Vältä näitä näytteiden väärinkäytöksiä sosiaalisen median tutkimuksessa

Kuinka edistää laatua sosiaalisen median näytteissä

Sosiaalisen median tutkimus, jota tällä hetkellä harjoitetaan, edellyttää osallistumisen estämistä. Erilaisia ​​osallistumattomuustyyppejä on olemassa ja jokainen tyyppi voi vaikuttaa tutkimustulosten luotettavuuteen usein piilossa tai tuntemattomalla tavalla. Itse asiassa tutkimus on osoittanut, että ne vaikeasti tavoitettavissa olevat tutkimukseen osallistuneet, jotka tarvitsevat monta ponnistusta yhteydenpitoon, eroavat merkittävästi muista vastaajista.

Nämä erot näkyivät iässä, sukupuolessa, siviilisäädyssä, sosioekonomisessa asemassa, terveydentilassa ja lasten määrässä.

Vastausaste

Missä määrin tutkimuksen lopussa olevat tiedot sisältävät kaikki näytteessä olevat jäsenet viitataan vastausprosentiksi . Vaikka tämä käsite on selkeästi jäsennellyssä kyselyssä tai haastatteluissa, se on epäselvempi sosiaalisen median tutkimuksessa. Sosiaalisen median tutkimuksessa ei kuitenkaan ole yhtä tärkeää kuin muillakin kvalitatiivisilla tutkimuksilla . Vastausprosentti lasketaan niiden osallistujien lukumäärän mukaan, jotka suorittavat kyselyn - tai suostuvat haastattelemaan - jakamalla alkuperäisen näytteenottoprosentin muodostavien henkilöiden kokonaismäärä. Kokonaismäärän on sisällettävä henkilöitä, joilla ei ole ollut yhteyttä tai jotka eivät ole osallistuneet tutkimukseen.

Yleistysongelma

Riippumatta siitä, miten tietoja kerätään, ei voida korostaa riittävän suurta vasteastetta.

Ei ole mahdollista luoda realistisesti suurempaa väestöä, kun näytteen vastausprosentti on alhainen. Näytteen esijännitys kasvaa vastausprosenttihäviöinä. Mediaperustaisissa tutkimuksissa, kun paluusuhdet laskevat 20 tai 30 prosenttiin otoksesta, osallistujaryhmässä ei ole kovin suurta muistuttavaa koko näytteen otettua väestöä.

Sama tavoite ihmisille palauttaa postitutkimus tai suostua osallistumaan puhelintutkimukseen tapahtuu sosiaalisen median verkostoihin osallistuvilla ihmisillä, toisin sanoen erityisen kiinnostuksen kohteena olevasta asiasta (tai tuotteesta tai palvelusta, tapauksesta riippuen) olla).

Otoskoko

Pienemmissä näytteissä on suurempi näytteenottovirhe kuin suuremmilla näytteillä. Harkitse, että näyte-informaatio antaa arvion suuremman väestön ominaisuuksista. Jokainen näytteenottokehystä otettu näyte antaa erillisen arvion kyseisestä suuremmasta väestöstä. Teoriassa kussakin otoksessa otettaisiin jokaisen kyselyn osalta erillinen vastauskuvio. Ajan mittaan näytteenottokehyksellä otetuista näytteistä riittäisi, että todellinen kuvio lähentyisi suuremman väestön todellista (oikeaa) mallia.

Virhe marginaali

Näytteenottovirhe kuvaa estimaatin tarkkuutta mistä tahansa suuremmasta väestöstä otetuista näytteistä. Näytteenottovirhe ilmaistaan ​​virhemarginaalina, joka liittyy luottamustasoon, joka on tilastollinen toimenpide . Esimerkiksi presidentinvaalien kyselyssä raportti voi osoittaa, että vakiintuneiden operaattorien suosiminen on 64 prosenttia äänestäjistä. Virhemarginaali olisi plus-tai-miinus 3 pistettä 95 prosentin luotettavuustasolla.

Toisin sanoen, jos mielipidekysely suoritettiin uudestaan ​​100 erilaisella äänestäjien näytteellä, 100 äänestäjältä 95 äänestäjää viittaisi siihen, että vakiintuneelle operaattorille suositaan 61-67 prosenttia äänestäjistä. Eli 61% äänestäjistä + 3% tai -3%.

Päätökset näytteen koosta

Näytteenottoon liittyvä virhemarginaali laskee näytteen koon kasvaessa, mutta vain tiettyyn pisteeseen. Kun näytteen koko saavuttaa 1000-2000 vastaajaa, virheen marginaali on riittävän pieni, jotta voidaan ottaa huomioon suurempia näytteitä (ei kustannustehokas valinta ). Kun alaryhmät ovat osa suurempaa väestöä, suuremmat otoskokot voivat olla perusteltuja, koska virhemarginaali vaihtelee jokaiselle alaryhmälle riippuen alaryhmien ihmisten määrästä. Esimerkiksi, kun otetaan huomioon 1000 sosiaalisen median verkoston jäsentä ja virheen marginaali, joka on noin 1 - 3 prosenttiyksikköä 95 prosentin luottamusväliä kohden, kyseisen sosiaalisen median verkoston alaryhmän analyysi - sanoa "stay-at-home" moms numeroiden noin 100-olisi suurempi virheen noin 4-10 pistettä.

Näytteen riittävyys

Näytteitä arvioidaan tyypillisesti valikoitumismenetelmien mukaan, ei lopullisen koon tai koostumuksen sijasta. Tämä on perustavaa laatua, koska - useimmissa tilanteissa - on mahdotonta mitata tarkasti , kuinka edustava näyte on suurempi väestöstä. Tilastomenetelmiä käytetään, koska ne mahdollistavat käteviä ja perusteellisesti luotettavia arvioita. Kohtuullisen luottamusvälin ja virheen määrittäminen alussa mahdollistaa tutkijoiden keskittymisen muuttujille, kuten vastausprosentiksi ja riittäville näytteenottokehyksille.