ਸਰਗਰਮੀ

• ਮੁਸ਼ਕਲ ਦਾ ਡਿਗਰੀ: ਆਸਾਨ , ਮੱਧਮ , ਹਾਰਡ , ਬਹੁਤ ਔਖਾ
• ਗਣਿਤ ਦੀ ਲੋੜ ਹੈ ( )
• ਕੋਡਿੰਗ ਦੀ ਲੋੜ ਹੈ ( )
• ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ( )
• ਮੇਰੇ ਮਨਪਸੰਦ ( )

1. [ , ] ਅਧਿਆਇ ਵਿੱਚ, ਮੈਂ ਪੋਸਟ-ਸਟਰ੍ਰਿਫਿਕਸ਼ਨ ਬਾਰੇ ਬਹੁਤ ਸਕਾਰਾਤਮਕ ਸੀ ਹਾਲਾਂਕਿ, ਇਹ ਅਨੁਮਾਨਾਂ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਹਮੇਸ਼ਾ ਸੁਧਾਰ ਨਹੀਂ ਕਰਦਾ ਹੈ ਉਸ ਸਥਿਤੀ ਦਾ ਨਿਰਮਾਣ ਕਰੋ ਜਿੱਥੇ ਪੋਸਟ-ਸਟਰਿਟਿਸ਼ਨ ਅੰਦਾਜ਼ੇ ਦੀ ਗੁਣਵੱਤਾ ਘਟਾ ਸਕਦੀ ਹੈ. (ਇੱਕ ਸੰਕੇਤ ਲਈ Thomsen (1973) ਦੇਖੋ.)

2. [ , , ] ਬੰਦੂਕ ਦੇ ਨਿਯੰਤਰਣ ਵੱਲ ਬੰਦੂਕ ਦੀ ਮਲਕੀਅਤ ਅਤੇ ਰਵੱਈਏ ਬਾਰੇ ਪੁੱਛਣ ਲਈ ਐਮਾਜ਼ਾਨ ਮਕੈਨੀਕਲ ਟਕ 'ਤੇ ਇੱਕ ਗੈਰ-ਸੰਭਾਵੀ ਸਰਵੇਖਣ ਤਿਆਰ ਕਰੋ. ਇਸ ਲਈ ਕਿ ਤੁਸੀਂ ਆਪਣੇ ਅੰਦਾਜ਼ੇ ਦੀ ਤੁਲਨਾ ਸੰਭਾਵੀ ਨਮੂਨੇ ਤੋਂ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ, ਕ੍ਰਿਪਾ ਕਰਕੇ ਪ੍ਰਸ਼ਨ ਟੈਕਸਟ ਅਤੇ ਜਵਾਬ ਦੇ ਵਿਕਲਪਾਂ ਨੂੰ ਸਿੱਧਾ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਸਰਵੇਖਣ ਤੋਂ ਕਾਪੀ ਕਰੋ ਜਿਵੇਂ ਕਿ ਪਊ ਖੋਜ ਕੇਂਦਰ ਦੁਆਰਾ ਚਲਾਇਆ ਜਾਂਦਾ ਹੈ.

   1. ਤੁਹਾਡਾ ਸਰਵੇਖਣ ਕਿੰਨਾ ਸਮਾਂ ਲੈਂਦਾ ਹੈ? ਇਸ ਦੀ ਕਿੰਨੀ ਕੀਮਤ ਹੈ? ਤੁਹਾਡੇ ਨਮੂਨੇ ਦੀ ਜਨ-ਅੰਕੜੇ ਕਿਵੇਂ ਅਮਰੀਕੀ ਆਬਾਦੀ ਦੀ ਜਨਸੰਖਿਆ ਨਾਲ ਤੁਲਨਾ ਕਰਦੇ ਹਨ?
   2. ਆਪਣੇ ਨਮੂਨੇ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਬੰਦੂਕ ਦੀ ਮਾਲਕੀ ਦਾ ਕੱਚਾ ਅੰਦਾਜ਼ਾ ਕੀ ਹੈ?
   3. ਪੋਸਟ-ਸਟਰਿਟਿਸ਼ਨ ਜਾਂ ਕੁਝ ਹੋਰ ਤਕਨੀਕ ਦਾ ਇਸਤੇਮਾਲ ਕਰਕੇ ਆਪਣੇ ਨਮੂਨੇ ਦੀ ਪ੍ਰਤੀਨਿਧਤਾ ਲਈ ਸਹੀ ਹੁਣ ਬੰਦੂਕ ਦੀ ਮਾਲਕੀ ਦਾ ਅੰਦਾਜ਼ਾ ਕੀ ਹੈ?
   4. ਤੁਹਾਡੇ ਅਨੁਮਾਨ ਸੰਭਾਵੀ-ਅਧਾਰਿਤ ਨਮੂਨੇ ਤੋਂ ਨਵੀਨਤਮ ਅੰਦਾਜ਼ੇ ਨਾਲ ਕਿਵੇਂ ਤੁਲਨਾ ਕਰਦੇ ਹਨ? ਤੁਸੀਂ ਕੀ ਸੋਚਦੇ ਹੋ ਕਿ ਜੇ ਕੋਈ ਹੈ, ਤਾਂ ਇਸ ਵਿਚ ਕੀ ਫ਼ਰਕ ਹੈ?
   5. ਸਵਾਲ ਮੁੜ ਦੁਹਰਾਓ (ਬੀ) - (ਡੀ) ਬੰਦੂਕ ਨਿਯੰਤਰਣ ਵੱਲ ਧਿਆਨ ਦੇਣ ਲਈ. ਤੁਹਾਡੇ ਸਿੱਟਿਆਂ ਵਿਚ ਕੀ ਫ਼ਰਕ ਹੈ?

