ক্রিয়াকলাপ

• অসুবিধা ডিগ্রী: সহজ , মধ্যম , হার্ড , খুবই কঠিন
• গণিত প্রয়োজন ( )
• কোডিং প্রয়োজন )
• তথ্য সংগ্রহ ( )
• আমার পছন্দের ( )

1. [ , ] অধ্যায়ে, আমি পোস্ট স্তরান্তরণ সম্পর্কে খুব ইতিবাচক ছিলাম। তবে, এটি সবসময় আনুমানিক মান উন্নত করে না। এমন অবস্থা তৈরি করুন যেখানে পোস্ট স্তরান্তরণ আনুমানিক মান কমাতে পারে। (একটি ইঙ্গিত জন্য, Thomsen (1973) ।)

2. [ , , ] বন্দুক নিয়ন্ত্রণ দিকে বন্দুক মালিকানা এবং মনোভাব সম্পর্কে জিজ্ঞাসা করার জন্য ডিজাইন এবং আমাজন যান্ত্রিক তুর্কে একটি অ প্রবণতা সমীক্ষা পরিচালনা। যাতে আপনি আপনার অনুমান একটি সম্ভাব্যতা নমুনা থেকে উদ্ভূত তুলনা করতে পারেন, অনুগ্রহ করে প্রশ্নোত্তর এবং প্রতিক্রিয়া বিকল্পগুলি সরাসরি উচ্চ মানের মানের জরিপ থেকে যেমন পেউ রিসার্চ সেন্টার দ্বারা চালানো হচ্ছে।

   1. আপনার জরিপ কতক্ষণ লাগবে? এটা কত টাকা লাগে? কিভাবে আপনার নমুনা জনসংখ্যার মার্কিন জনসংখ্যার জনসংখ্যা সঙ্গে তুলনা?
   2. আপনার নমুনা ব্যবহার করে বন্দুক মালিকানা কাঁচামাল কি?
   3. পোস্ট-স্তরচর্চা বা অন্য কোনও টেকনিক ব্যবহার করে আপনার নমুনাটির অপ্রয়োজনীয়তার জন্য সঠিক। এখন বন্দুকের মালিকানা কী?
   4. একটি সম্ভাব্যতা ভিত্তিক নমুনা থেকে সর্বশেষ অনুমানের সাথে আপনার অনুমানের তুলনা কীভাবে? আপনি কি মনে করেন যে কোন সমস্যা আছে, যদি কোনও কিছু আছে?
   5. প্রশ্নগুলির পুনরাবৃত্তি করুন (খ) - (ঘ) বন্দুক নিয়ন্ত্রণের প্রতি দৃষ্টিভঙ্গি কিভাবে আপনার ফলাফল আলাদা?

3. [ , , ] জিওল এবং সহকর্মীরা (2016) জেনারেল সোশ্যাল সার্ভে (জিএসএস) থেকে বেরিয়ে আসা 49 টি বহুভিত্তিক মনস্তাত্ত্বিক প্রশ্ন এবং পিউ রিসার্চ সেন্টার কর্তৃক নির্বাচিত জরিপগুলি অ্যামাজন মেকানিকাল টার্ক থেকে নেওয়া উত্তরদাতাদের অযোগ্যতা নমুনা। তারপর তারা মডেল ভিত্তিক পোস্ট স্তরান্তরণ ব্যবহার করে তথ্য অ প্রতিনিধিত্বমূলক জন্য সংযোজন এবং সম্ভাব্য ভিত্তিক GSS এবং Pew সার্ভেগুলি তাদের সঙ্গে তাদের সামঞ্জস্যপূর্ণ আনুমানিক তুলনা আমাজন যান্ত্রিক তুর্কের উপর একই জরিপ পরিচালনা করুন এবং GSS এবং Pew সার্ভেগুলির সাম্প্রতিকতম রাউন্ডগুলির অনুমানের সাথে আপনার সংশোধিত অনুমানগুলির তুলনা করে চিত্র ২ য় অনুকরণ করার চেষ্টা করুন এবং 2b এর চিত্রটি দেখুন। (49 টি প্রশ্নের তালিকা জন্য পরিশিষ্ট টেবিল A2 দেখুন।)

