Bit By Bit: Social Research in the Digital Age
  • Մասին
    • Բացել Review
    • հիշատակություն
    • Կոդ
    • Հեղինակի մասին
    • Գաղտնիության & Համաձայնությունը
  • լեզուներ
    • English
    • Afrikaans
    • Albanian
    • Amharic
    • Arabic
    • Armenian
    • Azerbaijani
    • Basque
    • Belarusian
    • Bengali
    • Bosnian
    • Bulgarian
    • Catalan
    • Cebuano
    • Chichewa
    • Chinese Simplified
    • Chinese Traditional
    • Corsican
    • Croatian
    • Czech
    • Danish
    • Dutch
    • Esperanto
    • Estonian
    • Filipino
    • Finnish
    • French
    • Frisian
    • Galician
    • Georgian
    • German
    • Greek
    • Gujarati
    • Haitian Creole
    • Hausa
    • Hawaiian
    • Hebrew
    • Hindi
    • Hmong
    • Hungarian
    • Icelandic
    • Igbo
    • Indonesian
    • Irish
    • Italian
    • Japanese
    • Javanese
    • Kannada
    • Kazakh
    • Khmer
    • Korean
    • Kurdish (Kurmanji)
    • Kyrgyz
    • Lao
    • Latin
    • Latvian
    • Lithuanian
    • Luxembourgish
    • Macedonian
    • Malagasy
    • Malay
    • Malayalam
    • Maltese
    • Maori
    • Marathi
    • Mongolian
    • Myanmar (Burmese)
    • Nepali
    • Norwegian
    • Pashto
    • Persian
    • Polish
    • Portuguese
    • Punjabi
    • Romanian
    • Russian
    • Samoan
    • Scots Gaelic
    • Serbian
    • Sesotho
    • Shona
    • Sindhi
    • Sinhala
    • Slovak
    • Slovenian
    • Somali
    • Spanish
    • Sudanese
    • Swahili
    • Swedish
    • Tajik
    • Tamil
    • Telugu
    • Thai
    • Turkish
    • Ukrainian
    • Urdu
    • Uzbek
    • Vietnamese
    • Welsh
    • Xhosa
    • Yiddish
    • Yoruba
    • Zulu
  • Teaching
  • Media
  • Read Online
  • Գնել գիրքը
    • Princeton University Press
    • Amazon
    • Barnes and Noble
    • IndieBound
  • նախաբան
  • 1 Ներածություն
    • 1.1 An թանաք Բլոտ
    • 1.2 Բարի գալուստ թվային դարաշրջանում
    • 1.3 Research դիզայն
    • 1.4 Թեմաներ այս գրքի
    • 1.5 Այս գիրքը
    • Ինչ կարդա հաջորդը
  • 2 Դիտարկելով վարքագիծը
    • 2.1 Ներածություն
    • 2.2 Մեծ տվյալները
    • 2.3 Մեծ տվյալների 10 ընդհանուր հատկանիշներ
      • 2.3.1 Մեծ
      • 2.3.2 Always-on- ը
      • 2.3.3
      • 2.3.4 Անավարտ
      • 2.3.5 Անհասանելի
      • 2.3.6 Ոչ ներկայացուցչություն
      • 2.3.7 Դրեյֆինգ
      • 2.3.8 Ալգորիթմային խառնաշփոթ
      • 2.3.9 Կեղտոտ
      • 2.3.10 զգայուն
    • 2.4 Հետազոտական ​​Ստրատեգիա
      • 2.4.1 Counting բաներ
      • 2.4.2 Կանխատեսում եւ nowcasting
      • 2.4.3 approximating փորձարկումները
    • 2.5 Եզրակացություն
    • Մաթեմատիկական նշումներ
    • Ինչ կարդա հաջորդը
    • Տուրիզմ
  • 3 հարցեր տալով
    • 3.1 Ներածություն
    • 3.2 Հարցնելով ընդդեմ դիտարկման
    • 3.3 Ընդհանուր Հետազոտությունը սխալ է շրջանակը
      • 3.3.1 ներկայացուցչությունը
      • 3.3.2 Չափման
      • 3.3.3 արժեքը
    • 3.4 Ով է հարցնել
    • 3.5 նոր ձեւեր խնդրելով հարցեր
      • 3.5.1 Էկոլոգիական այսրոպեական գնահատականները
      • 3.5.2 Wiki հարցումները
