3.3.1 نمایندگی

نمایندگی است در مورد ساخت استنتاج از پاسخ دهندگان خود را به جامعه هدف خود را.

به منظور درک نوع اشتباهاتی که می توان از پاسخ دهندگان به جمعیت بزرگتر بیرون کشید، بیایید نظر سنجی کتبی ادبی را که سعی در پیش بینی نتایج انتخابات ریاست جمهوری ایالات متحده در سال 1936 داشتیم، در نظر بگیریم. اگر چه بیش از 75 سال پیش اتفاق افتاد، این بحران هنوز درس مهمی برای آموزش محققان امروز است.

نشریه ادبیات یک مجله معروف و محبوب بود و از سال 1920 شروع به برگزاری نظرسنجی ها برای تعیین پیش بینی نتایج انتخابات ریاست جمهوری کرد. برای ایجاد این پیش بینی ها، آنها را به تعداد زیادی از مردم رای دهی می کنند و سپس به راحتی برگردانده می شوند. ادبیات ادبیات با افتخار می گوید که رأی گیری هایی که دریافت کرده اند، نه "وزن، اصلاح و تفسیر" نبودند. این روش به درستی برندگان انتخابات در 1920، 1924، 1928 و 1932 را پیش بینی کرد. در سال 1936، در میان افسردگی بزرگ، ادبی Digest فرستاده شده به رای دهی به 10 میلیون نفر، که نام آنها به طور عمده از دایرکتوری تلفن و پرونده ثبت نام خودرو است. در اینجا این است که چگونه روش خود را شرح دادند:

"ماشین صافکاری DIGEST با دقت سریع 30 سال تجربه برای کاهش حدس و گمان به واقعیت های سخت حرکت می کند ... این هفته 500 قلم بیش از یک چهارم یک میلیون آدرس در روز خراشیده اند. هر روز در یک اتاق بزرگ در بالای خیابان چهارم چهارم موتوری در نیویورک، 400 کارگر ماهرانه یک میلیون قطعه از مواد چاپی را به اندازه کافی برای بستن 40 بلوک شهری - به پوششهای خطی [sic] می اندازند. هر ساعت در پست پست اداری خود DIGEST، سه ماشین حساب اندازه گیری پیمان چتینگ مهر و موم سفید و پرچم مهر و موم شده بود. کارکنان پست الکترونیکی ماهر آنها را به جیب های مجلل متصل می کنند؛ کامیون های DIGEST ناوگان به آنها اجازه دادند تا قطارهای پست را بیان کنند. . . در هفته آینده، اولین پاسخ از این ده میلیون نفر، پیام های دریافتی از برگه های مشخص شده را آغاز خواهد کرد، برای بررسی سه گانه، تایید شده، پنج بار طبقه بندی شده و جمع آوری شده است. هنگامی که آخرین رقم داده شده و مورد بررسی قرار گرفته است، اگر تجربه گذشته یک معیار باشد، کشور در حدود 1 درصد از رای مردم واقعی 40 میلیون نفر [رای دهندگان] می داند "(22 اوت 1936)

امروزه فستيوال سمبل ادبی از اندازه بلافاصله قابل شناسایی است. از 10 میلیون رای گیری توزیع شده، 2.4 میلیون نفر بازپس گرفته شده اند که تقریبا 1000 برابر بیشتر از نظرسنجی های سیاسی مدرن است. از این 2.4 میلیون پاسخ دهندگان، حکم واضح بود: آلف لندون قصد داشت فرانکلین روزولت را برنده شود. اما، در واقع، روزولت Landon را در زمین لغزش شکست داد. چگونه می توان ادبیات ادبی را با اطلاعات زیادی اشتباه گرفت؟ درک مدرن ما از نمونه گیری ، اشتباهات ادبی داستانی را روشن می کند و به ما کمک می کند تا اشتباهات مشابه در آینده را اجتناب کنیم.

به طور واضح درمورد نمونه گیری، ما باید چهار گروه مختلف افراد را در نظر بگیریم (شکل 3.2). گروه اول جمعیت هدف است ؛ این گروهی است که محقق به عنوان جمعیت مورد علاقه تعریف می کند. در مورد ادبیات ادبی ، جمعیت مورد نظر رای دهندگان در انتخابات ریاست جمهوری سال 1936 بود.