3. [ , , ] ਜਨਰਲ ਸਮਾਜਕ ਸਰਵੇਖਣ (ਜੀਐਸਐਸ) ਤੋਂ ਖਿੱਚੇ ਗਏ 49 ਬਹੁ-ਪੱਖੀ ਵਿਹਾਰਕ ਸਵਾਲਾਂ ਅਤੇ ਪਿਊ ਰਿਸਰਚ ਸੈਂਟਰ ਵੱਲੋਂ ਐਮੈਜੈਨਮੇਂ ਯੌਰਗਿਕ ਟਰਕੇ ਤੋਂ ਲਏ ਗਏ ਉੱਤਰ-ਸੰਭਾਵਨਾ ਦੇ ਨਮੂਨੇ ਲਈ ਸਰਵੇਖਣਾਂ ਦੀ ਚੋਣ ਕਰਦੇ ਹੋਏ ਗੋਇਲ ਅਤੇ ਸਹਿਕਰਮੀਆਂ (2016) ਫਿਰ ਉਹਨਾਂ ਨੇ ਮਾਡਲ-ਅਧਾਰਿਤ ਪੋਸਟ-ਸਟਰ੍ਰਿਫਿਕੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਡਾਟਾ ਦੀ ਗੈਰ-ਪ੍ਰਤੀਨਿਧੀਤੱਵ ਲਈ ਸੰਸ਼ੋਧਿਤ ਕੀਤਾ ਅਤੇ ਸੰਭਾਵਨਾ ਆਧਾਰਿਤ GSS ਅਤੇ Pew ਸਰਵੇਖਣਾਂ ਦੇ ਉਨ੍ਹਾਂ ਦੇ ਅਨੁਸਾਰੀ ਅਨੁਮਾਨਾਂ ਦੀ ਤੁਲਨਾ ਕੀਤੀ. ਐਮਾਜ਼ਾਨ ਮਕੈਨੀਕਲ ਟਕ 'ਤੇ ਉਸੇ ਸਰਵੇਖਣ ਦਾ ਸੰਚਾਲਨ ਕਰੋ ਅਤੇ ਆਪਣੇ ਸੰਜਤ ਅਨੁਮਾਨਾਂ ਦੀ ਤੁਲਨਾ ਕਰਕੇ GSS ਅਤੇ PEW ਸਰਵੇਖਣਾਂ ਦੇ ਹਾਲ ਹੀ ਦੌਰ ਵਿੱਚੋਂ ਅਨੁਮਾਨ ਲਗਾਉਣ ਨਾਲ ਚਿੱਤਰ 2 ਏ ਦੀ ਨਕਲ ਕਰੋ ਅਤੇ 2B ਦੀ ਨਕਲ ਕਰੋ. (49 ਸਵਾਲਾਂ ਦੀ ਸੂਚੀ ਲਈ ਅੰਤਿਕਾ ਸਾਰਣੀ A2 ਦੇਖੋ.)

   1. ਆਪਣੇ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਪਊ ਅਤੇ ਜੀਐਸਐਸ ਨਾਲ ਕਰੋ.
   2. Goel, Obeng, and Rothschild (2016) ਵਿੱਚ ਮਕੈਨੀਕਲ ਟਰੱਕ ਸਰਵੇਖਣ ਦੇ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਨਾਲ ਆਪਣੇ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਅਤੇ ਤੁਲਨਾ ਕਰੋ.

4. [ , , ] ਬਹੁਤ ਸਾਰੇ ਅਧਿਐਨਾਂ ਮੋਬਾਈਲ ਫੋਨ ਵਰਤਣ ਦੇ ਸਵੈ-ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਉਪਾਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ ਇਹ ਇੱਕ ਦਿਲਚਸਪ ਮਾਹੌਲ ਹੈ ਜਿਸ ਵਿੱਚ ਖੋਜਕਰਤਾ ਲਾਗ ਕੀਤੇ ਵਿਹਾਰ ਨਾਲ ਸਵੈ-ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਵਿਵਹਾਰ ਦੀ ਤੁਲਨਾ ਕਰ ਸਕਦੇ ਹਨ (ਉਦਾਹਰਣ ਵਜੋਂ, Boase and Ling (2013) ). ਪੁੱਛਣ ਲਈ ਦੋ ਆਮ ਵਿਹਾਰ ਕਾਲ ਕਰ ਰਹੇ ਹਨ ਅਤੇ ਟੈਕਸਟਿੰਗ ਕਰ ਰਹੇ ਹਨ, ਅਤੇ ਦੋ ਆਮ ਸਮਾਂ ਫਰੇਮ "ਕੱਲ੍ਹ" ਅਤੇ "ਪਿਛਲੇ ਹਫ਼ਤੇ" ਹਨ.

