ተግባራት

ቁልፍ:

• ችግር ዲግሪ: ቀላል , መካከለኛ በትጋት , በጣም ከባድ
• (በሂሳብ ያስፈልገዋል )
• (ምስጠራ ይጠይቃል )
• የውሂብ ስብስብ ( )
• የእኔ ተወዳጆች ( )

1. [ : ] ምዕራፍ ውስጥ, ልጥፍ-የተሸከረከረ በጣም አዎንታዊ ነበር. ሆኖም ግን: ሁልጊዜ ግምት ጥራት ለማሻሻል አይደለም. -መለጠፍ የተሸከረከረ ይችላሉ ይገመታል ጥራት እየቀነሰ የሚችሉበት ሁኔታ መገንባት. (አንድ ፍንጭ ለማግኘት Thomsen (1973) ).

2. [ : : ] ዲዛይንና ሽጉጥ ባለቤትነት ስለ መጠየቅ የአማዞን MTurk ላይ ያልሆነ-ይሁንታ የዳሰሳ ጥናት ማካሄድ ( "ነው? አንድ ሽጉጥ, ጠመንጃ ባለቤት, እርስዎ ማድረግ, ወይም ቤተሰብ ውስጥ ያለ ሰው ነው ወይም በሽጉጥ ዘንድ እርስዎ ወይም የቤት ውስጥ ሌላ ሰው?") እና ሽጉጥ ቁጥጥር ያለውን አስተሳሰብ ( "ይመስልሃል ምን ጠመንጃዎች ባለቤት መሆን, ወይም ሽጉጥ ባለቤትነት ለመቆጣጠር አሜሪካውያን መብት ለመጠበቅ ይበልጥ አስፈላጊ-ነው?").

   1. የእርስዎ ጥናት ምን ያህል ጊዜ ይወስዳል? ስንት ነው ዋጋው? እንዴት ናሙና የስነሕዝብ የአሜሪካ ሕዝብ የስነሕዝብ ጋር ሲወዳደር ምን ይመስላል?
   2. የእርስዎን ናሙና በመጠቀም የጦር መሣሪያ ባለቤትነት ላይ ጥሬ ግምት ምንድን ነው?
   3. ልጥፍ-የተሸከረከረ ወይም ሌላ ዘዴ በመጠቀም ናሙና ያልሆኑ ወኪል ትክክል. አሁን ጠመንጃ የባለቤትነት ግምት ምንድን ነው?
   4. እንዴት ግምቶች Pew ምርምር ማዕከል የቅርብ ጊዜ ግምት ሲወዳደር ምን ይመስላል? ማንኛውም ነው ከሆነ ደግሞ ልዩነቶች ማስረዳት ምን ይመስላችኋል?
   5. ሽጉጥ ቁጥጥር አመለካከት ለማግኘት መልመጃ 2-5 ይድገሙ. የእርስዎ ግኝቶች የሚለየው እንዴት ነው?

3. [ : : ] Goel እና ባልደረቦቻቸው (2016) የአማዞን MTurk ላይ በፒው የምርምር ማዕከል በ አጠቃላይ የማህበራዊ ጥናት (GSS) እና ይምረጡ ጥናቶች የተውጣጡ 49 ባለብዙ ምርጫ የአመለካከት ጥያቄዎችን ያካተተ ያልሆኑ-ይሁንታ ላይ የተመሠረተ ጥናት ይተዳደራል. ከዚያም በኋላ እነሱ ወደ ሞዴል-ተኮር ልጥፍ-የተሸከረከረ (ሚስተር P) በመጠቀም ውሂብ ያልሆነ-ወኪል ለ ማስተካከል, እና ፕሮባቢሊቲ-ተኮር GSS / Pew ጥናቶች በመጠቀም በግምት ሰዎች ጋር መስተካከል ግምት አወዳድር. MTurk ላይ ተመሳሳይ የዳሰሳ ጥናት ማካሄድ እና GSS / Pew በጣም የቅርብ ጊዜ ዙሮች ከ ግምቶች ጋር የተስተካከለ ግምቶች በማነጻጸር ስእል 2 ሀ እና ስእል 2 ለ ለመድገም ይሞክሩ (49 ጥያቄዎች ዝርዝር አባሪ የርዕስ ማውጫ A2 ይመልከቱ).

