विभिन्न वर्गों के बीच भेदभाव
कक्षा भेदभाव को क्लासिज्म के रूप में परिभाषित किया जाता है। यह सामाजिक वर्ग के आधार पर पूर्वाग्रह या भेदभाव है। इसमें व्यक्तिगत दृष्टिकोण, व्यवहार, नीतियों की प्रणालियां, और प्रथाएं शामिल हैं जो निचले वर्ग की कीमत पर ऊपरी वर्ग को लाभ पहुंचाने के लिए स्थापित की गई हैं।
क्लासिज्म निचले वर्गों के खिलाफ व्यक्तिगत पूर्वाग्रह और संस्थागत क्लासिज्म को परिभाषित कर सकता है, ठीक वैसे ही जैसे नस्लवाद शब्द व्यक्तिगत पूर्वाग्रह या संस्थागत नस्लवाद को सख्ती से परिभाषित कर सकता है। बाद को "कैसे सचेत या अचेतन क्लासिज्म हमारे समाज के कई संस्थानों में स्पष्ट है" के रूप में दर्शाया गया है।
कक्षा भेदभाव मीडिया के कई रूपों में देखा जा सकता है जिसमें टेलीविजन शो, फिल्में, और सोशल मीडिया शामिल हैं। क्लासिज्म भी अभिन्न है, और इसके निहितार्थ मीडिया में अनदेखे जा सकते हैं जिसे समाज द्वारा उपभोग किया जाता है।
मीडिया में कक्षा भेदभाव इस ज्ञान के रूप में कार्य करता है कि एक व्यक्ति क्या समझता है और क्लासिज्म के बारे में क्या सोचता है। जब फिल्मों और टेलीविजन शो में कक्षा भेदभाव देखते हैं, तो व्यक्ति प्रभावित होते हैं और समझते हैं कि वास्तविक जीवन में चीजें ऐसी ही हैं, चाहे जो भी वर्ग प्रस्तुत किया जा रहा हो।
कक्षा भेदभाव या तुलना उन विवरणों को खनन करती है जो एक लक्ष्य कक्षा का विश्लेषण उसके विचलन वर्गों से करते हैं। उदाहरण के लिए, व्यक्ति, पता, और तत्व सहित तीन वर्ग तुलनीय नहीं हैं। लेकिन पिछले तीन वर्षों में बिक्री तुलनीय कक्षाएं हैं।
कक्षा लक्षण वर्णन के लिए विशेषता सामान्यीकरण को बदला जा सकता है ताकि सामान्यीकरण तुलना की गई सभी कक्षाओं के बीच समकालिक रूप से लागू हो। उदाहरण के लिए, XYZ संगठन के डेटा की तुलना करना आवश्यक है, यानी 2002 और 2003 के लिए बिक्री, और फिर इन दो कक्षाओं के लिए तुलना करें। यह आयाम स्थान को शहर, राज्य, या देश स्तर पर अमूर्तता के साथ मानता है, इसे या तो शहर स्तर या राज्य स्तर पर सामान्यीकृत करने की आवश्यकता है। इस प्रकार की तुलना कहें, 2002 में चीन में बिक्री की तुलना 2003 में भारत में बिक्री से करने की तुलना में अधिक फायदेमंद है।
कक्षा तुलना के लिए सामान्य प्रक्रिया
डेटा संग्रह (Data collection) - क्वेरी प्रोसेसिंग द्वारा प्रासंगिक जानकारी का संग्रह और लक्ष्य कक्षा और विपरीत कक्षाओं के दूसरे सेट में विभाजन।
आयाम प्रासंगिकता विश्लेषण (Dimension relevance analysis) - यदि कई आयाम हैं और उनका विश्लेषणात्मक रूप से तुलना करना सुविधाजनक है, तो इन आयामों पर आयाम प्रासंगिकता विश्लेषण लागू किया जाना चाहिए, और केवल अत्यधिक प्रासंगिक आयाम तुलना के लिए शामिल किए जाते हैं।
व्युत्पन्न तुलना की प्रस्तुति (Presentation of the derived comparison) - कक्षा तुलना का अंतिम परिणाम तालिकाओं, ग्राफ़, और नियमों के रूप में प्रत्याशित किया जा सकता है। इस प्रस्तुति में विरोधी माप शामिल हैं जो लक्ष्य और विपरीत कक्षाओं के बीच तुलना का पालन करते हैं।
