3.6.2 ಎನ್ರಿಚ್ಡ್ ಕೇಳುವ

ಗಲೀಜು ಮಾಡಬಹುದು ಸಹ, ಪುಷ್ಟೀಕರಿಸಿದ ಕೇಳುವ ಪ್ರಬಲವಾಗಿವೆ.

ಡಿಜಿಟಲ್ ಟ್ರೇಸ್ ಡೇಟಾ ಅಪೂರ್ಣ ವ್ಯವಹರಿಸುವಾಗ ಒಂದು ಭಿನ್ನವಾದ ಮಾರ್ಗವನ್ನೇ ಸಮೀಕ್ಷೆ ಅಕ್ಷಾಂಶ, ನಾನು ಪುಷ್ಟೀಕರಿಸಿದ ಕೇಳುವ ಕರೆ ಮಾಡುತ್ತೇವೆ ಒಂದು ಪ್ರಕ್ರಿಯೆ ನೇರವಾಗಿ ಉತ್ಕೃಷ್ಟಗೊಳಿಸಲು ಮಾಡುವುದು. ಪುಷ್ಟೀಕರಿಸಿದ ಕೇಳುವ ಒಂದು ಉದಾಹರಣೆ ಅಧ್ಯಯನವಾಗಿದೆ Burke and Kraut (2014) ನಾನು ಫೇಸ್ಬುಕ್ ಮೇಲೆ ಪರಸ್ಪರ ಸ್ನೇಹ ಬಲವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ ಎಂಬುದರ ಬಗ್ಗೆ, ಅಧ್ಯಾಯ ಹಿಂದಿನ ವಿವರಿಸಿತು (ವಿಭಾಗ 3.2). ಆ ಸಂದರ್ಭದಲ್ಲಿ, ಬರ್ಕ್ ಮತ್ತು ಕ್ರಾಟ್ ಫೇಸ್ಬುಕ್ ಲಾಗ್ ದತ್ತಾಂಶ ಸಮೀಕ್ಷೆ ಅಕ್ಷಾಂಶ ಸೇರಿ.

ಬರ್ಕ್ ಮತ್ತು ಕ್ರಾಟ್ ಕೆಲಸಮಾಡುತ್ತಿದ್ದರು ಆ ಸಂಯೋಜನೆಯನ್ನು ಅವು ಪುಷ್ಟೀಕರಿಸಿದ ಕೇಳುವ ಮುಖ ಮಾಡುವ ಸಂಶೋಧಕರು ಎರಡು ದೊಡ್ಡ ಸಮಸ್ಯೆಗಳನ್ನು ವ್ಯವಹರಿಸಬೇಕು ಎಂದು ಅರ್ಥ. ಮೊದಲ, ವಾಸ್ತವವಾಗಿ ದತ್ತಾಂಶಗಳ-ಎಂದು ಕರೆಯಲ್ಪಡುವ ಪ್ರಕ್ರಿಯೆಯ ದಾಖಲೆ ಸಂಪರ್ಕ, ಹೊಂದಾಣಿಕೆಯ ದಾಖಲೆ ಒಂದು ದತ್ತಾಂಶ ಕೆಳಗೆ ಈ ಸಮಸ್ಯೆಯ ಇನ್ನೊಂದು ಉದಾಹರಣೆ ದತ್ತಾಂಶ-ಕಷ್ಟ ಮತ್ತು ದೋಷ ಪೀಡಿತ ಎಂದು (ನಾವು ನೋಡುತ್ತಾರೆ ಸೂಕ್ತ ದಾಖಲೆ ಒಟ್ಟಿಗೆ ಸಂಪರ್ಕಿಸುವ ). ಪುಷ್ಟೀಕರಿಸಿದ ಕೇಳುವ ಎರಡನೇ ಮುಖ್ಯ ಸಮಸ್ಯೆ ಡಿಜಿಟಲ್ ಕುರುಹುಗಳು ಗುಣಮಟ್ಟ ಆಗಾಗ್ಗೆ ಸಂಶೋಧಕರು ನಿರ್ಣಯಿಸಲು ಕಷ್ಟವಾಗುತ್ತದೆ ಎಂಬುದು. ಉದಾಹರಣೆಗೆ, ಕೆಲವೊಮ್ಮೆ ಸಂಗ್ರಹಿಸಿದಾಗ ಇದು ಮೂಲಕ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸ್ವಾಮ್ಯದ ಮತ್ತು ಅಧ್ಯಾಯ 2. ವಿವರಿಸಲಾಗಿದೆ ಅರ್ಥಾತ್ ಹಲವು ಸಮಸ್ಯೆಗಳಿಗೆ ಒಳಗಾಗುವ ಆಗಿರಬಹುದು, ಪುಷ್ಟೀಕರಿಸಿದ ಕೇಳುವ ಆಗಾಗ್ಗೆ ಅಪರಿಚಿತ ಕಪ್ಪು ಬಾಕ್ಸ್ ದಶಮಾಂಶ ಮೂಲಗಳ ಸಮೀಕ್ಷೆಗಳು ದೋಷ ಪೀಡಿತ ಲಿಂಕ್ ಒಳಗೊಂಡಿರುತ್ತದೆ ಗುಣಮಟ್ಟದ. ಈ ಎರಡು ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಚಯಿಸಲು ಎಂಬ ಕಳವಳಗಳ ಹೊರತಾಗಿಯೂ, ಇದು ಸ್ಟೀಫನ್ Ansolabehere ಮತ್ತು Eitan ಹೆರ್ಷ್ ಪ್ರದರ್ಶಿಸಲ್ಪಟ್ಟಿತು ಈ ತಂತ್ರ ಪ್ರಮುಖ ಸಂಶೋಧನೆ ನಡೆಸಲು ಸಾಧ್ಯ (2012) ಅಮೇರಿಕಾದ ರಲ್ಲಿ ಮತದಾನದ ಮಾದರಿಗಳನ್ನು ಮೇಲೆ ತಮ್ಮ ಸಂಶೋಧನೆಯಲ್ಲಿ. ಇದು ಕೆಲವು ವಿವರ ಈ ಅಧ್ಯಯನದ ಮೇಲೆ ಹೋಗಲು ಲಾಭದಾಯಕವೆಂದು Ansolabehere ಮತ್ತು ಹೆರ್ಷ್ ಅಭಿವೃದ್ಧಿ ಪುಷ್ಟೀಕರಿಸಿದ ಕೇಳುವ ಇತರೆ ಅನ್ವಯಗಳಲ್ಲಿ ಉಪಯುಕ್ತ ತಂತ್ರಗಳು ಅನೇಕ ಕಾರಣ.

ಮತ ಚಲಾಯಿಸಿದೆ ರಾಜ್ಯಶಾಸ್ತ್ರದಲ್ಲಿ ವ್ಯಾಪಕ ಸಂಶೋಧನೆಗೆ ವಿಷಯವೇ, ಮತ್ತು ಹಿಂದೆ, ಮತ ಮತ್ತು ಏಕೆ ಸಾಮಾನ್ಯವಾಗಿ ಸಮೀಕ್ಷೆ ಅಕ್ಷಾಂಶ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಆಧರಿಸಿ ಬಂದಿರುತ್ತಾನೆ ಸಂಶೋಧಕರು 'ತಿಳುವಳಿಕೆ. ಅಮೇರಿಕಾದ ಮತದಾನ, ಆದರೂ ಪ್ರತಿಯೊಬ್ಬ ನಾಗರಿಕ ಮತ ಎಂಬುದನ್ನು ಸರ್ಕಾರದ ದಾಖಲೆಗಳಲ್ಲಿ ಅಸಾಮಾನ್ಯ ನಡವಳಿಕೆ (ಸಹಜವಾಗಿ ಸರ್ಕಾರಕ್ಕೆ ಯಾರು ಪ್ರತಿ ನಾಗರಿಕ ಮತಗಳನ್ನು ದಾಖಲಿಸುವುದಿಲ್ಲ). ಅನೇಕ ವರ್ಷಗಳವರೆಗೆ, ಈ ಸರ್ಕಾರಿ ಮತದಾನದ ದಾಖಲೆಗಳನ್ನು ದೇಶಾದ್ಯಂತ ವಿವಿಧ ಸ್ಥಳೀಯ ಸರ್ಕಾರಿ ಕಚೇರಿಗಳು ಅಲ್ಲಲ್ಲಿ, ಕಾಗದದ ಸ್ವರೂಪಗಳನ್ನು ಲಭ್ಯವಿದ್ದವು. ಈ ಕಷ್ಟ, ಆದರೆ ಅಸಾಧ್ಯವಲ್ಲ, ರಾಜಕೀಯ ವಿಜ್ಞಾನಿಗಳು ಮತದಾರರ ಸಂಪೂರ್ಣ ಚಿತ್ರವನ್ನು ಹೊಂದಲು ಮತ್ತು ಜನರು ತಮ್ಮ ನಿಜವಾದ ಮತದಾನದ ವರ್ತನೆಗೆ ಮತದಾನದ ಬಗ್ಗೆ ಸಮೀಕ್ಷೆಗಳಲ್ಲಿ ಹೇಳಲು ಹೋಲಿಸಿ ಮಾಡಿದ (Ansolabehere and Hersh 2012) .