      • 3.5.3 Gamification
    • 3.6 Հետազոտություններ, կապված մեծ տվյալների աղբյուրների հետ
      • 3.6.1 Հարստացված հարցադրում
      • 3.6.2 Ընդլայնված հարցադրում
    • 3.7 Եզրակացություն
    • Մաթեմատիկական նշումներ
    • Ինչ կարդա հաջորդը
    • Տուրիզմ
  • 4 Running փորձարկումները
    • 4.1 Ներածություն
    • 4.2 Ինչ են փորձեր.
    • 4.3 երկու չափումներում փորձերի: Lab-դաշտային եւ անալոգային, թվային
    • 4.4 Շարժվող դուրս պարզ փորձերի
      • 4.4.1 Վավերականության
      • 4.4.2 Heterogeneity բուժման հետեւանքների
      • 4.4.3 մեխանիզմները
    • 4.5 Պատրաստում դա պատահել
      • 4.5.1 Օգտագործեք առկա միջավայրերը
      • 4.5.2 Կառուցեք ձեր սեփական փորձը
      • 4.5.3 Կառուցեք ձեր սեփական արտադրանքը
      • 4.5.4 Հզոր գործընկերը
    • 4.6 խորհրդատվություն
      • 4.6.1 Ստեղծել զրո փոփոխական ծախսերի տվյալները
      • 4.6.2 Կառուցել էթիկան `ձեր դիզայնի մեջ. Փոխարինել, մաքրել եւ նվազեցնել
    • 4.7 Եզրակացություն
    • Մաթեմատիկական նշումներ
    • Ինչ կարդա հաջորդը
    • Տուրիզմ
  • 5 Զանգվածային համագործակցության ստեղծում
    • 5.1 Ներածություն
    • 5.2 Մարդու հաշվարկը
      • 5.2.1 Galaxy Zoo
      • 5.2.2 Crowd-կոդավորում քաղաքական manifestos
      • 5.2.3 Եզրակացություն
    • 5.3 Բաց զանգեր
      • 5.3.1 Netflix մրցանակ
      • 5.3.2 Foldit
      • 5.3.3 Peer-to-Արտոնագրից
      • 5.3.4 Եզրակացություն
    • 5.4 Բաշխված տվյալների հավաքագրման
      • 5.4.1 eBird
      • 5.4.2 photocity
      • 5.4.3 Եզրակացություն
    • 5.5 նախագծման ձեր սեփական
      • 5.5.1 դրդել մասնակիցները
      • 5.5.2 լծակներ heterogeneity
      • 5.5.3 ուշադրությունը կենտրոնացնել
      • 5.5.4 Միացնել անակնկալ էր սպասվում
      • 5.5.5 Եղեք բարոյական
      • 5.5.6 Final դիզայն խորհրդատվություն
    • 5.6 Եզրակացություն
    • Ինչ կարդա հաջորդը
    • Տուրիզմ
  • 6 էթիկայի
    • 6.1 Ներածություն
    • 6.2 Երեք օրինակները
      • 6.2.1 Emotional Վարակում
      • 6.2.2 Ճաշակները, կապերն ու ժամանակը
      • 6.2.3 Encore
    • 6.3 Digital է տարբերվում
    • 6.4 Չորս սկզբունքները
      • 6.4.1 Հարգանք անձանց
      • 6.4.2 բարեգործություններով
      • 6.4.3 արդարադատության
      • 6.4.4 հարգանքը օրենքի եւ հանրային շահի
    • 6.5 Երկու էթիկական շրջանակները
    • 6.6 ոլորտները դժվարությամբ
      • 6.6.1 իրազեկված համաձայնության
      • 6.6.2 հասկանալու եւ կառավարելու տեղեկատվական ռիսկը
      • 6.6.3 Գաղտնիության
      • 6.6.4 որոշումներ կայացնելիս, ի դեմս անորոշության
    • 6.7 Գործնական խորհուրդներ
      • 6.7.1 The IRB է հարկ, ոչ մի առաստաղը
      • 6.7.2 Ներդնել ինքներդ բոլորի ուրիշ կոշիկ
      • 6.7.3 Մտածեք հետազոտական ​​էթիկայի են շարունակական, ոչ թե առանձին
    • 6.8 Եզրակացություն
    • Պատմական Հավելված
    • Ինչ կարդա հաջորդը
    • Տուրիզմ
  • 7 Ապագան
    • 7.1
    • 7.2 Ապագայի թեմաները
      • 7.2.1 . Ընկույզների եւ պահատուփերի խառնուրդը
      • 7.2.2 մասնակից կենտրոնացած տվյալների հավաքագրման
      • 7.2.3 Էթիկան հետազոտական ​​դիզայնի
    • 7.3 Վերադառնալ սկզբին
  • Երախտագիտության խոսք
  • Հիշատակում
Այս թարգմանությունը ստեղծվել է համակարգչի համար. ×

