3.1 ആമുഖം

ഡോൾഫിനുകളെക്കുറിച്ച് പഠിക്കുന്ന ഗവേഷകർ, ചോദ്യം ചോദിക്കാൻ പാടില്ല, അതിനാൽ അവരുടെ പെരുമാറ്റം നിരീക്ഷിച്ചാൽ ഡോൾഫിനുകളെക്കുറിച്ച് പഠിക്കാൻ നിർബന്ധിതരാകും. മനുഷ്യരെ പഠിക്കുന്ന ഗവേഷകർ കൂടുതൽ ലളിതമായി മനസ്സിലാക്കുന്നു: അവരുടെ പ്രതികരിക്കാം. ജനങ്ങളുമായി സംസാരിക്കുന്നത് കഴിഞ്ഞ കാലത്തെ സാമൂഹ്യ ഗവേഷണത്തിന്റെ ഒരു സുപ്രധാന ഭാഗമായിരുന്നു. ഭാവിയിലും ഇത് തുടരുമെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു.

സാമൂഹ്യ ഗവേഷണത്തിൽ, ആളുകളുമായി സംസാരിക്കുന്നത് സാധാരണയായി രണ്ട് രൂപങ്ങൾ എടുക്കുന്നു: സർവേകളും ആഴത്തിലുള്ള അഭിമുഖങ്ങളും. ഏതാണ്ട്, സർവേകൾ ഉപയോഗിച്ച് നടത്തിയ ഗവേഷണം, വളരെയധികം പങ്കാളികൾ, വളരെ ഘടനാപരമായ ചോദ്യാവ്യികൾ, പങ്കെടുക്കുന്നവരിൽ നിന്നും ഒരു വലിയ ജനസംഖ്യയിലേക്ക് തരംതിരിക്കാനുള്ള സ്റ്റാറ്റിസ്റ്റിക്കൽ രീതികൾ എന്നിവയെ ക്രമീകരിക്കുന്നു. ആഴത്തിൽ അഭിമുഖം നടത്തുന്ന ഗവേഷണം, മറുവശത്ത്, പങ്കെടുക്കുന്നവരുടെ ചുരുക്കപ്പട്ടിക, സെമി-സ്ട്രക്ചർ സംഭാഷണങ്ങൾ, ഫലങ്ങളുടെ സമഗ്രമായ വിവരണം എന്നിവയിൽ സാധാരണയായി ഉൾപ്പെടുന്നു. സർവേകളും ആഴത്തിലുള്ള അഭിമുഖങ്ങളും ശക്തമായ സമീപനങ്ങളാണ്. എന്നാൽ അനലോഗ് മുതൽ ഡിജിറ്റൽ യുഗത്തിലേക്കുള്ള പരിവർത്തനത്തിലൂടെ സർവേകൾ കൂടുതൽ കൂടുതൽ സ്വാധീനിക്കപ്പെടുന്നു. അതിനാൽ, ഈ അധ്യായത്തിൽ സർവ്വേ ഗവേഷണത്തിൽ ഞാൻ ശ്രദ്ധ കേന്ദ്രീകരിക്കും.

ഈ അദ്ധ്യായത്തിൽ ഞാൻ കാണിക്കുന്പോൾ, ഡിജിറ്റൽ യുഗം സർവേ ഗവേഷകർക്ക് കൂടുതൽ വേഗതയും വിലകുറഞ്ഞ വിവരങ്ങളും ശേഖരിക്കാനും വിവിധ തരത്തിലുള്ള ചോദ്യങ്ങൾ ചോദിക്കാനും വലിയ ഡാറ്റ ഉറവിടങ്ങൾ ഉപയോഗിച്ച് സർവേ ഡേറ്റയുടെ വലുപ്പം വർദ്ധിപ്പിക്കാനും നിരവധി അവസരങ്ങൾ സൃഷ്ടിക്കുന്നു. സർവേ ഗവേഷണം ഒരു സാങ്കേതിക മാറ്റത്തിലൂടെ രൂപാന്തരപ്പെടുത്തുമെന്ന ആശയം പുതിയതല്ല. 1970 ലുണ്ടായ സമാനമായ ഒരു മാറ്റം മറ്റൊരു ആശയവിനിമയ സാങ്കേതികവിദ്യയിലൂടെയാണ്: ടെലഫോൺ. ഭാഗ്യവശാൽ, ടെലിഫോൺ എങ്ങനെ സർവേ ഗവേഷണത്തിനില്ല എന്നതിനെ മനസ്സിലാക്കുന്നത് ഡിജിറ്റൽ പ്രായം സർവേ ഗവേഷണത്തെ എങ്ങനെ മാറ്റും എന്ന് ഊഹിച്ചെടുക്കാൻ നമ്മെ സഹായിക്കുന്നു.