   1. ਕੋਈ ਵੀ ਡੇਟਾ ਇਕੱਠਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਸਵੈ-ਰਿਪੋਰਟ ਦੇ ਉਪਾਅ ਵਿੱਚੋਂ ਕਿਹੜਾ ਤੁਹਾਨੂੰ ਸਹੀ ਲੱਗਦਾ ਹੈ? ਕਿਉਂ?
   2. ਆਪਣੇ ਸਰਵੇਖਣ ਵਿੱਚ ਆਪਣੇ ਪੰਜ ਮਿੱਤਰ ਭਰਤੀ ਕਰੋ. ਕਿਰਪਾ ਕਰਕੇ ਸੰਖੇਪ ਰੂਪ ਵਿੱਚ ਸੰਖੇਪ ਕਰੋ ਕਿ ਇਹ ਪੰਜ ਦੋਸਤ ਕਿਵੇਂ ਨਮੂਨੇ ਦਿੱਤੇ ਗਏ ਸਨ. ਕੀ ਇਸ ਨਮੂਨੇ ਦੀ ਪ੍ਰਣਾਲੀ ਤੁਹਾਡੇ ਅਨੁਪਾਤ ਵਿੱਚ ਕੁਝ ਪੱਖਪਾਤੀ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ?
   3. ਉਹਨਾਂ ਨੂੰ ਹੇਠਾਂ ਦਿੱਤੇ ਮਾਈਕ੍ਰੋਸੁਰਵੇ ਸਵਾਲ ਪੁੱਛੋ:
   • "ਤੁਸੀਂ ਕੱਲ੍ਹ ਨੂੰ ਦੂਜਿਆਂ ਨੂੰ ਕਾਲ ਕਰਨ ਲਈ ਆਪਣੇ ਮੋਬਾਈਲ ਫੋਨ ਦੀ ਵਰਤੋਂ ਕਿੰਨੀ ਵਾਰ ਕੀਤੀ?"
   • "ਤੁਸੀਂ ਕੱਲ੍ਹ ਕਿੰਨੇ ਪਾਠ ਸੁਨੇਹੇ ਭੇਜੇ ਸਨ?"
   • "ਪਿਛਲੇ ਸੱਤ ਦਿਨਾਂ ਵਿਚ ਤੁਸੀਂ ਦੂਜਿਆਂ ਨੂੰ ਕਾਲ ਕਰਨ ਲਈ ਆਪਣੇ ਮੋਬਾਈਲ ਫੋਨ ਦੀ ਵਰਤੋਂ ਕਿੰਨੀ ਵਾਰ ਕੀਤੀ?"
   • "ਪਿਛਲੇ ਸੱਤ ਦਿਨਾਂ ਵਿਚ ਤੁਸੀਂ ਟੈਕਸਟ ਸੁਨੇਹੇ / ਐਸਐਮਐਸ ਭੇਜਣ ਜਾਂ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਆਪਣੇ ਮੋਬਾਈਲ ਫੋਨ ਦੀ ਵਰਤੋਂ ਕਿੰਨੀ ਵਾਰ ਕੀਤੀ ਹੈ?"
   4. ਇੱਕ ਵਾਰ ਇਹ microsurvey ਪੂਰਾ ਹੋ ਗਿਆ ਹੈ, ਆਪਣੇ ਫੋਨ ਜਾਂ ਸੇਵਾ ਪ੍ਰਦਾਤਾ ਦੁਆਰਾ ਲੌਗ ਕੀਤੇ ਉਪਯੋਗ ਕੀਤੇ ਡੇਟਾ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਕਹੋ. ਸਵੈ-ਰਿਪੋਰਟ ਦੀ ਵਰਤੋਂ ਲੌਗ ਡਾਟਾ ਨਾਲ ਕਿਵੇਂ ਹੁੰਦੀ ਹੈ? ਕਿਹੜਾ ਸਭ ਤੋਂ ਸਹੀ ਹੈ, ਜੋ ਕਿ ਘੱਟੋ ਘੱਟ ਸਹੀ ਹੈ?
   5. ਹੁਣ ਉਨ੍ਹਾਂ ਡੇਟਾ ਨੂੰ ਜੋੜ ਦਿਓ ਜੋ ਤੁਸੀਂ ਆਪਣੀ ਕਲਾਸ ਦੇ ਦੂਜੇ ਲੋਕਾਂ ਦੇ ਡੇਟਾ ਦੇ ਨਾਲ ਇਕੱਠਾ ਕੀਤਾ ਹੈ (ਜੇ ਤੁਸੀਂ ਕਲਾਸ ਲਈ ਇਹ ਗਤੀਵਿਧੀ ਕਰ ਰਹੇ ਹੋ). ਇਸ ਵੱਡੇ ਡਾਟਾसेट ਨਾਲ, ਦੁਹਰਾਓ (d) ਦੁਹਰਾਓ.