   1. পিউ এবং GSS এর সাথে আপনার ফলাফল তুলনা করুন এবং তুলনা করুন
   2. Goel, Obeng, and Rothschild (2016) মধ্যে মেকানিক্যাল তুর্ক জরিপ থেকে যারা আপনার ফলাফল তুলনা এবং তুলনা।

4. [ , , ] অনেক গবেষণায় মোবাইল ফোন ব্যবহারের স্ব-রিপোর্ট পদ্ধতি ব্যবহার করা হয়। এই একটি আকর্ষণীয় সেটিং যা গবেষকরা লগ আচরণ সঙ্গে আত্ম রিপোর্ট আচরণ তুলনা করতে পারেন (উদাহরণস্বরূপ, Boase and Ling (2013) )। জিজ্ঞাসা করতে দুটি সাধারণ আচরণ কলিং এবং টেক্সটিং হয়, এবং দুটি সাধারণ সময় ফ্রেম হয় "গতকাল" এবং "গত সপ্তাহে।"

   1. কোন তথ্য সংগ্রহ করার আগে, স্ব-রিপোর্টের পরিমাপগুলির মধ্যে কোনটি আপনার মনে হয় আরো সঠিক? কেন?
   2. আপনার সার্ভারে আপনার বন্ধুদের পাঁচজন নিয়োগ করুন। এই পাঁচটি বন্ধু কিভাবে নমুনা করা হয়েছিল সংক্ষিপ্তভাবে সংক্ষেপে দয়া করে। এই নমুনা প্রক্রিয়া আপনার অনুমান নির্দিষ্ট পক্ষপাত প্রবর্তিত হতে পারে?
   3. নিম্নলিখিত microsurvey প্রশ্ন তাদের জিজ্ঞাসা করুন:
   • "গতকাল অন্যদের কল করার জন্য আপনার মোবাইল ফোনে আপনি কত বার ব্যবহার করেছেন?"
   • "গতকাল কত পাঠ্য বার্তা পাঠানো হয়েছে?"
   • "গত সাত দিনে আপনি অন্যদেরকে কল করার জন্য আপনার মোবাইলে কত বার ব্যবহার করেছেন?"
   • "গত সাত দিনে পাঠ্য বার্তা / এসএমএস পাঠাতে বা পাঠানোর জন্য আপনি কতবার আপনার মোবাইল ফোনে ব্যবহার করেছেন?"
   4. একবার এই microsurvey সম্পন্ন হয়েছে, তাদের ফোন বা সেবা প্রদানকারী দ্বারা লগ ইন হিসাবে তাদের ব্যবহার তথ্য পরীক্ষা করতে জিজ্ঞাসা করুন। লগ ডেটার সাথে স্ব-প্রতিবেদন ব্যবহারের তুলনা কীভাবে হয়? যা সবচেয়ে সঠিক, যা কমপক্ষে সঠিক?
   5. এখন আপনার বর্গ অন্যান্য লোকেদের (যদি আপনি একটি ক্লাস জন্য এই কার্যকলাপ করছেন) থেকে তথ্য সংগৃহীত যে তথ্য একত্রিত। এই বৃহৎ ডেটাসেট সহ, পুনরাবৃত্ত অংশ (d)।

5. [ , ] শূমন এবং প্রেসার (1996) যুক্তি দেন যে প্রশ্নোত্তর প্রশ্নগুলি দুটি ধরনের প্রশ্নগুলির জন্য বিবেচিত হবে: অংশ-অংশ প্রশ্ন যেখানে দুইটি প্রশ্ন একই রকমের নির্দিষ্টতার (যেমন, দুটি রাষ্ট্রপতি প্রার্থীদের রেটিং); এবং অংশ-সম্পূর্ণ প্রশ্ন যেখানে একটি সাধারণ প্রশ্ন আরো নির্দিষ্ট প্রশ্ন অনুসরণ করে (উদাহরণস্বরূপ, "আপনার কর্মের সাথে আপনি কতটুকু সন্তুষ্ট?" অনুসরণ করে "আপনার জীবনের সাথে আপনি কতটুকু সন্তুষ্ট?")।

