หลีกเลี่ยงข้อผิดพลาดทางอ้อมของตัวอย่างในการวิจัยสื่อสังคม

วิธีการส่งเสริมคุณภาพในตัวอย่างสื่อสังคมออนไลน์

การวิจัยสื่อสังคมออนไลน์ขณะนี้ดำเนินการอยู่ภายใต้การมีอคติที่ไม่เข้าร่วม มีอคติหลายประเภทที่ไม่ใช่การมีส่วนร่วมและแต่ละประเภทมีศักยภาพที่จะ ส่งผลต่อความน่าเชื่อถือ ของผลการวิจัยบ่อยครั้งในรูปแบบที่ซ่อนหรือไม่รู้จัก ในความเป็นจริงการวิจัยพบว่าผู้เข้าร่วมการวิจัยเหล่านั้นที่เข้าถึงได้ยากต้องใช้ความพยายามหลายครั้งในการติดต่อกับพวกเขาแตกต่างกันออกไปจากผู้ตอบแบบสอบถามรายอื่น

ความแตกต่างเหล่านี้เกิดจากอายุเพศสถานภาพสมรสสถานะทางเศรษฐกิจและสังคมภาวะสุขภาพและจำนวนบุตร

อัตราการตอบกลับ

ขอบเขตที่ข้อมูลในตอนท้ายของการศึกษารวมถึงสมาชิกทั้งหมดในกลุ่มตัวอย่างจะเรียกว่า อัตราการตอบกลับ แม้ว่าแนวคิดนี้มีความชัดเจนในการสำรวจที่มีโครงสร้างหรือชุดของการสัมภาษณ์ แต่ก็มีความคลุมเครือมากขึ้นในการวิจัยสื่อสังคมออนไลน์ แต่ก็มีความสำคัญไม่น้อยในการวิจัยสื่อสังคมมากกว่าใน การวิจัยเชิงคุณภาพประเภท อื่น ๆ อัตราการตอบสนองคำนวณจากจำนวนผู้เข้าร่วมการสำรวจหรือตกลงที่จะได้รับการสัมภาษณ์หารด้วยจำนวนผู้ ที่ทำการสุ่มตัวอย่าง จำนวนรวมต้องมีผู้ที่ไม่ได้รับการติดต่อหรือปฏิเสธที่จะเข้าร่วมการวิจัย

ปัญหาทั่วไป

ไม่ว่าข้อมูลจะถูกรวบรวมอย่างไร ความสำคัญของอัตราการตอบสนองที่สูง ไม่สามารถเน้นได้มากพอ

ไม่สามารถสร้างประชากรที่มีขนาดใหญ่ขึ้นได้เมื่ออัตราการตอบสนองของกลุ่มตัวอย่างต่ำ อคติตัวอย่างเพิ่มขึ้นเมื่ออัตราการตอบสนองลดลง ในการสำรวจตามสื่อเมื่ออัตราผลตอบแทนลดลง 20 หรือ 30 เปอร์เซ็นต์ของกลุ่มตัวอย่าง กลุ่มผู้เข้าร่วมกลุ่มดังกล่าวมี ความคล้ายคลึงกับกลุ่มตัวอย่างโดยรวม

แนวโน้มเดียวกันของผู้คนในการตอบแบบสำรวจโดยใช้อีเมลหรือตกลงที่จะเข้าร่วมการสำรวจทางโทรศัพท์เกิดขึ้นกับผู้ที่มีส่วนร่วมในเครือข่ายโซเชียลมีเดียนั่นคือความสนใจเฉพาะเรื่อง (หรือผลิตภัณฑ์หรือบริการแล้วแต่กรณี) จะ)

ขนาดตัวอย่าง

ตัวอย่างขนาดเล็กมีข้อผิดพลาดในการสุ่มตัวอย่างขนาดใหญ่กว่าตัวอย่างขนาดใหญ่ พิจารณาว่าข้อมูลตัวอย่างให้ค่าประมาณของแอตทริบิวต์ของประชากรที่ใหญ่กว่า ตัวอย่างที่ดึงออกมาจาก กรอบการสุ่มตัวอย่าง ให้ค่าประมาณที่แยกจากกันของประชากรกลุ่มใหญ่นั้น ในทางทฤษฎีอาจมีรูปแบบการตอบสนองที่แยกจากกันในแต่ละตัวอย่างสำหรับแต่ละคำถามที่ถาม เมื่อเวลาผ่านไปมีตัวอย่างจำนวนมากที่ดึงมาจากกรอบการสุ่มตัวอย่างรูปแบบที่แท้จริงจะมาบรรจบกันรอบรูปแบบจริงของประชากรกลุ่มใหญ่

