3.3 মোট জরিপ ত্রুটি ফ্রেমওয়ার্ক

মোট জরিপ ত্রুটি = উপস্থাপনা ত্রুটি + + পরিমাপ ত্রুটি.

নমুনা জরিপ থেকে আসে যে অনুমান প্রায়ই অপূর্ণ হয়। অর্থাৎ নমুনা জরিপ (যেমন, একটি স্কুলে শিক্ষার্থীদের আনুমানিক গড় উচ্চতা) এবং জনসংখ্যার প্রকৃত মূল্য (উদাহরণস্বরূপ, স্কুলে শিক্ষার্থীদের গড় গড় উচ্চতা) দ্বারা উত্পাদিত অনুমানের মধ্যে সাধারণত একটি পার্থক্য থাকে। কখনও কখনও এই ত্রুটিগুলি এতটাই ছোট যে তারা গুরুত্বহীন, কিন্তু মাঝে মাঝে, দুর্ভাগ্যবশত, তারা বড় এবং পরিণতির হতে পারে। নমুনা জরিপগুলি দেখাতে পারে এমন ত্রুটিগুলির জন্য পরিমাপ, পরিমাপ এবং কমাতে চেষ্টা করার জন্য, গবেষকরা ধীরে ধীরে একটি একক, অত্যধিক ধারণাগত কাঠামো তৈরি করে যা নমুনা জরিপের মধ্যে উঠতে পারে: মোট জরিপ ত্রুটি কাঠামো (Groves and Lyberg 2010) । যদিও এই কাঠামোটি 1940-এর দশকে শুরু হয়েছিল, আমি মনে করি এটি ডিজিটাল যুগে জরিপ গবেষণার জন্য আমাদের দুটি সহায়ক ধারণা প্রস্তাব করে।

প্রথমত, মোট জরিপ ত্রুটি কাঠামোটি পরিষ্কার করে যে দুটি ধরনের ত্রুটি রয়েছে: পক্ষপাত এবং বিচ্যুতি মোটামুটি, পক্ষপাত পদ্ধতিগত ত্রুটি এবং বৈকল্পিক র্যান্ডম ত্রুটি। অন্য কথায়, একই নমুনা জরিপের 1,000 টি পুনরাবৃত্তি চালানোর অনুমান এবং তারপর এই 1,000 টি পুনরাবৃত্তির অনুমানের বিতরণের দিকে লক্ষ্য রাখুন। পক্ষপাত এই প্রতিরূপ অনুমান এবং সত্য মান গড়ের মধ্যে পার্থক্য। বৈকল্পিক এই অনুমানের পরিবর্তনশীলতা। অন্য সব সমান, আমরা একটি পক্ষপাত এবং ছোট বিভাজক সঙ্গে একটি পদ্ধতি চাই। দুর্ভাগ্যবশত, অনেক বাস্তব সমস্যাগুলির জন্য, এইরকম কোন পক্ষপাতিত্ব নেই, ক্ষুদ্র-বিচ্ছিন্ন প্রক্রিয়াগুলি বিদ্যমান নেই, যা গবেষকগণকে পক্ষপাত এবং বৈপরীত্য দ্বারা প্রবাহিত সমস্যাগুলি কিভাবে ভারসাম্য করা যায় তা নির্ধারণের কঠিন অবস্থানে রাখে। কিছু গবেষক সহজভাবে পক্ষপাতিত্বমূলক পদ্ধতি পছন্দ করেন, কিন্তু পক্ষপাতের উপর একক মনোযোগ নিবদ্ধ ফোকাস ভুল হতে পারে। যদি লক্ষ্যটি এমন একটি অনুমান তৈরি করতে হয় যা সত্যের পক্ষে যতটা সম্ভব সম্ভব (অর্থাৎ, ক্ষুদ্রতম সম্ভাব্য ত্রুটির সাথে), তাহলে আপনি এমন পদ্ধতির সাথে ভাল হতে পারেন যা একটি ছোট্ট পক্ষপাত এবং একটি ছোট প্রবণতা যার থেকে নিরপেক্ষ কিন্তু একটি বড় বিচ্যুতি আছে (চিত্র 3.1)। অন্য কথায়, মোট জরিপ ত্রুটি কাঠামো দেখায় যে সমীক্ষা গবেষণা পদ্ধতির মূল্যায়ন করার সময়, আপনি উভয় পক্ষপাত এবং বিচ্যুতি বিবেচনা করা উচিত।

