කටයුතු

• දුෂ්කරතා මට්ටම: පහසුයි , මධ්යම අමාරුයි හරිම අමාරුයි
• ගණිතය අවශ්ය වේ ( )
• කේතීකරණ ( )
• දත්ත එකතුව ( )
• මගේ ප්රියතම ( )

1. [ , ] පශ්චාත්-භේදභින්නය පිළිබඳව මම බෙහෙවින් ධනාත්මක විය. කෙසේ වෙතත්, මෙය සෑම විටම ඇස්තමේන්තු ගුණාත්මකභාවය වැඩි දියුණු කර නැත. පශ්චාත්-ස්ථාවරකරණය ඇස්තමේන්තු ගුණාත්මකභාවය අඩු කළ හැකි තත්ත්වයක් තැනීම. (ඉඟිය සඳහා Thomsen (1973) බලන්න Thomsen (1973) .)

2. [ , , ] තුවක්කු පාලනය සම්බන්ධයෙන් තුවක්කු අයිතිය සහ ආකල්ප ගැන විමසීමට ඇමේසන් යාන්ත්රික තුර්කියේ සම්භාවිතාව පිළිබඳ සමීක්ෂණයක් නිර්මාණය කිරීම හා මෙහෙයවීම. එබැවින්, ඔබගේ ඇස්තමේන්තු සම්භාවිතා නියැදි වලින් උපුටා ගත් අය සඳහා ඔබේ ඇස්තමේන්තු සසඳා ගත හැකි වන පරිදි, පුවර් පර්යේෂණ මධ්යස්ථානය විසින් පවත්වාගෙන යනු ලබන උසස් තත්වයේ සමීක්ෂණයක් මගින් ප්රශ්ණ පෙළ සහ ප්රතිචාර විකල්ප කෙලින්ම පිටපත් කරන්න.

   1. ඔබේ සමීක්ෂණය කොපමණ කාලයක් ගතවේද? එයට කොතරම් වැයවෙනවා ද? එක්සත් ජනපද ජනගහනයේ ජන විකාශනය සමඟ ඔබගේ නියැදියේ ජනගහන විද්යාව සංසන්දනය කරන්නේ කෙසේද?
   2. ඔබේ නියැදිය භාවිතා කර තුවක්කු හිමිකරුගේ අළුත්ම තක්සේරුව කුමක්ද?
   3. පශ්චාත්-ස්ථාවීකරණ හෝ වෙනත් තාක්ෂණ ක්රම භාවිතා කරමින් ඔබගේ සාම්පලයේ නිර්මලතාවයට නිවැරදි කිරීම. තුවක්කු හිමිකාරිත්වය පිළිබඳ ඇස්තමේන්තුව කුමක්ද?
   4. ඔබගේ ඇස්තමේන්තු සම්භාවිතාව පදනම් කරගත් නියැදියකින් නවතම තක්සේරු සමඟ සංසන්දනය කරන්නේ කෙසේද? ඔබ සිතන්නේ කුමක්ද? ඔබ සිතන්නේ කුමක්ද?
   5. නැවතත් ප්රශ්න (b) - (d) ආයුධ පාලනය කිරීමට යොමු කිරීම ඔබේ සොයාගැනීම් වෙනස් වන්නේ කෙසේද?

3. [ , , ] ජීඑල්එල් සහ සගයන් (2016) සාමානය සමාජ සමීක්ෂනයෙන් (GSS) විසින් තෝරාගත් බහු-තේරීම් වලට අදාල ප්රශ්න 49 ක් පරිපාලනය කළ අතර, ඇම්සසන් යාන්ත්රික තුර්කියේ සිට විශ්ලේෂණය කළ විශ්වසනීය නියැදි පුවර් පර්යේෂණ මධ්යස්ථානය විසින් තෝරාගත් සමීක්ෂණ සිදු කරන ලදී. පසුව මොඩලය පදනම් කර ගත් පසු විචලනය භාවිතා කරමින් දත්ත විශ්ලේෂණය නොකිරීම සඳහා සකස් කරන ලද අතර ඒවායේ ගැලපූ ඇස්තමේන්තු අනුව සම්භාවිතාවය පදනම් කරගත් GSS සහ පව් සමීක්ෂණවලින් ඒවා සසඳා ඇත. Amazon Mechanical Turk හි එකම සමීක්ෂණය පැවැත්වීම හා ජීඑස්එස් සහ පුව් සමීක්ෂණවල මෑත ම වටවල වටේ ඇස්තමේන්තූන් සමඟ ඔබේ ගැලපූ ඇස්තමේන්තු සංසන්දනය කරමින් රූප 2a සහ රූපය 2b ප්රතිනිෂ්පාදනය කිරීමට උත්සාහ කරන්න. (49 ප්රශ්න සඳහා ලැයිස්තුවේ උපග්රන්ථ වගුව A2 බලන්න.)

