3.6.2 သန့်စင်ဈေးများကို
ဒါကြောင့်ရှုပ်ထွေးစေနိုင်သည်သော်လည်းကြွယ်ဝစေဈေးများကိုအစွမ်းထက်စေနိုင်ပါတယ်။
ဒစ်ဂျစ်တယ်သဲလွန်စအချက်အလက်များ၏မပြည့်စုံနှင့်အတူကိုင်တွယ်ဖြေရှင်းမှတစ်ဦးကွဲပြားခြားနားသောချဉ်းကပ်မှု, စစ်တမ်းဒေတာနှင့်တိုက်ရိုက်ငါကြွယ်ဝပြည့်စုံဈေးများကိုမခေါ်ပါလိမ့်မယ်တဲ့လုပ်ငန်းစဉ်တွေကြောင့်ကြွယ်ဝစေရန်ဖြစ်ပါသည်။ သန့်စင်မေးဥပမာတစျခု၏လေ့လာမှုဖြစ်ပါတယ် Burke and Kraut (2014) ငါအစောပိုင်းကအခန်း (ပုဒ်မ 3.2) တွင်, Facebook ပေါ်မှာအပြန်အလှန်ချစ်ကြည်ရင်းနှီးမှုသည်ခွန်အားတိုးပွါးခြင်းရှိမရှိနှင့် ပတ်သက်. ဖော်ပြခဲ့ရာ။ ထိုကိစ္စတွင်ခုနှစ်, Burke ကနှင့် Kraut က Facebook ကို log ဒေတာနှင့်အတူစစ်တမ်းဒေတာပေါင်းစပ်။
Burke ကနှင့် Kraut တွင်အလုပ်လုပ်ကိုင်ခဲ့ကြကြောင်းအဆိုပါ setting ကို, သို့သော်, သူတို့သုတေသီများကမျက်နှာတောင်းကြွယ်ဝပြည့်စုံလုပ်တာနှစ်ခုကြီးမားသောပြဿနာများနှင့်အတူကိုင်တွယ်ရန်ရှိသည်မဟုတ်ခဲ့ပါကြောင်းဆိုလို၏။ ပထမဦးစွာတကယ်တော့အတူတူစံချိန်ချိတ်ဆက်လို့ချေါလုပ်ငန်းစဉ်ဒေတာ-တစ်စုံကိုဆက်သွယ်, အခြားအတွက်သင့်လျော်သောစံချိန်နှင့်အတူတဦးတည်း Datasets အတွက်စံချိန်တင်၏ကိုက်ညီတဲ့ခက်ခဲများနှင့်အမှား-ကျရောက်နေတဲ့ဖြစ် Datasets-နိုင် (ကြှနျုပျတို့ကိုအောက်တွင်ဤပြဿနာများ၏ဥပမာတစ်ခုမြင်ရပါလိမ့်မယ် ) ။ သန့်စင်မေးဒုတိယအဓိကပြဿနာသုတေသီများအကဲဖြတ်ရန်များအတွက်ဒီဂျစ်တယ်ခြေရာတွေ၏အရည်အသွေးမကြာခဏခက်ခဲဖြစ်လိမ့်မည်ဖြစ်ပါသည်။ ဥပမာအားဖြင့်, တစ်ခါတစ်ရံတွင်ထိုသို့ကောက်ယူသောမှတဆင့်လုပ်ငန်းစဉ်ကိုစီးပွားဖြစ်ဖြစ်ပါတယ်နှင့်အခြားစကားအခန်း 2 မှာဖော်ပြထားတဲ့ပြဿနာတွေအများအပြားမှဖြစ်ပေါ်နိုင်ဖြစ်နိုင်ပါတယ်, သန့်စင်ဈေးများကိုမကြာခဏအမည်မသိ၏အနက်ရောင်-box ကိုဒေတာသတင်းရပ်ကွက်မှစစ်တမ်းများ၏အမှား-ကျရောက်နေတဲ့ဆက်သွယ်ရေးပါဝင်လိမ့်မည် အရည်အသွေး။ အဲဒီနှစျခုပြဿနာတွေမိတ်ဆက်ပေးသောစိုးရိမ်ပူပန်မှုများရှိနေသော်လည်း, ကစတီဖင် Ansolabehere နှင့် Eitan Hersh အားဖြင့်သရုပ်ပြခဲ့သည်အတိုင်းဤမဟာဗျူဟာနှင့်အတူအရေးကြီးသောသုတေသနပြုရန်ဖြစ်နိုင်သည် (2012) US မှာမဲပေးပုံစံများအပေါ်သူတို့ရဲ့သုတေသနပြုချက်၌။ Ansolabehere နှင့် Hersh ဖွံ့ဖြိုးသောမဟာဗျူဟာများအများအပြားကြွယ်ဝမေးအခြား application များအတွက်အသုံးဝင်ပါလိမ့်မယ်လို့ပဲအချို့အသေးစိတ်အတွက်ဒီလေ့လာမှုကူးဖို့ကျိုးနပ်သည်။
