2.4.1 រឿងរាប់

ការរាប់សាមញ្ញមួយអាចត្រូវបានរួមបញ្ចូលគ្នាគួរឱ្យចាប់អារម្មណ៍ប្រសិនបើអ្នកជាមួយនឹងសំណួរល្អទិន្នន័យល្អ។

ទោះបីជាវាត្រូវបានគេប្រើក្នុងភាសាដែលមានភាពស្មុគស្មាញក៏ដោយក៏ការស្រាវជ្រាវសង្គមជាច្រើនពិតជាត្រូវបានរាប់។ នៅក្នុងអាយុនៃទិន្នន័យដ៏ធំអ្នកស្រាវជ្រាវអាចរាប់បានច្រើនជាងមិនធ្លាប់មានប៉ុន្តែនេះមិនមែនមានន័យថាពួកគេគួរតែចាប់ផ្តើមរាប់ថយក្រោយ។ ផ្ទុយទៅវិញក្រុមអ្នកស្រាវជ្រាវគួរតែសួរថា: តើអ្វីខ្លះដែលមានតម្លៃ? នេះអាចហាក់ដូចជាបញ្ហាប្រធានបទទាំងមូលប៉ុន្តែមានគំរូទូទៅមួយចំនួន។

ជារឿយៗនិស្សិតជំរុញការស្រាវជ្រាវរាប់មិនអស់របស់ពួកគេដោយនិយាយថា: ខ្ញុំនឹងរាប់អ្វីមួយដែលគ្មាននរណាម្នាក់ធ្លាប់បានរាប់ពីមុន។ ឧទាហរណ៍និស្សិតអាចនិយាយបានថាមនុស្សជាច្រើនបានសិក្សាអំពីជនអន្តោប្រវេសន៍ហើយមនុស្សជាច្រើនបានសិក្សាពីកូនភ្លោះប៉ុន្តែគ្មាននរណាម្នាក់បានសិក្សាពីកូនភ្លោះទេ។ នៅក្នុងបទពិសោធន៍របស់ខ្ញុំយុទ្ធសាស្រ្តនេះដែលខ្ញុំហៅថា ការលើកទឹកចិត្តដោយអវត្តមាន ជាធម្មតាមិននាំទៅរកការស្រាវជ្រាវល្អនោះទេ។ ការលើកទឹកចិត្តដោយអវត្តមានគឺដូចជាការនិយាយថាមានរន្ធនៅទីនោះហើយខ្ញុំនឹងខិតខំធ្វើយ៉ាងខ្លាំងដើម្បីបំពេញវា។ ប៉ុន្តែមិនមែនគ្រប់ប្រហោងទាំងអស់ត្រូវបំពេញនោះទេ។

