നിങ്ങൾ വിവിധ രൂപത്തിലുള്ള ഡാറ്റകൾ കണ്ടിട്ടും ഉപയോഗിച്ചിട്ടും ഉണ്ടാകും. ഉദാഹരണത്തിന്, ടെലിവിഷനിലെ ഏതാണ്ട് എല്ലാ വാർത്താ സംപ്രേഷണത്തിന്റെയും അവസാനം, പ്രധാന നഗരങ്ങളിൽ ആ ദിവസം രേഖപ്പെടുത്തിയ താപനിലകൾ പ്രദർശിപ്പിക്കുന്നു. അതുപോലെ, ഇന്ത്യയുടെ ഭൂമിശാസ്ത്രത്തെക്കുറിച്ചുള്ള പുസ്തകങ്ങൾ ജനസംഖ്യയുടെ വളർച്ചയും വിതരണവും, വിവിധ വിളകളുടെ, ധാതുക്കളുടെ, വ്യാവസായിക ഉൽപ്പന്നങ്ങളുടെ ഉത്പാദനം, വിതരണം, വ്യാപാരം എന്നിവയുമായി ബന്ധപ്പെട്ട ഡാറ്റകൾ പട്ടിക രൂപത്തിൽ കാണിക്കുന്നു. അവ എന്താണ് അർത്ഥമാക്കുന്നതെന്ന് നിങ്ങൾ എപ്പോഴെങ്കിലും ചിന്തിച്ചിട്ടുണ്ടോ? ഈ ഡാറ്റകൾ എവിടെ നിന്നാണ് ലഭിക്കുന്നത്? അവ എങ്ങനെയാണ് പട്ടികപ്പെടുത്തുകയും പ്രോസസ്സ് ചെയ്യുകയും അവയിൽ നിന്ന് അർത്ഥവത്തായ വിവരങ്ങൾ എടുക്കുകയും ചെയ്യുന്നത്? ഈ അദ്ധ്യായത്തിൽ, ഡാറ്റയുടെ ഈ വശങ്ങളെക്കുറിച്ച് നാം ആലോചിക്കുകയും ഈ നിരവധി ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാൻ ശ്രമിക്കുകയും ചെയ്യും.

ഡാറ്റ എന്താണ്?

യഥാർത്ഥ ലോകത്തിൽ നിന്നുള്ള അളവുകളെ പ്രതിനിധീകരിക്കുന്ന സംഖ്യകളെയാണ് ഡാറ്റ എന്ന് നിർവചിച്ചിരിക്കുന്നത്. ഒരൊറ്റ അളവാണ് ഡേറ്റം. 20 സെന്റീമീറ്റർ തുടർച്ചയായ മഴ ബാർമറിൽ അല്ലെങ്കിൽ 24 മണിക്കൂറിനുള്ളിൽ ബാൻസ്വാഡയിൽ 35 സെന്റീമീറ്റർ മഴ തുടർച്ചയായി എന്നതുപോലെയുള്ള വാർത്തകൾ അല്ലെങ്കിൽ ന്യൂഡൽഹി - മുംബൈ ദൂരം കോട്ട വഡോദര വഴി 1385 കിലോമീറ്ററും ഇടാർസി - മൻമഡ് വഴി 1542 കിലോമീറ്ററും ട്രെയിൻ മാർഗ്ഗം എന്നിങ്ങനെയുള്ള വിവരങ്ങൾ നാം പലപ്പോഴും വായിക്കാറുണ്ട്. ഈ സംഖ്യാപരമായ വിവരത്തെയാണ് ഡാറ്റ എന്ന് വിളിക്കുന്നത്. ഇന്ന് ലോകമെമ്പാടും വലിയ അളവിൽ ഡാറ്റ ലഭ്യമാണെന്ന് മനസ്സിലാക്കാൻ എളുപ്പമാണ്. എന്നിരുന്നാലും, ചിലപ്പോൾ, ഈ ഡാറ്റ അസംസ്കൃത രൂപത്തിലാണെങ്കിൽ അവയിൽ നിന്ന് യുക്തിസഹമായ നിഗമനങ്ങളിൽ എത്തിച്ചേരാൻ ബുദ്ധിമുട്ടാകാറുണ്ട്. അതിനാൽ, അളക്കപ്പെട്ട വിവരങ്ങൾ അൽഗോരിതം പ്രകാരം ഉരുത്തിരിഞ്ഞതോ യുക്തിപൂർവ്വം നിഗമിച്ചതോ ഒന്നിലധികം ഡാറ്റയിൽ നിന്ന് സ്ഥിതിവിവരക്കണക്ക് പ്രകാരം കണക്കാക്കിയതോ ആണെന്ന് ഉറപ്പാക്കേണ്ടത് പ്രധാനമാണ്. ഒരു ചോദ്യത്തിനുള്ള അർത്ഥവത്തായ ഉത്തരമോ അല്ലെങ്കിൽ കൂടുതൽ ചോദ്യങ്ങളിലേക്ക് പരമ്പരയായി നയിക്കാൻ കഴിയുന്ന അർത്ഥവത്തായ ഉത്തേജനമോ ആണ് വിവരം എന്ന് നിർവചിച്ചിരിക്കുന്നു.

