කටයුතු

යතුර:

• අමාරුවෙන් උපාධිය: පහසු , මධ්යම , දෘඪ , ඉතා දුෂ්කර
• ගණිත අවශ්ය ( )
• කේතනය අවශ්ය ( )
• දත්ත එකතුව ( )
• මගේ ප්රියතම ( )

1. [ , ] මෙම පරිච්ඡේදයේ දී, මම පශ්චාත්-පහත් භේද ගැන ඉතා ධනාත්මක විය. කෙසේ වෙතත්, එය සෑම විටම ඇස්තමේන්තු ගුණාත්මක භාවය වැඩි දියුණු වන්නේ නැත. හැකි විවරණයක් ඉදිරිපත්-පහත් භේද ඇස්තමේන්තු ගුණාත්මක අඩු කළ හැකි තත්ත්වයක් ඉදිකිරීමට. (ඉඟියක් සඳහා, බලන්න Thomsen (1973) ).

2. [ , , ] නිර්මාණ සහ තුවක්කුව අයිතිය ගැන අහන්න ඇමේසන් MTurk මත සම්භාවිතාව නොවන සමීක්ෂණයක් පවත්වන ( "ඔබට, හෝ ඔබේ පවුලේ කෙනෙකුට, තුවක්කුවක්, රයිෆල් හෝ පිස්තෝල අයිති? ඔබ හෝ ඔබගේ පවුලේ වෙන කෙනෙක් ද?") සහ තුවක්කු පාලනය, මිහිකත ( "ඔබ වඩා වැදගත්-තුවක්කු අයිති කර ගැනීමට ඇමරිකානුවන් අයිතිය ආරක්ෂා කරන, හෝ තුවක්කුවක් අයිතිය පාලනය කිරීම සඳහා ඔබ සිතන්නේ කුමක්ද?").

   1. ඔබේ සමීක්ෂණය සඳහා කොපමණ කාලයක් ගතවේද? එයට කොතරම් වැයවෙනවා ද? ඔබේ සාම්පල වල ජන විකාශන එක්සත් ජනපද ජනගහනයේ ජන විකාශන හා සමාන කරන්නේ කෙසේද?
   2. ඔබේ නියැදි භාවිතා තුවක්කු අයිතිය අමු ඇස්තමේන්තු කුමක්ද?
   3. පශ්චාත්-පහත් භේද හෝ වෙනත් තාක්ෂණය භාවිතයෙන් ඔබගේ ආදර්ශ වන නියොජිත නොවන සදහා නිවැරදි. දැන් තුවක්කුව අයිතිය වන අතර තක්සේරු කුමක්ද?
   4. ඔබේ ඇස්තමේන්තු පිව් පර්යේෂණ මධ්යස්ථානය නවතම ඇස්තමේන්තු සංසන්දනය කරන්නේ කෙසේද? ඔබ කුමක් හෝ නොමැති නම්, විෂමතා පැහැදිලි හිතන්නේ?
   5. තුවක්කු පාලනය කෙරෙහි දක්වන ආකල්ප සඳහා අභ්යාස 2-5 නැවත නැවත සිදු කරන්න. ඔබේ සොයා ගැනීම් වෙනස් වී ඇත්තේ ඇයි?

3. [ , , ] Goel හා සගයන් (2016) ඇමේසන් MTurk මත පිව් පර්යේෂණ කේන්ද්රය විසින් සාමාන්ය සමාජ සමීක්ෂණ (GSS) සහ තේරීම් සමීක්ෂණ උකහා බහු-තේරීම ආකල්පමය ප්රශ්න 49 කින් සමන්විත නොවන සම්භාවිතාව මත පදනම් සමීක්ෂණය පාලනය. එසේ නම් ඔවුන් ආදර්ශ මත පදනම් පශ්චාත් පහත් භේද (P මහතා) භාවිතා කරමින් දත්ත නියොජිත නොවන සඳහා වෙනස්, සහ සම්භාවිතාව මත පදනම් GSS / පිව් සමීක්ෂණ භාවිතා ඇස්තමේන්තු අය සමඟ ගලපන ඇස්තමේන්තු සංසන්දනය කරන්න. MTurk මත එම සමීක්ෂණ පැවැත්වීම හා GSS / පිව් වඩාත් මෑත වට සිට ඇස්තමේන්තු සමග ඔබගේ ගලපන ඇස්තමේන්තු සංසන්දනය (ප්රශ්න 49 ලැයිස්තුවක් සඳහා උපග්රන්ථය වගුව A2 බලන්න) විසින් රූපය 2 අ සහ Figure 2 ආ ප්රතිනිර්මානය කිරීමට උත්සාහ කරන්න.

