ಮುಂದಿನದನ್ನು ಓದುವುದು ಏನು

• ಪೀಠಿಕೆ (ವಿಭಾಗ 3.1)

ಈ ಅಧ್ಯಾಯದಲ್ಲಿ ಅನೇಕ ವಿಷಯಗಳು ಇತ್ತೀಚಿನ ಅಧ್ಯಕ್ಷೀಯ ವಿಳಾಸಗಳಲ್ಲಿ Dillman (2002) , Newport (2011) , Santos (2014) ಮತ್ತು Link (2015) Santos (2014) , ಮತ್ತು Link (2015) Santos (2014) ನಂತಹ ಅಮೇರಿಕನ್ ಅಸೋಸಿಯೇಶನ್ ಆಫ್ ಪಬ್ಲಿಕ್ ಒಪೀನಿಯನ್ ರಿಸರ್ಚ್ (ಎಎಪಿಒಆರ್) ನಲ್ಲಿ ಪ್ರತಿಧ್ವನಿಸಿತು. Link (2015) .

ಸಮೀಕ್ಷೆ ಸಂಶೋಧನೆ ಮತ್ತು ಆಳವಾದ ಸಂದರ್ಶನಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸದ ಬಗ್ಗೆ ಹೆಚ್ಚು ನೋಡಿ, Small (2009) . ಆಳವಾದ ಇಂಟರ್ವ್ಯೂಗಳಿಗೆ ಸಂಬಂಧಿಸಿ ಜನಾಂಗಶಾಸ್ತ್ರವನ್ನು ಕರೆಯುವ ವಿಧಾನಗಳ ಕುಟುಂಬವಾಗಿದೆ. ಜನಾಂಗೀಯ ಸಂಶೋಧನೆಯಲ್ಲಿ, ಸಂಶೋಧಕರು ಸಾಮಾನ್ಯವಾಗಿ ತಮ್ಮ ನೈಸರ್ಗಿಕ ಪರಿಸರದಲ್ಲಿ ಭಾಗಿಗಳೊಂದಿಗೆ ಹೆಚ್ಚಿನ ಸಮಯವನ್ನು ಕಳೆಯುತ್ತಾರೆ. ಜನಾಂಗಶಾಸ್ತ್ರ ಮತ್ತು ಆಳವಾದ ಸಂದರ್ಶನಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Jerolmack and Khan (2014) . ಡಿಜಿಟಲ್ ಜನಾಂಗಶಾಸ್ತ್ರದ ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Pink et al. (2015) .

ಸಮೀಕ್ಷೆ ಸಂಶೋಧನೆಯ ಇತಿಹಾಸದ ನನ್ನ ವಿವರಣೆಯು ಸಂಭವಿಸಿದ ಅತ್ಯಾಕರ್ಷಕ ಬೆಳವಣಿಗೆಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ತೀರಾ ಸಂಕ್ಷಿಪ್ತವಾಗಿದೆ. ಹೆಚ್ಚು ಐತಿಹಾಸಿಕ ಹಿನ್ನೆಲೆಗಾಗಿ, Smith (1976) , Converse (1987) , ಮತ್ತು Igo (2008) . ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯ ಮೂರು ಯುಗಗಳ ಕಲ್ಪನೆಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Groves (2011) ಮತ್ತು Dillman, Smyth, and Christian (2008) (ಮೂರು ಯುಗಗಳನ್ನು ಸ್ವಲ್ಪ ವಿಭಿನ್ನವಾಗಿ ವಿಭಜಿಸುವ) ನೋಡಿ.

Groves and Kahn (1979) ಮೊದಲಿನಿಂದ ಎರಡನೆಯ ಯುಗಕ್ಕೆ ಮುಖಾಮುಖಿ ಮತ್ತು ದೂರವಾಣಿ ಸಮೀಕ್ಷೆಯ ನಡುವಿನ ವಿವರವಾದ ತಲೆ-ಟು-ತಲೆ ಹೋಲಿಕೆ ಮಾಡುವ ಮೂಲಕ ಪರಿವರ್ತನೆಯಲ್ಲಿ ಒಂದು ಪೀಕ್ ಅನ್ನು ನೀಡುತ್ತವೆ. ( ??? ) ಯಾದೃಚ್ಛಿಕ-ಅಂಕಿಯ-ಡಾಯಲಿಂಗ್ ಮಾದರಿಯ ವಿಧಾನಗಳ ಐತಿಹಾಸಿಕ ಬೆಳವಣಿಗೆಯನ್ನು ಹಿಂತಿರುಗಿ ನೋಡಿ.

ಸಮಾಜದಲ್ಲಿನ ಬದಲಾವಣೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿ ಹಿಂದೆ ಹೇಗೆ ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆ ಬದಲಾಗಿದೆ, Tourangeau (2004) , ( ??? ) , ಮತ್ತು Couper (2011) .

• ಗಮನಿಸುವುದರ ವಿರುದ್ಧವಾಗಿ (ವಿಭಾಗ 3.2)

ಮನೋವಿಜ್ಞಾನಿಗಳು (ಉದಾಹರಣೆಗೆ, Jerolmack and Khan (2014) , Jerolmack and Khan (2014) Baumeister, Vohs, and Funder (2007) ) ಮತ್ತು ಸಮಾಜಶಾಸ್ತ್ರಜ್ಞರು (ಉದಾಹರಣೆಗೆ, Jerolmack and Khan (2014) ; Maynard (2014) ; Cerulo (2014) ; Vaisey (2014) Cerulo (2014) Vaisey (2014) ; Jerolmack and Khan (2014) ]. ಕೇಳುವ ಮತ್ತು ಗಮನಿಸುವುದರ ನಡುವಿನ ವ್ಯತ್ಯಾಸವು ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ ಉಂಟಾಗುತ್ತದೆ, ಅಲ್ಲಿ ಸಂಶೋಧಕರು ಹೇಳುವ ಮತ್ತು ಬಹಿರಂಗ ಆದ್ಯತೆಗಳ ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತಾರೆ.ಉದಾಹರಣೆಗೆ, ಸಂಶೋಧಕರು ಐಸ್ ಕ್ರೀಮ್ ತಿನ್ನುವುದು ಅಥವಾ ಜಿಮ್ (ಹೇಳಿಕೆ ಆದ್ಯತೆಗಳು), ಅಥವಾ ಜನರು ಎಷ್ಟು ಬಾರಿ ಐಸ್ಕ್ರೀಮ್ವನ್ನು ತಿನ್ನುತ್ತಾರೆ ಮತ್ತು ಜಿಮ್ಗೆ (ಬಹಿರಂಗ ಆದ್ಯತೆಗಳು) ಹೋಗುತ್ತಾರೆ ಎಂಬುದನ್ನು ಗಮನಿಸಬಹುದು Hausman (2012) ವಿವರಿಸಿದಂತೆ ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ ಕೆಲವು ರೀತಿಯ ಹೇಳಿಕೆಗಳ ಆದ್ಯತೆಯ ಮಾಹಿತಿಯ ಬಗ್ಗೆ ಆಳವಾದ Hausman (2012) .

