ಡಾಲ್ಫಿನ್ಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಸಂಶೋಧಕರು ಅವರಿಗೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುವುದಿಲ್ಲ ಮತ್ತು ಆದ್ದರಿಂದ ಅವರ ನಡವಳಿಕೆಯನ್ನು ಗಮನಿಸುವುದರ ಮೂಲಕ ಡಾಲ್ಫಿನ್ಗಳ ಬಗ್ಗೆ ತಿಳಿಯಲು ಪ್ರಯತ್ನಿಸಬಹುದಾಗಿದೆ. ಮನುಷ್ಯರನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಸಂಶೋಧಕರು ಮತ್ತೊಂದೆಡೆ, ಅದನ್ನು ಸುಲಭಗೊಳಿಸಬಹುದು: ಅವರ ಪ್ರತಿಕ್ರಿಯಿಸುವವರು ಮಾತನಾಡಬಹುದು. ಹಿಂದೆ ಮಾತನಾಡಿದ ಜನರು ಸಾಮಾಜಿಕ ಸಂಶೋಧನೆಯ ಒಂದು ಪ್ರಮುಖ ಭಾಗವಾಗಿದ್ದರು, ಮತ್ತು ಅದು ಭವಿಷ್ಯದಲ್ಲಿಯೂ ಇರುತ್ತದೆ ಎಂದು ನಾನು ನಿರೀಕ್ಷಿಸುತ್ತೇನೆ.
ಸಾಮಾಜಿಕ ಸಂಶೋಧನೆಯಲ್ಲಿ, ಜನರೊಂದಿಗೆ ಮಾತನಾಡುವುದು ಸಾಮಾನ್ಯವಾಗಿ ಎರಡು ಪ್ರಕಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ: ಸಮೀಕ್ಷೆಗಳು ಮತ್ತು ಆಳವಾದ ಸಂದರ್ಶನಗಳು. ಸರಿಸುಮಾರು ಹೇಳುವುದಾದರೆ, ಸಮೀಕ್ಷೆಗಳಲ್ಲಿ ಬಳಸುವ ಸಂಶೋಧನೆಯು ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಭಾಗಿಗಳ ವ್ಯವಸ್ಥಿತ ನೇಮಕಾತಿಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಹೆಚ್ಚು ರಚನಾತ್ಮಕ ಪ್ರಶ್ನಾವಳಿಗಳು ಮತ್ತು ಭಾಗವಹಿಸುವವರಲ್ಲಿ ದೊಡ್ಡ ಜನಸಂಖ್ಯೆಗೆ ಸಾಮಾನ್ಯೀಕರಿಸುವ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳ ಬಳಕೆ. ಆಳವಾದ ಸಂದರ್ಶನಗಳನ್ನು ಬಳಸಿದ ಸಂಶೋಧನೆಯು, ಮತ್ತೊಂದೆಡೆ, ಸಾಮಾನ್ಯವಾಗಿ ಸಣ್ಣ ಸಂಖ್ಯೆಯ ಪಾಲ್ಗೊಳ್ಳುವವರು, ಅರೆ-ರಚನಾತ್ಮಕ ಸಂಭಾಷಣೆಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ ಮತ್ತು ಭಾಗವಹಿಸುವವರ ಶ್ರೀಮಂತ, ಗುಣಾತ್ಮಕ ವಿವರಣೆಯನ್ನು ಪಡೆಯುತ್ತದೆ. ಸಮೀಕ್ಷೆಗಳು ಮತ್ತು ಆಳವಾದ ಇಂಟರ್ವ್ಯೂಗಳು ಎರಡೂ ಪ್ರಬಲ ವಿಧಾನಗಳಾಗಿವೆ, ಆದರೆ ಅನಲಾಗ್ನಿಂದ ಡಿಜಿಟಲ್ ಯುಗಕ್ಕೆ ಪರಿವರ್ತನೆಯಿಂದ ಸಮೀಕ್ಷೆಗಳು ಹೆಚ್ಚು ಪ್ರಭಾವ ಬೀರುತ್ತವೆ. ಆದ್ದರಿಂದ, ಈ ಅಧ್ಯಾಯದಲ್ಲಿ ನಾನು ಸಮೀಕ್ಷೆ ಸಂಶೋಧನೆಯ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತೇನೆ.