ഡാറ്റയുടെ ആവശ്യകത

ഭൂമിശാസ്ത്രം പഠിക്കുന്നതിൽ മാപ്പുകൾ പ്രധാനപ്പെട്ട ഉപകരണങ്ങളാണ്. കൂടാതെ, പ്രതിഭാസങ്ങളുടെ വിതരണവും വളർച്ചയും പട്ടിക രൂപത്തിലുള്ള ഡാറ്റയിലൂടെയും വിശദീകരിക്കുന്നു. ഭൂമിയുടെ ഉപരിതലത്തിൽ നിരവധി പ്രതിഭാസങ്ങൾ തമ്മിൽ പരസ്പരബന്ധം നിലനിൽക്കുന്നുവെന്ന് നമുക്കറിയാം. ഈ പ്രതിപ്രവർത്തനങ്ങളെ പ്രഭാവിതമാക്കുന്ന നിരവധി വേരിയബിളുകൾ അളവ് പദങ്ങളിൽ ഏറ്റവും നന്നായി വിശദീകരിക്കാനാകും. ആ വേരിയബിളുകളുടെ സ്ഥിതിവിവരക്കണക്ക് വിശകലനം ഇന്ന് ഒരു ആവശ്യകതയായി മാറിയിരിക്കുന്നു. ഉദാഹരണത്തിന്, ഒരു പ്രദേശത്തിന്റെ വിള ക്രമീകരണം പഠിക്കാൻ, വിളച്ചെടുത്ത പ്രദേശം, വിളവും ഉത്പാദനവും, നീരാവരിത പ്രദേശം, മഴയുടെ അളവ്, വളം, കീടനാശിനികൾ, കീടനാശിനികൾ മുതലായവയുടെ ഉപയോഗം എന്നിവയെക്കുറിച്ചുള്ള സ്ഥിതിവിവരക്കണക്ക് വിവരങ്ങൾ ആവശ്യമാണ്. അതുപോലെ, ഒരു നഗരത്തിന്റെ വളർച്ച പഠിക്കാൻ ആകെ ജനസംഖ്യ, സാന്ദ്രത, കുടിയേറ്റക്കാരുടെ എണ്ണം, ആളുകളുടെ തൊഴിൽ, അവരുടെ ശമ്പളം, വ്യവസായങ്ങൾ, ഗതാഗത-ആശയവിനിമയ മാർഗ്ഗങ്ങൾ എന്നിവയുമായി ബന്ധപ്പെട്ട ഡാറ്റ ആവശ്യമാണ്. അങ്ങനെ, ഭൂമിശാസ്ത്രപരമായ വിശകലനത്തിൽ ഡാറ്റ ഒരു പ്രധാന പങ്ക് വഹിക്കുന്നു.

