjediti uspješan prelaz u informaciono društvo.

!



razvoja informacionog društva u Crnoj Gori. Na osnovu konstatacija mjerenja bi trebale nastati ideje za nove investicije i eGovernment projekte.

4. RJEČNIK

TERMIN OPIS

Anketa Anketa predstavlja organizovano istraživanje, prikupljanje i ispitivanje, koje se sprovodi od strane anketara, u cilju dolaženja do određenih zaključaka. Lica koja su podvrgnuta anketi nazivaju se anketirana lica ili ispitanici.

Benchmarking Benchmarking predstavlja kontinuiran i sistematizovan način mjerenja napretka pri dostizanju zacrtanih ciljeva, ostvarenja pozitivnih kretanja i povećanja performansi.

Data mining

Data mining je proces dubinskog istraživanja po neobrađenim informacijama uz pomoć kompjutera i vađenja njihovog značenja. Zahvaljujući data miningu, moguće je predvideti trend tržišta ili ponašanje konzumenata i na taj način obezbediti uspjeh firme ili proizvoda. To se postiže analizom podataka iz raznih perspektiva i pronalaženjem veza i odnosa između naizgled nepovezanih informacija.

ECDL certifikat ECDL certifikat je evropska računarska diploma, odnosno, međunarodno priznata potvrda o informatičkoj pismenosti. Izdaje se od strane Fondacije za evropsku kompjutersku upravljačku (driving )dozvolu (ECDL-F).

Grupa varijabli Grupa varijabli su promenljive veličine koje se u istraživanjima pojavljuju kao posebni pokazatelji, odnosno kao operacionalizacija nekog teorijskog problema.

Indikator Indikator je pokazatelj kretanja i promene neke pojave. U kontekstu e-governmenta, indikatori pokazuju napredak, razvoj i ostvarenje e-government ciljeva.

Informaciono društvo

Informaciono društvo je drustvo u kome svi građani (bez izuzetka) mogu koristiti mogućnosti informacionih i komunikacionih tehnologija radi unapređenja racionalnosti u potrošnji javnih sredstava, efikasnosti u pružanju javnih usluga, i javnosti u sopstvenom radu.

Korelacija Korelacija pokazuje jačinu i meru povezanosti dveju ili više pojava koje se mogu, ali i ne moraju nalaziti u uzročnoj zavisnosti.

NRIO - Nacionalne Istraživačke i Obrazovne Mreža

NRIO su naučno-istrazivačke i obrazovne institucije formirane od strane odgovarajućih državnih organa, zadužene za realizaciju Strategije razvoja Informacionog društva.



TERMIN OPIS

PIAP - Public Internet Access Points

PIAP su pristupne javne tačke za pristup Internetu (na javnim mestima npr. biblioteke, internet cafe, fakultet...)

Ponderisanje Ponderisanje predstavlja određivanje važnosti pojedinih veličina prilikom izračunavanja srednje vrednosti.

Primarni podaci Primarni podaci su novi podaci, do kojih se dolazi ispočetka, odnosno podaci kojih do trenutka sakupljanja nije bilo ni u jednoj evidenciji.

Proizvođač statistike Proizvođači statistike su institucije zadužene za statističke poslove, odnosno, institucije koje vode celokupan proces sakupljanja, obrade i diseminacije podataka i rezultata obavljenih mjerenja.

Sekundarni podaci Sekundarni podaci su podaci koji već postoje i obično se nalaze u raznim oblicima zvaničnih evidencija.

Statistička populacija Statistička populacija je skup svih istovrstnih pojava – statističkih jedinica, koje ispunjavaju opredjeljujuće uslove.

Statistička varijabla Statističke varijable su one karakteristike statističkih jedinica koje su predmet posmatranja i proučavanja. Izbor tih varijabli je zavisan od namene proučavanja.

Statističke jedinice Statistička jedinica je svaka pojava, koja masovno nastupa u vremenu i prostoru i predmet je statističkog proučavanja. Statistička jedinica može biti osoba, životinja, stvar, administrativna jedinica, eksperiment itd.

Statistički parametar Statistički parametar je brojčani izraz karakteristika pojedinih populacija i odnosa među njima.

Stratum Stratum je homogen deo heterogene populacije, oblikovan na način da varijabilnost unutar stratuma bude što manja.

Širokopojasne veze (engl. Broadband)

Širokopojasne veze pretpostavljaju stalnu i veoma brzu povezanost i širok propusni opseg kod prenosa podataka.

Trend Trend je osnovni smer kretanja nekog procesa ili pojave u određenom vremenskom periodu.

Uzorkovanje Uzorkovanje je postupak putem koga se bira i posmatra jedinstvena populacija u uzorak. Uzorak mora biti reprezentativan za celu populaciju.



II. PROCES STATISTIČKOG ISTRAŽIVANJA

U poglavlju je na kratko predstavljen proces statističkog istraživanja, koji je u sledećim poglavljima i detaljnije predstavljen.



1. KRATAK PREGLED TOKA STATISTIČKOG ISTRAŽIVANJA

Faze u procesu mjerenja indikatora se ne smiju previše razlikovati od faza u procesu izvođenja klasičnog statističkog istraživanja. Statističko istraživanje je metod sistematskog prikupljanja podataka neposredno od izvještajnih jedinica, i isključivo u statističke svrhe.

Proces statističkog istraživanja se izvodi u sljedećim koracima:

Priprema nacrta istraživanja. Prikupljanje i zahvatanje podataka. Obrada podataka Prikazivanje statističkih podataka.

Za izvođenje novog istraživanja je potrebno pripremiti obrazac istraživanja na kojem su zapisani zahtjevi koja istraživanje mora ispuniti. Oblikovanje zahtjeva je od ključnog značaja za dostizanje kvaliteta istraživanja tj. kvaliteta rezultata istraživanja. Savjetnici tj. statističari moraju vrlo precizno odrediti sadržaj istraživanja, metodologiju i kriterijume logičke kontrole podataka sa klasifikacijom grešaka (npr. kritične, trivijalne greške…).

Sljedeći korak u procesu istraživanja je priprema adresara istraživanja. Adresar istraživanja je lista jedinica, kojima će ili je već poslato gradivo. Na osnovu izrađenog adresara se šalje statističko gradivo i sakupi određena koncetracija izvještaja. Potom se izvede logička kontrola podataka. Na takav način se dobijaju čisti podaci, koji se nakon toga tabeliraju i statistički obrađuju. Pregled pravilnosti i kvaliteta podataka izvode savjetnici. Po logičkoj kontroli sljedi izvođenje diseminacije. Po započetoj diseminaciji podataka i informacije se oblikuju i pripremaju publikacije i izvještaji.

!



III. PRIPREMA NACRTA ISTRAŽIVANJA

U poglavlju je ukratko predstavljeno, šta je sve potrebno učiniti prije početka izvođenja pojedinog mjerenja na odabranom području na kojem će se mjeriti indikatori razvoja informacionog društva.



1. NACRT ISTRAZIVANJA

Statističko istraživanje, tj. mjerenje indikatora, počinje sa izradom plana sa kojim se predviđa cijeli tok od posmatranja pojava, sakupljanja podataka do konačne analize. Sa nacrtom je potrebno riješiti listu sadržajnih, organizaciono-tehničkih, analitičkih i finansijskih pitanja, koja su povezana sa statističkim istraživanjem i koja se zavisna od postavljenih ciljeva.

Među sadržajnim pitanjima najvažnija su:

Odrediti ciljnu populaciju i Odrediti okvir uzorka tj. uzorak, koji će se posmatrati.

Sadržajno određenje ciljne populacije i određivanje uzoraka, koji će se posmatrati prije svega je zadatak korisnika, koji će zbirne podatke upotrebljivati, i stručnjaka koji poznaju proučavane pojave.

Posle toga, kad je ciljna populacija određena i posmatrani uzorak određen, potrebno je u skladu sa predviđenim ciljevima predvidjeti:

kako će teći sakupljanje podataka, kako će teći obrada sakupljenih podataka, kako će biti prikazani sakupljeni podaci.

Ta pitanja su organizaciono-tehničke prirode i moraju ih riješiti statističari, u skladu sa konstatacijama statističke teorije i iskustvima iz statističke prakse.

Uz pravljenje nacrta mjerenja indikatora potrebno je razmisliti i o mogućnostima analize sakupljenih podataka. Potrebno je predvidjeti postupke i odrediti pokazivač, koji će se izračunati sa namjerom odgovaranja na postavljena pitanja. Ta pitanja uspješno riješavaju statističari, koji poznaju statističku teoriju, u saradnji sa stručnjacima proučavanog područja.

