सामाजिक मीडिया सर्वेक्षण अनुसंधान में गैर-सहभागिता पूर्वाग्रह

सोशल मीडिया अनुसंधान, जो वर्तमान में आयोजित किया गया है, गैर-सहभागिता पूर्वाग्रह के अधीन है। गैर-सहभागिता पूर्वाग्रहों के कई प्रकार मौजूद हैं और प्रत्येक प्रकार के शोध निष्कर्षों की विश्वसनीयता पर अक्सर प्रभाव डालने की क्षमता होती है-अक्सर छिपी या अज्ञात तरीकों से वास्तव में, अनुसंधान ने यह दिखाया है कि उन शोध भागीदारों तक पहुंचना मुश्किल है, जो उनसे संपर्क करने के लिए कई प्रयासों की आवश्यकता होती है, अन्य उत्तरदाताओं से महत्वपूर्ण तरीके से भिन्न होते हैं।

ये मतभेद उम्र, लिंग, वैवाहिक स्थिति, सामाजिक आर्थिक स्थिति, स्वास्थ्य स्थिति और बच्चों की संख्या में देखा गया था।

प्रतिक्रिया दर

जिस हद तक किसी अध्ययन के बंद होने पर मौजूद आंकड़े एक नमूने में सभी सदस्यों को शामिल करते हैं, उन्हें प्रतिक्रिया दर के रूप में संदर्भित किया जाता है हालांकि यह अवधारणा एक संरचित सर्वेक्षण या साक्षात्कार के सेट में स्पष्ट है, लेकिन यह सामाजिक मीडिया अनुसंधान में अधिक अस्पष्ट है। हालांकि, सोशल मीडिया अनुसंधान में यह कम महत्वपूर्ण नहीं है क्योंकि यह अन्य प्रकार के गुणात्मक अनुसंधान में है। प्रतिक्रिया दर की गणना प्रतिभागियों की संख्या से की जाती है, जो सर्वेक्षण पूरा करते हैं-या साक्षात्कार लेने के लिए सहमत होते हैं- मूल नमूना प्रयास करने वाले लोगों की कुल संख्या से विभाजित। कुल संख्या में उन लोगों को शामिल करना होगा जिन्हें सफलतापूर्वक संपर्क नहीं किया गया था या जिन्होंने अनुसंधान में भाग लेने से इनकार कर दिया था।

-2 ->

सामान्यीकरण समस्या

चाहे डेटा कैसे एकत्र किया जाए, प्रतिक्रिया की उच्च दर के महत्व को पर्याप्त रूप से बल दिया नहीं जा सकता है

जब एक नमूना की प्रतिक्रिया दर कम होती है तो वास्तविक रूप से बड़ी आबादी में उत्पन्न होना संभव नहीं है। प्रतिक्रिया की दर बूँदें के रूप में नमूना पूर्वाग्रह बढ़ता है मीडिया आधारित सर्वेक्षण में, जब रिटर्न की दर नमूना के 20 या 30 प्रतिशत तक आ जाती है, तो प्रतिभागियों का समूह समग्र नमूना वाली आबादी के बराबर समानता देता है।

-3 ->

लोगों की इसी प्रवृत्ति को मेल-इन सर्वेक्षण वापस करने या टेलिफ़ोन सर्वेक्षण में भाग लेने के लिए सहमत लोगों के साथ सोशल मीडिया नेटवर्क में शामिल होने के साथ ही होता है: जो कि विषय विषय में एक विशेष रुचि है या उत्पाद या सेवा, जैसा भी मामला हो)।

