Totalt undersøkelse error = representasjonsfeil + målefeil.
Det finnes mange typer feil som kan krype inn estimater fra undersøkelsene, og siden 1940 har forskerne jobbet systematisk organisere, forstå og redusere disse feilene. Et viktig resultat fra alt dette arbeidet er det totale undersøkelsen feilen rammer (Groves et al. 2009; Weisberg 2005) . Den viktigste innsikten fra den totale undersøkelsen feil rammeverket er at problemer kan deles inn i to hoved bøtter: Problemer knyttet til hvem du snakker med (representasjon) og problemer knyttet til det du lærer fra disse samtalene (måling). For eksempel kan du være interessert i å estimere holdninger om personvern på nettet blant voksne som bor i Frankrike. Å gjøre disse estimatene krever to helt forskjellige typer slutning. Først fra de svarene som respondentene gir, må du slutte sine holdninger om personvern på nettet. For det andre, fra inferred holdninger blant respondenter, må du slutte holdningene i befolkningen som helhet. Den første typen slutning er domenet til psykologi og kognitiv vitenskap; og den andre typen slutning er domenet til statistikk. En perfekt prøvetaking ordningen med dårlige spørsmål i undersøkelsen vil gi dårlige estimater, og en dårlig prøvetaking ordning med perfekt undersøkelsen spørsmål vil også produsere dårlige estimater. Gode estimater krever gode tilnærminger til måling og representasjon. Gitt at bakgrunn, neste, vil jeg gå gjennom hvordan undersøkelsen har forskerne trodd om representasjon og måling i fortiden. Jeg forventer at mye av dette materialet vil være gjennomgang til sosiale scienitsts, men det kan være nye for noen data forskere. Deretter vil jeg vise deg hvordan disse ideene lede digitale tidsalder undersøkelse forskning.