   1. አወዳድር እና Pew እና GSS ከ ውጤቶች የእርስዎን ውጤቶች ማወዳደር.
   2. አወዳድር እና ውስጥ MTurk ጥናት እስከ ውጤቶች ወደ ውጤቶች ማወዳደር Goel, Obeng, and Rothschild (2016) .

4. [ : : ] ብዙ ጥናቶች የተንቀሳቃሽ ስልክ እንቅስቃሴ ውሂብ በራስ-ሪፖርት እርምጃዎችን ይጠቀማሉ. ይህ ተመራማሪዎች መግባት ባሕርይ ጋር በራስ-ሪፖርት ባህሪ ሊወዳደር የሚችል ቦታ ትኩረት የሚስብ ቅንብር ነው (ለምሳሌ ተመልከት Boase and Ling (2013) ). በመደወል እና መላክ, እና ሁለት የተለመዱ ጊዜ ክፈፎች ናቸው ስለ መጠየቅ ሁለት የተለመዱ ባህሪያት "ባለፈው ሳምንት ውስጥ." "ትላንትና" እና ናቸው

   1. ይበልጥ ትክክለኛ ነው ይመስልሃል በራስ-ሪፖርት የትኛው እርምጃዎች ማንኛውም ውሂብ, መሰብሰብ በፊት? ለምን?
   2. የእርስዎ ጥናት ውስጥ መሆን ከጓደኞችህ 5 ለመቅጠር. በአጭሩ እነዚህን 5 ጓደኞች ቀመሱ እንዴት ጠቅለል እባክህ. በዚህ ናሙና ሥነ በእርስዎ ግምት ውስጥ የተወሰኑ አድሏዊነት ሊያደርገው ይችል ነበር?
   3. እነሱን የሚከተሉትን ማይክሮ-የዳሰሳ ጥናት ይጠይቁ:
   • "ስንት ጊዜ ትናንት ሌሎችን ለመደወል ሞባይል ስልክ የተጠቀመው እንዴት ነው?"
   • "ምን ያህል የጽሑፍ መልዕክቶችን ትናንት የላከው ለምንድን ነው?"
   • "ስንት ጊዜ ነው ባለፉት ሰባት ቀናት ውስጥ ከሌሎች መደወል የተንቀሳቃሽ ስልክ የተጠቀመው እንዴት ነው?"
   • የስልክ ወይም አገልግሎት ሰጪዎ መግባት እንደ ጥናቱ ከተጠናቀቀ በኋላ "ብዙ ጊዜ መላክ ወይም ባለፉት ሰባት ቀናት ውስጥ የጽሑፍ መልዕክቶችን / SMS ተቀበል? ተንቀሳቃሽ ስልክ መጠቀም ነበር እንዴት ነው?", ያላቸውን የአጠቃቀም ውሂብ ለማረጋገጥ መጠየቅ.
   4. እንዴት ነው ራስን ሪፖርት አጠቃቀም ማስታወሻ ውሂብ ጋር ሲወዳደር እንዴት? የትኛው ቢያንስ ትክክለኛ ነው, ይህም በጣም ትክክለኛ ነው?
   5. አሁን (አንድ ክፍል ይህን እንቅስቃሴ እያደረጉ ከሆነ) በእርስዎ የመማሪያ ክፍል ውስጥ ከሌሎች ሰዎች ውሂብ ጋር የተሰበሰቡ ሊሆን ውሂብ ያዋህዳል. ይህ ትልቅ የውሂብ ስብስብ ጋር, ክፍል (መ) መድገም.