ഡാറ്റയുടെ അവതരണം

തന്റെ ഭാര്യയും അഞ്ചുവയസ്സുള്ള കുട്ടിയുമായി യാത്ര ചെയ്യുന്ന ഒരു വ്യക്തിയുടെ കഥ നിങ്ങൾ കേട്ടിട്ടുണ്ടാകും. വഴിയിൽ, അദ്ദേഹം ഒരു നദി കടക്കേണ്ടതായി വന്നു. ആദ്യം, അദ്ദേഹം നദിയുടെ ആഴം നാല് സ്ഥലങ്ങളിൽ $0.6,0.8,0.9$, 1.5 മീറ്റർ എന്നിങ്ങനെ അളന്നു. ശരാശരി ആഴം 0.95 മീറ്റർ എന്ന് അദ്ദേഹം കണക്കാക്കി. അദ്ദേഹത്തിന്റെ കുട്ടിയുടെ ഉയരം 1 മീറ്റർ ആയിരുന്നു. അതിനാൽ, അദ്ദേഹം അവരെ നദി കടക്കാൻ നയിച്ചു, അദ്ദേഹത്തിന്റെ കുട്ടി നദിയിൽ മുങ്ങിമരിച്ചു. നദിയുടെ മറുകരയിൽ, അദ്ദേഹം ഇരുന്ന് ചിന്തിച്ചു: “ലേഖ ജോഖ ഥഹേ, തോ ബച്ച ദൂബാ കഹേ?” (ശരാശരി ആഴം എല്ലാവർക്കും എത്തുന്നതിനുള്ളിൽ ആയിരുന്നെങ്കിൽ കുട്ടി എന്തിന് മുങ്ങിമരിച്ചു?). ഇതിനെ സ്ഥിതിവിവരക്കണക്ക് വഞ്ചന എന്ന് വിളിക്കുന്നു, ഇത് നിങ്ങളെ യഥാർത്ഥ സാഹചര്യത്തിൽ നിന്ന് വ്യതിചലിപ്പിച്ചേക്കാം. അതിനാൽ, വസ്തുതകളും കണക്കുകളും അറിയാൻ ഡാറ്റ ശേഖരിക്കേണ്ടത് പ്രധാനമാണ്, പക്ഷേ അത്രതന്നെ പ്രധാനമാണ് ഡാറ്റയുടെ അവതരണവും. ഇന്ന്, വിശകലനത്തിലും അവതരണത്തിലും നിഗമനങ്ങളിൽ എത്തിച്ചേരുന്നതിലും സ്ഥിതിവിവരക്കണക്ക് രീതികളുടെ ഉപയോഗം ഭൂമിശാസ്ത്രം ഉൾപ്പെടെ ഡാറ്റ ഉപയോഗിക്കുന്ന ഏതാണ്ട് എല്ലാ വിഷയങ്ങളിലും ഒരു പ്രധാന പങ്ക് വഹിക്കുന്നു. അതിനാൽ, ഒരു പ്രതിഭാസത്തിന്റെ സാന്ദ്രീകരണം, ഉദാ. ജനസംഖ്യ, വനം അല്ലെങ്കിൽ ഗതാഗത-ആശയവിനിമയ ശൃംഖല എന്നിവ സ്ഥലത്തിനും സമയത്തിനും അനുസരിച്ച് മാത്രമല്ല, മാറുന്നത്, മറിച്ച് ഡാറ്റ ഉപയോഗിച്ച് സൗകര്യപ്രദമായി വിശദീകരിക്കാനും കഴിയുമെന്ന് അനുമാനിക്കാം. വേറൊരു വിധത്തിൽ പറഞ്ഞാൽ, വേരിയബിളുകൾ തമ്മിലുള്ള ബന്ധം വിശദീകരിക്കുന്നതിൽ ഗുണപരമായ വിവരണത്തിൽ നിന്ന് അളവ് പരമായ വിശകലനത്തിലേക്ക് ഒരു മാറ്റമുണ്ടെന്ന് നിങ്ങൾക്ക് പറയാം. അതിനാൽ, പഠനം കൂടുതൽ യുക്തിസഹമാക്കാനും കൃത്യമായ നിഗമനത്തിലെത്താനും വിശകലനാത്മക ഉപകരണങ്ങളും സാങ്കേതിക വിദ്യകളും ഈ ദിവസങ്ങളിൽ കൂടുതൽ പ്രധാനപ്പെട്ടതായി മാറിയിരിക്കുന്നു. ഡാറ്റ ശേഖരിക്കുന്നതിന്റെയും സമാഹരിക്കുന്നതിന്റെയും തുടക്കം മുതൽ അതിന്റെ പട്ടികീകരണം, സംഘടന, ക്രമീകരണം, വിശകലനം എന്നിവയിലൂടെ നിഗമനങ്ങളിലെത്തുന്നതുവരെ കൃത്യമായ അളവ് സാങ്കേതിക വിദ്യകൾ ഉപയോഗിക്കുന്നു.

