3.3 Ukupna greška ankete okvir

Ukupno anketa greška = zastupljenost greške + greške mjerenja.

Procjene koje dolaze iz istraživanja uzoraka često su nesavršene. To jest, obično postoji razlika između procene proizvedene u istraživanju uzorka (npr. Procijenjena prosječna visina učenika u školi) i prava vrijednost u populaciji (npr. Stvarna prosječna visina učenika u školi). Ponekad su ove greške toliko male da su nevažne, ali ponekad, nažalost, one mogu biti velike i posledične. U pokušaju da razumeju, mjere i smanjuju greške, istraživači su postepeno stvorili jedinstveni, sveobuhvatni konceptualni okvir za greške koje se mogu javiti u (Groves and Lyberg 2010) istraživanjima: okvir ukupne greške u istraživanju (Groves and Lyberg 2010) . Iako je razvoj ovog okvira počeo 40-ih godina prošlog veka, mislim da nam nudi dvije korisne ideje za istraživanje istraživanja u digitalnom dobu.

Prvo, okvir ukupne greške istraživanja objašnjava da postoje dve vrste grešaka: pristrasnost i varijansa . Grubo, pristrasnost je sistemska greška, a varijacija je nasumična greška. Drugim rečima, zamislite da pokrenete 1000 replikacija istog uzorka istraživanja, a zatim pogledate distribuciju procjena od ovih 1000 replikacija. Pretpostavka je razlika između sredine ovih replikatnih procena i prave vrednosti. Varijansa je varijabilnost ovih procjena. Svejedno, jednako, želimo proceduru bez pristrasnosti i male varijanse. Nažalost, za mnoge stvarne probleme, takve ne-pristrasnosti, procedure male varijacije ne postoje, što dovodi istraživače u tešku poziciju da odluče kako da izbalansiraju probleme uvedene pristrasnošću i varijansom. Neki istraživači instinktivno preferiraju nepristrasne procedure, ali jednodušni fokus na pristrasnost može biti greška. Ako je cilj da proizvedete procjenu što je moguće bliže istini (tj. Sa najmanju moguću grešku), onda biste možda bili bolji sa procedurom koja ima malu pristranost i malu varijansu nego sa onom koja je nepristrasan, ali ima veliku varijansu (slika 3.1). Drugim rečima, okvir ukupne greške u istraživanju pokazuje da prilikom evaluacije istraživačkih procedura treba razmotriti i pristrasnost i varijansu.

Slika 3.1: Bias i varijansa. U idealnom slučaju, istraživači bi imali proceduru procene bez pristrasnosti, niske varijanse. U stvarnosti, oni često moraju donositi odluke koje stvaraju kompromis između pristrasnosti i varijanse. Iako neki istraživači instinktivno preferiraju nepristrasne procedure, ponekad mala odstupanja, postupak male varijanse može da proizvede preciznije procene od nepristrasne procedure koja ima veliku varijansu.

Drugi glavni uvid iz okvira greške u ukupnom istraživanju, koji će organizovati većinu ovog poglavlja, je da postoje dva izvora grešaka: problemi s kojima razgovarate ( predstavljanje ) i problemi vezani za ono što naučite iz tih razgovora ( merenje ). Na primer, možda ćete biti zainteresovani za procjenu stavova o privatnosti na mreži među odraslima koji žive u Francuskoj. Ove procjene zahtevaju dva različita tipa zaključivanja. Prvo, iz odgovora koje ispitanici daju, morate zaključiti svoje stavove o privatnosti na mreži (što je problem merenja). Drugo, iz zaključenih stavova ispitanika, morate zaključiti stavove stanovništva u cjelini (što je problem predstavljanja). Savršeno uzimanje uzoraka sa lošim anketnim pitanjima će proizvesti loše procjene, kao i loše uzimanje uzoraka sa savršenim pitanjima istraživanja. Drugim rečima, dobre procjene zahtevaju zvučne pristupe merenju i predstavljanju. S obzirom na to, analiziram kako istraživači istraživanja razmišljaju o reprezentaciji i merenju u prošlosti. Zatim ću pokazati kako ideje o reprezentaciji i merenju mogu voditi istraživanje digitalnog doba.