3.3.1 نمائندگی

نمائندگی آپ کے ہدف آبادی کے لئے اپنے مدعا سے استنباط کرنے کے بارے میں ہے.

بڑی آبادی کو جواب دینے سے اخذ کرتے وقت بھی ہو سکتا ہے کہ غلطیوں کی قسم کو سمجھنے کے لئے، کی ادبی ڈائجسٹ تنکے سروے 1936 امریکی صدارتی انتخاب کے نتائج کی پیشن گوئی کرنے کی کوشش کی ہے کہ غور کریں. اگرچہ یہ 75 سال سے زائد عرصے سے ہوا، تاہم اب بھی یہ مباحثہ آج محققین کو سکھانے کے لئے ایک اہم سبق ہے.

ادبی ڈائجسٹ ایک مقبول عام مفاد میگزین تھا، اور 1920 میں شروع ہوا، انہوں نے صدارتی انتخابات کے نتائج کی پیش گوئی کرنے کے لئے اسکرین انتخابات چلانے شروع کر دیا. یہ پیشن گوئی کرنے کے لۓ، وہ بہت سے لوگوں کو ووٹ بھیجے گا اور پھر وہ واپس آنے والے بیلٹ کو ٹائل کریں گے؛ ادبی ڈائجسٹ فخر کے ساتھ وہ موصول ووٹ نہ تو "، بارت ایڈجسٹ، اور نہ تشریح کی." یہ عمل صحیح 1920، 1924، 1928 اور 1932. میں انتخابات کے فاتحین نے پیش گوئی 1936 میں عظیم کساد بازاری کے درمیان میں، ادبی تھے کہ رپورٹ ڈائجسٹ نے 10 ملین افراد کو بیلٹ بھیجا، جن کے نام ٹیلی فون ڈائریکٹریز اور آٹوموبائل کے رجسٹریشن کے ریکارڈ سے زیادہ تر آئے تھے. یہاں یہ ہے کہ انہوں نے اپنے طریقہ کار کو کس طرح بیان کیا ہے:

"ڈیجیٹیسٹ ہموار چلانے والا مشین تیسری سال کے تجربے کے ساتھ مشکل حقائق کے اندازے کو کم کرنے کے تجربے کے ساتھ چلتا ہے ... اس ہفتے 500 قلم ایک دن میں ایک لاکھ سے زائد پوائنٹس سے زیادہ چھٹکارا ہوا. ہر روز، نیویارک میں موٹر ربنڈ چوتھ ایونیو کے اوپر اعلی کمرے میں، 400 کارکنوں نے چھپی ہوئی معاملات کے ایک ملین ٹکڑے ٹکڑے ٹکڑے ٹکڑے ٹکڑے ٹکڑے ٹکڑے ٹکڑے ٹکڑے ٹکڑے ٹکڑے ٹکڑے کر دیا - کافی چالیس شہر کے بلاکس پر قبضہ کرنے کے لئے - خطاب شدہ لفافے [sic] میں. ہر گھنٹہ، ڈیجیٹیسٹ کے اپنے پوسٹ آفس سبسٹیشن میں، تین چترکاری ڈاک میٹھی مشینیں مہربند اور سفید لمبائی پر مہر لگا دیئے ہیں؛ ہنر مند پوسٹل ملازمین نے انہیں بلنگ mailsacks میں پھینک دیا؛ بیڑے ڈیجیٹیسٹ ٹرک نے انہیں میل ٹرینوں کا اظہار کرنے کے لئے اڑایا. . . اگلے ہفتے، ان دس ملین سے پہلے کے جواب میں نشان زدہ نشانیاں آنے والے لہر شروع ہو جائیں گے، ٹرپل چیکنگ، تصدیق شدہ، تصدیق شدہ، پانچ دفعہ کراس کی درجہ بندی اور مجموعی طور پر. جب آخری اعداد و شمار ٹوٹا ہوا اور جانچ پڑا ہے تو، اگر گزشتہ تجربے کا ایک معیار ہے، تو ملک کو چالیس لاکھ [ووٹرز] کے اصلی مقبول ووٹ میں 1 فی صد کے اندر اندر جاننا ہوگا. "(22 اگست، 1936)

