fəaliyyət

Key:

  • Çətinlik dərəcəsi: asan asan orta mühit , çətin çətin , çox çətin çox çətin
  • (Riyaziyyat tələb riyaziyyat tələb )
  • (Kodlaşdırma tələb kodlaşdırma tələb )
  • məlumatların toplanması ( məlumatların toplanması )
  • Seçdiklərimə ( mənim sevimlim )
  1. [ çətin , riyaziyyat tələb ] Fəsildə, mən post-təbəqələşmə çox müsbət idi. Lakin bu, həmişə hesablamalarına keyfiyyətinin yaxşılaşdırılması deyil. -Post təbəqələşmə bilər hesablamalarına keyfiyyətini azalda bilər bir vəziyyət tikintisi. (Bir işarə üçün, bax Thomsen (1973) ).

  2. [ çətin , məlumatların toplanması , kodlaşdırma tələb ] Dizayn və gun mülkiyyət haqqında xahiş Amazon MTurk qeyri-ehtimal sorğu aparmaq ( "mı? Bir gun, tüfəng öz, siz və ya ev hər kəs edir və ya tapança ki, siz və ya sizin ev başqası?") Və gun nəzarət münasibətlər ( "Sizcə nə silah sahibi və ya gun mülkiyyət nəzarət etmək amerikalıların hüququnu qorumaq daha vacib nədir?").

    1. Sizin sorğu necə uzun edir? Bu neçəyədir? Sizin nümunə demoqrafik ABŞ əhalisinin demoqrafik müqayisə edirsiniz?
    2. Sizin nümunə istifadə gun mülkiyyət xam qiymətləndirilməsi nədir?
    3. post-təbəqələşmə və ya digər texnika istifadə edərək, nümunə qeyri-təmsilçiliyi Correct. İndi gun mülkiyyət qiymətləndirilməsi nədir?
    4. Sizin təxminlər Pew Araşdırma Mərkəzinin son hesablamalarına müqayisə edirsiniz? Hər hansı bir var, əgər, uyğunsuzluq izah nə düşünürsünüz?
    5. gun nəzarət münasibət üçün həyata 2-5 təkrarlayın. Sizin tapıntılar necə fərqlənir?
  3. [ çox çətin , məlumatların toplanması , kodlaşdırma tələb ] Goel və həmkarları (2016) Amazon MTurk Pew Araşdırma Mərkəzi tərəfindən Baş İctimai Sorğu (GSS) seçin sorğular tərtib 49 çox seçim münasibətdən sualdan ibarət qeyri-ehtimal əsasında sorğu idarə. Onlar model-based post-təbəqələşmə (Mr. P) istifadə məlumatların qeyri-təmsilçiliyi tənzimləmək və ehtimal əsasında GSS / Pew sorğu istifadə edərək hesablanmış ilə tənzimlənir hesablamalarına müqayisə. MTurk eyni sorğu aparmaq və GSS / Pew ən son el alınan təxminlərə ilə düzəliş hesablamalarına müqayisə Şəkil 2A və Şəkil 2b kopya etmək üçün cəhd (49 suallar siyahısı üçün Əlavə Cədvəl A2 baxın).

    1. Müqayisə və Pew və GSS nəticələrinə nəticələri fərqli.
    2. Müqayisə və MTurk sorğu nəticələrinə nəticələri fərqli Goel, Obeng, and Rothschild (2016) .
  4. [ mühit , məlumatların toplanması , kodlaşdırma tələb ] Bir çox tədqiqatlar mobil telefon fəaliyyəti məlumatların özünü hesabat tədbirlər istifadə edin. Bu tədqiqatçılar Daxil davranışı ilə öz-özünə hesabat davranış müqayisə edə bilərsiniz bir maraqlı qəbulu (məsələn bax Boase and Ling (2013) ). zəng və texting və iki ümumi vaxt çərçivəsində təxminən xahiş iki ümumi davranışları "ötən həftə." "dünən" və var