   1. සසඳා බලන්න සහ පිව් හා GSS ලද ප්රතිඵල ඔබගේ ප්රතිඵල වෙනස්.
   2. සසඳා බලන්න සහ මෙහි ඇති MTurk සමීක්ෂණයේ ප්රතිඵල ඔබගේ ප්රතිඵල වෙනස Goel, Obeng, and Rothschild (2016) .

4. [ , , ] බොහෝ අධ්යයන ජංගම දුරකතන ක්රියාකාරකම් දත්ත ස්වයං වාර්තාව පියවර භාවිතා කරන්න. මෙම පර්යේෂකයන් වූවාටත් හැසිරීම (උදා, බලන්න, ස්වයං-වාර්තා හැසිරීම සංසන්දනය කළ හැකි සිත්ගන්නා සැකසුම Boase and Ling (2013) ). ගැන අහන්න, සාමාන්ය හැසිරීම් දෙකක් ඉල්ලා සිටින අතර සෙමින්, හා "ඊයේ" පොදු කාල රාමු දෙකක් සහ "පසුගිය සතියේ."

   1. ස්වයං වාර්තාව පියවර ඔබ වඩාත් නිවැරදි හිතන්නේ ඕනෑම දත්ත, එකතු කලින්? මන්ද?
   2. ඔබේ සමීක්ෂණය විය යුතු ඔබේ මිතුරන් 5 බඳවා. කෙටියෙන් මේ මිතුරන් 5 කාලා ආකාරය සාරාංශ කරන්න. මෙම නියැදි පටිපාටිය ඔබේ ඇස්තමේන්තු නිශ්චිත අගතීන් කිරීමට රැඳවියන් පොළඹවන ලෙසටද විය හැකිද?
   3. ඔවුන් පහත සඳහන් ක්ෂුද්ර සමීක්ෂණය කරුණාකර:
   • "කොහොමද බොහෝ වතාවක් ඔබ අන් අයට කතා කරන්න ඊයේ ජංගම දුරකතන භාවිත කළේ කෙසේද?"
   • "කොහොමද බොහෝ කෙටි පණිවුඩ ඔබ ඊයේ ලබා දුන්නේ ඇයි?"
   • "කොහොමද බොහෝ වතාවක් ඔබ පසුගිය දින හතක් තුළ අන් අය කතා කරන්න ඔබගේ ජංගම දුරකථනය පාවිච්චි කළේ ඇයි?"
   • "කොහොමද බොහෝ වතාවක් ඔබ පසුගිය දින හතක් තුළ කෙටි පණිවිඩ / SMS යැවීම සහ ලබා ගැනීම ඔබගේ ජංගම දුරකථනය පාවිච්චි කළේ ඇයි?" මෙම සමීක්ෂණය සම්පූර්ණ කිරීමෙන් පසු, ඔවුන්ගේ දුරකතන හෝ සේවා සපයන්නා විසින් ලොගින් වී ඔවුන්ගේ භාවිතය දත්ත පරීක්ෂා කරන්න කියලා.
   4. කොහොමද ස්වයං-වාර්තාව භාවිතය දත්ත ප්රවිෂ්ට කර ගැනීම සඳහා, සමාන කරන්නේ ඇයි? කුමන අවම වශයෙන් නිවැරදි වන, වඩාත්ම නිවැරදි ද?
   5. (ඔබ පන්තිය සඳහා මෙම ක්රියාකාරකම කරන්නේ නම්) දැන් ඔබ පන්තියේ අනෙක් අය සිට දත්ත සමඟ එකතු වී ඇති දත්ත ඒකාබද්ධ. මෙම විශාල දත්ත සමුදාය සමඟ, කොටසක් (ඈ) නැවත නැවත.