Ինչ կարդա հաջորդը

  • Ներածություն (բաժին 3.1)

Այս գլխի բազմաթիվ թեմաներն էլ հնչել են վերջերս հրապարակված Հանրային կարծիքի ուսումնասիրության ամերիկյան ասոցիացիայում (AAPOR), ինչպիսիք են Dillman Dillman (2002) , Newport (2011) , Santos (2014) եւ Link (2015) :

Հետազոտության հետազոտությունների եւ խորացված հարցազրույցների միջեւ տարբերությունների մասին տես Small (2009) : Խորացված հարցազրույցների հետ կապված էթնոգրաֆիա կոչվող մոտեցումների ընտանիք է: Էթնոգրաֆիական հետազոտություններում հետազոտողները սովորաբար ավելի շատ ժամանակ են ծախսում իրենց բնական միջավայրում մասնակիցների հետ: Ավելի շատ էթնոգրաֆիայի եւ խորացված հարցազրույցների միջեւ տարբերությունների համար տես Jerolmack and Khan (2014) : Լրացուցիչ թվային ազգագրության վերաբերյալ տես Pink et al. (2015) :

Հետազոտության հետազոտության պատմության իմ նկարագրությունը չափազանց կարճ է, ներգրավելով բազմաթիվ հետաքրքիր զարգացումներ: Ավելի պատմական հիմքերով տես Smith (1976) , Converse (1987) եւ Igo (2008) : Հետազոտության հետազոտության երեք դարերի գաղափարի մասին ավելի շատ կարելի է գտնել Groves (2011) եւ Dillman, Smyth, and Christian (2008) (որը մի փոքր այլ կերպ է խախտում երեք դարերը):

Groves and Kahn (1979) առաջարկում են հետազոտություն անցկացնել առաջին եւ երկրորդ դարերի անցումային շրջանում, ուսումնասիրելով անհատական ​​եւ հեռախոսային հետազոտության մանրամասն գլուխկիմերային համեմատությունը: ( ??? ) նայեք դեպի պատահական թվանշանային նմուշառման մեթոդների պատմական զարգացմանը:

Ավելի շատ, թե ինչպես հետազոտության հետազոտությունները անցյալում փոխվել են հասարակության փոփոխությունների համար, տես Tourangeau (2004) , ( ??? ) եւ Couper (2011) :

  • Խնդրելով հակառակ դիտարկելիս (բաժին 3.2)

Հարցման եւ դիտարկման ուժեղ եւ թույլ կողմերը քննարկվել են հոգեբանների կողմից (օրինակ, Baumeister, Vohs, and Funder (2007) ) եւ սոցիոլոգներ (օրինակ, Jerolmack and Khan (2014) , Maynard (2014) ; Cerulo (2014) ; Vaisey (2014) , Jerolmack and Khan (2014) : Հարցման եւ դիտարկման միջեւ տարբերությունն առաջանում է նաեւ տնտեսագիտության մեջ, որտեղ հետազոտողները խոսում են նշված եւ բացահայտված նախասիրությունների մասին: Օրինակ, հետազոտողը կարող է հարցնել, թե արդյոք նրանք նախընտրում են պաղպաղակ ուտել կամ գնում են մարզադահլիճ (արտահայտված նախապատվություններ), կամ կարող է դիտարկել, թե որքան հաճախ են մարդիկ պաղպաղակ ուտում եւ գնում են մարզադահլիճ (բացահայտված նախապատվություններ): Կարծիք կա խորը թերահավատության մասին, որը վերաբերում է տնտեսության բնագավառում որոշակի տեսակների մասին, ինչպես նկարագրված է Hausman (2012) :

Այս բանավեճերից հիմնական թեման է, որ հաշվետվությունների վարքագիծը միշտ չէ, որ ճշգրիտ է: Սակայն, ինչպես նկարագրված է 2-րդ գլխում, մեծ տվյալների աղբյուրները չեն կարող ճշգրիտ լինել, դրանք չեն կարող հավաքվել հետաքրքրության նմուշում, եւ դրանք կարող են մատչելի լինել հետազոտողների համար: Այսպիսով, ես կարծում եմ, որ որոշ դեպքերում հաղորդման վարքագիծը կարող է օգտակար լինել: Բացի այդ, այս բանավեճերից երկրորդ հիմնական թեման է, որ զգացմունքների, գիտելիքների, ակնկալիքների եւ կարծիքների մասին զեկույցները միշտ չէ, որ ճշգրիտ են: Սակայն, եթե այդ ներքին պետությունների մասին տեղեկատվությունը անհրաժեշտ է հետազոտողների կողմից, կամ օգնում են բացատրել ինչ-որ վարքագիծ կամ բացատրություն, ապա խնդրեք կարող է համապատասխան լինել: Իհարկե, ներքին պետությունների մասին հարցերը հարցնելու միջոցով կարող են խնդիրներ առաջացնել, քանի որ երբեմն հարցվողները իրենք չեն տեղյակ իրենց ներքին պետությունների մասին (Nisbett and Wilson 1977) :

  • Ընդհանուր հարցման սխալ (բաժին 3.3)

Groves (2004) Գլուխ 1-ը Groves (2004) հիանալի աշխատանք է կատարում հետազոտության հետազոտողների կողմից օգտագործվող երբեմն անհամապատասխան տերմինաբանության համար, նկարագրելու ընդհանուր հետազոտության սխալի հիմքը: Ընդհանուր հարցման սխալի հիմքի գիրքային երկարամյա բուժման համար տես Groves et al. (2009) եւ պատմական ակնարկի համար, տես Groves and Lyberg (2010) :

Սխալները կեղծիքի եւ տարբերության մեջ ընկնելու գաղափարը նույնպես առաջանում է մեքենայի ուսուցման մեջ. տես, օրինակ, Hastie, Tibshirani, and Friedman (2009) բաժնի 7.3-ը: Սա հաճախ տանում է հետազոտողներին, խոսելու «կողմնակալության տարբերության» մասին:

Ներկայացման առումով, պատասխան չպատասխանող եւ ոչ պատասխանի կողմնակալության հարցերում մեծ ներածություն Ազգային հետազոտությունների խորհրդի զեկույցն է, «Հասարակական գիտությունների հետազոտության հարցազրույցներ. Հետազոտությունների օրակարգ» (2013) . (2013) : Մեկ այլ օգտակար ակնարկ է տրամադրվում Groves (2006) : Բացի այդ, չհամապատասխանության թեմայով լույս է տեսել Պաշտոնական վիճակագրության ամսագրի , Հանրային կարծիքի եռամսյակային եւ Ամերիկայի քաղաքական եւ սոցիալական գիտությունների ակադեմիայի ամփոփագրերը : Ի վերջո, իրականում կան բազմաթիվ տարբեր ձեւեր հաշվարկման պատասխանների տոկոսադրույքը, այս մոտեցումները մանրամասնորեն նկարագրված են Հասարակական կարծիքի հետազոտողների ամերիկյան ասոցիացիայի (AAPOR) զեկույցում ( ??? ) :