    1. Siz daha dəqiq düşünürsünüz self-hesabat tədbirlər hər hansı bir məlumat toplanması əvvəl? Niyə?
    2. Sizin sorğu olmaq üçün dostlara 5 işə. qısa bu 5 dost nümunə necə yekunlaşdırmaq edin. Bu seçmə proseduru tahminleriniz xüsusi biases bişirmək bilər?
    3. Onlara aşağıdakı mikro-sorğu, xahiş edirik:
    • "Neçə dəfə dünən başqaları zəng etmək üçün mobil telefon istifadə idi?"
    • "Neçə mətn mesajları dünən göndərmək idi?"
    • "Neçə dəfə son yeddi gün başqaları zəng etmək üçün mobil telefon istifadə idi?"
    • onların telefon və ya xidmət provayderi tərəfindən daxil kimi sorğu tam sonra "bir çox dəfə göndərmək və ya son yeddi gün mətn mesajları / SMS? üçün mobil telefon istifadə etdi necə", onların istifadə məlumatları yoxlamaq üçün xahiş edirik.
    1. Necə özünü hesabat istifadə məlumat daxil müqayisə edir? Hansı ən az dəqiq olan ən dəqiq edir?
    2. İndi (bir sinif üçün bu fəaliyyəti bunu əgər) sizin sinif digər insanların məlumatları ilə yığdıq data birləşdirir. Bu böyük verilənlər bazasının ilə iştirak (d) deyirəm.
  5. [ mühit , məlumatların toplanması ] Schuman və pres (1996) ki, sual sifariş suallar arasında əlaqələrin iki növ üçün fərqi ki, mübahisə iki sual xüsusiyyətləri eyni səviyyədə part-part suallar (məsələn, iki prezidentliyə namizədlərin ratings); və ümumi sual bir daha xüsusi sual belə part-bütün suallar (məsələn, "iş ilə necə razı?" soruşaraq sonra "Sizin həyat sizə necə razı?").

    Onlar sual order təsiri iki növ xarakterizə: ardıcıllıq təsiri daha sonra suala cavab (onlar başqa olardı çox) yaxın bir əvvəlki suala verilən bu gətirilir zaman baş; iki suallara cavablar arasında böyük fərqlər var zaman baş verən təsiri fərqli.

    1. Böyük bir sual sifariş təsiri, böyük bir sifariş təsir olacaq part-bütün suallara bir cüt, və qaydada siz fərqi olardı suallar bir cüt olacaq part-part suallar cüt yaradın. Sizin sual test MTurk bir sorğu təcrübə Run.
    2. part-part təsiri yaratmaq bilmişlər necə böyük idi? bir ardıcıllıq və ya fərqli təsiri idi?
    3. part-bütün təsiri yaratmaq bilmişlər necə böyük idi? bir ardıcıllıq və ya fərqli təsiri idi?
    4. Siz sifariş fərqi olardı etməyib sizin cüt bir sual sifariş təsiri var idimi?
  6. [ mühit , məlumatların toplanması ] Şuman və pres, işinə Bina Moore (2002) aşqar və subtractive: Cavab sifariş təsiri ayrı ölçüsü təsvir edir. kontrast və ardıcıllıq təsiri bir-birinə, aşqar ilə bağlı iki maddələr respondentlərin qiymətləndirmələr nəticəsində istehsal olunur və respondentlərin suallar yönəltdiyi olan ərzində böyük çərçivəsində daha həssas edilir zaman subtractive təsiri istehsal zamanı. Read Moore (2002) , sonra dizayn və aşqar və ya subtractive təsiri nümayiş etdirmək üçün MTurk bir sorğu təcrübə axır.

  7. [ çətin , məlumatların toplanması ] Christopher Antoun və həmkarları (2015) MTurk, Craigslist, Google AdWords və Facebook: dörd müxtəlif online cəlb mənbələrdən əldə rahatlığı nümunələri müqayisə bir iş etdik. Sadə sorğu dizayn və ən azı iki müxtəlif online cəlb mənbələr vasitəsilə iştirakçıları cəlb (onlar istifadə dörd mənbələrdən müxtəlif mənbələrdən ola bilər Antoun et al. (2015) ).

    1. müxtəlif mənbələrdən arasında pul və vaxt baxımından işə başı maliyet, müqayisə.
    2. müxtəlif mənbələrdən əldə edilən nümunələrin tərkibində müqayisə.
    3. nümunələri arasında məlumatların keyfiyyətini müqayisə. Respondentlərin data keyfiyyətini ölçmək üçün necə haqqında fikir üçün, bax Schober et al. (2015) .
    4. tercih mənbəyi nədir? Niyə?
  8. [ mühit ] YouGov bir internet-based bazar araşdırma firması, Böyük Britaniyada haqqında 800,000 respondentlərin bir panel online sorğular keçirilmiş və Böyük Britaniya seçici səs bilərsiniz qalmaq AB Referendum (yəni, Brexit) nəticəsində proqnozlaşdırmaq cənab P. istifadə və ya Avropa Birliyi buraxın.