آج تک کسی بھی "بڑے اعداد و شمار" محقق کے لئے ادبی ڈائجیسٹ کی سائز کو فروغ دینے کے لئے فوری طور پر تسلیم کیا جاتا ہے. تقسیم شدہ 10 ملین بیلٹوں میں سے ایک جدید 2.4 ملین لوگ واپس آ گئے تھے- یہ جدید سیاسی انتخابات سے تقریبا 1،000 گنا زیادہ ہے. ان 2.4 ملین جواب دہندگان سے، یہ فیصلہ واضح تھا: الفر لینڈن غالب فرینکین روزویلٹ کو شکست دینے والا تھا. لیکن، حقیقت میں، روزویلٹ لینڈ لینڈ کے کنارے میں لینڈن کو شکست دی. کتنی معلومات کے ساتھ ادیب ڈائجسٹ کو غلط ہو سکتا ہے؟ نمونے کے ہمارے جدید تفہیم کو ادبی ڈائجسٹ کی غلطیاں واضح ہوتی ہے اور مستقبل میں اسی طرح کی غلطیوں کو روکنے سے بچنے میں مدد ملتی ہے.

نمونے کے بارے میں واضح طور پر سوچنے کی ضرورت ہے کہ ہم لوگوں کے چار مختلف گروہوں پر غور کریں (اعداد و شمار 3.2). پہلا گروپ ہدف آبادی ہے ؛ یہ گروہ ہے کہ محقق دلچسپی کی آبادی کے طور پر بیان کرتا ہے. ادبی ڈائجسٹ کے معاملے میں، ہدف آبادی 1936 صدارتی انتخابات میں ووٹرز تھے.

ہدف آبادی پر فیصلہ کرنے کے بعد، محققین کو ان لوگوں کی فہرست تیار کرنے کی ضرورت ہے جو نمونے لگانے کے لئے استعمال کیا جا سکتا ہے. یہ فہرست ایک نمونے کا فریم کہا جاتا ہے اور اس پر لوگوں کو فریم آبادی کہا جاتا ہے. مثالی طور پر، ہدف آبادی اور فریم کی آبادی بالکل اسی طرح ہوگی، لیکن عملی طور پر یہ معاملہ اکثر نہیں ہے. مثال کے طور پر، ادبی ڈائجسٹ کے معاملے میں، فریم کی آبادی 10 ملین افراد تھی جن کے نام ٹیلی فون ڈائریکٹریز اور آٹوموبائل رجسٹریشن کے ریکارڈ سے بنیادی طور پر آتے تھے. ہدف آبادی اور فریم آبادی کے درمیان اختلافات کو کوریج کی خرابی کہتے ہیں. کوریج کی خرابی خود کی طرف سے، مسائل کی ضمانت نہیں کرتا. تاہم، یہ کوریج تعصب کی قیادت کرسکتا ہے اگر فریم کی آبادی میں لوگ ہدف آبادی کے لوگوں سے منظم طور پر مختلف ہیں جو فریم آبادی میں نہیں ہیں. یہ حقیقت میں، بالکل وہی ہے جو ادبی ڈائجسٹ سروے میں ہوا. ان کے فریم آبادی میں لوگوں نے الف لینڈون کی حمایت کرنے کا امکان زیادہ حصہ لیا تھا، کیونکہ وہ امیر تھے (یاد رکھنا کہ ٹیلی فون اور آٹوموبائل دونوں نسبتا نیا اور مہنگا 1936 میں تھے). لہذا، ادبی ڈائجسٹ سروے میں، کوریج کی خرابی کی وجہ سے کوریج کی تعصب کا باعث بن گیا.

شکل 3.2: نمائندگی کی غلطیاں.

فریم کی آبادی کو متعین کرنے کے بعد، اگلے قدم نمونہ کی آبادی کو منتخب کرنے کے لئے ایک محقق کے لئے ہے؛ یہ لوگ ہیں جو محققین انٹرویو کرنے کی کوشش کریں گے. اگر نمونہ فریم آبادی کے مقابلے میں مختلف خصوصیات ہیں، تو نمونے لگانے کے نمونے کی غلطی متعارف کردی جا سکتی ہے. تاہم، ادبی ڈائجسٹ ناکامی کے معاملے میں، حقیقت میں کوئی نمونے نہیں تھا - میگزین فریم آبادی میں سب سے رابطہ کرنے کے لئے - اور اس وجہ سے کوئی نمونے کی غلطی نہیں تھی. بہت سے محققین نمونے لگانے کی غلطی پر توجہ مرکوز کرتے ہیں- یہ عام طور پر صرف ایک غلطی کی غلطی ہے جسے سروے میں اطلاع دی گئی غلطی کے نتیجے میں قبضہ کر لیا گیا ہے. لیکن ادبی ڈائجسٹ ناکامی ہمیں یاد دلاتا ہے کہ ہمیں غلطی کے تمام ذرائع پر غور کرنے کی ضرورت ہے.

