3.6.1 ගුණිත ඉල්ලා

ඩිජිටල් අංශු මාත්ර ඔබේ සමීක්ෂණය සම්බන්ධ සෑම විටම ඔබගේ ප්රශ්න සියල්ලම අසන මෙන් විය හැක.

නියැදි සමීක්ෂණ සහ සංගණන: සාමාන්යයෙන් ඉල්ලා ප්රධාන කොටස් දෙකකට තුළ ය. ඔබ සුළු පිරිසක් ප්රවේශ එහිදී නියදි සමීක්ෂණ,,, නම්යශීලී කාලෝචිත හා සාපේක්ෂ ලාභ විය හැක. කෙසේ වෙතත්, නියදි සමීක්ෂණ, ඔවුන් ආදර්ශ මත පදනම් වේ නිසා, බොහෝ විට ඔවුන්ගේ යෝජනාව සීමා ඇත; නියැදි සමීක්ෂණයක් සමග, එය විශේෂිත භූගෝලීය ප්රදේශ ගැන හෝ විශේෂිත ජන විකාශ කණ්ඩායම් සඳහා තක්සේරු කිරීම් සඳහා බොහෝ විට දුෂ්කර ය. සංගණන, අනෙක් මත, ජනගහනය සෑම සම්මුඛ පරීක්ෂණ කරන්න උත්සාහ කළා. ඔවුන් විශිෂ්ට යෝජනාව ඇති, නමුත් ඔවුන් සාමාන්යයෙන් මිල අධික වන අතර, සම්පූර්ණ අවධානය පටු (ඔවුන් පමණක් ප්රශ්න කුඩා සංඛ්යාවක් ඇතුළත්), හා නිසි කලට නැත (ඔවුන් එවැනි සෑම වසර 10 ක ස්ථාවර කාලසටහන මත සිදු) (Kish 1979) . පර්යේෂකයන් නියැදි සමීක්ෂණ සහ සංගණන හොඳම ලක්ෂණ ඒකාබද්ධ හැකි නම් දැන් හිතාගන්න; පර්යේෂකයන් සෑම දිනකම සෑම සෑම ප්රශ්නයක් ඇසීමට හැකි නම් සිතන්න.

නිසැකවම, මේ අඛණ්ඩ, සාර්වත්රික, සමීක්ෂණ සෑම විටම මත සමාජ විද්යාව මනඃකල්පිත කාරුණික වේ. එහෙත්, එය අපි බොහෝ ජනතාව ඩිජිටල් අංශු මාත්ර සමග සුළු පිරිසක් සිට සමීක්ෂණ ප්රශ්න ඒකාබද්ධ කිරීම මගින් මෙම ආසන්න කිරීමට ආරම්භ කළ හැකිය බව පෙනී යයි. මම එකතුවක් වැඩිවී ඉල්ලමින් මෙම වර්ගය සිටිමු. හොඳින් ඉටු කළ හොත්, එය අපට (කුඩා භූගෝලීය ප්රදේශ සඳහා) වඩාත් දේශීය බව ඇස්තමේන්තු වැඩි කැටිති (නිශ්චිත ජන විකාශ කණ්ඩායම් සඳහා), සහ වඩාත් කාලීන සපයයි උදව් කරන්න පුලුවන්.

වැඩිවී ඉල්ලමින් එක් උදාහරණයක් දුප්පත් රටවල් සංවර්ධනය මග උදව් කරන බව දත්ත එකතු කිරීම, අවශ්ය වූ යොෂුවා Blumenstock, වැඩ පැමිණෙන්නේ. වඩාත් විශේෂිතව, Blumenstock ධනය හා සමීක්ෂණයක් නම්යශීලී හා වාර ගණන සමග සමීක්ෂණයේ සම්පූර්ණත්වය සංයුක්ත කර යහපැවැත්ම මැනීම සඳහා ක්රමයක් නිර්මාණය කිරීමට අවශ්ය (Blumenstock 2014; Blumenstock, Cadamuro, and On 2015) . ඇත්ත වශයෙන්ම, මම දැනටමත් Blumenstock වැඩ කෙටියෙන් 1 වන පරිච්ඡේදය විස්තර තියෙනවා.

