gweithgareddau

  • gradd anhawster: hawdd hawdd , canolig canolig , caled caled , yn galed iawn anodd iawn
  • angen mathemateg ( yn gofyn am fathemateg )
  • angen codio ( yn gofyn am godio )
  • casglu data ( casglu data )
  • fy ffefrynnau ( fy ffefryn )

  1. [ caled , yn gofyn am fathemateg ] Yn y bennod, yr oeddwn yn gadarnhaol iawn ynghylch ôl-haenu. Fodd bynnag, nid yw hyn bob amser yn gwella ansawdd yr amcangyfrifon. Adeiladu sefyllfa lle gall ôl-haenu leihau ansawdd yr amcangyfrifon. (Am awgrym, gweler Thomsen (1973) .)

  2. [ caled , casglu data , yn gofyn am godio ] Dylunio a chynnal arolwg anhyblyg ar Amazon Mechanical Turk i ofyn am berchnogaeth gwn ac agweddau tuag at reoli gwn. Er mwyn i chi allu cymharu'ch amcangyfrifon i'r rhai sy'n deillio o sampl tebygolrwydd, copïwch y cwestiynau testun ac opsiynau ymateb yn uniongyrchol o arolwg o ansawdd uchel megis y rheiny sy'n cael eu rhedeg gan y Ganolfan Ymchwil Pew.

    1. Faint o amser mae'ch arolwg yn ei gymryd? Faint mae'n ei gostio? Sut mae demograffeg eich sampl yn cymharu â demograffeg poblogaeth yr UD?
    2. Beth yw'r amcangyfrif crai o berchnogaeth gwn sy'n defnyddio'ch sampl?
    3. Cywir ar gyfer anhygynrychiolaeth eich sampl gan ddefnyddio haeniad ôl-dynnu neu ryw dechneg arall. Nawr beth yw'r amcangyfrif o berchnogaeth gwn?
    4. Sut mae'ch amcangyfrifon yn cymharu â'r amcangyfrif diweddaraf o sampl sy'n seiliedig ar debygolrwydd? Beth ydych chi'n meddwl sy'n esbonio'r anghysonderau, os oes unrhyw beth?
    5. Ailadrodd cwestiynau (b) - (ch) ar gyfer agweddau tuag at reoli gwn. Sut mae'ch canfyddiadau'n wahanol?

  3. [ anodd iawn , casglu data , yn gofyn am godio ] Roedd Goel a chydweithwyr (2016) gweinyddu 49 o gwestiynau ymatebol lluosog a dynnwyd o'r Arolwg Cymdeithasol Cyffredinol (GSS) ac arolygon dethol gan Ganolfan Ymchwil Pew i sampl anhyblyg o ymatebwyr a dynnwyd o Amazon Mechanical Turk. Yna, fe'u haddaswyd ar gyfer y ffaith nad oedd data'n cael ei ddefnyddio gan ddefnyddio ôl-haenau seiliedig ar fodel a chymharu eu hamcangyfrifon wedi'u haddasu gyda'r rhai o'r arolygon GSS a Pew sy'n seiliedig ar debygolrwydd. Cynnal yr un arolwg ar Amazon Mechanical Turk a cheisiwch ailadrodd ffigur 2a a ffigur 2b trwy gymharu eich amcangyfrifon wedi'u haddasu gyda'r amcangyfrifon o rowndiau diweddaraf yr arolygon GSS a Pew. (Gweler atodiad tabl A2 ar gyfer y rhestr o 49 cwestiwn.)

    1. Cymharwch a chyferbynnwch eich canlyniadau gyda'r rhai o Pew a GSS.
    2. Cymharwch a chyferbynnwch eich canlyniadau gyda'r rhai o'r arolwg Twrcan Mecanyddol yn Goel, Obeng, and Rothschild (2016) .

  4. [ canolig , casglu data , yn gofyn am godio ] Mae llawer o astudiaethau'n defnyddio mesurau hunan-adroddedig o ddefnydd ffôn symudol. Mae hwn yn lleoliad diddorol lle gall ymchwilwyr gymharu ymddygiad hunan-adroddedig gydag ymddygiad cofrestredig (gweler ee, Boase and Ling (2013) ). Mae dau ymddygiad cyffredin i ofyn amdanynt yn galw a thestio, ac mae dau ffrâm amser cyffredin yn "ddoe" ac "yn ystod yr wythnos ddiwethaf."