5. [ , ] Schuman හා පීඩනය (1996) එම ප්රශ්නය නියෝග ප්රශ්න අතර සබඳතා වර්ග දෙකක් සඳහා වැදගත් වනු ඇත තර්ක: ප්රශ්න දෙකක් නිශ්චිතභාවයකින් එකම මට්ටමින් කොහෙද අර්ධ-කොටසක් ප්රශ්න (ජනාධිපති අපේක්ෂකයන් දෙදෙනා උදා ශ්රේණිගත); සහ මහ ප්රශ්නය ( "ඔබ ඔබගේ ජීවිතය සමග කොතරම් දුරට සෑහීමකට?" විසින් අනුගමනය උදා ඉල්ලා "ඔබ ඔබේ වැඩ කටයුතු සමග කොතරම් දුරට සෑහීමකට?") වඩා විශේෂ ප්රශ්නය පහත සඳහන් ස්ථාන අර්ධ-මුළු ප්රශ්න.

   වැඩි දුරටත් ඔවුන් ප්රශ්නය පාලමක් වර්ග දෙකක් ලාක්ෂණික පසු ප්රශ්නය පිළිතුරු මීට පෙර ප්රශ්නයට ලබා දී අයට (ඔවුන් එසේ වනු ඇත හැර) සමීප ගෙන සිටින විට, ස්ථාවර බලපෑම් සිදු; ප්රශ්න දෙකක් ප්රතිචාර අතර වඩාත් විශාල වෙනස්කම් පවතින විට බලපෑම් සිදු වෙනස්.

   1. ඔබ විශාල ප්රශ්නයක් සඳහා බලපෑමක් ඇති වේ යැයි සිතා එම කොටස-කොටසක් ප්රශ්න, ඔබ විශාල පිණිස බලපෑමක් ඇති වේ යැයි සිතා එම කොටස-මුළු ප්රශ්න යුගලයක්, සිය නියෝගය ඔබ ප්රශ්නයක් නෑ කියල ප්රශ්න තවත් යුගල යුගලයක් නිර්මාණය කරන්න. ඔබගේ ප්රශ්න පරීක්ෂා කිරීමට MTurk මත සමීක්ෂණයක් අත්හදා දුවන්න.
      
   2. කොතරම් විශාල ද අර්ධ-කොටසක් ක්රියාත්මක වන පරිදි ඔබ නිර්මාණය කිරීමට සමත් විය වූයේ කෙසේද? එය, ස්ථාවර හෝ ඊට වෙනස්ව ක්රියාත්මක වීද?
   3. කොතරම් විශාල ද අර්ධ-මුළු බලපෑම ඔබ නිර්මාණය කිරීමට සමත් විය වූයේ කෙසේද? එය, ස්ථාවර හෝ ඊට වෙනස්ව ක්රියාත්මක වීද?
   4. ඔබ අදහස් කළේ නැත එහිදී පිළිවෙළට වුණත් ඇත ඔබේ යුගලේ ප්රශ්නයක් පාලමක් තිබුණාද?

6. [ , ] Schuman හා පීඩනය වැඩ, මතද Moore (2002) ආකලන හා subtractive: ප්රශ්නය පාලමක් වෙනම මානයක් විස්තර කරයි. ඊට වෙනස්ව, ස්ථාවර බලපෑම් එකිනෙකට සම්බන්ධ වන භාණ්ඩ දෙකක් වගඋත්තරකරුවන් 'ඇගයීම් ප්රතිඵලයක් ලෙස ඉදිරිපත් කරන අතර, ප්රතිචාර දැක්වූවන්ගෙන් ප්රශ්න මතු කරන තුළ විශාල රාමුව වඩාත් සංවේදී කළ විට, ආකලන හා subtractive බලපෑම් නිෂ්පාදනය කෙරේ. කියවන්න Moore (2002) ආකලන හෝ subtractive බලපෑම් පෙන්නුම් කිරීමට MTurk මත සමීක්ෂණයක් අත්හදා සැලසුම් නිර්මාණය සහ ක්රියාත්මක නම්,.

7. [ , ] ක්රිස්ටෝපර් Antoun හා සගයන් (2015) එකිනෙකට වෙනස් හතර සමඟ අමුත්තන් බඳවා ගැනීම මූලාශ්ර වලින් ලබා ගත් පහසුව සාම්පල සමග සසඳන අධ්යයනය සිදු: MTurk, සමානකමට හේතුව, Google AdWords සහ ෆේස්බුක්. සරල සමීක්ෂණය නිර්මානය සහ අවම වශයෙන් දෙකක් වෙනස් සමඟ අමුත්තන් බඳවා ගැනීම ආරංචි මාර්ග හරහා සහභාගී බඳවා (ඔවුන් භාවිතා වන හතරක් වෙනස් ප්රභවයක් විය හැක Antoun et al. (2015) ).