1930 കളിൽ ആരംഭിച്ച സർവ്വേ ഗവേഷണങ്ങളിൽ ഇന്ന് നമുക്ക് തിരിച്ചറിഞ്ഞിട്ടുണ്ട്. ഗവേഷണ ഗവേഷണത്തിന്റെ ആദ്യ യുഗത്തിലെ ഗവേഷകർ ഭൂമിശാസ്ത്രപരമായ സ്ഥലങ്ങൾ (നഗര ബ്ലോക്കുകൾ പോലെയുള്ള) മാതൃകാപരമായി ഉപയോഗിക്കുകയും തുടർന്ന് ക്രമരഹിതമായി സാമ്പിൾ കുടുംബങ്ങളിലെ ആളുകളുമായി മുഖാമുഖ സംഭാഷണങ്ങൾ നടത്താൻ ആ പ്രദേശങ്ങളിലേക്ക് യാത്ര ചെയ്യുകയും ചെയ്യും. പിന്നീട്, സാങ്കേതികവിദ്യയുടെ വികസനം-സമ്പന്ന രാജ്യങ്ങളിലെ ലാൻഡ്ലൈൻ ഫോണുകളുടെ വ്യാപകമായ വ്യാപനം-പിന്നീട് സർവേ ഗവേഷണത്തിന്റെ രണ്ടാം യുഗത്തിലേക്ക് നയിച്ചു. ജനങ്ങൾ പരിശോധിക്കപ്പെട്ടത് എങ്ങനെ, സംഭാഷണങ്ങൾ നടക്കുന്നതിനിടയിൽ ഈ രണ്ടാമത്തെ വ്യത്യാസം വ്യത്യസ്തമാണ്. ഭൂമിശാസ്ത്രപരമായ മേഖലകളിൽ സാമ്പിൾ ചെയ്യുന്നതിനുപകരം രണ്ടാമത്തെ യുഗത്തിൽ, ഗവേഷകർ അപരിചിതമായ അക്ക നമ്പർ എന്ന് വിളിക്കുന്ന ഒരു പ്രക്രിയയിൽ ടെലഫോൺ നമ്പറുകൾ പരിശോധിക്കുകയുണ്ടായി. ജനങ്ങളോട് സംസാരിക്കാൻ യാത്രചെയ്യുന്നതിനേക്കാളുമേ ഗവേഷകർ അതിനെ ടെലിഫോണിൽ വിളിച്ചത്. ഇവ ചെറിയ ലോജിസ്റ്റിക്കൽ മാറ്റങ്ങൾ പോലെ തോന്നിയേക്കാം, എങ്കിലും അവർ സർവേ ഗവേഷണം വേഗമേറിയതും, വിലകുറഞ്ഞതും കൂടുതൽ വഴങ്ങുന്നതും ആയിരുന്നു. ശാക്തീകരിക്കൽ കൂടാതെ, ഈ മാറ്റങ്ങളും വിവാദപരമായിരുന്നു. ഈ പുതിയ സാംക്രമികതയും ഇന്റർവ്യൂ പ്രക്രിയയും വിവിധ തരത്തിലുള്ള പക്ഷപാതങ്ങൾ അവതരിപ്പിക്കുമെന്ന് പല ഗവേഷകരും ആശങ്ക പ്രകടിപ്പിച്ചിരുന്നു. എന്നാൽ ഒടുവിൽ, ഒട്ടേറെ ജോലികൾ കഴിഞ്ഞപ്പോൾ, കൃത്യമായും ഡാറ്റ ഡയൽ ചെയ്യൽ, ടെലിഫോൺ അഭിമുഖങ്ങൾ എന്നിവ ഉപയോഗിച്ച് ഡാറ്റ കൃത്യമായി എങ്ങനെ ശേഖരിക്കണം എന്ന് ഗവേഷകർ കണ്ടെത്തി. അങ്ങനെ, സമൂഹത്തിന്റെ സാങ്കേതിക ഘടനയെ വിജയകരമായി എങ്ങനെ പ്രയോജനപ്പെടുത്താമെന്ന് മനസ്സിലാക്കുന്നതിലൂടെ ഗവേഷണ ഗവേഷകർ എങ്ങനെ ഗവേഷണ ഗവേഷണത്തെ ആധുനികവൽക്കരിക്കാൻ കഴിഞ്ഞു.

