3.3 Die totale opname fout raamwerk

Totaal opname fout = verteenwoordiging foute + metingsfoute.

Skattings wat uit steekproefopnames kom, is dikwels onvolmaak. Daar is gewoonlik 'n verskil tussen die skatting wat deur 'n steekproefopname (bv. Die geskatte gemiddelde hoogte van studente in 'n skool) en die werklike waarde in die bevolking (bv. Die werklike gemiddelde hoogte van studente in 'n skool) is. Soms is hierdie foute so klein dat hulle onbelangrik is, maar soms kan dit ongelukkig groot en gevolglik wees. In 'n poging om foute te verstaan, te meet en te verminder, het navorsers geleidelik 'n enkele oorhoofse konseptuele raamwerk geskep vir die foute wat in steekproefopnames kan voorkom: die totale (Groves and Lyberg 2010) . Alhoewel die ontwikkeling van hierdie raamwerk in die 1940's begin het, dink ek dit bied ons twee nuttige idees vir opname-navorsing in die digitale era.

Eerstens verklaar die totale oorsig fout raamwerk dat daar twee tipes foute is: vooroordeel en afwyking . Byna, vooroordeel is sistematiese fout en afwyking is ewekansige fout. Met ander woorde, stel voor dat jy 1000 kopieë van dieselfde steekproefopname uitvoer en dan na die verspreiding van die ramings van hierdie 1000 replikas kyk. Die vooroordeel is die verskil tussen die gemiddelde van hierdie herhaalde ramings en die ware waarde. Die variansie is die veranderlikheid van hierdie ramings. Alles anders gelyk, ons wil graag 'n prosedure hê sonder vooroordeel en klein afwyking. Ongelukkig bestaan ​​daar vir baie werklike probleme nie sulke nie-vooroordeel, klein afwykingsprosedures wat navorsers in die moeilike posisie stel om te besluit hoe om die probleme wat deur vooroordeel en afwyking ingestel word, te balanseer. Sommige navorsers verkies instinktief onbevooroordeelde prosedures, maar 'n eenstemmige fokus op vooroordeel kan 'n fout wees. As die doel is om 'n skatting te maak wat so naby moontlik aan die waarheid is (dws met die kleinste moontlike fout), dan kan jy beter af met 'n prosedure wat 'n klein vooroordeel en 'n klein variansie het as met een wat onbevooroordeelde maar het 'n groot variansie (figuur 3.1). Met ander woorde, die totale opmetingsfoutraamwerk toon dat by die evaluering van opname navorsingsprosedures u beide vooroordeel en afwyking moet oorweeg.

Figuur 3.1: Vooroordeel en afwyking. Ideaal gesproke sal navorsers 'n nie-vooroordeel, lae-variansie skattingsprosedure hê. In werklikheid moet hulle dikwels besluite neem wat 'n afweging tussen vooroordeel en afwyking skep. Alhoewel sommige navorsers instinktief voorkeurprosedures verkies, kan soms 'n klein vooroordeel, klein afwykingsprosedure meer akkurate ramings produseer as 'n onbevooroordeelde prosedure wat hoë variansie het.

Die tweede hoof insig van die totale oorsig fout raamwerk, wat baie van hierdie hoofstuk sal organiseer, is dat daar twee bronne van foute is: probleme met wie jy praat ( verteenwoordiging ) en probleme wat verband hou met wat jy leer van daardie gesprekke ( meting ). Byvoorbeeld, jy sal dalk belangstel om standpunte oor aanlyn privaatheid te assesseer onder volwassenes wat in Frankryk woon. Om hierdie ramings te maak, vereis twee verskillende tipes afleidings. Eerstens, uit die antwoorde wat die respondente gee, moet jy hul houdings rakende aanlyn privaatheid aflei (wat 'n probleem van meting is). Tweedens, uit die afleidende houdings onder respondente, moet u die houdings in die bevolking as geheel aflei (wat 'n probleem van verteenwoordiging is). Perfekte steekproefneming met swak opname vrae sal slegte ramings produseer, asook slegte steekproefneming met perfekte opname vrae. Met ander woorde, goeie ramings vereis goeie benaderings tot meting en voorstelling. Gegewe die agtergrond, sal ek nagaan hoe opname navorsers gedink het oor voorstelling en meting in die verlede. Dan sal ek wys hoe idees oor voorstelling en meting navorsing oor digitale-ouderdom opname kan lei.