3.3.1 නිෙයෝජනය

නිෙයෝජනය ඔබේ ප්රතිචාර දැක්වූවන්ගෙන් සිට ඔබේ ඉලක්ක ජනගහනය වැටහීමක් සිදු කිරීමට උත්සාහ කිරීමය.

ප්රතිචාර දැක්වූවන්ගෙන් සිට විශාල ජනගහනය පේජ් විට සිදු විය හැකි බව, වැරදි ආකාරයේ තේරුම් ගැනීම පිණිස, අපි 1936 එක්සත් ජනපද ජනාධිපති මැතිවරණ ප්රතිඵලය කලින් කිව උත්සාහ කළ බව සාහිත්ය Digest පිදුරු ඡන්ද සලකා බලමු. එය 75 කට පෙර වුවද, මෙම අවනඩුව තවමත් අද පර්යේෂකයන් ඉගැන්වීමට වැදගත් පාඩමක් ඇත.

සාහිත්ය Digest ජනප්රිය සාමාන්ය පොලී සඟරාව වූ අතර, 1920 දී ආරම්භ ඔවුන් ජනාධිපති මැතිවරණ ප්රතිඵල අනාවැකි පළ පිදුරු මැතිවරණය ධාවනය ආරම්භ විය. මෙම නිල අනාවැකි ඔවුන් මිනිසුන් බොහෝ සඳහා ඡන්දය එවන කරන්න, ඉන් වී ආපසු යන පත්රිකා ඉහල පදවිවලට කිරීමට, ඔවුන් ලැබූ ඡන්ද පත්රිකා ලදී වත්. ", බර සකස් වත්, අර්ථ" බව සාහිත්ය Digest ආඩම්බරයෙන් වාර්තා මෙම ක්රියාවලිය නිවැරදිව ජයග්රාහකයා අනුමාන 1920, 1924, 1928 සහ 1932 දී මැතිවරණ 1936 දී වන, මහා අවපාතය මධ්යයේ, සාහිත්ය Digest පිටතට පත්රිකා නම් නොලියවුණු බහුතරයක්ම දුරකථන නාමාවලි හා මෝටර් වාහන ලියාපදිංචි වාර්තා සිට පැමිණි මිලියන 10 ජනතාවට, යැවී ය. මෙන්න ඔවුන්ගේ ක්රමවේදය විස්තර කරන ආකාරය මෙසේය:

"ද Digest ගේ සුමට-ධාවනය යන්ත්රය විවේචන කිරීමට විතර්කය අඩු කිරීමට අවුරුදු තිස් 'අත්දැකීම් ඉක්මන් නිරවද්යතාව පොලඹවයි. . . .මෙම සතියේ පෑන් 500 මිලියන දින ලිපිනයන් කාලකටත් වඩා වැඩි උස අඩි හයයි. සෑම දිනකම, ඉහත යතුරු ribboned හතරවන මාවත ඉහළ මහත් කාමරයේ, නිව් යෝර්ක් හි, කම්කරුවන් 400 ක් deftly මුදිත-තරම් සෑහෙන මිලියන කෑලි ඇමතූ බවට කුට්ටි-හතළිස් නගරය පදනම දැමීමට ලිස්සා පැමිණුණා [SIC]. සෑම පැය, THE Digest'S ම තැපැල් කාර්යාලය ද්රව්ය තුළ, chattering තැපැල් පටයෙන් යන්ත්ර තුනක්, සුදු දීර්ඝ චතුරශ්ර මුද්රා තබා මුද්රා තබා; පුහුණු තැපැල් සේවකයින් mailsacks තරවන ඔවුන් කවිපය; ඇණිය Digest ට්රක් රථ තැපැල-දුම්රිය ප්රකාශ කිරීමට ඔවුන් පැතිරී. . . ලබන සතියේ, මේ මිලියන දහයක් සිට පළමු පිළිතුරු ත්රිත්ව-පරීක්ෂා කිරීමට, තහවුරු, පස් වතාවක් හරස් වර්ගීකරණය හා ක් විය, කැපී පෙනෙන චන්ද පත්රිකා පැමිනෙන්නාවූ රැල්ල ආරම්භ වනු ඇත. පසුගිය චරිතයක් totted හා පරීක්ෂා කර ඇති විට, අතීත අත්දැකීම් මිනුම් දණ්ඩ නම්, රටේ සියයට 1 ක භාගය තුළ රුපියල් මිලියන හතළිහක් [ඡන්ද දායකයින්] සැබෑ මහජන ඡන්ද දැනගන්නවා ඇත. "(අගෝස්තු 22, 1936)