ഡാറ്റയുടെ ഉറവിടങ്ങൾ

ഇനിപ്പറയുന്ന വഴികളിലൂടെയാണ് ഡാറ്റ ശേഖരിക്കുന്നത്. അവ: 1. പ്രാഥമിക ഉറവിടങ്ങൾ, 2. ദ്വിതീയ ഉറവിടങ്ങൾ.

ഒരു വ്യക്തിയോ വ്യക്തികളുടെ സംഘമോ സ്ഥാപനം/സംഘടനയോ ആദ്യമായി ശേഖരിക്കുന്ന ഡാറ്റയെ ഡാറ്റയുടെ പ്രാഥമിക ഉറവിടങ്ങൾ എന്ന് വിളിക്കുന്നു. മറുവശത്ത്, ഏതെങ്കിലും പ്രസിദ്ധീകരിച്ച അല്ലെങ്കിൽ പ്രസിദ്ധീകരിക്കാത്ത ഉറവിടങ്ങളിൽ നിന്ന് ശേഖരിക്കുന്ന ഡാറ്റയെ ദ്വിതീയ ഉറവിടങ്ങൾ എന്ന് വിളിക്കുന്നു. ചിത്രം 1.1 ഡാറ്റ ശേഖരണത്തിന്റെ വിവിധ രീതികൾ കാണിക്കുന്നു.

പ്രാഥമിക ഡാറ്റയുടെ ഉറവിടങ്ങൾ

1. വ്യക്തിപരമായ നിരീക്ഷണങ്ങൾ

ഒരു വ്യക്തിയോ വ്യക്തികളുടെ സംഘമോ ഫീൽഡിൽ നേരിട്ടുള്ള നിരീക്ഷണങ്ങളിലൂടെ വിവരങ്ങൾ ശേഖരിക്കുന്നതിനെ ഇത് സൂചിപ്പിക്കുന്നു. ഒരു ഫീൽഡ് സർവേയിലൂടെ, ഭൂപ്രകൃതി സവിശേഷതകൾ, ഡ്രെയിനേജ് പാറ്റേണുകൾ, മണ്ണിന്റെയും സ്വാഭാവിക സസ്യവർഗ്ഗങ്ങളുടെയും തരങ്ങൾ, അതുപോലെ, ജനസംഖ്യാ ഘടന, ലിംഗാനുപാതം, സാക്ഷരത, ഗതാഗത-ആശയവിനിമയ മാർഗ്ഗങ്ങൾ, നഗര-ഗ്രാമീണ താവളങ്ങൾ മുതലായവയെക്കുറിച്ചുള്ള വിവരങ്ങൾ ശേഖരിക്കുന്നു. എന്നിരുന്നാലും,

ചിത്രം 1.1 : ഡാറ്റ ശേഖരണ രീതികൾ

വ്യക്തിപരമായ നിരീക്ഷണങ്ങൾ നടത്തുന്നതിൽ, ഉൾപ്പെട്ട വ്യക്തി(കൾ)ക്ക് വിഷയത്തെക്കുറിച്ചുള്ള സൈദ്ധാന്തിക അറിവും പക്ഷപാതരഹിതമായ വിലയിരുത്തലിനുള്ള ശാസ്ത്രീയ മനോഭാവവും ഉണ്ടായിരിക്കണം.

2. അഭിമുഖം

ഈ രീതിയിൽ, ഗവേഷകൻ ഉത്തരദാതാവിൽ നിന്ന് സംഭാഷണങ്ങളിലൂടെയും സംവാദങ്ങളിലൂടെയും നേരിട്ടുള്ള വിവരങ്ങൾ ലഭിക്കുന്നു. എന്നിരുന്നാലും, പ്രദേശത്തെ ആളുകളുമായി അഭിമുഖം നടത്തുമ്പോൾ അഭിമുഖം നടത്തുന്നയാൾ ഇനിപ്പറയുന്ന മുൻകരുതലുകൾ സ്വീകരിക്കണം:

(i) അഭിമുഖം നടത്തുന്ന വ്യക്തികളിൽ നിന്ന് ശേഖരിക്കേണ്ട വിവരങ്ങളെക്കുറിച്ചുള്ള ഒരു കൃത്യമായ ഇനങ്ങളുടെ പട്ടിക തയ്യാറാക്കണം.

(ii) അഭിമുഖം നടത്തുന്നതിൽ ഉൾപ്പെട്ട വ്യക്തി(കൾ) സർവേയുടെ ലക്ഷ്യത്തെക്കുറിച്ച് വ്യക്തമായിരിക്കണം.

(iii) എന്തെങ്കിലും സെൻസിറ്റീവ് ചോദ്യം ചോദിക്കുന്നതിന് മുമ്പ് ഉത്തരദാതാക്കളെ വിശ്വാസത്തിൽ എടുക്കണം, രഹസ്യം സൂക്ഷിക്കുമെന്ന് അവനോ അവളോ ഉറപ്പ് നൽകണം.

(iv) ഉത്തരദാതാവ് യാതൊരു ചുമതലയും കൂടാതെ വസ്തുതകൾ വിശദീകരിക്കാൻ കഴിയുന്ന തരത്തിൽ ഒരു സൗഹൃദപരമായ അന്തരീക്ഷം സൃഷ്ടിക്കണം.

(v) ചോദ്യങ്ങളുടെ ഭാഷ ലളിതവും മര്യാദയുള്ളതുമായിരിക്കണം, അങ്ങനെ ഉത്തരദാതാക്കൾക്ക് പ്രചോദനം ലഭിക്കുകയും ചോദിച്ച വിവരങ്ങൾ നൽകാൻ തയ്യാറായി സമ്മതിക്കുകയും ചെയ്യും.

(vi) ഉത്തരദാതാവിന്റെ മതപരമായ വികാരങ്ങളുടെ സ്വാഭിമാനത്തെ ഉപദ്രവിക്കാനിടയുള്ള ഏതെങ്കിലും ചോദ്യം ചോദിക്കുന്നത് ഒഴിവാക്കുക.

(vii) അഭിമുഖത്തിന്റെ അവസാനം, ഇതിനകം തന്നെ നൽകിയതിന് പുറമെ, അധികമായി എന്തെങ്കിലും വിവരങ്ങൾ നൽകാൻ കഴിയുമോ എന്ന് ഉത്തരദാതാവിനോട് ചോദിക്കുക.

(viii) നിങ്ങൾക്കായി അവന്റെ/അവളുടെ വിലയേറിയ സമയം ചിലവഴിച്ചതിന് നിങ്ങളുടെ നന്ദിയും കൃതജ്ഞതയും പ്രകടിപ്പിക്കുക.

