جون سرگرميون

چاٻي:

  • اوکائي جي ڊگري: آسان آسان ، وچولي وچولي ، سخت سخت ، تمام سخت تمام سخت
  • رياضي جي ضرورت ( رياضي جي ضرورت )
  • coding جي ضرورت ( coding جي ضرورت )
  • ڊيٽا گڏ ڪرڻ ( ڊيٽا گڏ ڪرڻ )
  • منهنجو پسنديده ( منهنجو پسنديده )

  1. [ سخت ، رياضي جي ضرورت ] هن باب ۾، مون کي پوسٽ-stratification جي باري ۾ تمام هاڪاري ويو هو. بهرحال، اهو هميشه ڪاٿي جي معيار کي بهتر نه رکندو آھي. هڪ صورتحال جتي ڪري سگهو ٿا تحرير-stratification ڪاٿي جي معيار کي ضايع ڪري سگهو ٿا اڏيو. (هڪ سڱ لاء، ڏسڻ Thomsen (1973) ).

  2. [ سخت ، ڊيٽا گڏ ڪرڻ ، coding جي ضرورت ] ڊيزائن ۽ بندوق جي ملڪيت جي باري ۾ پڇا ڳاڇا ڪرڻ لاء Amazon MTurk تي هڪ غير ممڪن سروي جو انتظام ( "ڇا ڪندا آهيو، يا پنهنجي گھر ۾ ڪنهن ڪندو، هڪ بندوق، پڇا ڳاڇا يا پستول پنهنجو؟ توهان يا توهان جي گھر ۾ ڪو ٻيو ته آهي؟") ۽ گن ڪنٽرول ڏانھن اڀريو ( "توهان ڇا ٿا سوچيو کان وڌيڪ اهم-ڪرڻ لاء مهاجر پنهنجو ڪرڻ لاء آمريڪا جي حق جي حفاظت، يا بندوق جي ملڪيت کي سنڀالڻ لاء آهي؟").

    1. توهان جي سروي ڪيئن ڊگهي وٺي ٿو؟ اهو ڪيترو خرچ ڪندو؟ ڪيئن پنهنجي نموني جي demographics آمريڪا جي آبادي جي demographics کي compare آھن ڇا؟
    2. پنهنجي نموني استعمال ڪري بندوق ملڪيت جي را اندازي ڇا آهي؟
    3. پوسٽ-stratification يا ڪجهه ٻين ٽيڪنڪ استعمال ڪري پنهنجي نموني جي غير نمائندگي لاء صحيح. هاڻي بندوق جي ملڪيت جو ڪاٿو ڇا آهي؟
    4. ڪيئن پنهنجي ڪاٿي پيو ريسرچ سينٽر کان جديد اندازي compare آھن ڇا؟ توهان جي discrepancies بيان، ۽ جيڪڏھن نه آھي ڪنهن به ڇا ٿو سگهان؟
    5. گن ڪنٽرول رخ اڀريو لاء رياضت 2-5 ورجائي. ڪيئن توهان جي پهچڻ بابت جھڳڙو ڪندا آھن؟

  3. [ تمام سخت ، ڊيٽا گڏ ڪرڻ ، coding جي ضرورت ] Goel ۽ ساٿيو (2016) هڪ غير ممڪن جي بنياد تي 49 کان وڌيڪ-پسند attitudinal Amazon MTurk تي پيو ريسرچ سينٽر جي جنرل سماجي سروي (GSS) ۽ چونڊڻ سروي مان ٺھيل سوال جي consisting سروي هلايو. انهن کي وري ماڊل جي بنياد تي پوسٽ-stratification (مسٽر منصوبابندي) استعمال ڪرڻ جي انگن اکرن جي غير نمائندگي لاء پورائي، ۽ ممڪن جي بنياد تي GSS / پيو سروي جو استعمال اندازي مطابق جن سان ڪرڻي ڪاٿي ٿو MTurk تي هڪ ئي سروي جو انتظام ڪريو ۽ (49 سوالن جي فهرست لاء جر ٽيبل A2 ڏسو) GSS / پيو جو سڀ کان تازي دور کان ڪاٿي سان پنهنجي ڪرڻي ڪاٿي comparing جي شخصيت 2A ۽ شخصيت 2b replicate ڪرڻ جي ڪوشش ڪئي.

    1. Compare ۽ پيو ۽ GSS کان نتيجن کي توهان جا نتيجا ان جي ابتڙ.
    2. Compare ۽ ۾ MTurk سروي کان نتيجن کي توهان جا نتيجا ان جي ابتڙ Goel, Obeng, and Rothschild (2016) .

