ကိုယ်စားလှယ် - ဤလုပ်ငန်းစဉ်ကဘာလဲ? လွှမ်းခြုံအမှား

ကိုယ်စားပြုမှု၏အယူအဆအတွက်ဘုံဖြစ်ပါတယ် စာရင်းအင်း otchetnostyakh နှင့်မိန့်ခွန်းများနှင့်အစီရင်ခံစာများ၏ပြင်ဆင်မှုအတွက်။ ဖြစ်ကောင်းဖြစ်နိုင်ပါကမပါဘဲ display ကိုအပေါ်သတင်းအချက်အလက်များတင်ပြမဆိုကြင်နာစိတ်ကူးဖို့ခက်ခဲသည်။

ကိုယ်စားလှယ် - ကဘာလဲ?

ကိုယ်စားလှယ်ရွေးချယ်ထားသောအရာဝတ္ထုသို့မဟုတ်အစိတ်အပိုင်းများကိုသူတို့ရှေးခယျြခဲ့ပြီးသောအနေဖြင့်ဒေတာများလူဦးရေ၏အကြောင်းအရာနှင့်အဓိပ္ပာယ်ကိုကိုက်ညီတဲ့ပုံကိုထင်ဟပ်။

သည်အခြားအဓိပ္ပာယ်

ကိုယ်စားပြုမှု၏အယူအဆကွဲပြားခြားနားသောအခင်းအကျင်းများတွင်တိုးချဲ့နိုင်ပါသည်။ သို့သော်ယင်း၏အဓိပ္ပာယ်ကိုကိုယ်စားပြုမှု - လိုက်နာမှု features နဲ့တိကျစွာတစ်ခုလုံးအဖြစ်တစ်ခုလုံးကိုဒေတာဘေ့စများ၏ယေဘုယျလက္ခဏာများကိုထင်ဟပ်သောယေဘုယျလူဦးရေရဲ့ရွေးချယ်ထားသောယူနစ်၏ဂုဏ်သတ္တိများဖြစ်ပါတယ်။

ဒါ့အပြင်ကိုယ်စားလှယ်သတင်းအချက်အလက်ဆက်လက်ဖြစ်ပွားနေသောသုတေသန၏ရှုထောင့်ကနေအရေးကြီးသောဖြစ်ကြောင်း parameters တွေကိုနှင့်ဂုဏ်သတ္တိများတစ်ခုနမူနာဒေတာအစုကိုတင်ပြနိုင်စွမ်းအဖြစ်သတ်မှတ်ထားသည်။

ကိုယ်စားလှယ်နမူနာ

နမူနာ၏နိယာမအရှိဆုံးတိကျရွေးချယ်ခြင်းနှင့်ဒေတာအစုများ၏ဂုဏ်သတ္တိများကိုပြအတွက်အရေးပါသည်။ ဒါဟာတိကျမှုရလဒ်များကိုရယူခွင့်ပြုသည့်နည်းလမ်းများအမျိုးမျိုးနှင့်, ခြုံငုံသုံးသပ်ကိုအသုံးပြုသည် , ယေဘုယျလူဦးရေ ကိန်းဂဏန်းအချက်အလက်များ၏အရည်အသွေးကိုဖော်ပြရန်သာရွေးချယ်ထားသည့်ပစ္စည်းများကိုသုံးနိုင်သည်။

ထို့ကြောင့်အားလုံးပစ္စည်းသင်ယူဖို့, မလိုအပ်, ထိုသို့တစ်ဦးရွေးချယ်ကိုယ်စားပြုမှုစဉ်းစားရန်အဘို့လောက်ပေ။ ဒါဟာဘာလဲ? ဤအချက်အလက်များ၏စုစုပေါင်းဒြပ်ထုနှင့်ပတ်သက်ပြီးအယူအဆတခုရှိသည်နိုင်ရန်အတွက်တစ်ဦးချင်းစီအချက်အလက်များ၏နမူနာဖြစ်ပါတယ်။