5. [ : ] Schuman እና Presser (1996) ለዚህ ጥያቄ ትዕዛዞች ጥያቄዎች መካከል ግንኙነት ሁለት ዓይነት ያህል አስፈላጊ ነበር ይከራከራሉ: ሁለት ጥያቄዎች ባለመሆኑ ተመሳሳይ ደረጃ ላይ የት እንዳሉ ክፍል-ክፍል ጥያቄዎች (ለምሳሌ ሁለት ፕሬዝዳንታዊ ዕጩዎች ደረጃዎችን); አንድ አጠቃላይ ጥያቄ ይበልጥ የተወሰነ ጥያቄ ተከትሎ የት በከፊል-ሙሉ ጥያቄዎች (ለምሳሌ "ያደረጋችሁትን ሥራ ጋር ምን ያህል ረክተዋል?" በመጠየቅ ተከትሎ "በሕይወትህ ጋር ምን ያህል ረክተዋል?").

   እነዚህ ተጨማሪ ጥያቄ ትዕዛዝ ውጤት ሁለት ዓይነት ባሕርይ: ወጥነት ውጤቶች ከጊዜ በኋላ ጥያቄ ምላሽ (ባይፈጠር እንደሚሆን በላይ) ይበልጥ ቀደም ብሎ ጥያቄ የተሰጠው ሰዎች ወደ እርሱ አመጡ ጊዜ የሚከሰተው; ሁለት ጥያቄዎች ምላሾች መካከል ታላቅ ልዩነት አለ ጊዜ ሊከሰት ውጤት ንጽጽር.

   1. አንድ ትልቅ ጥያቄ ትዕዛዝ ውጤት, አንድ ትልቅ ትዕዛዝ ተጽዕኖ ይኖረዋል ብለው የሚያስቡት ክፍል-ሙሉ ጥያቄዎች አንድ ጥንድ, እና የማን ትእዛዝ ለውጥ ይመስለኛል ጥያቄዎች ሌላ ተጣማጅ ይሆናል ብለው የሚያስቡት ክፍል-ክፍል ጥያቄዎች አንድ ጥንድ ይፍጠሩ. የእርስዎ ጥያቄዎች ለመሞከር MTurk ላይ የዳሰሳ ጥናት ሙከራ አሂድ.
      
   2. ክፍል-ክፍል ውጤት መፍጠር የቻሉት እንዴት ትልቅ ነበር? አንድ ወጥነት ወይም በተቃራኒው ውጤት አስገኘ?
   3. ክፍል በሙሉ ውጤት መፍጠር የቻሉት እንዴት ትልቅ ነበር? አንድ ወጥነት ወይም በተቃራኒው ውጤት አስገኘ?
   4. አንተ ትእዛዝ የሚያመጣው ለውጥ አላስብም ነበር የት ጥንድ ውስጥ አንድ ጥያቄ ትዕዛዝ ውጤት ነበር?

6. [ : ] Schuman እና Presser, ሥራ ላይ መገንባት Moore (2002) የሚጪመር ነገር እና የሚፈጠር: ጥያቄ ትዕዛዝ ውጤት የተለየ ገጽታ ይገልጻል. ንፅፅር እና ተከታታይነቱን ውጤቶች እርስ በርሳቸው, የሚጪመር ነገር ጋር በተያያዘ ሁለት ነገሮች ምላሽ 'ግምገማ አንድ ውጤት እንደ ምርት ናቸው እና ምላሽ ጥያቄዎች ቀርቦ ናቸው ውስጥ ትላልቅ መዋቅር ይበልጥ እንዳስብ አድርጎኛል ጊዜ የሚፈጠር ውጤቶች ምርት ሳለ. አንብብ Moore (2002) , ከዚያም ዲዛይን እና የሚጪመር ነገር ወይም የሚፈጠር ውጤት ለማሳየት MTurk ላይ የዳሰሳ ጥናት ሙከራ አሂድ.

7. [ : ] ክሪስቶፈር Antoun እና ባልደረቦቻቸው (2015) MTurk, Craigslist, ወደ Google AdWords እና Facebook: አራት የተለያዩ የመስመር ላይ መመልመል ምንጮች ለማግኘት አመቺ ናሙናዎች በማነጻጸር አንድ ጥናት አካሂዷል. አንድ ቀላል የዳሰሳ ጥናት ንድፍ እና ቢያንስ ሁለት የተለያዩ የመስመር ላይ መመልመል ምንጮች በኩል ተሳታፊዎችን በመመልመል (እነርሱ ላይ ጥቅም ላይ አራት ምንጮች የተለያዩ ምንጮች ሊሆኑ ይችላሉ Antoun et al. (2015) ).