5. [ , ] ਸ਼ੂਮਨ ਅਤੇ ਪ੍ਰੈਸਰ (1996) ਤਰਕ ਹੈ ਕਿ ਪ੍ਰਸ਼ਨ ਆਦੇਸ਼ ਦੋ ਤਰ੍ਹਾਂ ਦੇ ਪ੍ਰਸ਼ਨਾਂ ਲਈ ਫਿਕਰਮੰਦ ਹੋਣਗੇ: ਅੰਸ਼ਿਕ ਭਾਗਾਂ ਦੇ ਪ੍ਰਸ਼ਨ ਜਿੱਥੇ ਦੋ ਪ੍ਰਸ਼ਨ ਇਕੋ ਪੱਧਰ 'ਤੇ ਹੁੰਦੇ ਹਨ (ਉਦਾਹਰਨ ਲਈ ਦੋ ਰਾਸ਼ਟਰਪਤੀ ਉਮੀਦਵਾਰਾਂ ਦੇ ਰੇਟਿੰਗ); ਅਤੇ ਪੂਰੇ ਪੂਰੇ ਪ੍ਰਸ਼ਨ ਜਿੱਥੇ ਇੱਕ ਆਮ ਪ੍ਰਸ਼ਨ ਵਧੇਰੇ ਖਾਸ ਪ੍ਰਸ਼ਨ (ਜਿਵੇਂ ਕਿ, "ਤੁਸੀਂ ਆਪਣੇ ਕੰਮ ਦੇ ਨਾਲ ਕਿੰਨੇ ਸੰਤੁਸ਼ਟ ਹੋ?" ਪੁੱਛਦੇ ਹੋ) ਅਤੇ "ਤੁਸੀਂ ਆਪਣੀ ਜ਼ਿੰਦਗੀ ਨਾਲ ਕਿੰਨੇ ਸੰਤੁਸ਼ਟ ਹੋ?"

   ਉਹ ਅੱਗੇ ਦੋ ਪ੍ਰਕਾਰ ਦੇ ਪ੍ਰਸ਼ਨ ਆਦੇਸ਼ ਪ੍ਰਭਾਵਾਂ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਕਰਦੇ ਹਨ: ਇਕਸਾਰਤਾ ਪ੍ਰਭਾਵ ਉਦੋਂ ਵਾਪਰਦੇ ਹਨ ਜਦੋਂ ਇੱਕ ਪਹਿਲਾਂ ਦੇ ਸਵਾਲ ਨੂੰ ਦਿੱਤੇ ਗਏ ਸਵਾਲਾਂ ਦੇ ਬਾਅਦ ਦੇ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਉੱਤਰ (ਉਹਨਾਂ ਤੋਂ ਜਿਆਦਾ ਹੋਣ ਦੀ ਬਜਾਏ) ਦੇ ਨੇੜੇ ਲਿਆਏ ਜਾਂਦੇ ਹਨ; ਉਲਟ ਪ੍ਰਭਾਵ ਉਦੋਂ ਹੁੰਦੇ ਹਨ ਜਦੋਂ ਦੋ ਪ੍ਰਸ਼ਨਾਂ ਦੇ ਜਵਾਬਾਂ ਵਿਚ ਬਹੁਤ ਅੰਤਰ ਹੁੰਦਾ ਹੈ.

   1. ਅੰਸ਼ਕ ਭਾਗ ਸਵਾਲਾਂ ਦੀ ਇੱਕ ਜੋੜਾ ਬਣਾਓ ਜੋ ਤੁਹਾਡੇ ਵਿਚਾਰ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਪ੍ਰਸ਼ਨ ਆਦੇਸ਼ ਪ੍ਰਭਾਵ ਹੋਵੇਗਾ; ਪੂਰੇ ਸਵਾਲਾਂ ਦੀ ਇੱਕ ਜੋੜਾ ਜੋ ਤੁਹਾਨੂੰ ਲਗਦਾ ਹੈ ਕਿ ਇੱਕ ਵੱਡਾ ਕ੍ਰਮ ਪ੍ਰਭਾਵ ਹੋਵੇਗਾ; ਅਤੇ ਉਹਨਾਂ ਸਵਾਲਾਂ ਦਾ ਜੋੜਾ ਜਿਹਨਾਂ ਦਾ ਤੁਸੀਂ ਸੋਚਦੇ ਹੋ, ਕੋਈ ਫਰਕ ਨਹੀਂ ਪਵੇਗਾ. ਆਪਣੇ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਐਮਾਜੋਨ ਮਕੈਨੀਕਲ ਟਕ 'ਤੇ ਇੱਕ ਸਰਵੇਖਣ ਦੇ ਪ੍ਰਯੋਗ ਚਲਾਓ
      