ಈ ಚರ್ಚೆಯ ಮುಖ್ಯ ವಿಷಯವೆಂದರೆ ವರದಿ ನಡವಳಿಕೆ ಯಾವಾಗಲೂ ನಿಖರವಾಗಿಲ್ಲ. ಆದರೆ, 2 ನೇ ಅಧ್ಯಾಯದಲ್ಲಿ ವಿವರಿಸಿದಂತೆ, ದೊಡ್ಡ ಡೇಟಾ ಮೂಲಗಳು ನಿಖರವಾಗಿರಬಾರದು, ಅವರು ಆಸಕ್ತಿ ಮಾದರಿಯಲ್ಲಿ ಸಂಗ್ರಹಿಸಲ್ಪಡದಿರಬಹುದು ಮತ್ತು ಸಂಶೋಧಕರಿಗೆ ಅವುಗಳನ್ನು ಪ್ರವೇಶಿಸಲಾಗುವುದಿಲ್ಲ. ಹೀಗಾಗಿ, ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ ವರದಿ ಮಾಡಲಾದ ನಡವಳಿಕೆ ಉಪಯುಕ್ತವಾಗಬಹುದು ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ. ಇದಲ್ಲದೆ, ಈ ಚರ್ಚೆಯ ಎರಡನೇ ಪ್ರಮುಖ ವಿಷಯವೆಂದರೆ ಭಾವನೆಗಳು, ಜ್ಞಾನ, ನಿರೀಕ್ಷೆಗಳು ಮತ್ತು ಅಭಿಪ್ರಾಯಗಳ ಬಗ್ಗೆ ವರದಿಗಳು ಯಾವಾಗಲೂ ನಿಖರವಾಗಿಲ್ಲ. ಆದರೆ, ಈ ಆಂತರಿಕ ರಾಜ್ಯಗಳ ಕುರಿತಾದ ಮಾಹಿತಿಯು ಸಂಶೋಧಕರು-ಕೆಲವು ನಡವಳಿಕೆಯನ್ನು ಅಥವಾ ವಿವರಿಸಬೇಕಾದ ಸಂಗತಿಗಳನ್ನು ವಿವರಿಸಲು ಸಹಾಯಮಾಡಲು ಅಗತ್ಯವಿದ್ದರೆ- ನಂತರ ಕೇಳುವುದು ಸೂಕ್ತವಾಗಿದೆ. ಸಹಜವಾಗಿ, ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುವುದರ ಮೂಲಕ ಆಂತರಿಕ ರಾಜ್ಯಗಳ ಬಗ್ಗೆ ಕಲಿಯುವುದು ತೊಂದರೆಗೊಳಗಾಗಬಹುದು ಏಕೆಂದರೆ ಕೆಲವೊಮ್ಮೆ ಪ್ರತಿಕ್ರಿಯಿಸುವವರು ತಮ್ಮ ಆಂತರಿಕ ರಾಜ್ಯಗಳ ಬಗ್ಗೆ ತಿಳಿದಿರುವುದಿಲ್ಲ (Nisbett and Wilson 1977) .

• ಒಟ್ಟು ಸಮೀಕ್ಷೆಯ ದೋಷ (ವಿಭಾಗ 3.3)

Groves (2004) ಅಧ್ಯಾಯ 1 ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧಕರು ಬಳಸಿದ ಸಾಂದರ್ಭಿಕವಾಗಿ ಅಸಮಂಜಸ ಪರಿಭಾಷೆಯನ್ನು ಒಟ್ಟು ಸಮೀಕ್ಷೆಯ ದೋಷ ಚೌಕಟ್ಟನ್ನು ವಿವರಿಸಲು ಅತ್ಯುತ್ತಮ ಕೆಲಸವನ್ನು ಮಾಡುತ್ತದೆ. ಒಟ್ಟು ಸಮೀಕ್ಷೆಯ ದೋಷ ಚೌಕಟ್ಟಿನ ಒಂದು ಪುಸ್ತಕ-ಉದ್ದದ ಚಿಕಿತ್ಸೆಯಲ್ಲಿ, Groves et al. (2009) , ಮತ್ತು ಐತಿಹಾಸಿಕ ಅವಲೋಕನಕ್ಕಾಗಿ, Groves and Lyberg (2010) .

ದೋಷಗಳನ್ನು ದೋಷಪೂರಿತವಾಗಿ ವಿಂಗಡಿಸುವುದರ ಕಲ್ಪನೆಯು ಯಂತ್ರ ಕಲಿಕೆಯಲ್ಲಿಯೂ ಸಹ ಕಂಡುಬರುತ್ತದೆ; ನೋಡಿ, ಉದಾಹರಣೆಗೆ, Hastie, Tibshirani, and Friedman (2009) ವಿಭಾಗ 7.3. ಇದು ಹೆಚ್ಚಾಗಿ ಸಂಶೋಧಕರು "ಪಕ್ಷಪಾತ-ವ್ಯತ್ಯಾಸ" ವ್ಯಾಪಾರ-ವಿನಿಮಯದ ಬಗ್ಗೆ ಮಾತನಾಡಲು ಕಾರಣವಾಗುತ್ತದೆ.

