Vermy hierdie vooroordeel foute van monsters in sosiale media navorsing

Hoe om gehalte te bevorder in sosiale media monsters

Sosiale media-navorsing, soos dit tans gedoen word, is onderhewig aan nie-deelname-vooroordeel. 'N Aantal tipes nie-deelname-vooroordeel bestaan ​​en elke tipe het die potensiaal om die betroubaarheid van navorsingsbevindings te beïnvloed - dikwels op maniere wat verborge of onbekend is. Trouens, navorsing het getoon dat die navorsingsdeelnemers wat moeilik bereik kan word, wat meer pogings om hulle te kontak, op belangrike maniere van ander respondente verskil.

Hierdie verskille is gesien in ouderdom, geslag, huwelikstatus, sosio-ekonomiese status, gesondheidstatus en die aantal kinders.

Reaksie tempo

Die mate waartoe die data na afloop van 'n studie alle lede in 'n monster insluit, word die reaksietempo genoem . Terwyl hierdie konsep duidelik is in 'n gestruktureerde opname of stel onderhoude, is dit meer dubbelsinnig in sosiale media-navorsing. Dit is egter nie minder belangrik in sosiale media-navorsing as in ander tipes kwalitatiewe navorsing nie . Die reaksietempo word bereken deur die aantal deelnemers wat navrae voltooi of onderhoude voer. Dit word gedeel deur die totale aantal mense wat die oorspronklike steekproef opstel. Die totale getal moet mense insluit wat nie suksesvol gekontak is nie of geweier het om aan die navorsing deel te neem.

Die generaal Uitgawe

Ongeag hoe data ingesamel word, kan die belangrikheid van 'n hoë reaksietempo nie genoeg beklemtoon word nie.

Dit is nie moontlik om 'n groter bevolking realisties te genereer wanneer die reaksietempo van 'n monster laag is nie. Voorbeeld vooroordeel neem toe as reaksietempo daal. In mediabase-opnames, wanneer die terugvoersyfers val tot 20 of 30 persent van die steekproef, het die groep deelnemers min gelykvormigheid aan die algehele steekproefbevolking.

Dieselfde neiging van mense om 'n e-pos-opname te stuur of om deel te neem aan 'n telefoonopname, vind plaas by mense wat in sosiale media-netwerke betrokke is: dit is 'n besondere belangstelling in die onderwerp (of produk of diens, na gelang van die geval wees).

Steekproefgrootte

Kleiner monsters het groter steekproef fout as groter monsters. Oorweeg dat steekproefdata 'n skatting gee van die eienskappe van die groter bevolking. Elke monster wat uit 'n steekproefraamwerk getrek word, bied 'n afsonderlike skatting van daardie groter bevolking. Teoreties kan daar 'n afsonderlike patroon van reaksies in elke steekproef geneem word vir elke vraag wat gevra word. Met verloop van tyd, met genoeg monsters wat uit die steekproefraamwerk getrek is, sou die ware patroon rondom die werklike (ware) patroon van die groter bevolking konvergeer.

Foutmarge

Monsternemingsfout beskryf die presisie van 'n skatting uit enige van die monsters wat uit die groter bevolking geneem word. Monsternemingsfout word uitgedruk in terme van 'n foutmarge wat geassosieer word met 'n vlak van vertroue, wat ' n statistiese maatstaf is . Byvoorbeeld, in 'n presidensiële verkiesingspeiling kan die verslag aantoon dat die posbekleër bevoordeel word deur 64% van die kiesers. Die foutmarge sal plus-of-minus 3 punte wees met 'n 95% -versekeringsvlak.

Met ander woorde, as die stembus weer met 100 verskillende steekproewe van kiesers gedoen is, sou 95 kiesers uit die 100 kiesers aandui dat die posbekleër 61% tot 67% van die kiesers bevoordeel. Dit is 61% van die kiesers + 3% of -3%.

Besluite oor steekproefgrootte

Die foutmarge wat met steekproefneming verband hou, gaan af as die steekproefgrootte styg, maar slegs tot 'n sekere punt. Wanneer steekproefgrootte 1000 tot 2000 respondente bereik, is die foutmarge voldoende klein om groter monsters te oorweeg (nie 'n koste-effektiewe keuse nie ). Wanneer subgroepe deel van die groter bevolking is, kan groter steekproefgroottes geregverdig word omdat die foutmarge vir elke subgroep sal wissel, afhangende van die aantal mense in die subgroepe. Byvoorbeeld, gegewe 1000 lede van 'n sosiale media netwerk en 'n foutmarge wat iewers tussen 1 en 3 persentasiepunte gelyk is met 'n 95% vertrouensinterval, is die analise van 'n subgroep van daardie sosiale media-netwerk, sê by-huis- Mamma wat sowat 100 is, sal 'n hoër foutmarge van ongeveer 4 tot 10 punte hê.

Meetwaarde Voldoen

Monsters word tipies geëvalueer volgens die seleksieprosedures wat gebruik word eerder as die uiteindelike grootte of samestelling. Dit is fundamenteel omdat dit in die meeste situasies onmoontlik is om akkuraat te meet hoe representatief 'n monster van die groter bevolking is. Statistiese prosedures word gebruik omdat dit gerieflike en fundamentele betroubare ramings toelaat. Om 'n redelike vertrouensinterval en foutmarge aan die begin te vestig, stel navorsers in staat om op veranderlikes soos reaksietempo en voldoende steekproeframe te fokus.