Posebnu pažnju potrebno je namijeniti i sređivanju finansijskih pitanja i finansijskih sredstava, koja se odnose na troškove mjerenja indikatora. Pošto se radi istraživanje mnoštva pojava, prema pravilima, izvođenje mjerila indikatora zahtijeva velika finansijska sredstva. Izvođač mjerenja mora zato dobro proučiti, kako će sa datim sredstvima izvesti mjerenja indikatora, i istovremeno obezbijediti što veći obim, kao i što adekvatniji kvalitet dobijenih podataka.

Sa nacrtom je potrebo riješiti listu sadržajnih, organizaciono-tehničkih, analitičkih i finansijskih pitanja, koja su povezana sa statističkim istraživanjem.

!



IV. ZAHVAT PODATAKA ZA MJERENJE INDIKATORA RAZVOJA INFORMACIONOG DRUŠTVA

U poglavlju su predstavljene metode koje se upotrebljavaju kod zahvatanja novih podataka; predstavljena je upotreba tzv. sekundarnih podataka, koji su ti podaci, za koje namjene se upotrebljavaju i gdje se takvi podaci nalaze; predstavljen je postupak opredjeljivanja statističke populacije, uzorkovanje, kakve greške se mogu pojaviti kod zahvata podataka i kako se tome odupreti. Predstavljeni su izvori podataka za mjerenje indikatora u Crnoj Gori i izvori podatka iz Evropske unije, koji će se upotrebljavati kod izrade poređenja razvoja informacionog društva u Crnoj Gori i u EU.



1. ZAHVAT PODATAKA

Polazište zahvatanja podataka za mjerenje konkretnih indikatora je dobijanje novih, odnosno ponovna upotreba već postojećih podataka, sa namjenom praćenja uspješnosti razvoja informacionog društva.

Zahvat podataka za namjenu mjerenja indikatora uspješnosti razvoja informacionog društva može teći na različite načine, sa upotrebom različitih metoda. Kod zahvata podataka se može obaviti statističko istraživanje, pomoću kojeg se zahvataju novi podaci, koji se ne mogu dobiti upotrebom već postojećih baza podataka, ili evidencija. U tom slučaju se radi zahvat novih podataka. Novi podaci se mogu zahvatati na tri načina:

Sa potpunim zahvatom (anketa, pita se cjela populacija); Sa uzorkovanjem (slučajni brojevi); Sa ekspertnim mišljenjem (to je najsporniji način, koji se može

upotrebiti samo u rijetkim slučajevima). Za zahvat novih podataka je najprihvatljiviji potpuni zahvat, ali je i najskuplji i vremenski najzahtjevniji. Za zahvat novih podataka se upotrebljava jedna od sljedečih metoda (ili njihova kombinacija večih između njih):

intervju, upitnik - anketa, internet anketa, telefonska anketa, anketiranje poštom, ankete preko mobitela, praćenje internet strana – praćenje razvijenosti e-Governmenta.

Svaki zahvat podataka mora biti povezan sa jednim ili više unaprijed definisanim indikatorima.

Drugi način zahvata podataka je zahvat preko administrativnih izvora. Koristi se za sekundarne podatke. To su podaci koje neka institucija sakuplja za svoje potrebe, arhivira u svojim bazama podataka ili evidencijama, ali istovremeno služe i za mjerenja indikatora informacionog društva. Administrativni izvori podataka su zbirke podataka koje su uređene na osnovu posebnog zakona (primjer administrativnog izvora: telekomunikacioni operater sakuplja broj uključenih domaćinstava u svoju telekomunikacionu mrežu – telefon, internet itd.).

Subjekti koji šalju podatke zovu se izvještajne jedinice. To su pravna lica ili njihovi djelovi, preduzetnici, fizička lica, domaćinstva, organi državne uprave, organi lokalne uprave i druga lica koja daju podatke isključivo u statističke svrhe.

U slučaju zahvata preko administrativnih izvora, potrebno je izvještajne jedinice, najkasnije do početka izvođenja istraživanja, tj. do početka sakupljanja podataka obavijestiti o:

zakonskom osnovu za sprovođenje istraživanja;

Zahvat novih podataka

Zahvat preko administrativnih izvora

!

!



svrsi istraživanja; obavezi davanja podataka; upotrebi podataka isključivo u statističke svrhe i zaštiti podataka.

Bez obzira na to, da li se radi zahvat novih podataka ili zahvat preko administrativnih izvora, uvijek je potrebno paziti na to, da se u cijelom postupku sakupljanja podataka, kao i kasnije u postupku obrade i diseminacije podataka, poštuje zakonodavstvo sa područja osiguravanja ličnih podataka.

Postupak zahvata podatka je sljedeći:

Najprije se odabere područje tj. indikator, čija razvijenost se prati; Za pojedino područje, tj. indikator, pripreme se odgovarajuća pitanja,

preko kojih se zahvata što više relevantnih podataka, koje će se kasnije obraditi sa odgovarajućim oruđima;

Potrebno je odrediti izvore podataka, ciljnu populaciju i uzorke na kojima će se izvoditi zahvat podataka;

Odrediti metodu, koja najviše odgovara za izvođenje istraživanja, sa obzirom na određenu ciljanu populaciju i uzorak, koji je bio izabran u okviru prethodne aktivnosti.

Ovdje je potrebno upozoriti, da se istraživanje može izvoditi preko različitih metoda, koja se međusobno dopunjuju. Na primjer, može se upotrebiti kombinacija internetnog i telefonskog anketiranja, kombinacija poštanskog anketiranja sa intervjuima i slično.

Sa obzirom na to, da je potpuni zahvat podataka (anketira se cijela populacija Crne Gore) vremenski i finasijski vrlo zahtjevan način prikupljanja podataka, bolje je da istraživanja teku pomoću analize uzoraka. To znači, da se pred distribucijom upitnika odredi populacija, kojoj će biti upitnici namjenjeni. Kod analize uzoraka obično dijelimo dvije vrste populacija [3]:

ciljna populacija, to je idealna populacija, koju želimo proučavati (npr. svi punoljetni stanovnici Crne Gore);

posmatrana populacija, to je populacija, koju smo u određenom vremenu i prostoru sposobni posmatrati (npr. svi punoljetni stanovnici Crne Gore, koji ne žive u inostranstvu).

Pomoć kod određivanja adekvatne populacije je okvir uzorka. To su uputstva koja nam ukazuju, kako odabrati adekvatnu populaciju (npr. sva domaćinstva sa telefonskim priključkom).

Detaljniji opis pripreme pitanja, određivanja populacije i okvira uzorka predstavljen je u dijelu Lista indikatora sa preporukama za mjerenje za svako pojedino područje, na kojem će se mjeriti indikatori razvoja informacionog društva.

Postupak zahvata podataka !



2. ODREĐIVANJE STATISTIČKE (CILJNE) POPULACIJE

Načelno je statistička populacija već određena u nacrtu statističkog istraživanja. U toj fazi se ta definicija izoštri i odredi tako da je nedvosmiselno i jednostavno razumljivo, koje pojave su predmet posmatranja a koje nijesu. Populaciju je potrebno odrediti prema mjestu, vremenski i stvarno (sadržajno).

Prema mijestu, populacija se odredjuje tako da ne nastaju »praznine« ili da se određena područja ne popisuju dva puta. Najčešće su određenja po mijestu saglasna sa upravno-administrativnim određenjima.

Vremensko određenje zavisno je od sadržaja proučavane populacije i od dinamike kretanja posmatrane pojave. Vrijeme, na koje se odnose podaci, može biti određeni trenutak (kritični trenutak) ili period (kritični period). Obično se kritični trenutak ili kritični period odabere kad je stanje pojave najnormalnije, ponekad i kad je stanje pojave optimalno, zavisno od namjene istraživanja.

Stvarno određenje predmeta posmatranja je najteže. Nedvosmiselno je potrebno odrediti jedinice populacije, koje se posmatraju i koje u nekoliko riječi jasno definišemo. Dobro je poznavati samu pojavu i sarađivati sa stručnjacima sa pojedinih područja.