ආරම්භ කිරීම සඳහා, Blumenstock රුවන්ඩාවේ විශාලතම ජංගම දුරකතන සපයන්නා සමග අත්වැල් බැඳ ගත්තා. මෙම සමාගම ඔහුට 2005 වසරේ සිට හැසිරීම ආවරණය වන පරිදි පාරිභෝගිකයන් මිලියන 1.5 ක් පමණ සිට නිර්නාමික ගනුදෙනුව වාර්තා හා 2009 ලබා දී ඇති අතර එම ලඝු-සටහන් සඳහා එවැනි ආරම්භ කාලය එක් එක් ඇමතුමක් හා පෙළ පණිවිඩයක්, කාල සීමාව, සහ දුරකථන ඇමතුම සහ ග්රාහකයේ ආසන්න භූගෝලීය ස්ථානය පිළිබඳ තොරතුරු අඩංගු වේ. අපි සංඛ්යා ලේඛන ප්රශ්න ගැන කතා ආරම්භ කිරීමට පෙර, එය මෙම පළමු පියවර අමාරුම එකක් විය හැකි බව පෙන්වා දෙමින් වටී. 2 වන පරිච්ඡේදය විස්තර කර ඇති පරිදි, බොහෝ ඩිජිටල් හෝඩුවාවක් දත්ත පර්යේෂකයන් ඇද හැලුණු වේ. ඒ වගේම, එය පෞද්ගලික නිසා බොහෝ සමාගම් තම දත්ත බෙදා ගැනීමට යුක්ති සහගතව පසුබට ය; ඔවුන්ගේ පාරිභෝගිකයන් බොහෝ විට ඔවුන් සිය වාර්තා හවුල් වීම කරන බව තොග සමඟ පර්යේෂකයන් බලාපොරොත්තු වූයේ නැහැ වේ. මේ අවස්ථාවේ දී, පර්යේෂකයන් දත්ත නිර්නාමික පරිස්සම් පියවර ගෙන ඔවුන්ගේ වැඩ කටයුතු තෙවන පාර්ශවීය (එනම්, ඔවුන්ගේ IRB) විසින් අධීක්ෂණය කරන ලදී. නමුත් මේ උත්සාහ කළද, මෙම දත්ත බොහෝ විට තවමත් හඳුනාගත වන අතර ඔවුන් ඉඩ සංවේදී තොරතුරු අඩංගු (Mayer, Mutchler, and Mitchell 2016; Landau 2016) . මම 6 වන පරිච්ඡේදය තුළ මෙම සදාචාරාත්මක ප්රශ්නය වෙත ආපසු යන්නෙමු කරන්නම්.

Blumenstock ධනය හා යහපැවැත්ම මිනුම් ගැන උනන්දු වූ බව ඔබට මතක ඇති. එහෙත්, මෙම ගති ලක්ෂණ ඇමතුම වාර්තා සෘජුවම නොවේ. වෙනත් වචන වලින් කිවහොත්, මේ ඇමතුම වාර්තා, 2. පරිච්ඡේදයේ විස්තරාත්මකව සාකච්ඡා කළ බව ඩිජිටල් අංශු මාත්ර පොදු ලක්ෂණය මෙම පර්යේෂණ සඳහා අසම්පූර්ණ නමුත්, එය ඇමතුමක් වාර්තා බොහෝ විට ධනය හා යහ පැවැත්ම ගැන යම් තොරතුරු ඇති බව පෙනෙන්ට ඇත. ඒ නිසා, Blumenstock ප්රශ්නයට අහන එක ක්රමයක් විය හැකි ය: එය කෙනෙකු තම ඩිජිටල් හෝඩුවාවක් දත්ත මත පදනම්ව කරන ලද සමීක්ෂණයට ප්රතිචාර ආකාරය අනුමාන කළ හැකි ද? එසේ නම්, ඉතාමත් සුළු පිරිසක් අසමින් අපි වෙන සෑම දෙනාගේම පිළිතුරු අනුමාන කළ හැකිය.

