3.1 அறிமுகம்

டால்பின்ஸைப் படிக்கும் ஆராய்ச்சியாளர்கள் அவர்களுக்கு கேள்விகளைக் கேட்க முடியாது, எனவே அவர்களின் நடத்தையை கவனிப்பதன் மூலம் டால்பின்ஸைப் பற்றி அறிய முயற்சி செய்ய வேண்டியிருக்கிறது. மனிதர்களைப் பற்றி ஆராயும் ஆராய்ச்சியாளர்கள் மறுபுறம் எளிதானது: அவர்களது பதிலளிப்பவர்கள் பேசலாம். மக்கள் பேசி கடந்த காலத்தில் சமூக ஆராய்ச்சி ஒரு முக்கிய பகுதியாக இருந்தது, மற்றும் அது எதிர்காலத்தில் கூட இருக்கும் என்று நான் எதிர்பார்க்கிறேன்.

சமூக ஆய்வுகளில், மக்களிடம் பேசுவது பொதுவாக இரண்டு வடிவங்களை எடுக்கிறது: ஆய்வுகள் மற்றும் ஆழமான நேர்காணல்கள். குறைந்த அளவிலான பங்கேற்பாளர்கள், மிகவும் கட்டமைக்கப்பட்ட கேள்விகளை, மற்றும் பங்கேற்பாளர்களிடமிருந்து ஒரு பெரிய மக்கள்தொகைக்கு பொதுமதிப்பீடு செய்ய புள்ளியியல் முறைகளைப் பயன்படுத்துதல் ஆகியவற்றின் முறையான ஆட்சேர்ப்புடன் ஆய்வுகள் மூலம் ஆராய்ச்சி மேற்கொள்ளப்படுகிறது. மறுபுறம், ஆழ்ந்த நேர்காணல்களைப் பயன்படுத்தி ஆராய்ச்சி, பங்கேற்பாளர்களின் ஒரு சிறிய எண்ணிக்கையிலான பங்கேற்பாளர்கள், அரை கட்டமைக்கப்பட்ட உரையாடல்கள், மற்றும் பங்கேற்பாளர்களின் பணக்கார, தரமான விளக்கம் ஆகியவற்றில் பொதுவாக ஈடுபடுத்துகிறது. ஆய்வுகள் மற்றும் ஆழமான நேர்காணல்கள் சக்தி வாய்ந்த அணுகுமுறைகளாக இருக்கின்றன, ஆனால் ஆய்வாளர்கள் டிஜிட்டல் வயதில் மாற்றம் செய்வதன் மூலம் ஆய்வுகள் மிகவும் தாக்கத்தை ஏற்படுத்துகின்றன. எனவே, இந்த அத்தியாயத்தில், நான் ஆய்வு ஆராய்ச்சி கவனம் செலுத்த வேண்டும்.

நான் இந்த அத்தியாயத்தில் காண்பிப்பதைப் போல, டிஜிட்டல் வயது, கணக்கெடுப்பு ஆய்வாளர்கள் தரவுகளை விரைவாகவும் மலிவாகவும் சேகரிக்கவும், பல்வேறு வகையான கேள்விகளைக் கேட்கவும் மற்றும் பெரிய தரவு ஆதாரங்களைக் கொண்ட கணக்கெடுப்பு தரத்தை பெரிதாக்கவும் பல அற்புதமான வாய்ப்புகளை உருவாக்குகிறது. ஆய்வின் ஆராய்ச்சி ஒரு தொழில்நுட்ப மாற்றத்தால் மாற்றப்பட முடியும் என்ற கருத்து புதியது அல்ல. 1970 களில், இதேபோன்ற ஒரு மாற்றம் வேறுபட்ட தகவல் தொடர்பு தொழில்நுட்பத்தால் இயக்கப்படுகிறது: தொலைபேசி. அதிர்ஷ்டவசமாக, தொலைபேசி மாதிரிக்காட்சியை எவ்வாறு மாற்றியமைத்தது என்பதை எவ்வாறு புரிந்துகொள்வது என்பது டிஜிட்டல் வயது எவ்வாறு ஆய்வு ஆராய்ச்சி மாறும் என்பதை கற்பனை செய்து பார்க்க உதவும்.

