Iwasan ang mga Mali na Mali sa Sample sa Social Media Research

Ang pananaliksik sa social media, tulad ng kasalukuyang ginagawa, ay napapailalim sa bias na hindi pakikilahok. Ang isang bilang ng mga uri ng di-lumahok bias umiiral at ang bawat uri ay may potensyal na epekto sa pagiging maaasahan ng mga natuklasan ng pananaliksik-madalas sa mga paraan na nakatago o hindi kilala. Sa katunayan, ipinakita ng pananaliksik na ang mga kalahok sa pananaliksik na mahirap maabot, na nangangailangan ng maraming pagsisikap na makipag-ugnay sa mga ito, ay naiiba sa mga makabuluhang paraan mula sa ibang mga sumasagot. Nakikita ang mga pagkakaiba na ito sa edad, kasarian, katayuan sa pag-aasawa, katayuan sa socioeconomic, katayuan sa kalusugan, at bilang ng mga bata.

Rate ng Tugon

Ang lawak na kung saan ang data sa malapit ng isang pag-aaral ay kasama ang lahat ng mga miyembro sa isang sample ay tinutukoy bilang ang rate ng tugon. Habang ang konsepto na ito ay malinaw sa isang nakabalangkas na survey o hanay ng mga interbyu, ito ay mas hindi siguradong sa panlipunan media pananaliksik. Gayunpaman, ito ay hindi gaanong mahalaga sa pananaliksik sa panlipunan media kaysa sa iba pang mga uri ng husay pananaliksik. Ang tugon rate ay kinakalkula sa pamamagitan ng bilang ng mga kalahok na kumpletuhin ang mga survey-o sumang-ayon na kapanayamin-hinati sa kabuuang bilang ng mga tao na bumubuo sa orihinal na pagsusumikap sa sampling.

Ang kabuuang bilang ay dapat kabilang ang mga taong hindi matagumpay na nakipag-ugnayan o tumangging sumali sa pananaliksik.

Ang Isyu sa Henerasyon

Hindi alintana kung paano nakolekta ang data, ang kahalagahan ng isang mataas na rate ng tugon ay hindi maaaring bigyang diin. Ito ay hindi posible na realistically bumuo ng isang mas malaking populasyon kapag ang rate ng tugon ng isang sample ay mababa. Ang mga sample bias ay nagdaragdag bilang patak ng rate ng pagtugon. Sa mga survey batay sa media, kapag ang mga rate ng pagbabalik ay bumagsak sa 20 o 30 porsiyento ng sample, ang grupo ng mga kalahok ay may maliit na pagkakahawig sa pangkalahatang sampled populasyon. Ang parehong pagkahilig ng mga tao upang bumalik sa isang survey sa koreo o sumasang-ayon na lumahok sa isang survey sa telepono ay nangyayari sa mga taong nakikipag-ugnayan sa mga social media network: iyon ay, isang partikular na interes sa paksa (o produkto o serbisyo, gaya ng kaso maging).

Laki ng Sample

Ang mas maliit na mga sample ay may mas malaking sampling error kaysa sa mas malaking sample. Isaalang-alang na ang sample na data ay nagbibigay ng isang pagtatantya ng mga katangian ng mas malaking populasyon. Ang bawat sample na nakuha mula sa isang sampling frame ay nagbibigay ng isang hiwalay na pagtatantya ng mas malaking populasyon. Sa teoriya, magkakaroon ng hiwalay na pattern ng mga tugon sa bawat sample na kinuha para sa bawat tanong na tinanong. Sa paglipas ng panahon, na may sapat na mga halimbawa na nakuha mula sa sampling frame, ang tunay na pattern ay magkasalubong sa aktwal (totoo) na pattern ng mas malaking populasyon.

Margin ng Error

Inilalarawan ng error sa sampling ang katumpakan ng isang pagtatantya mula sa alinman sa mga sampol na kinuha mula sa mas malaking populasyon. Ang error sa sampling ay ipinahayag sa mga tuntunin ng isang margin ng error na nauugnay sa isang antas ng pagtitiwala, na kung saan ay isang statistical panukala. Sa isang poll ng Presidential preference, halimbawa, maaaring ipakita ng ulat na ang kasalukuyang nanunungkulan ay pinapaboran ng 64% ng mga botante. Ang margin ng error ay magiging plus-or-minus na 3 puntos na may 95% na antas ng kumpyansa. Sa ibang salita, kung ang poll ay isinasagawa muli sa 100 iba't ibang mga sample ng mga botante, sa 100 botante, 95 botante ang magpapahiwatig na ang kasalukuyang nanunungkulan ay pinapaboran ng 61% hanggang 67% ng mga botante.

Iyon ay, 61% ng mga botante + 3% o -3%.

Mga Desisyon Tungkol sa Laki ng Sample

Ang margin ng error na nauugnay sa sampling ay bumaba habang ang sukat ng sample ay napupunta, ngunit lamang sa isang tiyak na punto. Kapag ang sukat ng sample ay umabot sa 1000 hanggang 2000 na mga respondent, ang margin ng error ay sapat na maliit upang masuri ang mas malaking mga halimbawa (hindi isang cost-effective na pagpipilian). Kapag ang mga subgroup ay bahagi ng mas malaking populasyon, ang mas malaking laki ng sample ay maaaring makatarungan dahil ang margin ng error ay mag-iiba para sa bawat subgroup depende sa bilang ng mga tao sa mga subgroup. Halimbawa, binigyan ng 1000 mga miyembro ng isang social media network at isang margin ng error na katumbas ng isang lugar sa pagitan ng 1 hanggang 3 porsyento na puntos na may isang 95% na agwat ng kumpyansa, pagtatasa ng isang subgroup ng network ng social media na iyon-sabihin, stay-at-home- ang mga baba na nagkakahalaga ng 100-ay magkakaroon ng mas mataas na margin ng error ng mga 4 hanggang 10 puntos.

Gauging Sample Sufficiency

Karaniwang sinusuri ang mga sample ayon sa mga pamamaraan ng pagpili na ginamit sa halip na ang sukdulang sukat o komposisyon. Ito ay pangunahing dahilan-sa karamihan ng mga sitwasyon-imposible upang tumpak na masukat kung gaano ang kinatawan ng isang sample ng mas malaking populasyon. Ginagamit ang mga pamamaraan ng istatistika dahil pinahihintulutan nila ang maginhawa at may maaasahang mga pagtatantya sa panimula. Ang pagtatatag ng isang makatwirang agwat ng kumpyansa at margin ng error sa simula ay nagbibigay-daan sa mga mananaliksik na magtuon sa mga variable tulad ng response rate at sapat na mga sampling frame.