ප්රමාණයේ Digest ගේ fetishization අද ඕනෑම "විශාල දත්ත" පර්යේෂකයකු ක්ෂණිකව හඳුනාගත හැකි වේ. බෙදාහරින ලද ඡන්ද මිලියන 10, පුදුමාකාර ඡන්ද මිලියන 2.4 යළි-බව ලදී නූතන දේශපාලන මැතිවරණය වඩා දළ වශයෙන් 1000 ගුණයක් විශාල වේ. ප්රතිචාර දැක්වූ මෙම මිලියන 2.4 සිට තීන්දුව පැහැදිලි විය: සාහිත්ය Digest එම අභියෝග ඉතා භායනක Landon වත්මන් ෆ්රෑන්ක්ලින් රූස්වෙල්ට්ගේ පරාජය කිරීමට යන බව අනාවැකි පළ කළේය. එහෙත්, ඇත්තෙන්ම, එහි අනෙක් පැත්ත සිදු විය. රූස්වෙල්ට් නායයෑම් ගැන Landon පරාජය කිරීමට සමත් විය. කොහොමද සාහිත්ය Digest එතරම් දත්ත සමඟ සිදුවිය හැකි වැරදි? නියැදීම් අපගේ නවීන අවබෝධය සාහිත්ය Digest ගේ වැරදි පැහැදිලි අපට අනාගතයේ දී සමාන වැරදි කරමින් මග හැරීමට උදව් කරයි.

නියැදීම් ගැන හිනා ජනතාව (රූපය 3.1) විවිධ කණ්ඩායම් හතරක් සලකා බැලීම අවශ්ය වේ. ජනතාවගේ පළමු කණ්ඩායම ඉලක්ක කණ්ඩායම ය; මෙම පර්යේෂණ පොලී ජනගහනය නිර්වචනය කරන කණ්ඩායමකි. සාහිත්ය Digest පිළිබඳ පැමිණිල්ලේ දී ඉලක්ක කණ්ඩායම 1936 ජනාධිපතිවරණයේදී ඡන්ද දායකයින් විය. ඉලක්කයක් ජනගහනය මත තීරණය කිරීමෙන් පසු, පර්යේෂකයකු ඊළඟ නියැදිකරණය සඳහා භාවිතා කළ හැකි බව ජනතාව ලැයිස්තුවක් සංවර්ධනය කිරීමට අවශ්ය වෙනවා. මෙම ලැයිස්තුව වින්දනයක් ලෙස හඳුන්වන අතර නියැදි රාමුව මත ජනගහනය රාමු ජනගහනය ලෙස හැඳින්වේ. සාහිත්ය Digest පිළිබඳ පැමිණිල්ලේ දී රාමු ජනගහනය නම් නොලියවුණු දුරකථන නාමාවලි හා මෝටර් වාහන ලියාපදිංචි වාර්තාවලින් බහුතරයක්ම පැමිණි මිලියන 10 ජනතාවට විය. ඉතා මැනවින් ඉලක්ක කණ්ඩායම හා රාමු ජනගහනය හරියටම එම වනු ඇත, නමුත් ප්රායෝගික වශයෙන් මේක බොහෝ විට අදාල ය. ඉලක්ක කණ්ඩායම හා රාමු ජනගහනය අතර වෙනස්කම් ආවරණය දෝෂයක් ලෙස හැඳින්වේ. ආවරණය දෝෂයක් ගැටලු සහතික තමන් විසින්, එහෙම කරන්නේ නැහැ. එහෙත් නම්, රාමු ජනගහනය ජනතාව ක්රමානුකූලව ආවරණය නැඹුරුව වනු ඇත රාමු ජනගහනය නොවන අයට වඩා වෙනස්. සාහිත්ය Digest ඡන්ද සමග ප්රධාන අඩුපාඩු පළමු ආවරණය දෝෂයක් විය. ඔවුන්, මෙම තාක්ෂණයන් දෙකම බව ඉතා භායනක Landon (මතක් සහාය වැඩි සිටි ධනවත් ඇමරිකානුවන් අධික ලෙස නියෝජනය කළ ඡන්ද දායකයින්-බවයි සිය ඉලක්ක-නමුත් ඔවුන්, දුරකථන නාමාවලි හා මෝටර් වාහන ලියාපදිංචි ලේඛනය සිට බහුතරයක්ම සඳහා නියැදි රාමුවක් ඉදි ආරංචි මාර්ග ගැන ඉගෙනගන්න ඕන අද පොදු වන, එවකට හා එක්සත් ජනපදය, මහා අවපාතය මධ්යයේ විය) බව සාපේක්ෂව නව වූහ.

නිෙයෝජනය දෝෂ: 3.1 Figure.