   1. Pew සහ GSS වෙතින් ඔබේ ප්රතිඵල සසඳා බලන්න.
   2. Goel, Obeng, and Rothschild (2016) හි යාන්ත්රික Turk පර්යේෂණයන්ගෙන් ඔබේ ප්රතිඵල සසඳා බලන්න.

4. [ , , ] බොහෝ අධ්යයනයන් ජංගම දුරකථන භාවිතයේ ස්වයං-වාර්තා කරන ලද පියවර භාවිතා කරයි. මෙය ස්වයං-වාර්තාගත හැසිරීම සහිතව පර්යේෂකයන්ට සංසන්දනාත්මක හැසිරීමකට සමාන කළ හැකි රසවත් සැකසුමකි (උදාහරණ බලන්න Boase and Ling (2013) ). ඉල්ලීම සඳහා පොදු හැසිරීම් දෙකක් ඇමතීම හා කෙටි පණිවිඩ යැවීම, සහ පොදු වේලාවන් රාමු දෙක "ඊයේ" සහ "පසුගිය සතියේ" ඇත.

   1. කවර දත්තයක් එකතු කිරීමට පෙර, ස්වයං-වාර්තා ක්රමවලින් ඔබ වඩාත් නිවැරදි බව ඔබ සිතනවාද? මන්ද?
   2. ඔබගේ සමීක්ෂණයේ ඔබගේ මිතුරන් පස්දෙනෙකු බඳවා ගන්න. මෙම මිතුරන් පස්දෙනා කෙලෙසදැයි කෙටියෙන් විස්තර කරන්න. මෙම නියැදි ක්රියාපටිපාටිය ඔබේ ඇස්තමේන්තු තුළ විශේෂිත පක්ෂපාතීත්වයක් ඇතිවිය හැකිද?
   3. පහත සඳහන් ක්ෂුද්ර මූල්ය ප්රශ්න:
   • "ඊයේ ඔබ අන් අය සමඟ දුරකථනයෙන් කතා කළාද?
   • "ඊයේ ඔබ යැවූ කෙටි පණිවිඩ කීයක් තිබේද?"
   • "පසුගිය දින හත තුළ අන් අයට ඇමතීම සඳහා ඔබ ඔබේ ජංගම දුරකථනය කී වරක් භාවිතා කළාද?"
   • "පසුගිය දින හත තුළ කෙටි පණිවුඩ යැවීම හෝ කෙටි පණිවුඩ යැවීමට හෝ ලැබීමට කොපමණ වාරයක් ඔබේ ජංගම දුරකථනය භාවිතා කළාද?"
   4. මෙම ක්ෂුද්ර ජීවනය සම්පුර්ණ කර ඇති පසු, ඔවුන්ගේ භාවිත දත්ත ඔවුන්ගේ දුරකථන හෝ සේවා සැපයුම්කරු විසින් සටහන් කර ඇත. ස්වයං-වාර්තා භාවිතය ලොග් දත්තවලට සැසඳෙන්නේ කෙසේද? නිරවද්යතාව යනු කුමක්ද?
   5. දැන් ඔබේ පන්තියේ වෙනත් අයගෙන් දත්ත එකතු කර ඇති දත්ත ඒකාබද්ධ කරන්න (පංතිය සඳහා මෙම ක්රියාකාරකම ඔබ කරන්නේ නම්). මෙම විශාල දත්ත කට්ටලය සමඟ, නැවත කොටස (d).