ආනුභාව සම්පන්නව මෙම තක්සේරු කිරීමට, විද්යා හා තාක්ෂණ කිගාලි නගරයෙහි ආයතනයේ Blumenstock හා පර්යේෂණ සහායකයන් ජංගම දුරකතන පාරිභෝගිකයන් දහසක් පමණ ක නියැදියක් හමුවිය. පර්යේෂකයන්, එවැනි "ඔබ අයිති එපා ලෙස, සහභාගීවන්නන් සඳහා මෙම ව්යාපෘතියේ අරමුණු පැහැදිලි ඇමතුම වාර්තා කිරීමට සමීක්ෂණ ප්රතිචාර සම්බන්ධ කිරීමට ඔවුන්ගේ කැමැත්තෙන් ඉල්ලා, පසුව ඔවුන්ගේ ධනය සහ යහපැවැත්ම මැනීම සඳහා ප්රශ්න මාලාවක් ඔවුන්ගෙන් ඇසූ ගුවන් විදුලි? "සහ" ඔබ බයිසිකලයක් අයිති කළ හැකිද? "(අර්ධ ලැයිස්තුවක් සඳහා රූපය 3.11 බලන්න). මෙම සමීක්ෂණයේදී, සහභාගි වන මූල්යමය වන්දි ලදී.

අධීක්ෂණය ඉගෙනුම් විසින් අනුගමනය ලක්ෂණය ඉංජිනේරු: ඊළඟට, Blumenstock දත්ත විද්යාව පොදු දෙකක පියවර ක්රියාවලිය පාවිච්චි කළා. පළමුව, ලක්ෂණය ඉංජිනේරු පියවර, සම්මුඛ සාකච්ඡා වූ බව සියලු දෙනාටම, Blumenstock ඇමතුම වාර්තා එක් එක් පුද්ගලයා පිළිබඳ ලක්ෂණ සමූහයක් බවට පරිවර්තනය; දත්ත මේ ලක්ෂණ "ලක්ෂණ" හා සමාජ විද්යාඥයන් ඒවා හරියෙන් විද්යාඥයන් හැඳින්විය හැකියි "විචල්යයන්." උදාහරණයක් ලෙස, එක් එක් පුද්ගලයාට, ක්රියාකාරකම් සමග දින Blumenstock ගණනය සංඛ්යාව සඳහා, යම් පුද්ගලයෙක් වෙනස් පුද්ගලයන් සංඛ්යාව සමග ස්පර්ශ, එම මුදල වී ඇත මුදල් එසේ මත දුර්මත ඉවත් වැය, සහ. තීරනාත්මක, හොඳ ලක්ෂණයක් ඉංජිනේරු පර්යේෂණ සැකසුම දැනුම අවශ්ය වේ. උදාහරණයක් ලෙස, එය දේශීය සහ ජාත්යන්තර ඇමතුම් අතර වෙනස හඳුනා ගැනීම වැදගත් වන්නේ නම් (අප ජාත්යන්තර කතා කරන ජනතාව ධනවත් වීමට බලාපොරොත්තු විය හැකි), පසුව මෙම පහසුකම ඉංජිනේරු පියවර සිදු කළ යුතු ය. රුවන්ඩා අඩු අවබෝධය සමඟ පර්යේෂකයෙකු මෙම අංගය ඇතුළත් නොහැකි විය, පසුව එම ආකෘතියට අනාවැකි කාර්යසාධන ඇත.

ඊළඟට, අධීක්ෂණය ඉගෙනුම් පියවර, Blumenstock ඔවුන්ගේ ලක්ෂණ මත පදනම් එක් එක් පුද්ගලයාට සඳහා සමීක්ෂණයේ ප්රතිචාර අනාවැකි පළ සංඛ්යානමය ආදර්ශ ඉදි කළේය. මේ අවස්ථාවේ දී, Blumenstock 10 ගුණයකින් හරස් වලංගුභාවය සමග ලොජිස්ටික් 'ප්රතිපායන භාවිතා, නමුත් ඔහු වෙනත් සංඛ්යානමය ෙහෝ යන්ත ඉගෙනුම් ප්රවේශයන් විවිධ භාවිත කළ හැකිව තිබුණි.

