2.3.6 Үл төлөөлөгч

Тодорхой бус өгөгдөл нь түүвэрлэлтийн ерөнхийлөгчийн хувьд муу байгаа боловч түүвэрлэлтийн харьцуулалт хийхэд ач холбогдолтой байдаг.

Зарим нийгмийн эрдэмтэд тодорхой улс орны насанд хүрэгчид гэх мэт сайн тодорхойлогдсон популяцаас магадлалын санамсаргүй түүвэрлэлтийн өгөгдөлтэй ажиллахад дасдаг. Энэ тєрлийн єгєгдєлийг тєлєєлєгч гэж нэрлэдэг тул том популяци нь "том" тєлєєлєл юм. Олон тооны судлаачид төлөөллийн өгөгдөлд үнэлэлт өгч, зарим нь төлөөллийн өгөгдөл нь шинжлэх ухаантай нягт холбоотой байдаг бол үл төлөөлөх өгөгдөл нь ухамсаргүй шинжтэй байдаг. Хамгийн хачирхалтай нь, зарим үл итгэгчид төлөөлөгчийн бус өгөгдлөөс юу ч сурч чадахгүй гэж үздэг. Хэрэв үнэн бол энэ нь их хэмжээний мэдээллийн эх сурвалжаас сурч болох зүйлсийг хязгаарлах мэт санагдаж болох юм. Аз болоход эдгээр үл итгэгчид зөвхөн хэсэгчлэн зөв юм. Тодорхой бус өгөгдөл нь маш сайн тохирохгүй судалгааны тодорхой зорилго байдаг боловч энэ нь үнэхээр ашигтай байж болох бусад хүмүүс байдаг.

Энэхүү ялгааг ойлгохын тулд шинжлэх ухааны сонгодог аргыг авч үзье. Жон Сноу Лондон дахь 1853-54 нас баралтын дэгдэлтийг судлах болно. Тухайн үед олон эмч "хол агаар" -аас болж холер гэдэгт итгэдэг байсан ч энэ нь халдварт өвчин гэж нэрлэгддэг бөгөөд магадгүй бохир устай усаар тархаж магадгүй гэж үздэг. Энэ санааг шалгахын тулд бид ЦС-ыг байгалийн туршилт гэж нэрлэж болох давуу талтай. Тэрбээр Lambeth, Southwark & ​​Vauxhall гэсэн хоѐр өөр компаниудын усны холимогийг харьцуулсан. Эдгээр компаниуд ижил төстэй өрхүүдэд үйлчилдэг байсан боловч нэг чухал арга замаар ялгаатай байсан: 1849 онд халдвар тархахаас хэдхэн жилийн өмнө Лампе Лондонгийн гол бохирдолтоос эхлэн голын эх үүсвэрийг зөөж байсан бол харин Өмнөд Варкер, бохир ус зайлуулалт. Сноу хоёр компаний амьдарч байсан өрхүүдэд хольсон үхлийн үнийг харьцуулсан үед хэрэглэгчид нь бохир усаар бохирдсон усаар үйлчлүүлдэг компани болох Southwark & ​​Vauxhall-ийн хэрэглэгчид холероос үхэх магадлал 10 дахин их байжээ. Энэ нь Лондон дахь төлөөлөгчдийн дээжинд үндэслэгдээгүй ч цэрний шалтгааныг задлан шинжилгээний шинжтэй нотолгоо болж байна.

Гэхдээ эдгээр компаниудын тоо баримт нь өөр өөр асуултад хариулахад тохиромжтой биш юм: дэгдэлт гарах үед Лондон дахь холерын тархалт ямар байсан бэ? Энэ хоёрдахь асуултын хувьд Лондонгийн төлөөлөгчидтэй байх нь илүү чухал юм.