   2. ਤੁਸੀਂ ਕਿੰਨੇ ਵੱਡੇ ਹਿੱਸੇ ਦਾ ਪ੍ਰਭਾਵ ਬਣਾਉਣਾ ਸੀ? ਕੀ ਇਹ ਇਕਸਾਰਤਾ ਜਾਂ ਅੰਤਰ ਪ੍ਰਭਾਵ ਸੀ?
   3. ਤੁਸੀਂ ਇੱਕ ਵੱਡਾ ਸਾਰਾ ਪ੍ਰਭਾਵ ਕਿਵੇਂ ਬਣਾਇਆ ਸੀ? ਕੀ ਇਹ ਇਕਸਾਰਤਾ ਜਾਂ ਅੰਤਰ ਪ੍ਰਭਾਵ ਸੀ?
   4. ਕੀ ਤੁਹਾਡੀ ਜੋੜਾ ਵਿੱਚ ਕੋਈ ਪ੍ਰਸ਼ਨ ਆਦੇਸ਼ ਪ੍ਰਭਾਵੀ ਸੀ ਜਿਸ ਵਿੱਚ ਤੁਸੀਂ ਇਹ ਨਹੀਂ ਸੋਚਿਆ ਸੀ ਕਿ ਕ੍ਰਮ ਵਿੱਚ ਕੋਈ ਫਰਕ ਪਵੇਗਾ?

6. [ , ] ਸ਼ੂਮਨ ਅਤੇ ਪ੍ਰੈਸਰ ਦੇ ਕੰਮ ਤੇ ਨਿਰਮਾਣ, Moore (2002) ਪ੍ਰਸ਼ਨ ਆਦੇਸ਼ ਪ੍ਰਭਾਵ ਦੇ ਇੱਕ ਵੱਖਰੇ ਪੈਮਾਨੇ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਨ: ਜੋੜਨਯੋਗ ਅਤੇ ਸਬਟੈਕਟਿਵ ਪ੍ਰਭਾਵ ਹਾਲਾਂਕਿ ਉਲਟਤਾ ਅਤੇ ਇਕਸਾਰਤਾ ਦੇ ਨਤੀਜੇ ਇਕ ਦੂਜੇ ਦੇ ਸਬੰਧ ਵਿਚ ਦੋ ਚੀਜ਼ਾਂ ਦੇ ਮੁਲਾਂਕਣਾਂ ਦੇ ਮੁਲਾਂਕਣਾਂ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਪੈਦਾ ਹੁੰਦੇ ਹਨ, ਜਦੋਂ ਜਵਾਬ ਦੇਣ ਵਾਲੇ ਨੂੰ ਵੱਡੇ ਫਰੇਮਵਰਕ ਵਿਚ ਵਧੇਰੇ ਸੰਵੇਦਨਸ਼ੀਲ ਬਣਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਵਿਚ ਸਵਾਲ ਖੜ੍ਹੇ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਐਡਮੀਟਿਵ ਅਤੇ ਸਬਟੈਕਟਿਵ ਪ੍ਰਭਾਵ ਪੈਦਾ ਹੁੰਦੇ ਹਨ. Moore (2002) ਪੜ੍ਹੋ, ਫਿਰ ਐਡਕਟਿਵ ਜਾਂ ਸਬਟੈਕਟਿਵ ਪ੍ਰਭਾਵਾਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਲਈ ਮੈਟਕੁੱਲ ਤੇ ਇੱਕ ਸਰਵੇਖਣ ਪ੍ਰੌਜੈਕਟ ਨੂੰ ਡਿਜਾਇਨ ਅਤੇ ਚਲਾਓ.

7. [ , ] ਕ੍ਰਿਸਟੋਫਰ ਅੰਤਾਨ ਅਤੇ ਸਹਿਕਰਮੀਆਂ (2015) ਚਾਰ ਵੱਖ-ਵੱਖ ਆਨਲਾਈਨ ਭਰਤੀ ਹੋਣ ਵਾਲੇ ਸਰੋਤਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਸਹੂਲਤ ਦੇ ਨਮੂਨੇ ਦੀ ਤੁਲਨਾ ਕਰਦੇ ਹੋਏ ਇੱਕ ਅਧਿਅਨ ਦਾ ਆਯੋਜਨ ਕੀਤਾ: MTurk, Craigslist, Google AdWords ਅਤੇ Facebook ਇਕ ਸਰਲ ਸਰਵੇਖਣ ਤਿਆਰ ਕਰੋ ਅਤੇ ਘੱਟੋ-ਘੱਟ ਦੋ ਵੱਖ-ਵੱਖ ਆਨਲਾਈਨ ਭਰਤੀ ਹੋਣ ਵਾਲੇ ਸਰੋਤਾਂ ਰਾਹੀਂ ਭਾਗ ਲੈਣ ਵਾਲਿਆਂ ਦੀ ਭਰਤੀ ਕਰੋ (ਇਹ ਸਰੋਤ Antoun et al. (2015) ਵਿਚ ਵਰਤੇ ਗਏ ਚਾਰ ਸਰੋਤ ਤੋਂ ਵੱਖਰੇ ਹੋ ਸਕਦੇ ਹਨ.

