ڈیجیٹل عمر ممکنہ نمونے میں امکان نمونے بن رہا ہے اور غیر امکانات نمونے کے لئے نئے مواقع پیدا کر رہا ہے.
نمونے کی تاریخ میں، دو مسابقتی نقطہ نظر ہیں: امکان نمونے کے طریقوں اور غیر امکانات نمونے کے طریقوں. اگرچہ دونوں نمونے نمونے کے ابتدائی دنوں میں استعمال کیے جاتے ہیں، امکانات نمونے کو غلبہ پہنچایا گیا ہے، اور بہت سے سماجی محققین کو بہت شکست کے ساتھ غیر امکانات نمونے دیکھنے کے لئے سکھایا جاتا ہے. تاہم، جیسا کہ میں نیچے بیان کروں گا، ڈیجیٹل عمر کی طرف سے تخلیق کردہ تبدیلیوں کا مطلب یہ ہے کہ اس وقت محققین غیر امکانات نمونے پر نظر انداز کرنے کے لئے وقت ہے. خاص طور پر، ممکنہ نمونے پر عملدرآمد کرنے میں مشکل ہو رہا ہے، اور غیر امکان نمونہ سازی تیزی سے، سستی اور بہتر ہو رہی ہے. تیز اور سستی سروے صرف خود ہی ختم نہیں ہوتے ہیں: وہ زیادہ مواقع کو فعال کرتے ہیں جیسے زیادہ سے زیادہ سروے اور بڑا نمونہ سائز. مثال کے طور پر، غیر احتساب طریقوں کو استعمال کرتے ہوئے کوآپریٹو کانگریس کے انتخابی مطالعہ (سی سی ای ایس) امکانات نمونے کے ذریعے استعمال ہونے والے پہلے مطالعے سے تقریبا 10 گنا زیادہ شرکاء حاصل کرنے میں کامیاب ہیں. یہ بہت بڑا نمونے سیاسی محققین کو ذیلی گروپوں اور سماجی مفادات میں رویوں اور رویے میں تبدیلی کی تعلیم کے قابل بناتا ہے. اس کے علاوہ، اس اضافی پیمانے پر اندازے کے تخمینے (Ansolabehere and Rivers 2013) معیار میں کمی کے بغیر آئے.
فی الحال، سماجی تحقیق کے لئے نمونے لینے کے لئے غالب نقطہ نظر امکان نمونے لگ رہا ہے . احتساب نمونے میں، ہدف کی آبادی کے تمام ممبران نمونہ ہونے کے نام سے جانا جاتا، غیرزروب امکانات اور سروے کے نمونے کا سامنا کرنے والے تمام افراد ہیں. جب یہ حالات پورا ہوجائے تو، خوبصورت ریاضیاتی نتائج کو محققین کی نشاندہی کرنے کے لئے ایک محقق کی اہلیت کے بارے میں قابل اعتماد ضمانت فراہم کرتا ہے.
تاہم، حقیقی دنیا میں، ان ریاضیاتی نتائج کے تحت حالات بہت کم سے کم ہوتے ہیں. مثال کے طور پر، اکثر کوریج کی غلطیوں اور nonresponse ہیں. ان مسائل کی وجہ سے، محققین کو اپنی نمونہ سے ان کی ہدف آبادی تک لے جانے کے لئے اکثر مختلف اعدادوشمار ایڈجسٹمنٹ ملازمت کرنا پڑتا ہے. اس طرح، اصول میں امکانات نمونے کے درمیان فرق کرنے کے لئے ضروری ہے ، جس میں مضبوط نظریاتی ضمانت، اور عملی طور پر نمونے کی نمائش کرنا ، جو ایسی ضمانت پیش کرتا ہے اور مختلف اعداد و شمار کی ترتیبات پر منحصر ہے.