သူတို့ကဖြစ်နိုင်ခြေများနှင့် Non-ဖြစ်နိုင်ခြေအဖြစ်ပုံမှန်၏နည်းလမ်းပေါ် မူတည်. နေကြသည်။ ဖြစ်နိုင်ခြေ - အထွေထွေလူဦးရေရဲ့နောက်ထပ်ကိုယ်စားလှယ်များဖြစ်ကြသည်သောအရေးအပါဆုံးနှင့်စိတ်ဝင်စားဖွယ်အချက်အလက်များ, တွက်ချက်ခြင်းဖြင့်ဖန်ဆင်းသောတစ်နမူနာ။ ဤသည်သို့သော်သူ့ရဲ့အကြောင်းအရာတွေကိုအားဖြင့်ဖြောင့်မတ်တဲ့တမင်ရွေးချယ်မှုတစ်ခုသို့မဟုတ်ကျပန်းနမူနာဖြစ်ပါတယ်။

Nonprobabilistic - ထီ၏ပုံမှန်နိယာမမှာတစ်ဦးကိုကျပန်းနမူနာများ၏တဦးတည်းပုံစံဖြစ်ပါတယ်။ ဤကိစ္စတွင်ခုနှစ်, ထိုကဲ့သို့သောရွေးချယ်ရေးစေသည်သူလူတစ်ဦး၏အမြင်။ ကိုယ်ကသာမျက်စိကန်းသောမဲနှိုက်အသုံးပြုသည်။

ဖြစ်နိုင်ခြေနမူနာ

ဖြစ်နိုင်ခြေနမူနာလည်းအများအပြားအမျိုးအစားများခွဲခြားနိုင်ပါတယ်:

• အများဆုံးရိုးရှင်းပြီးရှင်းရှင်းလင်းလင်းအခြေခံမူတစ်ခုမှာ - တစ်ဦးအဆင်ပြေနမူနာ။ လူမှုရေးစစ်တမ်းများပို့ချသည့်အခါဥပမာအားဖြင့်, ဒီနည်းလမ်းကိုမကြာခဏအသုံးပြုသည်။ ဤကိစ္စတွင်ခုနှစ်, ဖြေဆိုသူမဆိုအထူးသဖြင့် features တွေမှာလူအစုအဝေးထဲကနေရှေးခယျြထားကြသည်မဟုတ်, နှင့်သတင်းအချက်အလက်အထဲတွင်စိတျအပိုငျးကိုယူတဲ့သူကိုပထမဦးဆုံးလူ 50 ခုနှစ်တွင်ထုတ်လုပ်ခဲ့သည်။
• တမင်နမူနာသူတို့ကရွေးချယ်ရေးအတွက်လိုအပ်ချက်များကိုနှင့်အခြေအနေများကို၏နံပါတ်ရှိသည်အတွက်ကွာခြားပေမယ့်နေဆဲတိုက်ဆိုင်မှုအပေါ်အားကိုး, ကောင်းသောစာရင်းဇယားရရှိရန်၏ရည်မှန်းချက်လိုက်ရှာဘူး။
• ခွဲတမ်းများ၏အခြေခံပေါ်မှာနမူနာ - ဤ On-ဖြစ်နိုင်ဖွယ်အလားအလာမကြာခဏကြီးမားတဲ့ data တွေကိုအစုံရဲ့ခွဲခြမ်းစိတ်ဖြာအတှကျအသုံးပွုသောနမူနာနောက်ထပ်အပြောင်းအလဲဖြစ်ပါတယ်။ သူမ၏အဘို့, အခြေအနေများနှင့်စံချိန်စံညွှန်းအမျိုးမျိုးကိုအသုံးပြုခဲ့သည်။ သူတို့ကိုကိုက်ညီမှရွေးချယ်ထားသောအရာဝတ္ထု။ ဒါကလူမှုရေးစစ်တမ်း၏စံနမူနာကြောင်းလူ 100 တွေ့ဆုံမေးမြန်းလိမ့်မည်, သို့သော်သတ်မှတ်ထားသောလိုအပ်ချက်များဖြည့်ဆည်းတော်မူလိမ့်မည်ကလူအတော်များများသာထင်မြင်ချက်စာရင်းအင်းအစီရင်ခံစာများ၏ပြင်ဆင်မှုအတွက်အကောင့်သို့ခေါ်ဆောင်သွားပါလိမ့်မည်အကြံပြုထားသည်။