   তারা আরও দুই ধরণের প্রশ্নোত্তর প্রভাবকে চিহ্নিত করে: পরবর্তী প্রশ্নগুলির প্রতিক্রিয়াগুলি যখন আগের প্রশ্নের সাথে দেওয়া হয় তখন তাদের নিকটবর্তী (অধিকতর ভিন্নতর) হওয়ার প্রতিক্রিয়াগুলি যখন সুসংহত হয় তখন; বৈসাদৃশ্যের প্রভাব তখন ঘটে যখন দুটি প্রশ্নে প্রতিক্রিয়াগুলির মধ্যে বড় পার্থক্য থাকে।

   1. আপনি একটি বৃহৎ প্রশ্ন অর্ডার প্রভাব মনে হবে যে অংশ অংশ প্রশ্ন একটি জোড়া তৈরি করুন; আপনার মনে হয় যে পুরো পুরো প্রশ্ন একটি জোড়া একটি বড় আদেশ প্রভাব আছে; এবং প্রশ্নগুলির একটি জোড়া যার অর্ডার আপনি মনে করেন না ব্যাপার না। আপনার প্রশ্ন পরীক্ষা করার জন্য আমাজন যান্ত্রিক তুর্কের একটি জরিপ পরীক্ষা চালান।
      
   2. আপনি কিভাবে একটি অংশ অংশ প্রভাব বড় করতে সক্ষম ছিল? এটি একটি ধারাবাহিকতা বা বিপরীতে প্রভাব ছিল?
   3. আপনি কিভাবে একটি অংশ-সম্পূর্ণ প্রভাব তৈরি করতে সক্ষম হয়েছিল? এটি একটি ধারাবাহিকতা বা বিপরীতে প্রভাব ছিল?
   4. আপনার জুটির মধ্যে একটি প্রশ্নোত্তর প্রভাব ছিল যেখানে আপনি মনে করেন যে অর্ডারটি কোন ব্যাপারই না?

6. [ , ] শুমান এবং প্রেসারের নির্মাণে Moore (2002) প্রশ্নোত্তর প্রভাবের একটি আলাদা মাত্রা বর্ণনা করে: যোগব্যায়াম এবং উপভাষা প্রভাব। যদিও বিপরীতে এবং সামঞ্জস্য প্রভাব একে অপরের সাথে সম্পর্কিত দুটি আইটেমের উত্তরদাতাদের মূল্যায়ন হিসাবে উত্পাদিত হয়, যখন উত্তরদাতারা বড় আকারের কাঠামোর মধ্যে সংবেদনশীল হয়ে ওঠে যখন প্রশ্নগুলি উত্থাপিত হয় তখন সংমিশ্রণ এবং subtractive প্রভাব উত্পন্ন হয়। Moore (2002) পড়ুন Moore (2002) , তারপর যান্ত্রিক বা উপবিভাজন প্রভাব প্রদর্শনের জন্য এমটিউককে একটি জরিপের পরীক্ষা তৈরি করুন এবং চালান।

7. [ , ] ক্রিস্টোফার Antoun এবং সহকর্মী (2015) চারটি বিভিন্ন অনলাইন ভ্রমন উত্স থেকে প্রাপ্ত সুবিধার নমুনা তুলনা একটি গবেষণা পরিচালিত: MTurk, Craigslist, গুগল এডওয়ার্ডস এবং ফেসবুক কমপক্ষে দুটি ভিন্ন অনলাইন ভ্রমন উৎসের মাধ্যমে একটি সাধারণ জরিপ তৈরি করুন এবং অংশগ্রহণকারীদের নিয়োগ করুন (এই উৎসগুলি Antoun et al. (2015) ) এ ব্যবহৃত চারটি উৎস থেকে আলাদা হতে পারে।