وقت کے ساتھ، عملی طور پر نمونہ اور امکانات نمونے کے امکانات میں امکان نمونے کے درمیان اختلافات میں اضافہ ہوا ہے. مثال کے طور پر، غیر رجحانات کی شرح میں تیزی سے اضافہ ہوا ہے، یہاں تک کہ اعلی معیار، مہنگی سروے (اعداد و شمار 3.5) (National Research Council 2013; BD Meyer, Mok, and Sullivan 2015) . تجارتی ٹیلی فون کے سروے میں غیر تاثرات کی شرح بہت زیادہ ہوتی ہے - بعض اوقات 90٪ زیادہ (Kohut et al. 2012) . غیر مقبولیت میں یہ اضافہ تخمینوں کی کیفیت کو خطرہ ہے کیونکہ اس اعداد و شمار کو تیزی سے اعداد و شمار کے ماڈل پر منحصر ہے جو محققین کو غیر رائے دینے کے لئے ایڈجسٹ کرنے کے لئے استعمال کرتے ہیں. اس کے علاوہ، سروے کے محققین نے اعلی ردعمل کی شرح کو برقرار رکھنے کے لئے تیزی سے مہنگی کوششوں کے باوجود معیار میں کمی کی ہے. کچھ لوگ خوفزدہ ہیں کہ معیار اور بڑھتی ہوئی قیمتوں میں کمی کے دو جڑواں رجحانات سروے ریسرچ (National Research Council 2013) بنیاد پر دھمکی دیتے ہیں.
ایک ہی وقت میں امکان امکان نمونے کے طریقوں کے لئے بڑھتی ہوئی مشکلات ہو رہی ہے، غیر امکان نمونے کے طریقوں میں بھی دلچسپ پیش رفت ہوئی ہے . غیر امکانات نمونے کے طریقوں کی ایک مختلف اقسام ہیں، لیکن وہ چیز جو عام طور پر ہے وہ یہ ہے کہ وہ آسانی سے ممکنہ نمونے لینے والے (Baker et al. 2013) ریاضیاتی فریم ورک میں مناسب نہیں ہوسکتے. دوسرے الفاظ میں، غیر امکان نمونے کے طریقوں میں شامل نہیں ہے سب میں شامل ہونے کا ناممکن اور غیرزروب امکان ہے. غیر امکانات نمونے کے طریقوں میں سماجی محققین کے درمیان ایک خوفناک شہرت ہے اور وہ سروے کے محققین میں سے کچھ سب سے زیادہ ڈرامائی ناکامی کے ساتھ منسلک ہیں، جیسے ادبی ڈائجسٹ ناکامی (پہلے بات چیت) اور "Dewey Defeats Truman،" امریکہ کے بارے میں غلط پیشن گوئی. 1948 کے صدارتی انتخابات (3.6 نمبر).
غیر احتساب نمونے کی ایک شکل جس میں خاص طور پر ڈیجیٹل عمر کے لئے موزوں ہے آن لائن پینل کا استعمال ہے. آن لائن پینل کا استعمال کرتے ہوئے محققین نے کچھ پینل فراہم کرنے والے عام طور پر ایک کمپنی، حکومت، یا یونیورسٹی پر منحصر ہے- ایسے لوگوں کے بڑے، متنوع گروہ کی تعمیر کرنے کے لئے جو سروے کے جواب دہندگان کے طور پر خدمت کرتے ہیں. یہ پینل شرکاء اکثر اکثر مختلف طریقوں سے آن لائن بینر اشتھارات استعمال کرتے ہیں. اس کے بعد، ایک محققین پینل فراہم کنندہ کو مطلوبہ خصوصیات کے ساتھ نمونے کے نمونے تک رسائی حاصل کرسکتے ہیں (مثال کے طور پر، بالغوں کے قومی نمائندے). یہ آن لائن پینل غیر امکانات ہیں کیونکہ ان میں سے ہر ایک کو شامل ہونے کا ناممکن، غیرزروب امکان نہیں ہے. اگرچہ غیر امکانات آن لائن پینل سماجی محققین (مثال کے طور پر، سی سی ای ایس) کے ذریعہ پہلے ہی استعمال کیا جا رہا ہے، اب بھی ان سے آنے والے تخمینوں کے معیار کے بارے میں کچھ بحث (Callegaro et al. 2014) .