රාමු ජනගහනය නිර්වචනය පසු, ඊළඟ පියවර නියැදි ජනගහනය තෝරා ගැනීමට පර්යේෂකයකු සඳහා ය; මෙම පර්යේෂකයා සම්මුඛ පරීක්ෂණ කිරීමට උත්සාහ කරන බව ජනතාව වේ. නියැදි රාමුව ජනගහනය වඩා වෙනස් ලක්ෂණ තිබේ නම්, ඉන් පසුව අපි නියැදීම් දෝෂයක් හඳුන්වා දිය හැකියි. මෙය සාමාන්යයෙන් ඇස්තමේන්තු ගියේ තනිවමය බව දෝෂයක් අද්දර දී ප්රමාණාත්මකව දෝෂයක් වන ආකාරයේ වේ. සාහිත්ය Digest අවුල සම්බන්ධයෙන් ගත් කල, එහි සැබවින්ම කිසිදු නියැදි විය; ඔවුන් රාමු ජනගහනය සෑම සම්බන්ධ කර ගැනීමට උත්සාහ කළා. කිසිදු නියැදි දෝෂයක් තිබේ වුවත්, එහි දෝෂ තවමත් පැහැදිලිවම විය. මෙම සාමාන්යයෙන් සමීක්ෂණ සිට ඇස්තමේන්තු සමග වාර්තා කරන බව වැරදි ලාභ ආන්තික සාමාන්යයෙන් misleadingly කුඩා බව පැහැදිලි; ඔවුන් දෝෂයක් සියලු ආරංචි මාර්ග ඇතුලත් වී නැත.

අවසාන වශයෙන්, පර්යේෂකයකු නියැදි ජනගහනය සෑම සම්මුඛ පරීක්ෂණ කිරීමට උත්සාහ දරයි. සාර්ථකව සම්මුඛ සාකච්ඡා කරන බව එම ජනතාව වගඋත්තරකරුවන් ලෙස හැඳින්වේ. ඉතා මැනවින්, එම සාම්පලය ජනගහනය හා වගඋත්තරකරුවන් හරියටම එම වනු ඇත, නමුත් ප්රායෝගික නොවන ප්රතිචාර නැත. ඒ සාම්පල තෝරාගත් සිටින පිරිසක් ද සහභාගී වීම ප්රතික්ෂේප වේ. ප්රතිචාර අය ප්රතිචාර දක්වන්නේ නැති අය වෙනස් නම්, ප්රතිචාර නොවන නැඹුරුව ඇති විය නොහැකි ය. -ප්රතිචාරය නොවන නැඹුරුව සාහිත්ය Digest ඡන්ද දෙවැනි ප්රධාන ප්රශ්නය විය. ඡන්දය ලැබී අය% ක් පමණකි 24 ප්රතිචාර, සහ එය Landon සහාය දැක්වූ ජනතාව ප්රතිචාර වැඩි බව පෙනීයයි.

හුදෙක් නියෝජනය අදහස් ඉදිරිපත් කිරීමට උදාහරණයක් ලෙස ඔබ්බට, සාහිත්ය Digest ඡන්ද හිතුමතයේ නියැදීම් අනතුරු ගැන පර්යේෂකයන් බුද්ධගයාවට, ක නිරතුරුව-නැවත නැවතත් උපමාව වේ. අවාසනාවකට මෙන්, මම බොහෝ මිනිසුන් මේ කතාව උගත බව පාඩම වැරදි එකක් කියලා මම හිතනවා. කතාව වඩාත් පොදු සදාචාරාත්මක පර්යේෂකයන් සම්භාවිතාව නොවන සාම්පල කිසිවක් (එනම්, සහභාගී තෝරා දැඩි සම්භාවිතාව මත පදනම් නීති තොරව සාම්පල) ඉගෙන ගත නොහැකි බවයි. ඒත්, මම පසුව මෙම පරිච්ඡේදයේ පෙන්නන්නම් ලෙස, ඒ නොවෙයි හරි. ඒ වෙනුවට, මම මේ කතාවේ සදාචාර දෙකක් ඇත්තටම තියෙනවා කියලා; ඔවුන් 1936 පළමු මෙන්, අද තරම් සත්යයක් බව සදාචාරය, ර එකතු දත්ත විශාල ප්රමාණයක් හොඳ ඇස්තමේන්තු සහතික නැත. දෙවනුව, පර්යේෂකයන් ඔවුන් එය ඇස්තමේන්තු කරමින් සිටින විට ඔවුන්ගේ දත්ත රැස් කරන ආකාරය සඳහා වැයවේ යුතුයි. වෙනත් වචනවලින් කිවහොත්, සාහිත්ය Digest ඡන්ද දී දත්ත එක්රැස්කිරීමේ කි්රයාවලිය ක්රමානුකූලව සමහර ප්රතිචාර දැක්වූවන්ගෙන් දෙසට ඇලව ලියූ නිසා, පර්යේෂකයන් බව අන් අයට වඩා ප්රතිචාර දක්වන්නන් තවත් අඩු බර වඩාත් සංකීර්ණ ඇස්තමේන්තු ක්රියාවලිය භාවිතා කිරීම අවශ්ය වේ. පසුව මෙම පරිච්ඡේදයේ, මම ඔබට එක් සම්භාවිතාව නොවන සාම්පල සමග වඩා හොඳ තක්සේරු කිරීම් සඳහා ඔබ සක්රීය කල හැක එවැනි බර පටිපාටිය-පශ්චාත් පහත් භේද-බව පෙන්වන්න කියලා.