3.3 Укупна оквир грешка Истраживање

Укупно анкета грешка = репрезентације грешке + мерења грешке.

Процјене које долазе од истраживања узорака често су несавршене. То јест, обично постоји разлика између процене произведене у истраживању узорка (нпр. Процијењена просјечна висина ученика у школи) и права вриједност у популацији (нпр. Стварна просјечна висина ученика у школи). Понекад су ове грешке толико мале да су неважне, али понекад, нажалост, оне могу бити велике и последичне. У покушају да разумеју, мјере и смањују грешке, истраживачи су постепено створили јединствени, свеобухватни концептуални оквир за грешке које могу настати у (Groves and Lyberg 2010) истраживањима: оквир укупне грешке у истраживању (Groves and Lyberg 2010) . Иако је развој овог оквира почео у четрдесетим годинама, мислим да нам нуди две корисне идеје за истраживање истраживања у дигиталном добу.

Прво, оквир укупне грешке истраживања објашњава да постоје две врсте грешака: пристраност и варијанса . Приближно, пристрасност је системска грешка и варијација је насумична грешка. Другим речима, замислите да покренете 1000 репликација истог узорка истраживања, а затим погледате дистрибуцију процена од ових 1000 репликација. Претпоставка је разлика између средине ових репликатних процена и праве вредности. Варијанса је варијабилност ових процјена. Свеједно је једнако, желели смо процедуру без пристрасности и мале варијансе. Нажалост, за многе стварне проблеме, такве не-пристрасности, процедуре малих варијабли не постоје, што доводи истраживаче у тешку позицију одлучивања како да изједначе проблеме уведене пристрасношћу и варијансом. Неки истраживачи инстинктивно раде на непристрасним процедурама, али једнодушни фокус на пристрасност може бити грешка. Ако је циљ да произведете процјену која је што је могуће ближе истини (тј. Са најмањом могућом грешком), онда вам је можда боља процедура која има малу пристраност и малу варијансу него са оном која је непристрасно, али има велику варијансу (слика 3.1). Другим речима, оквир укупне грешке у истраживању показује да приликом евалуације истраживачких процедура треба размотрити и пристрасност и варијансу.

Слика 3.1: Приближавање и варијанса. У идеалном случају, истраживачи би имали процедуру процене не-пристрасности, ниске варијансе. У стварности, они често морају доносити одлуке које стварају компромис између пристрасности и варијансе. Иако неки истраживачи инстинктивно преферирају непристрасне процедуре, понекад мала одступања, поступак мале варијансе може произвести прецизније процене од непристрасне процедуре која има велику варијансу.

Други главни увид из оквира грешке укупног анкетирања, који ће организовати већину овог поглавља, јесте да постоје два извора грешака: проблеми са којима разговарате ( представљање ) и проблеми везани за оно што научите из тих разговора ( мерење ). На пример, можда ћете бити заинтересовани да процените ставове о приватности на мрежи међу одраслима који живе у Француској. Израда ових процена захтева два различита типа закључивања. Прво, из одговора које испитаници дају, морате закључити своје ставове о приватности на мрежи (што је проблем мерења). Друго, из закључених ставова испитаника, морате закључити ставове становништва у цјелини (што је проблем представљања). Савршено узимање узорака са лошим анкетним питањима ће произвести лоше процене, као и лоше узорковање са савршеним питањима истраживања. Другим ријечима, добре процјене захтијевају добре приступе мерењу и репрезентацији. С обзиром на то, анализираћу како истраживачи истраживања размишљају о репрезентацији и мерењу у прошлости. Онда ћу вам показати како идеје о репрезентацији и мерењу могу водити истраживање истраживања дигиталног доба.