   1. ਵੱਖ-ਵੱਖ ਸ੍ਰੋਤਾਂ ਦੇ ਵਿਚਕਾਰ-ਵਿਚ ਪੈਸੇ ਅਤੇ ਸਮੇਂ ਦੇ ਨਿਯਮਤ ਭਰਤੀ ਦੇ ਅਨੁਸਾਰ ਲਾਗਤ ਦੀ ਤੁਲਨਾ ਕਰੋ.
   2. ਵੱਖਰੇ ਸਰੋਤਾਂ ਤੋਂ ਮਿਲੇ ਨਮੂਨਿਆਂ ਦੀ ਬਣਤਰ ਦੀ ਤੁਲਨਾ ਕਰੋ.
   3. ਨਮੂਨਿਆਂ ਵਿਚਲੇ ਡੇਟਾ ਦੀ ਗੁਣਵੱਤਾ ਦੀ ਤੁਲਨਾ ਕਰੋ. ਜਵਾਬ ਦੇਣ ਵਾਲਿਆਂ ਦੀ ਡਾਟਾ ਕੁਆਲਿਟੀ ਨੂੰ ਕਿਵੇਂ ਮਾਪਣਾ ਹੈ ਇਸ ਬਾਰੇ ਵਿਚਾਰ ਕਰਨ ਲਈ Schober et al. (2015) ਵੇਖੋ Schober et al. (2015)
   4. ਤੁਹਾਡਾ ਪਸੰਦੀਦਾ ਸਰੋਤ ਕੀ ਹੈ? ਕਿਉਂ?

8. [ ] ਯੂਨਾਈਟਿਡ ਕਿੰਗਡਮ ਵਿੱਚ 800,000 ਦੇ ਉੱਤਰਦਾਤਾ ਦੇ ਇੱਕ ਪੈਨਲ ਦੇ ਆਨਲਾਈਨ ਚੋਣਾਂ ਕਰਵਾਏ ਗਏ ਇੱਕ ਇੰਟਰਨੈਟ ਅਧਾਰਤ ਮਾਰਕਿਟ ਰਿਸਰਚ ਫਰਮ, ਯੂਜਵੁ-2016 ਯੂਰੋ ਦੇ ਯੂਰਪੀ ਸੰਘ (ਯਾਨੀ ਬ੍ਰੈਕਸਿਤ) ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦੇ ਯਤਨ ਵਿੱਚ.

   YouGov ਦੇ ਅੰਕੜਾ ਮਾਡਲ ਦਾ ਵਿਸਤ੍ਰਿਤ ਵਰਣਨ https://yougov.co.uk/news/2016/06/21/yougov-referendum-model/ 'ਤੇ ਮਿਲ ਸਕਦਾ ਹੈ. ਆਮ ਤੌਰ 'ਤੇ ਬੋਲਦੇ ਹੋਏ, ਯੂਜੀਓਵ ਨੇ ਵੋਟਰਾਂ ਨੂੰ ਸਾਲ 2015 ਦੀਆਂ ਆਮ ਚੋਣਾਂ ਦੇ ਵੋਟ ਵਿਕਲਪ, ਉਮਰ, ਯੋਗਤਾਵਾਂ, ਲਿੰਗ ਅਤੇ ਇੰਟਰਵਿਊ ਦੀ ਤਾਰੀਖ ਦੇ ਨਾਲ-ਨਾਲ ਉਹ ਚੋਣ ਖੇਤਰ ਜਿਸ ਦੇ ਉਹ ਰਹਿੰਦੇ ਹਨ ਦੇ ਅਧਾਰ ਤੇ ਵੰਡਿਆ. ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਉਨ੍ਹਾਂ ਨੇ ਯੂਜੀਓਜ ਪੈਨਲਿਸਟਾਂ ਤੋਂ ਇਕੱਤਰ ਕੀਤੇ ਗਏ ਡੇਟਾ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ, ਜਿਨ੍ਹਾਂ ਨੇ ਵੋਟਿੰਗ ਕੀਤੀ, ਉਨ੍ਹਾਂ ਵਿੱਚੋ ਹਰੇਕ ਵੋਟਰ ਕਿਸਮ ਦੇ ਲੋਕਾਂ ਦਾ ਅਨੁਪਾਤ ਜੋ ਵੋਟ ਪਾਉਣ ਲਈ ਵੋਟ ਦੇਣ ਦਾ ਇਰਾਦਾ ਸੀ ਉਨ੍ਹਾਂ ਨੇ ਅਨੁਮਾਨ ਲਗਾਇਆ ਹੈ ਕਿ 2015 ਦੇ ਬ੍ਰਿਟਿਸ਼ ਚੋਣ ਸਟੱਡੀ (ਬੀਈਐਸ) ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਹਰੇਕ ਵੋਟਰ ਦੀ ਕਿਸਮ ਦਾ ਨਤੀਜਾ ਇਹ ਨਿਕਲਿਆ ਹੈ ਕਿ ਚੋਣ ਵੋਟਰਾਂ ਤੋਂ ਵੋਟਾਂ ਦੀ ਪ੍ਰਵਾਨਗੀ ਦਿੱਤੀ ਗਈ ਸੀ. ਅੰਤ ਵਿੱਚ, ਉਹਨਾਂ ਨੇ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ ਕਿ ਨਵੀਨਤਮ ਜਨਗਣਨਾ ਅਤੇ ਸਾਲਾਨਾ ਜਨਸੰਖਿਆ ਸਰਵੇਖਣ (ਹੋਰ ਡੇਟਾ ਸ੍ਰੋਤਾਂ ਤੋਂ ਕੁਝ ਵਾਧੂ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ) ਦੇ ਆਧਾਰ ਤੇ, ਵੋਟਰਾਂ ਵਿੱਚ ਹਰੇਕ ਵੋਟਰ ਦੀ ਕਿਸਮ ਦੇ ਕਿੰਨੇ ਲੋਕ ਸਨ.