ඒ නිසා කොතරම් හොඳින් ඒක වැඩ කළේ ඇයි? Blumenstock ඇමතුමක් වාර්තා ව්යුත්පන්න පහසුකම් භාවිතා වගේ ප්රශ්න සමීක්ෂණයට පිළිතුරු අනාවැකි ගැනීමට හැකි විය "ඔබ ගුවන් විදුලි අයිති වෙනවාද?" සහ "ඔබ බයිසිකලයක් අයිති වෙනවාද?"? ආකාරයක. අනාවැකි පලකර නිරවද්යතාව සමහර ගති ලක්ෂණ (රූපය 3.11) සඳහා ද ඉහළ ය. නමුත්, එය ඉතා සරල විකල්ප එරෙහිව සංකීර්ණ අනාවැකිය ක්රමය සංසන්දනය කිරීමට සෑම විටම වැදගත් වේ. මේ අවස්ථාවේ දී, සරල විකල්ප සෑම වඩාත් පොදු පිළිතුරු ලබා දෙන බව අනාවැකි පළ වේ. උදාහරණයක් ලෙස, 97,3% Blumenstock සෑම ඔහු වඩාත් සංකීර්ණ ක්රියා පටිපාටිය (97.6% ක් නිවැරැදිව) කාර්ය සාධනය කිරීමට පුදුම හිතෙන සමාන වන 97,3%, ක නිරවද්යතාව සිදු වනු ඇත ගුවන් විදුලි හිමි වාර්තා ඇතැයි ඔහු අනාවැකි පල කළා නම් එසේ ගුවන් විදුලි හිමි වාර්තා කරයි. වෙනත් වචන වලින් කිවහොත්, සියලු විසිතුරු දත්ත හා ආකෘති නිර්මාණය 97,6% දක්වා 97,3% සිට අනාවැකිය නිරවද්යතාව ඉහළ ගොස් ඇත. කෙසේ වෙතත්, එවැනි 'ඔබ බයිසිකලයක් අයිති වෙනවාද? "ලෙස වෙනත් ප්රශ්න සඳහා, අනාවැකි 54,4% සිට 67,6% දක්වා වර්ධනය වී තිබේ. වඩාත් පොදුවේ, රූපය 3.12 සමහර ගති ලක්ෂණ සඳහා ප්රදර්ශන Blumenstock හුදෙක් සරල ගැන්මට අනාවැකිය කරමින් ඔබ්බට බොහෝ වැඩි දියුණු කළේ නැහැ, නමුත් වෙනත් ගති ලක්ෂණ සඳහා යම් යම් වර්ධනයක් දක්නට විය.

රූපය 3.11: ඇමතුමක් වාර්තා සමග පුහුණු සංඛ්යානමය ආකෘතිය අනාවැකි නිරවද්යතාවක්. වගුව 2 සිට ප්රතිඵල Blumenstock (2014) .

Figure 3.12: සරල ගැන්මට අනාවැකිය කිරීමට ඇමතුමක් වාර්තා සමග පුහුණු සංඛ්යානමය ආකෘතිය අනාවැකි නිරවද්යතාව සංසන්දනය කිරීම. ලකුණු තරමක් ලැප් වැළකී jittered ඇත; වගුව 2 බලන්න Blumenstock (2014) නිශ්චිත අගයන් සඳහා.

මෙම අවස්ථාවේදී ඔබ On-ප්රකාශයට පත් සෑහෙන හොඳ ප්රතිඵල විද්යාව කඩදාසි මෙම ප්රතිඵල ටිකක් බලාපොරොත්තු සුන් බව කල්පනා විය යුතු, නමුත් එක් වසරකට පසුව, Blumenstock දෙකක් හා සගයන්-ගේබ්රියෙල් Cadamuro හා රොබට් (Blumenstock, Cadamuro, and On 2015) . උදා: 1) ඔවුන් වඩාත් සූක්ෂම ක්රම (එනම්, ඉංජිනේරු සහ වඩාත් බරසාර යන්ත්රය ඉගෙනුම් ආදර්ශ ඇතුලත් කිරීමට නව ප්රවේශයක්) භාවිතා සහ 2) තනි තනි සමීක්ෂණය ප්රශ්නවලට පිළිතුරු දැක්වීමට උත්සාහ කරනවාට වඩා (: වැඩි දියුණු කිරීම සඳහා වන ප්රධාන තාක්ෂණික හේතු දෙකක් තිබුණා "ඔබ ගුවන් විදුලි අයිති ද?"), ඔවුන් සංයුක්ත ධනය දර්ශකය දැක්වීමට උත්සාහ කළා.