ဖြစ်နိုင်ခြေနမူနာ

ဖြစ်နိုင်ခြေနမူနာများအတွက်နမူနာထဲမှာအရာဝတ္ထုတို့တွင်အတိအကျနမူနာအချက်အလက်များ၏ကိုယ်စားပြုမှုအဖြစ်ပေးအပ်သွားမည်ဖြစ်ပါသည်သောအချက်အလက်များနှင့်အချက်အလက်ရွေးကောက်တင်မြှောက်ခံရဖို့နည်းလမ်းတွေထဲကတစ်ဦးအရေအတွက်ကိုဖြည့်ဆည်းတံ့သောရွေးချယ်မှုများအရေအတွက်ခန့်မှန်းပါတယ်။ ဤရွေ့ကားနည်းလမ်းများလိုအပ်သောဒေတာများကိုနိုင်ပါတယ်တွက်ချက်:

• ရိုးရှင်းသောကျပန်းနမူနာ။ ဒါဟာမရွေးအစိတ်အပိုင်းတို့တွင်အလုံးဝကျပန်းကိုယ်စားလှယ်နမူနာဖြစ်လိမ့်မည်ဟုအချက်အလက်များ၏ထီလိုအပ်သောငွေပမာဏကိုမရွေးဆိုတဲ့အချက်ကိုတည်ရှိသည်။

• စနစ်တကျနှင့်ကျပန်းနမူနာကျပန်းအစိတ်အပိုင်း၏အခြေခံပေါ်တွင်လိုအပ်သောဒေတာများကိုတွက်ချက်တဲ့စနစ်တစ်ခုကိုဖန်တီးရန်ဖြစ်နိုင်စေသည်။ ထို့ကြောင့်ယေဘုယျအားလူဦးရေကနေရှေးခယျြထားအချက်အလက်များ၏တရားတို့ကိုအရေအတွက်ကညွှန်ပြတော်မူသောပထမဦးဆုံးကျပန်းနံပါတ်တစ်ခု, လျှင်, မရွေးခံရဖို့နောက်ဆက်တွဲအချက်အလက်များ, ဥပမာ, 15, 25, 35 နဲ့စနိုင်ပါတယ်, 5 ဖြစ်ပါတယ်။ ဒီဥပမာကိုရှင်းလင်းစွာပင်ကျပန်းရွေးချယ်ရေးလိုအပ်သောကုန်ကြမ်းအချက်အလက်များ၏စနစ်တကျတွက်ချက်မှုအပေါ် အခြေခံ. စေခြင်းငှါရှင်းပြသည်။

နမူနာဖောက်သည်

အဓိပ္ပါယ်ရှိသောနမူနာ - တစ်ဦးချင်းစီတဦးချင်း segment ကိုထည့်သွင်းစဉ်းစားအတွက်ပါဝင်ပါသည်သောနည်းလမ်းများနှင့် shared ဒေတာဘေ့စ၏ဝိသေသလက္ခဏာများနှင့်ဂုဏ်သတ္တိများထင်ဟပ်သူ့ရဲ့အကဲဖြတ်ပြုစုထားအပေါ်အခြေခံပါတယ်။ ထို့ကြောင့်ကိုယ်စားလှယ်တစ်နမူနာလိုအပ်ချက်များသက်ဆိုင်ရာအချက်အလက်များ၏ သာ. ကွီးမွတျပမာဏကိုခေါ်ဆို။ ဒါဟာအလွယ်တကူစုစုပေါင်းလူဦးရေကိုယ်စားပြုရွေးချယ်ထားသည့်အချက်အလက်များ၏အရည်အသွေးဆုံးရှုံးခြင်းမရှိဘဲ, စုစုပေါင်းအရေအတွက်ထည့်သွင်းမည်မဟုတ်ကြောင်းရွေးချယ်စရာနံပါတ်ရွေးဖို့ဖြစ်နိုင်ပါတယ်။ ဒီထုံးစံ၌လေ့လာမှု၏ရလဒ်များကို၏ကိုယ်စားပြုမှု။