3. POSMATRANJA UZORAKA (UZORKOVANJE)

Pod pojmom uzorkovanja podrazumijevamo postupke sa kojima se bira jedinstvena populacija u uzorak. U idealnim slučajevima moguće je identifikovati i mjeriti sve posmatrane jedinice u populaciji. U većini primjera to na žalost nije moguće, zato je potrebno izabrati odgovarajući okvir uzorka, koji ima takve karakteristike da omogućava identifikaciju svake pojedine uključene jedinice u uzorak. Među razlozima, koji govore u korist posmatranju uzoraka su najvažniji slijedeći:

Posmatranje populacije, koja je mnogo puta obuhvatala hiljade jedinica, zahtjeva značajna finansijska sredstva;

Uprkos brzom razvoju računarske obrade podataka, sama obrada je duga, posebnoako unos podataka, koji se odnose na veličinu populacije, traje dugo;

Posmatranje velikog broja jedinica je veoma pretenciozan posao, gdje mogu nastati brojne manjkavosti; kod pripreme i kod izvođenja;

U nekim slučajevima posmatranje cijele populacije uopšte nije izvodljivo.

Uzorak mora biti reprezentativan za cijelu populaciju. Kod definisanja uzorka potrebno je uvažavati praktične, ekonomske, etičke i tehničke polazišne tačke. Jedinice uzorkovanja mogu biti pojedine jedinice populacije ili grupe jedinica ili drugačije određene jedinice, npr. geografska područja. Izbor jedinice posmatranja u uzorak je jedna od najvažnijih pitanja u vezi sa posmatranjem uzoraka. Otvaraju su dvije mogućnosti:

Najvažniji razlozi za posmatranje uzorka !



slučajni izbor jedinica u uzorak: jedinicama uzorkovanja obezbjeđena je jednaka mogućnost da su odabrane u uzorak. Time je poznata vjerovatnoća za odabir jedinice uzorkovanja u uzorak. Statistička teorija uzorkovanja preporučuje poseban način zaključivanja na osnovu podataka iz slučajnih uzoraka. Za nju je karakteristično ocijenjivanje kvaliteta ocjena uzoraka sa posebnim pokazateljima i određivanje vjerovatnosti na nepravilnoj mjeri, koja je donešena na osnovu podataka, koji su bili sakupljeni pomoću slučajnih uzoraka. Kod slučajnog izbora razlikujemo više vrsta uzorkovanja. Jednostavno slučajno uzorkovanje i uzorkovanje sa ograničenjima (npr. stratifikovano uzorkovanje, uzorkovanje u manjim grupama, uzorkovanje u više stepeni i sistematizovano uzorkovanje). Kod jednostavnog slučajnog uzorkovanja pojedine jedinice populacije se biraju u uzorcima slučajno, kod uzorkovanja sa ograničenjima se slučajni izbor jedinica u uzorak izvode pod određenim uslovima.

Izbor jedinice u uzorak na »neslučajni« način; vjerovatnoća za izbor pojedinih jedinica u uzorak nije poznata i zato nije moguće izračunati adekvatne pokazatelje o kvalitetu ocjene, dobijene sa neslučajnim uzorkom. Zato kod tog uzorka nije moguće uvažavanje onih načina zaključivanja, koji su se razvili u okviru slučajnog uzorkovanja. Iako za neslučajne uzorke nije moguće odrediti, kakav je kvalitet ocena uzoraka, nije moguće tvrditi da su takve ocjene nužno neodgovarajuće i slabe. Zato se bez obzira na upućene slabosti u praksi, ti uzorci se često koriste, posebno zbog nižih troškova i jednostavnijeg izvođenja. Primjer izbora jedinice u uzorak na neslučajan način je uzorkovanje pomoću kvota.

3.1. JEDNOSTAVNO SLUČAJNO UZORKOVANJE

Za jednostavno slučajno uzorkovanje karakterističan je slučajni izbor pojedinih jedinica populacija u uzorak bez ikakvih ograničenja. Jedinice se u uzorak biraju bez ponavljanja. Svi elementi u uzorku se tretiraju jednakovrijednima, elementi nisu porazdijeljeni ili razdijeljeni. Prednosti jednostavnog slučajnog uzorkovanja su:

Uzorak po pravilu dobro predstavlja populaciju, Uzorkovanje je jednostavno, razumljivo, lako izvodljivo, Utvrđivanje preciznosti ocijenjivanja i standardnih grešaka je

jednostavno, Uzorkovanje je izvodljivo bez unaprijed poznate populacije.

Manjkavosti te metode su slijedeće:

Listu svih jedinica je ponekad teško obezbijediti, Jedinice, koje nastupaju u populaciji u malom broju nisu uvijek

adekvatno zastupljene, Na preciznost se može uticati samo sa povećavanjem veličine uzorka,

što je skupo,



Varijabilnost, koja utiče na preciznost može biti velika, jer porazdijeljena vrijednost varijabli često nije normalna, normalna je tek kod velikih uzoraka,

Kod geografsko udaljenih jedinica troškovi posmatranja su veliki.

3.2. STRATIFIKOVANO UZORKOVANJE

Kod stratifikovanog uzorkovanja u populaciji je preuzet broj različitih kategorija, zato se uzorak može organizovati u skladu sa tim kategorijama u odvojene slojeve ili demografije. Kod jednostavnog slučajnog uzorkovanja je preciznost ocijena parametara zavisna od veličine uzorka, variabilnosti proučavanje varijable i veličine populacije. Postupak ocijenjivanja parametara kod stratifikovanog uzorkovanja je slijedeči:

Heterogena populacija se dijeli na više manjih subpopulacija – stratume. Stratumi moraju biti oblikovani tako da je variabilnost unutar stratuma što je moguće manja – stratumi moraju biti što homogeniji.

U stratumima se izvede jednostavno slučajno uzorkovanje. Ocijene se parametri po stratumima. Izračunaju se ocjene parametara stratifikovanog uzorkovanja na

osnovu ocjena parametara iz stratuma. Efekti stratifikovanog uzorkovanja zavise od više okolnosti, neke su navedene u nastavku:

Za oblikovanje stratuma potrebno je unaprijed poznavati populaciju. Kod oblikovanja stratuma ne možemo se oslanjati samo na vrijednosti

pojedine varijable za koju se želi ocijeniti parametre. Stratifikacija je efikasna i pogotovo ako je populacija sastavljena iz jedinica, koje su po veličini vrlo različite, i ako su varijable za koje se želi izvesti ocijenjivanje parametara veoma povezano sa veličinom jedinica.

Uvažavanje optimalnog razmještenja jedinica uzoraka po stratumima vodi po pravilu do veće preciznosti ocijenjivanja parametara.

Sa stratifikovanim uzorkom mogu se dobiti manje precizni rezultati nego sa jednostavnim slučajnim uzorkovanjem.

3.3. UZORKOVANJE U MANJIM GRUPAMA

Često se pokaže da je teško oblikovati listu jedinica, koje stvaraju populaciju. Tada ima više smisla kao jedinice uzorkovanja uzeti manje grupe jedinica. Prednosti uzorkovanja u manjim grupama su slijedeće:

Okvir uzorkovanja se odnosi samo na manje grupe (primarne jedinice); Lista svih elementarnih jedinica nije potrebna; U odabranim manjim grupama posmatramo sve jedinice (na istom

mjestu), zato je izvođenje uzorkovanja jednostavnije. Uzorkovanje u manjim grupama je efikasno, ako su razlike među elementarnim jedinicama u manjim grupama velike i ako su razlike među manjim grupama male. Taj zahtjev je u praksi teško obezbjediti jer su vrlo

!

!



često u manjim grupama obuhvaćene jedinice sa sličnim karakteristikama (posebno to važi kad su manje grupe oblikovane po geografskom načelu). Zato je obično kod jednake veličine uzorka ocjena standardne greške kod uzorkovanja u manjim grupama veća nego kod jednostavnog slučajnog uzorkovanja ili pri stratifikovanom uzorkovanju. Ali pošto je kod uzorkovanja u manjim grupama po pravilu moguće dostići niže troškove na jedinicu uzorka kao kod pomenutih vrsta uzorkovanja, moguće je kod jednakih zajedničkih troškova uzorkovanja, uzorkovanjem u manjim grupama zahvatiti više jedinica u uzorak i sa tim uticati na sniženje ocjena standardne greške.