   1. වියදම විවිධ මූලාශ්ර අතර, මුදල් හා කාලය අනුව, බඳවා අනුව සසඳා බලන්න.
   2. විවිධ මූලාශ්ර වලින් ලබා ගත් සාම්පල සංයුතිය සසඳන්න.
   3. සාම්පල අතර දත්ත ගුණාත්මක සසඳන්න. ප්රතිචාර දැක්වූවන්ගෙන් දත්ත ගුණාත්මක මැනීම සඳහා කරන ආකාරය පිළිබඳ අදහස් සඳහා, බලන්න Schober et al. (2015) .
   4. ඔබ කැමති මූලාශ්රය කුමක් ද? මන්ද?

8. [ ] යූගොව්, අන්තර්ජාල පදනම් කරගත් වෙළඳපල පර්යේෂණ සමාගමක්, එක්සත් රාජධානිය, ප්රතිචාර දැක්වූවන්ගෙන් 800,000 ක පමණ කමිටුවේ සමඟ අමුත්තන් මැතිවරණය පවත්වන සහ යුරෝපා සංගමය ජනමත විචාරණ (එනම්, Brexit) ප්රතිඵලයක් අනාවැකි පළ පී මහතා භාවිතා කරන එක්සත් රාජධානියේ ඡන්ද දායකයින් සිටීමට හෝ ඡන්දය පාවිච්චි එහිදී හෝ යුරෝපීය සංගමයේ තබන්න.

   යූගොව් සංඛ්යා ලේඛන ආකෘතිය පිළිබඳ සවිස්තර විස්තරයක් මෙතැනින් (https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/) වේ. දළ වශයෙන් කියනවා නම්, යූගොව් 2015 මහ මැතිවරණය ඡන්ද තේරීම, වයස, සුදුසුකම්, ස්ත්රී පුරුෂ භාවය, සම්මුඛ පරීක්ෂණ දිනය, මෙන්ම ඔවුන් ජීවත් වන සහයෝගී මත පදනම් ආකාරයකින් ඡන්ද දායකයින් කොටස්. පළමුව, ඔවුන් යූගොව් කථිකයින් රැස් කළ දත්ත ඇස්තමේන්තු කිරීම, අය අතර භාවිතා කරන නිවාඩු ඡන්දය ප්රකාශ කිරීමට අදහස් කරන්නේ එක් එක් ඡන්ද වර්ගයේ ජනතාවගේ ප්රතිශතය ඡන්දය. ඔවුන් මැතිවරණ රෝල් සිට ප්රකාශ කිරීමේ ප්රතිශතය වලංගු වන 2015 බ්රිතාන්ය මැතිවරණ අධ්යයනය (BES) පශ්චාත් මැතිවරණ මුහුණට මුහුණ සමීක්ෂණය භාවිතා කරන ලද්දේ එක් එක් ඡන්ද වර්ගයේ ප්රකාශ කිරීමේ ප්රතිශතය තක්සේරු කරති. අවසාන වශයෙන්, ඔවුන් නවතම ජන හා වාර්ෂික ජනගහන සමීක්ෂණ (මෙම BES යම් මීට අමතරව තොරතුරු සමඟ, මහ මැතිවරණයට පුරා යූගොව් සමීක්ෂණ දත්ත, සහ ජනතාව ඡන්දය කොපමණ තොරතුරු මත පදනම් වූ මැතිවරණ කොට්ඨාසයේ එක් එක් ඡන්ද වර්ගයේ එහි කොපමණ ජනතාව ඇස්තමේන්තු සෑම මැතිවරණ කොට්ඨාශයක් සඳහා එක් එක් පක්ෂය).

   ඡන්ද දින තුනකට පෙර, යූගොව් නිවාඩු සඳහා දෙකක් සහිත ඊයම් පෙන්නුවා. ඡන්ද ආසන්නයේ මත විමසුම (49-51 සිටින්න) කැඳවීමට ඉතා සමීප පෙන්නුවා. අවසාන තරගය වන දින අධ්යයනය සිටින්න (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/) පක්ෂව 48/52 අනාවැකි පළ කළේය. ඇත්ත වශයෙන්ම, මෙම ඇස්තමේන්තු සියයට හතරක් අවසාන ප්රතිඵලය (52-48 නිවාඩු) වැරදුනා.