  4. [ وچولي ، ڊيٽا گڏ ڪرڻ ، coding جي ضرورت ] ڪيتريون ئي پڙهائي موبائل فون سرگرمي ڊيٽا جي خود رپورٽ قدمن استعمال. هيء هڪ دلچسپ لھڻ جتي تحقيق لاگ ان رويي (ڏسي مثال طور، سان خود ٻڌايو رويي compare ٿو Boase and Ling (2013) ). ٻه عام رويي جي باري ۾ پڇا ڳاڇا ڪرڻ لاء سڏي رهيا آهن ۽ texting، ۽ ٻن عام وقت فريم "ڪالهه" آهي ۽ "گذريل هفتي ۾."

    1. ڪنهن به ڊيٽا، جنهن جي خود رپورٽ قدمن جو اوھان خيال کان وڌيڪ صحيح آهي ڏيندا گڏ ڪرڻ کان اڳ ۾؟ ڇو؟
    2. نياز پنهنجي دوستن جي 5 توهان جي سروي ۾ ٿي. مهرباني ڪري مختصر طور summarize ڪيئن انهن 5 دوست sampled هئا. هن هوندا طريقيڪار پنهنجي اندازي ۾ مخصوص پير پساري پهلوئن ٿئي؟
    3. کانئن پڇين مهرباني ڪري هيٺ ڏنل تياري-سروي:
    • "ڪيترا ڀيرا توهان ٻين ڪالهه سڏ ڪرڻ لاء موبائل فون استعمال ڪيو؟"
    • "ڪيئن ڪيترن ئي متن الحال ڪوبه پيغام توهان ڪالهه موڪل ڏني؟"
    • "ڪيترا ڀيرا توهان جي آخري ست ڏينهن ۾ ٻين جي سڏ کي پنهنجي موبائل فون استعمال ڪيو؟"
    • "ڪيترا ڀيرا توهان پنهنجي موبائل فون استعمال ڪيو گذريل ستن ڏينهن ۾ موڪل يا متن الحال ڪوبه پيغام موجود / ايس ايم ايس حاصل ڪرڻ لاء؟" هڪ دفعو جو سروي مڪمل آهي، انهن جي استعمال جي ڊيٽا چيڪ ڪرڻ لاء جيئن سندن فون يا خدمت مهيا ڪندي لاگ ان پڇن ٿا.
    1. ڪيئن خود رپورٽ ۾ استعمال ڊيٽا جو لاگ ان کي compare ٿو؟ جنهن جي سڀ کان وڌيڪ صحيح آهي، جنهن ۾ گهٽ صحيح آهي؟
    2. هاڻي جي ڊيٽا ته اوھان کي اوھان جي ڪلاس ۾ ٻين ماڻهن کان ڊيٽا سان گڏ آهن تڏهن (جيڪڏھن اوھان کي هڪ طبقي لاء هن سرگرمي ڪندا آھن). هن وڏو dataset سان، حصو (د) بڻائيندو.

  5. [ وچولي ، ڊيٽا گڏ ڪرڻ ] Schuman ۽ Presser (1996) دليل آهي ته سوال حڪم سوال جي وچ ۾ لاڳاپن جي ٻن قسمن لاء ڪم ٿين: حصو-حصو سوال جتي ٻه سوال specificity جي هڪ ئي سطح تي آهي (ٻه صدارتي اميدوار جي مثال درجابندي)؛ ۽ حصو-سڄو سوال ڄڻ ته هڪ عام سوال هڪ کان وڌيڪ مخصوص سوال (مثال طور پڇڻ "توهان کي پنهنجي ڪم سان ڪيئن مطمئن آهي؟" جي "توهان کي پنهنجي زندگي سان ڪيئن مطمئن آهي؟" پٺيان) جي تابعداري ڪئي.

    انهن کي وڌيڪ سوال امان جي اثر جي ٻن قسمن characterize: consistency اثرات نمودار جڏهن هڪ کان پوء سوال جي جواب ۾ هڪ اڳ سوال کي ڏنو ويو تن کي نه هيس (جي ڀيٽ ۾ اهي ٻي صورت ۾ وڃي ھا) حاضر آهن. ان جي ابتڙ اثر نمودار جڏهن اتي ٻه سوال ڪرڻ جي جواب جي وچ ۾ وڏو اختلاف آهي.

