3.3 ਕੁੱਲ ਸਰਵੇਖਣ ਗਲਤੀ ਫਰੇਮਵਰਕ

ਕੁੱਲ ਸਰਵੇਖਣ ਗਲਤੀ = ਨੁਮਾਇੰਦਗੀ ਗਲਤੀ + ਮਾਪ ਗਲਤੀ.

ਅੰਦਾਜ਼ਾ ਜੋ ਨਮੂਨੇ ਦੇ ਸਰਵੇਖਣਾਂ ਤੋਂ ਆਉਂਦੇ ਹਨ ਅਕਸਰ ਨਾਮੁਕੰਮਲ ਹੁੰਦੇ ਹਨ. ਭਾਵ ਆਮ ਤੌਰ 'ਤੇ ਇਕ ਨਮੂਨਾ ਸਰਵੇਖਣ (ਉਦਾਹਰਣ ਵਜੋਂ, ਇਕ ਸਕੂਲ ਵਿਚ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਅਨੁਮਾਨਿਤ ਔਸਤ ਉਚਾਈ) ਅਤੇ ਜਨਸੰਖਿਆ ਦਾ ਅਸਲ ਮੁੱਲ (ਉਦਾਹਰਣ ਵਜੋਂ, ਸਕੂਲ ਵਿਚ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਅਸਲ ਔਸਤ ਉਚਾਈ) ਦੇ ਅੰਦਾਜ਼ੇ ਵਿਚ ਇਕ ਫਰਕ ਹੈ. ਕਦੇ-ਕਦੇ ਇਹ ਗਲਤੀਆਂ ਬਹੁਤ ਛੋਟੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਕਿ ਉਹ ਬੇਯਕੀਨ ਹੁੰਦੀਆਂ ਹਨ, ਪਰ ਕਈ ਵਾਰੀ, ਬਦਕਿਸਮਤੀ ਨਾਲ, ਉਹ ਵੱਡੇ ਅਤੇ ਸਿੱਟੇ ਵਜੋਂ ਹੋ ਸਕਦੇ ਹਨ. ਸਮਾਰੋਹ ਨੂੰ ਸਮਝਣ, ਮਾਪਣ ਅਤੇ ਘਟਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਵਿਚ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਹੌਲੀ ਹੌਲੀ ਨਮੂਨੇ ਦੇ ਸਰਵੇਖਣਾਂ ਵਿਚ ਪੈਦਾ ਹੋਈਆਂ ਗਲਤੀਆਂ ਲਈ ਇੱਕ ਇਕੋ, ਵਧੇਰੇ ਵਿਆਪਕ ਸੰਕਲਪ ਫਰੇਮਵਰਕ ਤਿਆਰ ਕੀਤਾ: ਕੁੱਲ ਸਰਵੇਖਣ ਗਲਤੀ ਫਰੇਮਵਰਕ (Groves and Lyberg 2010) . ਹਾਲਾਂਕਿ ਇਸ ਫਰੇਮਵਰਕ ਦਾ ਵਿਕਾਸ 1 9 40 ਦੇ ਦਹਾਕੇ ਵਿਚ ਸ਼ੁਰੂ ਹੋਇਆ ਸੀ, ਪਰ ਮੈਨੂੰ ਲਗਦਾ ਹੈ ਕਿ ਇਹ ਡਿਜੀਟਲ ਉਮਰ ਵਿਚ ਸਰਵੇਖਣ ਖੋਜ ਲਈ ਸਾਨੂੰ ਦੋ ਮਦਦਗਾਰ ਵਿਚਾਰ ਪੇਸ਼ ਕਰਦਾ ਹੈ.