آخر میں، نمونہ کی آبادی کا انتخاب کرنے کے بعد، ایک محقق اپنے تمام اراکین کو انٹرویو کرنے کی کوشش کرتا ہے. ان لوگوں کو جو کامیابی سے انٹرویو کرتے ہیں وہ جواب دہندگان کو بلایا جاتا ہے. مثالی طور پر، نمونہ کی آبادی اور جواب دہندگان بالکل وہی ہی ہوں گے، لیکن عملی طور پر اس میں کوئی جواب نہیں ہے. یہی ہے، جو لوگ نمونے میں منتخب ہوتے ہیں وہ کبھی کبھی حصہ نہیں لیتے ہیں. اگر لوگ جو جواب دیتے ہیں وہ ان لوگوں سے مختلف ہیں جو جواب نہیں دیتے، پھر وہاں غیر منفی تعصب ہوسکتے ہیں. ادبی ڈائجسٹ کے سروے کے ساتھ دوسرا اہم مسئلہ غیر رائے دینے والے تعصب تھا. صرف 24 فیصد لوگ جنہوں نے ایک بیلٹ موصول کیا تھا، اور یہ پتہ چلا کہ لونسن کی حمایت کرنے والے لوگوں کو جواب دینے کا امکان زیادہ تھا.

نمائندگی کے خیالات کو متعارف کرانے کے لۓ صرف ایک مثال بننے کے بعد، ادبی ڈائجسٹ سروے نے ایک بار بار تعصب کی ہے، ہاتھیار نمونے کے خطرات کے بارے میں محققین کو خبردار کیا ہے. بدقسمتی سے، مجھے لگتا ہے کہ اس سبق سے بہت سی لوگوں کا سبق غلط ہے. کہانی کا سب سے زیادہ عام اخلاقیات یہ ہے کہ محققین غیر احتساب نمونوں سے انکار نہیں کرسکتے ہیں (مثلا نمونے کے بغیر سخت امکانات کی بنیاد پر قواعد و ضوابط کے لۓ). لیکن، جیسا کہ میں اس باب میں بعد میں دکھائے گا، یہ بالکل درست نہیں ہے. اس کے بجائے، مجھے لگتا ہے کہ واقعی میں اس کہانی میں دو اخلاقیات ہیں. اخلاقیات آج کل سچ کے طور پر ہیں جیسے وہ 1936 میں تھے. سب سے پہلے، بے شمار جمع کردہ اعداد و شمار کی ایک بڑی رقم ایک اچھی تخمینہ کی ضمانت نہیں دے گی. عام طور پر، بہت سے جواب دہندگان کے تخمینوں کا فرق کم ہے، لیکن یہ ضروری طور پر تعصب میں کمی نہیں ہوتی. بہت سے اعداد و شمار کے ساتھ، محققین کبھی کبھی غلط چیز کا صحیح تخمینہ حاصل کر سکتے ہیں؛ وہ بالکل غلط (McFarland and McFarland 2015) ہوسکتے ہیں. ادبی ڈائجسٹ کے ناکامی سے دوسرا بنیادی سبق یہ ہے کہ محققین کو اس بات کی ضرورت ہے کہ اندازے کے مطابق ان نمونوں کو کیسے جمع کیا جائے. دوسرے الفاظ میں، کیونکہ ادبی ڈائجسٹ سروے میں نمونے کے عمل میں کچھ جواب دہندگان کی جانب سے منظم طور پر گرا دیا گیا تھا، محققین کو زیادہ پیچیدہ تخمینہ کے عمل کا استعمال کرنے کی ضرورت ہے جس میں کچھ جواب دہندگان دوسروں کے مقابلے میں زیادہ وزن رکھتے تھے. بعد میں اس باب میں، میں آپ کو اس طرح کے ایک وزن کے طریقہ کار کو دکھائے گا- پوسٹ پوزیشن - جو آپ کو مناسب اندازے سے ہاتھیاروں کے نمونے سے حاصل کرنے میں مدد دے سکتا ہے.