နမူနာအရွယ်အစား

ကိုင်တွယ်ဖြေရှင်းရမည်မဟုတ်နောက်ဆုံးမေးခွန်း - ကလူဦးရေရဲ့ကိုယ်စားပြုမှုများအတွက်နမူနာအရွယ်အစားဖြစ်ပါတယ်။ နမူနာအရွယ်အစားအမြဲလူဦးရေအတွက်ရင်းမြစ်များ၏နံပါတ်ပေါ်မူတည်ခြင်းမဟုတ်ပါ။ သို့သော်နမူနာများ၏ကိုယ်စားပြုမှုနောက်ဆုံးမှာခှဲဝေရလဒ်ဖြစ်သင့်မည်မျှ segments များအဘို့အပေါ်မှာမူတည်ပါတယ်။ segments များပိုမို, ပိုဒေတာတန်ဖိုးရှိရှိနမူနာသို့ရရှိသွားတဲ့။ ရလဒ်ကတော့ယေဘုယျသက်တမ်းလိုအပ်သည်နှင့်အသေးစိတ်အချက်အလက်ကိုမလိုအပ်ပါဘူးဆိုရင်အသေးစိတ်အချက်အလက်များကိုသို့သွားစရာမလိုဘဲ, သတင်းအချက်အလက်များသည်၎င်း၏အနက် shared ကြောင်းဆိုလိုတာကပိုအပေါ်ယံတင်ပြထားပါသည်, အဘယ်ကြောင့်ဆိုသော်, ထို့နောက်အသီးသီးနမူနာသေးငယ်ဖြစ်လာသည်။

ကိုယ်စားပြုမှုအမှားအယွင်းများ၏အယူအဆ

အမှား၏အနားသတ် - ထိုလူဦးရေရဲ့ဝိသေသလက္ခဏာများနှင့်နမူနာဒေတာများအကြားတစ်ဦးသတ်သတ်မှတ်မှတ်ကွဲပြားခြားနားမှု။ တစ်ဦးထက်ပိုအသေးစိတ်လေ့လာမှုကိုသာတစ်ခုလုံးကို set ကို၏လေ့လာမှုမှာဖြစ်နိုင်နေစဉ်အပြည့်အဝလေ့လာမှုလူဦးရေနှင့်နမူနာထဲမှာ, သတင်းအချက်အလက်နှင့်ရွေးချယ်စရာကသာတစိတ်တပိုင်းကိုယ်စားပြုအဖြစ်မဆိုနမူနာစဉ်အတွင်းတိကျမှန်ကန်ဒေတာရဖို့လုံးဝမဖြစ်နိုင်ဘူး။ ထို့ကြောင့်မလွှဲမရှောင်အချို့သောအမှားများနှင့်အမှားတွေကို။

အမှားအယွင်းများအမျိုးအစားများ

ကိုယ်စားလှယ်တစ်ဦးနမူနာ၏ပြင်ဆင်မှုအတွက်ပေါ်ပေါက်တချို့အမှားများကိုခွဲခြား:

• စနစ်တကျ။
• ကျပန်း။
• ရည်ရွယ်ချက်ရှိရှိ။
• မရည်ရွယ်တဲ့။
• စံ။
• ကန့်သတ်။

ကျပန်းအမှားအယွင်းများ၏အသွင်အပြင်အတွက်အခြေခံစုစုပေါင်းလူဦးရေလေ့လာမှုအဆက်အသွယ်မရတဲ့သဘာဝရှိနိုင်ပါသည်။ ပုံမှန်အားဖြင့်, ကိုယ်စားပြုမှု၏ကျပန်းအမှားသေးသေးအရွယ်အစားနှင့်ဇာတ်ကောင်ရှိပါတယ်။

စနစ်တကျအမှားအယွင်းများအထွေထွေလူဦးရေ၏ရွေးချယ်ရေးစည်းမျဉ်းစည်းကမ်းတွေကိုချိုးဖောက်အတွက်ဒေတာများအကြားပေါ်ပေါက်ပါတယ်။

ပျမ်းမျှအမှား - ပျမ်းမျှနမူနာတန်ဖိုးများနှင့်အခြေခံထားအကြားခြားနားချက်။ ဒါဟာနမူနာအတွက်အစီးရေအရေအတွက်အပေါ်မူတည်မထားဘူး။ ဒါဟာဖို့ပြောင်းပြန်အချိုးကျဖြစ်ပါတယ် နမူနာ၏အသံအတိုးအကျယ်။ အဆိုပါထိုအခါအသံအတိုးအကျယ် သာ. , အောက်ပိုင်း ပျမ်းမျှတန်ဖိုး အမှား။