ಪ್ರಾತಿನಿಧ್ಯದ ವಿಷಯದಲ್ಲಿ, ನಾನ್ ರೆಸ್ಪಾನ್ಸ್ ಮತ್ತು ವಿಪರ್ಯಾಸದ ಪಕ್ಷಪಾತದ ವಿಷಯಗಳಿಗೆ ಉತ್ತಮ ಪರಿಚಯವೆಂದರೆ ನ್ಯಾಷನಲ್ ರಿಸರ್ಚ್ ಕೌನ್ಸಿಲ್ ವರದಿ ಸೋಶಿಯಲ್ ಸೈನ್ಸ್ ಸಮೀಕ್ಷೆಗಳಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯೆ ಇಲ್ಲ: ಎ ರಿಸರ್ಚ್ ಅಜೆಂಡಾ (2013) . Groves (2006) ಇನ್ನೊಂದು ಉಪಯುಕ್ತ ಅವಲೋಕನವನ್ನು ನೀಡಲಾಗಿದೆ. ಅಲ್ಲದೆ, ಅಧಿಕೃತ ಅಂಕಿಅಂಶಗಳ ಜರ್ನಲ್ , ಸಾರ್ವಜನಿಕ ಅಭಿಪ್ರಾಯ ಕ್ವಾರ್ಟರ್ಲಿ , ಮತ್ತು ರಾಜಕೀಯ ಮತ್ತು ಸಾಮಾಜಿಕ ವಿಜ್ಞಾನದ ಅಮೆರಿಕನ್ ಅಕಾಡೆಮಿಯ ಆನ್ನಲ್ಸ್ನ ಸಂಪೂರ್ಣ ವಿಶೇಷ ವಿಚಾರಗಳನ್ನು ಪ್ರತಿಕ್ರಿಯೆಗೆ ತಕ್ಕಂತೆ ಪ್ರಕಟಿಸಲಾಗಿದೆ. ಅಂತಿಮವಾಗಿ, ಪ್ರತಿಕ್ರಿಯೆಯ ದರವನ್ನು ಲೆಕ್ಕಮಾಡುವ ಅನೇಕ ವಿಭಿನ್ನ ಮಾರ್ಗಗಳಿವೆ; ಈ ವಿಧಾನಗಳನ್ನು ದಿ ಅಮೆರಿಕನ್ ಅಸೋಸಿಯೇಷನ್ ​​ಆಫ್ ಪಬ್ಲಿಕ್ ಒಪೀನಿಯನ್ ರಿಸರ್ಚರ್ಸ್ (AAPOR) ( ??? ) ) ವರದಿಯಲ್ಲಿ ವಿವರವಾಗಿ ವಿವರಿಸಲಾಗಿದೆ.

1936 ಲಿಟರರಿ ಡೈಜೆಸ್ಟ್ ಸಮೀಕ್ಷೆಯಲ್ಲಿ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, ನೋಡಿ Bryson (1976) , Squire (1988) , Cahalan (1989) , ಮತ್ತು Lusinchi (2012) . ಈ ಪೋಲ್ನ ಮತ್ತೊಂದು ಚರ್ಚೆಗೆ ಅಸ್ಪಷ್ಟ ಡೇಟಾ ಸಂಗ್ರಹಣೆಯ ವಿರುದ್ಧ ನೀತಿಕಥೆಯ ಎಚ್ಚರಿಕೆಯಾಗಿ, Gayo-Avello (2011) . 1936 ರಲ್ಲಿ, ಜಾರ್ಜ್ ಗ್ಯಾಲಿಪ್ ಹೆಚ್ಚು ಅತ್ಯಾಧುನಿಕ ಮಾದರಿ ಮಾದರಿಯನ್ನು ಬಳಸಿದನು ಮತ್ತು ಹೆಚ್ಚು ಚಿಕ್ಕದಾದ ಮಾದರಿಯೊಂದಿಗೆ ಹೆಚ್ಚು ನಿಖರವಾದ ಅಂದಾಜುಗಳನ್ನು ತಯಾರಿಸಲು ಸಾಧ್ಯವಾಯಿತು. @ Convey_987 @ 3 ನೇ ಅಧ್ಯಾಯದಲ್ಲಿ ವಿವರಿಸಲಾದಂತೆ, ಲಿಟರರಿ ಡೈಜೆಸ್ಟ್ನ ಕುರಿತಾದ ಗ್ಯಾಲಪ್ನ ಯಶಸ್ಸು ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯ ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ಒಂದು ಮೈಲಿಗಲ್ಲಾಗಿದೆ; Ohmer (2006) ಅಧ್ಯಾಯ 4 Ohmer (2006) ; ಮತ್ತು @ igo_averaged_2008 ರಲ್ಲಿ ಅಧ್ಯಾಯ 3.

ಮಾಪನದ ಪರಿಭಾಷೆಯಲ್ಲಿ, ಪ್ರಶ್ನಾವಳಿಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು ಉತ್ತಮವಾದ ಮೊದಲ ಸಂಪನ್ಮೂಲವೆಂದರೆ Bradburn, Sudman, and Wansink (2004) . ಹೆಚ್ಚು ಮುಂದುವರಿದ ಚಿಕಿತ್ಸೆಗಳಿಗಾಗಿ, Schuman and Presser (1996) , ಇದು ನಿರ್ದಿಷ್ಟವಾಗಿ ಧೋರಣೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಂದ್ರೀಕರಿಸಿದೆ, ಮತ್ತು Saris and Gallhofer (2014) , ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿದೆ. ಮಾಪನಕ್ಕೆ ಸ್ವಲ್ಪ ವಿಭಿನ್ನವಾದ ವಿಧಾನವನ್ನು ಸೈಕೋಮೆಟ್ರಿಕ್ಸ್ನಲ್ಲಿ ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ, ಇದನ್ನು ವಿವರಿಸಿದಂತೆ ( ??? ) . Pretesting ಹೆಚ್ಚು ಲಭ್ಯವಿದೆ Presser and Blair (1994) , Presser et al. (2004) , ಮತ್ತು Groves et al. (2009) 8 ನೇ ಅಧ್ಯಾಯ Groves et al. (2009) . ಸಮೀಕ್ಷೆಯ ಪ್ರಯೋಗಗಳ ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Mutz (2011) .