இன்று அதை நாம் அறிந்திருப்பதைப் பற்றிய ஆய்வு ஆய்வு 1930 களில் தொடங்கியது. ஆய்வு ஆய்வின் முதல் சகாப்தத்தில், ஆராய்ச்சியாளர்கள் புவியியல் பகுதிகள் (நகர்ப்புற தொகுதிகள் போன்றவை) தோராயமாக மாதிரியாக மாற்றியமைக்கிறார்கள், பின்னர் தோராயமாக மாதிரி மாதிரியாக உள்ள மக்களுடன் நேருக்கு நேர் உரையாடல்களை நடத்துவதற்காக அந்த பகுதிகளுக்கு பயணம் செய்கிறார்கள். பின்னர், தொழில்நுட்ப வளர்ச்சியானது, செல்வந்த நாடுகளில் நிலப் போன்களின் பரவலான பரவலான பரவல் பரப்பு- இறுதியில் சர்வே ஆராய்ச்சி இரண்டாவது சகாப்தத்திற்கு வழிவகுத்தது. இந்த இரண்டாவது சகாப்தம் மக்கள் எப்படி மாதிரியாக இருந்ததென்றும், எப்படி உரையாடல்கள் நடந்தது என்பதையும் வேறுபடுத்திக் காட்டியது. இரண்டாம் சகாப்தத்தில், புவியியல் பகுதியிலுள்ள குடும்பங்களை மாதிரியாக்கிக் காட்டிலும், சீரற்ற இலக்கமுறை டயல் என்று அழைக்கப்படும் ஒரு நடைமுறையில் தோராயமாக மாதிரியாக தொலைபேசி எண்களை ஆராய்ச்சியாளர்கள் கண்டுபிடித்தனர். மக்கள் பேசுவதற்குப் பயணிப்பதற்கு மாறாக, ஆராய்ச்சியாளர்கள் அவர்களை தொலைபேசியில் அழைத்தார்கள். இவை சிறிய மாதிரியான மாற்றங்களைப் போல தோன்றலாம், ஆனால் அவர்கள் ஆய்வு ஆய்வுகளை விரைவாகவும், மலிவானதாகவும், மேலும் நெகிழ்வாகவும் ஆக்குகின்றனர். இந்த புதிய மாற்றங்கள் மற்றும் நேர்காணல் நடைமுறைகள் பல்வேறு வேறுபாடுகளை அறிமுகப்படுத்தலாம் என பல ஆராய்ச்சியாளர்கள் கருதுகின்றனர் என்பதால், இந்த மாற்றங்கள் சர்ச்சைக்குரியதாக இருந்தன. ஆனால் இறுதியில், நிறைய வேலைக்குப் பிறகு, நம்பகத்தன்மையுள்ள இலக்கை டயல் செய்தல் மற்றும் தொலைபேசி பேட்டிகளைப் பயன்படுத்தி தரவுகளை எவ்வாறு சேகரிப்பது என்று ஆராய்ச்சியாளர்கள் கண்டுபிடித்தனர். எனவே, சமுதாயத்தின் தொழில்நுட்ப உள்கட்டமைப்பை எவ்வாறு வெற்றிகரமாக பயன்படுத்துவது என்பதை ஆராய்வதன் மூலம், ஆராய்ச்சியாளர்கள் எவ்வாறு ஆய்வு செய்தனர் என்பதை நவீனமயமாக்க முடிந்தது.

இப்போது, ​​மற்றொரு தொழில்நுட்ப வளர்ச்சி - டிஜிட்டல் வயது - இறுதியில் நம்மை ஆய்வு ஆய்வு மூன்றாவது சகாப்தத்திற்கு கொண்டு வரும். இரண்டாம் மாற்றம் அணுகுமுறைகள் (BD Meyer, Mok, and Sullivan 2015) ஆகியவற்றின் படிப்படியான வீழ்ச்சியால் இந்த மாற்றம் ஓரளவிற்கு இயக்கப்படுகிறது. உதாரணமாக, பல்வேறு தொழில்நுட்ப மற்றும் சமூக காரணங்களுக்காக, nonresponse விகிதங்கள்-அதாவது, சவால்களில் பங்கேற்காத மாதிரி மக்கள் விகிதம் பல ஆண்டுகளாக அதிகரித்து வருகிறது (National Research Council 2013) . இந்த நீண்டகால போக்குகள், nonrelance விகிதம் இப்போது நிலையான தொலைபேசி ஆய்வுகள் (Kohut et al. 2012) 90% தாண்ட முடியும் என்று அர்த்தம்.

மறுபுறம், ஒரு மூன்றாவது சகாப்தத்திற்கு மாற்றமானது உற்சாகமான புதிய வாய்ப்புகளால் உந்தப்பட்டு வருகிறது, சிலவற்றில் நான் இந்த அத்தியாயத்தில் விவரிக்கிறேன். விஷயங்கள் இன்னும் தீர்க்கப்படவில்லை என்றாலும், சர்வே ஆராய்ச்சி மூன்றாம் சகாப்தம் அல்லாத நிகழ்தகவு மாதிரி, கணினி நிர்வாகி பேட்டிகள் மற்றும் பெரிய தரவு ஆதாரங்களுக்கான ஆய்வுகள் (அட்டவணை 3.1) ஆகியவற்றைக் கொண்டிருக்கும் என்று நான் எதிர்பார்க்கிறேன்.