ขอบของข้อผิดพลาด

ข้อผิดพลาดในการเก็บตัวอย่างจะอธิบายความแม่นยำของการประมาณจากตัวอย่างใด ๆ ที่นำมาจากประชากรกลุ่มใหญ่ ข้อผิดพลาดในการสุ่มตัวอย่างจะแสดงเป็นข้อผิดพลาดที่เกี่ยวข้องกับระดับความเชื่อมั่นซึ่งเป็น วิธีการทางสถิติ ในแบบสำรวจความพึงพอใจของประธานาธิบดีตัวอย่างเช่นรายงานอาจแสดงให้เห็นว่าผู้มีสิทธิเลือกตั้งได้รับการสนับสนุนจาก 64% ของผู้มีสิทธิเลือกตั้ง ขอบของข้อผิดพลาดจะเป็นบวกหรือลบ 3 จุดโดยมีระดับความเชื่อมั่น 95%

กล่าวอีกนัยหนึ่งถ้าการสำรวจความคิดเห็นได้ดำเนินการอีกครั้งกับ 100 ตัวอย่างที่แตกต่างกันของผู้มีสิทธิเลือกตั้งออกจากคะแนนเสียง 100, 95 คะแนนจะระบุว่าผู้ดำรงตำแหน่งเป็นที่ชื่นชอบโดย 61% ถึง 67% ของผู้มีสิทธิเลือกตั้ง นั่นคือ 61% ของผู้มีสิทธิเลือกตั้ง + 3% หรือ -3%

การตัดสินใจเกี่ยวกับขนาดตัวอย่าง

ขอบของข้อผิดพลาดที่เกี่ยวข้องกับการสุ่มตัวอย่างจะลดลงเมื่อขนาดตัวอย่างขึ้น แต่จะถึงจุดหนึ่งเท่านั้น เมื่อ ขนาดตัวอย่าง ถึง 1000 ถึง 2000 ผู้ตอบแบบสอบถามขอบของข้อผิดพลาดมีขนาดเล็กพอที่จะทำให้การพิจารณาของตัวอย่างขนาดใหญ่ (ไม่ใช่ ทางเลือกที่มีประสิทธิภาพ ) เมื่อกลุ่มย่อยเป็นส่วนหนึ่งของประชากรที่ใหญ่กว่าขนาดตัวอย่างขนาดใหญ่อาจเป็นเหตุผลได้เนื่องจากขอบของข้อผิดพลาดจะแตกต่างกันไปสำหรับแต่ละกลุ่มย่อยขึ้นอยู่กับจำนวนคนในกลุ่มย่อย ตัวอย่างเช่นให้สมาชิกเครือข่ายโซเชียลมีเดีย 1,000 รายและมีข้อผิดพลาดที่เท่ากับ 1 ถึง 3 คะแนนร้อยละที่มีช่วงความเชื่อมั่น 95% การวิเคราะห์กลุ่มย่อยของเครือข่ายโซเชียลมีเดียซึ่งกล่าวว่า stay-at-home- แม่จำนวนประมาณ 100- จะมีขอบของข้อผิดพลาดที่สูงขึ้นประมาณ 4 ถึง 10 จุด

ตัวอย่างความพอเพียง

ตัวอย่างมักได้รับการประเมินตามขั้นตอนการคัดเลือกที่ใช้แทนที่จะเป็นขนาดหรือส่วนประกอบที่ดีที่สุด นี่เป็นพื้นฐานเพราะในสถานการณ์ส่วนใหญ่ไม่สามารถ วัดได้ อย่างถูกต้อง ว่าตัวแทนกลุ่มตัวอย่างเป็น กลุ่มใหญ่อย่างไร ใช้วิธีการทางสถิติเนื่องจากอนุญาตให้ใช้การประมาณความน่าเชื่อถือและพื้นฐานที่เชื่อถือได้ การสร้างช่วงความเชื่อมั่นที่เหมาะสมและส่วนต่างของข้อผิดพลาดในช่วงเริ่มต้นช่วยให้นักวิจัยสามารถมุ่งเน้นไปที่ตัวแปรต่างๆเช่น อัตราการตอบสนอง และเฟรมการสุ่มตัวอย่างที่เพียงพอ