3.3 D'total Ëmfro Feeler Kader

Total Ëmfro Feeler = Representatioun Feeler + Miessung Feeler.

Schätzungen déi aus Probe-Ëmfroen kommen, sinn oft onméiglech. Dat ass normalerweis en Ënnerscheed tëscht der Schätzung vun engem Probeeruewerung (z. B. der geschätzten duerchschnëttlecher Héicht vun de Schüler an enger Schoul) an dem echte Wäert vun der Bevëlkerung (zB déi aktuell Moyenne vun de Schüler an enger Schoul). Heiansdo sinn dës Feeler esou kleng datt se net wichteg sinn, mä heiansdo leider, si kënnen grouss an konsequent sinn. An e Versuch d'Verstoen ze versteeden, ze mësséieren an ze reduzéieren, hunn d'Fuerscher graduell e klengen konzeptuellen Kader fir d'Fehler virgestallt, déi an de Stierfproblemer entstoen kënnen: de totale Summerservéierungsrahmen (Groves and Lyberg 2010) . Obwuel d'Entwécklung vun dësem Kader agefouert an de 1940er Joren, denke mir, et bréngt eis zwee nëtzlech Iddien fir Ëmfro-Forschung am Digital Alter.

Éischtens den totale Ëmfroossfehlerkader kloer ze klären datt et zwee Arten vu Feeler ass: Viraussetzung a Varianz . Ongewëss, vläicht ass systematesch Fehler a Varianz ass Zoufall. An anere Wierder, sech virstellen datt 1000 Replikatiounen vun der selweschter Stierfbefuegung ausféieren an duerno d'Verdeelung vun de Schätzungen vun dësen 1.000 Replikatiounen. D'Verschlechterung ass den Ënnerscheed tëscht dem mëttleree vun dëse Réplicatschätzungen an dem echte Wäert. D'Varianz ass d'Variabilitéit vun dëse Schätzungen. All aner sinn egal, mir wëllen eng Prozedur ouni Viraussiicht a kleng Varianz. Leider, fir vill echte Probleemer, sou Nopiedelen, kleng Varianzprozeduren existéieren net, déi d'Fuerscher an der schwiereger Positioun décidéieren, wéi d'Schwieregkeete vu Schwieregkeeten a Varianz agefouert gëtt. E puer Fuerscher hunn anstinktiv onparteilech Prozeduren ze léiwer, awer e klenge Fokus op Viraussetzung kann e Feeler sinn. Wann d'Ziel ass eng Schätzung ze produzéiren déi esou no an d'Wahrheet (dh mat dem klengste méiglecher Fehler) ass, da sidd Dir besser mat enger Prozedur déi e klengt Viraussiicht an eng kleng Varianz wéi mat engem net wäit ewech, mee huet eng grouss Varianz (Bild 3.1). Anescht ausgedréckt, de totale Ëmfroossfehlerkrièlement weist, datt wann d'Evaluatioun vun de Fuerschungsforschung evaluéiert, sollt Dir och d' Viraussetzung a Varianz betraffen.

Figure 3.1: Verschlechterung a Varianz. Idealerweis wäerten d'Fuerscher eng No-Viraussiicht hunn, kleng Varianz-Schätzungsprozedur. An Wierklechkeet mussen se oft Décisiounen huelen, déi een Handelsofstand tëschent Viraussetzung a Varianz schafen. Obwuel verschidde Fuerscher Instinktiv onparteilech Approche verbesseren, heiansdo e klengt Viraussetzung, kleng Varianzprozedur kann méi genau wéi méiglech e Varianz produzéieren.

Figure 3.1: Verschlechterung a Varianz. Idealerweis wäerten d'Fuerscher eng No-Viraussiicht hunn, kleng Varianz-Schätzungsprozedur. An Wierklechkeet mussen se oft Décisiounen huelen, déi een Handelsofstand tëschent Viraussetzung a Varianz schafen. Obwuel verschidde Fuerscher Instinktiv onparteilech Approche verbesseren, heiansdo e klengt Viraussetzung, kleng Varianzprozedur kann méi genau wéi méiglech e Varianz produzéieren.

Deen zweet Haaptinspektioun vum Gesamtumféierungsfehler-Framework, deen vill vun dësem Kapitel organiséiert, ass datt et zwou Quelle vu Feeler besteet: Probleemer mat der Dir mat ( Repräsentatioun ) schwätzt an Problemer mat der Saach vu dëse Gespréicher ( Mesur ). Zum Beispill, Dir kënnt interesséiert sinn d'Haltung vu Privatsphärwäit iwwer Erwuessener an Frankräich anzeschätzen. D'Schätzung vun dëse Schätzungen erfuerderlech zwou verschidde Typen vun Inferenz. Als éischt, aus den Äntwerten déi d'Interviewten erlaaben, musst Dir hir Haltung iwwer Online Privatsphär schafen (wat e Problem vun der Messung ass). Zweetens, vun de verfaalen Attituden tëscht den Interviewten, musst Dir d'Haltung vun der Populatioun als Ganzt schafen (wat e Problem vun enger Representatioun ass). Duerch perfekt Mesure mat béisen Ëmfroen Froen produzéiere schlecht Schätzungen, wéi och schlecht probéieren ech mat perfekten Ëmfroen Froen. An anere Wierder, gudde Schätz erfordert fundéiert Approche fir d'Messung an d' Representatioun. An dësem Background gëtt ech iwwerpréift wéi d'Ëmfro Wessenschaftler iwwer d'Representatioun an d'Mesure an der Vergaangenheet geduecht hunn. Duerno gesinn ech, wéi Iddien iwwer d'Representatioun an d'Messung d'Analyse vun der Analyse vun der digitaler Alzette ka leeden.