   1. প্রতিযোগিতার খরচ এবং বিভিন্ন সূত্রে বিভিন্ন সময় অর্থের সাথে তুলনা করুন।
   2. বিভিন্ন উত্স থেকে প্রাপ্ত নমুনার গঠন তুলনা করুন।
   3. নমুনার মধ্যে তথ্য মান তুলনা উত্তরদাতাদের কাছ থেকে ডেটা মান পরিমাপ কিভাবে সম্পর্কে ধারণা জন্য, দেখুন Schober et al. (2015) ।
   4. আপনার পছন্দের উৎস কি? কেন?

8. [ ] ইউনাইটেড কিংডমে প্রায় 800,000 উত্তরদাতাদের একটি প্যানেলের অনলাইন জরিপ পরিচালনা করে ২00২ সালের ইউরোপীয় ইউনিয়নের গণভোট (অর্থাৎ ব্রেক্সিট) এর ফলাফলের ভবিষ্যদ্বাণী করার একটি প্রচেষ্টা।

   YouGov এর পরিসংখ্যান মডেলের একটি বিস্তারিত বিবরণ https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/ এ পাওয়া যাবে। মোটামুটিভাবে বলছি, ইউ জিওভ ২015 সালের সাধারণ নির্বাচনের ভোট পছন্দ, বয়স, যোগ্যতা, লিঙ্গ এবং সাক্ষাত্কারের তারিখ, সেইসাথে যেটি তারা বসবাস করতেন তার ভিত্তিতে ভিত্তি করে ভোটারদের বিভাজিত করেছেন। প্রথমত, তারা ভোটের মধ্যে যারা ভোট দিয়েছিলেন তাদের প্রত্যেকের ভোটারদের অনুপাত, যারা ভোট দিতে ইচ্ছুক তাদের মধ্যে অনুপস্থিত IGov প্যানেলেস্টদের কাছ থেকে সংগৃহীত ডেটা ব্যবহার করে। তারা ২015 সালের ব্রিটিশ নির্বাচনী স্টাডি (বিইএস) ব্যবহার করে প্রতিটি ভোটার টাইপের ভোটারের আনুমানিক মূল্যায়ন করে, পরবর্তীতে মুখোমুখি জরিপের ফলাফল, যা ভোটার তালিকা থেকে ভোটের বৈধতা যাচাই করে। অবশেষে, তারা আনুমানিক কতগুলি লোক ভোটারের প্রতিটি ভোটার প্রকারের ছিল, সর্বশেষ আদমশুমারি এবং বার্ষিক জনসংখ্যা জরিপ (অন্যান্য তথ্য উৎস থেকে কিছু অতিরিক্ত তথ্য সহ) অনুসারে।

   ভোটের তিন দিন আগে, ইজিওভ ছেড়ে চলে যাওয়ার জন্য দুটি-বিন্দু সীমার দেখিয়েছেন। ভোটের প্রাক্কালে, পোল দেখিয়েছিল যে ফলাফলটি কল করার জন্য খুব কাছাকাছি ছিল (49/51 অবশিষ্ট)। চূড়ান্ত অন-দিবসের গবেষণায় 48/52 টিকে থাকার পক্ষে পূর্বাভাস দেওয়া হয়েছে (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/)। আসলে, এই অনুমান চূড়ান্ত ফলাফল (52/48 ছুটি) চার শতাংশ পয়েন্ট দ্বারা মিস।