    1. Cyn casglu unrhyw ddata, pa rai o'r mesurau hunan-adrodd ydych chi'n meddwl sy'n fwy cywir? Pam?
    2. Recriwtio pump o'ch ffrindiau i fod yn eich arolwg. Rhowch grynodeb byr o'r modd y samplwyd y pum ffrind hyn. A all y weithdrefn samplu hon arwain at ragfynegiadau penodol yn eich amcangyfrifon?
    3. Gofynnwch iddynt y cwestiynau microsurvey canlynol:
    • "Sawl gwaith wnaethoch chi ddefnyddio'ch ffôn symudol i alw eraill ddoe?"
    • "Faint o negeseuon testun a anfonoch chi ddoe?"
    • "Sawl gwaith yr oeddech chi'n defnyddio'ch ffôn symudol i alw eraill yn y saith niwrnod diwethaf?"
    • "Sawl gwaith wnaethoch chi ddefnyddio'ch ffôn symudol i anfon neu dderbyn negeseuon testun / SMS yn y saith niwrnod diwethaf?"
    1. Unwaith y bydd y microsurvey hwn wedi'i gwblhau, gofynnwch i wirio eu data defnydd fel y mae eu ffôn neu ddarparwr gwasanaeth wedi ei logio. Sut mae defnydd hunan-adroddiad yn cymharu â data log? Pa un sydd fwyaf cywir, sydd leiaf cywir?
    2. Nawr cyfunwch y data rydych chi wedi'i gasglu gyda'r data gan bobl eraill yn eich dosbarth (os ydych chi'n gwneud y gweithgaredd hwn ar gyfer dosbarth). Gyda'r set ddata fwy hon, ailadrodd rhan (d).

  5. [ canolig , casglu data ] Mae Schuman a Presser (1996) dadlau y byddai gorchmynion cwestiynau yn fater o ddau fath o gwestiwn: cwestiynau rhan-ran lle mae dau gwestiwn ar yr un lefel o fanylder (ee, graddfeydd dau ymgeisydd arlywyddol); a chwestiynau rhan-gyfan lle mae cwestiwn cyffredinol yn dilyn cwestiwn mwy penodol (ee, yn gofyn "Pa mor fodlon ydych chi gyda'ch gwaith?" a ddilynir "Pa mor fodlon ydych chi gyda'ch bywyd?").

    Maent yn nodweddu dau fath o effaith gorchymyn cwestiwn ymhellach: mae effeithiau cysondeb yn digwydd pan ddaw ymatebion i gwestiwn diweddarach yn agosach (nag y byddent fel arall) i'r rhai a roddwyd i gwestiwn cynharach; mae effeithiau cyferbyniad yn digwydd pan fo mwy o wahaniaethau rhwng ymatebion i ddau gwestiwn.

    1. Creu pâr o gwestiynau rhan-ran y credwch y bydd gennych effaith orchymyn cwestiwn mawr; Pâr o gwestiynau rhan-gyfan y credwch y byddant yn cael effaith orchymyn mawr; a pâr o gwestiynau na fyddai eu gorchymyn, yn eich barn chi, yn bwysig. Rhedeg arbrawf arolwg ar Amazon Mechanical Turk i brofi'ch cwestiynau.
    2. Pa effaith fawr ran-ran oeddech chi'n gallu ei greu? A oedd yn gyson neu effaith cyferbyniol?
    3. Pa effaith fawr-gyfan a allwch chi ei greu? A oedd yn gyson neu effaith cyferbyniol?
    4. A oedd gorchymyn cwestiwn yn effeithio ar eich pâr lle na wnaethoch chi feddwl y byddai'r gorchymyn yn bwysig?

  6. [ canolig , casglu data ] Mae adeiladu ar waith Schuman a Presser, Moore (2002) disgrifio dimensiwn ar wahân o effaith gorchymyn cwestiwn: effeithiau ychwanegion ac atyniadol. Er bod effeithiau gwrthgyferbyniol a chysondeb yn cael eu cynhyrchu o ganlyniad i werthusiadau'r ymatebwyr o'r ddau eitem mewn perthynas â'i gilydd, cynhyrchir effeithiau ychwanegion ac atyniadol pan fydd ymatebwyr yn fwy sensitif i'r fframwaith mwy o faint y mae'r cwestiynau'n cael eu cyflwyno. Darllenwch Moore (2002) , yna dyluniwch a rhedeg arbrawf arolwg ar MTurk i ddangos effeithiau ychwanegion neu atyniadol.

  7. [ caled , casglu data ] Cynhaliodd Christopher Antoun a chydweithwyr (2015) astudiaeth sy'n cymharu'r samplau cyfleustra a gafwyd o bedwar ffynhonnell wahanol recriwtio ar-lein: MTurk, Craigslist, Google AdWords a Facebook. Dylunio arolwg syml a recriwtio cyfranogwyr trwy o leiaf ddwy ffynhonnell wahanol recriwtio ar-lein (gall y ffynonellau hyn fod yn wahanol i'r pedwar ffynhonnell a ddefnyddir yn Antoun et al. (2015) ).

    1. Cymharwch y gost fesul recriwtio o ran arian ac amser rhwng gwahanol ffynonellau.
    2. Cymharu cyfansoddiad y samplau a geir o wahanol ffynonellau.
    3. Cymharu ansawdd y data rhwng y samplau. Am syniadau ynghylch sut i fesur ansawdd data gan ymatebwyr, gweler Schober et al. (2015) .
    4. Beth yw'ch ffynhonnell orau? Pam?

  8. [ canolig ] Mewn ymdrech i ragfynegi canlyniadau'r arolygon ar-lein a gynhaliwyd gan gwmni Ymchwil Refferendwm yr UE 2016 (hy, Brexit), YouGov-a-lein o banel o tua 800,000 o ymatebwyr yn y Deyrnas Unedig.

