ಕೀ:
[ , ] ಅಧ್ಯಾಯದಲ್ಲಿ, ನಾನು ನಂತರದ ಶ್ರೇಣೀಕರಣದ ಬಗ್ಗೆ ಧನಾತ್ಮಕವಾಗಿತ್ತು. ಆದಾಗ್ಯೂ, ಇದು ಯಾವಾಗಲೂ ಅಂದಾಜು ಗುಣಮಟ್ಟವನ್ನು ಸುಧಾರಿಸಲು ಇಲ್ಲ. ಅಲ್ಲಿ-ಪೋಸ್ಟ್ ಶ್ರೇಣೀಕರಣದ ಮಾಡಬಹುದು ಅಂದಾಜು ಗುಣಮಟ್ಟ ಕಡಿಮೆ ಮಾಡಬಹುದು ಪರಿಸ್ಥಿತಿ ರಚಿಸಿರಿ. (ಸುಳಿವು, ನೋಡಿ Thomsen (1973) ).
[ , , ] ವಿನ್ಯಾಸ ಮತ್ತು ಗನ್ ಮಾಲೀಕತ್ವದ ಬಗ್ಗೆ ಕೇಳಲು ಅಮೆಜಾನ್ MTurk ಮೇಲೆ ಒಂದು ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಸಮೀಕ್ಷೆ ನಡೆಸಲು ( "ನೀವು, ಅಥವಾ ನಿಮ್ಮ ಮನೆಯಲ್ಲಿ ಯಾರಾದರೂ ಮಾಡುತ್ತದೆ, ಸ್ವಂತ ಬಂದೂಕು, ರೈಫಲ್ ಅಥವಾ ಪಿಸ್ತೂಲ್? ಎಂದು ನೀವು ಅಥವಾ ನಿಮ್ಮ ಮನೆಯಲ್ಲಿ ಬೇರೊಬ್ಬರ?") ಮತ್ತು ಬಂದೂಕು ನಿಯಂತ್ರಣ ವರ್ತನೆಗಳು ( "ನೀವು ತಿಳಿದಿರುವಿರಿ ಗನ್ ಹೊಂದಲು, ಅಥವಾ ಬಂದೂಕು ಮಾಲಿಕತ್ವದ ನಿಯಂತ್ರಿಸಲು ಅಮೆರಿಕನ್ನರು ಹಕ್ಕನ್ನು ರಕ್ಷಿಸಲು ಹೆಚ್ಚು ಮುಖ್ಯ ಆಗಿದೆ?").
[ , , ] ಗೋಯಲ್ ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು (2016) ಅಮೆಜಾನ್ MTurk ಮೇಲೆ ಪೆವ್ ರೀಸರ್ಚ್ ಸೆಂಟರ್ ಜನರಲ್ ಸೋಷಿಯಲ್ ಸರ್ವೇಕ್ಷಣೆಯಲ್ಲಿ (GSS) ಮತ್ತು ಸಮೀಕ್ಷೆಗಳು ಆಯ್ದ ಪಡೆದ 49 ಬಹು ಆಯ್ಕೆ ನಡುವಳಿಕೆಯ ಪ್ರಶ್ನೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಒಂದು ಅಲ್ಲದ ಸಂಭವನೀಯತೆ ಆಧಾರಿತ ಸಮೀಕ್ಷೆ ಆಡಳಿತ. ಅವರು ನಂತರ ಮಾದರಿ-ಆಧರಿತ-ಶ್ರೇಣೀಕರಣದ ಪೋಸ್ಟ್ (ಶ್ರೀ ಪಿ) ಬಳಸಿಕೊಂಡು ದತ್ತಾಂಶದ ಪ್ರಾತಿನಿಧಿಕತೆ ಹೊಂದಿಕೊಳ್ಳುವಂತೆ, ಮತ್ತು ಸಂಭವನೀಯತೆ ಆಧಾರಿತ GSS / ಪ್ಯೂ ಸಮೀಕ್ಷೆಗಳು ಬಳಸಿ ಅಂದಾಜಿಸಲಾಗಿದೆ ಆ ಸರಿಪಡಿಸಲಾಯಿತು ಅಂದಾಜು ಹೋಲಿಸಿ. MTurk ಅದೇ ಸಮೀಕ್ಷೆ ನಡೆಸುವುದು ಮತ್ತು GSS / ಪ್ಯೂ ಇತ್ತೀಚಿನ ಸುತ್ತುಗಳ ಅಂದಾಜು ನಿಮ್ಮ ಹೊಂದಾಣಿಕೆಯ ಅಂದಾಜು ಹೋಲಿಸಿ ಚಿತ್ರ 2a ಮತ್ತು ಚಿತ್ರ 2B ಪುನರಾವರ್ತಿಸಲು ಪ್ರಯತ್ನಿಸಿ (ಅನುಬಂಧ ಟೇಬಲ್ ಎ 2 ನೋಡಿ 49 ಪ್ರಶ್ನೆಗಳನ್ನು ಪಟ್ಟಿ).