ان بحثوں کے باوجود، مجھے لگتا ہے کہ دو وجوہات ہیں کیوں کہ سماجی محققین کا وقت غیر ممکنہ نمونے پر نظر انداز کرنے کے لئے صحیح ہے. سب سے پہلے، ڈیجیٹل عمر میں، غیر امکانات کے نمونے کے مجموعہ اور تجزیہ میں بہت سے پیش رفت ہیں. یہ نئے طریقوں سے مختلف طریقوں سے کافی مختلف ہیں جنہوں نے ماضی میں مسائل پیدا کی ہیں کہ میں سوچتا ہوں کہ ان کو "غیر امکان نمونہ 2.0." کے بارے میں سوچنے کے لئے احساس ہوتا ہے. دوسری وجہ یہ ہے کہ محققین کو غیر امکانات نمونے پر نظر ثانی کرنا چاہئے کیونکہ امکانات نمونے میں مشق تیزی سے مشکل بن گئے ہیں. غیر ردعمل کی اعلی شرح موجود ہے جب کہ اصل سروے میں موجود ہیں - جواب دہندگان کے لئے شمولیت کی اصل امکانات معلوم نہیں ہیں، اور اس طرح امکانات کے نمونے اور غیر امکانات نمونہ مختلف نہیں ہیں جیسے کہ محققین پر یقین ہے.
جیسا کہ میں نے پہلے کہا تھا، سروے ریسرچ کے ابتدائی دنوں میں کچھ سب سے زیادہ شرمناک ناکامیوں میں ان کے کردار کی وجہ سے، بہت سے سماجی محققین کی طرف سے، اس کے کردار کی وجہ سے غیر احتساب کے نمونے عظیم شکست کے ساتھ نظر آتے ہیں. وینی وانگ، ڈیوڈ روتھسچلڈ، شارڈ گول، اور اینڈریو جیلمن (2015) طرف سے تحقیق کا ایک واضح مثال یہ ہے کہ 2012 کے غیر انتخابی نمونے کا استعمال کرتے ہوئے امریکی انتخاب کے نتائج کو صحیح طریقے سے حاصل کیا گیا ہے. امریکی ایکس ایکس صارفین- امریکیوں کے ایک فیصلہ شدہ غیر رینڈم نمونہ. محققین نے XBox گیمنگ کے نظام سے جواب دہندگان کو بھرتی کیا، اور جیسا کہ آپ توقع کر سکتے ہیں، بی بی سی نمونہ لڑکا اور کھوکھلی نوجوان کو کھو دیا: 18- 29 سالہ عمروں میں ووٹ ڈالنے کا 19 فی صد، لیکن بی بی کے نمونے 65 فیصد ووٹروں کے 47٪ قضاء لیکن 93٪ بکس نمونہ (اعداد و شمار 3.7). ان مضبوط ڈیموگرافک حیاتیات کی وجہ سے، خام ایکس باکس اعداد و شمار انتخابات کی واپسیوں کے غریب اشارے تھے. اس نے براک اوبامہ کے مٹ رومنی کے لئے ایک مضبوط فتح کی پیش گوئی کی ہے. پھر، یہ خام، غیر ترتیب شدہ غیر امکان نمونے کے خطرات کا ایک اور مثال ہے اور یہ کہ ادبی ڈائجسٹ ناکام ہے.
تاہم، وانگ اور ساتھیوں نے ان مسائل سے آگاہ کیا اور اندازہ کرتے وقت ان کے غیر بے ترتیب نمونے کے عمل کو ایڈجسٹ کرنے کی کوشش کی. خاص طور پر، انہوں نے پوسٹ پوزیشن میں استعمال کیا، ایک ایسی تکنیک جس میں بڑے پیمانے پر امکانات نمونے کو ایڈجسٹ کرنے کے لئے استعمال کیا جاتا ہے جو کوریج کی غلطیاں اور غیر ردعمل ہے.