ਪਹਿਲਾਂ, ਕੁੱਲ ਸਰਵੇਖਣ ਗਲਤੀ ਫਰੇਮਵਰਕ ਨੇ ਸਪਸ਼ਟ ਕੀਤਾ ਕਿ ਦੋ ਕਿਸਮ ਦੀਆਂ ਗਲਤੀਆਂ ਹਨ: ਪੱਖਪਾਤ ਅਤੇ ਵਿਪਰੀਤ ਲਗਭਗ, ਪੱਖਪਾਤੀ ਵਿਵਸਥਿਤ ਗਲਤੀ ਹੈ ਅਤੇ ਵਿਭਿੰਨਤਾ ਬੇਤਰਤੀਬ ਗਲਤੀ ਹੈ ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਕਲਪਨਾ ਕਰੋ ਕਿ ਇੱਕੋ ਨਮੂਨੇ ਦੀ ਸਰਵੇਖਣ ਦੇ 1000 ਨਾਪਿਆਂ ਨੂੰ ਚਲਾਉਣ ਅਤੇ ਫਿਰ ਇਹਨਾਂ 1,000 ਨਕਲਾਂ ਦੇ ਅੰਦਾਜ਼ੇ ਨੂੰ ਦੇਖਦੇ ਹੋਏ ਪੱਖਪਾਤ ਇਹ ਦੁਹਰਾਓ ਅੰਦਾਜ਼ਿਆਂ ਅਤੇ ਅਸਲ ਮੁੱਲ ਦੇ ਵਿੱਚਕਾਰ ਅੰਤਰ ਹੈ. ਇਹ ਅੰਦਾਜ਼ਾ ਇਨ੍ਹਾਂ ਅਨੁਮਾਨਾਂ ਦੀ ਪਰਿਵਰਤਨ ਹੈ ਬਾਕੀ ਸਾਰੇ ਬਰਾਬਰ ਹੁੰਦੇ ਹਨ, ਅਸੀਂ ਕਿਸੇ ਪੱਖਪਾਤ ਅਤੇ ਛੋਟੇ ਝੁਕਾਅ ਨਾਲ ਕੋਈ ਪ੍ਰਕ੍ਰਿਆ ਚਾਹੁੰਦੇ ਹਾਂ. ਬਦਕਿਸਮਤੀ ਨਾਲ, ਬਹੁਤ ਸਾਰੀਆਂ ਅਸਲੀ ਸਮੱਸਿਆਵਾਂ ਲਈ, ਅਜਿਹੇ ਕੋਈ ਵੀ ਪੱਖਪਾਤ ਨਹੀਂ, ਛੋਟੇ-ਵਿਭਿੰਨ ਪ੍ਰਕਿਰਿਆਵਾਂ ਮੌਜੂਦ ਨਹੀਂ ਹੁੰਦੀਆਂ, ਜੋ ਖੋਜਕਾਰਾਂ ਨੂੰ ਇਹ ਨਿਰਧਾਰਿਤ ਕਰਨ ਦੀ ਮੁਸ਼ਕਲ ਸਥਿਤੀ ਵਿੱਚ ਰੱਖਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਪੱਖਪਾਤ ਅਤੇ ਵਿਭਿੰਨਤਾ ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨਾ ਹੈ. ਕੁਝ ਖੋਜਕਰਤਾ ਸੁਭਾਵਕ ਤੌਰ 'ਤੇ ਨਿਰਪੱਖ ਢੰਗ ਨਾਲ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ, ਪਰ ਪੱਖਪਾਤ' ਤੇ ਇਕੋ ਚਿੰਤਤ ਫੋਕਸ ਇੱਕ ਗਲਤੀ ਹੋ ਸਕਦਾ ਹੈ. ਜੇ ਟੀਚਾ ਇੱਕ ਅੰਦਾਜ਼ੇ ਨੂੰ ਤਿਆਰ ਕਰਨਾ ਹੈ ਜੋ ਸੱਚ ਨੂੰ ਜਿੰਨਾ ਵੀ ਸੰਭਵ ਹੋ ਸਕੇ (ਭਾਵ, ਸਭ ਤੋਂ ਛੋਟੀ ਤਰ੍ਹਾ ਗਲਤੀ ਨਾਲ), ਤਾਂ ਤੁਸੀਂ ਉਸ ਵਿਧੀ ਨਾਲ ਵਧੀਆ ਹੋ ਸਕਦੇ ਹੋ ਜਿਸਦੇ ਨਾਲ ਇੱਕ ਛੋਟੇ ਪੱਖਪਾਤ ਅਤੇ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਵਿਭਿੰਨਤਾ ਹੈ ਨਿਰਪੱਖ ਹਾਂ ਪਰੰਤੂ ਇੱਕ ਵੱਡਾ ਵਿਭਿੰਨਤਾ (ਚਿੱਤਰ 3.1) ਹੈ. ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਕੁੱਲ ਸਰਵੇਖਣ ਗਲਤੀ ਦੀ ਫਰੇਮਵਰਕ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਜਦੋਂ ਸਰਵੇਖਣ ਅਭਿਆਸ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹੋ ਤਾਂ ਤੁਹਾਨੂੰ ਦੋਵਾਂ ਪੱਖਾਂ ਅਤੇ ਭਿੰਨਤਾਵਾਂ ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ.