3.4. UZORKOVANJE U VIŠE STEPENI

Uzorkovanje u više stepeni može se izvesti u dva, tri ili više stepeni. Uzorkovanje u više stepeni znači raspodjelu uzorkovanja u manjim grupama. Primjer postupka uzorkovanja u dva stepeni je dat u nastavku i izvodi se na slijedeći način:

Najprije se slučajno odaberu – slično kao kod uzorkovanja u manjim grupama – takozvane odgovarajuće jedinice;

U odabranim primarnim jedinicama se onda slučajno odaberu jedinice, koje se potom posmatraju. Te jedinice se kod uzorkovanja u dva stepeni imenuju kao sekundarne jedinice. Ako je uzorak u tim stepenima, imenujemo jedinice, odabrane na trećom stepenu, tercialne jedinice i tako dalje.

Kod uzorkovanja u dva stepeni jedinice se odaberu slučajno na oba stepeni, kod uzorkovanja u manjim grupama izbor jedinica je slučajan samo na prvom stepenu. Ciljevi, koje je moguće dostići sa uzorkovanjem u više stepeni su slični onima kod uzorkovanja u manjim grupama. Bitne karakteristike tog uzorkovanja su:

Moguće je sniziti troškove uzorkovanja; Moguće je slučajno odabrati jedinice ljudi, kad nije na raspolaganju

lista svih jedinica koje sastavljaju populaciju; Preciznost uzorkovanja u dva ili u više stepeni je obično manja od

preciznosti koju dostignemo uz jednake uslove kod jednostavnog slučajnog uzorkovanja u manjim grupama;

Uzorkovanje u dva ili više stepeni je korisno, ako je populacija uređena u hijerarhijskim grupama.

3.5. SISTEMATIZOVANO UZORKOVANJE

Sistematizovano uzorkovanje poštuje izbor jedinica u uzorak, koji se razlikuje od tehnika slučajnog izbora. Taj izbor je jednostavniji za izvođenje, ali u svojoj osnovi čuva slučajnost. Temeljna karakteristika izbora jedinice kod sistematizovanog uzorkovanja je u tome da iz populacije biramo jedinice u uzorak tako da prvu jedinicu uzorka izaberemo slučajno među prvima s jedinicama na listi svih jedinica populacije, potom izaberemo svaku s-tu jedinicu. Zato, često korak izbora s, izračunat po posebnom uzorku, nije cijeli broj. U takvom primjeru se za korak izbora uvažava (uzima) najbliži cijeli broj.

!



Na kraju sistematizovanog izbora jedinice ponovo sa sitematizovanim ili slučajnim izborom jedinica isključuje suvišne ili dopuni manjkave jedinice.

Prednosti sistematizovanog uzorkovanja pokazuju se prije svega u slijedećem:

Sa sitematizovanim uzorkovanjem moguće je lakše, brže i sa manje grešaka izabrati jedinice u uzorak nego kod jednostavnog slučajnog uzorkovanja. Jedinice je moguće izabrati u uzorak bez ozbiljnih poslijedica za kvalitet uzorkovanja, čak i bez prebrojavanja.

Sistematizovano uzorkovanje garantuje da su u uzorcma jednako zastupljeni svi djelovi populacije, zato u određenim slučajevima sistematizovano uzorkovanje ima prednost u odnosu na uzorkovanje koje proizilazi iz slučajnog izbora jedinice.

Slabost te metode je pristrasnost rezultata u slučaju podudarnosti stepeni izbora i perioda ponavljanja kod populacija, za koje je karakteristično periodično ponavljanje.

Sistematizovani izbor jedinica može dati neupotrebljive rezultate ako je u populaciji prisutno periodično ponavljanje. Ako se u takvom slučaju uhvati korak izbora jedinice sa periodom, sistematizovani uzorak može biti sastavljen samo od jedinica sa jednakim karakteristikama, a druge jedinice u uzorku nisu adekvatno zastupljene. To vodi do pristrasnosti kod posmatranja. Zato je potrebno prije odluke za sistematsko uzorkovanje pažljivo pregledati okvir uzorkovanja i utvrditi, da li je možda u populaciji prisutno periodično ponavljanje. U slučaju da je periodično ponavljanje prisutno, sistematički izbor jedinica nije logično upotrebiti. Ako u populaciji nema kakvih posebnih razvrstavanja jedinica, sistematizovano uzorkovanje ima jednake karakteristike kao slučajno uzorkovanje.

3.6. KVOTNO UZORKOVANJE

Kvotno uzorkovanje razvilo se iz namjernog uzorka. Iako taj oblik uzorkovanja samo ponekad uključuje elemente slučajnog uzorka, i kod njega govorimo o uzorkovanju. Kvotno uzorkovanje se često upotrebljava kod istraživanja javnog mnjenja i kod istraživanja tržišta.

Kvotno uzorkovanje je uzorkovanje koje se ne bazira na vjerovatnoći, gdje se ocijenjivanje parametara temelji na namernom izboru jedinica, sa kojima je potrebno među jedinicama koje posmatramo obezbjediti određeni broj jedinica sa određenim karakteristikama. Taj broj se imenuje kvotom, od tuda i naziv kvotni uzorak. Kvote moraju biti izabrane tako da je struktura kvotnog uzorka što sličnija strukturi populacije u svim pogledima, koja je bitna za dato posmatranje.

Kvotni uzorak se po svojoj osnovi potpuno razlikuje od slučajnog uzorka, kod kojeg ima svaka jedinica neku poznatu vjerovatnoću, da će biti izabrana u uzorak. Temeljna karakteristika kvotnog uzorka je u tome, da je među posmatranim jedinicama unaprijed obezbjeđena struktura, koja je određena sa tzv. kovotama. Izbor samih jedinica za posmatranje je prepušten izboru anketara.

!

!



Kvotno uzorkovanje upotrebljava se prije svega kad je slučajno uzorkovanje teško izvesti ili kad je slučajno uzorkovanje vrlo skupo. Suština kvotnog uzorkovanja je da je među posmatranim jedinicama obezbjeđena takva struktura, kakvu predviđaju kvote. Njegova karakteristika je da je jednostavna i jeftina. Bez obzira na bitne karakteristike te vrste dijelimičnog posmatranja, koji može u praksi imati dobre rezultate, kvotno uzorkovanje nema onih bitnih karakteristika, koje ima slučajno uzorkovanje – moguće je obezbjediti preciznost ocjena uzorkovanja. Pošto radi kao neslučajan uzorak, nije moguće obezbjediti mogućnosti ponavljanja uzorka uz jednake uslove. Zato nije moguće govoriti o podjeli ocijena uzoraka i nije moguće izračunati varijante ocjena uzorka i standardne greške.

3.7. PREGLED PROCESA UZORKOVANJA

Nakon što je uzorkovanje izvedeno, potrebno je pripremiti i tačan pregled stvarno izvedenog procesa uzorkovanja u odnosu na planirani. Namjena toga je istražiti efekte mogućih rizika i razilaženja sa kasnijom analizom sakupljenih podataka. Poseban problem predstavljaju ne odazivi.

Puno pojedinaca, koji su identifikovani kao deo uzorka, ne želi sarađivati u istraživanju ili ih je nemoguće kontaktirati. U takvim slučajevima postoji opasnost pojavljivanja rizika među onima, koji žele i onima, koji ne žele sarađivati. To vodi u »selection bias« kod izrade zaključaka. Ti problemi se obično riješavaju sa »follow-up« istraživanjima, u kojima se pokušavaju ponovo kontaktirati nezavisne osobe i karakterizirati njihove posebnosti i razlike sa preostalima u uzorku.

4. METODE ZA PRIKUPLJANJE NOVIH PODATAKA

Za dobijanje novih podataka mogu se upotrebiti različite metode, zavisno do ciljne populacije, na kojoj se izvodi određeno istraživanje tj. mjerenje indikatora. Moguće metode za sakupljanje novih podataka su detaljnije opisane u nastavku. Kod svake metode je opisano, kakva je ta metoda i kad se koristi.

Zahvat podataka je mjerenje indikatora. Na pojedinom području će se razlikovati sa obzirom za koje područje će biti istraživanje izvedeno (npr. za područje telekomunikacija, za područje zdravstva, za područje e-Government itd.). Sa tim će biti i određeno, koji indikatori će se pratiti u tom istraživanju.

4.1. INTERVJUI

Intervjui predstavljaju direktnu komunikaciju sa ljudima, koji su preko okvira uzorka uključeni u mjerenje uspješnosti informacionog društva. Intervjui predstavljaju jednu od osnovnih metoda zahvata novih podataka. Za uspješno izvođenje intervjua potrebna je dobra priprema i organizacija. Potrebno je organizovati vrijeme i mjesto razgovora.

Metode za sakupljanje novih podataka su: 1. intervjui, 2. upitnici – ankete, 3. internet ankete, 4. telefonske ankete, 5. poštansko anketiranje, 6. mjerenje razivjenosti e-governmenta.