    1. حصو-حصو سوال توهان سوچيو ته هڪ وڏو سوال امان جي اثر پوندو، حصو-سڄو سوال توهان سوچيو ته هڪ وڏو حڪم اثر پوندو جو هڪ ڏنيون، ۽ جن جي حڪم اوھان خيال ڪوئي نه ٿين سوال جي ٻئي ڏنيون جو هڪ جوڙو بڻايو. توهان جي سوالن جا پرکي MTurk تي هڪ سروي آزمائش هلائي.
    2. ڪيئن وڏي ويو جو حصو-حصو اثر اوھان کي پيدا ڪرڻ جي قابل هئا؟ ان کي هڪ consistency يا ان جي ابتڙ اثر هو؟
    3. ڪيئن وڏي ويو جو حصو-سڄي اثر اوھان کي پيدا ڪرڻ جي قابل هئا؟ ان کي هڪ consistency يا ان جي ابتڙ اثر هو؟
    4. اتي پنهنجي ڏنيون ۾ هڪ سوال جي حڪم اثر جتي توهان خيال نه ڪيو ته امان جي ڪم ايندو هو؟

  6. [ وچولي ، ڊيٽا گڏ ڪرڻ ] Schuman ۽ Presser جو ڪم، پر عمارت Moore (2002) additive ۽ subtractive: سوال امان جي اثر جو هڪ الڳ طول بيان ڪري ٿو. ان جي ابتڙ ۽ consistency اثرات ھڪ ٻئي جي سلسلي ۾ ٻه شيون جي respondents 'evaluations جي پڇاڙي طور پيدا ڪري رهيا آهن، جڏهن ته، additive ۽ subtractive اثرات جڏهن respondents جو وڏو فريم ورڪ جنهن جي اندر جو سوال ڪري ھندستان آهن کي وڌيڪ حساس ڪيون آهن روپ آهن. پڙهڻ Moore (2002) ، وري ڊزائن ۽ MTurk تي هڪ سروي آزمائش هلائي additive يا subtractive اثرات فيسليٽيٽرز کي.

  7. [ سخت ، ڊيٽا گڏ ڪرڻ ] Christopher Antoun ۽ ساٿيو (2015) چار مختلف آن لائن ڀرتي ذريعن کان مليل جي سهولت نموني comparing هڪ مطالعو ڏنيون: MTurk، Craigslist، گوگل (AdWords) ۽ ڪريو. هڪ سادي سروي جوڙجڪ ۽ گهٽ ۾ گهٽ ٻه مختلف آن لائن ڀرتي ذريعن وسيلي ڌرين نياز (اھي ۾ استعمال ٿيل چئن ذريعن کان مختلف ذريعن ٿي سگهي ٿو Antoun et al. (2015) ).

    1. نياز رپيا خرچ Compare، پئسا ۽ وقت جي سلسلي ۾، مختلف ذريعن جي وچ ۾.
    2. مختلف ذريعن کان مليل جي نموني جي انشا ٿو
    3. هن نموني جي وچ ۾ ڊيٽا جي معيار ٿو ڪيئن respondents مان ڊيٽا جي معيار جو اندازو ڪرڻ جي باري ۾ خيالن جو اظهار طور، ڏسي Schober et al. (2015) .
    4. توهان جي پسند جو سرچشمو ڇا آهي؟ ڇو؟

  8. [ وچولي ] YouGov، هڪ انٽرنيٽ جي بنياد تي مارڪيٽ ريسرچ فرم، برطانيا ۾ 800.000 جي باري ۾ respondents جي هڪ پينل جي آن لائن چونڊن ڏنيون ۽ مسٽر ص استعمال يورپي يونين Referendum (يعني، Brexit) جي نتيجي ۾ گوئي کي جتي برطانيا پهچائڻ يا ووٽ رهنديون ۾ يا يورپي يونين ڇڏي.

    YouGov جي انگن ماڊل جو تفصيلي بيان هتي (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/) آهي. کوٽائي تي ڳالهائڻ، YouGov تي 2015 ع جي عام چونڊن ۾ ووٽ پسند، عمر، اهليت، جنس، انٽرويو جي تاريخ، گڏو گڏ هن تڪ اھي ۾ رهن ٿا ٻڌل قسمن ۾ ووٽرن partitions. پهريون، (اھي) آھن تن مان اندازي ڪرڻ ۾ YouGov شرڪت کان گڏ ڪيل ڊيٽا کي استعمال ڪيو، جيڪي ووٽ، هر ووٽر قسم جي ماڻهن جو حڪم ووٽ ڏيڻ جو ارادو جي کڻندي. چيائون ته 2015 انگريزن جي اليڪشن Study (Bes) پوسٽ-اليڪشن منهن-کي-منهن سروي، جنهن جي ووٽر لسٽ کان ٽرن آئوٽ ڏئي کي استعمال ڪندي هر ووٽر قسم جي ٽرن آئوٽ جو اندازو آهي. آخر ۾، اھي جديد مردم ۽ سالياني آبادي سروي (جي Bes کان ڪجهه ان کان سواء معلومات سان، جي عام چونڊن جي آس پاس کان YouGov سروي جي انگن اکرن، ۽ ڪيترا ماڻهو لاء ڏيئي تي معلومات جي بنياد تي ڪاٿو ڪيئن ڪيترن ئي ماڻهن جي electorate ۾ هر ووٽر قسم جي نه آهي هر تڪ ۾ هر پارٽي).