မဲပေးသူနိုင်ငံရေးသိပ္ပံအတွက်ကျယ်ပြန့်သုတေသနဘာသာရပ်ခဲ့ကို၎င်း, အတိတ်အတွက်ဆန္ဒမဲပေးရပြီးအဘယ်ကြောင့်သူသုတေသီတွေက '' နားလည်မှုကိုယေဘုယျအားဖြင့်စစ်တမ်းအချက်အလက်များ၏သုံးသပ်ချက်အပေါ်အခြေခံထားပါတယ်။ US မှာမဲပေးသို့သော်, (သင်တန်း၏, အစိုးရအဘယ်သူသည်အသီးအသီးနိုင်ငံသားမဲမှတ်တမ်းတင်မပါဘူး) တစ်ဦးချင်းစီနိုင်ငံသားမဲပေးသိရသည်ရှိမရှိသောအစိုးရမှတ်တမ်းများတစ်ခုပုံမှန်မဟုတ်သောအပြုအမူဖြစ်ပါတယ်။ နှစ်ပေါင်းများစွာကဤအစိုးရမဟုတ်သောမဲပေးမှတ်တမ်းများတိုင်းပြည်ပတ်ပတ်လည်အမျိုးမျိုးသောဒေသန္တရအစိုးရရုံးတွေအတွက်အရပ်ရပ်သို့ကွဲပြားစက္ကူပုံစံများပေါ်တွင်ရရှိနိုင်ခဲ့ကြသည်။ ဒီကနိုင်ငံရေးသိပ္ပံပညာရှင်မဲဆန္ဒရှင်များ၏ပြီးပြည့်စုံရုပ်ပုံရှိသည်ဖို့နှင့်လူများကသူတို့အမှန်တကယ်မဲပေးအပြုအမူမှမဲပေး ပတ်သက်. စစ်တမ်းများအတွက်ပြောတဲ့စကားကိုနှိုင်းယှဉ်ဖို့အဘို့, မဖြစ်နိုင်ကခက်ခဲပေမယ့်မဖန်ဆင်း (Ansolabehere and Hersh 2012) ။
သို့သော်ယခုဤသူမဲပေးမှတ်တမ်းများ digitized ပါပြီနှင့်ပုဂ္ဂလိကကုမ္ပဏီတွေရဲ့အရေအတွက်ကိုစနစ်တကျစုဆောင်းအပေါင်းတို့နှင့်အမေရိကန်တွေရဲ့မဲပေးအပြုအမူမှတ်တမ်းတင်ကြောင်းပြည့်စုံသောသခင်ကိုမဲပေးဖိုငျထုတ်လုပ်ရန်ဤမဲပေးမှတ်တမ်းများပေါင်းစည်းကြပါပြီ။ Ansolabehere နှင့် Hersh အဲဒီကုမ္ပဏီတွေက-Catalist LCC-အတွက်မဲဆန္ဒရှင်များ၏ပိုကောင်းတဲ့ရုပ်ပုံဖွံ့ဖြိုးတိုးတက်ကိုကူညီမိမိတို့သခင်မဲပေး file ကိုသုံးစွဲဖို့အမိန့်တယောက်နှင့်အတူပူးပေါင်း။ ဒါကြောင့်ကုမ္ပဏီတစ်ခုအားဖြင့်စုဆောင်းတာဝန်ယူထားသောဒစ်ဂျစ်တယ်မှတ်တမ်းများအပေါ်မှီခိုသောကွောငျ့ထို့ပွငျ, ကကုမ္ပဏီတွေရဲ့အကူအညီမပါဘဲနဲ့ Analog မှတ်တမ်းများကို အသုံးပြု. ပြုသည်ခဲ့သုတေသီများအားဖြင့်ယခင်ကြိုးပမ်းအားထုတ်မှုကျော်အားသာချက်တစ်ခုအရေအတွက်ပူဇော်ကြ၏။