ವೆಚ್ಚದ ದೃಷ್ಟಿಯಿಂದ, ಸಮೀಕ್ಷೆಯ ವೆಚ್ಚ ಮತ್ತು ಸಮೀಕ್ಷೆಯ ದೋಷಗಳ ನಡುವಿನ ವ್ಯಾಪಾರದ ಶ್ರೇಷ್ಠ, ಪುಸ್ತಕ-ಉದ್ದದ ಚಿಕಿತ್ಸೆ Groves (2004) .

• ಯಾರು ಕೇಳಬೇಕು (ವಿಭಾಗ 3.4)

ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಸಂಭವನೀಯತೆ ಮಾದರಿ ಮತ್ತು ಅಂದಾಜಿನ ಎರಡು ಶ್ರೇಷ್ಠ ಪುಸ್ತಕ-ಉದ್ದದ ಚಿಕಿತ್ಸೆಗಳು Särndal, Swensson, and Wretman (2003) Lohr (2009) (ಹೆಚ್ಚು ಪರಿಚಯಾತ್ಮಕ) ಮತ್ತು Särndal, Swensson, and Wretman (2003) (ಹೆಚ್ಚು ಮುಂದುವರಿದ). ಪೋಸ್ಟ್-ಸ್ಟ್ರ್ಯಾಟಿಫಿಕೇಷನ್ ಮತ್ತು ಸಂಬಂಧಿತ ವಿಧಾನಗಳ ಶ್ರೇಷ್ಠ ಪುಸ್ತಕ-ಉದ್ದದ ಚಿಕಿತ್ಸೆಯಾಗಿದೆ Särndal and Lundström (2005) . ಕೆಲವು ಡಿಜಿಟಲ್-ವಯಸ್ಸು ಸೆಟ್ಟಿಂಗ್ಗಳಲ್ಲಿ, ಸಂಶೋಧಕರು ಹಿಂದೆಂದೂ ನಿಜವಾಗದೇ ಇರುವ ಪ್ರತಿಸ್ಪಂದಕರ ಬಗ್ಗೆ ಸ್ವಲ್ಪ ತಿಳಿದಿದ್ದಾರೆ. Kalton and Flores-Cervantes (2003) ಮತ್ತು Smith (2011) ವಿವರಿಸಿದಂತೆ ಸಂಶೋಧಕರು Kalton and Flores-Cervantes (2003) ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿರುವಾಗ Kalton and Flores-Cervantes (2003) ಹೊಂದಾಣಿಕೆಗಳ ವಿಭಿನ್ನ ರೂಪಗಳು ಸಾಧ್ಯವಿದೆ.

W. Wang et al. (2015) ಅವರ ಎಕ್ಸ್ಬಾಕ್ಸ್ ಅಧ್ಯಯನ W. Wang et al. (2015) ಮಲ್ಟಿಲೆವೆಲ್ ರಿಗ್ರೆಶನ್ ಮತ್ತು ಪೋಸ್ಟ್-ಸ್ಟ್ರ್ಯಾಟಿಫಿಕೇಷನ್ ("ಮಿಸ್ಟರ್ ಪಿ.") ಎಂಬ ತಂತ್ರವನ್ನು ಬಳಸುತ್ತದೆ, ಇದು ಸಂಶೋಧಕರಿಗೆ ಗುಂಪನ್ನು ಅಂದಾಜು ಮಾಡಲು ಹಲವು ಗುಂಪುಗಳು ಇರುವಾಗಲೂ ಸಹ ಅರ್ಥ ನೀಡುತ್ತದೆ. ಈ ವಿಧಾನದಿಂದ ಅಂದಾಜುಗಳ ಗುಣಮಟ್ಟ ಕುರಿತು ಚರ್ಚೆ ಇದ್ದರೂ, ಇದು ಅನ್ವೇಷಿಸಲು ಒಂದು ಭರವಸೆಯ ಪ್ರದೇಶದಂತೆ ತೋರುತ್ತದೆ. ತಂತ್ರವನ್ನು ಮೊದಲ ಬಾರಿಗೆ Park, Gelman, and Bafumi (2004) ಬಳಸಲಾಯಿತು ಮತ್ತು ನಂತರದ ಬಳಕೆ ಮತ್ತು ಚರ್ಚೆ ನಡೆಯುತ್ತಿದೆ (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) . ವೈಯಕ್ತಿಕ ತೂಕ ಮತ್ತು ಗುಂಪಿನ ತೂಕ ನಡುವಿನ ಸಂಪರ್ಕದ ಬಗ್ಗೆ ಹೆಚ್ಚು ನೋಡಿ, Gelman (2007) .

ತೂಕದ ವೆಬ್ ಸಮೀಕ್ಷೆಗಳಿಗೆ ಇತರ ವಿಧಾನಗಳಿಗೆ, Schonlau et al. (2009) ನೋಡಿ Schonlau et al. (2009) , Bethlehem (2010) , ಮತ್ತು Valliant and Dever (2011) . ಆನ್ಲೈನ್ ​​ಪ್ಯಾನಲ್ಗಳು ಸಂಭಾವ್ಯ ಮಾದರಿ ಅಥವಾ ಸಂಭವನೀಯತೆ ಮಾದರಿಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳಬಹುದು. ಆನ್ಲೈನ್ ​​ಪ್ಯಾನೆಲ್ಗಳಲ್ಲಿ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Callegaro et al. (2014) .