    YouGov statistik model ətraflı təsviri burada (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/). Təxminən danışan YouGov 2015 ümumi seçkilərində səs seçimi, yaş, ixtisas, gender, müsahibə tarixi, eləcə də arasında qiymətləndirmək onlar Birincisi, onlar YouGov panelistleri toplanmış məlumatların istifadə. Yaşayır dairə əsasında növə seçicilərin arakəsmələr səs kim tərk səs niyyətində hər seçici növü xalqının nisbəti. Onlar 2015-ci ildə Britaniya Seçki Study (BES) seçici olan fəallığı təsdiq seçki sonrası üz-üzə sorğu istifadə edərək hər seçici növü fəallığı qiymətləndirirəm. Nəhayət, onlar ümumi seçki, və məlumat ətrafında YouGov sorğu data bir çox insanlar üçün səs necə BES bəzi əlavə məlumat ilə son siyahıya alınması və İllik Əhali Sorğu (əsasən seçicilərin hər seçici növü var necə bir çox insanlar qiymətləndirmək hər dairədə hər bir tərəf).

    Üç gün səsvermədən əvvəl, YouGov izni üçün iki saylıdır göstərdi. səsvermə ərəfəsində poll (49-51 qalır) zəng etmək üçün çox yaxın göstərdi. final on-the-gün iş (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/) qalır xeyrinə 48/52 proqnozlaşdırılır. Əslində, bu smeta dörd ballıq son nəticə (52-48 Şərh) qaçırdı.

    1. yanlış getdi nə qiymətləndirmək üçün bu fəsildə ümumi sorğu səhv çərçivə istifadə edin.
    2. seçki (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/) sonra YouGov cavab izah etdi: "Bu, fəallığı üçün böyük bir hissəsi görünür - bir şey ki, biz belə bir gözəl balanslaşdırılmış irqi nəticəsi mühüm olacağını bütün boyunca bildirib. Respondentlərin olub son ümumi seçkilərdə səs və ümumi seçkilərin ki, yuxarıda bir fəallığı səviyyəli xüsusilə Şimali model, dilxor etmişdi Bizim fəallığı model, hissəsində, əsaslanır. "Bu hissəsi (a) cavab dəyişdirmək varmı?
  9. [ mühit , kodlaşdırma tələb ] Şəkil 3.1 təmsil səhvlərin hər göstərmək üçün simulyasiya yazın.

    1. bu səhvlər həqiqətən ləğv vəziyyəti yaradın.
    2. səhvlər bir-birinə mürəkkəb bir vəziyyət yaradın.
  10. [ çox çətin , kodlaşdırma tələb ] Blumenstock və həmkarları tədqiqat (2015) sorğu cavab proqnozlaşdırmaq digital iz data istifadə edə bilər ki, bir maşın öyrənmə model bina iştirak edib. İndi, bir müxtəlif verilənlər bazasının ilə eyni şey cəhd edir. Kosinski, Stillwell, and Graepel (2013) Facebook fərdi əlamətlərin və atributları proqnozlaşdırmaq olar sevir ki, tapılmadı. Təəccüblü, bu proqnozlar daha dəqiq dostları və həmkarları daha ola bilər (Youyou, Kosinski, and Stillwell 2015) .

    1. Read Kosinski, Stillwell, and Graepel (2013) http://mypersonality.org/: Onların data burada mövcuddur və Şəkil 2. kopya
    2. İndi Şəkil 3 kopya.
    3. http://applymagicsauce.com/: Nəhayət, öz Facebook data öz model cəhd edin. Necə də sizin üçün işləyir?
  11. [ mühit ] Toole et al. (2015) mobil telefondan istifadə zəng ətraflı qeydlər (CDRs) ümumi işsizlik meylləri proqnozlaşdırmaq.

    1. Müqayisə və dizayn kontrast Toole et al. (2015) ilə Blumenstock, Cadamuro, and On (2015) .
    2. Siz CDRs ənənəvi sorğular əvəz onları tamamlayır və ya işsizliyin izlemek üçün hökumət siyasətçiləri üçün istifadə edilməməlidir düşünürsünüz? Niyə?
    3. Nə sübut CDRs tamamilə işsizlik nisbəti ənənəvi tədbirlər əvəz edə bilər ki, siz razı olardı?