   1. কি ভুল হতে পারে কি মূল্যায়ন এই অধ্যায়ে আলোচনা মোট জরিপ ত্রুটি ফ্রেমওয়ার্ক ব্যবহার করুন।
   2. নির্বাচনের পর ইউজোভের প্রতিক্রিয়া (https://yougov.co.uk/news/2016/06/24/brexit-folows-close-run-campaign/) ব্যাখ্যা করেছে: "এটি একটি বিশাল অংশ যে কেন্দ্রীভূত হয়- এমন কিছু যা আমরা বলেছি যে এইরকম একটি সুদৃঢ় সুষম জাতি এর ফলাফলের জন্য অত্যন্ত গুরুত্বপূর্ণ হবে। আমাদের ভোটাধিকার মডেল অংশীদার, অংশীদারিত্বের ভিত্তিতে, উত্তরদাতাদের শেষ সাধারণ নির্বাচনে ভোট দেওয়া হয়েছিল কি না এবং সাধারণ নির্বাচনের উপরে একটি ভোটাধিকারের স্তর বিশেষ করে উত্তরে মডেলটিকে অস্বস্তিকর করে। "এই অংশটি কি (উত্তর) আপনার উত্তর পরিবর্তন করে?

9. [ , ] চিত্র -3 এ প্রতিটি প্রতিনিধিত্ব ত্রুটি ব্যাখ্যা করার জন্য একটি অনুকরণ লিখুন।

   1. এমন একটি পরিস্থিতি তৈরি করুন যেখানে এই ত্রুটিগুলি আসলে বাতিল হয়ে যায়।
   2. ত্রুটিগুলি একে অপরের সংমিশ্রণ যেখানে একটি পরিস্থিতি তৈরি করুন

10. [ , ] ব্লুমেনস্টক এবং সহকর্মীদের গবেষণা (2015) একটি মেশিন লার্নিং মডেল তৈরি করা জড়িত যা জরিপের প্রতিক্রিয়ার পূর্বাভাস দিতে ডিজিটাল ট্রেস ডেটা ব্যবহার করতে পারে। এখন, আপনি একটি ভিন্ন ডেটাসেট দিয়ে একই জিনিস চেষ্টা করতে যাচ্ছেন। Kosinski, Stillwell, and Graepel (2013) পাওয়া গেছে যে ফেসবুকের পছন্দগুলি ব্যক্তিগত বৈশিষ্ট্যগুলি ও বৈশিষ্ট্যের ভবিষ্যদ্বাণী করতে পারে। আশ্চর্যজনকভাবে, এই পূর্বাভাসগুলি বন্ধুদের এবং সহকর্মীদের (Youyou, Kosinski, and Stillwell 2015) চেয়ে আরও বেশি নির্ভুল হতে পারে।

    1. Kosinski, Stillwell, and Graepel (2013) এবং চিত্র 2 টি প্রতিলিপি করুন। তাদের তথ্য http://mypersonality.org/ এ উপলব্ধ
    2. এখন, চিত্র 3 এর প্রতিলিপি করুন
    3. অবশেষে, আপনার নিজের ফেসবুক ডেটার উপর তাদের মডেল চেষ্টা করুন: http://applymagicsauce.com/। এটা আপনার জন্য কত ভাল কাজ করে?

11. [ ] Toole et al. (2015) মোবাইল ফোনের কল কল রেকর্ডের রেকর্ড (CDRs Toole et al. (2015) ব্যবহৃত বেকারের প্রবণতাগুলির পূর্বাভাস

    1. Toole et al. (2015) গবেষণা স্টাডি নকশা তুলনা এবং তুলনা Toole et al. (2015) Blumenstock, Cadamuro, and On (2015) ।
    2. আপনি কি মনে করেন সিডিআরগুলি ঐতিহ্যগত জরিপগুলি প্রতিস্থাপন করতে হবে, তাদের পরিপূরক বা বেকারত্ব ট্র্যাক করতে সরকারী নীতিমালার জন্য ব্যবহার করা যাবে না? কেন?
    3. কোন প্রমাণ আপনাকে বিশ্বাস করতে পারে যে সিডিআর সম্পূর্ণরূপে বেকারত্বের হারের ঐতিহ্যবাহী পদক্ষেপকে বাদ দিতে পারে?