ಆದರೆ, ಈಗ ಈ ಮತದಾನದ ದಾಖಲೆಗಳನ್ನು ಡಿಜಿಟಲ್ ಮಾಡಲಾಗಿದೆ, ಮತ್ತು ಖಾಸಗಿ ಕಂಪೆನಿಗಳ ವ್ಯವಸ್ಥಿತವಾಗಿ ಸಂಗ್ರಹಿಸಿದ ಮತ್ತು ಎಲ್ಲಾ ಅಮೆರಿಕನ್ನರ ಮತದಾನ ವರ್ತನೆಯನ್ನು ರೆಕಾರ್ಡ್ ಸಮಗ್ರ ಮಾಸ್ಟರ್ ಮತದಾನ ಕಡತಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ಈ ಮತದಾನದ ದಾಖಲೆಗಳನ್ನು ವಿಲೀನಗೊಂಡಿತು. Ansolabehere ಮತ್ತು ಹೆರ್ಷ್ ಮತದಾರರ ಒಂದು ಉತ್ತಮ ಚಿತ್ರವನ್ನು ಸುಲಭವಾಗುವುದು ಅವರ ಮಾಸ್ಟರ್ ಮತದಾನ ಕಡತ ಬಳಸಲು ಎಲ್ಸಿಸಿ-ಈ ಕಂಪನಿಗಳು-Catalist ಒಂದು ಸಹಭಾಗಿ. ಇದಲ್ಲದೆ, ಸಂಗ್ರಹಿಸಿದ ಮತ್ತು ಕಂಪನಿ ಸಂಗ್ರಹಿಸಲಾದ ಡಿಜಿಟಲ್ ದಾಖಲೆಗಳನ್ನು ಅವಲಂಬಿಸಿತ್ತು ಏಕೆಂದರೆ, ಇದು ಸಂಶೋಧಕರು ಪರಿಶ್ರಮಕ್ಕೆ ಕಂಪನಿಗಳ ನೆರವು ಮತ್ತು ಅನಲಾಗ್ ದಾಖಲೆಗಳನ್ನು ಬಳಸದೆ ಮಾಡಲಾಗಿದೆ ಎಂದು ಹೆಚ್ಚು ಅನುಕೂಲಗಳನ್ನು ಸಂಖ್ಯೆ ನೀಡಿತು.

