fəaliyyət

  • çətinlik dərəcəsi: asan asan orta orta , çətin çətin , çox çətin çox çətin
  • riyaziyyat tələb edir riyaziyyat tələb edir )
  • kodlaşdırma tələb olunur ( kodlaşdırma tələb olunur )
  • məlumatların toplanması ( məlumatların toplanması )
  • Mənim sevimlilərim ( mənim sevimlim )

  1. [ çətin , riyaziyyat tələb edir ] Fəsildə post-təbəqələşmə ilə bağlı mən çox müsbət oldum. Ancaq bu da həmişə qiymətləndirmələrin keyfiyyətini artırmaz. Stratifikasiya sonrası qiymətləndirmələrin keyfiyyətini azalda bilər bir vəziyyət yaradın. (Bir ipucu üçün Thomsen (1973) .)

  2. [ çətin , məlumatların toplanması , kodlaşdırma tələb olunur ] Amazon Mechanical Turk-da silahın mülkiyyəti və silah nəzarətinə münasibət barədə soruşmaq üçün qeyri-ehtimal tədqiqatını tərtib edin və aparın. Hesablarınızı bir ehtimal nümunəsindən əldə edilənlərə müqayisə etmək üçün, sual sorğusunun mətni və cavab variantlarını doğrudan Pew Tədqiqat Mərkəzi tərəfindən aparılmış yüksək keyfiyyətli tədqiqatlardan çıxarın.

    1. Sorğunuz nə qədərdir? Nə qədər başa gəlir? Nümunənizin demoqrafik göstəriciləri ABŞ əhalisinin demoqrafik göstəriciləri ilə necə müqayisə edilir?
    2. Nümunənizi istifadə edərək, gun mülkiyyətinin xammal təxminləri nədir?
    3. Post-təbəqələşmədən və ya başqa bir üsuldan istifadə edərək, nümunənizin qeyri-müəyyənlik göstərməməsi üçün düzgündür. İndi silah mülkiyyətinin təxminləri nədir?
    4. Tahminleriniz, ehtimal bazlı bir nümuneden en son tahminle nasıl karşılaştırılır? Nə düşünürsünüz, əgər hər hansı bir fərq var?
    5. (B) - (d) silahların idarə edilməsinə dair münasibətləri təkrarlayın. Sizin tapıntılarınız necə fərqlidir?

  3. [ çox çətin , məlumatların toplanması , kodlaşdırma tələb olunur ] Goel və həmkarları (2016) Ümumi Sosial Araşdırmalardan (GSS) çəkilən 49 çox seçmə yanaşma suallarını və Pew Araşdırma Mərkəzinin Amazon Mechanical Turk-dan çəkilən respondentlərin qeyri-ehtimal nümunələrinə dair anketlərini idarə etdi. Daha sonra, nümunə əsaslı post-təbəqələşdirmə üsullarından istifadə edərək, məlumatların qeyri-təmsilçiliyi üçün düzəlişlər aparmış və onların düzəlişləri ehtimal əsaslı GSS və Pew tədqiqatları ilə müqayisə etmişlər. Amazon Mechanical Turk-da eyni araşdırma aparın və tənzimlənmiş təxminləri GSS və Pew araşdırmalarının ən son turlarından gələn təxminlərlə müqayisə edərək 2a və 2b rəqəmlərini təkrar etməyə çalışın. 49 sualın siyahısı üçün Əlavə cədvəlinə baxın A2.)

    1. Pew və GSS olanlar ilə nəticələrinizi müqayisə edin.
    2. Sonuçlarınızı Goel, Obeng, and Rothschild (2016) Mekanik Türk anketi ile karşılaştırdığınız ve karşılaştırın.

  4. [ orta , məlumatların toplanması , kodlaşdırma tələb olunur ] Bir çox tədqiqat özünü göstərən mobil telefon istifadə tədbirlərindən istifadə edir. Bu, tədqiqatçıların özünü göstərən davranışını giriş davranışı ilə müqayisə edə biləcəyi maraqlı bir vəziyyətdir (bax: Boase and Ling (2013) ). Xahiş etmək üçün iki ümumi davranış çağırır və mətn edir və iki ümumi vaxt çərçivəsi "dünən" və "keçən həftə".

    1. Özünü hesabat tədbirlərindən hansı bir məlumat toplamaqdan əvvəl daha dəqiq düşünə bilərsiniz? Niyə?
    2. Anketinizdə olmaq üçün beş yoldaşınızı cəlb edin. Xahiş edirəm, bu beş dostun necə nümunə götürülməsini xülasə edin. Bu nümunə proseduru hesablamalarında xüsusi yanaşmalar yarada bilərmi?
    3. Aşağıdakı microsurvey suallarını soruş:
    • "Dünən başqalarını çağırmaq üçün cib telefonunuzu neçə dəfə istifadə etdiniz?"
    • "Dünən neçə mətn mesajı göndərdiniz?"
    • "Son yeddi gündə başqalarını çağırmaq üçün mobil telefonunuzu neçə dəfə istifadə etdiniz?"
    • "Son yeddi gündə mətn mesajları / SMS göndərmək və ya qəbul etmək üçün mobil telefonunuzu neçə dəfə istifadə etdiniz?"
    1. Bu mikrosurvey başa çatdıqdan sonra onların istifadə məlumatlarını telefon və ya xidmət təminatçınız tərəfindən qeyd olunduqlarını yoxlayın. Öz hesabatından istifadə məlumatları günlük məlumatları ilə necə müqayisə edilir? Hansı ən dəqiq, ən doğru olanıdır?
    2. İndi tapdığınız məlumatları sinifdə olan digər şəxslərdən olan məlumatlarla birləşdirin (bir sinif üçün bu fəaliyyəti həyata keçirirsinizsə). Bu daha geniş verilənlər bazası ilə (d) hissəsini təkrarlayın.

  5. [ orta , məlumatların toplanması Schuman və Presser (1996) sualların verilməsi iki sual növü üçün vacib olacağını iddia edir: iki sual eyni spesifik səviyyədə olduğu bir hissəsi suallar (məsələn, iki prezident namizədinin reytinqi); və ümumi bir sual daha konkret bir sual çıxdıqda (məsələn "Sizin işinizlə necə razı qalırsınız?" sualını izlədikdən sonra "Sizin həyatınızla necə razısınız?").

    Onlar daha iki sual növünün təsiri ilə xarakterizə edirlər: bir daha əvvəlki suallara verilən cavablar daha əvvəlki suallara daha çox yaxınlaşdıqda tutarlılıq təsiri meydana gəlir; İki suallara cavab arasında fərqlər olduqda əks effektlər meydana gəlir.

    1. Böyük bir sual əmri təsiri olacağını düşündüyünüz bir neçə hissəsi sual yaradın; böyük bir sifariş təsiri olacağını düşündüyünüz bir neçə cüt sual; və bir sıra suallar verdiyiniz sifarişin əhəmiyyəti olmayacaqdır. Sorularınızı test etmək üçün Amazon Mechanical Turk-da bir araşdırma sınaqını başladın.
    2. Yarım hissə effektini yaratmaq bacarığı nə qədər böyük idi? Bir ardıcıllıq və ya kontrast təsiri mi oldu?
    3. Bir neçə hissədən ibarət olan təsiri necə yarada bilərdiniz? Bir ardıcıllıq və ya kontrast təsiri mi oldu?
    4. Sifarişiniz əhəmiyyətli olacağını düşünmədiyiniz cütlükdə bir sual əmri təsiri varmı?

  6. [ orta , məlumatların toplanması Schuman və Presser işlərinə əsaslanan Moore (2002) sual əmsalının təsirinin ayrı bir ölçüsünü təsvir edir: əlavə və subtractif effektləri. Tərtibatların bir-birinə münasibətdə iki maddənin qiymətləndirməsinin nəticəsi olaraq əksinə və tutarlılıq təsirlərinin yaranmasına baxmayaraq, respondentlərin suallar verildiyi geniş çərçivəyə daha həssas olduğu zaman əlavə və subtractif effektlər yaranır. Moore (2002) oxuyun Moore (2002) , daha sonra əlavə və ya subtractif effektləri nümayiş etdirmək üçün MTurk-da bir tədqiqat təcrübəsi hazırlayın və tətbiq edin.

  7. [ çətin , məlumatların toplanması Christopher Antoun və həmkarları (2015) MTurk, Craigslist, Google AdWords və Facebook-a aid dörd müxtəlif onlayn işə götürən mənbələrdən əldə edilən rahatlıq nümunələrini müqayisə edən bir iş aparmışdır. Sadə bir araşdırma və ən azı iki müxtəlif onlayn qaynaq mənbəyi (bu mənbələr Antoun et al. (2015) istifadə dörd mənbədən fərqli ola bilər) vasitəsilə iştirakçıları cəlb edin.

    1. Fərqli mənbələr arasında pul və vaxt baxımından işə düşən dəyəri müqayisə edin.
    2. Müxtəlif mənbələrdən alınan nümunələrin tərkibini müqayisə edin.
    3. Nümunələr arasında məlumatların keyfiyyətini müqayisə edin. Respondentlərdən məlumatın keyfiyyətini necə qiymətləndirmək barədə fikirlər üçün, bax Schober et al. (2015) .
    4. Tercih etdiyiniz qaynaq nədir? Niyə?

  8. [ orta 2016 AB referandumunun (yəni Brexit) nəticələrini proqnozlaşdırmaq məqsədi ilə, İnternet bazlı bazar araşdırma şirkəti YouGov, Birləşmiş Krallıqda təxminən 800,000 respondentdən ibarət panelin onlayn sorğusunu keçirdi.