Blumenstock හා සගයන් ක්රම දෙකක් ඔවුන්ගේ ප්රවේශය කාර්ය සාධනය පෙන්නුම් කළා. පළමුව, ඔවුන් තම ආදර්ශ ජනතාව සඳහා, ඔවුන් ඇමතුමක් වාර්තා (රූපය 3.14) සිට සිය ධනය අනාවැකි ඉතා හොඳ රැකියාවක් කරන්න පුළුවන් බව සොයාගෙන ඇත. දෙවනුව, සහ වඩාත් වැදගත් වන්නේ, Blumenstock හා සගයන් ඔවුන්ගේ ක්රියා පටිපාටිය රුවන්ඩාවේ ධනය භූගෝලීය ව්යාප්තිය ඉහළ තත්වයේ ඇස්තමේන්තු නිෂ්පාදනය කළ හැකි බව පෙන්වා දුන්නේය. වඩාත් විශේෂිතව, ඔවුන් එම ඇමතුම වාර්තා සියලු මිලියන 1.5 ජනතාවගේ ධනය අනාවැකි පළ, 1000 ක් පමණ ජනතාව ඔවුන්ගේ ආදර්ශ මත පුහුනු කරන ලද ඔවුන්ගේ යන්ත්රය ඉගෙනුම් ආදර්ශ, භාවිත කළා. තවද, එම ඇමතුම දත්ත කාවැද්දු භුමිය පිලිබඳ දත්ත (ඇමතුම දත්ත එක් එක් ඇමතුම් සඳහා ළඟම ඇති ජංගම දුරකතන කුළුණු පිහිටා ඇති ස්ථානය ඇතුළත් වී තිබෙන බව සිහිපත්) සමග, පර්යේෂකයෝ එක් එක් පුද්ගලයාගේ නිවසේ දළ වශයෙන් සිදු තක්සේරු කිරීමට හැකි විය. එකට ඇස්තමේන්තු දෙකක් දමා, පර්යේෂණ අතිශයින් සියුම් අවකාශීය ග්රැනුලැරිටි දී ග්රාහක ධනය භූගෝලීය ව්යාප්තිය ඇස්තමේන්තුවක් ඉදිරිපත්. උදාහරණයක් ලෙස, ඔවුන් රුවන්ඩා ගේ 2148 සෛල (රටේ කුඩාම පරිපාලන ඒකකය) එක් එක් සාමාන්ය ධනය ඇස්තමේන්තු විය. මෙම අනාවැකි ධනය වටිනාකම් නිසා කැටිති ඔවුන් පරීක්ෂා කිරීමට දුෂ්කර විය වූහ. ඒ නිසා, පර්යේෂකයන් රුවන්ඩා දිස්ත්රික්ක 30 ක සාමාන්ය ධනය ඇස්තමේන්තු නිර්මාණය කිරීමට ඔවුහු ප්රතිඵල, ගොඩ ගසා. මෙම දිස්ත්රික්ක මට්ටමේ ඇස්තමේන්තු රන් සම්මත සාම්ප්රදායික සමීක්ෂණ, රුවන්ඩා ජන සංඛ්යා හා සෞඛ්ය සමීක්ෂණය (රූපය 3.14) සිට ඇස්තමේන්තු දැඩි අදාළ විය. එම ආරංචි මාර්ග දෙකක් ඇස්තමේන්තු සමාන වුවද, Blumenstock හා සගයන් වූ ඇස්තමේන්තු 50 ගුණයක් පමණ මිල අඩු සහ 10 ගුණයකින් පමණ වේගවත් (පිරිවැය විචල්ය පිරිවැය අනුව මැන්න විට) වූහ. පිරිවැය මෙම නාට්යමය අඩු වෙනුවට සෑම වසර ලෙස-කිහිපයක් පවත්වාගෙන වඩා ජන සංඛ්යා හා සෞඛ්ය සඳහා සම්මත බව සමීක්ෂණ-ලොකු ඩිජිටල් හෝඩුවාවක් දත්ත සමඟ ඒකාබද්ධ කුඩා සමීක්ෂණය දෙමුහුන් සෑම මසකම ධාවනය කළ හැකි බවයි.