ਚਿੱਤਰ 3.1: ਬਿਆਸ ਅਤੇ ਵਖਰੇਵੇਂ ਆਦਰਸ਼ਕ ਰੂਪ ਵਿੱਚ, ਖੋਜਕਰਤਾਵਾਂ ਕੋਲ ਨਾ-ਪੱਖਪਾਤ, ਘੱਟ-ਫਰਕ ਅੰਦਾਜ਼ਨ ਵਿਧੀ ਹੋਵੇਗੀ. ਵਾਸਤਵ ਵਿੱਚ, ਉਹਨਾਂ ਨੂੰ ਅਕਸਰ ਅਜਿਹੇ ਫੈਸਲੇ ਕਰਨੇ ਪੈਂਦੇ ਹਨ ਜੋ ਪੱਖਪਾਤ ਅਤੇ ਵਿਭਿੰਨਤਾ ਦੇ ਵਿਚਕਾਰ ਵਪਾਰ ਨੂੰ ਬੰਦ ਕਰਦੇ ਹਨ. ਹਾਲਾਂਕਿ ਕੁਝ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਨਿਰਪੱਖ ਢੰਗ ਨਾਲ ਨਿਰਪੱਖ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ ਹੈ, ਕਈ ਵਾਰੀ ਇੱਕ ਛੋਟੀ-ਪੱਖੀ, ਛੋਟੀ-ਵਿਵਰਣ ਪ੍ਰਕਿਰਿਆ ਨਿਰਪੱਖ ਪ੍ਰਕਿਰਿਆ ਨਾਲੋਂ ਵਧੇਰੇ ਸਹੀ ਅੰਦਾਜ਼ੇ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੀ ਹੈ ਜੋ ਉੱਚ ਰੂਪ ਵਿੱਚ ਹੈ.