[ , , ] ಅನೇಕ ಅಧ್ಯಯನಗಳು ಮೊಬೈಲ್ ಫೋನ್ ಚಟುವಟಿಕೆ ದತ್ತಾಂಶದ ಸ್ವಯಂ ವರದಿ ಕ್ರಮಗಳನ್ನು ಬಳಸಿ. ಈ ಸಂಶೋಧಕರು ಲಾಗ್ ನಡವಳಿಕೆಯಿಂದ ಸ್ವಯಂ ವರದಿ ವರ್ತನೆಯನ್ನು ಹೋಲಿಕೆ ಮಾಡಬಹುದು ಅಲ್ಲಿ ಆಸಕ್ತಿದಾಯಕ ಸೆಟ್ಟಿಂಗ್ (ನೋಡಿ ಉದಾ Boase and Ling (2013) ). ಕರೆ ಮತ್ತು ಪಠ್ಯ ಸಂದೇಶ, ಮತ್ತು ಎರಡು ಸಾಮಾನ್ಯ ಸಮಯ ಚೌಕಟ್ಟುಗಳು ಬಗ್ಗೆ ಕೇಳಲು ಎರಡು ಸಾಮಾನ್ಯ ನಡವಳಿಕೆಗಳನ್ನು "ಕಳೆದ ವಾರದಲ್ಲಿ." "ನಿನ್ನೆ" ಮತ್ತು
[ , ] ಸ್ಚುಮ್ಯಾನ್ ಮತ್ತು Presser (1996) ಆ ಪ್ರಶ್ನೆಗೆ ಆದೇಶಗಳನ್ನು ಪ್ರಶ್ನೆಗಳನ್ನು ನಡುವೆ ಸಂಬಂಧಗಳ ಎರಡು ರೀತಿಯ ಪರವಾಗಿಲ್ಲ ಎಂದು ವಾದಿಸುತ್ತಾರೆ: ಎರಡು ಪ್ರಶ್ನೆಗಳನ್ನು ನಿರ್ದಿಷ್ಟ ಅದೇ ಮಟ್ಟದಲ್ಲಿ ಅಲ್ಲಿ ಭಾಗಶಃ ಭಾಗ ಪ್ರಶ್ನೆಗಳನ್ನು (ಉದಾಹರಣೆಗೆ ಎರಡು ಅಧ್ಯಕ್ಷೀಯ ಅಭ್ಯರ್ಥಿಗಳ ರೇಟಿಂಗ್); (ಉದಾಹರಣೆಗೆ ಕೇಳುವ "ಹೇಗೆ ತೃಪ್ತಿ ನಿಮ್ಮ ಕೆಲಸ ನೀವು?" ನಂತರ "ಹೇಗೆ ತೃಪ್ತಿ ನಿಮ್ಮ ಜೀವನದ ನೀವು?") ಒಂದು ಸಾಮಾನ್ಯ ಪ್ರಶ್ನೆ ಹೆಚ್ಚು ನಿರ್ದಿಷ್ಟ ಪ್ರಶ್ನೆ ಅನುಸರಿಸುತ್ತದೆ ಅಲ್ಲಿ ಭಾಗಶಃ ಇಡೀ ಪ್ರಶ್ನೆಗಳನ್ನು.