3. ചോദ്യാവലി/പട്ടിക

ഈ രീതിയിൽ, ലളിതമായ ചോദ്യങ്ങളും അവയുടെ സാധ്യമായ ഉത്തരങ്ങളും ഒരു സാധാരണ പേപ്പറിൽ എഴുതിയിരിക്കുന്നു, ഉത്തരദാതാക്കൾ നൽകിയിരിക്കുന്ന ഓപ്ഷനുകളിൽ നിന്ന് സാധ്യമായ ഉത്തരങ്ങൾ ടിക്ക് മാർക്ക് ചെയ്യണം. ചിലപ്പോൾ, ഘടനാപരമായ ചോദ്യങ്ങളുടെ ഒരു കൂട്ടം എഴുതിയിരിക്കുന്നു, ചോദ്യാവലിയിൽ ഉത്തരദാതാക്കൾക്ക് അവരുടെ അഭിപ്രായം എഴുതാൻ മതിയായ ഇടം നൽകിയിരിക്കുന്നു. സർവേയുടെ ലക്ഷ്യങ്ങൾ ചോദ്യാവലിയിൽ വ്യക്തമായി പരാമർശിക്കണം. വലിയൊരു പ്രദേശത്തിന്റെ സർവേ നടത്തുന്നതിൽ ഈ രീതി ഉപയോഗപ്രദമാണ്. ചോദ്യാവലി വിദൂര സ്ഥലങ്ങളിലേക്ക് മെയിൽ ചെയ്യാനും കഴിയും. ഈ രീതിയുടെ പരിമിതി എന്തെന്നാൽ, സാക്ഷരരും വിദ്യാഭ്യാസം നേടിയവരും മാത്രമേ ആവശ്യമായ വിവരങ്ങൾ നൽകാൻ സമീപിക്കാൻ കഴിയൂ. അന്വേഷണത്തിന്റെ കാര്യത്തെ സംബന്ധിച്ച ചോദ്യങ്ങൾ അടങ്ങിയ ചോദ്യാവലിയുമായി സമാനമാണ് പട്ടിക. ചോദ്യാവലിയും പട്ടികയും തമ്മിലുള്ള ഒരേയൊരു വ്യത്യാസം എന്തെന്നാൽ, ഉത്തരദാതാവ് സ്വയം ചോദ്യാവലികൾ പൂരിപ്പിക്കുന്നു, അതേസമയം ശരിയായി പരിശീലനം നേടിയ എണ്ണൽക്കാരൻ സ്വയം ഉത്തരദാതാക്കളിലേക്ക് ഉദ്ദേശിച്ചുള്ള ചോദ്യങ്ങൾ ചോദിച്ചുകൊണ്ട് പട്ടികകൾ പൂരിപ്പിക്കുന്നു. ചോദ്യാവലിയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ പട്ടികയുടെ പ്രധാന ഗുണം സാക്ഷരരും നിരക്ഷരരുമായ ഉത്തരദാതാക്കളിൽ നിന്നും വിവരങ്ങൾ ശേഖരിക്കാൻ കഴിയും എന്നതാണ്.

4. മറ്റ് രീതികൾ

മണ്ണിന്റെയും വെള്ളത്തിന്റെയും ഗുണങ്ങളെക്കുറിച്ചുള്ള ഡാറ്റ മണ്ണ് കിറ്റും വാട്ടർ ക്വാളിറ്റി കിറ്റും ഉപയോഗിച്ച് അവയുടെ സവിശേഷതകൾ അളക്കുന്നതിലൂടെ നേരിട്ട് ഫീൽഡിൽ ശേഖരിക്കുന്നു. അതുപോലെ, ഫീൽഡ് ശാസ്ത്രജ്ഞർ ട്രാൻസ്ഡ്യൂസറുകൾ ഉപയോഗിച്ച് (ചിത്രം 1.2) വിളകളുടെയും സസ്യവർഗ്ഗങ്ങളുടെയും ആരോഗ്യത്തെക്കുറിച്ചുള്ള ഡാറ്റ ശേഖരിക്കുന്നു.

ഡാറ്റയുടെ ദ്വിതീയ ഉറവിടം

പ്രസിദ്ധീകരിച്ചതും പ്രസിദ്ധീകരിക്കാത്തതുമായ റെക്കോർഡുകൾ ഉൾക്കൊള്ളുന്ന ദ്വിതീയ ഡാറ്റയുടെ ഉറവിടങ്ങളിൽ സർക്കാർ പ്രസിദ്ധീകരണങ്ങൾ, ഡോക്യുമെന്റുകൾ, റിപ്പോർട്ടുകൾ എന്നിവ ഉൾപ്പെടുന്നു.

