3.3 A teljes felmérés hiba keret

Összesen felmérés error = képviselet hibák + mérési hibákat.

A mintavételes felmérésekből származó becslések gyakran nem tökéletesek. Vagyis általában van egy különbség a mintavételes felmérés által készített becslés (pl. A diákok becsült átlagos magassága az iskolában) és a népesség valódi értéke (pl. Az iskola tényleges átlagos magassága). Néha ezek a hibák annyira kicsiek, hogy nem fontosak, de néha sajnos nagyok és következményei lehetnek. A hibák megértése, mérése és csökkentése érdekében a kutatók fokozatosan létrehoztak egy egységes, átfogó fogalmi keretrendszert a mintavételes felmérések során felmerülő hibákra: a teljes felmérési hiba keretrendszerre (Groves and Lyberg 2010) . Bár a keretrendszer kialakulása az 1940-es években kezdődött, azt hiszem, két hasznos ötletet kínál a felmérési kutatások számára a digitális korban.

Először is, a teljes felmérési hiba keret egyértelművé teszi, hogy kétféle hiba létezik: a torzítás és a variancia . Nagyjából, a torzítás szisztematikus hiba és a variancia véletlenszerű hiba. Más szóval, képzeld el, hogy ugyanazon mintavételes felmérés 1000 ismétlést futtat, majd megvizsgálja a becslések eloszlását az ezer ismétléstől. A torzítás a különbség a replikált becslések átlaga és a valódi érték között. A variancia e becslések változékonysága. Minden más egyenlő, szeretnénk egy olyan eljárást, amelyen nincs előítélet és kis eltérés. Sajnálatos módon sok valódi probléma miatt nem léteznek ilyen kisugárzási eljárások, így a kutatók nehezen tudják eldönteni, hogyan lehet egyensúlyba hozni a torzítás és a variancia által okozott problémákat. Néhány kutató ösztönösen jobban szereti az elfogulatlan eljárásokat, de az egyhangúságra való összpontosítás hiba lehet. Ha a cél az, hogy minél közel álljon az igazsághoz (vagyis a lehető legkisebb hibával), akkor lehet, hogy jobb lenne egy olyan eljárással, amely kis előítéletekkel és kis eltéréssel rendelkezik, mint egy olyan elfogulatlan, de nagy eltérést mutat (3.1. ábra). Más szóval, a teljes felmérési hiba keretrendszer azt mutatja, hogy a felmérési kutatási eljárások értékelése során figyelembe kell venni mind a torzítást, mind a varianciát.

3.1. Ábra: Bias és variancia. Ideális esetben a kutatóknak nem bias, alacsony variancia becslési eljárása lenne. A valóságban gyakran olyan döntéseket kell hozniuk, amelyek kompromisszumot hoznak létre a torzítás és a variancia között. Bár egyes kutatók ösztönösen preferálják az elfogulatlan eljárásokat, néha egy kis torzítású, kis variancia-eljárás pontosabb becsléseket eredményezhet, mint egy nagyfokú varianciával rendelkező, elfogulatlan eljárás.

A teljes felmérési hiba keretének második legfontosabb betekintése, amely e fejezet nagy részét megszervezi, az az, hogy két hibaforrás létezik: a beszélgetéshez kapcsolódó problémák ( reprezentáció ) és az ezekből a beszélgetésekből származó problémák ( mérés) ). Például érdekelheti az online magánélet iránti attitűdök becslését Franciaországban élő felnőttek körében. A becslések elkészítéséhez kétféle következtetés szükséges. Először is, a válaszadók által adott válaszokból következtetni kell az online magánélethez (ami mérési probléma). Másodszor, a válaszadókból levont következtetésekből következtetni kell arra, hogy a lakosság egésze hogyan viselkedik (ami a reprezentáció problémája). Tökéletes mintavétel rossz felmérési kérdésekkel rossz becsléseket fog eredményezni, a rossz mintavételezés pedig tökéletes felmérési kérdésekkel. Más szóval, a jó becslések a mérés és a reprezentáció megbízható megközelítését igénylik. Tekintettel a háttérre, áttekintem, hogy a felmérés kutatói hogyan gondolkodtak a múltban a reprezentációról és a mérésről. Ezután megmutatom, hogy a reprezentációról és a mérésről alkotott elképzelések hogyan vezérelhetik a digitális korszak kutatásának kutatását.