ជំនួសឱ្យការលើកទឹកចិត្តដោយអវត្តមានខ្ញុំគិតថាយុទ្ធសាស្ត្រល្អប្រសើរគឺស្វែងរកសំណួរស្រាវជ្រាវដែលមាន សារៈសំខាន់គួរឱ្យចាប់អារម្មណ៍ (ឬល្អប្រសើរបំផុត) ។ ពាក្យទាំងពីរនេះពិបាកក្នុងការកំណត់ប៉ុន្តែវិធីមួយដើម្បីគិតអំពីការស្រាវជ្រាវដ៏សំខាន់គឺថាវាមានផលប៉ះពាល់ដែលអាចវាស់វែងបានខ្លះឬមតិព័ត៌មានទៅជាការសម្រេចចិត្តដ៏សំខាន់ដោយអ្នកបង្កើតគោលនយោបាយ។ ឧទាហរណ៍ការវាស់ស្ទង់អត្រាអត់ការងារធ្វើមានសារៈសំខាន់ពីព្រោះវាជាសូចនាករនៃសេដ្ឋកិច្ចដែលជំរុញឱ្យមានការសម្រេចគោលនយោបាយ។ ជាទូទៅខ្ញុំគិតថាអ្នកស្រាវជ្រាវមានអារម្មណ៍ល្អពីអ្វីដែលសំខាន់។ ដូច្នេះនៅក្នុងផ្នែកនេះខ្ញុំនឹងផ្តល់ឧទាហរណ៍ពីរដែលខ្ញុំគិតថាការរាប់គឺគួរអោយចាប់អារម្មណ៍។ ក្នុងករណីនីមួយៗក្រុមអ្នកស្រាវជ្រាវមិនបានរាប់បញ្ចូលវាដោយអន្ទះសាទេ។ ផ្ទុយទៅវិញពួកគេត្រូវបានគេរាប់នៅក្នុងការកំណត់ជាក់លាក់ដែលបង្ហាញពីការយល់ដឹងដ៏សំខាន់នៅក្នុងគំនិតទូទៅបន្ថែមអំពីរបៀបដែលប្រព័ន្ធសង្គមធ្វើការ។ នៅក្នុងពាក្យផ្សេងទៀតជាច្រើននៃអ្វីដែលធ្វើឱ្យការធ្វើលំហាត់ប្រាណរាប់គួរឱ្យចាប់អារម្មណ៍ជាពិសេសគួរឱ្យចាប់អារម្មណ៍នោះគឺមិនមែនទិន្នន័យផ្ទាល់ខ្លួនវាចេញមកពីគំនិតទូទៅទាំងនេះបន្ថែមទៀត។

ឧទាហរណ៏មួយនៃការរាប់អានដ៏សាមញ្ញនៃការរាប់ពីការសិក្សារបស់ Henry Farber (2015) នៃអាកប្បកិរិយារបស់អ្នកបើកបរតាក់ស៊ីទីក្រុងញូវយ៉ក។ ថ្វីបើក្រុមនេះប្រហែលជាមិនសូវគួរឱ្យចាប់អារម្មណ៍ក៏ដោយក៏វាជា វែបសាយស្រាវជ្រាវយុទ្ធសាស្រ្ត ដើម្បីធ្វើតេស្តសាកល្បងទ្រឹស្តីពីរនៅក្នុងសេដ្ឋកិច្ចការងារ។ សម្រាប់គោលបំណងនៃការស្រាវជ្រាវរបស់លោកហ្វារបមានលក្ខណៈសំខាន់ៗពីរអំពីបរិយាកាសការងាររបស់អ្នកបើកបរតាក់ស៊ី: (1) ប្រាក់ឈ្នួលប្រចាំម៉ោងរបស់ពួកគេប្រែប្រួលពីមួយថ្ងៃទៅមួយថ្ងៃដោយផ្អែកលើកត្តាដូចជាអាកាសធាតុនិង (2) ចំនួនម៉ោងដែលពួកគេ ការងារអាចប្រែប្រួលជារៀងរាល់ថ្ងៃដោយផ្អែកលើការសម្រេចចិត្តរបស់ពួកគេ។ លក្ខណៈពិសេសទាំងនេះនាំឱ្យមានសំណួរគួរឱ្យចាប់អារម្មណ៍អំពីទំនាក់ទំនងរវាងប្រាក់ឈ្នួលម៉ោងនិងម៉ោងធ្វើការ។ ម៉ូដែល Neoclassical នៅក្នុងសេដ្ឋកិច្ចព្យាករណ៍ថាអ្នកបើកតាក់ស៊ីនឹងធ្វើការច្រើននៅថ្ងៃដែលពួកគេមានប្រាក់ឈ្នួលខ្ពស់ជាងមុន។ ជាជម្រើសម៉ូដែលពីឥរិយាបថសេដ្ឋកិច្ចបង្ហាញពីភាពផ្ទុយគ្នា។ ប្រសិនបើអ្នកបើកបរកំណត់គោលដៅប្រាក់ចំណូលជាក់លាក់ពោលថា 100 ដុល្លារក្នុងមួយថ្ងៃហើយធ្វើការរហូតដល់គោលដៅនោះត្រូវបានបំពេញនោះអ្នកបើកបរនឹងបញ្ចប់ការងារតិចជាងមុននៅថ្ងៃដែលពួកគេរកប្រាក់បានច្រើន។ ឧទាហរណ៍ប្រសិនបើអ្នកជាអ្នករកចំណូលគោលដៅអ្នកអាចបញ្ចប់ការងារបាន 4 ម៉ោងក្នុងមួយថ្ងៃ (25 ដុល្លារក្នុងមួយម៉ោង) និង 5 ម៉ោងក្នុងថ្ងៃដ៏សែនអាក្រក់ (20 ដុល្លារក្នុងមួយម៉ោង) ។ ដូច្នេះតើអ្នកបើកបរធ្វើការច្រើនម៉ោងក្នុងមួយថ្ងៃដោយប្រាក់ឈ្នួលខ្ពស់ជាងមុន (ដូចដែលបានទាយដោយម៉ូដែល neoclassical) ឬច្រើនជាងម៉ោងប៉ុន្មានថ្ងៃដែលមានប្រាក់ឈ្នួលប្រចាំម៉ោងទាបជាងមុន (ដូចដែលបានព្យាករណ៍ដោយគំរូសេដ្ឋកិច្ចអាកប្បកិរិយា)?