5. [ , ] Schuman සහ Presser (1996) තර්ක කරන්නේ ප්රශ්න ප්රශ්න දෙකකට ප්රශ්න දෙකකට සැලකිල්ලට ගත යුතු බවයි. එනම් ප්රශ්න දෙකකටම විශේෂිත මට්ටමේ (එනම්, ජනාධිපති අපේක්ෂකයන් දෙදෙනෙකුගේ ශ්රේණිගත කිරීම්) ප්රශ්න දෙකක් ඇති කොටස් කොටසකි. සහ සාමාන්ය ප්රශ්නයක් වඩාත් නිශ්චිත ප්රශ්නයක් අනුගමනය කරන විට (සමහර විට, "ඔබගේ කාර්යයට ඔබ කොපමණ තෘප්තිමත්ද?" පසුව "ඔබේ ජීවිතයට ඔබ කොපමණ තෘප්තිමත්ද?").

   ඔවුන් විසින් ප්රශ්ණ පිළිවෙලකට වර්ග දෙකක් වර්ග කර ඇති අතර: පසුකාලීන ප්රශ්නයට පිළිතුරු ලැබෙන විට ඊට වඩා ප්රශ්නයට උත්තරයක් ලැබෙනු ඇත. ප්රතිවිරුද්ධ බලපෑම් දෙකක් ප්රශ්න වලට ප්රතිචාරයන් අතර විශාල වෙනස්කම් ඇත.

   1. ඔබ විශාල ප්රශ්ණ පිළිවෙළක් ඇති බව සිතන අයුරින් කොටස්-කොටස් ප්රශ්න සාදන්න; ඔබ සිතන්නේ එය විශාල ඇණවුමක බලපෑමක් ඇති බවයි. සහ ඔබ හිතනවාද නොසිතන ප්රශ්නවලට පිළිතුරු දෙන්න. ඔබේ ප්රශ්න පරීක්ෂා කිරීමට ඇමේසන් යාන්ත්රික තුර්කියේ සමීක්ෂණයක් කරන්න.
      
   2. ඔබ නිර්මාණය කළ හැකි කොටසක් කොතරම් විශාලද? එය අනුකූලතාවක් හෝ ප්රතිවිරුද්ධ බලපෑමක් ද?
   3. ඔබ නිර්මාණය කළ හැකි කොටසක් කොතරම් විශාලද? එය අනුකූලතාවක් හෝ ප්රතිවිරුද්ධ බලපෑමක් ද?
   4. ඔබේ ඇණවුම ගැන ප්රශ්නයක් නොතිබුනේ ඔබේ ප්රශ්නයට අහිතකර බලපෑම් ඇති වූවාද?

6. [ , ] Schuman සහ Presser හි වැඩකටයුතු මත ගොඩනැඟීම, Moore (2002) දී Moore (2002) මගින් ප්රශ්ණ අනුපිළිවෙල වෙනම පැතිකඩක් විස්තර කරයි. එකිනෙකට සාපේක්ෂව එකිනෙකට සම්බන්ධ අයිතමයන් දෙකේ ප්රතිචාර දක්වන ලද ඇගයුම්වල ප්රතිවිරෝධතාවය සහ සංයුක්තතාවයේ ප්රතිඵල නිපදවා ඇති අතර, ප්රශ්න අසන ප්රශ්න විග්රහ කර ඇති විශාල රාමුව සම්බන්ධයෙන් ප්රතිචාර දැක්වූවන් ප්රතිචාර දක්වන විට උපකාරී වේ. Moore (2002) කියවන්න, පසුව ඇට්ටික් හෝ අඩුවීමේ බලපෑම පෙන්නුම් කිරීමට MTurk මත සමීක්ෂණයේ අත්හදා බැලීම සිදු කරනු ලබයි.

7. [ , ] ක්රිස්ටෝපර් ඇන්ටූන් සහ සගයන් (2015) විසින් විවිධාකාර මාර්ගගත බඳවාගැනීම් මූලාශ්ර හතරකින් ලබාගත් පහල සාම්පල සමාලෝචනය කරන ලදී. MTurk, Craigslist, Google AdWords සහ Facebook. සරල සමීක්ෂණයක් නිර්මාණය කර අවම වශයෙන් වෙනස් කරන ලද මාර්ගගත බඳවා ගැනීම් මූලාශ්රයන් දෙකක් (එනම් Antoun et al. (2015) භාවිතා කරන ප්රභවයන්ගෙන් වෙනස් විය හැකිය).