Сноугын бүтээлийг харуулсан тул шинжлэх ухааны зарим асуултууд нь үл мэдэгдэх өгөгдөл нь маш үр дүнтэй байж болох бөгөөд үүнээс өөр тохиромжтой бус хүмүүс байдаг. Эдгээр хоёр төрлийн асуултыг ялгах нэг чухал арга бол зарим асуултууд нь жишээн доторхи харьцуулалт, зарим нь түүвэрлэлтийн ердийн бус байдлын тухай юм. Энэ ялгаа нь эпидемиологийн өөр нэг сонгодог судалгаагаар илүү дэлгэрэнгүй тайлбарлаж болох юм. Британий эмч нарын судалгаа нь тамхи татдаг нь хорт хавдар үүсгэдэг гэдгийг харуулахад чухал үүрэг гүйцэтгэсэн юм. Энэхүү судалгаанд Richard Doll, A. Bradford Hill нар ойролцоогоор 25,000 эрэгтэй эмч нарыг хэдэн жилийн турш дагаж, тэдний нас баралтын түвшинг судалж эхлэх үед тамхи татдагтай нь харьцуулсан. Doll and Hill (1954) нь өртөмтгий, хариу үйлдэл үзүүлэх харьцаа хүчтэй болохыг илрүүлсэн: илүү их тамхи татдаг хүмүүс уушгины хорт хавдрын улмаас нас барах магадлал их байна. Мэдээжийн хэрэг, энэ бүлгийн эмч нарын бүлгийн дагуу Британийн бүх хүмүүсийн дунд уушгины хорт хавдрын тархалтыг тооцоолох нь ухаалаг хэрэг биш юм. Гэвч харьцуулах харьцаа нь тамхины шалтгааныг уушигны шалтгаан болж байгааг нотолж байна.

Одоо би түүвэрлэлтийн харьцуулалт болон дээжийн ерөнхий ерөнхийлөгчийн хоорондох ялгааг харуулсан тул хоёр анхааралтай байх хэрэгтэй. Нэгдүгээрт, Британий эмч нарын дээжийн доторх харилцаа холбоо нь эмэгтэй, Британийн эмч, эсвэл Британийн үйлдвэрт ажилладаг эрэгтэй, эмэгтэй Германы үйлдвэрийн ажилтан эсвэл бусад олон бүлэгт хамаарах хамаарлын талаархи ердийн асуултууд байдаг. Эдгээр асуултууд нь сонирхолтой бөгөөд чухал боловч тэдгээр нь түүвэрээс нийт хүн амд хүрч чадах цар хүрээний талаархи асуултуудаас өөр юм. Жишээлбэл, эрэгтэй Британийн эмч нар тамхи татах болон хавдрын хоорондын хамаарал эдгээр бусад бүлгүүдэд ижил төстэй байж болох юм. Энэ экстрапололийг хийх чадвар чинь эрэгтэй Британийн эмч нар ямар ч популяцаас магадлалын санамсаргүй түүвэр байдаг гэсэн үг биш юм. Харин тамхи татах, хорт хавдартай холбоотой механизмын тухай ойлголтоос үүсэлтэй байдаг. Тиймээс судалгаанд хамрагдсан популяциас дээжийг ерөнхийд нь статистикийн асуудал гэж үздэг боловч нэг бүлгээс нөгөө бүлгээс олж авсан загварын ач холбогдлын талаархи асуултууд нь ихэнхдээ статистик бус асуудал юм (Pearl and Bareinboim 2014; Pearl 2015) .

Энэ үед тамхи татах, хорт хавдрын хоорондох харилцаанаас илүү олон нийгмийн хэв маягийг бүлгүүдэд тараах нь бага байдаг гэдгийг эргэлзэгчид хэлж болно. Би зөвшөөрч байна. Бидний хүлээж болохуйц загвар нь онол, нотолгоон дээр үндэслэн шийдэх ёстой шинжлэх ухааны асуулт юм. Загвар нь тээвэрлэгдэх боломжтой гэж тооцогдох ёсгүй, гэхдээ тэдгээр нь тээвэрлэгдэх боломжгүй гэж тооцогдохгүй байх ёстой. Хэрэв та магистр (Sears 1986, [@henrich_most_2010] ) судлаачид хичнээн судлаач хүний ​​зан төлөвийн талаар суралцаж болох талаар мэтгэлцээн явуулсан бол мэтгэлцээнийг та мэдэх болно. Хэдийгээр эдгээр маргаан өрнөж байгаа ч судлаачид бакалаврын оюутнуудыг сурч боловсрохоосоо суралцаж чадахгүй гэж хэлж болохгүй.