नमूना आकार

बड़े नमूनों की तुलना में बड़े नमूने में बड़ा नमूना त्रुटि है मान लें कि नमूना डेटा बड़ी आबादी के गुणों का एक अनुमान प्रदान करता है। एक नमूना फ्रेम से तैयार प्रत्येक नमूना उस बड़ी आबादी का एक अलग अनुमान प्रदान करता है। सैद्धांतिक रूप से, प्रत्येक सवाल के लिए लिया गया प्रत्येक नमूना में प्रतिक्रियाओं का एक अलग पैटर्न हो सकता है। समय के साथ, नमूना फ्रेम से तैयार किए गए पर्याप्त नमूनों के साथ, वास्तविक पैटर्न बड़ी आबादी के वास्तविक (सच्चे) पैटर्न के आसपास एकजुट होगा।

त्रुटि का मार्जिन

नमूनाकरण त्रुटि, बड़ी आबादी से ली गई किसी भी नमूने से अनुमान के सटीक वर्णन करता है।नमूनाकरण त्रुटि को त्रुटि के एक मार्जिन के रूप में व्यक्त किया जाता है जो आत्मविश्वास के स्तर से संबंधित होता है, जो एक सांख्यिकीय उपाय है। राष्ट्रपति चुनाव वरीयता सर्वेक्षण में, उदाहरण के लिए, रिपोर्ट दिखा सकती है कि पदाधिकारी का 64% मतदाताओं का समर्थन है। त्रुटि का अंतर एक 95% आत्मविश्वास स्तर के साथ प्लस-या-शून्य से 3 अंक होगा

दूसरे शब्दों में, यदि मतदान फिर से 100 मतदाताओं के 100 अलग-अलग नमूनों के साथ आयोजित किया गया, तो 100 मतदाताओं में से 95 मतदाता इंगित करेंगे कि पदाधिकारी को 61% से 67% मतदाताओं के पक्ष में दिया गया है। यही है, मतदाताओं का 61% + 3% या -3%

नमूना आकार के बारे में निर्णय

नमूनाकरण के साथ जुड़े त्रुटि का अंतर नीचे चला जाता है क्योंकि नमूना आकार बढ़ जाता है, लेकिन केवल एक निश्चित बिंदु पर जब नमूना आकार 1000 से 2000 उत्तरदाताओं तक पहुंचता है, तो त्रुटि का मार्जिन पर्याप्त रूप से छोटा है ताकि बड़े नमूने (एक लागत प्रभावी विकल्प नहीं) पर विचार किया जा सके। जब उपसमूह बड़ी आबादी का हिस्सा होते हैं, तो बड़ा नमूना आकार उचित हो सकता है क्योंकि उपसमूहों में लोगों की संख्या के आधार पर प्रत्येक उपसमूह के लिए त्रुटि का अंतर भिन्न होगा। उदाहरण के लिए, एक सोशल मीडिया नेटवर्क के 1000 सदस्यों और त्रुटि का अंतर दिया गया है जो 1 9 3 आत्मविश्वास अंतराल के साथ 1 से 3 प्रतिशत अंक के बराबर है, उस सोशल मीडिया नेटवर्क के उपसमूह का विश्लेषण-कहते हैं, रहने वाले घर- लगभग 100 की संख्या वाली माताओं के बारे में 4 से 10 अंकों की गलती का एक उच्च अंतर होता।

गेजिंग नमूना दक्षता

नमूने का आम तौर पर अंतिम आकार या संरचना के बजाय उपयोग की जाने वाली चयन प्रक्रियाओं के अनुसार मूल्यांकन किया जाता है यह मौलिक है क्योंकि-अधिकांश स्थितियों में- यह सटीक रूप से मापना असंभव है कि प्रतिनिधि कितना बड़ा जनसंख्या का है सांख्यिकीय प्रक्रियाओं का उपयोग किया जाता है क्योंकि वे सुविधाजनक और मौलिक रूप से विश्वसनीय अनुमानों की अनुमति देते हैं। शुरुआत में एक उचित विश्वास अंतराल और त्रुटि के मार्जिन को स्थापित करना शोधकर्ताओं को प्रतिक्रिया दर और पर्याप्त नमूना फ़्रेम के रूप में चर पर ध्यान केंद्रित करने में सक्षम बनाता है।