ಅಧ್ಯಾಯ 2 ಡಿಜಿಟಲ್ ಜಾಡಿನ ಮೂಲಗಳು ಅನೇಕ ರೀತಿಯ, Catalist ಮಾಸ್ಟರ್ ಫೈಲ್ Ansolabehere ಮತ್ತು ಹೆರ್ಷ್ ಅಗತ್ಯವಿದೆ ಎಂದು ಜನಸಂಖ್ಯಾ ನಡುವಳಿಕೆಯ ಮತ್ತು ನಡುವಳಿಕೆಯ ಮಾಹಿತಿ ಹೆಚ್ಚು ಒಳಗೊಂಡಿರಲಿಲ್ಲ. ಈ ಮಾಹಿತಿ ಜೊತೆಗೆ, Ansolabehere ಮತ್ತು ಹೆರ್ಷ್ ಮೌಲ್ಯಾಂಕನ ಮತದಾನ ವರ್ತನೆಯನ್ನು (ಅಂದರೆ, Catalist ಡೇಟಾಬೇಸ್ನಲ್ಲಿ ಮಾಹಿತಿಯನ್ನು) ವರದಿ ಮತದಾನ ವರ್ತನೆಯನ್ನು ಹೋಲಿಸುವ ವಿಶೇಷವಾಗಿ ಆಸಕ್ತಿ. ಆದ್ದರಿಂದ, ಸಂಶೋಧಕರು ಅವರು ಕೋಆಪರೇಟಿವ್ ಕಾಂಗ್ರೆಷನಲ್ ಚುನಾವಣೆಯಲ್ಲಿ ಸ್ಟಡಿ (CCES), ದೊಡ್ಡ ಸಾಮಾಜಿಕ ಸಮೀಕ್ಷೆ ಭಾಗವಾಗಿ ಮಾಡಬೇಕೆಂದು ದತ್ತಾಂಶವನ್ನು ಸಂಗ್ರಹಿಸಿದರು. ಮುಂದೆ, ಸಂಶೋಧಕರು Catalist ಈ ಡೇಟಾವನ್ನು ನೀಡಿತು, ಮತ್ತು Catalist ಸಂಶೋಧಕರು ಮೌಲ್ಯಾಂಕನ ಒಳಗೊಂಡಿತ್ತು ಮತದಾನ ವರ್ತನೆಯನ್ನು ಎಂದು (Catalist) ಒಂದು ವಿಲೀನಗೊಂಡ ಡೇಟಾ ಫೈಲ್, ಸ್ವಯಂ ವರದಿ ಮತದಾನ ನಡವಳಿಕೆ (CCES) ಮತ್ತು ಜನಸಂಖ್ಯೆ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆ ವರ್ತನೆಗಳು ಬ್ಯಾಕ್ (CCES ನೀಡಿದರು ). ಅರ್ಥಾತ್, Ansolabehere ಮತ್ತು ಹೆರ್ಷ್ ಸಮೀಕ್ಷೆ ದತ್ತಾಂಶ ಮತದಾನದ ಅಂಕಿ ಪುಷ್ಟೀಕರಿಸಿದ ಮತ್ತು ಪರಿಣಾಮವಾಗಿ ವಿಲೀನಗೊಂಡ ಫೈಲ್ ಅವುಗಳನ್ನು ಎರಡೂ ಕಡತ ಪ್ರತ್ಯೇಕವಾಗಿ ಸಕ್ರಿಯವಾದ ಏನಾದರೂ ಶಕ್ತಗೊಳಿಸುತ್ತದೆ.

ಸಮೀಕ್ಷೆ ದತ್ತಾಂಶ Catalist ಮಾಸ್ಟರ್ ದಶಮಾಂಶ ಕಡತ ಸಮೃದ್ಧಗೊಳಿಸುವ ಮೂಲಕ Ansolabehere ಮತ್ತು ಹೆರ್ಷ್ ಮೂರು ಪ್ರಮುಖ ನಿರ್ಣಯಗಳನ್ನು ಬಂದಿತು. ಮೊದಲ, ಅತಿ ವರದಿ ಮತದಾನ ಮಿತಿಮೀರಿದ್ದು: ಅಲ್ಲದ ಮತದಾರರ ಅರ್ಧದಷ್ಟು ವರದಿ ಮತದಾನ. ಅಥವಾ, ಇದು ನೋಡುವ ಮತ್ತೊಂದು ರೀತಿಯಲ್ಲಿ ಯಾರಾದರೂ ಮತದಾನ ವರದಿ ವೇಳೆ, ಅವರು