سرگرمیاں

• مشکل کی ڈگری: آسان درمیانی ، سخت بہت مشکل ہے
• ریاضی کی ضرورت ہے ( )
• کوڈنگ کی ضرورت ہے ( )
• ڈیٹا جمع ( )
• میری پسندیدہ ( )

1. [ ، ] باب میں، پوسٹ پوزیشن کے بارے میں بہت مثبت تھا. تاہم، یہ ہمیشہ تخمینوں کے معیار کو بہتر نہیں کرتا. اس صورت حال کی تعمیر کریں جہاں پوزیشن کی شرح تخمینہ کی کیفیت کم ہوسکتی ہے. (اشارہ کے لئے، Thomsen (1973) دیکھیں.)

2. [ ، ، ] ایمیزون مکینیکل ترک پر غیر متوقع سروے ڈیزائن اور منظم کرنے کے لئے بندوق کنٹرول کی طرف بندوق ملکیت اور رویوں کے بارے میں پوچھنا. لہذا آپ امکانات نمونے سے حاصل کردہ تخمینوں کا آپس میں موازنہ کرسکتے ہیں، براہ مہربانی اعلی معیار کے سروے سے سوال متن اور ردعمل کے اختیارات کو براہ راست کاپی کریں جیسے جیسے پیو ریسرچ سینٹر.

   1. آپ کا سروے کتنے عرصہ تک لے جاتا ہے؟ اس کی کیا قیمت ہے؟ امریکی نمائش کے ڈیموگرافکس کے ساتھ آپ کے نمونے کے ڈیموگرافکس کس طرح موازنہ کرتے ہیں؟
   2. اپنے نمونے کا استعمال کرتے ہوئے گن کی ملکیت کا خام تخمینہ کیا ہے؟
   3. پوسٹ اسٹریٹشن یا کچھ دوسری تکنیک کا استعمال کرتے ہوئے اپنے نمونے کی غیر معتبر تشہیر کے لئے درست. اب گن کی ملکیت کا تخمینہ کیا ہے؟
   4. آپ کا تخمینہ امکانات پر مبنی نمونہ سے تازہ ترین تخمینہ کے ساتھ کس طرح موازنہ ہے؟ آپ کو کیا خیال ہے کہ اختلافات کی وضاحت، اگر کوئی ہے تو؟
   5. سوالات (ب) کو دہرائیں - (د) بندوق کنٹرول کی طرف رویے کے لئے. آپ کے نتائج کیسے مختلف ہیں؟

3. [ ، ، ] گول اور ساتھیوں (2016) نے جنرل سماجی سروے (جی ایس ایس) سے تیار کردہ 49 متعدد انتخابی تعقیب سوالات کا تعین کیا اور پییو ریسرچ سینٹر کی طرف سے ایمیزون میکانی ترک سے تیار کردہ جواب دہندگان کے غیر امکان نمونہ کو منتخب سروے. اس کے بعد انہوں نے ماڈل پر مبنی پوسٹ کے استحکام کا استعمال کرتے ہوئے اعداد و شمار کی غیر نمائندگی کی نشاندہی کے لئے ایڈجسٹ کیا اور امکانات پر مبنی جی ایس ایس اور پیو سروے سے ان کے ایڈجسٹ اندازوں کا اندازہ کیا. ایمیزون میکانی ترک پر اسی سروے کو منظم کریں اور جی ایس ایس اور پی سروے کے سب سے حالیہ دوروں کے تخمینہ کے ساتھ آپ کے ایڈجسٹ تخمینوں کی موازنہ کرکے اعداد و شمار 2A اور اعداد و شمار 2b کو دوپہر کرنے کی کوشش کریں. (49 سوالات کی فہرست کے لئے ضمنی ٹیبل A2 دیکھیں.)

   1. پیو اور جی ایس ایس سے ان کے ساتھ آپ کے نتائج کا موازنہ کریں.
   2. Goel, Obeng, and Rothschild (2016) میں Goel, Obeng, and Rothschild (2016) ترک سروے سے ان کے ساتھ آپ کے نتائج کا موازنہ کریں.

4. [ ، ، ] بہت سے مطالعہ موبائل فون کے استعمال کے خود سے مبینہ اقدامات کا استعمال کرتے ہیں. یہ ایک دلچسپ ترتیب ہے جس میں محققین نے لاگ ان رویے کے ساتھ خود کو اطلاع دی رویہ کا موازنہ کر سکتے ہیں (مثال کے طور پر، Boase and Ling (2013) دیکھیں. پوچھ گچھ اور ٹیکسٹنگ کر رہے ہیں دو مشترکہ طرز عمل، اور دو عام وقت کے فریم "کل" اور "گزشتہ ہفتے میں" ہیں.