ಅವರು ಮತ್ತಷ್ಟು ಪ್ರಶ್ನೆ ಕ್ರಮವನ್ನು ಪರಿಣಾಮ ಎರಡು ರೀತಿಯ ನಿರೂಪಿಸಲು: ಸ್ಥಿರತೆ ಪರಿಣಾಮಗಳು ನಂತರ ಪ್ರಶ್ನೆ ಹತ್ತಿರ (ಅವರು ಇಲ್ಲವಾದಲ್ಲಿ) ಹಿಂದಿನ ಪ್ರಶ್ನೆಗೆ ನೀಡಿದ ಆ ತರಲಾಗುತ್ತದೆ ಸಂಭವಿಸುವ; ಎರಡು ಪ್ರಶ್ನೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆ ನಡುವೆ ಹೆಚ್ಚಿನ ವ್ಯತ್ಯಾಸಗಳು ಉಂಟಾಗುತ್ತವೆ ಪರಿಣಾಮಗಳನ್ನು ನೋಡೋಣ.
[ , ] ಸ್ಚುಮ್ಯಾನ್ ಮತ್ತು Presser, ಕೆಲಸ ನಿರ್ಮಾಣದ Moore (2002) ಸಂಯೋಜನೀಯ ಮತ್ತು ಕಳೆಯುವ: ಪ್ರಶ್ನೆ ಕ್ರಮವನ್ನು ಪರಿಣಾಮ ಪ್ರತ್ಯೇಕ ಆಯಾಮ ವಿವರಿಸುತ್ತದೆ. ಇದಕ್ಕೆ ಮತ್ತು ಸ್ಥಿರತೆ ಪರಸ್ಪರ, ಸಂಯೋಜನೀಯ ಸಂಬಂಧಿಸಿದಂತೆ ಎರಡು ಐಟಂಗಳ ಪ್ರತಿಕ್ರಿಯೆ 'ಮೌಲ್ಯಮಾಪನಗಳನ್ನು ಪರಿಣಾಮವಾಗಿ ಉತ್ಪಾದನೆ ಮಾಡುತ್ತವೆ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಮಂಡಿಸಿದರು ಇದು ಒಳಗೆ ದೊಡ್ಡ ಚೌಕಟ್ಟಿನೊಳಗೆ ಹೆಚ್ಚು ಸೂಕ್ಷ್ಮ ಮಾಡಿದಾಗ ಕಳೆಯುವ ಪರಿಣಾಮಗಳು ಉತ್ಪಾದಿಸಲಾಗುತ್ತದೆ. ಓದಿ Moore (2002) , ನಂತರ ವಿನ್ಯಾಸ ಮತ್ತು ಸಂಯೋಜಕವಾಗಿ ಅಥವಾ ಕಳೆಯುವ ಪರಿಣಾಮಗಳನ್ನು ಪ್ರದರ್ಶಿಸಲು MTurk ಬಗ್ಗೆ ಸಮೀಕ್ಷೆ ಪ್ರಯೋಗ ನಡೆಸಲು.
[ , ] ಕ್ರಿಸ್ಟೋಫರ್ Antoun ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು (2015) MTurk ಕ್ರೇಗ್ಸ್ಲಿಸ್ಟ್, ಗೂಗಲ್ ಆಡ್ ವರ್ಡ್ಸ್ ಮತ್ತು ಫೇಸ್ಬುಕ್: ನಾಲ್ಕು ವಿವಿಧ ಆನ್ಲೈನ್ ನೇಮಕಾತಿ ಮೂಲಗಳಿಂದ ಅನುಕೂಲಕ್ಕಾಗಿ ಮಾದರಿಗಳನ್ನು ಹೋಲಿಕೆ ಅಧ್ಯಯನ ನಡೆಸಿದರು. ಸರಳ ಸಮೀಕ್ಷೆ ವಿನ್ಯಾಸ ಮತ್ತು ಕನಿಷ್ಠ ಎರಡು ವಿವಿಧ ಆನ್ಲೈನ್ ನೇಮಕಾತಿ ಮೂಲಗಳು ಮೂಲಕ ಭಾಗವಹಿಸುವವರು ನೇಮಕ (ಅವರು ಬಳಸಲಾಗುತ್ತದೆ ನಾಲ್ಕು ಮೂಲಗಳಿಂದ ವಿವಿಧ ಮೂಲಗಳು ಮಾಡಬಹುದು Antoun et al. (2015) ).