پودے کی تقسیم کے اہم خیال کا مقصد ہدف آبادی کے بارے میں معاون معلومات کا استعمال کرنا ہے جو نمونے سے آتا ہے. جب ان کے غیر امکانات کے نمونے سے تخمینہ کرنے کے بعد پوزیشن میں استحکام کا استعمال کرتے ہوئے، وانگ اور ساتھی نے آبادی کو مختلف گروہوں میں کاٹ دیا تو، ہر گروہ میں اوبامہ کی حمایت کا اندازہ لگایا، اور اس کے بعد مجموعی تخمینہ پیدا کرنے کے لئے گروپ کے تخمینہ میں وزن کا اندازہ لگایا. مثال کے طور پر، وہ آبادی کو دو گروپوں (مردوں اور عورتوں) میں تقسیم کر سکتے تھے، مردوں اور عورتوں کے درمیان اوباما کی حمایت کا اندازہ لگایا اور پھر اس حقیقت کا حساب کرنے کے لۓ اوباما کا وزن کم کرنے کے لۓ اوباما کی مجموعی حمایت کا اندازہ لگایا. 53٪ ووٹ اور مرد 47٪. اس کے باوجود، پوسٹ اسٹریٹجک گروپوں کے سائز کے بارے میں معاون معلومات میں لانے کے ذریعہ ایک منسلک نمونہ کے لئے درست کرنے میں مدد ملتی ہے.
پوسٹ کرنے کے بعد کی توثیق کرنے والی کلیدی گروہوں کو تشکیل دینا ہے. اگر آپ آبادی کے گروہوں کو اس طرح کے گروپوں میں کھینچ کر سکتے ہیں جیسے ہر گروپ میں ردعمل کے حصول ایک ہی ہوتے ہیں، پھر پوزیشن میں استحکام بے بنیاد اندازے پیدا کرے گا. دوسرے الفاظ میں، جنس کی طرف سے پوسٹ کرنے والی غیر جانبدار اندازے کا تخمینہ لگائے گا اگر تمام مرد کو جواب دینے کی ضرورت ہوتی ہے اور تمام عورتوں کو اس کا جواب ملتا ہے. یہ مفہوم معتبر ردعمل - صلاحیتوں کے اندر اندر گروہوں کو سمجھا جاتا ہے، اور میں اس باب کے اختتام پر ریاضیاتی نوٹوں میں تھوڑا سا بیان کرتا ہوں.
بے شک، یہ ممکن نہیں ہوتا کہ تمام مردوں اور تمام عورتوں کے لئے جوابی وابستگی اسی طرح ہوگی. تاہم، گروپوں میں اضافے کی تعداد کے طور پر متنوع ردعمل-صلاحیتوں کے اندر اندر گروہوں کو زیادہ قابل قبول بن جاتا ہے. اگر آپ زیادہ گروپ تخلیق کرتے ہیں تو، اس صورت میں آبادی گروہوں میں آبادی کو کاٹنے میں آسان ہو جاتا ہے. مثال کے طور پر، یہ ممکنہ لگ سکتا ہے کہ تمام عورتوں کو اسی جواب میں بہتری ملتی ہے، لیکن شاید یہ ممکن ہو کہ یہ ممکنہ طور پر ثابت ہوسکتا ہے کہ 18-29 سال کی عمر میں تمام عورتوں کے لئے ایک ہی جواب ہے، جو کالج سے گریجویشن کی جاتی ہے، اور جو کیلیفورنیا میں رہنے والے ہیں . اس طرح، بعد میں استحکام میں استعمال گروپوں کی تعداد بڑی ہو جاتی ہے، اس مفہوم کو بہتر بنانے کے لئے کی ضرورت ہے. اس حقیقت کو دیکھتے ہوئے، محققین اکثر پوسٹ کرنے کے لئے بہت بڑی تعداد میں گروپ بنانا چاہتے ہیں. تاہم، گروپوں میں اضافے کی تعداد کے طور پر، محققین کو ایک مختلف مسئلہ میں چلتا ہے: اعداد و شمار کی سطح. اگر ہر گروپ میں صرف ایک چھوٹی سی تعداد موجود ہیں، تو تخمینہ زیادہ غیر یقینی ہو جائیں گے، اور انتہائی اس صورت میں جہاں اس گروپ میں کوئی جواب دہندگان موجود نہ ہوں گے، تو پھر پوزیشن میں توسیع مکمل ہوجاتی ہے.