ನಾನು ಈ ಅಧ್ಯಾಯದಲ್ಲಿ ತೋರಿಸಿದಂತೆ, ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧಕರು ಡೇಟಾವನ್ನು ಹೆಚ್ಚು ತ್ವರಿತವಾಗಿ ಮತ್ತು ಅಗ್ಗವಾಗಿ ಸಂಗ್ರಹಿಸಲು, ವಿವಿಧ ರೀತಿಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಲು, ಮತ್ತು ದೊಡ್ಡ ಡೇಟಾ ಮೂಲಗಳೊಂದಿಗೆ ಸಮೀಕ್ಷೆಯ ಡೇಟಾದ ಮೌಲ್ಯವನ್ನು ಹೆಚ್ಚಿಸಲು ಡಿಜಿಟಲ್ ಯುಗವು ಅನೇಕ ರೋಮಾಂಚಕಾರಿ ಅವಕಾಶಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯು ತಾಂತ್ರಿಕ ಬದಲಾವಣೆಯಿಂದ ರೂಪಾಂತರಗೊಳ್ಳುವ ಪರಿಕಲ್ಪನೆಯು ಹೊಸದಲ್ಲ. 1970 ರ ಸುಮಾರಿಗೆ, ಇದೇ ರೀತಿಯ ಬದಲಾವಣೆಯನ್ನು ಬೇರೆ ಸಂವಹನ ತಂತ್ರಜ್ಞಾನದಿಂದ ನಡೆಸಲಾಗುತ್ತಿದೆ: ದೂರವಾಣಿ. ಅದೃಷ್ಟವಶಾತ್, ಟೆಲಿಫೋನ್ ಬದಲಾವಣೆ ಮಾಡಿದ ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯು ಡಿಜಿಟಲ್ ವಯಸ್ಸು ಹೇಗೆ ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆ ಬದಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಊಹಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಸರ್ವೆ ಸಂಶೋಧನೆ, ನಾವು ಇದನ್ನು ಗುರುತಿಸಿದಂತೆ, 1930 ರಲ್ಲಿ ಪ್ರಾರಂಭವಾಯಿತು. ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯ ಮೊದಲ ಯುಗದಲ್ಲಿ, ಸಂಶೋಧಕರು ಯಾದೃಚ್ಛಿಕವಾಗಿ ಭೌಗೋಳಿಕ ಪ್ರದೇಶಗಳನ್ನು (ನಗರದ ಬ್ಲಾಕ್ಗಳು) ಮಾದರಿಯನ್ನು ಹೊಂದಿದ್ದರು ಮತ್ತು ನಂತರ ಯಾದೃಚ್ಛಿಕವಾಗಿ ಮಾದರಿಯ ಮನೆಗಳಲ್ಲಿ ಜನರೊಂದಿಗೆ ಮುಖಾಮುಖಿ ಸಂವಾದಗಳನ್ನು ಹೊಂದಲು ಆ ಪ್ರದೇಶಗಳಿಗೆ ಪ್ರಯಾಣಿಸುತ್ತಾರೆ. ನಂತರ, ತಾಂತ್ರಿಕ ಅಭಿವೃದ್ಧಿಯು-ಶ್ರೀಮಂತ ದೇಶಗಳಲ್ಲಿನ ಲ್ಯಾಂಡ್ಲೈನ್ ದೂರವಾಣಿಗಳ ವ್ಯಾಪಕ ಪ್ರಸರಣ-ಅಂತಿಮವಾಗಿ ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯ ಎರಡನೆಯ ಯುಗಕ್ಕೆ ಕಾರಣವಾಯಿತು. ಈ ಎರಡನೆಯ ಯುಗವು ಜನರು ಮಾದರಿಯನ್ನು ಹೇಗೆ ಬಳಸಿದರು ಮತ್ತು ಹೇಗೆ ಸಂಭಾಷಣೆಗಳನ್ನು ನಡೆಸಿದರು ಎಂಬುದರಲ್ಲಿ ಭಿನ್ನವಾಗಿತ್ತು. ಭೌಗೋಳಿಕ ಪ್ರದೇಶಗಳಲ್ಲಿನ ಕುಟುಂಬಗಳನ್ನು ಮಾದರಿಮಾಡುವುದರ ಬದಲಾಗಿ, ಎರಡನೇ ಯುಗದಲ್ಲಿ ಯಾದೃಚ್ಛಿಕವಾಗಿ ಯಾದೃಚ್ಛಿಕ-ಅಂಕಿಯ ಡಯಲಿಂಗ್ ಎಂಬ ವಿಧಾನದಲ್ಲಿ ದೂರವಾಣಿ ಸಂಖ್ಯೆಯನ್ನು ಪರೀಕ್ಷಿಸಲಾಯಿತು. ಬದಲಿಗೆ ಜನರು ಮಾತನಾಡಲು ಪ್ರಯಾಣಿಸುವ ಬದಲಿಗೆ ಮುಖಾಮುಖಿಯಾಗಿ, ಸಂಶೋಧಕರು ಬದಲಿಗೆ ಅವರನ್ನು ದೂರವಾಣಿ ಕರೆದರು. ಇವುಗಳು ಚಿಕ್ಕ ವ್ಯವಸ್ಥಾಪನಾ ಬದಲಾವಣೆಗಳಂತೆ ಕಾಣಿಸಬಹುದು, ಆದರೆ ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯು ವೇಗವಾಗಿ, ಅಗ್ಗದ, ಮತ್ತು ಸುಲಭವಾಗಿ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ. ಅಧಿಕಾರಕ್ಕೆ ಬರುವುದರ ಜೊತೆಗೆ, ಈ ಬದಲಾವಣೆಗಳು ವಿವಾದಾಸ್ಪದವಾಗಿದ್ದವು ಏಕೆಂದರೆ ಅನೇಕ ಸಂಶೋಧಕರು ಈ ಹೊಸ ನಮೂನೆ ಮತ್ತು ಸಂದರ್ಶನ ವಿಧಾನಗಳು ವೈವಿಧ್ಯಮಯ ದ್ವೇಷಗಳನ್ನು ಪರಿಚಯಿಸಬಹುದೆಂದು ಕಳವಳ ವ್ಯಕ್ತಪಡಿಸಿದರು. ಆದರೆ ಅಂತಿಮವಾಗಿ, ಬಹಳಷ್ಟು ಕೆಲಸದ ನಂತರ, ಯಾದೃಚ್ಛಿಕ-ಅಂಕಿಯ ಡಯಲಿಂಗ್ ಮತ್ತು ದೂರವಾಣಿ ಸಂದರ್ಶನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಡೇಟಾವನ್ನು ಹೇಗೆ ಸಂಗ್ರಹಿಸುವುದು ಎಂದು ಸಂಶೋಧಕರು ಕಂಡುಹಿಡಿದರು. ಹೀಗಾಗಿ, ಸಮಾಜದ ತಾಂತ್ರಿಕ ಮೂಲಭೂತ ಸೌಕರ್ಯವನ್ನು ಯಶಸ್ವಿಯಾಗಿ ಹೇಗೆ ಬಳಸಿಕೊಳ್ಳಬೇಕೆಂಬುದನ್ನು ಕಂಡುಹಿಡಿಯುವ ಮೂಲಕ, ಸಂಶೋಧಕರು ಅವರು ಹೇಗೆ ಸಮೀಕ್ಷೆ ಸಂಶೋಧನೆ ಮಾಡಿದರು ಎಂಬುದನ್ನು ಆಧುನೀಕರಿಸಿದರು.
