3.3 Koko tutkimus virhe puitteet
Yhteensä kyselyyn error = edustus virheitä + mittausvirheitä.
On olemassa monia erilaisia virheitä, jotka voivat hiipiä arvioiden tutkimuksista, ja 1940-luvulta lähtien tutkijat ovat työskennelleet järjestelmällisesti järjestää, ymmärtää, ja vähentää nämä virheet. Tärkeä tulos kaikki tämä vaivaa on kokonaistutkimukseen virhe kehys (Groves et al. 2009; Weisberg 2005) . Suurin oivallus kokonaismäärästä tutkimus virhe kehys on, että ongelmat voidaan jakaa kahteen kauhat: liittyvistä ongelmista, jotka puhut (edustus) ja siihen liittyvät ongelmat, mitä opit niistä keskusteluista (mittaus). Esimerkiksi, saatat olla kiinnostunut arvioitaessa suhtautumista verkossa yksityisyyttä aikuisten keskuudessa asuvien Ranska. Making nämä arviot edellyttää kahta täysin erilaista päättely. Ensinnäkin siitä vastauksia, jotka vastaajat antavat, sinun täytyy päätellä niiden asenteita verkossa yksityisyyttä. Toiseksi siitä päätelty asenteiden vastaajien, sinun täytyy päätellä asenteet koko väestön. Ensimmäisen tyypin päättely on verkkotunnus psykologian ja kognitiivisen tieteen; ja toisen tyypin päättely on tilastoinnissa. Täydellinen otantana huono kyselyihin tuottaa huonoja arvioita, ja huono otantana täydellinen kyselyihin tuottaa myös huonoja arvioita. Hyvä arvioiden mukaan äänen lähestymistapoja mittaamista ja edustus. Koska tausta, seuraavaksi, minä tarkistaa miten tutkimus tutkijat ovat ajatelleet edustus ja mittaus aikaisemmin. Odotan, että suuri osa tästä materiaalista on tarkastelun sosiaalista scienitsts, mutta se voi olla joillekin tietoja tutkijoille. Sitten minä näytän sinulle, miten näitä ajatuksia ohjata digitaaliajan tutkimus tutkimus.