ہر گروپ میں معتبر ردعمل کے اندر اندر گروہوں کے مفادات اور مناسب نمونہ سائز کے مطالبہ کے درمیان اس معدنی کشیدگی سے دو طریقے موجود ہیں. سب سے پہلے، محققین بڑے، زیادہ متنوع نمونہ جمع کر سکتے ہیں، جس میں ہر گروپ میں مناسب نمونہ سائز کو یقینی بنانے میں مدد ملتی ہے. دوسرا، وہ گروہوں کے اندر تخمینہ کرنے کے لئے زیادہ جدید ترین شماریاتی ماڈل استعمال کرسکتے ہیں. اور، حقیقت میں، کبھی کبھی محققین دونوں کرتے ہیں، جیسا کہ وانگ اور ساتھیوں نے بکس سے جواب دہندگان کے ذریعے انتخابات کے انعقاد کے ساتھ کیا.
کیونکہ وہ کمپیوٹر کے زیر انتظام انٹرویو کے ساتھ غیر امکانات نمونے کا طریقہ کار استعمال کررہے ہیں (میں سیکشن 3.5 میں کمپیوٹر کے انتظام کردہ انٹرویو کے بارے میں مزید بات کریں گی)، وانگ اور ساتھیوں نے بہت سستا ڈیٹا ذخیرہ کیا تھا، جس سے ان کو 345،858 منفرد شرکاء سے معلومات جمع کرنے میں مدد ملی تھی. ، انتخابی پولنگ کے معیارات کی طرف سے ایک بڑی تعداد. یہ بڑے پیمانے پر نمونہ سائز نے ان کی صلاحیتوں کے بعد بہت سارے طبقاتی گروہوں کو تشکیل دیا. جبکہ پوسٹ پوزیشن میں عام طور پر آبادی سینکڑوں گروپوں میں کاٹنے میں شامل ہے، وانگ اور ساتھیوں نے آبادی کو تقسیم کیا ہے 176،256 گروپوں جنس (2 اقسام)، نسل (4 اقسام)، عمر (4 اقسام)، تعلیم (4 اقسام)، ریاست (51 اقسام)، پارٹی کی شناخت (3 اقسام)، نظریات (3 اقسام)، اور 2008 ووٹ (3 اقسام). دوسرے الفاظ میں، ان کا بہت بڑا نمونہ سائز، جو کم لاگت ڈیٹا اکٹھا کی طرف سے فعال تھا، انہیں ان کی تخمینہ کے عمل میں زیادہ ممکنہ مفکوم بنانے کے قابل تھا.
یہاں تک کہ 345،858 منفرد شرکاء کے ساتھ، تاہم، وہاں بھی بہت سے تھے، بہت سے گروپوں کے لئے وانگ اور ساتھیوں نے تقریبا کوئی جواب دہندہ نہیں تھے. لہذا، انہوں نے ہر گروپ میں معاونت کا تخمینہ کرنے کے لئے ملٹی لہر رجعت نامی ایک ٹیکنالوجی کا استعمال کیا. لازمی طور پر، ایک مخصوص گروپ کے اندر اوباما کے لئے حمایت کا اندازہ کرنے کے لئے، کثیر تحریری رجعت نے بہت سے قریبی متعلقہ گروہوں سے معلومات کو اکٹھا کیا. مثال کے طور پر، 18 اور 29 سال کی عمر کے دوران اوباما کی مدد سے اندازہ لگایا جا رہا ہے کہ وہ 18 اور 29 سال کی عمر میں، جو کالج گریجویٹ ہیں، جو ڈیموکریٹس کو رجسٹرڈ کر رہے ہیں، جو اعتدال پسندوں کے طور پر خود کو پہچانتے ہیں، اور 2008 میں اوبامہ نے 2008 میں کیا. بہت مخصوص گروپ، اور یہ ممکن ہے کہ ان خصوصیات کے ساتھ نمونہ میں کوئی بھی نہیں ہے. لہذا، اس گروپ کے بارے میں تخمینہ کرنے کے لئے، ملٹی ریگریشن ایک اعداد وشماری کا استعمال کرتا ہے ماڈل کو اسی طرح کے گروہوں میں لوگوں سے اندازہ لگایا جاتا ہے.