   1. کسی بھی اعداد و شمار کو جمع کرنے سے پہلے، خود کی رپورٹ کے اقدامات میں سے آپ کو زیادہ درست ہے؟ کیوں؟
   2. اپنے سروے میں اپنے پانچ دوستوں کو بھرتی کریں. براہ کرم مختصر طور پر خلاصہ کریں کہ یہ پانچ دوستوں نمونے کیسے تھے. کیا اس نمونے کے طریقہ کار سے آپ کے اندازوں میں مخصوص تعصب پیدا ہوسکتی ہے؟
   3. مندرجہ ذیل مائکروسافیو سوالات سے پوچھیں:
   • "آپ نے کتنے بار آپ کے موبائل فون کو دوسروں کو کال کرنے کا استعمال کیا؟"
   • "کل کتنے ٹیکسٹ پیغامات نے آپ کو بھیج دیا؟"
   • "آپ نے گزشتہ سات دنوں میں اپنے موبائل فون کو دوسروں کو فون کرنے کے لئے کتنی بار استعمال کیا؟"
   • "آپ نے گزشتہ سات دنوں میں اپنے پیغامات / ٹیکسٹ پیغامات / ایس ایم ایس بھیجنے یا وصول کرنے کے لئے کتنی دفعہ استعمال کیا؟"
   4. ایک بار جب مائکروسافیو مکمل ہو گیا ہے تو، ان کے استعمال کے اعداد و شمار کو چیک کرنے کے لۓ ان کے فون یا سروس فراہم کنندہ کے ذریعہ لاگ ان کریں. اعداد و شمار لاگ ان کرنے کے لۓ خود کی رپورٹ کا استعمال کیسے کرتا ہے؟ کون سا سب سے زیادہ درست ہے، جو کم از کم درست ہے؟
   5. اب ان اعداد و شمار کو جو آپ نے اپنی کلاس میں دوسرے لوگوں سے ڈیٹا کے ساتھ جمع کیا ہے (اگر آپ کسی کلاس کے لئے یہ سرگرمی کررہے ہیں). اس بڑے ڈیٹا بیس کے ساتھ، حصہ (ڈی) کو دوبارہ کریں.

5. [ ، ] Schuman اور پریسر (1996) بحث کرتے ہیں کہ سوال کے احکامات دو قسم کے سوالات کے لئے اہم ہوں گے: جزوی حصے کے سوالات جہاں دو سوالات کی ایک ہی سطح پر ہیں (مثال کے طور پر، دو صدارتی امیدواروں کی درجہ بندی)؛ اور جزوی سوالات جہاں عام سوال ایک خاص سوال پر عمل کرتا ہے (مثال کے طور پر، پوچھ "آپ کے کام سے کتنا مطمئن ہے؟" کے بعد اس کے بعد "آپ کی زندگی سے کتنا مطمئن ہے؟").

   وہ دو قسم کے سوالات کا نظم و نسق کی مزید خصوصیات کو نمایاں کرتے ہیں: مستقل اثرات پیش ہوتے ہیں جب بعد میں سوالات کے جوابات قریب آتے ہیں (ان کے مقابلے میں وہ دوسری صورت میں ہوسکتی ہیں) پہلے سے ہی سوال کرنے والے افراد کو. اس کے برعکس اثرات مرتب ہوتے ہیں جب دو سوالات کے جوابات کے درمیان زیادہ اختلافات ہوتے ہیں.

   1. جزوی جزوی سوالات کا ایک جوڑے بنائیں جو آپ کو لگتا ہے کہ ایک بڑے سوال کا آرڈر اثر پڑے گا؛ حصہ لینے والے تمام سوالات کا ایک جوڑے جو آپ کو لگتا ہے کہ ایک بڑے حکم کا اثر پڑے گا؛ اور ایک جوڑے کے سوالات جن کے حکم آپ کو کوئی فرق نہیں پڑے گا. اپنے سوالات کا امتحان دینے کے لئے ایمیزون مکینیکل ترک پر ایک سروے تجربہ استعمال کریں.
      