ಸಂಭವನೀಯತೆ ಮಾದರಿಗಳು ಮತ್ತು ಸಂಭವನೀಯತೆ (Ansolabehere and Schaffner 2014) ಒಂದೇ ರೀತಿಯ ಗುಣಮಟ್ಟದ (Ansolabehere and Schaffner 2014) ಅಂದಾಜುಗಳನ್ನು ನೀಡುತ್ತದೆ ಎಂದು ಸಂಶೋಧಕರು ಕಂಡುಹಿಡಿದಿದ್ದಾರೆ, ಆದರೆ ಸಂಭವನೀಯತೆಯ ಸಂಭಾವ್ಯ ಮಾದರಿಗಳು ಕೆಟ್ಟದಾಗಿವೆ ಎಂದು ಕಂಡುಹಿಡಿದಿದ್ದಾರೆ (Malhotra and Krosnick 2007; Yeager et al. 2011) . ಈ ಭಿನ್ನತೆಗಳಿಗೆ ಒಂದು ಸಂಭವನೀಯ ಕಾರಣವೆಂದರೆ, ಸಂಭವನೀಯತೆ-ಅಲ್ಲದ ಮಾದರಿಗಳು ಕಾಲಾವಧಿಯಲ್ಲಿ ಸುಧಾರಣೆಯಾಗಿವೆ. ಸಂಭವನೀಯತೆ-ಅಲ್ಲದ ಮಾದರಿ ವಿಧಾನಗಳ ಹೆಚ್ಚು ನಿರಾಶಾವಾದದ ದೃಷ್ಟಿಕೋನಕ್ಕಾಗಿ ಸಂಭಾವ್ಯತೆ-ಅಲ್ಲದ ಸಂಭಾವ್ಯ (Baker et al. 2013) ನಲ್ಲಿ AAPOR ಟಾಸ್ಕ್ ಫೋರ್ಸ್ ಅನ್ನು ನೋಡಿ, ಮತ್ತು ಸಾರಾಂಶ ವರದಿಯನ್ನು ಅನುಸರಿಸುವ ವ್ಯಾಖ್ಯಾನವನ್ನು ಓದುವುದನ್ನು ನಾನು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.

• ಹೇಗೆ ಕೇಳಬೇಕು (ವಿಭಾಗ 3.5)

Conrad and Schober (2008) ಭವಿಷ್ಯದ ಸಮೀಕ್ಷೆ ಸಂದರ್ಶನ ಎಂಬುವೆಸಿಂಗ್ ಶೀರ್ಷಿಕೆಯ ಪರಿಷ್ಕೃತ ಪರಿಮಾಣವಾಗಿದ್ದು, ಇದು ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುವ ಭವಿಷ್ಯದ ಬಗ್ಗೆ ವಿವಿಧ ದೃಷ್ಟಿಕೋನಗಳನ್ನು ನೀಡುತ್ತದೆ. Couper (2011) ಇದೇ ರೀತಿಯ ವಿಷಯಗಳನ್ನು ತಿಳಿಸುತ್ತದೆ, ಮತ್ತು Schober et al. (2015) ಹೊಸ ಸೆಟ್ಟಿಂಗ್ಗೆ ಅನುಗುಣವಾದ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ವಿಧಾನಗಳು ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಡೇಟಾಕ್ಕೆ ಕಾರಣವಾಗಬಹುದು ಎಂಬುದರ ಉತ್ತಮ ಉದಾಹರಣೆಯಾಗಿದೆ. ಸಮಾಜದಲ್ಲಿ ಬದಲಾವಣೆಗಳನ್ನು ಹೊಂದಲು ಸಮೀಕ್ಷೆ ಸಂಶೋಧನೆಯ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸರಿಹೊಂದಿಸುವುದನ್ನು ಮುಂದುವರೆಸುವುದರ ಬಗ್ಗೆ Schober and Conrad (2015) ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾದ ವಾದವನ್ನು ನೀಡುತ್ತವೆ.

Tourangeau and Yan (2007) ಸಾಮಾಜಿಕ ಬಯಕೆಗಳ ಸೂಕ್ಷ್ಮ ಪ್ರಶ್ನೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಸಮಸ್ಯೆಗಳನ್ನು ವಿಮರ್ಶಿಸಿ, ಮತ್ತು Lind et al. (2013) ಜನರು ಕಂಪ್ಯೂಟರ್-ಆಡಳಿತ ಸಂದರ್ಶನದಲ್ಲಿ ಹೆಚ್ಚಿನ ಸೂಕ್ಷ್ಮ ಮಾಹಿತಿಯನ್ನು ಬಹಿರಂಗಪಡಿಸುವ ಕಾರಣದಿಂದಾಗಿ ಕೆಲವು ಕಾರಣಗಳನ್ನು ಒದಗಿಸುತ್ತವೆ. ಸಮೀಕ್ಷೆಗಳಲ್ಲಿ ಹೆಚ್ಚಿದ ಪಾಲ್ಗೊಳ್ಳುವಿಕೆಯ ದರಗಳಲ್ಲಿ ಮಾನವ ಸಂದರ್ಶಕರ ಪಾತ್ರಕ್ಕಾಗಿ, Maynard and Schaeffer (1997) , Maynard, Freese, and Schaeffer (2010) , Conrad et al. (2013) , ಮತ್ತು Schaeffer et al. (2013) . ಮಿಶ್ರ-ಮೋಡ್ ಸಮೀಕ್ಷೆಗಳ ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Dillman, Smyth, and Christian (2014) .

Stone et al. (2007) ಪರಿಸರ ವಿಜ್ಞಾನದ ಕ್ಷಣಿಕ ಮೌಲ್ಯಮಾಪನ ಮತ್ತು ಸಂಬಂಧಿತ ವಿಧಾನಗಳ ಪುಸ್ತಕ-ಉದ್ದದ ಚಿಕಿತ್ಸೆಯನ್ನು ನೀಡುತ್ತವೆ.