1936 թ-ի Գրական ԴիջիԹի հարցման վերաբերյալ ավելի շատ տեղեկությունների համար տես Bryson (1976) , Squire (1988) , Cahalan (1989) եւ Lusinchi (2012) : Այս հարցման մեկ այլ քննարկման համար, որպես Gayo-Avello (2011) նախազգուշացում նախազգուշական տվյալների հավաքագրման դեմ, տես Gayo-Avello (2011) : 1936 թ.-ին Ջորջ Գելլափը ավելի նրբանկատ ձեւով օգտագործել է նմուշառման տեսք եւ կարողացել է ավելի ճշգրիտ գնահատումներ կատարել ավելի փոքր նմուշով: Gallup- ի հաջողությունը Գրական Դիջեկտի վրա կատարվել է հետազոտության հետազոտության զարգացման կարեւոր փուլ, ինչպես նկարագրված է @ converse_survey_1987- ի գլուխ 3-ում: Օհմերի 4-րդ գլուխը Ohmer (2006) ; եւ igo_averaged_2008- ի 3-րդ գլուխը:

Չափման առումով հարցաթերթիկների նախագծման համար առաջին մեծ ռեսուրսն է Bradburn, Sudman, and Wansink (2004) : Լրացուցիչ բուժման համար տեսեք Saris and Gallhofer (2014) Schuman and Presser (1996) , որը հատուկ ուշադրություն է դարձնում վերաբերմունքի հարցերին Saris and Gallhofer (2014) , ինչը ավելի ընդհանուր է: Մի փոքր այլ մոտեցում չափման վրա է ընդունվում հոգեմետրիայում, ինչպես նկարագրված է ( ??? ) : Pretesting- ի մասին ավելի շատ կարելի է գտնել Presser and Blair (1994) , Presser et al. (2004) եւ Groves et al. (2009) 8-րդ գլուխը Groves et al. (2009) : Հետազոտության փորձերի մասին ավելի մանրամասն կարելի է գտնել Mutz (2011) :

Արժեքի տեսանկյունից, հետազոտության ծախսերի եւ հետազոտության սխալների միջեւ առեւտրի հաշվարկման դասական, գիրքային վերաբերմունքը Groves (2004) :

  • Ով է հարցնել (բաժին 3.4)

Ստանդարտ հավանականության նմուշառման եւ գնահատման երկու դասական Särndal, Swensson, and Wretman (2003) բուժում են Lohr (2009) (ավելի ներածական) եւ Särndal, Swensson, and Wretman (2003) (ավելի առաջադեմ): Post-stratification- ի եւ հարակից մեթոդների դասական գրքույկը բուժում է Särndal and Lundström (2005) : Որոշ թվային տարիքային պարամետրերում հետազոտողները բավականին քիչ բան գիտեն ռեպորտաժների մասին, որոնք հաճախ անցյալում չէին: Հնարավոր Kalton and Flores-Cervantes (2003) տարբեր ձեւեր հնարավոր են, երբ հետազոտողները ունենում են Kalton and Flores-Cervantes (2003) մասին տեղեկություններ, ինչպես նկարագրված են Kalton and Flores-Cervantes (2003) եւ Smith (2011) :

The Xbox- ի ուսումնասիրությունը W. Wang et al. (2015) Օգտագործում է բազմակողմանի ռեգրեսիայի եւ հետտրիճանման («պարոն Պ.») մեթոդ, որը թույլ է տալիս հետազոտողներին գնահատել խմբի միջոցները նույնիսկ այն ժամանակ, երբ կան շատ, շատ խմբեր: Չնայած որ այս տեխնիկայից ստացված գնահատումների որակի վերաբերյալ որոշ բանավեճեր կան, կարծես թե ուսումնասիրելու համար խոստումնալից տարածք է: Տեխնիկան առաջին անգամ օգտագործվել է Park, Gelman, and Bafumi (2004) , եւ հետագայում օգտագործվել եւ քննարկվել է (Gelman 2007; Lax and Phillips 2009; Pacheco 2011; Buttice and Highton 2013; Toshkov 2015) : Անհատական ​​կշիռների եւ խմբի կշիռների միջեւ կապի մասին ավելի մանրամասն կարելի է ծանոթանալ Gelman (2007) :