   2. آپ کا حصہ بننے کا ایک بڑا اثر کتنا بڑا تھا؟ کیا یہ ایک مستقل یا برعکس اثر تھا؟
   3. کس طرح ایک بڑا اثر آپ کو پیدا کرنے کے قابل تھے؟ کیا یہ ایک مستقل یا برعکس اثر تھا؟
   4. کیا آپ کی جوڑی میں ایک سوال کا حکم تھا جہاں آپ کو یہ نہیں لگتا کہ آرڈر کیا ہوگا؟

6. [ ، ] Schuman اور پریسر، Moore (2002) کام پر عمارت سوال سوال کے اثر کا الگ الگ طول و عرض بیان کرتا ہے: اضافی اور منفی اثرات. اس کے برعکس انحصار اور استحکام اثرات ایک دوسرے کے سلسلے میں دو اشیاء کی تشخیص کے نتیجے کے طور پر پیدا کی جاتی ہیں، اضافی اور مضر اثرات پیدا ہوتے ہیں جب جواب دہندگان نے بڑے فریم ورک پر زیادہ حساس بنا دیا ہے جس کے اندر سوالات سامنے آئے ہیں. Moore (2002) پڑھیں، پھر مکتب پر ایک سروے تجربے کو ڈیزائن کریں اور اضافی یا منفی اثرات کا مظاہرہ کریں.

7. [ ، کرسٹوفر اینون اور ساتھیوں نے (2015) نے چار مختلف آن لائن بھرتی کے ذرائع سے موصول ہونے والی سہولیات کے نمونے کے مقابلے میں ایک مطالعہ کیا. MTurk، کریگ لسٹ، گوگل ایڈورڈز اور فیس بک. کم از کم دو مختلف آن لائن بھرتی ذرائع کے ذریعہ ایک سادہ سروے اور شرکاء کو بھرتی کریں (یہ ذرائع Antoun et al. (2015) میں استعمال ہونے والے چار ذرائع سے مختلف ہو سکتے ہیں.

   1. مختلف اخراجات کے درمیان رقم اور وقت کی شرائط میں لاگت فی لاگت کا موازنہ کریں.
   2. مختلف ذرائع سے حاصل کردہ نمونے کی ساخت کا موازنہ کریں.
   3. نمونے کے درمیان ڈیٹا کی معیار کا موازنہ کریں. جواب دہندگان سے ڈیٹا کی معیار کو اندازہ کرنے کے بارے میں خیالات کے لۓ، Schober et al. (2015) دیکھیں Schober et al. (2015) .
   4. آپ کا پسندیدہ ذریعہ کیا ہے؟ کیوں؟

8. [ ] یورپی یونین کے ریفرنڈم (یعنی بریکس) کے نتائج کی پیشن گوئی کرنے کی کوشش میں، آپ جیوو-ایک انٹرنیٹ پر مبنی مارکیٹ ریسرچ فرم نے برطانیہ میں تقریبا 800،000 جواب دہندگان کے ایک پینل کے آن لائن انتخابات کئے.

   YouGov کے اعداد و شمار کے ماڈل کی تفصیلی تفصیل https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/ پر پایا جا سکتا ہے. کسی طرح سے بات چیت کرتے ہوئے، آپ گوو نے 2015 ء کے عام انتخابات کے ووٹ کی پسند، عمر، قابلیت، صنف اور انٹرویو کی تاریخ اور اس کے ساتھ ہی وہ انتخابی حلقہ جس میں وہ رہتے تھے، کی بنیاد پر ووٹروں کو تقسیم کیا. سب سے پہلے، انہوں نے آپ کو ووگوف پینلسٹسٹوں سے جمع کردہ اعداد و شمار کا اندازہ کیا تھا، ان لوگوں میں سے جو ووٹ دیا تھا، ہر ووٹر کی قسم کے لوگوں کا تناسب جو چھوڑنے کا ارادہ رکھتے تھے. انہوں نے 2015 کے انتخابی حلقے کے سروے کے بعد، انتخابی فہرستوں کی جانب سے ٹرن آؤٹ کی توثیق کی، جس میں 2015 کے انتخابی براڈکاسٹ مطالعہ (بی ای ایس) کا استعمال کرتے ہوئے ہر ووٹر کی قسم کا ٹرن آؤٹ. آخر میں، وہ اندازہ لگایا گیا ہے کہ ووٹرز کی نوعیت میں ہر ووٹر کی نوعیت کی تعداد تازہ ترین مردم شماری اور سالانہ آبادی سروے (دیگر اعداد و شمار کے ذرائع کے کچھ اضافی معلومات کے ساتھ) کی بنیاد پر ہے.