ដើម្បីឆ្លើយតបនឹងសំណួរនេះលោកហ្វារើបានទទួលបានទិន្នន័យស្តីពីការធ្វើដំណើរតាមតាក់ស៊ីទាំងអស់ដែលត្រូវបានថតដោយឡានក្រុងញូវយ៉កពីឆ្នាំ 2009 ដល់ឆ្នាំ 2013 ដែលឥឡូវនេះទិន្នន័យដែលអាចរកបានជាសាធារណៈ។ ទិន្នន័យទាំងនេះដែលត្រូវបានប្រមូលដោយអេឡិចត្រូនិកដែលទីក្រុងតម្រូវឱ្យតាក់ស៊ីប្រើ - រួមបញ្ចូលព័ត៌មានអំពីការធ្វើដំណើរនីមួយៗ: ពេលវេលាចាប់ផ្តើមទីតាំងចាប់ផ្តើមចុងបញ្ចប់ទីតាំងបញ្ចប់ថ្លៃសំបុត្រធ្វើដំណើរនិងព័ត៌មានជំនួយ (ប្រសិនបើលុយត្រូវបានបង់ដោយប័ណ្ណឥណទាន) ។ ដោយប្រើទិន្នន័យមេតានេះលោកហ្វារបានរកឃើញថាអ្នកបើកបរភាគច្រើនធ្វើការច្រើននៅថ្ងៃដែលប្រាក់ឈ្នួលខ្ពស់ជាងស្របតាមទ្រឹស្តី neoclassical ។

បន្ថែមលើការរកឃើញដ៏សំខាន់នេះលោកហ្វារើអាចប្រើទំហំទិន្នន័យដើម្បីយល់ច្បាស់អំពីភាពមិនធម្មតានិងថាមពល។ គាត់បានរកឃើញថាយូរ ៗ ទៅអ្នកបើកបរថ្មី ៗ បានរៀនតិចតួចក្នុងការធ្វើការច្រើនម៉ោងនៅថ្ងៃធ្វើការខ្ពស់ (ឧទាហរណ៍ពួកគេរៀនធ្វើអាកប្បកិរិយាដូចជាគំរូព្យញ្ជនៈ Neoclassical) ។ ហើយអ្នកបើកបរថ្មីដែលមានឥរិយាបថដូចអ្នករកប្រាក់ចំណូលទំនងជាបោះបង់ចោលអ្នកបើកបរតាក់ស៊ី។ ទាំងពីរនៃការរកឃើញល្បិចបន្ថែមទៀតទាំងនេះដែលជួយពន្យល់ពីឥរិយាបថដែលបានសង្កេតឃើញនៃកម្មវិធីបញ្ជាបច្ចុប្បន្នគឺអាចធ្វើទៅបានតែដោយសារតែទំហំនៃសំណុំទិន្នន័យនេះ។ ពួកគេមិនអាចរកឃើញនៅក្នុងការសិក្សាមុន ៗ ដែលបានប្រើក្រដាសធ្វើដំណើរពីអ្នកបើកបរតាក់ស៊ីតិចតួចក្នុងរយៈពេលខ្លី (Camerer et al. 1997)

