3.3 O marco de erro levantamento total de

Total de erros de busca de erro = representación + erros de medida.

As estimacións que proveñen de enquisas de mostra son moitas veces imperfectas. É dicir, normalmente hai unha diferenza entre a estimación producida por unha enquisa de mostra (por exemplo, a altura media estimada dos alumnos nunha escola) eo valor real na poboación (por exemplo, a altura media real dos alumnos nunha escola). Ás veces estes erros son tan pequenos que son pouco importantes, pero ás veces, por desgraza, poden ser grandes e consecuentes. Nun intento de comprender, medir e reducir os erros, os investigadores crearon gradualmente un marco conceptual único e único para os erros que poden xurdir nas enquisas de mostra: o cadro de erros de investigación total (Groves and Lyberg 2010) . Aínda que o desenvolvemento deste marco comezou na década de 1940, creo que nos ofrece dúas ideas útiles para investigar a investigación na era dixital.

En primeiro lugar, o cadro de erro da enquisa total aclara que hai dous tipos de erros: sesgo e varianza . Aproximadamente, o sesgo é un erro sistemático e a varianza é un erro aleatorio. Dito doutro xeito, imaxínache executar 1.000 replicacións da mesma enquisa de mostra e logo mirando a distribución das estimacións a partir destas 1.000 replicacións. O sesgo é a diferenza entre a media destas estimacións replicadas eo valor real. A varianza é a variabilidade destas estimacións. O resto é igual, queremos un procedemento sen prexuízo e pequena varianza. Desafortunadamente, para moitos problemas reais, tales non-sesa, non existen procedementos de varianza pequena, o que pon aos investigadores na difícil posición de decidir como equilibrar os problemas introducidos polo sesgo ea varianza. Algúns investigadores instintivamente prefiren procedementos imparciais, pero un enfoque único sobre o sesgo pode ser un erro. Se o obxectivo é producir unha estimación máis próxima á verdade (é dicir, co menor erro posible), entón podes estar mellor cun procedemento que teña un pequeno prexuízo e unha pequena varianza que con un que é imparcial pero cunha gran varianza (figura 3.1). Noutras palabras, o cadro de erros de investigación total mostra que ao avaliar os procedementos de investigación de enquisas, debes considerar tanto os prexuízos como a varianza.

Figura 3.1: Bias e varianza. O ideal sería que os investigadores tivesen un proceso de estimación non-bias e de baixa varianza. En realidade, moitas veces teñen que tomar decisións que crean un equilibrio entre o sesgo ea varianza. Aínda que algúns investigadores instintivamente prefiren procedementos imparciais, ás veces un procedemento de pequena virada e varianza pode producir estimacións máis precisas que un procedemento imparcial que ten unha varianza elevada.

A segunda visión principal do cadro de erros de enquisa total, que organizará gran parte deste capítulo, é que hai dúas fontes de erros: problemas relacionados con quen fala ( representación ) e problemas relacionados co que aprende desas conversacións ( medida ). Por exemplo, pode estar interesado en estimar actitudes sobre a privacidade en liña entre os adultos que viven en Francia. Facer estas estimacións require dous tipos diferentes de inferencia. En primeiro lugar, a partir das respostas que dan os entrevistados, debes inferir as súas actitudes sobre a privacidade en liña (que é un problema de medición). En segundo lugar, a partir das actitudes inferidas entre os entrevistados, debes deducir as actitudes do conxunto da poboación (que é un problema de representación). A mostraxe perfecta con preguntas sobre a enquisa incorrecta producirá estimacións malas, así como a mala mostraxe con preguntas de enquisa perfectas. Noutras palabras, boas estimacións requiren enfoques sólidos para a medición e representación. Dado ese antecedente, vou revisar como os investigadores encuestados pensaron na representación e medición no pasado. Entón, vou mostrar como as ideas sobre a representación e a medición poden orientar a investigación de enquisas con idade dixital.