မှားယွင်းနေသည်ကန့်သတ် - ပျမ်းမျှတန်ဖိုးကိုအကြားအကြီးဆုံးဖြစ်နိုင်တဲ့ခြားနားချက်နမူနာများနှင့်စုစုပေါင်းလူဦးရေ၏စေမည်ဖြစ်ပါသည်။ ဒါဟာအမှားဟာသူတို့ရဲ့ဖြစ်ပျက်မှုများ၏ပေးထားအခြေအနေများအောက်တွင်အများဆုံးဖြစ်နိုင်ခြေအမှားအယွင်းများအဖြစ်သွင်ပြင်လက္ခဏာဖြစ်ပါတယ်။

ကိုယ်စားပြုမှု၏ရည်ရွယ်ချက်ရှိရှိနှင့်ရည်ရွယ်တဲ့အမှားများ

ဒေတာအမှားများကိုရည်ရွယ်ချက်ရှိရှိနဲ့ရည်ရွယ်တဲ့များမှာ offset ။

ထိုအခါရည်ရွယ်ချက်ရှိရှိအမှားပေါ်ပေါက်ရေးများအတွက်အကြောင်းပြချက်ကတော့ခေတ်ရေစီးကြောင်းအဆုံးအဖြတ်၏နည်းလမ်းအားဖြင့်အချက်အလက်များ၏ရွေးချယ်ရေးဖို့ချဉ်းကပ်မှုဖြစ်ပါတယ်။ မရည်ရွယ်တဲ့အမှားများကိုနမူနာလေ့လာရေး၏ပြင်ဆင်မှု, ကိုယ်စားလှယ်တစ်နမူနာဖွဲ့စည်းခြင်း၏စင်မြင့်မှာပေါ်ပေါက်ပါတယ်။ ထိုကဲ့သို့သောအမှားများကိုကာကွယ်တားဆီးဖို့, သင်နမူနာများအတွက်အခြေခံကောင်းများဖန်တီးရမယ်, component တစ်ခုရွေးချယ်ရေးယူနစ်စာရင်းပြုလုပ်ထားသည်။ ဒါဟာလေ့လာမှုအားလုံးရှုထောင့်ကိုဖုံးအုပ်ထား, တိကျမှုဖြစ်ရန်အတွက်နမူနာ၏ရည်ရွယ်ချက်များနှင့်အတူအပြည့်အဝကိုက်ညီဖြစ်သင့်သည်။

တရားဝင်မှု, ယုံကြည်စိတ်ချရ, ကိုယ်စားပြုမှု။ တွက်ချက်မှုအမှားများ

နမူနာအမှား (mm) ကိုဂဏန်းသင်္ချာ၏တွက်ချက်မှုတန်ဖိုး (M) ကိုဆိုလိုတာ။

စံသွေဖည်: နမူနာအရွယ်အစား (> 30) ။

အမှား (MP) ၏ margin နှင့် တစ်ဦးဆွေမျိုးတန်ဖိုးကို (P) နမူနာအရွယ်အစား (ဎ> 30) ။

နမူနာပမာဏသေးငယ်သည်နှင့်ထက်နည်း 30 ရက်ယူနစ်ဖြစ်ပါတယ်ကျသောကြောင့်စုစုပေါင်းလေ့လာဖို့လိုအပ်သည့်အခါအမှုကိစ္စများတွင်, ထို့နောက်ဖြစ်ပွားမှုအရေအတွက်ကဒီထက်တစ်ခုထက်ယူနစ်ဖြစ်လိမ့်မည်။

နမူနာအရွယ်အစားတိုက်ရိုက်အချိုးကျမှားယွင်းနေသည်တန်ဖိုး။ ကိုယ်စားလှယ်သတင်းအချက်အလက်နှင့်တစ်ခုတိကျမှုခန့်မှန်းချက်ကိုတက်ဆွဲဖြစ်နိုင်ခြေ၏ degree ၏တွက်ချက်မှုအချို့တန်ဖိုးကိုကန့်သတ်အမှားများကိုထင်ဟပ်။