   1. විවිධ මූලාශ්ර අතරින් මුදල් හා වේලාව අනුව බඳවා ගන්නා පිරිවැය සසඳා බලන්න.
   2. විවිධ ප්රභවයන්ගෙන් ලබාගත් සාම්පල සංසන්දනය කරන්න.
   3. සාම්පල අතර දත්ත වල ගුණාත්මක භාවය සසඳා බලන්න. ප්රතිචාර දැක්වූවන්ගෙන් දත්තවල ගුණාත්මකභාවය මැනීමට ආකාරය පිළිබඳ අදහස් සඳහා Schober et al. (2015) .
   4. ඔබේ වඩාත් කැමති මූලාශ්රය කුමක්ද? මන්ද?

8. [ ] 2016 දී යුරෝපා සංගමයේ ජනමත විචාරණය (එනම් බ්රෙක්සිට්) හි ප්රතිඵල අනුව අනාවැකි පළ කිරීම සඳහා එක්සත් රාජධානියේ ප්රතිචාර දැක්වූ 800000 ක පමණ පිරිසක් විසින් පවත්වන ලද අන්තර්ජාලය මඟින් පවත්වන ලද අන්තර්ජාල ඔත්තු බැලීම් සිදු කරන ලදී.

   YouGov හි සංඛ්යානමය ආකෘතිය පිළිබඳ විස්තරයක් https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/. කෙසේවෙතත්, යූජීග් 2015 2015 මැතිවරණයේ ඡන්ද විමසීම්, වයස, සුදුසුකම්, ස්ත්රී පුරුෂභාවය සහ සම්මුඛ පරීක්ෂණයට ලක් වූ දිනයන් අනුව ඡන්ද දායකයින් විසින් ඡන්දය භාවිතා කරන ලදී. පළමුවෙන්ම, ඔබ විසින් තෝරා ගනු ලැබූ යූ.ජී. විද්වතුන්ගෙන් දත්ත රැස්කරනු ලැබුවේ ඡන්දදායකයින් අතර ඡන්දය ප්රකාශ කිරීමට අදහස් කරන එක් එක් ඡන්දදායක වර්ගයෙහි ජන සංඛ්යාව අනුවය. මැතිවරන ප්රකාශනයේ සිට ඡන්දය ප්රකාශ කිරීමේ බලය තහවුරු කරගත් 2015 මැතිවරන අපේක්ෂාවකට මුහුන දුන් සමීක්ෂණයට අනුව බ්රිතාන්ය ඡන්ද කොට්ඨාසයේ (BES) යොදා ගනිමින් එක් එක් ඡන්දදායකයින් වර්ගයේ ඡන්ද ප්රමාණය ප්රකාශයට පත් කරන ලදී. අවසාන වශයෙන්, ජනලේඛන හා වාර්ෂික ජනගහන සමීක්ෂණය මත පදනම්ව (වෙනත් දත්ත මූලාශ්රවලින් සමහර එකතු කළ තොරතුරු සහිතව) ඡන්ද කොට්ඨාසයේ එක් එක් ඡන්දදායක වර්ගයෙහි කොපමණ සංඛ්යාවක් සිටින අයදැයි ගණන් බලා ඇත.

   ඡන්දයට දින තුනකට පෙරාතුව, ඔබෝව් විසින් Leave සඳහා ද්වි-ලක්ෂ්යයක් පෙන්වන ලදී. ඡුන්ද විමසීමේදී, ඡන්ද විමසීමේදී ප්රතිඵලය සමීපව ඇති බවය (49/51 Remain). අවසාන අධ්යයන අධ්යයනය Remain (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/) සඳහා 48/52 අපේක්ෂාවෙන්. ඇත්ත වශයෙන්ම, මෙම තක්සේරුව අවසන් ප්රතිඵලය (52/48 නිවාඩු) ප්රතිශතයක් ලෙස සියයට හතරකින් අසමත් විය.