රූපය 3.13: ක ක්රමානුරූප සටහන Blumenstock, Cadamuro, and On (2015) . අමතන්න දුරකතන සමාගම දත්ත එක් එක් පුද්ගලයාට පේළිය හා එක් එක් අංගය (එනම්, විචල්ය) සඳහා එක් තීරුවක් අනුකෘතියක් බවට පරිවර්තනය විය. ඊළඟට, පර්යේෂකයන් ලක්ෂණය න්යායන් මගින් පුද්ගලයා සිට සමීක්ෂණ ප්රතිචාර අනාවැකි පළ අධීක්ෂණය ඉගෙනුම් ආදර්ශ ඉදි කළේය. එවිට, අධීක්ෂණය ඉගෙනුම් ආදර්ශ සෑම සඳහා සමීක්ෂණ ප්රතිචාර පාපය කිරීමට භාවිතා කරන ලදී. සාරය දී, පර්යේෂකයන් මිලියනයක් පමණ ජනතාව ධනය පාපය එක් දහසක් පමණ ජනතාවගේ ප්රතිචාර භාවිත කළා. එසේම, පර්යේෂකයන් ඔවුන්ගේ ඇමතුම් ඇති ස්ථාන මත පදනම් වූ සියලු මිලියන 1.5 ක් ජනතාව සඳහා නිවසේ දළ වශයෙන් සිදු තක්සේරු කර ඇත. මෙම ඇස්තමේන්තු දෙකක් ඒකාබද්ධ වන විට ගණන් බලා ධනය හා ඇස්තමේන්තුගත ස්ථානය නිවස වන ප්රතිඵල ජන සංඛ්යා හා සෞඛ්ය සමීක්ෂණය, රන් සම්මත සාම්ප්රදායික සමීක්ෂණ (රූපය 3.14) සිට ඇස්තමේන්තු සමාන විය.

රූපය 3.14 සිට: මෙම ප්රතිඵල Blumenstock, Cadamuro, and On (2015) . තනි පුද්ගල මට්ටමේ දී, පර්යේෂකයන් ඔවුන්ගේ ඇමතුමක් වාර්තා සිට කෙනෙකුට ධනය අනාවැකි පල දී සාධාරණ කාර්යය කරන්න පුළුවන් වුණා. දිස්ත්රික් මට්ටමේ ධනය-වන නිවස-ප්රතිඵල ජන සංඛ්යා හා සෞඛ්ය සමීක්ෂණය, රන් සම්මත සාම්ප්රදායික සමීක්ෂණ ප්රතිඵල සමාන විය ධනය හා ස්ථානය පෞද්ගලික මට්ටමේ ඇස්තමේන්තු මත පදනම් වූ ඇස්තමේන්තු.

අවසාන වශයෙන්, Blumenstock ගේ රන් සම්මත සමීක්ෂණය ඇස්තමේන්තු සමග සැසඳිය ඇස්තමේන්තු නිෂ්පාදනය කිරීමට ඩිජිටල් හෝඩුවාවක් දත්ත සමඟ ප්රවේශය ඒකාබද්ධ සමීක්ෂණ දත්ත ඉල්ලා වැඩිවී. මෙම විශේෂිත උදාහරණයක් ද වැඩිවී ඉල්ලමින් හා සාම්ප්රදායික සමීක්ෂණ ක්රම අතර වෘත්තීය දැමීම්, සමහර පැහැදිලි. පළමුව, වැඩිවී ඉල්ලා ඇස්තමේන්තු සැලකිය යුතු අඩු, සහ තවත් කැටිති, වඩාත් කාලෝචිත විය. එහෙත්, අනිත් අතට, මේ කාලය වන විට, නැති වැඩිවී ඉල්ලමින් මේ ආකාරයේ සඳහා ශක්තිමත් න්යායික පදනම එය යි. ඒ වන විට එය නොවන එය වැඩ කිරීමට හා ඇත විට මේ එක උදාහරණයක් වෙන්නේ නෑ, වේ. තවද, වැඩිවී ඉල්ලමින් ප්රවේශය තවමත් එහි ඇස්තමේන්තු පමණ අවිනිශ්චිත ගණනය කිරීමට සුදුසු ක්රම නැහැ. කෙසේ වෙතත්, වැඩිවී ඉල්ලමින් සංඛ්යා ලේඛන ආකෘතිය මත පදනම් පශ්චාත් පහත් භේද විශාල ප්රදේශ තුන ගැඹුරු සම්බන්ධකම් (Little 1993) , දෝෂාරෝපණ (Rubin 2004) , සහ කුඩා ප්රදේශ ඇස්තමේන්තු (Rao and Molina 2015) කොහොමවුණත් ඒ නිසා මම ඒ ප්රගතිය අඩුවන වේගවත් විය.