အခန်း 2 မှာဒစ်ဂျစ်တယ်သဲလွန်စသတင်းရပ်ကွက်အများအပြားကဲ့သို့ပင် Catalist မာစတာဖိုင်, လူဦးရေအများကြီး attitudinal နှင့် Ansolabehere နှင့် Hersh လိုအပ်ကြောင်းအမူအကျင့်သတင်းအချက်အလက်မပါဝင်ဘူး။ ဤအချက်အလက်အပြင်, Ansolabehere နှင့် Hersh အတည်ပြုမဲပေးအပြုအမူကို (Catalist database ထဲတွင်ဆိုလိုသည်မှာ, သတင်းအချက်အလက်) သတင်းပို့မဲပေးအပြုအမူနှိုင်းယှဉ်အထူးစိတ်ဝင်စားခဲ့ကြသည်။ ဒါကြောင့်သုတေသီများသူတို့သမဝါယမကွန်ဂရက်ရွေးကောက်ပွဲလေ့လာမှု (CCES), ကြီးမားတဲ့လူမှုရေးစစ်တမ်း၏တစ်စိတ်တစ်ဒေသအဖြစ်ချင်တယ်သောဒေတာစုဆောင်း။ ထို့နောက်သုတေသီများ Catalist ဖို့ဒီဒေတာကို ပေး. , Catalist ပြန် CCES မှ (Catalist ထံမှ) အတည်ပြုမဲပေးအပြုအမူထည့်သွင်းတဲ့ပေါင်းစပ်ဒေတာဖိုင်, (CCES မှ) အ Self-ဖော်ပြခဲ့သည်မဲပေးအပြုအမူနှင့်ဖြေဆိုသူ၏သူရဲ့လူဦးရေနှင့်သဘောထားများ (သုတေသီပေး၏ ) ။ တနည်းအားဖြင့် Ansolabehere နှင့် Hersh စစ်တမ်းဒေတာနှင့်အတူမဲပေးဒေတာကြွယ်ဝပြည့်စုံလျက်, ရရှိလာတဲ့ပေါင်းစပ်ဖိုင်မဟုတ်ဖိုင်တစ်ဦးချင်းစီ enabled ကြောင်းအရာတစ်ခုခုလုပ်ဖို့သူတို့ကိုနိုင်ပါတယ်။
စစ်တမ်းဒေတာတွေနဲ့ Catalist မာစတာဒေတာဖိုင်တပုဒ်ကိုအသုံးပြုပုံ Ansolabehere နှင့် Hersh သုံးအရေးကြီးသောကောက်ချက်သို့ရောက်ကြ၏။ ပထမဦးစွာ Over-အစီရင်ခံမဲပေး၏ပြံ့နှံ့သည်: non-မဲဆန္ဒရှင်များ၏ထက်ဝက်ခန့်မဲပေးဖော်ပြခဲ့သည်။ သို့မဟုတ်ပါကကြည့်၏အခြားသောလမ်းတစ်စုံတစ်ဦးကမဲပေးဖော်ပြခဲ့သည်လျှင်, သူတို့သည်အမှန်တကယ်မဲပေးသာ 80% အခွင့်အလမ်းလည်းမရှိဖြစ်ပါတယ်။ ဒုတိယအချက်မှာ Over-အစီရင်ခံကျပန်းမျှမက, Over-အစီရင်ခံအများပြည်သူရေးရာအတွက်စေ့စပ်ထားသူက high-ဝင်ငွေကောင်းစွာပညာတတ်, အုပ်စုတစ်စု၏အကြားပိုပြီးဘုံဖြစ်ပါတယ်။ တစ်နည်းအားဖြင့်မဲပေးအများဆုံးဖွယ်ရှိနေသောလူအလည်းမဲပေးအကြောင်းကိုအိပ်မှအများဆုံးများပါတယ်။ တတိယအချက်နှင့်အများဆုံးဝေဖန်ကြောင့် Over-အစီရင်ခံ၏စနစ်တကျသဘောသဘာဝ, မဲဆန္ဒရှင်တွေနဲ့ Non-မဲဆန္ဒရှင်တွေအကြားအမှန်တကယ်ကွဲပြားခြားနားမှုသူတို့ပဲစစ်တမ်းများကနေပေါ်လာထက်သေးငယ်ကြသည်။ ဥပမာ, ဘွဲ့လက်မှတ်ရှိသူမဲပေးအစီရင်ခံရန်နှင့် ပတ်သက်. 22 ရာခိုင်နှုန်းရမှတ်ထက်ပိုများပါတယ်, ဒါပေမယ့်အမှန်တကယ်မဲပေးမှသာ 10 ရာခိုင်နှုန်းရမှတ်ထက်ပိုများပါတယ်။ ထို့ပြင်မဲပေး၏လက်ရှိသယံဇာတ-based သီအိုရီအဘယ်သူသည်အမှန်တကယ်မဲထက်မဲပေးသစ်သီအိုရီကိုနားလည်သဘောပေါက်ခြင်းနှင့်မဲပေးကြိုတင်ခန့်မှန်းဖို့တောင်းဆိုသည့်ပင်ကိုယ်မူလတွေ့ရှိချက်အစီရင်ခံမည်သူခန့်မှန်းမှာအများကြီးပိုကောင်းဖြစ်ကြသည်။
