3.3 ក្របខ័ណ្ឌកំហុសការស្ទង់មតិនេះសរុប
កំហុសការស្ទង់មតិកំហុស = ការតំណាងកំហុសការវាស់វែងសរុប + + ។
មានប្រភេទជាច្រើននៃកំហុសដែលអាចចូលមកក្នុងការប៉ាន់ប្រមាណពីការស្ទង់មតិគឺជាអ្នកហើយចាប់តាំងពីឆ្នាំ 1940 ក្រុមអ្នកស្រាវជ្រាវបានធ្វើការដើម្បីរៀបចំប្រព័ន្ធ, យល់ដឹង, និងកាត់បន្ថយកំហុសទាំងនេះ។ លទ្ធផលសំខាន់ពីកិច្ចខិតខំប្រឹងប្រែងដែលជាក្របខ័ណ្ឌអង្កេតនេះសរុបមានកំហុស (Groves et al. 2009; Weisberg 2005) ។ នេះជាការយល់ដឹងទូលំទូលាយចម្បងពីក្របខណ្ឌកំហុសការស្ទង់មតិនេះសរុបគឺថាបញ្ហាអាចនឹងត្រូវបានដាក់ជាក្រុមទៅដាក់ធុងសំខាន់ពីរ: បញ្ហាដែលទាក់ទងទៅនឹងអ្នកដែលអ្នកនិយាយទៅកាន់ (តំណាង) និងបញ្ហាដែលទាក់ទងទៅនឹងអ្វីដែលអ្នកបានរៀនពីការសន្ទនាទាំងនោះ (ការវាស់វែង) ។ ឧទាហរណ៍អ្នកប្រហែលជាចាប់អារម្មណ៍ក្នុងការប៉ាន់ប្រមាណឥរិយាបទអំពីភាពជាឯកជនអនឡាញក្នុងចំណោមមនុស្សវ័យដែលរស់នៅក្នុងប្រទេសបារាំង។ ការធ្វើឱ្យការប៉ាន់ស្មានទាំងនេះតម្រូវឱ្យមានពីរប្រភេទខុសគ្នាខ្លាំងនៃការ inference ។ ជាដំបូងពីចម្លើយដែលឆ្លើយសំណួរបានផ្តល់ឱ្យ, អ្នកមានដើម្បីសន្និដ្ឋានអាកប្បកិរិយារបស់ពួកគេអំពីភាពជាឯកជននៅលើបណ្ដាញ។ ទីពីរពីឥរិយាបទក្នុងចំណោមអ្នកឆ្លើយសំណួរបានដកស្រង់, អ្នកត្រូវតែ infer ឥរិយាបទក្នុងចំនួនប្រជាជនទាំងមូល។ ប្រភេទដំបូងនៃការ inference គឺដែននៃចិត្តសាស្ត្រនិងវិទ្យាសាស្រ្តយល់ដឹងនេះ; និងប្រភេទទីពីរនៃ inference គឺដែននៃស្ថិតិ។ គម្រោងគំរូល្អឥតខ្ចោះមួយជាមួយសំណួរអង្កេតអាក្រក់នឹងផលិតប៉ាន់ប្រមាណអាក្រក់និងជាគម្រោងគំរូអាក្រក់មួយដែលមានសំណួរស្ទង់មតិមួយដែលល្អឥតខ្ចោះនឹងផលិតប៉ាន់ប្រមាណអាក្រក់។ ការប៉ាន់ប្រមាណជាការល្អដែលតម្រូវឱ្យមានវិធីសាស្រ្តក្នុងការវាស់វែងនិងសំឡេងតំណាង។ ដែលបានផ្ដល់ឱ្យផ្ទៃខាងក្រោយថាក្រោយខ្ញុំនឹងពិនិត្យឡើងវិញអំពីរបៀបដែលក្រុមអ្នកស្រាវជ្រាវស្ទង់មតិមួយបានគិតអំពីការតំណាងនិងការវាស់វែងនៅក្នុងអតីតកាល។ ខ្ញុំរំពឹងថាភាគច្រើននៃសម្ភារៈនេះនឹងត្រូវត្រួតពិនិត្យ scienitsts សង្គមនោះទេប៉ុន្តែវាអាចជាថ្មីចំពោះបណ្ដាអ្នកវិទ្យាសាស្ត្រទិន្នន័យមួយចំនួន។ បន្ទាប់មក, ខ្ញុំនឹងបង្ហាញអ្នកពីរបៀបដែលដឹកនាំការស្រាវជ្រាវគំនិតអ្នកដែលមានអាយុឌីជីថលការស្ទង់មតិ។