!



Pitanja moraju biti precizno određena prije izvođenja intervjua, zapisana i razdjeljena po područjima, na kojima želimo mjeriti razvoj informacionog društva. Naknadne promjene ili dodavanje pitanja nije dozvoljeno. Sa obzirom na odgovore, koji su mogući, na neka pitanja može se pripremiti otvoreno ili zatvoreno pitanje. Otvorena pitanja dozvoljavaju anketiranome potpunu slobodu kod odgovaranja. Kod zatvorenih pitanja odgovori su difinisani i time ograničavaju slobodu odgovaranja na pitanja.

Za svako pitanje ili grupu pitanja potrebno je odrediti približno vremensko trajanje tako da postoji vremenski nadzor nad izvođenjem intervjua.

Metoda intervjua za dobijanje novih podataka je vremenski vrlo zahtjevna, zato se obično upotrebljava kad istraživanja koja nije moguće izvesti pomoću drugih metoda. Metoda intervjua može se kombinovati i sa ostalim metodama.

Prednost metode intervjua je u tome što ako postoji direktan kontakt sa anketiranim, moguće nejasnoće se mogu riješiti na licu mijesta.

Preporuke upotrebe metode:

Pitanja moraju biti precizna i ne smiju već u naprijed nuditi neki određeni odgovor.

Pitanja ne smiju ulaziti u privatnost pojedinca i ne smiju biti uvredljiva. Pitanja, koja želimo postavljati u razgovoru, moramo unaprijed

pripremiti.

4.2. UPITNICI - ANKETE

Upitnici tj. ankete predstavljaju jedan od najčešćih oblika zahvata novih podataka. Pošto upitnike možemo izvoditi uporedo (neki upitnik može istovremeno ispunjavati više anketiranaca), može se u relativno kratkom roku pokriti više područja i tako zahvatiti veću količinu podataka. Upitnik se može upotrebljavati samostalno ili u kombinaciji sa intervjuima. Na primjer, sa upitnikom se zahvataju opšti podaci o određenom području i indentifikuje zanimljiva tj. bitnija područja, koja nakon toga obrađujemo intervjuima. To je moguće u slučaju da upitnici tj. ankete nisu anonimne.

Uprkos tome, što je izvođenje zahvata novih podataka sa upotrebom upitnika vremenski manje zahtjevno nego sa intervjuima, korisnika je često previše i zato ih nije moguće sve anketirati. U tom slučaju upitnici se šalju samo određenoj populaciji (uzorku).

Preporuke za upotrebu metode:

Više puta se upotrebljavaju zatvorena pitanja. Pitanja moraju biti definisana jasno i nedvosmisleno, da anketirani

može sam odgovarati na pitanja. Slabo definisanje odgovora zatvorenih pitanja mogu anketiranog zbuniti i dovesti do potrebe za pojašnjavanjem pitanja. U tom slučaju postaju i upitnici vremenski zahtjevni.

!



4.3. INTERNET ANKETE

Internet anketiranje je način anketiranja, kad anketirani do ankete tj. upitnika pristupaju preko interneta (sa klikom na vezu do internet adrese ankete).

Internet anketa je urađena u programu za pripremu internet anketa. Takav program omogućava, da je pored samih pitanja moguće dodavati slike, zvučne i video zapise, veze do internet stranica itd.

Nakon izrade internet ankete, slijedi objavljivanje ankete na internetu i obavještavanje potencijalnih anketiranih da mogu učestvovati i odgovarati na pitanja. Internet anketa može biti anonimna, a može se poslati i na poznate adrese. Puteva do anketiranih je više ali je izbor puta zavisan prije svega od ciljeva istraživanja i od ciljne grupe:

Obavještavanje preko elektronske pošte Povezanost do internet ankete i poziv ka saradnji šaljemo

elektronskom poštom na e-adrese anketiranih, koji su već prije pristali na saradnju takve vrste u anketama i povjerili nam svoju e-adresu kao i demografske podatke.

Takav način anketiranja je najčešće najadekvatniji, jer je obezbjeđen stalni uzorak, za kojeg možemo dosta precizno predvidjeti odaziv i strukturu, ako je uzorak dovoljno velik možemo izabrati i različito strukturirane poduzorke.

Objavljivanje ankete na internet stranicama Na različitim internet stranicama, koje to dozvoljavaju (to su prije svega

stranice e-uprave Crne Gore, pretraživači, katalozi i portal), objavimo vezu do ankete; uz vezu mora biti i pripiska sa kojom pozovemo posjetioce da pomoću klika na vezu, učestvuju u anketi.

Klik na vezu može posjetioca dovesti do specializovane stranice, koja je namijenjena isključivo toj anketi, a može biti anketa izvedena u obliku pop-up ankete.

Pop-up ankete Anketa se objavi u obliku "pop-up" prozorčića, jednako kao npr. pop-up

oglasi, sa obzirom na sadržaj stranice, gdje se posjetilac nalazi. Postoji više mogućnosti na kakav način se posjetiocu internet stranice

otvori pop-up anketa: anketa se može otvoriti samo pod uslovom, da je posjetilac na internet stranici ostao određeno vrijeme ili sa obzirom na vrijeme posijete; isto tako se može anketa otvoriti ili kod ulaska posjetoca na internet stranicu ili kad izlazi ili u međuvremenu (posle određenog vremena).

Prednosti internet anketiranja ima više, između ostalih su:

Veliki broj potencialnih odgovarača (trošak na dodatnog ispitanika je minimalan tj. jednak nuli);

Internet anketu može izvesti skoro svako; Ukupni troškovi ankete su relativno niski; Nema prostorno-vremenskog ograničenja; Brzo sakupljanje podataka;



Kontrola odgovora; Jednostavna implementacija kompleksnih upitnika, preskoka, filtera

(interaktivnih upitnika); Neograničene mogućnosti kod grafičkog oblikovanja anketnog

upitnika, upotreba multimedija. Internetno anketiranje ima i određene slabosti, kao što su na primjer:

Problem nepokrivenosti; Problem okvira uzorka;

− Ankete bez uzorka;

− Izrada uzorka na osnovu baza adresa elektronske pošte;

− presretačke ankete;

visok stepen ne odgovaranja; mjerne greške; tehnički problemi; sigurnost; spremnost internet publike na zahtjeve istraživača (problem cjele

anketne industrije – oversurveying); Izvođenje internet ankete može biti na jednoj strani jednostavno; ali je izvođenje “kvalitetne” ankete još uvijek veoma zahtjevan zadatak.

Preporuke upotrebe metode:

Uvod treba da bude kratak i da predstavlja suštinu istraživanja. Mora biti dato približno vrijeme odgovaranja i kontakt e-adresa. Pitanja moraju biti definisana jasno i nedvosmiselno. Duga uputstva

ispitanici ne čitaju! Dodatna uputstva su moguća kao dodatak (povezanost).

Dodata moraju biti uputstva za tehničko ispunjivanje ankete. Prvo pitanje u anketi treba da bude lako i zanimljivo. Grafički izgled ankete treba da bude prilagođen ciljnoj populaciji. Većinom se upotrebljavaju zatvorena pitanja.

4.4. TELEFONSKE ANKETE

Podatke iz telefonskih anketa možemo skupljati u dva oblika: na papiru ili kompjuterski. Telefonsko anketiranje na papiru predstavlja izvođenje ankete preko telefona, u kojem anketar čita pitanja i bilježi odgovore na papir.

Kompjuterski podržano anketiranje, poznatije kao CATI (Computer Assisted Telephone Interviewing), se izvodi preko telefona, ali u ovom slučaju anketar upotrebljava kompjuter za ispunjavanje anketa (odgovarajuće kompjuterske programe za anketiranje). Ta tehnologija se upotrebljava za rukovanje uzorkom kao i za organizaciju kontakata sa anketiranima.