ගුණිත ඉල්ලමින්, ඔබගේ විශේෂ තත්ත්වය ගැලපෙන ආකාරයට සකස් කළ හැකි බව මූලික වට්ටෝරුව පහත සඳහන්. අමුද්රව්ය දෙකක් සහ පියවර දෙකක් ඇත. අමුද්රව්ය දෙකක් 1 පුළුල් නමුත් සිහින් බව ඩිජිටල් හෝඩුවාවක් දත්ත සමුදාය (එය බොහෝ මිනිසුන් ඔබ එක් එක් පුද්ගලයන් සම්බන්ධයෙන් අවශ්ය බව ද තොරතුරු ලැබී නමුත්, වේ) සහ 2), පටු නමුත් ඝන බව සමීක්ෂණය (එනම් එය වේ) කිහිපයක් පමණක් නොව, එය ඔබ එම ජනතාව ගැන අවශ්ය බව එම තොරතුරු ඇති). එවිට, පියවර දෙකක් තිබෙනවා. පළමුව, සමීක්ෂණය පිළිතුරු අනාවැකි පළ ඩිජිටල් හෝඩුවාවක් දත්ත භාවිතා කරන යන්ත්රය ඉගෙනුම් ආදර්ශ, දෙකම දත්ත මූලාශ්රයන් ජනතාව සඳහා. ඊළඟට, ඩිජිටල් හෝඩුවාවක් දත්ත සෑම කෙනෙකුටම සමීක්ෂණය පිළිතුරු පාපය වෙත යන්ත්රය ඉගෙනුම් ආදර්ශ භාවිතා කරන්න. මේ අනුව, ඔබ මිනිසුන් ගොඩක් ඉල්ලා කිරීමට අවශ්ය බව ඇතැම් ප්රශ්නය තිබේ නම්, ඔවුන්ගේ පිළිතුර අනාවැකි කිරීම සඳහා භාවිතා කල හැකි බව එම ජනතාව ඩිජිටල් හෝඩුවාවක් දත්ත සඳහා බලන්න.

ආරම්භයේ අවසානය නොවේ: ද දෙවන යුගය තෙවන යුගයේ දක්වා පරිවර්තනය ගැන වැදගත් පාඩමක් පෙන්නුම් ගැටලුව දී Blumenstock පළමු හා දෙවන උත්සාහයන් හා සසඳා බැලීමේ පර්යේෂණ සමීක්ෂණ කරා ළඟා විය. එනම්, බොහෝ වතාවක්, පළමු ප්රවේශය හොඳම වනු ඇත, නමුත් පර්යේෂකයන් කම්කරු දිගටම නම්, කරුණු වඩා හොඳ ලබා ගත හැක. වඩාත් පොදුවේ, ඩිජිටල් යුගයට සමාජ විද්යාත්මක පර්යේෂණ සඳහා නව ප්රවේශයන් ඇගයීමට ලක් කරන විට, එය වෙනස් ඇගයීම් දෙකක් ගන්න එක වැදගත්: 1) කොතරම් හොඳින් දැන් මේ වැඩ කරන්නේ සහ 2) කොතරම් හොඳින් ඔබ මෙම දත්ත භූ ලෙස අනාගතයේ දී වැඩ කරනු හිතන්නේ වෙනස්කම් සහ ගැටලුවට පර්යේෂකයන් වැඩි අවධානයක් කැප ලෙස. ඇගයීම් පළමු ආකාරයේ කිරීමට පර්යේෂකයන් පුහුණු (පර්යේෂණ මෙම විශේෂිත කෑල්ලක් ආකාරය හොඳ) අතර, නමුත්, දෙවන බොහෝ විට වඩාත් වැදගත් වේ.