   ਵੋਟ ਤੋਂ ਤਿੰਨ ਦਿਨ ਪਹਿਲਾਂ, ਯੂਗੋਵ ਨੇ ਲੀਵ ਲਈ ਦੋ-ਪੁਆਇੰਟ ਲੀਡ ਦਿਖਾਇਆ ਵੋਟਿੰਗ ਦੀ ਪੂਰਵ-ਸੰਧਿਆ ਤੇ, ਪੋਲ ਨੇ ਸੰਕੇਤ ਦਿੱਤਾ ਕਿ ਨਤੀਜਾ ਕਾਲ (49/51 ਰਹਿਤ) ਦੇ ਬਹੁਤ ਨੇੜੇ ਸੀ. ਫਾਈਨਲ ਦੇ ਦਿਨ ਦੇ ਅਧਿਐਨ ਨੇ 48/52 ਰੀਮੈਨ ਦੇ ਪੱਖ ਵਿੱਚ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਸੀ (https://yougov.co.uk/news/2016/06/23/yougov-day-poll/) ਵਾਸਤਵ ਵਿੱਚ, ਇਹ ਅਨੁਮਾਨ ਅੰਤਮ ਨਤੀਜੇ (52/48 ਛੁੱਟੀ) ਨੂੰ ਚਾਰ ਪ੍ਰਤੀਸ਼ਤ ਪੁਆਇੰਟਾਂ ਤੋਂ ਖੁੰਝ ਗਿਆ.

   1. ਇਸ ਅਧਿਆਇ ਵਿੱਚ ਚਰਚਾ ਕੀਤੇ ਗਏ ਕੁੱਲ ਸਰਵੇਖਣ ਗਲਤੀ ਫਰੇਮਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰੋ ਤਾਂ ਜੋ ਇਹ ਪਤਾ ਲਗਾਇਆ ਜਾ ਸਕੇ ਕਿ ਕੀ ਗਲਤ ਹੋ ਸਕਦਾ ਸੀ.
   2. ਚੋਣਾਂ ਤੋਂ ਬਾਅਦ ਯੂਜੀਓਜ ਦਾ ਜਵਾਬ (https://yougov.co.uk/news/2016/06/24/brexit-follows-close-run-campaign/) ਨੇ ਸਮਝਾਇਆ: "ਇਹ ਮਤਦਾਨ ਦੇ ਕਾਰਨ ਵੱਡਾ ਹਿੱਸਾ ਲੱਗਦਾ ਹੈ-ਅਜਿਹੀ ਕੋਈ ਚੀਜ਼ ਅਸੀਂ ਕਿਹਾ ਹੈ ਕਿ ਇਹ ਬੜੀ ਸਰਲ ਸੰਤੁਲਿਤ ਦੌੜ ਦੇ ਨਤੀਜਿਆਂ ਲਈ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ. ਸਾਡਾ ਮਤਦਾਨ ਮਾਡਲ ਕੁਝ ਹੱਦ ਤਕ, ਪਿਛਲੀ ਵਾਰ, ਨਿਰਪੱਖ ਪਿਛਲੀਆਂ ਆਮ ਚੋਣਾਂ ਵਿੱਚ ਵੋਟ ਪਾਈ ਸੀ ਜਾਂ ਨਹੀਂ ਅਤੇ ਆਮ ਚੋਣਵਾਂ ਦੇ ਉਪਰਲੇ ਮਤਦਾਨ ਦੇ ਪੱਧਰ ਨੇ ਮਾਡਲ ਨੂੰ ਅਸੰਤੁਸ਼ਟ ਕੀਤਾ, ਖਾਸ ਤੌਰ 'ਤੇ ਉੱਤਰੀ ਵਿੱਚ. "ਕੀ ਇਹ ਤੁਹਾਡੇ ਹਿੱਸੇ ਨੂੰ (ਏ) ਨੂੰ ਬਦਲਦਾ ਹੈ?

9. [ , ] ਚਿੱਤਰ 3.2 ਵਿਚ ਪ੍ਰਤੀ ਨੁਮਾਇੰਦਗੀ ਦੀਆਂ ਗ਼ਲਤੀਆਂ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਇੱਕ ਸਿਮੂਲੇਸ਼ਨ ਲਿਖੋ.