Վեբ հետազոտությունների կշռման այլ մոտեցումների համար տես Schonlau et al. (2009) , Bethlehem (2010) եւ Valliant and Dever (2011) : Օն-լայն վահանակները կարող են օգտագործել հավանականության նմուշառում կամ ոչ հավանականության նմուշառում: Լրացուցիչ առցանց վահանակների համար տես Callegaro et al. (2014) :

Երբեմն հետազոտողները գտել են, որ հավանականության նմուշները եւ ոչ հավանականության նմուշները բերում են նմանատիպ որակի գնահատականներ (Ansolabehere and Schaffner 2014) , սակայն այլ համեմատություններով պարզվել է, որ ոչ հավանականության նմուշները ավելի վատն են (Malhotra and Krosnick 2007; Yeager et al. 2011) : Այս տարբերությունների մեկ հնարավոր պատճառն այն է, որ ոչ հավանականության նմուշները ժամանակի ընթացքում բարելավվել են: Ոչ հավանականության նմուշառման մեթոդների ավելի հոռետեսական տեսակետի համար տեսեք Հավանական հավանականության նմուշառման վերաբերյալ AAPOR Task Force- ը (Baker et al. 2013) , եւ ես նաեւ կարդում եմ այն ​​եզրակացությունը, որը հետեւում է համառոտ զեկույցին:

  • Ինչպես հարցնել (բաժին 3.5)

Conrad and Schober (2008) Խմբագրված հատված է, որը նախատեսում է «Ապագայի հարցազրույցի հարցազրույցը» եւ առաջարկում է հարցերի առաջիկա ապագայի վերաբերյալ տարբեր տեսակետներ: Couper (2011) նմանատիպ թեմաներ է հասցեագրում, եւ Schober et al. (2015) առաջարկում է լավ օրինակ, թե ինչպես տվյալների հավաքագրման մեթոդները, որոնք հարմարեցված են նոր պարամետրերին, կարող են հանգեցնել ավելի բարձր որակի տվյալների: Schober and Conrad (2015) առաջարկում է ավելի ընդհանուր փաստարկ շարունակելու համար հարմարեցնել հետազոտության հետազոտության գործընթացը համապատասխանելու հասարակության փոփոխություններին:

Tourangeau and Yan (2007) վերանայում են զգայուն հարցերում սոցիալական գայթակղության կողմնակալության խնդիրները, եւ Lind et al. (2013) Առաջարկում են ինչ-ինչ հնարավոր պատճառներ, թե ինչու են մարդիկ կարող են բացահայտել ավելի զգայուն տեղեկատվություն համակարգչային կառավարվող հարցազրույցում: Մարդկային հարցազրուցավարների դերի վերաբերյալ հարցումների վերաբերյալ հարցումների քանակի ավելացման համար տես Maynard and Schaeffer (1997) , Maynard, Freese, and Schaeffer (2010) , Conrad et al. (2013) եւ Schaeffer et al. (2013) : Ավելի շատ խառը ռեժիմային հարցումների վերաբերյալ տես Dillman, Smyth, and Christian (2014) :

Stone et al. (2007) Առաջարկում է էկոլոգիական պահեստային գնահատման եւ հարակից մեթոդների գիրքային երկարամյա բուժում:

Մասնակիցների համար հետազոտությունների անցկացման վերաբերյալ հաճելի եւ արժեքավոր փորձ կատարելու վերաբերյալ ավելի շատ խորհրդատվություն ստանալու համար տես աշխատեք հատուկ նախագծման մեթոդի (Dillman, Smyth, and Christian 2014) : Facebook- ի հավելվածները սոցիալական գիտությունների հետազոտությունների համար օգտագործելու եւս մեկ հետաքրքիր օրինակ `տես Bail (2015) :