ការសិក្សារបស់ហ្វារៀនៅជិតសេណារីយ៉ូល្អបំផុតសម្រាប់ការស្រាវជ្រាវមួយដោយប្រើប្រភពទិន្នន័យធំព្រោះទិន្នន័យដែលប្រមូលបានដោយទីក្រុងនៅជិតនឹងទិន្នន័យដែលហ្វារបឺរប្រមូលបាន (ភាពខុសគ្នាមួយគឺថាហ្វារឺនឹងចង់បានទិន្នន័យសរុប ប្រាក់ឈ្នួល - បូកបូកគន្លឹះ - ប៉ុន្តែទិន្នន័យទីក្រុងរួមបញ្ចូលតែគន្លឹះដែលបង់ដោយប័ណ្ណឥណទាន) ។ ទោះជាយ៉ាងណាក៏ដោយទិន្នន័យតែមួយមិនគ្រប់គ្រាន់ទេ។ គន្លឹះនៃការស្រាវជ្រាវរបស់លោកហ្វារបបាននាំយកសំណួរគួរឱ្យចាប់អារម្មណ៍ទៅកាន់ទិន្នន័យដែលជាសំណួរដែលមានផលប៉ះពាល់ធំជាងនេះទៅទៀត។

ឧទាហរណ៏ទីពីរនៃការរាប់ពីការស្រាវជ្រាវគឺមកពីការស្រាវជ្រាវដោយ Gary King, Jennifer Pan និង Molly Roberts (2013) លើការត្រួតពិនិត្យតាមអ៊ីនធឺណែតដោយរដ្ឋាភិបាលចិន។ ទោះយ៉ាងណាក៏ដោយក្នុងករណីនេះក្រុមអ្នកស្រាវជ្រាវត្រូវតែប្រមូលទិន្នន័យធំ ៗ របស់ពួកគេហើយពួកគេត្រូវតែដោះស្រាយដោយការពិតដែលថាទិន្នន័យរបស់ពួកគេមិនពេញលេញ។

ព្រះមហាក្សត្រនិងសហសេវិកត្រូវបានជម្រុញដោយការពិតដែលថាការផ្សព្វផ្សាយប្រព័ន្ធផ្សព្វផ្សាយសង្គមនៅក្នុងប្រទេសចិនត្រូវបានត្រួតពិនិត្យដោយឧបករណ៍បរិយាកាសដ៏ធំសម្បើមមួយដែលត្រូវបានគេគិតថារាប់បញ្ចូលមនុស្សរាប់ពាន់នាក់។ ទោះយ៉ាងណាក៏ដោយក្រុមអ្នកស្រាវជ្រាវនិងប្រជាពលរដ្ឋមានអារម្មណ៍តិចតួចថាតើអ្នកត្រួតពិនិត្យទាំងនោះសម្រេចចិត្តថាតើមាតិកាគួរតែត្រូវបានលុបចោលយ៉ាងដូចម្តេច។ អ្នកប្រាជ្ញនៃប្រទេសចិនពិតជាមានការរំពឹងទុកខុសគ្នាអំពីប្រភេទនៃប្រកាសដែលទំនងជាត្រូវបានលុបចោល។ អ្នកខ្លះគិតថាអ្នកត្រួតពិនិត្យផ្តោតលើការប្រកាសដែលរិះគន់រដ្ឋខណៈអ្នកផ្សេងទៀតគិតថាពួកគេផ្តោតលើការបង្ហោះដែលលើកទឹកចិត្តឱ្យមានអាកប្បកិរិយាសមូហភាពដូចជាការតវ៉ាជាដើម។ ការស្វែងយល់ថាតើការរំពឹងទុកទាំងនេះត្រឹមត្រូវមានផលប៉ះពាល់ដល់របៀបដែលអ្នកស្រាវជ្រាវយល់ដឹងអំពីប្រទេសចិននិងរដ្ឋាភិបាលផ្តាច់ការដទៃទៀតដែលចូលរួមនៅក្នុងការត្រួតពិនិត្យ។ ដូច្នេះស្តេចនិងសហសេវិកចង់ប្រៀបធៀបប្រកាសដែលត្រូវបានបោះផ្សាយនិងត្រូវបានលុបជាបន្តបន្ទាប់ដោយប្រកាសដែលត្រូវបានបោះពុម្ពនិងមិនដែលត្រូវបានលុបចោល។