   1. ਅਜਿਹੀ ਸਥਿਤੀ ਪੈਦਾ ਕਰੋ ਜਿੱਥੇ ਇਹ ਗਲਤੀਆਂ ਅਸਲ ਵਿੱਚ ਰੱਦ ਹੋ ਜਾਣ.
   2. ਇਕ ਅਜਿਹੀ ਸਥਿਤੀ ਪੈਦਾ ਕਰੋ ਜਿੱਥੇ ਗ਼ਲਤੀਆਂ ਇਕ-ਦੂਜੇ ਨਾਲ ਜੁੜੀਆਂ ਹੁੰਦੀਆਂ ਹਨ

10. [ , ] ਬਲੂਮੇਨਸਟੋਕ ਅਤੇ ਸਹਿਕਰਮੀਆਂ (2015) ਦੀ ਖੋਜ ਵਿਚ ਇਕ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਮਾਡਲ ਨੂੰ ਬਣਾਉਣ ਵਿਚ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਸਰਵੇਖਣ ਦੇ ਜਵਾਬਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਡਿਜੀਟਲ ਟਰੇਸ ਡਾਟਾ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ. ਹੁਣ, ਤੁਸੀਂ ਇੱਕ ਵੱਖਰੇ ਡਾਟਾਸੈਟ ਨਾਲ ਇਕੋ ਗੱਲ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਜਾ ਰਹੇ ਹੋ. Kosinski, Stillwell, and Graepel (2013) ਨੇ ਦੇਖਿਆ ਕਿ ਫੇਸਬੁੱਕ ਦੀ ਪਸੰਦ ਵਿਅਕਤੀਗਤ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਗੁਣਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾ ਸਕਦੀ ਹੈ. ਹੈਰਾਨੀ ਦੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਇਹ ਪੂਰਵਜ ਦੋਸਤਾਂ ਅਤੇ ਸਹਿਕਰਮੀਆਂ (Youyou, Kosinski, and Stillwell 2015) ਮੁਕਾਬਲੇ ਹੋਰ ਵੀ ਸਹੀ ਹੋ ਸਕਦੇ ਹਨ.

    1. Kosinski, Stillwell, and Graepel (2013) , ਅਤੇ ਚਿੱਤਰ 2 ਦੀ ਨਕਲ ਕਰੋ. ਉਹਨਾਂ ਦਾ ਡਾਟਾ http://mypersonality.org/ ਤੇ ਉਪਲਬਧ ਹੈ.
    2. ਹੁਣ, ਚਿੱਤਰ 3 ਨੂੰ ਦੁਹਰਾਓ.
    3. ਅੰਤ ਵਿੱਚ, ਆਪਣੇ ਮਾਡਲ ਆਪਣੇ ਖੁਦ ਦੇ ਫੇਸਬੁੱਕ ਡੇਟਾ ਤੇ ਵੇਖੋ: http://applymagicsauce.com/ ਇਹ ਤੁਹਾਡੇ ਲਈ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦਾ ਹੈ?

11. [ ] Toole et al. (2015) ਸਮੁੱਚੇ ਬੇਰੁਜ਼ਗਾਰੀ ਦੇ ਰੁਝਾਨਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਮੋਬਾਈਲ ਫੋਨ ਤੋਂ ਕਾਲ ਵੇਰਵੇ ਦੇ ਰਿਕਾਰਡ (ਸੀਡੀਆਰ Toole et al. (2015) ਵਰਤੇ ਗਏ

    1. Toole et al. (2015) ਦੀ ਸਟੱਡੀ ਡਿਜ਼ਾਈਨ ਦੀ ਤੁਲਨਾ ਅਤੇ ਤੁਲਨਾ ਕਰੋ Toole et al. (2015) Blumenstock, Cadamuro, and On (2015) .
    2. ਕੀ ਤੁਹਾਨੂੰ ਲਗਦਾ ਹੈ ਕਿ ਸੀਡੀਆਰ ਨੂੰ ਰਵਾਇਤੀ ਸਰਵੇਖਣਾਂ ਦੀ ਥਾਂ ਲੈਣੀ ਚਾਹੀਦੀ ਹੈ, ਇਨ੍ਹਾਂ ਦੀ ਪੂਰਤੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਜਾਂ ਬੇਰੋਜ਼ਗਾਰੀ ਨੂੰ ਰੋਕਣ ਲਈ ਸਰਕਾਰੀ ਨੀਤੀਆਂ ਲਈ ਨਹੀਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ? ਕਿਉਂ?
    3. ਕੀ ਸਬੂਤ ਤੁਹਾਨੂੰ ਯਕੀਨ ਦਿਵਾਉਣਗੇ ਕਿ ਸੀਡੀਆਰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬੇਰੋਜ਼ਗਾਰੀ ਦੀ ਦਰ ਦੇ ਰਵਾਇਤੀ ਉਪਾਅ ਨੂੰ ਹਟਾ ਸਕਦੀ ਹੈ?