   1. ከተለያዩ ምንጮች መካከል, ገንዘብ እና ጊዜ አኳያ መለመለ በአንድ ወጪ ጋር አወዳድር.
   2. ከተለያዩ ምንጮች የተገኙ ናሙናዎችን ስብጥር አወዳድር.
   3. ናሙና መካከል ውሂብ ጥራት አወዳድር. ምላሽ ውሂብ ጥራት ለመለካት እንደሚቻል ሐሳቦች ለማግኘት Schober et al. (2015) .
   4. የእርስዎ ተመራጭ ምንጭ ምንድን ነው? ለምን?

8. [ ] YouGov, የበይነመረብ ላይ የተመሠረተ የገበያ ጥናት ጽኑ, ንግሊዝ A ገር ውስጥ 800,000 ምላሽ አንድ ፓነል የመስመር ላይ መስጫዎችን አካሂዷል, E ንግሊዝ A መራጮች ድምጽ አንድም ሆነን የት የአውሮፓ ህብረት ሕዝበ (ማለትም, Brexit) ውጤት መተንበይ አቶ ፒ ተጠቅሟል ወይም የአውሮፓ ኅብረት ለቀው.

   YouGov የሚያወጣቸውን የስታትስቲክስ ሞዴል ዝርዝር መግለጫ እዚህ ላይ ነው (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). በግምት አነጋገር, YouGov 2015 ጠቅላላ ምርጫ ድምጽ ምርጫ, ዕድሜ, የትምህርት ደረጃ, ጾታ, ቃለ መጠይቅ ቀን, እንዲሁም ሰዎች መካከል ለመገመት እነሱም በመጀመሪያ, እነርሱም YouGov ተሳታፊነትን የተሰበሰቡ ውሂብ ጥቅም ላይ አልዋሉም. የምንኖርበት የምርጫ ላይ የተመሠረተ አይነቶች ውስጥ መራጮች ክፍልፍሎች ድምጽ ማን ፈቃድ ድምጽ ለሆነ እያንዳንዱ የመራጭ ዓይነት ሰዎችን ቁጥር. እነዚህ 2015 የብሪታኒያ የምርጫ ጥናት (ቤስ) የምርጫ ግልበጣዎችን ከ የተሳተፈበት ተረጋግጧል ይህም ልጥፍ-ምርጫ ፊት-ለፊት የዳሰሳ ጥናት, በመጠቀም እያንዳንዱ የመራጭ ዓይነት የተሳተፈበት ይገምታሉ. በመጨረሻም, አጠቃላይ ምርጫ, እና መረጃ ዙሪያ ከ YouGov ጥናት ውሂብ ብዙ ሰዎች ድምጽ ሰጥቻለሁ እንዴት ላይ ቤስ አንዳንድ በተጨማሪ መረጃ ጋር የቅርብ ጊዜ የሕዝብ ቆጠራ እና ዓመታዊ የህዝብ ናሙና ጥናት (ላይ የተመሠረተ በመራጩ ውስጥ እያንዳንዱ የመራጭ አይነት በዚያ ሕዝብ ምን ያህል ብዙ ይገምታሉ በእያንዳንዱ የምርጫ ክልል ውስጥ እያንዳንዱ ወገን).

   ከሦስት ቀናት ወደ ድምጽ በፊት YouGov ፈቃድ አንድ ሁለት ነጥብ ግንባር አሳይቷል. ድምፅ መስጫ ዋዜማ ላይ, የሕዝብ አስተያየት (49-51 ኑሩ) መደወል በጣም ቅርብ አሳይቷል. የመጨረሻ ላይ-ወደ-ቀን ጥናት (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/) ኑሩ መካከል ሞገስ 48/52 ተንብየዋል. እንዲያውም ይህ ግምት አራት መቶኛ ነጥብ የመጨረሻ ውጤት (52-48 ፈቃድ) አምልጦሃል.