ಈಗ, ಮತ್ತೊಂದು ತಾಂತ್ರಿಕ ಅಭಿವೃದ್ಧಿ-ಡಿಜಿಟಲ್ ವಯಸ್ಸು-ಅಂತಿಮವಾಗಿ ನಮ್ಮನ್ನು ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯ ಮೂರನೆಯ ಯುಗಕ್ಕೆ ತರುತ್ತದೆ. ಈ ಪರಿವರ್ತನೆಯು ಎರಡನೇ-ಹಂತದ ವಿಧಾನಗಳ (BD Meyer, Mok, and Sullivan 2015) ಕ್ರಮೇಣ ಕೊಳೆಯುವ ಮೂಲಕ ಭಾಗಶಃ ಚಾಲಿತವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ವಿವಿಧ ತಾಂತ್ರಿಕ ಮತ್ತು ಸಾಮಾಜಿಕ ಕಾರಣಗಳಿಗಾಗಿ, ಪ್ರತಿಕ್ರಿಯೆಗಳ ದರಗಳು-ಅಂದರೆ, ಸಮೀಕ್ಷೆಗಳಲ್ಲಿ ಪಾಲ್ಗೊಳ್ಳದ ಮಾದರಿಗಳ ಪ್ರಮಾಣವು ಅನೇಕ ವರ್ಷಗಳವರೆಗೆ ಹೆಚ್ಚುತ್ತಿದೆ (National Research Council 2013) . ಈ ದೀರ್ಘಕಾಲೀನ ಪ್ರವೃತ್ತಿಗಳ ಪ್ರಕಾರ, ಮಾಂಸಾಹಾರಿ ದೂರವಾಣಿ ಸಮೀಕ್ಷೆಗಳಲ್ಲಿ (Kohut et al. 2012) ನಾನ್ಸ್ಪೋನ್ಸ್ ದರ ಈಗ 90% ಗಿಂತ ಹೆಚ್ಚಾಗಬಹುದು.
ಮತ್ತೊಂದೆಡೆ, ಮೂರನೆಯ ಯುಗಕ್ಕೆ ಪರಿವರ್ತನೆಯು ಅತ್ಯಾಕರ್ಷಕ ಹೊಸ ಅವಕಾಶಗಳಿಂದ ಭಾಗಶಃ ಚಾಲಿತವಾಗುತ್ತಿದೆ, ಈ ಅಧ್ಯಾಯದಲ್ಲಿ ನಾನು ವಿವರಿಸುತ್ತೇನೆ. ವಿಷಯಗಳನ್ನು ಇನ್ನೂ ಇತ್ಯರ್ಥವಾಗದಿದ್ದರೂ, ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯ ಮೂರನೇ ಯುಗವು ಸಂಭವನೀಯತೆ ಮಾದರಿ, ಕಂಪ್ಯೂಟರ್-ನಿರ್ವಹಣೆಯ ಇಂಟರ್ವ್ಯೂಗಳು, ಮತ್ತು ದೊಡ್ಡ ಡೇಟಾ ಮೂಲಗಳಿಗೆ (ಟೇಬಲ್ 3.1) ಸಮೀಕ್ಷೆಗಳ ಸಂಪರ್ಕವನ್ನು ಹೊಂದಿರುತ್ತದೆ ಎಂದು ನಾನು ನಿರೀಕ್ಷಿಸುತ್ತೇನೆ.