    ٽن ڏينهن جي ووٽ کان اڳ، YouGov حڪم لاء هڪ ٻه نڪتو ڏس پهتا. ووٽنگ جي موقعي تي، جو سروي به ڪري سڏيندا (49-51 رھو) ويجھو پهتا. هن آخري تي-جي-ڏينهن مطالعي رھو (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/) جي حق ۾ 48/52 اڳڪٿي. حقيقت ۾، هن اندازي چار سيڪڙو پوائنٽون جي آخري نتيجو (52-48 حڪم) وڃايو.

    1. جو تعين ڪرڻ لاء جيڪي ظلم ٿيا آهن سگهي ڪل سروي ڀل فريم ورڪ هن باب ۾ بحث ڪيو استعمال ڪريو.
    2. چونڊن کان پوء YouGov جي جواب (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/) بيان ڪيون: "هي ٽرن آئوٽ ڪرڻ سبب هڪ وڏو حصو ۾ لڳي - ڳالھ آهي ته اسان سڀ گڏ چيو ته آهن جيئن ته هڪ عمدو متوازن نسل جي ڪالهه ڪرڻ لاء اهم ٿئي ها. اسان جو ٽرن آئوٽ ماڊل، ٻڌل هو حصي ۾، ڇا respondents عام چونڊن جي ته مٿي جي آخري عام چونڊن ۽ هڪ ٽرن آئوٽ سطح تي ڏيئي پئي تي ماڊل کي ناراض، خاص طور تي اتر سنڌ ۾. "هن حصي ۾ (ھڪ) ڏانھن اوھان جو جواب تبديل ڪري ٿو ڇا؟

  9. [ وچولي ، coding جي ضرورت ] شخصيت 3.1 ۾ ان جي نمائندگي غلطيون جي هر بيان ڪرڻ لاء هڪ نقلي لکو.

    1. هڪ صورتحال جتي اهي غلطيون دراصل ٻاهر رد ٺاهيو.
    2. هڪ صورتحال جتي غلطيون ھڪ ٻئي مرڪب ٺاهيو.

  10. [ تمام سخت ، coding جي ضرورت ] Blumenstock ۽ طريقي جي تحقيق (2015) هڪ اهڙي مشين سکيا ماڊل آهي ته ڊجيٽل جو سراغ ڊيٽا کي استعمال ڪري سگهي ٿي سروي جواب گوئي کي سورهيه ملوث. هاڻي توهان کي هڪ مختلف dataset سان هڪ ئي شيء جي ڪوشش ڪري رهيا آهن. Kosinski, Stillwell, and Graepel (2013) مليو ته ڪريو ڏيو فرد فصلن ۽ صفتون گوئي ڪري سگهو ٿا. ماٿيلي، انهن ٿينديون به دوستن ۽ طريقي جي تن جي ڀيٽ ۾ وڌيڪ درست ڪري سگهجي ٿو (Youyou, Kosinski, and Stillwell 2015) .

    1. پڙهڻ Kosinski, Stillwell, and Graepel (2013) ، ۽ سندن ڊيٽا 2. شخصيت replicate هتي موجود آهن: http://mypersonality.org/
    2. هاڻي، شخصيت 3 replicate.
    3. http://applymagicsauce.com/: آخر ۾، توهان جي پنهنجي ڪريو ڊيٽا تي سندن ماڊل جي ڪوشش ڪئي. ڪيئن چڱي ريت ان کي اوھان لاء ڪم ايندي آهي؟

  11. [ وچولي ] Toole et al. (2015) موبائل فون کان سڏ تفصيلي رڪارڊ (CDRs) استعمال گڏيل عددي معلومات حاصل يونيورسٽيء جو گڻ گوئي ڪري.

    1. Compare ۽ جي جوڙجڪ جي ابتڙ Toole et al. (2015) سان Blumenstock, Cadamuro, and On (2015) .
    2. توهان سوچيو CDRs، روايتي سروي مٽائي کين complement يا نه يونيورسٽيء کي ٽريڪ ڪرڻ لاء حڪومت policymakers لاء سڀني تي استعمال ڪيو وڃي ٿو ڇا؟ ڇو؟
    3. ڇا ثبوت اوھان کي سمجهايو ها ته CDRs مڪمل طور تي سنڌ يونيورسٽيء جي شرح جي روايتي اپائن مٽائي سگھو ٿا؟

Powered by Open Review Toolkit