പ്രസിദ്ധീകരിച്ച ഉറവിടങ്ങൾ

1. സർക്കാർ പ്രസിദ്ധീകരണങ്ങൾ

ഇന്ത്യാ സർക്കാരിന്റെ വിവിധ മന്ത്രാലയങ്ങളുടെയും വകുപ്പുകളുടെയും സംസ്ഥാന സർക്കാരുകളുടെയും ജില്ലാ ബുള്ളറ്റിനുകളുടെയും പ്രസിദ്ധീകരണങ്ങൾ ദ്വിതീയ വിവരങ്ങളുടെ ഏറ്റവും പ്രധാനപ്പെട്ട ഉറവിടങ്ങളിലൊന്നാണ്. ഇന്ത്യയുടെ റജിസ്ട്രാർ ജനറൽ ഓഫീസ് പ്രസിദ്ധീകരിക്കുന്ന ഇന്ത്യൻ സെൻസസ്, ദേശീയ സാമ്പിൾ സർവേയുടെ റിപ്പോർട്ടുകൾ, ഇന്ത്യൻ മെറ്റിയോറോളജിക്കൽ ഡിപ്പാർട്ട്മെന്റിന്റെ വെതർ റിപ്പോർട്ടുകൾ, സംസ്ഥാന സർക്കാരുകൾ പ്രസിദ്ധീകരിക്കുന്ന സ്ഥിതിവിവരക്കണക്ക് സംഗ്രഹങ്ങൾ, വിവിധ കമ്മീഷനുകൾ പ്രസിദ്ധീകരിക്കുന്ന കാലാനുസൃത റിപ്പോർട്ടുകൾ എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു. ചില സർക്കാർ പ്രസിദ്ധീകരണങ്ങൾ ചിത്രം 1.3-ൽ കാണിച്ചിരിക്കുന്നു.

ചിത്രം 1.2 : വിളയുടെ ആരോഗ്യം അളക്കുന്ന ഫീൽഡ് ശാസ്ത്രജ്ഞൻ

ചിത്രം 1.3 : ചില സർക്കാർ പ്രസിദ്ധീകരണങ്ങൾ

2. സെമി/ക്വാസി-സർക്കാർ പ്രസിദ്ധീകരണങ്ങൾ

വിവിധ നഗരങ്ങളുടെയും പട്ടണങ്ങളുടെയും നഗര വികസന അതോറിറ്റികളുടെയും മുനിസിപ്പൽ കോർപ്പറേഷനുകളുടെയും, ജില്ലാ പരിഷത്തുകൾ (ജില്ലാ കൗൺസിലുകൾ) മുതലായവയുടെ പ്രസിദ്ധീകരണങ്ങളും റിപ്പോർട്ടുകളും ഈ വിഭാഗത്തിൽ പെടുന്നു.

3. അന്തർദ്ദേശീയ പ്രസിദ്ധീകരണങ്ങൾ

ഐക്യരാഷ്ട്രസഭയുടെ വിവിധ ഏജൻസികൾ പ്രസിദ്ധീകരിക്കുന്ന വർഷപുസ്തകങ്ങൾ, റിപ്പോർട്ടുകൾ, മോണോഗ്രാഫുകൾ എന്നിവ അന്തർദ്ദേശീയ പ്രസിദ്ധീകരണങ്ങളിൽ ഉൾപ്പെടുന്നു, ഉദാഹരണത്തിന് ഐക്യരാഷ്ട്രസഭയുടെ വിദ്യാഭ്യാസ, ശാസ്ത്ര, സാംസ്കാരിക സംഘടന (യുനെസ്കോ), ഐക്യരാഷ്ട്രസഭയുടെ വികസന പ്രോഗ്രാം (യുഎൻഡിപി), ലോകാരോഗ്യ സംഘടന (ഡബ്ല്യുഎച്ച്ഒ), ഭക്ഷ്യ-കാർഷിക സംഘടന (എഫ്എഒ) മുതലായവ. ഐക്യരാഷ്ട്രസഭയുടെ പ്രധാനപ്പെട്ട ചില പ്രസിദ്ധീകരണങ്ങൾ കാലാനുസൃതമായി പ്രസിദ്ധീകരിക്കുന്നത് ഡെമോഗ്രാഫിക് ഇയർ ബുക്ക്, സ്റ്റാറ്റിസ്റ്റിക്കൽ ഇയർ ബുക്ക്, ഹ്യൂമൻ ഡെവലപ്മെന്റ് റിപ്പോർട്ട് (ചിത്രം 1.4) എന്നിവയാണ്.

ച