ನಮೂನೆ | ಸಂದರ್ಶನ | ಡೇಟಾ ಪರಿಸರ | |
---|---|---|---|
ಮೊದಲ ಯುಗ | ಪ್ರದೇಶ ಸಂಭವನೀಯತೆ ಮಾದರಿ | ಮುಖಾಮುಖಿ | ಅದ್ವಿತೀಯ ಸಮೀಕ್ಷೆಗಳು |
ಎರಡನೆಯ ಯುಗ | ಯಾದೃಚ್ಛಿಕ-ಅಂಕಿಯ ಡಯಲಿಂಗ್ (RDD) ಸಂಭವನೀಯತೆ ಮಾದರಿ | ದೂರವಾಣಿ | ಅದ್ವಿತೀಯ ಸಮೀಕ್ಷೆಗಳು |
ಮೂರನೇ ಯುಗ | ಸಂಭವನೀಯತೆ ಸಂಭವನೀಯತೆ | ಕಂಪ್ಯೂಟರ್-ಆಡಳಿತ | ಸಮೀಕ್ಷೆಗಳು ದೊಡ್ಡ ಡೇಟಾ ಮೂಲಗಳೊಂದಿಗೆ ಲಿಂಕ್ ಮಾಡಲಾಗಿದೆ |
ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯ ಎರಡನೆಯ ಮತ್ತು ಮೂರನೆಯ ಯುಗಗಳ ನಡುವಿನ ಪರಿವರ್ತನೆಯು ಸಂಪೂರ್ಣವಾಗಿ ಮೃದುವಾಗಿಲ್ಲ, ಮತ್ತು ಸಂಶೋಧಕರು ಹೇಗೆ ಮುಂದುವರೆಯಬೇಕು ಎಂಬುದರ ಕುರಿತು ತೀವ್ರ ಚರ್ಚೆಗಳು ನಡೆದಿವೆ. ಮೊದಲ ಮತ್ತು ಎರಡನೆಯ ಯುಗಗಳ ನಡುವಿನ ಬದಲಾವಣೆಯನ್ನು ನೋಡುತ್ತಾ, ಈಗ ನಮಗೆ ಒಂದು ಪ್ರಮುಖ ಒಳನೋಟವಿದೆ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ: ಆರಂಭವು ಅಂತ್ಯವಲ್ಲ . ಅಂದರೆ, ಆರಂಭದಲ್ಲಿ ಅನೇಕ ಎರಡನೇ ಯುಗದ ದೂರವಾಣಿ ಆಧಾರಿತ ವಿಧಾನಗಳು ತಾತ್ಕಾಲಿಕವಾಗಿರುತ್ತವೆ ಮತ್ತು ಅವು ಚೆನ್ನಾಗಿ ಕೆಲಸ ಮಾಡಲಿಲ್ಲ. ಆದರೆ, ಹಾರ್ಡ್ ಕೆಲಸದ ಮೂಲಕ, ಸಂಶೋಧಕರು ಈ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಿದರು. ಉದಾಹರಣೆಗೆ, ವಾರೆನ್ ಮಿಟೋಫ್ಸ್ಕಿ ಮತ್ತು ಜೋಸೆಫ್ ವಾಕ್ಸ್ಬರ್ಗ್ ಯಾದೃಚ್ಛಿಕ-ಅಂಕಿಯ ಡಯಲಿಂಗ್ ಸ್ಯಾಂಪಲಿಂಗ್ ವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಮೊದಲು ಸಂಶೋಧಕರು ಹಲವು ವರ್ಷಗಳ ಕಾಲ ಯಾದೃಚ್ಛಿಕ-ಅಂಕಿಯ ಡಯಲಿಂಗ್ ಮಾಡುತ್ತಿದ್ದರು. ಇದು ಉತ್ತಮ ಪ್ರಾಯೋಗಿಕ ಮತ್ತು ಸೈದ್ಧಾಂತಿಕ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿತ್ತು (Waksberg 1978; ??? ) . ಹೀಗಾಗಿ, ನಾವು ಅವರ ಅಂತಿಮ ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ಪ್ರಸ್ತುತದ ಮೂರನೇ-ಹಂತದ ವಿಧಾನಗಳನ್ನು ಗೊಂದಲ ಮಾಡಬಾರದು.