ការប្រមូលការប្រកាសទាំងនេះពាក់ព័ន្ធនឹងការកោតសរសើរវិស្វកម្មអស្ចារ្យនៃការវារគេហទំព័រប្រព័ន្ធផ្សព្វផ្សាយសង្គមរបស់ប្រទេសចិនជារៀងរាល់ច្រើនជាង 1.000 នាក់ជាមួយនឹងទំព័រផ្សេងគ្នាស្វែងរកការប្រកាសប្លង់ពាក់ព័ន្ធនិងបន្ទាប់មក revisiting ការប្រកាសទាំងនេះដើម្បីមើលឃើញដែលត្រូវបានគេលុបចេញទៅវិញ។ ក្រៅពីបញ្ហាវិស្វកម្មធម្មតាបានផ្សារភ្ជាប់ជាមួយនឹងបណ្តាញខ្នាតធំលុន, គម្រោងនេះបានបន្ថែមទៀតថាបញ្ហាប្រឈមដែលវាត្រូវការដើម្បីជាការបានយ៉ាងឆាប់រហ័សដោយសារតែការប្រកាសយ៉ាងខ្លាំងជាច្រើនដែលត្រូវបានគេយកពិនិត្យចាប់ពិរុទ្ធចុះនៅក្នុងតិចជាង 24 ម៉ោង។ នៅក្នុងពាក្យផ្សេងទៀតដែលជា crawler យឺតនឹងនឹកជាច្រើននៃការប្រកាសដែលត្រូវបានពិនិត្យចាប់ពិរុទ្ធ។ លើសពីនេះទៀតកម្មវិធីប្រមូលបានដើម្បីធ្វើការប្រមូលទិន្នន័យទាំងអស់នេះខណៈពេលដែលមិនបង់ការរកឃើញក្រែងលោវេបសាយប្រព័ន្ធផ្សព្វផ្សាយសង្គមឬបើមិនដូច្នេះទេការចូលដំណើរការរារាំងការផ្លាស់ប្តូរគោលនយោបាយរបស់ខ្លួនក្នុងការឆ្លើយតបទៅនឹងការសិក្សានេះ។

នៅពេលដែលភារកិច្ចវិស្វកម្មដ៏ធំនេះត្រូវបានបញ្ចប់ព្រះមហាក្សត្រនិងសហសេវិកបានទទួលប្រកាសប្រមាណ 11 លានក្បាលលើប្រធានបទចំនួន 85 ខុសៗគ្នាដែលបានកំណត់ដោយកម្រិតនៃភាពប្រែប្រួល។ ឧទាហរណ៏, ប្រធានបទនៃការប្រែលប្រួលខ្ពស់មួយគឺលោក Ai Weiwei, វិចិត្រករការបំភ្លឺ។ ប្រធានបទនៃការប្រែប្រួលមធ្យមគឺជាការវាយតំលៃនិងការធ្លាក់ចុះនៃរូបិយប័ណ្ណចិនហើយប្រធានបទនៃភាពប្រែប្រួលទាបគឺការប្រកួត World Cup ។ ក្នុងចំណោមប្រកាសទាំង 11 លាននេះប្រហែល 2 លាននាក់ត្រូវបានគេត្រួតពិនិត្យ។ អ្វីដែលគួរឱ្យភ្ញាក់ផ្អើលនោះគឺព្រះមហាក្សត្រនិងសហសេវិកបានរកឃើញថាអត្ថបទលើប្រធានបទដែលមានភាពរសើបខ្លាំងត្រូវបានគេត្រួតពិនិត្យតែបន្តិចបន្តួចប៉ុណ្ណោះ។ និយាយម្យ៉ាងទៀតអ្នករិះគន់ជនជាតិចិនទំនងជានឹងពិនិត្យមើលអត្ថបទមួយដែលលើកឡើងពីលោក Ai Weiwei ជាអ្នកដែលនិយាយអំពីការប្រកួតបាល់ទាត់ពិភពលោក។ ការរកឃើញទាំងនេះមិនគាំទ្រគំនិតដែលរដ្ឋាភិបាលរិះគន់គ្រប់អត្ថបទទាំងអស់លើប្រធានបទដែលរសើបទេ។