ವಾಸ್ತವವಾಗಿ ಮತ ಮಾತ್ರ 80% ಅವಕಾಶಗಳನ್ನು ಇಲ್ಲ. ಎರಡನೇ, ಅತಿ ವರದಿ ಯಾದೃಚ್ಛಿಕ ಆಗಿದೆ; ಅತಿ ವರದಿ ಸುಶಿಕ್ಷಿತ ಹೆಚ್ಚಿನ ಆದಾಯದ ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾಗಿರುತ್ತದೆ, ಸಾರ್ವಜನಿಕ ವ್ಯವಹಾರಗಳಲ್ಲಿ ತೊಡಗಿರುವ ಯಾರು ಗೆರಿಲ್ಲಾ. ಅರ್ಥಾತ್, ಮತ ಹೆಚ್ಚಾಗಿ ಜನರಿಗೆ ಅತ್ಯಂತ ಮತದಾನ ಬಗ್ಗೆ ಸುಳ್ಳು ಸಾಧ್ಯತೆಯಿದೆ. ಮೂರನೆಯ ಮತ್ತು ವಿಮರ್ಶಾತ್ಮಕವಾಗಿ, ಏಕೆಂದರೆ ಅತಿ ವರದಿ, ಮತದಾರರು ಮತ್ತು ಅಲ್ಲದ ಮತದಾರರು ನಡುವಿನ ನಿಜವಾದ ವ್ಯತ್ಯಾಸಗಳು ಅವರು ಸಮೀಕ್ಷೆಗಳಿಂದ ಕೇವಲ ಕಾಣಿಸಿಕೊಳ್ಳಲು ಸಣ್ಣದಾಗಿರುತ್ತವೆ ವ್ಯವಸ್ಥಿತ ಪ್ರಕೃತಿಯ. ಉದಾಹರಣೆಗೆ, ಒಂದು ಪದವಿ ಪದವಿ ಹೊಂದಿದವರಿಗೆ 22 ಶೇಕಡಾ ಮತದಾನ ವರದಿ ಸಾಧ್ಯತೆ ಹೆಚ್ಚು, ಆದರೆ ನಿಜವಾದ ಮತ ಕೇವಲ 10 ಶೇಕಡಾ ಹೆಚ್ಚು ಸಾಧ್ಯತೆ. ಇದಲ್ಲದೆ, ಮತದಾನದ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸಂಪನ್ಮೂಲ ಆಧಾರಿತ ಸಿದ್ಧಾಂತಗಳು ವಾಸ್ತವವಾಗಿ ಯಾರು ಮತಗಳನ್ನು ಹೊಸ ಸಿದ್ಧಾಂತಗಳು ಅರ್ಥ ಮತ್ತು ಮತದಾನ ಊಹಿಸಲು ಅಪೇಕ್ಷಿಸುವ ಪ್ರಾಯೋಗಿಕ ಹುಡುಕುವ ಬದಲು ಮತದಾನ ಯಾರು ವರದಿ ಮುನ್ಸೂಚನೆ ಹೆಚ್ಚು ಉತ್ತಮವಾಗಿದೆ.

ಆದರೆ, ಎಷ್ಟು ನಾವು ಈ ಫಲಿತಾಂಶಗಳು ನಂಬಿಕೆ? ಈ ಫಲಿತಾಂಶಗಳು ದೋಷದ ಅಪರಿಚಿತ ಪ್ರಮಾಣದಲ್ಲಿ ದೋಷ ಪೀಡಿತ ಲಿಂಕ್ ಮೇಲೆ ಕಪ್ಪು ಬಾಕ್ಸ್ ದಶಮಾಂಶ ಮರೆಯದಿರಿ. ಹೆಚ್ಚು ನಿರ್ದಿಷ್ಟವಾಗಿ, ಫಲಿತಾಂಶಗಳನ್ನು ಎರಡು ಪ್ರಮುಖ ಹಂತಗಳನ್ನು ಮೇಲೆ ಕೀಲು: 1) ನಿಖರವಾದ ಮಾಸ್ಟರ್ datafile ಮತ್ತು 2) ತನ್ನ ಮಾಸ್ಟರ್ datafile ಸಮೀಕ್ಷೆ ಡೇಟಾ ಲಿಂಕ್ Catalist ಸಾಮರ್ಥ್ಯವನ್ನು ಉತ್ಪಾದಿಸಲು ಹಲವಾರು ಭಿನ್ನ ದಶಮಾಂಶ ಮೂಲಗಳು ಒಗ್ಗೂಡಿ Catalist ಸಾಮರ್ಥ್ಯ. ಈ ಹಂತಗಳನ್ನು ಪ್ರತಿಯೊಂದು ಸ್ವಲ್ಪ ಕಷ್ಟ ಮತ್ತು ಎರಡೂ ಹಂತದಲ್ಲೂ ದೋಷಗಳನ್ನು ತಪ್ಪು ನಿರ್ಣಯಗಳನ್ನು ಸಂಶೋಧಕರು ಕಾರಣವಾಗಬಹುದು. ಆದಾಗ್ಯೂ, ಆದ್ದರಿಂದ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಯಾವುದೇ ಪ್ರತ್ಯೇಕ ಶೈಕ್ಷಣಿಕ ಸಂಶೋಧಕರ ಅಥವಾ ಸಂಶೋಧಕರು ಗುಂಪು ಹೊಂದಾಣಿಕೆ ಮಾಡಬಹುದಾದ ಒಂದು ಪ್ರಮಾಣದಲ್ಲೂ ಈ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುವ ಹೂಡಿಕೆ ಮಾಹಿತಿ ಸಂಸ್ಕರಣೆ ಮತ್ತು ಹೊಂದಾಣಿಕೆಯ ಎರಡೂ ಒಂದು ಕಂಪನಿಯಾಗಿ Catalist ಮುಂದುವರಿದ ಅಸ್ತಿತ್ವದ ಕಷ್ಟಸಾಧ್ಯ. ಅಧ್ಯಾಯದ ಕೊನೆಯಲ್ಲಿ ಹೆಚ್ಚಿನ ಓದಿಗಾಗಿ, ನಾನು ಹೆಚ್ಚು ವಿವರ ಮತ್ತು ಹೇಗೆ Ansolabehere ಮತ್ತು ಹೆರ್ಷ್ ತಮ್ಮ ಫಲಿತಾಂಶಗಳು ವಿಶ್ವಾಸಾರ್ಹ ಕಟ್ಟಲು ಈ ಸಮಸ್ಯೆಗಳನ್ನು ವಿವರಿಸಲು. ಈ ವಿವರಗಳನ್ನು ಈ ಅಧ್ಯಯನದ ನಿರ್ದಿಷ್ಟ ಸಹ, ಈ ರೀತಿಯ ಸಮಸ್ಯೆಗಳನ್ನು ಕಪ್ಪು-ಪೆಟ್ಟಿಗೆ ಡಿಜಿಟಲ್ ಟ್ರೇಸ್ ಡೇಟಾ ಮೂಲಗಳು ಲಿಂಕ್ ಬಯಸುವ ಇತರ ಸಂಶೋಧಕರು ಏಳುತ್ತವೆ.

ಸಾಮಾನ್ಯ ಪಾಠಗಳನ್ನು ಸಂಶೋಧಕರು ಈ ಅಧ್ಯಯನದಿಂದ ಸೆಳೆಯಬಲ್ಲದು ಯಾವುವು? ಮೊದಲ, ಸಮೀಕ್ಷೆ ಅಕ್ಷಾಂಶ ಡಿಜಿಟಲ್ ಕುರುಹುಗಳು ಸಮೃದ್ಧಗೊಳಿಸುವ ಪ್ರಚಂಡ ಮೌಲ್ಯವಿದೆ. ಎರಡನೇ, ಈ ಉಲ್ಬಣಗೊಂಡಾಗ ಸಹ, ವಾಣಿಜ್ಯ ಮಾಹಿತಿ ಮೂಲಗಳು ಪರಿಗಣಿಸಲಾಗುವುದಿಲ್ಲ "ನೆಲದ ಸತ್ಯ", ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ ಅವರು ಪ್ರಯೋಜನಕಾರಿಯಾಗಬಲ್ಲದು. ವಾಸ್ತವವಾಗಿ, ಇದು ಈ ಡೇಟಾವನ್ನು ಮೂಲಗಳು (ಅವರು ಯಾವಾಗಲೂ ಸಣ್ಣ ಬೀಳುತ್ತವೆ ಇದು) ಸಂಪೂರ್ಣ ಸತ್ಯ ಹೋಲಿಸಿ ಉತ್ತಮ. ಬದಲಿಗೆ, ಇದು ಏಕರೂಪವಾಗಿ ಹಾಗೂ ದೋಷಗಳನ್ನು ಹೊಂದಿರುವ ಇತರ ಲಭ್ಯವಿದೆ ಮಾಹಿತಿಗಳನ್ನು, ಅವುಗಳನ್ನು ಹೋಲಿಸಿ ಉತ್ತಮ.