သို့သော်မည်မျှဒီရလဒ်တွေကိုယုံကြည်ကိုးစားသင့်သနည်း ဤအရလဒ်များကိုအမှား၏အမည်မသိပမာဏနှင့်အတူအနက်ရောင်-box ကိုဒေတာမှအမှား-ကျရောက်နေတဲ့ဆက်သွယ်ရေးအပေါ်မူတည်သတိရပါ။ တစ်ဦးကတိကျမှန်ကန်မာစတာ datafile နှင့် 2 ကိုထုတ်လုပ်ဖို့အများကြီးနေကြတဲ့ဒေတာသတင်းရပ်ကွက်များပေါင်းစပ်ဖို့ Catalist ၏ 1) စွမ်းရည်) ဟာသူ့ရဲ့မာစတာ datafile ရန်စစ်တမ်းဒေတာလင့်ထားသည်မှ Catalist များ၏စွမ်းရည်: ပိုမိုအထူးသ, ရလဒ်များကိုနှစ်ခု key ကိုခြေလှမ်းများအပေါ် hinge ။ ထိုအဆင့်တစ်ခုချင်းစီအတော်လေးခက်ခဲသည်နှင့်လည်းကောင်းခြေလှမ်းမှာအမှားအယွင်းများမှားကောက်ချက်မှသုတေသီတွေကဦးဆောင်လမ်းပြနိုင်။ ဒါကြောင့်သုတေသီများမရှိတစ်ဦးချင်းစီပညာသင်နှစ်သုတေသီသို့မဟုတ်အုပ်စုတစ်စုကိုက်ညီနိုငျကွောငျးမကွာခဏတစ်စကေးမှာ, ဒီပြဿနာတွေကိုဖြေရှင်းရေးအတွက်အရင်းအမြစ်များကိုရင်းနှီးမြှုပ်နှံနိုင်အောင်သို့သော်ဒေတာအပြောင်းအလဲနဲ့နှင့်ကိုက်ညီခြင်းနှစ်ခုလုံးဟာကုမ္ပဏီအဖြစ် Catalist ၏ဆက်လက်တည်ရှိဖို့ဝေဖန်ကြသည်။ အခန်းရဲ့အဆုံးမှာနောက်ထပ်စာဖတ်ခြင်း၌ငါသည်ပိုပြီးအသေးစိတ်နှင့်မည်သို့ Ansolabehere နှင့် Hersh ၎င်းတို့၏ရလဒ်များကိုယုံကြည်စိတ်ချတည်ဆောက်တွင်ဤပြဿနာများကိုဖော်ပြရန်။ ဤအသေးစိတျကဒီလေ့လာမှုတိကျတဲ့ဖြစ်သော်လည်းဤဆင်တူကိစ္စများအနက်ရောင်-box ကိုဒစ်ဂျစ်တယ်သဲလွန်စဒေတာသတင်းရပ်ကွက်လင့်ထားသည်လိုသောအခြားသုတေသီများအဘို့ပေါ်ထွန်းတော်မူမည်။
သုတေသီများဤလေ့လာချက်ကနေဆွဲနိုင်ပါတယ်အထွေထွေသင်ခန်းစာတွေဘာတွေလဲ? ပထမဦးစွာစစ်တမ်းဒေတာနှင့်အတူဒစ်ဂျစ်တယ်ခြေရာတွေတပုဒ်ကိုမှကြီးမားတဲ့တန်ဖိုးကိုလည်းရှိ၏။ ဒုတိယအချက်မှာဤစုစည်းသော်လည်းစီးပွားဖြစ်ဒေတာသတင်းရပ်ကွက်အချို့ကိစ္စများတွင်သူတို့အသုံးဝင်သောဖြစ်နိုင်ပါတယ် "ဟုမြေပြင်အမှန်တရားက" စဉ်းစားမရသင့်ပါတယ်။ တကယ်တော့သူက (သူတို့ကအမြဲတမ်းပျက်ကြလိမ့်မည်သည့်ထံမှ) မအကြွင်းမဲ့အာဏာအမှန်တရားအားဤဒေတာသတင်းရပ်ကွက်များနှိုင်းယှဉ်ဖို့အကောင်းဆုံးဖြစ်ပါတယ်။ အဲဒီအစား, ကလျော့ပါးသွားမည်ဖြစ်သလိုအဖြစ်ကောင်းစွာအမှားများရှိသည်သောအခြားရရှိနိုင်ဒေတာအရင်းအမြစ်, သူတို့ကိုနှိုင်းယှဉ်ဖို့ သာ. ကောင်း၏။