চিত্র 3.1: বায়াস এবং বিচ্ছিন্নতা। আদর্শগতভাবে, গবেষকরা একটি পক্ষপাতহীন, নিম্ন-বৈপরীত্য মূল্যায়ন প্রক্রিয়া থাকতে হবে। প্রকৃতপক্ষে, তারা প্রায়ই পক্ষপাত এবং বিচ্ছিন্নতা মধ্যে একটি বাণিজ্য বন্ধ তৈরি যে সিদ্ধান্ত করতে হবে। যদিও কিছু গবেষকরা স্বাভাবিকভাবে পক্ষপাতহীন পদ্ধতি পছন্দ করে, কখনও কখনও একটি ছোট-পক্ষপাত, ক্ষুদ্র-বিচ্ছিন্নতা প্রক্রিয়া একটি উচ্চাভিলাষী পদ্ধতির তুলনায় আরো সঠিক আনুমানিক ফলাফল প্রকাশ করতে পারে যা উচ্চ বৈচিত্র্য বহন করে।

মোট সমীক্ষার ত্রুটি কাঠামোর দ্বিতীয় প্রধান অন্তর্দৃষ্টি, যা এই অধ্যায়ের বেশিরভাগটি সংগঠিত করবে, সেখানে দুটি ত্রুটি আছে: যেগুলি আপনি ( প্রতিনিধিত্ব ) এবং যারা কথোপকথনগুলি থেকে শিখছেন তার সাথে সম্পর্কিত সমস্যার সাথে সম্পর্কিত সমস্যাগুলি ( পরিমাপ )। উদাহরণস্বরূপ, আপনি ফ্রান্সে বসবাসরত প্রাপ্তবয়স্কদের মধ্যে অনলাইন গোপনীয়তা সম্পর্কে মনোভাবগুলির অনুমান করতে আগ্রহী হতে পারেন। এই অনুমান করা পরিমাপের দুটি ভিন্ন ধরনের প্রয়োজন। প্রথমত, উত্তরদাতাদের উত্তরগুলি থেকে আপনাকে অনলাইন গোপনীয়তা (যা পরিমাপের একটি সমস্যা) সম্পর্কে তাদের মনোভাবগুলি নির্ণয় করতে হবে। দ্বিতীয়ত, উত্তরদাতাদের মধ্যে নিন্দনীয় মনোভাব থেকে, আপনি সমগ্র হিসাবে জনসংখ্যার মনোভাব (যা প্রতিনিধিত্ব একটি সমস্যা) অঙ্কন করতে হবে। খারাপ জরিপের প্রশ্নের সাথে পারফেক্ট স্যাম্পলিং খারাপ অনুমান উপস্থাপন করবে, যেমন নিখুঁত জরিপের প্রশ্নগুলির সাথে খারাপ নমুনা। অন্য কথায়, ভাল অনুমান পরিমাপ এবং উপস্থাপনা থেকে ধ্বস পন্থা প্রয়োজন। যে ব্যাকগ্রাউন্ড দেওয়া হবে, আমি পর্যালোচনা করব কিভাবে সমীক্ষা গবেষকরা অতীতের প্রতিনিধিত্ব এবং পরিমাপ সম্পর্কে চিন্তা করেছেন। তারপর, আমি দেখাবো কিভাবে প্রতিনিধিত্ব এবং পরিমাপ সম্পর্কে ধারণাগুলি ডিজিটাল-বয়স সমীক্ষা গবেষণা পরিচালনা করতে পারে।