پس از تصمیم گیری بر روی یک جمعیت هدف، یک محقق نیاز به ایجاد لیستی از افرادی که می توانند برای نمونه گیری استفاده شوند. این لیست یک چارچوب نمونه برداری نامیده می شود و افرادی که در آن هستند، جمعیت فریم نامیده می شوند. در حالت ایده آل، جمعیت هدف و جمعیت فریم دقیقا یکسان است، اما در عمل اغلب این مورد نیست. به عنوان مثال، در مورد ادبیات ادبی ، جمعیت کلان 10 میلیون نفر بود که اسامی آنها به طور عمده از دایرکتوری های تلفن و پرونده های ثبت خودرو ثبت می شد. تفاوت بین جمعیت هدف و جمعیت فریم، خطای پوشش می باشد . خطا پوشش تنها به خودی خود تضمین کننده مشکلات نیست. با این حال، این می تواند منجر به تعصب پوشش شود اگر مردم در فرایند جمعیت به طور سیستماتیک از افراد در جمعیت هدف متفاوت است که در فریم جمعیت نیستند. در حقیقت این دقیقا همان چیزی است که در نظرسنجی ادبی ادبیات اتفاق افتاده است. افرادی که در چارچوب جمعیت خود قرار داشتند، احتمال بیشتری داشتند که از الف لندون حمایت کنند؛ بخشی از آنکه آنها ثروتمند بودند (به یاد بیاورید که هر دو تلفن و خودرو در سال 1936 نسبتا جدید و گران قیمت بودند). بنابراین، در نظرسنجی ادبیات ادبی ، خطای پوشش منجر به انحراف پوشش شد.

شکل 3.2: خطاهای نمایندگی

شکل 3.2: خطاهای نمایندگی

بعد از تعریف جمعیت فریم ، گام بعدی برای محقق انتخاب جمعیت نمونه است ؛ اینها کسانی هستند که محقق می خواهد مصاحبه کند. اگر نمونه دارای ویژگی های مختلفی نسبت به جمعیت فریم باشد، نمونه گیری می تواند خطای نمونه گیری را معرفی کند. با این حال، در مورد سقوط ادبی داستانی، نمونه ای وجود نداشت که مجله برای تماس با همه افراد در فریم قرار داشته باشد و بنابراین هیچ خطای نمونه گیری وجود ندارد. بسیاری از محققان بر روی خطای نمونه گیری تمرکز می کنند. این معمولا نوع خطایی است که توسط حاشیه خطا گزارش شده در نظرسنجی گرفته شده است، اما نابودی ادبی داستانی به ما یادآوری می کند که ما باید همه منابع خطا، هر دو تصادفی و منظم را در نظر بگیریم.

سرانجام، پس از انتخاب یک جمعیت نمونه، یک محقق تلاش می کند با تمام اعضای آن مصاحبه کند. این افراد که به موفقیت مصاحبه می پاسخ دهندگان به نام. در حالت ایده آل، جمعیت نمونه و پاسخ دهندگان دقیقا همانند هستند، اما در عمل، عدم پاسخ وجود دارد. یعنی افرادی که در نمونه انتخاب می شوند گاهی مشارکت نمی کنند. اگر افرادی که پاسخ دهند متفاوت از کسانی است که پاسخ نمی دهند، ممکن است تعصب غیرعادی وجود داشته باشد. تعارض غیرمستقیم دومین مشکل اصلی در نظرسنجی ادبی ادبیات بود . فقط 24 درصد از افرادی که به رای گیری پاسخ دادند پاسخ دادند و معلوم شد افرادی که از لانوند پشتیبانی می کردند احتمال بیشتری دارند که پاسخ دهند.

نظرسنجی ادبی ادبیات فراتر از تنها بودن نمونه ای برای معرفی ایده های نمایندگی است، که اغلب به تدریج تکرار می شود و محققان را در مورد خطرات نمونه گیری تصادفی تهدید می کند. متاسفانه، من فکر می کنم درس هایی که بسیاری از مردم از این داستان می گیرند اشتباه است. شایع ترین اخلاق داستان این است که محققان نمی توانند از نمونه های غیر احتمالی چیزی بیاموزند (یعنی نمونه هایی بدون قوانین مبتنی بر احتمالی برای انتخاب شرکت کنندگان). اما، همانطور که بعدا در این فصل نشان خواهم داد، این کاملا درست نیست. در عوض، من فکر می کنم واقعا این دو روحیه وجود دارد؛ اصول اخلاقی امروز همانطور که در سال 1936 بودند درست است. اولا، مقدار زیادی از اطلاعات جمعآوری شده، بدون برآورد مناسب، را تضمین نمیکنند. به طور کلی، داشتن تعداد زیادی از پاسخ دهندگان واریانس برآوردها را کاهش می دهد، اما لزوما این تعصب را کاهش نمی دهد. محققان با استفاده از داده های فراوان می توانند برآورد دقیقی از چیزی اشتباه انجام دهند؛ آنها می توانند دقیقا نادرست باشند (McFarland and McFarland 2015) . درس دوم دوم از ناسزاگویی ادبی ادبی این است که محققان باید برای تعیین نحوه جمعآوری نمونههای خود هنگام ارزیابیها حساب کنند. به عبارت دیگر، به دلیل اینکه فرایند نمونه گیری در نظرسنجی ادبی ادبیات به طور سیستماتیک نسبت به بعضی از پاسخ دهندگان تغییر یافت، محققان مجبور به استفاده از یک فرایند برآورد پیچیده تر شدند که برخی از پاسخ دهندگان بیشتر از دیگران را وزن می کردند. بعدا در این فصل، من به شما یک روش وزن دهی پس از طبقه بندی را نشان می دهم که می تواند شما را قادر به ارزیابی بهتر از نمونه های تصادفی کند.