ಭಾಗವಹಿಸುವವರಿಗೆ ಸಮೀಕ್ಷೆಗಳನ್ನು ಆಹ್ಲಾದಿಸಬಹುದಾದ ಮತ್ತು ಮೌಲ್ಯಯುತವಾದ ಅನುಭವ ಮಾಡುವ ಕುರಿತು ಹೆಚ್ಚಿನ ಸಲಹೆಗಳಿಗಾಗಿ, ವಿನ್ಯಾಸ ವಿನ್ಯಾಸ ವಿಧಾನ (Dillman, Smyth, and Christian 2014) . ಸಾಮಾಜಿಕ ವಿಜ್ಞಾನ ಸಮೀಕ್ಷೆಗಳಿಗೆ ಫೇಸ್ಬುಕ್ ಅಪ್ಲಿಕೇಶನ್ಗಳನ್ನು ಬಳಸುವ ಮತ್ತೊಂದು ಕುತೂಹಲಕಾರಿ ಉದಾಹರಣೆಗಾಗಿ, ನೋಡಿ Bail (2015) .

• ಸಮೀಕ್ಷೆಗಳು ದೊಡ್ಡ ಡೇಟಾ ಮೂಲಗಳೊಂದಿಗೆ ಲಿಂಕ್ ಮಾಡಲಾಗಿದೆ (ವಿಭಾಗ 3.6)

Judson (2007) ಸಮೀಕ್ಷೆಗಳು ಮತ್ತು ಆಡಳಿತಾತ್ಮಕ ಮಾಹಿತಿಯನ್ನು "ಮಾಹಿತಿ ಏಕೀಕರಣ" ಎಂದು ಸೇರಿಸುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ವಿವರಿಸುತ್ತದೆ ಮತ್ತು ಈ ವಿಧಾನದ ಕೆಲವು ಪ್ರಯೋಜನಗಳನ್ನು ಚರ್ಚಿಸುತ್ತಾನೆ ಮತ್ತು ಕೆಲವು ಉದಾಹರಣೆಗಳನ್ನು ನೀಡುತ್ತಾನೆ.

ಪುಷ್ಟೀಕರಿಸಿದ ಕೇಳುವಿಕೆಯ ಬಗ್ಗೆ ಮತದಾನವನ್ನು ಮೌಲ್ಯೀಕರಿಸಲು ಹಲವು ಹಿಂದಿನ ಪ್ರಯತ್ನಗಳು ನಡೆದಿವೆ. ಆ ಸಾಹಿತ್ಯದ ಒಂದು ಅವಲೋಕನಕ್ಕಾಗಿ, Belli et al. (1999) , Ansolabehere and Hersh (2012) , Hanmer, Banks, and White (2014) , ಮತ್ತು Berent, Krosnick, and Lupia (2016) . Ansolabehere and Hersh (2012) ಪ್ರಸ್ತುತಪಡಿಸಲಾದ ಫಲಿತಾಂಶಗಳ ಬಗ್ಗೆ ಹೆಚ್ಚು Ansolabehere and Hersh (2012) , Ansolabehere and Hersh (2012) Berent, Krosnick, and Lupia (2016) Ansolabehere and Hersh (2012) .

ಕ್ಯಾಟಲಿಸ್ಟ್ನಿಂದ ಪಡೆದ ಮಾಹಿತಿಯ ಗುಣಮಟ್ಟದಿಂದ ಅನ್ಸೊಬೆಬೀ ಮತ್ತು ಹೆರ್ಷ್ರನ್ನು ಪ್ರೋತ್ಸಾಹಿಸಿದ್ದರೂ, ವ್ಯಾಪಾರಿ ಮಾರಾಟಗಾರರ ಇತರ ಮೌಲ್ಯಮಾಪನಗಳು ಕಡಿಮೆ ಉತ್ಸಾಹದಾಯಕವಾಗಿವೆ ಎಂದು ಗಮನಿಸುವುದು ಮುಖ್ಯ. Pasek et al. (2014) ಸಮೀಕ್ಷೆಯ ಡೇಟಾವನ್ನು ಮಾರ್ಕೆಟಿಂಗ್ ಸಿಸ್ಟಮ್ಸ್ ಗ್ರೂಪ್ನಿಂದ ಗ್ರಾಹಕ ಫೈಲ್ನೊಂದಿಗೆ ಹೋಲಿಸಿದಾಗ ಕಳಪೆ ಗುಣಮಟ್ಟವನ್ನು ಕಂಡುಕೊಂಡಿದೆ (ಇದು ಮೂರು ಪೂರೈಕೆದಾರರಿಂದ ಡೇಟಾವನ್ನು ವಿಲೀನಗೊಳಿಸಿದೆ: ಅಕ್ಸಿಸಿಯಾಮ್, ಎಕ್ಸ್ಪೀರಿಯನ್, ಮತ್ತು ಇನ್ಫೋUSಎಎ). ಅಂದರೆ, ಸಂಶೋಧಕರು ಸರಿಯಾಗಿ ನಿರೀಕ್ಷೆಯಿದೆ ಎಂದು ಸಮೀಕ್ಷೆಯ ಪ್ರತಿಕ್ರಿಯೆಗಳಿಗೆ ಡೇಟಾ ಫೈಲ್ ಹೊಂದಿಕೆಯಾಗಲಿಲ್ಲ, ಗ್ರಾಹಕ ಫೈಲ್ಗಳು ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಪ್ರಶ್ನೆಗಳಿಗೆ ಡೇಟಾವನ್ನು ಕಳೆದುಕೊಂಡಿವೆ ಮತ್ತು ಕಳೆದುಹೋದ ಡೇಟಾ ಮಾದರಿಯು ವರದಿ ಮಾಡಿದ ಸಮೀಕ್ಷೆಯ ಮೌಲ್ಯದೊಂದಿಗೆ ಸಂಬಂಧಿಸಿದೆ (ಅಂದರೆ, ಕಾಣೆಯಾಗಿದೆ ಡೇಟಾವು ವ್ಯವಸ್ಥಿತವಾಗಿದೆ, ಯಾದೃಚ್ಛಿಕವಲ್ಲ).