اس طرح، وانگ اور ساتھیوں نے اس نقطہ نظر کا استعمال کیا جس میں کثیر تحریر رجعت اور بعد میں استحکام ہوا، لہذا انہوں نے اپنی حکمت عملی کے بعد کثیر تحریر رجعت کو پوزیشن میں استحکام کے ساتھ یا زیادہ تر منفی طور پر بلایا. پی. "جب وانگ اور ساتھیوں نے مسٹر پی. کا استعمال کرتے ہوئے XBox غیر احتساب نمونہ سے اندازہ لگایا تو انہوں نے مجموعی طور پر معاونت کا اندازہ لگایا ہے کہ اوباما نے 2012 کے انتخابات میں 3.8 (اعداد و شمار) حاصل کی ہے. دراصل ان کا تخمینہ روایتی عوامی رائے کے مجموعے کے مقابلے میں زیادہ درست تھا. اس طرح، اس صورت میں، اعداد و شمار کے ایڈجسٹمنٹ - خاص طور پر مسٹر پی - غیر امکانات کے اعداد و شمار میں تعصب کو درست کرنے میں ایک اچھا کام کرنے لگتی ہے؛ جب آپ غیر منظم شدہ ایکس بکس کے اعداد و شمار سے اندازے پر نظر آتے ہیں تو اس پر نظر انداز ہوتا ہے.
وانگ اور ساتھیوں کے مطالعہ سے دو اہم سبق ہیں. سب سے پہلے، غیر منظم شدہ غیر امکان نمونے خراب تخمینوں کی قیادت کر سکتے ہیں؛ یہ سبق ہے کہ بہت سے محققین نے پہلے سنا ہے. تاہم، دوسرا سبق یہ ہے کہ غیر امکانات کے نمونے، جب مناسب طریقے سے تجزیہ کرتے ہیں تو اصل میں اچھے اندازے کا اندازہ لگا سکتے ہیں؛ غیر احتساب نمونوں کو خود کار طریقے سے ادبی ڈائجسٹ ناکامی کی طرح کسی چیز کی قیادت نہیں کی ضرورت ہے.
آگے بڑھتے ہوئے، اگر آپ امکان امکان نمونے کے نقطہ نظر کا استعمال کرتے ہوئے فیصلہ کرنے کی کوشش کر رہے ہیں اور غیر امکانات نمونے کے نقطہ نظر سے آپ کو ایک مشکل انتخاب کا سامنا کرنا پڑتا ہے. بعض اوقات محققین کو تیز اور سخت حکمرانی مطلوب ہوتی ہے (مثال کے طور پر، امکانات نمونے کے طریقوں کو ہمیشہ استعمال کرتے ہیں)، لیکن اس طرح کے ایک حکمرانی کو پیش کرنا مشکل ہے. محققین امکانات نمونے کے طریقوں کے درمیان عملی طور پر ایک مشکل انتخاب کا سامنا کرتے ہیں- جو تیزی سے مہنگی اور نظریاتی نتائج سے کہیں زیادہ ہیں جو ان کے استعمال اور غیر امکانات نمونے کے طریقوں کا جواز پیش کرتے ہیں، جو سستی اور تیز، لیکن کم واقف اور زیادہ مختلف ہیں. تاہم، واضح بات یہ ہے کہ اگر آپ غیر احتساب نمونے یا غیر متعدد بڑے اعداد و شمار کے ذرائع کے ساتھ کام کرنے پر مجبور ہوتے ہیں تو (باب نمبر 2 میں سوچتے ہیں)، پھر یقین کرنے کا ایک مضبوط ذریعہ ہے کہ پوسٹ کے استحکام اور متعلقہ تکنیکوں کو غیر منظم شدہ خام تخمینوں سے بہتر ہوگا.