    YouGov'un statistik modelinin ətraflı təsviri https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/ ünvanında tapa bilərsiniz. Yəqin ki, YouGov seçiciləri 2015-ci il ümumi seçki seçimi seçiminə, yaşa, ixtisaslara, cinsinə və müsahibə tarixinə, habelə yaşadıqları seçki dairəsinə əsasən ayırdı. Birincisi, səs vermək istəyənlər arasında səs vermək niyyətində olan hər bir seçici növü olan insanların nisbətini qiymətləndirmək üçün YouGov panelistlərindən toplanan məlumatlardan istifadə etdilər. Seçki sonrası seçki tədqiqatını (BES), seçki sonrası sorğudan istifadə edərək, hər bir seçici növündəki iştirakını təxmin etdilər ki, bu da seçki dairələrindən seçki iştirakçılarını təsdiqlədi. Nəhayət, son sayım və illik əhali sorğusuna (digər məlumat mənbələrindən bir sıra əlavə məlumatlar) əsasən seçicilərdə hər bir seçici növü olan neçə nəfərin olduğunu qiymətləndirdilər.

    Səsdən üç gün qalmış YouGov, Leave üçün iki nöqtəli bir yol göstərdi. Səsvermə ərəfəsində sorğunun nəticələri nəticə verməyə çox yaxın olduğunu göstərdi (49/51 Remain). Günün son günü edilən araşdırma, 48/52-i Remain (leqal) lehinə proqnozlaşdırdı (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). Əslində, bu nəticə təxminən dörd bal ilə yekun nəticə (52/48 Leave) qaçırdı.

    1. Nə baş verə biləcəyini qiymətləndirmək üçün bu fəsildə müzakirə edilən ümumi sorğu səhv çərçivəsindən istifadə edin.
    2. Seçki sonrası YouGov'un cavabı (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/) belə açıqladı: "Bu, böyük bir hissədə, seçki kampaniyası səbəbindən görünür. biz hamıdan belə bir gözəl balanslı irqin nəticəsi üçün çox vacib olardıq. Partiyamızın əsas məqsədi, son ümumi seçkilərdə respondentlərin səs verdiyini və seçicilərin ümumi seçkilərdən üstün olan seçicilərin səsvermə səviyyəsinə əsaslanaraq, xüsusən də Şimali bölgəyə xəyanət etdiyinə əsaslanırdı. "Bu sizin (a) hissəsinə cavabınızı dəyişə bilərmi?

  9. [ orta , kodlaşdırma tələb olunur ] Şəkil 3.2-də göstərilən səhvlərin hər birini göstərmək üçün bir simulyasiya yazın.

    1. Bu səhvlərin həqiqətən ləğv edildiyi bir vəziyyət yaradın.
    2. Səhvlərin bir-birinə birləşdiyi bir vəziyyət yaradın.

  10. [ çox çətin , kodlaşdırma tələb olunur Blumenstock və həmkarlarının (2015) tədqiqatı anket reaksiyalarını proqnozlaşdırmaq üçün rəqəmli iz məlumatlarından istifadə edə biləcək bir maşın öyrənmə modelinin qurulmasına yönəldilmişdir. İndi fərqli bir verilənlər bazası ilə eyni şeyi sınayacaqsınız. Kosinski, Stillwell, and Graepel (2013) Facebookun sevdiyini fərdi xüsusiyyətləri və xüsusiyyətləri təxmin edə biləcəyini tapdı. Təəccüblü olaraq, bu proqnozlar dostlarınız və həmkarlarınızdan (Youyou, Kosinski, and Stillwell 2015) daha dəqiq ola bilər.

    1. Kosinski, Stillwell, and Graepel (2013) oxuyun və rəqəmi 2 Kosinski, Stillwell, and Graepel (2013) . Onların məlumatları http://mypersonality.org/ saytında əldə edilə bilər.
    2. İndi 3 rəqəmi təkrarlayın.
    3. Nəhayət, öz modellərini öz Facebook məlumatlarına çəkin: http://applymagicsauce.com/. Sizin üçün nə qədər yaxşı işləyir?

  11. [ orta Toole et al. (2015) mobil telefonlardan zəng detallarını (CDR) istifadə edərək, ümumi işsizlik tendensiyalarını proqnozlaşdırırdı.

    1. Toole et al. (2015) Blumenstock, Cadamuro, and On (2015) .
    2. CDR'ler ənənəvi anketlərin yerini dəyişdirməlidir, tamamlayır və ya dövlət siyasətçiləri üçün işsizliyi izləmək üçün istifadə edilmir? Niyə?
    3. CDR-lər işsizliyin ənənəvi tədbirlərini tamamilə əvəz edə biləcəyinə dair hansı dəlillər gətirə bilər?

Powered by Open Review Toolkit