Prednosti kompjuterski podržanog telefonskog anketiranja su između ostalog slijedeće:



Brže i jeftinije izvođenje istraživanja zbog veće automatizacije i prethodnog testiranja upitnika;

Potpuna automatizacija upitnika, gdje već unaprijed definišemo sve preskoke i dijelove na koje odgovaraju pojedinačni subjekti;

Osnovne frekvencije možemo dobiti već u jednom satu poslije anketiranja (vrijeme potrebno za cijelu bazu zavisi prije svega od složenosti upitnika i broja otvorenih odgovora);

Isključen uticaj uređenog niza pitanja, jer je omogućeno slučajno miješanje pitanja i odgovora;

Jednostavno praćenje i određivanje kvota: od jednostavnih (npr. po regijama), gdje glavni kompjuter brine za to, da šalje anketarima samo brojeve, kojima kvote nisu ispunjene, do složenih (npr. po starosti, polu isl.), gdje se sastav upitnika usput prilagođava;

Bolja kontrola anketara: pored direktnog slušanja razgovora anktara sa anketiranim, može se preko glavne stanice pratiti ista slika koju vidi anketar;

Potpuna evidencija svih poziva anketara, čime možemo preciznije analizirati rad anketara i njihovu efikasnost.

Kompjuterski podržano anketiranje zahtijeva da anketari pored uobičajenog izobražavanja nauče osnove upotrebe kompjutera. Kontrolori se moraju zbog automatizovanog praćenja kvota, dogovora i sl., potpuno posvetiti kontroli rada anketara, istovremeno takođe moraju biti toliko kompjuterski obrazovani, da mogu riješiti bilo kakve probleme na terminalima anketara.

4.5. POŠTANSKO ANKETIRANJE

Poštansko anketiranje je istraživačka metoda, u kojoj se anketa šalje anketiranom po pošti (ili faksu). Primjenjiva je za uzorke, gdje su poznate adrese. Jeftinija je od ostalih metoda, zato je primjenjiva i za velike uzorke i širu geografsku pokrivenost.

Metoda ima i svoje slabosti. Najspecifičnije su:

nizak postotak odgovora, dugotrajno skupljanje podataka i greške, koje prizilaze iz moguće lošijeg kvaliteta lista adresa.

Takođe ne znamo ko je ispunio upitnike i obično puno odgovora nedostaje ili je nepotpunih. Poštanske ankete nisu primjenjive za kompleksnija pitanja, jer nije moguće kontrolisati redoslijed odgovaranja i nema mogućnosti za dodatna objašnjenja i podpitanja.

Zbog nabrojenih slabosti je preporučljivo, da se poštansko ispitivanje upotrebljava samo u kombinaciji sa drugim metodama, obično sa telefonskim. Anketirane koji na poštansku anketu nisu odgovorili, ili su odgovorili nepotpuno, dodatno anketiramo preko telefona.



4.6. ANKETE PREKO MOBITELA

S obzirom na vrlo visok stepen upotrebe mobitela u Crnoj Gori postoji mogućnost sakupljanja novih podataka preko mobitela. U tu svrhu se upotrijebljavaju tehnologije slanja SMS poruka, Wap ili GPRS.

Mogućnost prikupljanja podataka preko mobilnog telefona je i razvoj sistema, koji omogućava komunikaciju između anketiranoga i sistema automatskog prepoznavanja govora, koji razumije određeni broj riječi (npr. Kratki odgovori na pitanja).

Anketiranom se preko SMS poruke poruči da može učestvovati u nekoj anketi. U poruci je telefonski broj na koji besplatno pozove, prati uputstva automatskog odzivnika i odgovara na postavljena pitanja.

4.7. MJERENJE RAZVIJENOSTI E-GOVERNMENTA

Mjerenje indikatora razvijenosti e-Government se izvodi na drugačiji način od gore opisanih metoda. Istraživanje se ne izvodi pomoću upitnika, nego se preko interneta prati, koliko e-government usluga je građanima i privrednim subjektima već na raspolaganju.

Zato uz svako mjerenje razvijenosti e-Governmenta treba pratiti postojeće internet stranice i potražiti moguće nove stranice, koje će korisnicama omogućavati obavljati usluge državne uprave preko interneta ili drugih komunikacijskih kanala. Stepen razvijenosti svake e-government usluge se izražava sa pet nivoa:

0 – Nema informacija: informacije o usluzi nijesu dostupne na Internetu.

1 – Informacija: na internetu dostupne ne su samo informacije o usluzi (opis postupka, zakonodavstvo…).

2 – Jednosmjerna interakcija: omogućeno je kopiranje obrazaca ili zahtjeva sa Interneta na personalni kompjuter. Obrasce ili unose je moguće isprintati.

3 – Dvosmjerna interakcija: omogućeno je ispunjivanje obrazaca ili unosa preko Interneta što uključuje i autentikaciju. Sa ispunjenim obrascom ili unosom se preko Interneta pokrene određena usluga.

4 – Transakcija: Omogućeno je izvođenje cijele usluge preko Interneta što uključuje ispunjavanje obrazca ili unosa, autentikaciju, plaćanje i proslijeđivanje odluka, potvrda ili drugih oblika rezultata završene usluge preko Interneta.

Svaka između e-usluga ima uz mjerenje neki stepen razvijenosti. To zovemo trenutni stepen. Ako uzmemo za primjer, da je e-usluga Predaja prijava poreza na internetu, na raspolaganju je obrazac, kojeg može državljanin prenijeti na svoj kompjuter, isprintati ga, ispuniti i poslati u poresku upravu, onda je trenutni stepen razvijenosti te e-usluge 2.

Više o razvoju e-usluga u Metodologiji razvoja e-Governmenta



Svaka e-usluga ima unaprijed određeni ciljni stepen, koji se ne mijenjaTPF1FPT. Neke e-usluge mogu dostići samo 3 stepen – to znači da je e-uslugu moguće razviti do izvođenja dvosmjerne interakcije preko interneta. Neke e-usluge mogu dostići 4 stepen razvijenosti – to znači da se razviju do stepena da može korisnik preko interneta izvesti cjelu transakciju, uključujući autentikaciju, identifikaciju i moguća plaćanja za obavljenu uslugu.

Za ocjenjivanje razvijenosti pojedine e-usluge je na osnovu ciljnog stepena određena posebna skala. U slučaju da je ciljni stepen e-usluge 4, onda je trenutno postignuti stepen pretvori u procente po sljedećem ključu:

Trenutni stepen = rezultat 0 – 0,99 = 0% - 24% Trenutni stepen 1 = rezultat 1 – 1,99 = 25% - 49% Trenutni stepen 2 = rezultat 2 – 2,99 = 50% - 74% Trenutni stepen 3 = rezultat 3 – 3,99 = 75% - 99% Trenutni stepen 4 = rezultat 4 = 100%.

U slučaju da je ciljni stepen e-usluge 3, onda je trenutno postignuti stepen pretvori u procente po sljedećem ključu:

Trenutni stepen 0 = rezultat 0 – 0,99 = 0% - 32% Trenutni stepen 1 = rezultat 1 – 1,99 = 33% - 66% Trenutni stepen 2 = rezultat 2 – 2,99 = 67% - 99% Trenutni stepen 3 = rezultat 3 = 100%

Kod mjerenja razvijenosti e-usluge se kod pojedinog stepena uzimaju u obzir niži procenti npr. trenutni stepen je 2, ciljni stepen je 4, procenat razvijenosti je 50%.

5. GREŠKE I KONTROLA KOD SAKUPLJANJA PODATAKA

Greške se pojavljuju kod svake ljudske djelatnosti, zato nastaju i kod sakupljanja statističkih podataka. Razlozi za pojavljivanje grešaka su različiti (npr. slabo planiranje mjerenja, nepravilno odabrano vrijeme sakupljanja podataka, greške u obrascima). Greške mogu nastajati i kod samog sakupljanja podataka npr. zbog nedovoljne osposobljenosti popisivača, pogrešnog tumačenja uputstava i slično.

Greške se dijele na slučajne i sistematske. Slučajne greške obično nisu bitne, jer se učinak tih grešaka kod velikog broja posmatranih jedinica izravnava. Mnogo gore posljedice imaju sistematske greške, koje imaju uvijek jednak učinak kod svih posmatranih jedinica, zato se i njihov učinak ne izravnava.

TP

1PT Ciljne stopnje posameznih e-storitev so podrobneje predstavljene v drugem delu

metodologije – Seznam indikatorjev s priporočili za merjenje.



Za uklanjanje što većeg broja grešaka potrebno je izvoditi odgovarajuću kontrolu nad sakupljenim podacima već kod samog postupka sakupljanja, a onda opet na kraju sakupljanja. Kontrola se odnosi na:

mnogobrojnost zahvaćenih jedinica i mnogobrojnost odgovora i pravilnost odgovora.

