3.3 Kogu uuringu viga raames
Kokku uuringu error = esindatuse vead + mõõtmisvead.
Prooviuuringutest saadud hinnangud on sageli ebatäpsed. See tähendab, et üldjuhul on erinevus prooviuuringu koostatud hinnangul (nt kooliõpilaste hinnanguline keskmine kõrgus) ja elanike tegelik väärtus (nt õpilaste tegelik keskmine kõrgus koolis). Mõnikord on need vead nii väikesed, et need on ebaolulised, kuid mõnikord kahjuks võivad need olla suured ja sellest tulenevad. Püüdes mõista, mõõta ja vähendada vigu, lõi teadlased järk-järgult (Groves and Lyberg 2010) vigade üheainsa üldise kontseptuaalse raamistiku: uuringutegurite koguarv (Groves and Lyberg 2010) . Kuigi selle raamistiku väljatöötamine algas 1940. aastatel, arvan, et see annab meile kaks kasulikku ideed uuringute uurimiseks digitaalajastul.
Esiteks on uuringutegurite koguaruanne selgitanud, et eksisteerib kaht liiki vigu: erapoolikkus ja dispersioon . Peaaegu on kõrvalekalle süstemaatiline viga ja dispersioon on juhuslik viga. Teisisõnu võite ette kujutada, et sama prooviuuringu tulemusel töötas 1000 replikatsiooni ning seejärel vaadeldi nende 1000 replikatsiooni hinnangute jaotust. Kalduvus on nende korduvate hinnangute ja tegeliku väärtuse keskmise erinevus. Erinevus on nende hinnangute varieeruvus. Kui kõik muu on võrdsed, tahaksime kasutada menetlust, milles poleks kõrvalekaldeid ja väikseid erinevusi. Kahjuks pole paljudele tõelistele probleemidele sellist ebaregulaarset suhtelist väikesuunalist protsessi, mis seaks teadlased raskesse olukorda, kui nad otsustavad, kuidas tasakaalustada eelarvamuste ja dispersioonide tekitatud probleeme. Mõned teadlased eelistavad instinktiivselt erapooletuid protseduure, kuid erapoolikust keskendumine võib olla viga. Kui eesmärk on koostada hinnang, mis on võimalikult lähedane tõele (st väikseima võimaliku veaga), siis võib teile olla parem meetod, millel on väike eelarvamuslik ja väike erinevus kui see, mis on erapooletu, kuid suur dispersioon (joonis 3.1). Teisisõnu näitab uuringute veergete kogum raamistikku, et uuringu läbiviimise protseduuride hindamisel peaksite kaaluma nii eelarvamuste kui ka dispersiooni.
Joonis 3.1: nõrk ja dispersioon. Ideaaljuhul on teadlastel ilma erapoolikust ja madala dispersusega hindamisprotseduur. Tegelikkuses peavad nad sageli tegema otsuseid, mis loovad kompromissi eelarvamuste ja dispersiooni vahel. Kuigi mõned teadlased on instinktiivselt eelistanud erapooletuid protseduure, võib mõnikord väike eelarvamustegur väikeste erinevuste protseduuriga anda täpsemaid hinnanguid kui erapooletu protseduuri, millel on suur erinevus.
Teine peamine ülevaade kogu uurimisvea raamistikust, mis korraldab suurema osa sellest peatükist, on see, et on kaks vigu: probleemid, millega te räägite ( esindamine ) ja probleemidega, mis on seotud nende vestlustega õppimisega ( mõõtmine ) Näiteks võite olla huvitatud Prantsusmaal elavate täiskasvanute suhtumise hindamisest veebipõhises privaatsuses. Nende prognooside tegemiseks on vaja teha kaks eri tüüpi järeldusi. Esiteks, vastajate antud vastustest peate oma suhtumist veebipõhisest privaatsusest (mis on mõõtmise probleem). Teiseks, peate vastanutest tuletatud hoiakute hulgas tegema järeldusi elanikkonna tervikuna (see on esindatuse probleem). Halbade uuringuküsimustega täiuslik proovide võtmine toob kaasa halbu hinnanguid, nagu ka halbade proovide võtmine täiusliku küsitluse küsimustega. Teisisõnu, heade hinnangute puhul on vaja usaldusväärseid lähenemisviise mõõtmisele ja esitamisele. Võttes arvesse sellist tausta, vaatan ma, kuidas uuringu teadlased varem mõelnud esitus- ja mõõtmisviisist. Siis näitaksin, kuidas ideede esitamine ja mõõtmine võivad suunata digitaalajastu uuringute uurimist.
