3.3 Celoten okvir napake raziskava

Skupaj raziskava error = reprezentanco napake + merilne napake.

Ocene, ki izhajajo iz vzorčnih raziskav, so pogosto nepopolne. To pomeni, da je ponavadi razlika med oceno, ki jo je pripravila vzorčna raziskava (npr. Ocenjena povprečna višina študentov v šoli) in resnična vrednost v populaciji (npr. Dejanska povprečna višina študentov v šoli). Včasih so te napake tako majhne, ​​da so nepomembne, včasih pa so lahko velike in posledične. V poskusu razumevanja, merjenja in zmanjšanja napak so raziskovalci postopoma ustvarili enoten splošni konceptualni okvir za napake, ki se lahko pojavijo pri vzorčnih raziskavah: skupni okviri napak (Groves and Lyberg 2010) . Čeprav se je razvoj tega okvira začel v 40. letih prejšnjega stoletja, mislim, da nam ponuja dve koristni ideji za raziskovalno raziskovanje v digitalni dobi.

Prvič, celotni okvir napake pri napakah pojasnjuje obstoj dveh vrst napak: pristranskosti in variance . Približno, pristranskost je sistematična napaka in variance je naključna napaka. Z drugimi besedami si predstavljamo tekoče 1000 ponovitev iste vzorčne raziskave in nato pogledamo na porazdelitev ocen iz teh 1000 ponovitev. Prirast je razlika med povprečjem teh ponovitev ocen in dejansko vrednostjo. Varianca je variabilnost teh ocen. Ker je vse ostalo enako, bi želeli postopek brez pristranskosti in majhne variance. Na žalost za mnoge resnične probleme ne obstajajo postopki majhne variance, zaradi česar raziskovalci v težkem položaju odločajo, kako bi uravnotežili težave, ki jih povzročajo pristranskost in variance. Nekateri raziskovalci nagonsko raje nepristranske postopke, vendar je lahko napaka osredotočena na pristranskost. Če je cilj izdelati oceno, ki je čim bližje resnici (tj. Z najmanjšo možno napako), potem vam bo morda boljše s postopkom, ki ima majhno odstopanje in majhno odstopanje kot z eno, ki je nepristransko, vendar ima veliko odstopanje (slika 3.1). Z drugimi besedami, skupni okvir napaka raziskava je pokazala, da pri ocenjevanju raziskava raziskovalne postopke, bi morali upoštevati tako pristranskosti in variance.

Slika 3.1: Bias in variance. V idealnem primeru bi raziskovalci imeli postopek ocenjevanja brez pristranskosti in nizke variance. V resnici morajo pogosto sprejeti odločitve, ki ustvarjajo kompromis med pristranskostjo in variance. Čeprav nekateri raziskovalci instinktivno raje nepristranske postopke, včasih majhna pristranskost, lahko postopek majhne variance naredi bolj natančne ocene kot nepristranski postopek, ki ima veliko odstopanje.

Drugi glavni vpogled iz okvira napak celotnega raziskovanja, ki bo organiziral veliko tega poglavja, je, da obstajajo dva vira napak: težave s tem, s kom govorite ( predstavitev ) in težave, povezane s tem, kar se učite iz teh pogovorov ( merjenje ). Na primer, vas morda zanima ocena odnosov do zasebnosti med odraslimi, ki živijo v Franciji. Za izdelavo teh ocen potrebujemo dve različni vrsti sklepov. Prvič, iz odgovorov, ki so jih navedli anketiranci, morate izvesti svoje stališče o zasebnosti na spletu (kar je problem merjenja). Drugič, iz izpeljanih stališč med anketiranci je treba sklepati, da je stališče v celotnem prebivalstvu (kar je problem predstavljanja). Popolno vzorčenje s slabimi anketnimi vprašanji bo pripeljalo do slabih ocen, saj bo slabo vzorčenje z odličnimi anketnimi vprašanji. Z drugimi besedami, dobre ocene zahtevajo zanesljive pristope k merjenju in zastopanju. Glede na to ozadje bom pregledal, kako so raziskovalni raziskovalci razmišljali o reprezentaciji in merjenju v preteklosti. Nato bom pokazal, kako lahko ideje o zastopanju in merjenju vodijo raziskav digitalne starosti.