Хоёр дахь анхааруулга нь үл мэдэгдэх өгөгдөлтэй ихэнх судлаачид Цас, Бад, Хилл гэх мэт болгоомжтой ханддаггүй явдал юм. Тиймээс судлаач бус төлөөлөгчдийн өгөгдлүүдээс түүвэрлэлтийг ерөнхийд нь хийхийг оролдох үед ямар алдаа гарахыг тайлбарлахын тулд 2009 оны Германы парламентын сонгуульд Андрыик Тумасжан болон хамт ажиллагсдын (2010) судалгааны талаар ярихыг хүсч байна. 100,000 гаруй твийт дүн шинжилгээгээр парламентад сонгогдсон намын эзлэх хувь тэнцсэн улс төрийн намын тухай жүжгийн тоог харьцуулсан нь харагдаж байна (Зураг 2.3). Өөрөөр хэлбэл, Twitter-ийн тоо баримт нь үндсэндээ үнэ төлбөргүй байсан нь төлөөлөх өгөгдөлд онцгой анхаарал тавьдаг учраас уламжлалт олон нийтийн санал асуулгын судалгааг орлож болох юм.

Твиттерийн талаар аль хэдийн мэддэг байсан зүйлийг та үнэлэх хэрэгтэй. Твиттерт германчууд 2009 онд Германы сонгогчдын санамсаргүй түүврийн санамсаргүй сонголт биш байсан бөгөөд зарим талуудын дэмжигчид улс төрийн талаар бусад намуудын дэмжигчдийг бодвол илүү давтаж магадгүй юм. Тиймээс, энэ өгөгдөл нь Германы сонгогчдын шууд тусгал болж болох юм. Үнэндээ, Tumasjan et al. (2010) үнэн байх нь хэтэрхий сайн байна. Andreas Jungherr, Pascal Jürgens, Harald Schoen нарын (2012) судалгааны үр дүнгийн тайланд Твиттерт хамгийн их татагдсан улс төрийн намыг татан оролцуулсан улс төрийн намыг хассан байна. Интернет. Туршилтын явцад дээрэмчдийн намыг оролцуулаад Твиттер гэдэг нь сонгуулийн үр дүнгийн аймшигт таамаглал болдог (Зураг 2.3). Энэ жишээнд жишээлбэл, түүвэрлэлтийн ерөнхийлөгчийн дүгнэлт хийхэд ашиглагддаггүй том мэдээллийн эх үүсвэрийг ашиглах нь маш буруу болно. Түүнчлэн, 100,000 орчим твит бичгүүд нь үндсэндээ хамааралгүй гэдгийг анзаарсан байх ёстой. Үл мэдэгдэх олон тооны өгөгдөл нь төлөөлөхгүй хэвээр байгаа бөгөөд би судалгаагаар хэлэлцэх үедээ 3 дугаар хэсэгт буцаж ирэх сэдэв болно.

Зураг 2.3: Твиттер 2009 оны Германы сонгуулийн үр дүнг урьдчилан таамаглахаар харагдаж байна (Tumasjan et al. 2010) . Гэхдээ энэ нь хамгийн их дурдагддаг намыг (Jungherr, Jürgens, and Schoen 2012) : Pirate Party (Jungherr, Jürgens, and Schoen 2012) . Tumasjan et al. (2012) дээрэмчдийн намыг эс тооцвол маргаантай. Tumasjan et al. (2010) , 4-р хүснэгт, Jungherr, Jürgens, and Schoen (2012) , хүснэгт 2.

Төгсгөлд нь олон тооны мэдээллийн эх сурвалж нь зарим сайн тодорхойлогдсон хүн амын төлөөллийн дээж биш юм. Түүвэрлэсэн хүн амын дээжээс авсан үр дүнг ерөнхийд нь авах шаардлагатай асуултуудын хувьд энэ нь ноцтой асуудал юм. Гэхдээ түүвэрлэлтийн харьцуулалтуудын талаархи асуултуудын хувьд үл илэрхийлэлд өгөгдөл нь хүчирхэг байж болох бөгөөд судлаачид тэдний дээжийн шинж чанарыг тодорхой бөгөөд онолын болон эмпирик нотолгооноос тээвэрлэлтийн чадвартай холбоотой зарчмуудыг дэмжиж өгдөг. Үнэн хэрэгтээ би мэдээллийн томоохон эх сурвалжууд нь судлаачид олон тооны төлөөлөлгүй бүлэгт илүү түүвэрлэлтийн харьцуулалтыг хийх боломжийг олгодог гэдэгт найдаж байна. Миний таамаглалаар олон янзын бүлгүүдийн тооцоолол нь магадлалын санамсаргүй байдлаас Жишээ.