ഇപ്പോൾ, മറ്റൊരു സാങ്കേതിക വികാസവും - ഡിജിറ്റൽ യുഗം - ഒടുവിൽ നമ്മെ സർവേ ഗവേഷണത്തിന്റെ മൂന്നാമത്തെ യുഗത്തിലേക്കു നയിക്കും. ഈ പരിവർത്തനം രണ്ടാംഘട്ട യുഗങ്ങൾ (BD Meyer, Mok, and Sullivan 2015) എന്നിവയുടെ ക്രമേണ ശോഷണം (BD Meyer, Mok, and Sullivan 2015) . ഉദാഹരണത്തിന്, വിവിധ സാങ്കേതിക-സാമൂഹിക കാരണങ്ങളാൽ നോൺ റേഷൻസ് നിരക്കുകൾ - സർവേകളിൽ പങ്കെടുക്കാത്ത സാമ്പത്തീകരുടെ അനുപാതം വർഷങ്ങളായി വർദ്ധിക്കുകയാണ് (National Research Council 2013) . ഈ ദീർഘകാല ട്രെൻഡുകൾ അർത്ഥമാക്കുന്നത് നോൺ റീസസ് റേറ്റ് ഇപ്പോൾ സ്റ്റാൻഡേർഡ് ടെലിഫോൺ സർവേകളിൽ 90% കവിയും (Kohut et al. 2012) .

മറുവശത്ത്, മൂന്നാമത്തെ യുഗത്തിലേക്കുള്ള പരിവർത്തനം ഭാഗികമായോ പുതിയ അവസരങ്ങളിലൂടെ കടന്നുപോകുന്നുണ്ട്, അവയിൽ ചിലത് ഞാൻ ഈ അധ്യായത്തിൽ വിശദീകരിക്കാം. കാര്യങ്ങൾ ഇനിയും പരിഹരിക്കപ്പെട്ടിട്ടില്ലെങ്കിലും, സർവേ ഗവേഷണത്തിന്റെ മൂന്നാമത്തെ യുഗം നോൺ-പ്രോബബിലിറ്റി സാംപ്ലിങ്, കംപ്യൂട്ടർ-അഡ്മിനിസ്ട്രേറ്റഡ് ഇൻറർവ്യൂകൾ, വലിയ ഡാറ്റ ഉറവിടങ്ങളിലേക്ക് സർവ്വേകൾ (പട്ടിക 3.1) എന്നിവ ഉൾക്കൊള്ളുന്നുവെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു.

പട്ടിക 3.1: സർവ്വേ ഗവേഷണത്തെ അടിസ്ഥാനമാക്കിയുള്ള മൂന്ന് കാലങ്ങൾ Groves (2011)
സാംപ്ളിംഗ് അഭിമുഖം ഡാറ്റ പരിസ്ഥിതി
ഒന്നാം യുഗം ഏരിയ പ്രോബബിലിറ്റി സാംപ്ലിംഗ് മുഖാമുഖം ഒറ്റയ്ക്കായി നിൽക്കുന്ന സർവ്വേകൾ
രണ്ടാം യുഗം റാൻഡം-അക്ക ഡയലിങ് (RDD) പ്രോബബിലിറ്റി സാംപ്ലിംഗ് ടെലിഫോണ് ഒറ്റയ്ക്കായി നിൽക്കുന്ന സർവ്വേകൾ
മൂന്നാം യുഗം നോൺ പ്രോബബിലിറ്റി സാംപ്ലിംഗ് കമ്പ്യൂട്ടർ നിയന്ത്രിച്ചിരിക്കുന്നു വലിയ ഡാറ്റാ ഉറവിടങ്ങളുമായി ബന്ധപ്പെട്ട സർവേകൾ