  • Հետազոտությունները մեծ տվյալների աղբյուրների հետ կապված են (բաժին 3.6)

Judson (2007) նկարագրում է հետազոտությունների եւ վարչական տվյալների համադրման գործընթացը որպես «տեղեկատվական ինտեգրում» եւ քննարկում է այդ մոտեցման մի քանի առավելությունները, ինչպես նաեւ առաջարկելով որոշ օրինակներ:

Բավարարված հարցադրման առնչությամբ քվեարկության վավերացման նախկին փորձեր եղել են: Այս գրականության ակնարկի համար տես Belli et al. (1999) , Ansolabehere and Hersh (2012) , Hanmer, Banks, and White (2014) եւ Berent, Krosnick, and Lupia (2016) : Տեսեք Berent, Krosnick, and Lupia (2016) , Ansolabehere and Hersh (2012) ներկայացված արդյունքների առավել թերահավատորեն դիտարկելու համար:

Կարեւոր է նշել, որ թեեւ Ansolabehere- ն ու Hersh- ը խրախուսվեցին Catalist- ի տվյալների որակով, առեւտրային վաճառողների այլ գնահատումներն ավելի քիչ ոգեւորված էին: Pasek et al. (2014) հայտնաբերել է անբավարար որակ, երբ հետազոտության տվյալները համեմատվել են Marketing Systems Group- ի սպառողական ֆայլի հետ (որը ինքնաբերաբար միավորել է երեք պրովայդերների տվյալները `Acxiom, Experian եւ InfoUSA): Այսինքն, տվյալների ֆայլը չի ​​համապատասխանում հետազոտության պատասխաններին, որ հետազոտողները ակնկալում են ճիշտ լինել, սպառողական ֆայլը մեծ քանակությամբ հարցերի համար բացակայում է տվյալներ եւ անհայտ կորածների տվյալները կոռեկտացված են հաշվետու գնահատման արժեքի հետ (այսինքն, բացակայում է տվյալների համակարգային էր, ոչ պատահական):

Հետազոտության եւ վարչական տվյալների միջեւ արձանագրության հետ կապված ավելի շատ տեղեկությունների համար տեսեք Sakshaug and Kreuter (2012) եւ Schnell (2013) : Ընդհանուր առմամբ ռեկորդային կապի մասին ավելի մանրամասն կարելի է ծանոթանալ Dunn (1946) եւ Fellegi and Sunter (1969) (պատմական) եւ Larsen and Winkler (2014) (ժամանակակից): Նման մոտեցումներն էլ մշակվել են համակարգչային գիտության մեջ, ինչպիսիք են տվյալների կրկնօրինակում, օրինակների նույնականացում, անունի համապատասխանություն, կրկնօրինակման հայտնաբերում եւ կրկնօրինակների հայտնաբերում (Elmagarmid, Ipeirotis, and Verykios 2007) : Կան նաեւ գաղտնիության պահպանման մոտեցումներ գրառումների հետ կապված, որոնք չեն պահանջում անձամբ ճանաչող տեղեկությունների փոխանցում (Schnell 2013) : Ֆեյսբուքյան հետազոտողները մշակել են ընթացակարգ, հավանականորեն կապելու իրենց ձայնագրությունները քվեարկության վարքագծի հետ (Jones et al. 2013) ; այս կապը կատարվել է գնահատելու փորձարկումը, որը ես ձեզ կասեմ 4-րդ գլխում (Bond et al. 2012) : Լրացուցիչ տեղեկությունների համար համաձայնության ձեռքբերման համար տեսեք Sakshaug et al. (2012) :

Կառավարության վարչական հաշվետվություններին լայնամասշտաբ սոցիալական հետազոտություն կապելու մեկ այլ օրինակ բերված է Առողջապահության եւ կենսաթոշակային հետազոտության եւ Սոցիալական ապահովության վարչությունից: Ուսումնասիրության մասին ավելի մանրամասն, ներառյալ համաձայնության ընթացակարգի մասին տեղեկությունները, տես Olson (1996, 1999) :