ទោះយ៉ាងណាក៏ដោយការគណនាសាមញ្ញនៃអត្រាត្រួតពិនិត្យដោយប្រធានបទអាចជាការភ័ន្តច្រឡំ។ ឧទាហរណ៍រដ្ឋាភិបាលអាចនឹងពិនិត្យមើលប្រកាសដែលគាំទ្រលោក Ai Weiwei ប៉ុន្តែទុកឱ្យប្រកាសដែលរិះគន់គាត់។ ដើម្បីបែងចែករវាងការសរសេរដោយប្រុងប្រយ័ត្នក្រុមអ្នកស្រាវជ្រាវត្រូវវាស់វែង អារម្មណ៍ របស់ប៉ុស្តិ៍នីមួយៗ។ ជាអកុសលទោះបីជាការងារច្រើនក៏ដោយវិធីសាស្ត្រស្វ័យប្រវត្តិនៃការរកឃើញមនោសញ្ចេតនាដោយប្រើវចនានុក្រមដែលមានស្រាប់គឺនៅតែមិនល្អប្រសើរក្នុងស្ថានភាពជាច្រើន (គិតទៅរកបញ្ហាដែលបង្កើតពេលវេលាកំណត់អារម្មណ៍នៃថ្ងៃទី 11 ខែកញ្ញាឆ្នាំ 2001 ដែលបានពិពណ៌នានៅក្នុងផ្នែក 2.3.9) ។ ដូច្នេះព្រះមហាក្សត្រនិងសហសេវិកត្រូវការវិធីមួយដើម្បីដាក់ស្លាកបណ្តាញសង្គមចំនួន 11 លានក្បាលរបស់ខ្លួនថាតើពួកគេ (1) រិះគន់រដ្ឋ (2) គាំទ្ររដ្ឋឬ (3) មិនពាក់ព័ន្ធឬរបាយការណ៍ពិតអំពីព្រឹត្តិការណ៍។ នេះស្ដាប់ទៅដូចជាការងារដ៏ធំមួយប៉ុន្តែពួកគេបានដោះស្រាយវាដោយប្រើល្បិចដ៏មានអានុភាពដែលមានជាទូទៅនៅក្នុងវិទ្យាសាស្រ្តទិន្នន័យប៉ុន្តែកម្រមានវិទ្យាសាស្រ្តសង្គម: ការសិក្សាដែលមានការត្រួតពិនិត្យ ។ សូមមើលរូប 2.5 ។

ទីមួយនៅក្នុងជំហានមួយដែលគេហៅថា ដំណើរការ មុនគេអ្នកស្រាវជ្រាវបានបម្លែងប្រកាសប្រព័ន្ធផ្សព្វផ្សាយសង្គមទៅជា ម៉ាទ្រីសរយៈពេលឯកសារ ដែលមានជួរដេកសម្រាប់ឯកសារនីមួយៗនិងជួរឈរមួយដែលកត់ត្រាថាតើប្រកាសមានពាក្យជាក់លាក់ (ឧទាហរណ៍ការតវ៉ាឬចរាចរណ៍) ។ បន្ទាប់ក្រុមជំនួយការស្រាវជ្រាវមួយក្រុមបានសរសេរដោយដៃនូវការយល់ឃើញនៃអារម្មណ៍នៃសំណេរ។ បន្ទាប់មកពួកគេបានប្រើទិន្នន័យដែលបានដាក់ស្លាកដៃនេះដើម្បីបង្កើតគំរូរៀនម៉ាស៊ីនដែលអាចបង្ហាញពីអារម្មណ៍នៃការប្រកាសដោយផ្អែកលើលក្ខណៈរបស់វា។ នៅទីបំផុតពួកគេបានប្រើគំរូនេះដើម្បីប៉ាន់ប្រមាណអារម្មណ៍របស់ 11 លាននាក់។