സർവ്വേ ഗവേഷണത്തിന്റെ രണ്ടാം, മൂന്നാമത്തെ കാലഘട്ടങ്ങൾ തമ്മിലുള്ള പരിവർത്തന പൂർണമായും സുഗമമല്ല. ഗവേഷകർ എങ്ങനെ മുന്നോട്ടുപോകണം എന്നതു സംബന്ധിച്ച് ശക്തമായ സംവാദങ്ങൾ നടന്നിട്ടുണ്ട്. ഒന്നാമത്തേതും രണ്ടാം കാലഘട്ടങ്ങളിലേക്കുമുള്ള പരിവർത്തനത്തെ വീണ്ടും നോക്കി, ഇപ്പോൾ നമുക്ക് ഒരു പ്രധാന ഉൾക്കാഴ്ചയുണ്ടെന്ന് തോന്നുന്നു: ആരംഭം അവസാനമല്ല . അതായത്, ആദ്യകാല രണ്ടാം ടെലഫോൺ അധിഷ്ഠിത രീതികൾ ആഡംബരവുമായിരുന്നു, വളരെ നന്നായി പ്രവർത്തിച്ചില്ല. എന്നാൽ കഠിനാധ്വാനത്തിലൂടെ ഗവേഷകർ ഈ പ്രശ്നങ്ങൾ പരിഹരിച്ചു. ഉദാഹരണത്തിന്, വാറൻ മിറ്റോഫ്സ്കി, ജോസഫ് വെക്സ്ബെർഗ് എന്നിവർ പ്രായോഗികവും സൈദ്ധാന്തികവുമായ സ്വഭാവം (Waksberg 1978; ??? ) ഒരു ക്രമരഹിത-അക്ക ഡയലിംഗ് സാംപ്ലിംഗ് രീതി വികസിപ്പിച്ചതിന് നിരവധി വർഷം മുമ്പ് ഗവേഷകർ കൃത്യമായി ഡിജിറ്റൽ ഡയൽ (Waksberg 1978; ??? ) . അതിനാൽ, നമ്മുടെ മൂന്നാം കാലഘട്ട സമീപനത്തെ അവരുടെ അന്തിമ ഫലങ്ങളുമായി ബന്ധപ്പെടുത്തി നാം ആശയക്കുഴപ്പത്തിലാക്കരുത്.

സാങ്കേതികവിദ്യയിലും സമൂഹത്തിലുമുള്ള മാറ്റങ്ങളാൽ നയിക്കപ്പെടുന്ന ഫീൽഡ് പുരോഗമിക്കുന്നുവെന്നാണ് സർവേ ഗവേഷണത്തിന്റെ ചരിത്രം വ്യക്തമാക്കുന്നത്. പരിണാമം നിർത്താൻ ഒരു വഴിയുമില്ല. മറിച്ച്, നാം മുൻകാലങ്ങളിൽ നിന്ന് ജ്ഞാനം നേടുമ്പോൾ തുടർന്നു, ഈ അധ്യായത്തിൽ ഞാൻ സ്വീകരിക്കുന്ന സമീപനമാണ്. ഒന്നാമതായി, വലിയ ഡാറ്റാ സ്രോതസ്സുകൾ സർവേകൾ മാറ്റി പകരം വലിയ ഡാറ്റാ സ്രോതസ്സുകളുടെ സമൃദ്ധി വർധിപ്പിക്കുമെന്ന് ഞാൻ വാദിക്കുന്നു, അത് കുറയുന്നില്ല-സർവേകളുടെ മൂല്യം (ഭാഗം 3.2). ഈ പ്രചോദനം ഞാൻ സർവേ ഗവേഷണത്തിന്റെ ആദ്യ രണ്ടു കാലഘട്ടങ്ങളിൽ വികസിപ്പിച്ച മൊത്തം സർവ്വേ തെറ്റ് ചട്ടക്കൂടിനെ (സെക്ഷൻ 3.3) സംഗ്രഹിക്കുന്നു. ഈ ചട്ടക്കൂട് പ്രാതിനിധ്യത്തിന് പുതിയ സമീപനങ്ങൾ മനസിലാക്കാൻ ഞങ്ങളെ പ്രാപ്തമാക്കുന്നു - പ്രത്യേകിച്ച് നോൺ പ്രോബബിലിറ്റി സാമ്പിളുകൾ (ഭാഗം 3.4) - പുതിയ അളവുകൾ - പ്രത്യേകിച്ച്, ചോദ്യങ്ങൾ ചോദിക്കാനുള്ള പുതിയ രീതികൾ (സെക്ഷൻ 3.5). അവസാനമായി, വലിയ വിവര സ്രോതസുകളിലേക്ക് സർവേ ഡേറ്റയെ ബന്ധിപ്പിക്കുന്നതിനായി രണ്ട് ഗവേഷണ ഫലകങ്ങളെ ഞാൻ വിവരിക്കുന്നു (സെക്ഷൻ 3.6).