   1. ችግር ተፈጥሮ ይሆን ምን ለመገምገም በዚህ ምዕራፍ ላይ የቀረቡት ጠቅላላ ጥናት ስህተት ማዕቀፍ ይጠቀሙ.
   2. ምርጫ (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/) በኋላ YouGov የሰጠው ምላሽ እንዲህ ብሏል: "ይህ ምክንያት የተሳተፈበት አንድ ትልቅ ክፍል ውስጥ ይመስላል - ነገር እንደሆነ እንዲህ ፈጥሯታል ሚዛናዊ ዘር ውጤት ወሳኝ እንደሚሆን ሁሉ አብረው ተናግረዋል. ምላሽ እንደሆነ ባለፈው አጠቃላይ ምርጫ ላይ ድምጽ እና አጠቃላይ ምርጫ በዚያ በላይ የተሳተፈበት ደረጃ በተለይ በሰሜን ውስጥ ሞዴል የሚያበሳጭ ነበር ላይ የተሳተፈበትና ሞዴል, ክፍል ውስጥ, የተመሠረተ ነበር. "ይህ ክፍል (ሀ) የምትሰጠው መልስ መቀየር ነው?

9. [ : ] በስእል 3.1 ውክልና ስህተቶች ለእያንዳንዱ በምሳሌ ለማስረዳት አንድ በታገዘ ጻፍ.

   1. እነዚህን ስህተቶች በትክክል ውጭ ይቅር ባለበት ሁኔታ ይፍጠሩ.
   2. ስህተቶችን እርስ በርሳቸው ያወሳስቡታል ባለበት ሁኔታ ይፍጠሩ.

10. [ : ] Blumenstock እና የሥራ ባልደረቦቹ ምርምር (2015) ጥናት ምላሾችን መተንበይ ዲጂታል ርዝራዥ ውሂብ መጠቀም የሚችል የማሽን መማሪያ ሞዴል መገንባት ይጨምራል. አሁን, የተለየ የውሂብ ስብስብ ጋር ተመሳሳይ ነገር ለመሞከር ይሄዳሉ. Kosinski, Stillwell, and Graepel (2013) ፌስቡክ የግል ባሕርያት እና ባሕርያት መተንበይ ይችላል የተወደዱ ተገንዝበዋል. የሚገርመው ነገር, እነዚህ ትንቢቶች ይበልጥ ትክክለኛ ጓደኞቻችን እና የሥራ ባልደረቦቻችን ሰዎች ይልቅ ሊሆን ይችላል (Youyou, Kosinski, and Stillwell 2015) .

    1. አንብብ Kosinski, Stillwell, and Graepel (2013) http://mypersonality.org/: እነዚህ ሰዎች ውሂብ እዚህ ይገኛሉ: በስእል 2 ለመድገም
    2. አሁን, ስእል 3 አስመስለው.
    3. http://applymagicsauce.com/: በመጨረሻም: በራስህ Facebook ውሂብ ላይ ያላቸውን ሞዴል ይሞክሩ. እንዴት መልካም ነው ለእርስዎ እንዲሰራ እንዴት ነው?

11. [ ] Toole et al. (2015) ተንቀሳቃሽ ስልኮች ከ መጠቀም ጥሪ ዝርዝር መዛግብት (CDRs) ድምር አጥነት አዝማሚያዎችን መተንበይ.

    1. አወዳድር እና ንድፍ ልዩነት Toole et al. (2015) ጋር Blumenstock, Cadamuro, and On (2015) .
    2. እናንተ CDRs, ባህላዊ ጥናቶች መተካት እነሱን ማሟያ ወይም ሥራ አጥነት ለመከታተል መንግስት ፖሊሲ በሁሉም ላይ ጥቅም ላይ መዋል የለበትም ብለው ያስባሉ? ለምን?
    3. ምን ማስረጃ CDRs ሙሉ በሙሉ የሥራ አጥነት መጠን ባህላዊ እርምጃዎችን ሊተካ ይችላል የሚያረጋግጥ ማስረጃ ነበር?