   1. වැරදියට කුමක් සිදුවිය හැකිදැයි තක්සේරු කිරීම සඳහා මේ පරිච්ඡේදයේ සාකච්ඡා කළ සමීක්ෂණයේ දෝෂ රාමුව භාවිතා කරන්න.
   2. මැතිවරණයෙන් පසු ඔබාගෝගේ ප්රතිචාරය (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/) මෙසේ පැහැදිලි කලේ ය: "මෙය පෙනෙන්නේ ඡන්දය දීමෙන් විශාල කොටසක් වීම ය එවැනි තරමක් සමතුලිත තරඟයක ප්රතිපලයක් සඳහා සියළු දෙනාම තීරණාත්මක වනු ඇති බව අපි පවසා තිබේ. පසුගිය මැතිවරණ සමයේදී ප්රතිචාර දැක්වූවන් ප්රතිචාර දැක්වූයේද, මහ මැතිවරණයට වඩා ඉහලින් ඡන්දය ප්රකාශ කිරීමේ ප්රතිශතය, විශේෂයෙන්ම උතුරු පළාතෙන් ඇති වූ ඡන්ද ප්රමාණාත්මක මට්ටමට ඉහළින් ඇති බවය.

9. [ , ] රූප සටහන 3.2 හි දැක්වෙන සෑම නිරූපණ දෝෂ නිදර්ශනය සඳහා සමාකෘති ලියන්න.

   1. මෙම දෝෂයන් සැබැවින්ම අවලංගු වන තත්වයක් නිර්මාණය කරන්න.
   2. දෝෂ එකිනෙක ගැටෙන තත්ත්වයක් ඇති කරන්න.

10. [ , ] Blumenstock සහ colleagues (2015) පර්යේෂණයන් සමීක්ෂණ ප්රතිචාර අනාවැකි සඳහා ඩිජිටල් අනුරූප දත්ත භාවිතා කළ හැකි පරිගණක ඉගෙනුම් ආකෘතියක් ගොඩනැගීම සඳහා සම්බන්ධ විය. දැන්, ඔබ විවිධ දත්ත සමුදායක් සමඟ එකම දේ උත්සාහ කරමු. Kosinski, Stillwell, and Graepel (2013) සොයා ගත්තේ ෆේස්බුක් කැමති පුද්ගල ලක්ෂණ හා ගුණාංග පුරෝකථනය කළ හැකි බවයි. පුදුමයට කරුණක් නම්, මෙම අනාවැකි මිතුරන් හා සගයින්ගේ (Youyou, Kosinski, and Stillwell 2015) වලට වඩා වඩාත් නිවැරදි විය හැකිය.

    1. Kosinski, Stillwell, and Graepel (2013) , ප්රතිලෝම කරන්න. 2. ඔවුන්ගේ දත්ත http://mypersonality.org/
    2. දැන්, පින්තූර 3 ප්රතිනිෂ්පාදනය කරන්න.
    3. අවසාන වශයෙන්, ඔබේම ෆේස්බුක් දත්ත ඔවුන්ගේ ආකෘතියට උත්සාහ කරන්න: http://applymagicsauce.com/. එය ඔබ වෙනුවෙන් කොපමණ හොඳද?

11. [ ] Toole et al. (2015) දුරකථන ඇමතුම් පිළිබඳ වාර්තා (CDRs) ජංගම දුරකථන වලින් පුරෝකථනය කරන ලද සමස්ත විරැකියා ප්රවණතා පුරෝකථනය කරයි.

    1. Toole et al. (2015) හි අධ්යයන සැලැස්ම හා සසඳා බලන්න Toole et al. (2015) Blumenstock, Cadamuro, and On (2015) .
    2. සාම්ප්රදායික සමීක්ෂණ වෙනුවට සම්ප්රදායික සමීක්ෂණ වෙනුවට ඒවා අනුපූරක වශයෙන් හෝ රාජ්ය ප්රතිපත්ති සම්පාදකයින්ට විරැකියාව සොයා ගැනීම සඳහා භාවිතා නොකළ යුතු බව ඔබ සිතනවාද? මන්ද?
    3. විරැකියා අනුපාත සම්ප්රදායික මිනුම් ක්රමයේ ප්රතිශතයන් සම්පූර්ණයෙන්ම ප්රතිස්ථාපනය කළ හැකි බව ඔබට ඒත්තු ගැන්විය හැකි සාක්ෂි මොනවාද?