ကိုယ်စားလှယ်စနစ်များ

ကိုယ်စားလှယ်တစ်ဦးနမူနာကိုအသုံးပြုပြီး information ကိုတင်ပြ၏အကဲဖြတ်လုပ်ငန်းစဉ်များတွင်, ဒါပေမယ့်လည်းသတင်းအချက်အလက်ကိုလက်ခံရရှိပုဂ္ဂိုလ်ကိုယ်စားပြုစနစ်များကိုအသုံးပြုသည်သာ။ ထို့ကြောင့်ဦးနှောက်အချို့ process လုပ်တယ် အချက်အလက်များ၏ပမာဏကို အကျိုးရှိရှိနှင့်အလျင်အမြန်ထောက်ပံ့ဒေတာအကဲဖြတ်ရန်နှင့်ဘာသာရပ်ကိစ္စနားလည်နိုင်ရန်အတွက်သတင်းအချက်အလက်တစ်ခုလုံးကိုစီးဆင်းမှု၏ကိုယ်စားလှယ်တစ်ဦးနမူနာကိုဖန်တီးရန်။ လူ့ဝိညာဏ်၏အတော်လေးရိုးရှင်းစွာစကေး - "- ဤကိုယ်စားပြုမှု": မေးခွန်းကိုဖြေဆိုရန်။ ဒီလိုလုပ်ဖို့, ဦးနှောက်အားလုံးကိုလက်အောက်ခံကိုအသုံးပြုသည် , ထိုအာရုံ အထွေထွေစီးကနေကွဲကွာရပါမည်အချက်အလက်များ၏အဘယ်အရာကိုမျိုးကိုပေါ် မူတည်. ။ ထို့ကြောင့်ဂုဏ်ထူးအကြားဖန်ဆင်းထားသည်:

• ကိုယ်တွင်းအင်္ဂါမျက်စိ၏အမြင်အမြင်အသုံးပြုသွားမည်ဖြစ်ကြောင်းဘယ်မှာ Visual ကိုယ်စားပြုစနစ်။ ပြည်သူ့မကြာခဏတွေ့မြင်ရသည်ဟုခေါ်တွင်အလားတူစနစ်, ကိုအသုံးပြုပါ။ ဒီစနစ်နှင့်အတူ, ပုဂ္ဂိုလ်တစ်ဦးပုံရိပ်များ၏ပုံစံအတွက်သတင်းအချက်အလက်များ process လုပ်တယ်။
• အာရုံကိုယ်စားပြုစနစ်။ အသုံးပြုသည်သောအဓိကကိုယ်ထည်, - ဒီကောလဟာလဖြစ်ပါတယ်။ အသံဖိုင်များသို့မဟုတ်မိန့်ခွန်း၏ပုံစံအတွက်ထောက်ပံ့သတင်းအချက်အလက်များကစနစ်ဖြင့်လုပ်ငန်းများ၌ဖြစ်ပါတယ်။ ပြည်သူ့ audialami ခေါ်ကြားနာအပေါ်သတင်းအချက်အလက်, ပိုမိုလက်ခံကြသည်။
• Kinesthetic ကိုယ်စားလှယ်စနစ် olfactory နှင့်ထိတွေ့နိုင်သောလိုင်းများနှင့်အတူက sensing နေဖြင့်အချက်အလက်များ၏အပြောင်းအလဲနဲ့စီးဆင်းမှုဖြစ်ပါတယ်။

• ဒစ်ဂျစ်တယ်ကိုယ်စားလှယ်စနစ်အပြင်ပကနေသတင်းအချက်အလက်ရယူတဲ့နည်းလမ်းအဖြစ်အခြားအတူအသုံးပြုသည်။ ဤသည်ပုဂ္ဂလဒိဋ္အမြင်နှင့်အချက်အလက်များ၏ယုတ္တိအနက်။

ဒီတော့ကိုယ်စားပြုမှု - ကဘာလဲ? သတင်းအချက်အလက် processing အတွက်သတ်မှတ်ချက်သို့မဟုတ်အရေးပါသောလုပ်ထုံးလုပ်နည်းအနေဖြင့်ရိုးရှင်းရွေးချယ်ရေး? ကျနော်တို့ကနေအများဆုံးဆွဲဆောင်မှုများနှင့်အဓိပ္ပာယ်ပြည့်ခွဲထုတ်ရန်ကူညီပေးနေသည်ကိုယ်စားပြုမှုအကြီးအကျယ်ဒေတာစီးဆင်းမှုကျွန်တော်တို့ရဲ့အမြင်ဆုံးဖြတ်သည်ကြောင်းပြောနိုင်ပါသည်။