ដូច្នេះជាជាងការអានដោយដៃនិងការដាក់ស្លាកស្នាមចំនួន 11 លានក្បាលដែលមិនអាចទៅរួចនោះទេស្ដេចនិងសហសេវិកបានដាក់ស្លាកដោយដៃនូវចំនួនបង្គោលតូចៗហើយបន្ទាប់មកប្រើការរៀនត្រួតត្រាដើម្បីប៉ាន់ប្រមាណអារម្មណ៍នៃការប្រកាសទាំងអស់។ បន្ទាប់ពីបានបញ្ចប់ការវិភាគនេះពួកគេអាចសន្និដ្ឋានបានថាគួរឱ្យភ្ញាក់ផ្អើលមួយប្រហែលថាការប្រកាសត្រូវបានលុបចោលគឺមិនទាក់ទងនឹងថាតើវាមានសារៈសំខាន់ដល់រដ្ឋឬក៏គាំទ្ររដ្ឋនោះទេ។

រូបភាពទី 2.5: គ្រោងការណ៍សាមញ្ញនៃនីតិវិធីដែលត្រូវបានប្រើដោយស្តេចប៉ាន់និង Roberts (ឆ្នាំ 2013) ដើម្បីប៉ាន់ប្រមាណអារម្មណ៍នៃការបង្ហោះប្រព័ន្ធផ្សព្វផ្សាយសង្គមរបស់ចិនចំនួន 11 លាន។ ដំបូងក្នុងជំហានមុនអ្នកស្រាវជ្រាវបានប្តូរប្រព័ន្ធផ្សព្វផ្សាយសង្គមទៅជាម៉ាទ្រីសក្នុងរយៈពេលឯកសារ (សូមមើល Grimmer និង Stewart (2013) សម្រាប់ព័ត៌មានបន្ថែម) ។ ទីពីរពួកគេបានសរសេរកូដផ្ទាល់នូវអារម្មណ៍នៃសំណេរគំរូតូចៗ។ ទីបីពួកគេបានទទួលការបណ្ដុះបណ្ដាលពីគំរូសិក្សាដែលត្រូវបានត្រួតពិនិត្យដើម្បីចាត់ថ្នាក់អារម្មណ៍នៃការប្រកាស។ ទីបួនពួកគេប្រើគំរូសិក្សាដែលបានត្រួតពិនិត្យដើម្បីប៉ាន់ប្រមាណអារម្មណ៍នៃការប្រកាសទាំងអស់។ សូមមើលស្តេចផាននិងរ៉ូប៊ើតស៍ (2013) ឧបសម្ព័ន្ធ B សម្រាប់សេចក្ដីពណ៌នាលម្អិតបន្ថែមទៀត។