   ووٹ سے پہلے تین دن، آپ نے گووو نے دو پوائنٹ کی قیادت کو چھوڑ دیا. ووٹنگ کے موقع پر، سروے نے اشارہ کیا کہ نتیجہ بہت قریب تھا (49/51 باقی). آخری پریشان ہونے والے مطالعہ نے 48/52 کی باقیات کے بارے میں پیش گوئی کی ہے (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/). دراصل، یہ تخمینہ چار فیصد پوائنٹس کی طرف سے حتمی نتیجہ (52/48 چھوڑ دو) کو یاد آیا.

   1. اس باب میں بحث کرنے والے کل سروے کی غلطی فریم ورک کا استعمال کرنے کے لئے استعمال کریں جو غلط ہوسکتے ہیں.
   2. آپ کے انتخابات کے بعد گوو کے جواب (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/) نے وضاحت کی: "یہ ایک بہت بڑا حصہ ہے جس کی وجہ سے نتیجے میں ہوتا ہے. ہم نے کہا ہے کہ اس طرح کے ایک مکمل پیمانے پر متوازن دوڑ کے نتیجے میں سب کچھ اہم ہوگا. ہمارے ٹرن آؤٹ ماڈل کی بنیاد پر تھا، اس سلسلے میں، اگر پچھلے عام انتخابات میں جواب دہندگان نے ووٹ دیا تھا اور عام انتخابات کے اوپر ایک موڑ کی سطح ماڈل، خاص طور پر شمال میں پریشانی کا سامنا کرنا پڑا تھا. "کیا یہ آپ کا حصہ (الف) کو تبدیل کرتا ہے؟

9. [ ، ] اعداد و شمار 3.2 میں نمائندگی کی غلطیوں میں سے ہر ایک کی وضاحت کرنے کے لئے ایک تخروپن لکھیں.

   1. ایسی صورت حال بنائیں جہاں ان غلطیوں کو اصل میں منسوخ کر دیا جائے.
   2. ایسی حالت تخلیق کریں جہاں غلطیاں ایک دوسرے کو ملیں.

10. [ ، بلاومین اسٹاک اور ساتھیوں کی تحقیق (2015) نے ایک مشین سیکھنے کے ماڈل کی تعمیر میں حصہ لیا جس میں سروے کی ردعمل کی پیشکش کرنے کے لئے ڈیجیٹل ٹریس ڈیٹا کا استعمال کرسکتا ہے. اب آپ مختلف ڈیٹا بیس کے ساتھ ایک ہی چیز کی کوشش کریں گے. Kosinski, Stillwell, and Graepel (2013) نے محسوس کیا کہ فیس بک پسند کرتا ہے انفرادی خصوصیات اور صفات کا اندازہ لگا سکتا ہے. حیرت انگیز طور پر، یہ پیشن گوئی دوستوں اور ساتھیوں (Youyou, Kosinski, and Stillwell 2015) مقابلے میں زیادہ درست ہوسکتے ہیں.

    1. Kosinski, Stillwell, and Graepel (2013) ، اور نقل کی شکل 2. ان کے اعداد و شمار http://mypersonality.org/ پر دستیاب ہیں.
    2. اب، 3 نقطہ نظر.
    3. آخر میں، ان کے ماڈل اپنے فیس بک کے اعداد و شمار پر آزمائیں: http://applymagicsauce.com/. یہ آپ کے لئے کتنا اچھا کام کرتا ہے؟

11. [ ] Toole et al. (2015) مجموعی بے روزگاری کی رجحانات کی پیش گوئی کرنے کے لئے موبائل فون سے کال تفصیل ریکارڈز (سی ڈی آر Toole et al. (2015) استعمال کیا.

    1. Toole et al. (2015) مطالعہ کے ڈیزائن کا موازنہ کریں اور اس کے برعکس Toole et al. (2015) Blumenstock, Cadamuro, and On (2015) .
    2. کیا آپ کو لگتا ہے کہ سی ڈی آر کو روایتی سروے کی جگہ لے لے، ان کی تکمیل یا سرکاری پالیسی سازوں کے لئے بے روزگاری کو ٹریک کرنے کے لئے استعمال نہ کریں؟ کیوں؟
    3. کیا ثبوت آپ کو قائل کرے گا کہ بی بی سی کے بے روزگاری کی شرح کے روایتی اقدامات کو مکمل طور پر تبدیل کر سکتا ہے؟