Kontrola pravilnosti odgovora je pogotovo zahtjevna. Kod kontrole pravilnosti odgovora se, s obzirom na vrstu podataka koji se sakupljanju mogu izvoditi:

Računska kontrola, ako se radi pretraga grešaka u numerološkim podacima,

Stvarna kontrola, ako se radi pretraga da li su odgovori saglasni sa stvarnim stanjem,

Logična kontrola, ako se radi procijena adekvatnosti pojedinih podataka s obzirom na vezu sa drugim podacima.

6. UPOTREBA POSTOJEĆIH - SEKUNDARNIH PODATAKA

Suprotno od primarnih ili novih podataka, koje treba sakupiti iz početka sekundarni podaci su oni, koji već postoje, koji se vode u zvaničnim evidencijama i koji su sakupljeni u druge svrhe. Ukoliko sekundarni podaci ne zadovoljavaju izvođenje mjerenja pojedinačnih indikatora, potrebno je sakupiti i nove – primarne, pomoću gore opisanih metoda.

Upotreba sekundarnih podataka ima brojne prednosti, kao što su niži troškovi, brza raspoložljivost podataka. Namjera sakupljanja sekundarnih podataka je povećanje kvaliteta istrage. Vrste sekundarnih podataka su:

baze podataka, evidencije ili registri, koje vode institucije javne uprave u Crnoj Gori;

publikacije statističke kancelarije; publikacije vladinih i nevladinih institucija; besplatno dostupni podaci na internetu, u stručnoj literaturi, godišnjim

izvještajima preduzeća; baze preduzeća, koje djeluju na području, na kojem će se mjeriti

indikatori (npr. baze svih poslovnih subjekata i preduzetnika, baze aktivnih poslovnih subjekata i slično)…

7. IZVORI PODATAKA ZA MJERENJE INDIKATORA

Za izvođenje uspješnog mjerenja indikatora razvoja informacionog društva je potrebno obezbijediti kvalitetne izvore podataka, iz kojih se onda crpe novi podaci kao i već postojeći sekundarni.

Prednosti upotrebe administrativnih resursa su između ostalog niži troškovi i brza raspoloživost podataka.

!



7.1. IZVORI PODATAKA U CRNOJ GORI

Izvori podataka, koji će se upotrijebljavati za mjerenje indikatora uspješnosti razvoja informacionog društva Crne Gore trenutno još nisu određeni. Pri određivanju novih izvora je potrebno usmjeriti pažnju na činjenicu, da su izvori dobro definisani i da pokrivaju sva područja, na kojima će se izvoditi mjerenje indikatora.

Uzimajući u obzir da će izvora podataka u Crnoj Gori biti puno, potrebno je obezbijediti, u stvari odrediti, centralnu instituciju (npr. MONSTAT), koja će vodi cijelokupan proces sakupljanja, obrade i diseminacije podataka i rezultata obavljenih mjerenja. Centralna institucija će morati tokom sakupljanja podataka:

obezbijediti koordinatora, koji će u cijelom procesu mjerenja biti raspoložljiv za pomoć kod sakupljanja podataka, razumijevanju indikatora, provjeravanju dijelimičnih rezultata, osposobljavanju novih nadzornika podataka i slično;

obezbijediti kraća osposobljavanja za izvore podataka; provjeravati pravilnost i uporedivost podataka; sama sakupljati podatke za moguće indikatore u njenoj nadležnosti, učestvovati sa svim izvorima podataka.

U procesu mjerenja indikatora će pored MONSTAT-a učestvovati i drugi proizvođači statistike u Crnoj Gori, koji će biti uključeni u istraživanja. Proizvođači statistike u Crnoj Gori su:

organ uprave nadležan za poslove statistike (u daljem tekstu: nadležni organ);

Centralna Banka Crne Gore; Komisija za hartije od vrijednosti; organ uprave nadležan za poslove carina; organ uprave nadležan za poreski sistem; organ državne uprave nadležan za poslove finansija; Centralni registar Privrednog suda; organ uprave nadležan za poslove razvoja i drugi organi određeni Programom.

Te postojeće izvore podataka treba dopunjavati sa izvorima, koji proizilaze iz svih grana privrede i javne uprave za područja, na kojima se mjere indikatori. Važno je znati, da će se izvori podataka vrlo vjerovatno mijenjati, zato je potrebno odrediti nadzornika koji će biti zadužen za redovno praćenje i ažuriranje postojećih izvora podataka.

8. IZVORI PODATAKA U EU

Evropska komisija je pokretač razvoja informacionog društva u Evropskoj Uniji. Na osnovu izvedenih mjerenja za različita područja pripremljeni su različiti izvještaji u kojima su predstavljeni rezultati mjerenja pojedinih

Zakon o statistici



indikatora. Ta mjerenja i izvještaji predstavljaju mogućnost poređenja razvoja informacionog društva u Crnoj Gori sa razvojem informacionog društva u EU.

Glavni izvori za dobijanje podataka iz EU su:

Statistička služba Evropske zajednice – Eurostat2; Pojedini izvještaji o mjerenju indikatora sa različitih područja (npr. e-

Government, e-Health, e-Learning); Internet stranice eEurope 20023, eEurope+4, eEurope 20055, i20106; Internet stranice IDABC7; Periodični izvještaji eEurope Progress Report; Izvještaji o naprijedku evropskih država na području e-Government8 i

drugi. Izvori za dobijanje podataka iz EU se mijenjaju i dopunjuju, zato je potrebno odrediti nadzornika izvora, koji će biti zaduženi za redovno praćenje i ažuriranje postojećih izvora za dobijanje podataka iz EU.

TP

2PT

HTUhttp://epp.eurostat.cec.eu.int/portal/page?_pageid=1090,30070682,1090_33076576&_dad=portal&_schema=PORTALUTH

TP

3PT HTUhttp://europa.eu.int/information_society/eeurope/2002/index_en.htmUTH

TP

4PT HTUhttp://europa.eu.int/information_society/eeurope/plus/index_en.htmUTH

TP

5PT HTUhttp://europa.eu.int/information_society/eeurope/2005/index_en.htmUTH

TP

6PT HTUhttp://europa.eu.int/information_society/eeurope/i2010/index_en.htmUTH

TP

7PT HTUhttp://europa.eu.int/idabc/UTH

TP

8PT http://europa.eu.int/idabc/en/document/4390/194



V. OBRADA PODATAKA

U poglavlju su predstavljene statističke metode i programska oruđa koja će se koristiti kod obrade sakupljenih podataka.



1. OBRADA PODATAKA

Kod sakupljanja podataka, za svako pojedino područje na kojem se prate indikatori, dobija se više podataka. Ukupan broj podataka je zavisan od broja proučavanih jedinica i od velikog broja znakova koji su posmatrani kod svake jedinice. Broj sakupljenih podataka je pogotovo velik kad se posmatraju sve jedinice masovne pojave. Moguće je i da kod dijelimičnog posmatranja jedinica – uzorkovanje, broj podataka bude tako velik da su sakupljeni podaci nepregledni, i da iz njih nije moguće direktno izvući karakteristike posmatrane pojave.

Cilj obrade podataka je doseći preglednost nad sakupljenim podacima. To se postiže sa:

Razvrstavanjem jedinica po vrijednostima statističkog znaka u grupe Brojanjem jedinice u pojedinoj grupi, Sumiranjem njihovih vrednosti, ako za to ima smisla.

Na takav način se iz sakupljenih podataka dobijaju jednostavni statistički parametri.

Kod obrade podataka za namjenu mjerenja, tj. praćenja indikatora razvoja informacionog društva veoma su bitna četiri aspekta:

Poređenje trenutne vrijednosti indikatora sa vrednostima istog indikatora u proteklim periodima,

Poređenje vrijednosti indikatora sa vrijednostima u drugim državama, Korelacija među različitim indikatorima u istom periodu mjerenja, kao i

sa obzirom na protekle periode, Najava trendova.

Podatke je zato potrebno obraditi na takav način, da omogućavaju izvođenje adekvatnih primjera, pripreme korelacija i najavljuju dolazeće trendove.

2. ODREĐENJE GRUPA

Prije razvrstavanja jedinica po vrijednostima pojedine varijable u grupe, potrebno je odrediti grupe. U grupu se udružuju srodne vrijednosti variabli. U vezi sa određenjem grupa, pojavljuju se dva zahtjeva:

Grupe moraju biti određene jednoliko. To znači da moraju biti međusobno razgraničene tako, da pojedine vrijednosti padnu tačno u jednu grupu.