ಸಮೀಕ್ಷೆಗಳು ಮತ್ತು ಆಡಳಿತಾತ್ಮಕ ಮಾಹಿತಿಯ ನಡುವಿನ ದಾಖಲೆಯ Sakshaug and Kreuter (2012) , Sakshaug and Kreuter (2012) ಮತ್ತು Schnell (2013) . ಸಾಮಾನ್ಯವಾಗಿ ರೆಕಾರ್ಡ್ Fellegi and Sunter (1969) ನೋಡಿ, Dunn (1946) ಮತ್ತು Fellegi and Sunter (1969) (ಐತಿಹಾಸಿಕ) ಮತ್ತು Larsen and Winkler (2014) (ಆಧುನಿಕ). ಡೇಟಾದ ನಕಲು, ಉದಾಹರಣೆಗೆ ಗುರುತಿಸುವಿಕೆ, ಹೆಸರು ಹೊಂದಾಣಿಕೆ, ನಕಲಿ ಪತ್ತೆ ಮತ್ತು ನಕಲು ದಾಖಲೆ ಪತ್ತೆಹಚ್ಚುವಿಕೆ (Elmagarmid, Ipeirotis, and Verykios 2007) ಮುಂತಾದ ಹೆಸರುಗಳ ಅಡಿಯಲ್ಲಿ ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನದಲ್ಲಿ ಇದೇ ರೀತಿಯ ವಿಧಾನಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ. ವೈಯಕ್ತಿಕವಾಗಿ ಗುರುತಿಸುವ ಮಾಹಿತಿ (Schnell 2013) ರವಾನೆಯ ಅಗತ್ಯವಿರದ ಲಿಂಕ್ಗಳನ್ನು ರೆಕಾರ್ಡ್ ಮಾಡುವ ಗೌಪ್ಯತೆ-ಸಂರಕ್ಷಿಸುವ ವಿಧಾನಗಳು ಸಹ ಇವೆ. ಫೇಸ್ಬುಕ್ನಲ್ಲಿನ ಸಂಶೋಧಕರು ಸಂಭವನೀಯವಾಗಿ ತಮ್ಮ ದಾಖಲೆಗಳನ್ನು ಮತದಾನದ ವರ್ತನೆಗೆ (Jones et al. 2013) ಲಿಂಕ್ ಮಾಡಲು ಒಂದು ವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು; ಈ ಸಂಪರ್ಕವು ಪ್ರಯೋಗವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಮಾಡಲಾಯಿತು ನಾನು ಅಧ್ಯಾಯ 4 (Bond et al. 2012) . ರೆಕಾರ್ಡ್ Sakshaug et al. (2012) ಒಪ್ಪಿಗೆಯನ್ನು ಪಡೆಯುವುದಕ್ಕಾಗಿ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Sakshaug et al. (2012) ನೋಡಿ Sakshaug et al. (2012) .

ಸರ್ಕಾರಿ ಆಡಳಿತದ ದಾಖಲೆಗಳಿಗೆ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಸಾಮಾಜಿಕ ಸಮೀಕ್ಷೆಯನ್ನು ಸಂಪರ್ಕಿಸುವ ಇನ್ನೊಂದು ಉದಾಹರಣೆ ಆರೋಗ್ಯ ಮತ್ತು ನಿವೃತ್ತಿ ಸಮೀಕ್ಷೆ ಮತ್ತು ಸಾಮಾಜಿಕ ಭದ್ರತಾ ಆಡಳಿತದಿಂದ ಬಂದಿದೆ. ಸಮ್ಮತಿಯ ಕಾರ್ಯವಿಧಾನದ ಕುರಿತಾದ ಮಾಹಿತಿಯನ್ನೂ ಒಳಗೊಂಡಂತೆ ಆ ಅಧ್ಯಯನದ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, ಓಲ್ಸನ್ (1996, 1999) .

ಆಡಳಿತಾತ್ಮಕ ದಾಖಲೆಗಳ ಅನೇಕ ಮೂಲಗಳನ್ನು ಮಾಸ್ಟರ್ ಡೇಟಾಫೈಲ್ ಆಗಿ ಜೋಡಿಸುವ ಪ್ರಕ್ರಿಯೆ-ಕ್ಯಾಟಲಿಸ್ಟ್ ನೇಮಕ ಮಾಡುವ ಪ್ರಕ್ರಿಯೆಯು ಕೆಲವು ರಾಷ್ಟ್ರೀಯ ಸರ್ಕಾರಗಳ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಕಚೇರಿಗಳಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿದೆ. ಸ್ಟ್ಯಾಟಿಸ್ಟಿಕ್ಸ್ ಸ್ವೀಡನ್ನ ಇಬ್ಬರು ಸಂಶೋಧಕರು ವಿಷಯದ ಬಗ್ಗೆ ವಿವರವಾದ ಪುಸ್ತಕವನ್ನು ಬರೆದಿದ್ದಾರೆ (Wallgren and Wallgren 2007) . ಯುನೈಟೆಡ್ ಸ್ಟೇಟ್ಸ್ನಲ್ಲಿನ ಒಂದೇ ಕೌಂಟಿಯ ಈ ವಿಧಾನದ ಒಂದು ಉದಾಹರಣೆಗಾಗಿ (ಓಲ್ಮಸ್ಟೆಡ್ ಕೌಂಟಿ, ಮಿನ್ನೇಸೋಟ; ಮೇಯೊ ಕ್ಲಿನಿಕ್ನ ಮನೆ), ನೋಡಿ Sauver et al. (2011) . ಆಡಳಿತಾತ್ಮಕ ದಾಖಲೆಗಳಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುವ ದೋಷಗಳ ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Groen (2012) .

ಸಮೀಕ್ಷೆಯ ಸಂಶೋಧನೆಯಲ್ಲಿ ಸಂಶೋಧಕರು ದೊಡ್ಡ ಡೇಟಾ ಮೂಲಗಳನ್ನು ಬಳಸಿಕೊಳ್ಳುವ ಮತ್ತೊಂದು ವಿಧಾನವು ನಿರ್ದಿಷ್ಟ ಗುಣಲಕ್ಷಣಗಳೊಂದಿಗೆ ಜನರಿಗೆ ಒಂದು ಮಾದರಿ ಚೌಕಟ್ಟುಯಾಗಿದೆ. ದುರದೃಷ್ಟವಶಾತ್, ಈ ವಿಧಾನವು ಗೌಪ್ಯತೆ (Beskow, Sandler, and Weinberger 2006) ಸಂಬಂಧಿಸಿದ ಪ್ರಶ್ನೆಗಳನ್ನು ಹೆಚ್ಚಿಸಬಹುದು.