[ ] YouGov, ಒಂದು ಅಂತರ್ಜಾಲ ಆಧಾರಿತ ಮಾರುಕಟ್ಟೆ ಸಂಶೋಧನೆ ಸಂಸ್ಥೆ, ಯುಕೆ ಸುಮಾರು 800,000 ಪ್ರತಿಕ್ರಿಯಿಸಿದ ಫಲಕ ಆನ್ಲೈನ್ ಚುನಾವಣೆಯಲ್ಲಿ ನಡೆಸಿದ ಮತ್ತು EU ಜನಮತ (ಅಂದರೆ, Brexit) ಪರಿಣಾಮವಾಗಿ ಯುಕೆ ಮತದಾರರು ಮತ ಎರಡೂ ಉಳಿಯಲು ಅಲ್ಲಿ ಊಹಿಸಲು ಶ್ರೀ ಪಿ ಬಳಸಲಾಗುತ್ತದೆ ಅಥವಾ ಯುರೋಪಿಯನ್ ಯೂನಿಯನ್ ಬಿಟ್ಟು.
(Https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/) YouGov ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಮಾದರಿ ವಿವರಣೆ ಇಲ್ಲಿದೆ. ಸರಿಸುಮಾರಾಗಿ ಹೇಳಬೇಕೆಂದರೆ, YouGov 2015 ಸಾರ್ವತ್ರಿಕ ಚುನಾವಣೆಯಲ್ಲಿ ಮತ ಆಯ್ಕೆ, ವಯಸ್ಸು, ಅರ್ಹತೆಗಳು, ಲಿಂಗ, ಸಂದರ್ಶನದ ದಿನಾಂಕ ಹಾಗೆಯೇ ಅಂದಾಜಿಸುವುದು ಅವರು. ಮೊದಲ, ಅವರು YouGov ಪ್ಯಾನಲಿಸ್ಟ್ಗಳೆ ಸಂಗ್ರಹಿಸಿದ ಮಾಹಿತಿಯನ್ನು ಬಳಸಲಾಗುತ್ತದೆ ಲೈವ್ ಕ್ಷೇತ್ರದ, ಆ ಪೈಕಿ ಆಧರಿಸಿ ವಿಧಗಳಾಗಿ ಮತದಾರರು ವಿಭಾಗಗಳನ್ನು ಮತ ಯಾರು, ಬಿಡಿ ಮತ ಹಾಕುತ್ತಾರೆ ಅವರು ಪ್ರತಿ ಮತದಾರ ರೀತಿಯ ಜನರ ಪ್ರಮಾಣವನ್ನು. ಅವರು 2015 ಬ್ರಿಟಿಷ್ ಚುನಾವಣಾ ಸ್ಟಡಿ (BES) ನಲ್ಲಿ ಚುನಾವಣಾ ದಾಖಲೆಗಳಿಂದ ಚಲಾಯಿಸಿದೆ ಮೌಲ್ಯಾಂಕನ ಇದು ನಂತರದ ಚುನಾವಣೆಯಲ್ಲಿ ಮುಖಾ ಮುಖಿ ಸಮೀಕ್ಷೆ, ಬಳಸಿಕೊಂಡು ಪ್ರತಿ ಮತದಾರ ರೀತಿಯ ಚಲಾಯಿಸಿದೆ ಅಂದಾಜು. ಅಂತಿಮವಾಗಿ, ಅವರು, ಅನೇಕ ಜನರು ಮತ ಹೇಗೆ ಸಾರ್ವತ್ರಿಕ ಚುನಾವಣೆಯಲ್ಲಿ, ಮತ್ತು ಮಾಹಿತಿ ಸುಮಾರು YouGov ಸಮೀಕ್ಷೆ ಅಂಕಿಅಂಶದ ಆಧಾರದ ಇತ್ತೀಚಿನ ಜನಗಣತಿ ಮತ್ತು ವಾರ್ಷಿಕ ಜನಸಂಖ್ಯಾ ಸಮೀಕ್ಷೆ (BES ಕೆಲವು ಜೊತೆಗೆ ಮಾಹಿತಿಯೊಂದಿಗೆ ಮತದಾರರು ಪ್ರತಿ ಮತದಾರ ರೀತಿಯ ಇವೆ ಎಷ್ಟು ಜನರು ಅಂದಾಜು ಪ್ರತಿ ಪಕ್ಷದ ಪ್ರತಿ ಕ್ಷೇತ್ರದ).