រូបភាពទី 2.5: គ្រោងការណ៍សាមញ្ញនៃនីតិវិធីដែលត្រូវបានប្រើដោយ King, Pan, and Roberts (2013) ដើម្បីប៉ាន់ប្រមាណអារម្មណ៍នៃការបង្ហោះប្រព័ន្ធផ្សព្វផ្សាយសង្គមរបស់ចិនចំនួន 11 លាន។ ដំបូងក្នុងជំហាន មុន អ្នកស្រាវជ្រាវបានប្តូរប្រព័ន្ធផ្សព្វផ្សាយសង្គមទៅជា ម៉ាទ្រីសក្នុងរយៈពេលឯកសារ (សូមមើល Grimmer and Stewart (2013) សម្រាប់ព័ត៌មានបន្ថែម) ។ ទីពីរពួកគេបានសរសេរកូដផ្ទាល់នូវអារម្មណ៍នៃសំណេរគំរូតូចៗ។ ទីបីពួកគេបានទទួលការបណ្ដុះបណ្ដាលពីគំរូសិក្សាដែលត្រូវបានត្រួតពិនិត្យដើម្បីចាត់ថ្នាក់អារម្មណ៍នៃការប្រកាស។ ទីបួនពួកគេប្រើគំរូសិក្សាដែលបានត្រួតពិនិត្យដើម្បីប៉ាន់ប្រមាណអារម្មណ៍នៃការប្រកាសទាំងអស់។ សូមមើល King, Pan, and Roberts (2013) ឧបសម្ព័ន្ធ B សម្រាប់សេចក្ដីពណ៌នាលម្អិតបន្ថែមទៀត។

ចុងបញ្ចប់ព្រះមហាក្សត្រនិងសហសេវិកបានរកឃើញថាមានការរិះគន់ជាទៀងទាត់តែបីប្រភេទប៉ុណ្ណោះគឺការមើលរូបអាសអាភាសការរិះគន់ពីអ្នកត្រួតពិនិត្យនិងអ្នកដែលមានសក្តានុពលសកម្មភាពសមូហភាព (ឧ។ លទ្ធភាពនៃការធ្វើបាតុកម្មទ្រង់ទ្រាយធំ) ។ ដោយការសង្កេតមើលចំនួនប្រកាសធំ ៗ ដែលត្រូវបានលុបហើយប្រកាសដែលមិនត្រូវបានលុបចោលព្រះមហាក្សត្រនិងសហការីអាចរៀនពីរបៀបដែលក្រុមអ្នកត្រួតពិនិត្យធ្វើការដោយការមើលនិងការរាប់។ លើសពីនេះទៀតដែលបង្ហាញពីប្រធានបទដែលនឹងកើតមានឡើងនៅក្នុងសៀវភៅនេះវិធីសាស្រ្តសិក្សាដែលបានត្រួតពិនិត្យដែលពួកគេបានប្រើ - ដាក់ស្លាកសញ្ញាលទ្ធផលមួយចំនួនហើយបន្ទាប់មកបង្កើតគំរូរៀនម៉ាស៊ីនដើម្បីដាក់ស្លាកសញ្ញាដែលនៅសេសសល់គឺជារឿងធម្មតានៅក្នុងការស្រាវជ្រាវសង្គមនៅអាយុឌីជីថល។ ។ អ្នកនឹងឃើញរូបភាពស្រដៀងគ្នានឹងរូបភាពទី 2.5 នៅក្នុងជំពូក 3 (ការសួរសំណួរ) និង 5 (បង្កើតការសហការដ៏ធំ) ។ នេះគឺជាគំនិតមួយក្នុងចំណោមគំនិតមួយចំនួនដែលលេចឡើងក្នុងជំពូកច្រើន។

ឧទាហរណ៏ទាំងនេះឥរិយាបថការងាររបស់អ្នកបើកបរតាក់ស៊ីនៅញូវយ៉កនិងឥរិយាបថត្រួតពិនិត្យប្រព័ន្ធផ្សព្វផ្សាយសង្គមរបស់រដ្ឋាភិបាលចិនបង្ហាញថាការរាប់សន្លឹកទិន្នន័យដ៏ធំងាយស្រួលក្នុងស្ថានភាពខ្លះនាំឱ្យមានការស្រាវជ្រាវដ៏សំខាន់និងគួរឱ្យចាប់អារម្មណ៍។ ទោះយ៉ាងណាក៏ដោយក្នុងករណីទាំងពីរអ្នកស្រាវជ្រាវត្រូវយកសំណួរគួរអោយចាប់អារម្មណ៍ទៅប្រភពទិន្នន័យធំ។ ទិន្នន័យដោយខ្លួនឯងគឺមិនគ្រប់គ្រាន់ទេ។