அட்டவணை 3.1: Groves (2011) அடிப்படையிலான சர்வே ஆராய்ச்சி மூன்று முறைகள் Groves (2011)
சாம்ப்ளிங் நேர்காணல் தரவு சூழல்
முதல் சகாப்தம் பகுதி நிகழ்தகவு மாதிரி நேருக்கு நேர் தனியாக ஆய்வுகள்
இரண்டாவது சகாப்தம் ரேண்டம்-இலக்க டயல் (RDD) நிகழ்தகவு மாதிரி தொலைபேசி தனியாக ஆய்வுகள்
மூன்றாவது சகாப்தம் அல்லாத நிகழ்தகவு மாதிரி கணினி-நிர்வகிக்கப்படும் பெரிய தரவு ஆதாரங்களுடன் இணைக்கப்படும் ஆய்வுகள்

ஆராய்ச்சிகளின் இரண்டாம் மற்றும் மூன்றாம் கால இடைவெளிகளுக்கு இடையில் மாற்றம் முற்றிலும் மென்மையாக இல்லை, மேலும் ஆராய்ச்சியாளர்கள் எவ்வாறு தொடர வேண்டும் என்பது பற்றிய கடுமையான விவாதங்கள் நடைபெற்றுள்ளன. முதல் மற்றும் இரண்டாம் காலகட்டங்களுக்கு இடையில் மாற்றம் பற்றி திரும்பிப் பார்க்கையில், இப்போது நமக்கு ஒரு முக்கிய நுண்ணறிவு இருக்கிறது என்று நான் நினைக்கிறேன்: ஆரம்பம் முடிவு அல்ல . அதாவது, ஆரம்பத்தில் பல இரண்டாம் கால தொலைபேசி அடிப்படையிலான வழிமுறைகள் தற்காலிகமாக இருந்தன மற்றும் மிகவும் நன்றாக வேலை செய்யவில்லை. ஆனால், கடின உழைப்பு மூலம், ஆராய்ச்சியாளர்கள் இந்த பிரச்சினைகளை தீர்க்கிறார்கள். எடுத்துக்காட்டாக, வாரன் மிட்டோஃப்ஸ்கி மற்றும் ஜோசப் வக்ஸ்பெர்க் நல்ல நடைமுறை மற்றும் தத்துவார்த்த பண்புகள் (Waksberg 1978; ??? ) என்ற சீரற்ற-இலக்க டயல் மாதிரி முறைகளை உருவாக்கியதற்கு பல வருடங்களுக்கு முன்னர் ஆராய்ச்சியாளர்கள் சீரற்ற-இலக்க இலக்கை (Waksberg 1978; ??? ) . எனவே, மூன்றாவது சகாப்த அணுகுமுறைகளின் தற்போதைய நிலையை அவர்களின் இறுதி விளைவுகளுடன் நாம் குழப்பக்கூடாது.

தொழில்நுட்பம் மற்றும் சமுதாயத்தில் மாற்றங்கள் மூலம் உந்துதல், புலம் உருவாகிறது என்று கணக்கெடுப்பு ஆராய்ச்சி வரலாறு காட்டுகிறது. அந்த பரிணாமத்தை தடுக்க எந்த வழியும் இல்லை. மாறாக, முந்தைய காலங்களிலிருந்து ஞானத்தைத் தொடரவும், இந்த அத்தியாயத்தில் நான் எடுத்துக்கொள்ளும் அணுகுமுறையாகவும் அதைத் தழுவிக்கொள்ள வேண்டும். முதலாவதாக, பெரிய தரவு ஆதாரங்கள் ஆய்வை மாற்றாது மற்றும் பெரிய தரவு ஆதாரங்களின் அதிகரிப்பு அதிகரிக்கிறது-குறைக்காது-ஆய்வுகள் மதிப்பீடு (பிரிவு 3.2) அதிகரிக்காது என்று நான் வாதிடுவேன். அந்த உந்துதலால், நான் கணக்கெடுப்பு ஆராய்ச்சி முதல் இரண்டு காலங்களின் போது உருவாக்கப்பட்டது என்று மொத்த கணக்கெடுப்பு பிழை கட்டமைப்பை (பிரிவு 3.3) சுருக்கமாக. குறிப்பாக, நிகழ்தகவு அல்லாத மாதிரிகள் (பிரிவு 3.4) - புதிய மற்றும் புதிய அணுகுமுறைகள் - குறிப்பாக, கேள்விகளுக்கு கேள்விகளை கேட்கும் புதிய வழிகளில் (பிரிவு 3.5) புதிய அணுகுமுறைகளை புரிந்து கொள்ள இந்த கட்டமைப்பை நமக்கு உதவுகிறது. இறுதியாக, பெரிய தரவு மூலங்களுக்கு (பிரிவு 3.6) கணக்கெடுப்பு தரவை இணைப்பதற்கான இரண்டு ஆய்வு வார்ப்புருக்களை நான் விவரிக்கிறேன்.