   1. වැරදි ගොස් ඇති හැකි දේ තක්සේරු කිරීමට මෙම පරිච්ඡේදයේ සාකච්ඡා කළ මුළු සමීක්ෂණය දෝෂයක් රාමුව භාවිතා කරන්න.
   2. මැතිවරණයෙන් පසු යූගොව් ප්රතිචාරය (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/) මෙසේ පැහැදිලි කලේ ය: "මෙම නිසා ප්රකාශ කිරීමේ ප්රතිශතය කිරීමට විශාල වශයෙන් පෙනේ - යමක් එවැනි සිහින් ව සමබර ජාතිය ප්රතිඵලය සඳහා තීරණාත්මක වනු ඇත අප සියලු ඔස්සේ ප්රකාශ කර ඇත. අපේ ප්රකාශ කිරීමේ ප්රතිශතය ආකෘතිය පදනම් විය කොටසක් දී ප්රතිචාර දැක්වූවන්ගෙන් මහ මැතිවරණ බව ඉහත පසුගිය මහ මැතිවරණ හා ප්රකාශ කිරීමේ ප්රතිශතය මට්ටමින් ඡන්දය දුන් යන්න මත, විශේෂයෙන් ම උතුරු, ආදර්ශ ගැන දුක් වුණා. "මේ කොටස (අ) ඔබගේ පිළිතුර වෙනස් කරයිද?

9. [ , ] Figure 3.1 නියෝජනය දෝෂ එක් එක් පැහැදිලි කිරීමට අනුරූපන ලියන්න.

   1. මෙම දෝෂ සත්ය තත්ත්වය අවලංගු තත්වයක් නිර්මාණය කරන්න.
   2. මෙම දෝෂ එකිනෙකින් උග්ර තත්වයක් නිර්මාණය කරන්න.

10. [ , ] Blumenstock සහ සගයින් මෙම පර්යේෂණ (2015) සමීක්ෂණ ප්රතිචාර අනාවැකි පළ ඩිජිටල් හෝඩුවාවක් දත්ත භාවිතා කළ හැකි යන්ත්රයක් ඉගෙනුම් ආදර්ශ ගොඩ සම්බන්ධ. දැන්, ඔබ වෙනස් දත්ත සමුදාය සමඟ එකම දෙයක් කරන්න යන්නේ. Kosinski, Stillwell, and Graepel (2013) ෆේස්බුක් කැමති තනි තනි ගති ලක්ෂණ හා ගුණාංග පිළිබඳ අනාවැකි පළ කළ හැකි බවයි. පුදුම හිතෙන මෙම පුරෝකථනයන් පවා වඩා නිවැරදි මිතුරන් හා සගයින් අයට වඩා විය හැකි (Youyou, Kosinski, and Stillwell 2015) .

    1. කියවන්න Kosinski, Stillwell, and Graepel (2013) , සහ ඔවුන්ගේ දත්ත 2. රූපය ප්රතිනිර්මානය මෙතන ලබා ගත හැකිය http://mypersonality.org/
    2. දැන්, රූපය 3 ප්රතිනිර්මානය.
    3. http://applymagicsauce.com/: අවසාන වශයෙන්, ඔබේ ම ෆේස්බුක් දත්ත මත ඔවුන්ගේ ආදර්ශ උත්සාහ කරන්න. එය කොතරම් හොඳින් ඔබ වෙනුවෙන් වැඩ කරන්නේ?

11. [ ] Toole et al. (2015) , සමස්ත විරැකියාව ප්රවණතා අනාවැකි පළ ජංගම දුරකථන වලින් ඇමතුම් විස්තර වාර්තා (CDRs) භාවිතා කරන්න.

    1. නිර්මාණය හා සම Toole et al. (2015) සමග Blumenstock, Cadamuro, and On (2015) .
    2. ඔබ CDRs, සාම්ප්රදායික සමීක්ෂණ වෙනුවට ඔවුන් පරිපූර්ණත්වයට හෝ නැති විරැකියාව නිරීක්ෂණය කිරීමට රජය ප්රතිපත්ති සම්පාදකයින් සඳහා සියලු භාවිතා කළ යුතු කරන්න පුළුවන් කියලා ඔබ හිතනවද? මන්ද?
    3. සාක්ෂි මොනවාද CDRs සම්පූර්ණයෙන්ම විරැකියා අනුපාතය සාම්ප්රදායික පියවර වෙනුවට හැකි බව ඔබට ඒත්තු ද?