    Mae disgrifiad manwl o fodel ystadegol YouGov i'w chael yn https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/. Yn fras, roedd YouGov wedi rhannu'r pleidleiswyr i fathau yn seiliedig ar ddewis pleidleisio etholiadol cyffredinol, oedran, cymwysterau, rhyw, a dyddiad y cyfweliad, yn ogystal â'r etholaeth yr oeddent yn byw ynddi. Yn gyntaf, roeddent yn defnyddio data a gasglwyd gan banelwyr YouGov i amcangyfrif cyfran y bobl o bob math o bleidleiswr a oedd yn bwriadu pleidleisio yn ystod y rhai a bleidleisiodd. Roeddent yn amcangyfrif cyfranogiad pob math o bleidleisiwr trwy ddefnyddio Astudiaeth Etholiad Prydain 2015 (BES), arolwg wyneb-yn-wyneb ar ôl etholiad, a oedd yn dilysu pleidleisio o'r rholiau etholiadol. Yn olaf, roeddent yn amcangyfrif faint o bobl oedd o bob math o bleidleisiwr yn yr etholaeth, yn seiliedig ar yr Arolwg Poblogaeth a'r Arolwg Poblogaeth diweddaraf (gyda rhywfaint o wybodaeth ychwanegol o ffynonellau data eraill).

    Tri diwrnod cyn y bleidlais, dangosodd YouGov arweinydd dau bwynt ar gyfer Absenoldeb. Ar y noson cyn pleidleisio, nododd yr arolwg fod y canlyniad yn rhy agos i alw (49/51). Rhagwelwyd yr astudiaeth derfynol o ddydd i ddydd 48/52 o blaid aros (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). Mewn gwirionedd, collodd y amcangyfrif hwn y canlyniad terfynol (52/48 Gadewch) gan bedwar pwynt canran.

    1. Defnyddiwch gyfanswm fframwaith gwall yr arolwg a drafodwyd yn y bennod hon i asesu beth allai fod wedi mynd o'i le.
    2. Esboniodd ymateb YouGov ar ôl yr etholiad (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/): "Mae hyn yn ymddangos yn fawr iawn oherwydd y pleidleisio - rhywbeth sy'n yr ydym wedi dweud ar hyd y cyfan yn hollbwysig i ganlyniad hil mor gytbwys o'r fath. Seiliwyd ein model pleidleisio, yn rhannol, ynghylch a oedd yr ymatebwyr wedi pleidleisio yn yr etholiad cyffredinol diwethaf ac roedd lefel y bobl sy'n pleidleisio uwchlaw etholiadau cyffredinol yn gwrthdaro'r model, yn enwedig yn y Gogledd. "A yw hyn yn newid eich ateb i ran (a)?

  9. [ canolig , yn gofyn am godio ] Ysgrifennwch efelychiad i ddangos pob un o'r gwallau cynrychiolaeth yn ffigur 3.2.

    1. Creu sefyllfa lle mae'r gwallau hyn mewn gwirionedd yn canslo.
    2. Creu sefyllfa lle mae'r gwallau yn cyfuno â'i gilydd.

  10. [ anodd iawn , yn gofyn am godio ] Roedd ymchwil Blumenstock a chydweithwyr (2015) cynnwys adeiladu model dysgu peiriant a allai ddefnyddio data olrhain digidol i ragfynegi ymatebion i'r arolwg. Nawr, yr ydych yn mynd i roi cynnig ar yr un peth â set ddata wahanol. Kosinski, Stillwell, and Graepel (2013) y gall hoffiau Facebook ragweld nodweddion a nodweddion unigol. Yn syndod, gall y rhagfynegiadau hyn fod yn fwy cywir hyd yn oed na rhai ffrindiau a chydweithwyr (Youyou, Kosinski, and Stillwell 2015) .

    1. Darllenwch Kosinski, Stillwell, and Graepel (2013) , ac mae'n dyblygu ffigur 2. Mae eu data ar gael yn http://mypersonality.org/
    2. Nawr, ailadrodd ffigwr 3.
    3. Yn olaf, rhowch gynnig ar eu model ar eich data Facebook eich hun: http://applymagicsauce.com/. Pa mor dda y mae'n gweithio i chi?

  11. [ canolig ] Toole et al. (2015) defnyddio cofnodion manwl (CDRs) o ffonau symudol i ragfynegi tueddiadau diweithdra cyfan.

    1. Cymharu a chyferbynnu dyluniad astudiaeth Toole et al. (2015) gyda Blumenstock, Cadamuro, and On (2015) .
    2. Ydych chi'n meddwl y dylai CDRs ddisodli arolygon traddodiadol, eu hategu neu beidio â'u defnyddio o gwbl i wneuthurwyr polisi'r llywodraeth i olrhain diweithdra? Pam?
    3. Pa dystiolaeth fyddai'n eich argyhoeddi chi y gall CDRs ddisodli mesurau traddodiadol y gyfradd diweithdra yn llwyr?

Powered by Open Review Toolkit