रेखाचित्र
डाउनवर्ड स्ट्रोक (Downward stroke):
डाउनवर्ड स्ट्रोक म्हणजे अक्षरे किंवा शब्द लिहिताना पेन किंवा पेन्सिल कागदावर खाली आणणे.
उदाहरणार्थ:
- vertical line काढताना.
- 'क' लिहिताना उभी रेषा काढणे.
हे स्ट्रोक अक्षरांचे स्वरूप आणि वाचनीयता सुधारण्यास मदत करतात.
सरळ रेषेचे समान भाग करण्यासाठी कोणते ड्रॉइंग उपकरण वापरतात ?आरेखनामुळे (Diagrams) अनेक व्यक्ती आणि क्षेत्रांना फायदा होतो. काही प्रमुख फायदे खालीलप्रमाणे:
-
विद्यार्थी आणि शिक्षक:
आकृत्या संकल्पना स्पष्टपणे समजून घेण्यास आणि शिकवण्यास मदत करतात. क्लिष्ट माहिती सोप्या पद्धतीने सादर करता येते.
-
वैज्ञानिक आणि संशोधक:
वैज्ञानिक आकृत्यांच्या साहाय्याने त्यांचे संशोधन आणि निष्कर्ष प्रभावीपणे दर्शवू शकतात.
-
अभियंते आणि तंत्रज्ञ:
अभियंते आणि तंत्रज्ञ (Engineers and Technicians) इमारती, मशीन आणि इतर तांत्रिक रचनांचे आराखडे (Blueprints) तयार करण्यासाठी आकृत्यांचा वापर करतात.
-
व्यवसाय आणि विपणन:
व्यवसायिक आकृत्या (Business Diagrams) आणि आलेखांचा (Graphs) उपयोग करून डेटा विश्लेषण (Data Analysis) करू शकतात, ज्यामुळे योग्य निर्णय घेणे सोपे होते.
-
सामान्य नागरिक:
सामान्य लोकांना माहिती सहजपणे समजण्यासाठी आकृत्या उपयोगी ठरतात, जसे की नकाशा (Map) वापरणे किंवा सूचना वाचणे.
'नमुना' हा शब्द अनेक संदर्भांमध्ये वापरला जातो, त्यामुळे 'नमुना कसा असावा' ह्या प्रश्नाचे उत्तर त्या विशिष्ट संदर्भावर अवलंबून असते. तरीही, काही सामान्य गुणधर्म आहेत जे चांगल्या नमुन्यामध्ये असावेत:
१. प्रतिनिधित्व (Representation):
नमुना हा ज्या मोठ्या गटाचे प्रतिनिधित्व करतो, त्या गटाची वैशिष्ट्ये नमुन्यात दिसली पाहिजेत.
उदाहरणार्थ, जर तुम्हाला एखाद्या शहरातील लोकांची सरासरी उंची मोजायची असेल, तर तुमचा नमुना शहरातील सर्व स्तरातील लोकांचे प्रतिनिधित्व करणारा असावा.
२. पुरेसा आकार (Sufficient Size):
नमुना पुरेसा मोठा असावा जेणेकरून तो मोठ्या गटाबद्दल अचूक माहिती देऊ शकेल.
खूप लहान नमुना घेतल्यास निष्कर्षांमध्ये त्रुटी येण्याची शक्यता असते.
३. यादृच्छिकता (Randomness):
नमुना निवडताना प्रत्येक घटकाला निवडले जाण्याची समान संधी मिळायला हवी.
यादृच्छिक नमुना निवडल्यानेbiased (पक्षपाती) होण्याची शक्यता कमी होते.
४. अचूकता (Accuracy):
नमुन्यातून मिळवलेली माहिती अचूक असावी. माहिती गोळा करताना आणि तिचे विश्लेषण करताना काळजी घेणे आवश्यक आहे.
५. वस्तुनिष्ठता (Objectivity):
नमुना निवडताना आणि माहितीचे विश्लेषण करताना व्यक्तिनिष्ठता टाळायला हवी. निष्कर्ष वस्तुनिष्ठ पुराव्यावर आधारित असावेत.
उदाहरणार्थ:
एखाद्या उत्पादनाची गुणवत्ता तपासण्यासाठी, तुम्ही उत्पादनांच्या मोठ्या batch मधून काही वस्तू निवडू शकता. ह्या वस्तू अशा प्रकारे निवडल्या पाहिजेत की त्या संपूर्ण batch चे योग्य प्रतिनिधित्व करतील आणि त्यातून काढलेले निष्कर्ष संपूर्ण batch साठी लागू होऊ शकतील.
अधिक माहितीसाठी तुम्ही सांख्यिकी (Statistics) आणि संशोधन पद्धती (Research Methods) संबंधित पुस्तके आणि लेख वाचू शकता.
परस्पेक्टिव्ह ड्रॉइंग म्हणजे काय?
परस्पेक्टिव्ह ड्रॉइंग हे द्विमितीय पृष्ठभागावर त्रिमितीय वस्तू आणि जागा दर्शविण्यासाठी वापरले जाणारे तंत्र आहे. हे तंत्र आपल्याला वस्तू किती दूर आहेत आणि त्या कशा दिसतात हे दर्शविण्यात मदत करते.
परस्पेक्टिव्ह ड्रॉइंगचे प्रकार:
- वन-पॉइंट परस्पेक्टिव्ह (One-Point Perspective): या प्रकारात वस्तू एकाच दिशेने लहान होत जातात आणि एका क्षितिजावर (horizon line) विलीन होतात.
- टू-पॉइंट परस्पेक्टिव्ह (Two-Point Perspective): यात दोन व्हॅनिशिंग पॉइंट (vanishing points) असतात, जे क्षितिजावर असतात. वस्तू दोन दिशांना लहान होत जातात.
- थ्री-पॉइंट परस्पेक्टिव्ह (Three-Point Perspective): या प्रकारात तीन व्हॅनिशिंग पॉइंट असतात. दोन क्षितिजावर आणि एक वर किंवा खाली असतो. याचा उपयोग उंच इमारती किंवा मोठ्या वस्तू दर्शवण्यासाठी होतो.
शिकण्यासाठी उपयुक्त स्रोत:
-
YouTube व्हिडिओ:
-
वेबसाइट:
टीप:
तुम्ही जितका सराव कराल, तितके परस्पेक्टिव्ह ड्रॉइंग तुम्हाला सोपे जाईल. त्यामुळे, नियमितपणे विविध वस्तू आणि दृश्यांचे रेखाटन करण्याचा प्रयत्न करा.