ತಂತ್ರಜ್ಞಾನ ಮತ್ತು ಸಮಾಜದಲ್ಲಿನ ಬದಲಾವಣೆಗಳಿಂದಾಗಿ ಕ್ಷೇತ್ರವು ವಿಕಸನಗೊಳ್ಳುತ್ತದೆ ಎಂದು ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯ ಇತಿಹಾಸ ತೋರಿಸುತ್ತದೆ. ಆ ವಿಕಾಸವನ್ನು ನಿಲ್ಲಿಸಲು ಯಾವುದೇ ಮಾರ್ಗವಿಲ್ಲ. ಬದಲಿಗೆ, ಹಿಂದಿನ ಕಾಲದಿಂದಲೂ ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಸೆಳೆಯುವಲ್ಲಿ ನಾವು ಅದನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಬೇಕು, ಮತ್ತು ನಾನು ಈ ಅಧ್ಯಾಯದಲ್ಲಿ ತೆಗೆದುಕೊಳ್ಳುವ ವಿಧಾನವಾಗಿದೆ. ಮೊದಲನೆಯದಾಗಿ, ದೊಡ್ಡ ಡೇಟಾ ಮೂಲಗಳು ಸಮೀಕ್ಷೆಗಳನ್ನು ಬದಲಿಸುವುದಿಲ್ಲ ಮತ್ತು ದೊಡ್ಡ ದತ್ತಾಂಶ ಮೂಲಗಳ ಸಮೃದ್ಧಿ ಹೆಚ್ಚಾಗುತ್ತದೆ-ಕಡಿಮೆಯಾಗುವುದಿಲ್ಲ-ಸಮೀಕ್ಷೆಗಳ ಮೌಲ್ಯ (ವಿಭಾಗ 3.2) ಎಂದು ನಾನು ವಾದಿಸುತ್ತೇನೆ. ಪ್ರೇರಣೆ ನೀಡಿದರೆ, ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯ ಮೊದಲ ಎರಡು ಯುಗಗಳಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾದ ಒಟ್ಟು ಸಮೀಕ್ಷೆಯ ದೋಷ ಚೌಕಟ್ಟು (ವಿಭಾಗ 3.3) ಅನ್ನು ನಾನು ಸಾರಾಂಶಿಸುತ್ತೇನೆ. ಈ ಫ್ರೇಮ್ವರ್ಕ್ ಪ್ರಾತಿನಿಧ್ಯ-ನಿರ್ದಿಷ್ಟವಾಗಿ, ಸಂಭವನೀಯತೆ-ಅಲ್ಲದ ಸಂಭವನೀಯ ಮಾದರಿಗಳಲ್ಲಿ (ಸೆಕ್ಷನ್ 3.4) ಹೊಸ ವಿಧಾನಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ನಿರ್ದಿಷ್ಟವಾಗಿ ಮಾಪನದ ಹೊಸ ವಿಧಾನಗಳು, ಪ್ರತಿಕ್ರಿಯಿಸುವವರಿಗೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುವ ಹೊಸ ವಿಧಾನಗಳನ್ನು (ವಿಭಾಗ 3.5) ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಅಂತಿಮವಾಗಿ, ಸಮೀಕ್ಷೆ ಡೇಟಾವನ್ನು ದೊಡ್ಡ ಡೇಟಾ ಮೂಲಗಳಿಗೆ (ವಿಭಾಗ 3.6) ಲಿಂಕ್ ಮಾಡಲು ನಾನು ಎರಡು ಸಂಶೋಧನಾ ಟೆಂಪ್ಲೆಟ್ಗಳನ್ನು ವಿವರಿಸುತ್ತೇನೆ.