Grupe moraju biti određene u skladu sa ciljevima istraživanja tj. mjerenja indikatora. Sa tim se obezbjeđuje veća preglednost nad sakupljenim podacima, isto tako se lakše otkriju karakteristike proučavane pojave. Zato je grupe potrebno odrediti iz sadržajnog pogleda i obezbjediti da pojedine grupe obuhvataju što srodnije vrijednosti.

Zahtjevi važe za sve vrste statističkih varijabli.

Četiri aspekta obrade podataka !



3. VRSTE OBRADE PODATAKA

Jedinice se u grupe razvrstavaju ručno ili uz pomoć računara. Ručna obrada statističkih podataka sve više gubi na značaju i nadoknađuje se sa računarskom obradom. Danas se ručna obrada izvodi samo ako se radi mali broj posmatranih jedinica i mali broj posmatranih znakova. Ako je na raspolaganju odgovarajuća računarska oprema (računar i programska oprema), onda se i u tom slučaju upotrebljava računarska obrada.

4. PRIKAZ PODATAKA

Rezultat statističke obrade je vrsta statističkih podataka, koji su uređeni po vrijednosti ili po grupama vrijednosti određene varijable (znaka). Statističke podatke retko navodimo posebno, jer je suština statističkog proučavanja pojava u poređenju podataka. Zato se podaci koji su rezultat osnovne statističke obrade, sakupljaju u statističke redove, a ovi se onda prikazuju u tabelama i grafikonima.

Tabelarni i grafički prikaz statističkih podataka se u mnogim karakteristikama razlikuju, zato je najbolja paralelna upotreba tabela i grafikona jer se tako udružuju prednosti oba pristupa.

U tabeli se može prikazati velik broj podataka, koji mogu biti prikazani precizno po želji, pored toga je tabelarni način prikazivanja jednostavniji.

U grafikonu se mogu očigledno prikazati veze i odnosi između više podataka, što u tabeli nije uvijek moguće. Grafikon je kao sredstvo prikaza privlačnije i direktnije, zato se često koristi kod popularizacije određenih prikaza. Kod analitičkih grafikona se ponekad pojava može analizirati direktno bez upotrebe matematičko-analitičkih metoda, a često grafički prikaz daje smjernice za odluke o daljim oblicima statističke analize.

5. KORELACIJE

Sa korelacijom će se mjeriti zavisnost među pojedinim indikatorima razvoja informacionog društva sa aspekta statističkih događaja.

U statistici postoji više korelacionih modela:

linearni bivariantni korelacioni model i model linearne multiple korelacije.

Za bivariantni korelacioni model važi: εβα ++= xy * ;

gdje je: α - regresiona konstanta,

β - regresioni koeficient,

ε - slučajno otstupanje.

Pretpostavke bivarijantnoga korelacijskog modela su sljedeće:



obe varijable x i y su slučajne varijable. Regresioni pravac y' pokazuje zavisnost y od x, a reresioni pravac x' zavisnost x od y;

bivarijantna populacija je normalna, iz toga sljedi, da su porazdjeljena za y i x normalna;

povezanost među y i x je linearna. To znači da leže sve sredine za y, koje se odnose na pojedine vrijednosti xBi Bna regresionom pravcu y; sve sredine za x, koje se odnose na pojedine vrijednosti yBi Bna regresijskom pravcu x;

mjera za stepen zavisnosti među y i x tj. među x i y je korelacioni koeficient ρByxB, koji je definisan kao odnos među kovariancomTPF9FPT i produktom standardnih odklona za y i x.

bivariantno normalno porazdjeljenje ima pet parametara s kojima se izražava regresioni pravci i njihovi parametri. Ti parametri su MByB, σByB, MBxB, σBxB, ρByxB.

Za model linearne multiple korelacije važi:

Ako se posmatranje izvede na takav način, da se kod svake jedinice pored zavisne varijable y posmatra više nezavisnih varijabli xBjB, za koje se pretpostavlja da su slučajnosne i normalno porazdjeljene i među y i xBjB postoji linearna veza, moguće je uvažavati model multiple linearne korelacije. Analiza se tako može dopuniti još sa ocjenama sredina, varijansi i pogotovo sa ocijenama korelacionih koeficienata.

Treba upozoriti da je za pravilan prikaz rezultata i pravilnih korelacija (bez obzira na to da li se upotrebljava bivarijantni ili linearni model) među pojedinim indikatorima, neophodno da te zadatke izvode stručnjaci za područje statistike.

6. NAJAVA TRENDOVA – REGRESIONA ANALIZA

Regresiona analiza je statistička metoda, koja pomaže kod analiziranja odnosa među zavisnim variablama i jednom ili više nezavisnih variabli. Prvo se postave teoretske pretpostavke o odnosima među variablama tj. pojavi se regresioni model koji se testira na nekom određenom uzrorku. Uz pomoć regresione analize se nakon toga ocjene parametri modela i statističko značenje tog modela.

Pored opisane uloge, regresiona analiza ima i prognozirajuću ulogu, koju upotrebljava za prognaziranje budućih događaja. Sa regresionom analizom ocjeni se odnos među variablama, iz čega sledi da je moguće prognozirati vrijednosti jedne od variabli kod određenih vrijednosti drugih variabli.

TP

9 Kovariansa je statistički postupak za utvrđivanje zajedničkog variranja dveju variabli x

i y sa srednjim vrijednostima MBxB i MBy.B



Na osnovu poređenja vrijednosti pojedinih indikatora u različitim vremenskim periodima, moguće je utvrđivanje trendova razvoja informacionog društva u budućnosti.

Na osnovu ustanovljenih trendova će biti moguće prilagođavanje izvođenja budućih zadataka i projekata razvoja informacionog društva.

7. PONDERISANJE PODATAKA

Nakon toga, kad je procedura sakupljanja podataka zaključena, vrlo je bitno da se sakupljeni podaci adekvatno ponderišu. To je potrebno prije svega zato da se dobiju relevantne informacije o značaju i vrijednosti pojedinih indikatora.

Postoji više različitih načina ponderisanja podataka. Različiti ponderi utiču na pouzdanost, bitnost ili na neke druge karakteristike osnovnih podataka za svaki pojedini indikator. Konačni rezultati su zavisni od izbora pondera.

Kod sastavljanja indikatora potrebno je ponderisati sve podatke, prije svega zbog pojednostavljenja. To znači da moraju biti svi indikatori jednako bitni, što uvijek nije praksa. Pored toga postoje rizici, da će biti neki podaci dvaput ponderisani. To se može dogoditi tada, kada dva indikatora mjere istu pojavu.

Uopšte se podacima, koji su bitniji, dodjeljuju veći ponderi nego onim podacima koji su manje bitni. Onaj, koji ponderira podatke se može odlučiti i da podacima, koji imaju najviše slabijih vrijednosti dodijeli niže pondere, sa namjerom smanjenja problema pouzdanosti konačnih podataka. Isto tako je moguće i korisno da se kompetentnom sa višim kvalitetom i pristupnošću dodijeli viši ponderi.

Preporučljivo je da se ponderiranje podataka izvede u saradnji sa stručnjacima koji razumiju i shvataju prednosti, slabosti ponderiranja i znaju različitosti podataka u skladu sa odgovarajućim teoretskim osnovama.

8. PROGRAMSKA OROĐA I TEHNIKE OBRADE PODATAKA

Programskih oruđa za statističku obradu podataka danas ima na tržištu veoma mnogo. Odluka za izbor pojedinog programskog oruđa je zavisna prije svega od broja podataka, koje je treba u određenem vremenu obraditi i od toga, kakve obrade bi se nad tim podacima izvele. Na primjer, ako se radi obrada podataka za jednostavnije indikatore dovoljno je da se podaci obrade u programima za rad sa tabelama. Ukoliko se radi obrada podataka za prikaz kompleksnih indikatora, ili ako je podataka veoma mnogo, preporočljivija je upotreba naprednjih oruđa za statističku obradu podataka, koja omogućavaju izvođenje poželjnih obrada nad datim podacima.

Programska oruđa i tehnike za obradu podataka su predstavljeni u nastavku.

Orođa i tehnike obrade podataka: 1. elektronski tabelarni pirkaz, 2.. SPSS, 3. SAS/STAT, 4. MS Access, 5. OLAP, 6. Data mining.

!



8.1. ELEKTRONSKI TABELARNI PRIKAZ (ENGL. SPREADSHEET)

Elektronske pregledne tabele omogućavaju sakupljanje, organizovanje, prikaz, analizu brojnih podataka. Predstavljaju prikladno oruđe za praćenje brojeva,

republika crna gora vlada republike crne gore sekretarijat za...

Documents