ಮೂರು ದಿನಗಳ ಮತ ಮೊದಲು YouGov ಬಿಡಿ ಎರಡು ಅಂಕಗಳ ಮುನ್ನಡೆ ತೋರಿಸಿದರು. ಮತದಾನ ಮುನ್ನಾದಿನದಂದು, ಸಮೀಕ್ಷೆಯಲ್ಲಿ ಕರೆ (49-51 ಉಳಿಯುತ್ತದೆ) ತುಂಬಾ ಹತ್ತಿರ ತೋರಿಸಿದರು. ಅಂತಿಮ-ದಿನದ ಅಧ್ಯಯನದಲ್ಲಿ ಉಳಿದಿವೆ (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/) ಪರವಾಗಿ 48/52 ಭವಿಷ್ಯ. ವಾಸ್ತವವಾಗಿ, ಈ ಅಂದಾಜು ನಾಲ್ಕು ಶೇಕಡಾ ಅಂತಿಮ ಫಲಿತಾಂಶ (52-48 ಬಿಡಿ) ತಪ್ಪಿಸಿಕೊಂಡರು.
[ , ] ಚಿತ್ರ 3.1 ಪ್ರಾತಿನಿಧ್ಯ ದೋಷಗಳನ್ನು ಪ್ರತಿ ವಿವರಿಸಲು ಒಂದು ಸಿಮ್ಯುಲೇಶನ್ ಬರೆಯಿರಿ.
[ , ] Blumenstock ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಸಂಶೋಧನೆ (2015) ಸಮೀಕ್ಷೆ ಪ್ರತಿಸ್ಪಂದನಗಳು ಊಹಿಸಲು ಡಿಜಿಟಲ್ ಟ್ರೇಸ್ ಡೇಟಾ ಬಳಸಬಹುದೆಂದು ಒಂದು ಯಂತ್ರ ಕಲಿಕೆ ಮಾದರಿ ನಿರ್ಮಿಸುವ ಒಳಗೊಂಡಿತ್ತು. ಈಗ, ನೀವು ಬೇರೆ ದತ್ತಾಂಶ ಅದೇ ವಿಷಯ ಪ್ರಯತ್ನಿಸಿ ಹೋಗುವ. Kosinski, Stillwell, and Graepel (2013) ಫೇಸ್ಬುಕ್ ಇಷ್ಟಗಳು ಎಂದು ವೈಯಕ್ತಿಕ ಗುಣಲಕ್ಷಣಗಳು ಮತ್ತು ಲಕ್ಷಣಗಳು ಊಹಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ ಕಂಡುಬಂದಿಲ್ಲ. ಆಶ್ಚರ್ಯಕರವಾಗಿ, ಈ ಭವಿಷ್ಯವನ್ನು ಇನ್ನಷ್ಟು ನಿಖರ ಸ್ನೇಹಿತರು ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಹೊರತುಪಡಿಸಿ ಮಾಡಬಹುದು (Youyou, Kosinski, and Stillwell 2015) .
[ ] Toole et al. (2015) ಬಳಕೆ ಕರೆ ವಿವರ ದಾಖಲೆಗಳನ್ನು ಮೊಬೈಲ್ (CDRs) ಒಟ್ಟು ನಿರುದ್ಯೋಗ ಪ್ರವೃತ್ತಿಗಳನ್ನು ಮುಂಗಾಣುವ.