Վարչական գրառումների բազմաթիվ աղբյուրների համադրելու գործընթացը վարպետ դատաֆիլում, որը Կալիտյանցի աշխատած գործընթացն է, տարածված է որոշ ազգային կառավարությունների վիճակագրական գրասենյակներում: Շվեդիայի վիճակագրության երկու հետազոտողներն այս թեմայի վերաբերյալ մանրամասն գրել են (Wallgren and Wallgren 2007) : Այս մոտեցման օրինակ է Միացյալ Նահանգներում (Olmstead County, Մինեսոտա, Մայա Կլինիկայի տուն), տես Sauver et al. (2011) : Լրացուցիչ սխալների համար, որոնք կարող են հայտնվել վարչական գրառումներում, տես Groen (2012) :

Այլ կերպ, որով հետազոտողները կարող են օգտվել հետազոտական ​​հետազոտությունների մեծ տվյալների աղբյուրներից `որպես նմուշառման շրջանակ հատուկ հատկանիշներով մարդկանց համար: Ցավոք, այս մոտեցումը կարող է բարձրացնել գաղտնիության հետ կապված հարցեր (Beskow, Sandler, and Weinberger 2006) :

Խրախուսված հարցադրման առնչությամբ այս մոտեցումը ոչ այնքան նոր է, որքան այն կարող է հայտնվել, թե ինչպես եմ նկարագրել այն: Այն խորը կապեր ունի վիճակագրության երեք մեծ տարածքների հետ `մոդելային վրա հիմնված post-stratification (Little 1993) , imputation (Rubin 2004) եւ փոքր տարածքի գնահատումը (Rao and Molina 2015) : Այն վերաբերում է նաեւ բժշկական հետազոտություններում սուրգրատական ​​փոփոխականների օգտագործմանը (Pepe 1992) :

Blumenstock, Cadamuro, and On (2015) արժեքի եւ ժամանակի հաշվարկները վերաբերում են ավելի շատ փոփոխական ծախսերին `մեկ լրացուցիչ հետազոտության արժեքի եւ չեն պարունակում ֆիքսված ծախսեր, ինչպիսիք են զանգի տվյալների մաքրման եւ վերամշակման ծախսերը: Ընդհանուր առմամբ, ուժեղացված հարցումը, հավանաբար, կունենա մեծ ֆիքսված ծախսեր եւ ցածր փոփոխական ծախսեր, որոնք նման են թվային փորձերի (տես գլուխ 4): Զարգացող երկրներում ավելի շատ բջջային հեռախոսի վրա հիմնված հետազոտությունների համար տես Dabalen et al. (2016) :

Որպեսզի ավելի լավ հարցադրեն, թե ինչպես պետք է կատարել ուժեղացված հարցերը, ես խորհուրդ կտայի ավելին իմանալ բազմակի կիրառման մասին (Rubin 2004) : Բացի այդ, եթե հետազոտողներն ուժեղացնեն խորհուրդը, հաշվի առնելով համախառն հաշվարկները, այլ ոչ թե անհատական ​​մակարդակի հատկություններ, ապա կարող են օգտակար լինել King and Lu (2008) եւ Hopkins and King (2010) մոտեցումները: Վերջապես, Blumenstock, Cadamuro, and On (2015) մեքենաների ուսումնառության մոտեցումների մասին ավելի մանրամասն կարելի է գտնել James et al. (2013) (ավելի շատ ներածական) կամ Hastie, Tibshirani, and Friedman (2009) (ավելի առաջադեմ):

Խրախուսված հարցադրումներից մեկի էթիկական հարցն այն է, որ այն կարող է օգտագործվել այն զգայուն հատկանիշների Kosinski, Stillwell, and Graepel (2013) որոնք մարդիկ չեն կարողանում բացահայտել հետազոտության մեջ, ինչպես նկարագրված են Kosinski, Stillwell, and Graepel (2013) :

Powered by Open Review Toolkit

Buy The Book

Image of Bit by Bit cover Princeton University Press Amazon Barnes and Noble IndieBound