ವರ್ಧಿಸುತ್ತಿರುವ ಕೇಳುವಿಕೆಯ ಬಗ್ಗೆ, ಈ ವಿಧಾನವು ನಾನು ಹೊಸದಾಗಿ ವಿವರಿಸಿದಂತೆ ಕಾಣಿಸಿಕೊಳ್ಳುವಂತೆಯೇ ಹೊಸದಾಗಿಲ್ಲ. ಅಂಕಿಅಂಶಗಳಲ್ಲಿ ಮೂರು ದೊಡ್ಡ ಕ್ಷೇತ್ರಗಳಿಗೆ ಇದು ಆಳವಾದ ಸಂಪರ್ಕವನ್ನು ಹೊಂದಿದೆ: ಮಾದರಿ ಆಧಾರಿತ ಪೋಸ್ಟ್-ಸ್ಟ್ರ್ಯಾಟಿಫಿಕೇಷನ್ (Little 1993) , ಪ್ರತಿಪಾದನೆ (Rubin 2004) , ಮತ್ತು ಸಣ್ಣ ಪ್ರದೇಶದ ಅಂದಾಜು (Rao and Molina 2015) . ಇದು ವೈದ್ಯಕೀಯ ಸಂಶೋಧನೆಯಲ್ಲಿ (Pepe 1992) ಸರ್ಜರೇಟ್ ಅಸ್ಥಿರ ಬಳಕೆಗೆ ಸಂಬಂಧಿಸಿದೆ.

Blumenstock, Cadamuro, and On (2015) ನಲ್ಲಿನ ವೆಚ್ಚ ಮತ್ತು ಸಮಯದ ಅಂದಾಜುಗಳು ವೇರಿಯೇಬಲ್ ವೆಚ್ಚಕ್ಕೆ ಹೆಚ್ಚು-ಒಂದು ಹೆಚ್ಚುವರಿ ಸಮೀಕ್ಷೆಯ ವೆಚ್ಚವನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತವೆ-ಮತ್ತು ಕರೆ ಡೇಟಾವನ್ನು ಶುಚಿಗೊಳಿಸುವ ಮತ್ತು ಸಂಸ್ಕರಿಸುವ Blumenstock, Cadamuro, and On (2015) ಸ್ಥಿರ ವೆಚ್ಚಗಳನ್ನು ಒಳಗೊಂಡಿರುವುದಿಲ್ಲ. ಸಾಮಾನ್ಯವಾಗಿ, ವರ್ಧಿಸಿದ ಕೇಳುವಿಕೆಯು ಬಹುಶಃ ಹೆಚ್ಚಿನ ಸ್ಥಿರವಾದ ವೆಚ್ಚಗಳನ್ನು ಮತ್ತು ಡಿಜಿಟಲ್ ಪ್ರಯೋಗಗಳಂತೆಯೇ ಕಡಿಮೆ ವೇರಿಯಬಲ್ ವೆಚ್ಚಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ (ಅಧ್ಯಾಯ 4 ನೋಡಿ). ಅಭಿವೃದ್ಧಿಶೀಲ ರಾಷ್ಟ್ರಗಳಲ್ಲಿ ಮೊಬೈಲ್ ಫೋನ್ ಆಧಾರಿತ ಸಮೀಕ್ಷೆಗಳ ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, Dabalen et al. (2016) .

ಹೇಗೆ ಉತ್ತಮಗೊಳಿಸಬೇಕು ಎಂಬುದರ ಕುರಿತು ಯೋಚಿಸುವುದಕ್ಕಾಗಿ ಉತ್ತಮ ಕೇಳುವ ಮೂಲಕ, ನಾನು ಬಹು ಪ್ರತಿಪಾದನೆಯ ಕುರಿತು ಇನ್ನಷ್ಟು ತಿಳಿದುಕೊಳ್ಳಲು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ (Rubin 2004) . ಅಲ್ಲದೆ, ಸಂಶೋಧಕರು ವರ್ಧಿಸಿದರೆ ವೈಯಕ್ತಿಕ ಮಟ್ಟದ ಲಕ್ಷಣಗಳಿಗಿಂತ ಒಟ್ಟಾರೆ ಮೊತ್ತದ ಬಗ್ಗೆ ಕಾಳಜಿಯನ್ನು ಕೇಳಿದರೆ, ನಂತರ King and Lu (2008) ಮತ್ತು Hopkins and King (2010) ನಲ್ಲಿನ ವಿಧಾನಗಳು ಉಪಯುಕ್ತವಾಗಬಹುದು. ಅಂತಿಮವಾಗಿ, Blumenstock, Cadamuro, and On (2015) ನಲ್ಲಿನ ಯಂತ್ರ ಕಲಿಕೆ ವಿಧಾನಗಳ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ Blumenstock, Cadamuro, and On (2015) , ನೋಡಿ James et al. (2013) (ಹೆಚ್ಚು ಪರಿಚಯಾತ್ಮಕ) ಅಥವಾ Hastie, Tibshirani, and Friedman (2009) (ಹೆಚ್ಚು ಮುಂದುವರಿದ).

Kosinski, Stillwell, and Graepel (2013) ನಲ್ಲಿ ವಿವರಿಸಿದಂತೆ ಸಮೀಕ್ಷೆಯಲ್ಲಿ ಬಹಿರಂಗಪಡಿಸಲು ಆಯ್ಕೆ Kosinski, Stillwell, and Graepel (2013) ಸೂಕ್ಷ್ಮ ಲಕ್ಷಣಗಳನ್ನು ನಿರ್ಣಯಿಸಲು ಇದನ್ನು ಬಳಸಬಹುದೆಂದು ವರ್ಧಿಸುವ ಕೇಳುವಿಕೆಯ ಬಗ್ಗೆ ಒಂದು ನೈತಿಕ ವಿಷಯವಾಗಿದೆ.