ਕੁੱਲ ਸਰਵੇਖਣ ਗਲਤੀ ਫਰੇਮਵਰਕ ਦੀ ਦੂਜੀ ਮੁੱਖ ਸਮਝ, ਜੋ ਕਿ ਇਸ ਅਧਿਆਇ ਦੇ ਬਹੁਤੇ ਪ੍ਰਬੰਧਾਂ ਦਾ ਆਯੋਜਨ ਕਰਦੀ ਹੈ, ਇਹ ਹੈ ਕਿ ਇੱਥੇ ਗਲਤੀਆਂ ਦੇ ਦੋ ਸਰੋਤ ਹਨ: ਤੁਸੀਂ ਕਿਸ ਨਾਲ ਗੱਲ ਕਰਦੇ ਹੋ ( ਪ੍ਰਤਿਨਿਧਤਾ ) ਅਤੇ ਉਹਨਾਂ ਗੱਲਾਂ ਨਾਲ ਸਬੰਧਤ ਸਮੱਸਿਆਵਾਂ ਜੋ ਤੁਸੀਂ ਇਨ੍ਹਾਂ ਗੱਲਾਂ ਤੋਂ ਸਿੱਖਦੇ ਹੋ ( ਮਾਪ ). ਉਦਾਹਰਨ ਲਈ, ਤੁਸੀਂ ਫਰਾਂਸ ਵਿੱਚ ਰਹਿਣ ਵਾਲੇ ਬਾਲਗ਼ਾਂ ਵਿੱਚ ਔਨਲਾਈਨ ਗੋਪਨੀਯਤਾ ਬਾਰੇ ਰਵੱਈਏ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਵਿੱਚ ਦਿਲਚਸਪੀ ਹੋ ਸਕਦੇ ਹੋ. ਇਹ ਅੰਦਾਜ਼ੇ ਬਣਾਉਣ ਲਈ ਦੋ ਵੱਖ-ਵੱਖ ਕਿਸਮ ਦੇ ਅਨੁਮਾਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ. ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਜਵਾਬ ਦੇਣ ਵਾਲੇ ਜਵਾਬਾਂ ਤੋਂ, ਤੁਹਾਨੂੰ ਆਨਲਾਈਨ ਪ੍ਰਾਇਵੇਸੀ (ਜੋ ਕਿ ਮਾਪ ਦੀ ਸਮੱਸਿਆ ਹੈ) ਬਾਰੇ ਉਨ੍ਹਾਂ ਦੇ ਰਵੱਈਏ ਨੂੰ ਅਨੁਮਾਨ ਲਾਉਣਾ ਹੈ. ਦੂਜਾ, ਉੱਤਰ ਦੇਣ ਵਾਲੇ ਵਿਅਕਤੀਆਂ ਦੇ ਵਿੱਚ ਅਨੁਮਾਨਤ ਰਵੱਈਏ ਤੋਂ, ਤੁਹਾਨੂੰ ਆਬਾਦੀ ਦੇ ਸਾਰੇ ਰਵੱਈਏ (ਜੋ ਕਿ ਪ੍ਰਤਿਨਿਧਤਾ ਦੀ ਸਮੱਸਿਆ ਹੈ) ਦੇ ਰੂਪਾਂ ਦਾ ਅਨੁਮਾਨ ਲਾਉਣਾ ਚਾਹੀਦਾ ਹੈ. ਮਾੜੇ ਸਰਵੇਖਣ ਦੇ ਪ੍ਰਸ਼ਨਾਂ ਨਾਲ ਸੰਪੂਰਨ ਨਮੂਨਾ ਬੁਰੇ ਅੰਦਾਜ਼ਿਆਂ ਨੂੰ ਪੇਸ਼ ਕਰੇਗਾ, ਜਿਵੇਂ ਕਿ ਸੰਪੂਰਨ ਸਰਵੇਖਣ ਸਵਾਲਾਂ ਨਾਲ ਬੁਰਾ ਨਮੂਨਾ. ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿਚ, ਚੰਗੇ ਅਨੁਮਾਨਾਂ ਨੂੰ ਮਾਪ ਅਤੇ ਨੁਮਾਇੰਦਗੀ ਕਰਨ ਲਈ ਆਵਾਜਾਈ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ. ਉਸ ਪਿਛੋਕੜ ਤੇ, ਮੈਂ ਸਮੀਖਿਆ ਕਰਾਂਗਾ ਕਿ ਸਰਵੇਖਣ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਬੀਤੇ ਵਿੱਚ ਨੁਮਾਇੰਦਗੀ ਅਤੇ ਮਾਪ ਬਾਰੇ ਕੀ ਸੋਚਿਆ ਹੈ. ਫਿਰ, ਮੈਂ ਦਿਖਾਵਾਂਗਾ ਕਿ ਪ੍ਰਤਿਨਿਧਤਾ ਅਤੇ ਮਾਪ ਬਾਰੇ ਵਿਚਾਰ ਡਿਜੀਟਲ-ਉਮਰ ਦੀ ਸਰਵੇਖਣ ਦੀ ਖੋਜ ਕਿਵੇਂ ਕਰ ਸਕਦੇ ਹਨ.