소셜 미디어 조사 연구에서 비 참여 바이어스

현재 진행되고있는 소셜 미디어 연구는 비 참여 バイアス에 영향을받습니다. 많은 유형의 비 참여 바이어스가 존재하며 각 유형은 연구 결과의 신뢰성에 영향을 미칠 가능성이 있습니다 (종종 숨겨 지거나 알려지지 않은 방식으로 나타납니다). 사실 연구 결과 도달하기 어려운 여러 연구 참여자가 여러 접촉을 요구하면서 다른 응답자와 유의미한 차이를 보이는 것으로 나타났습니다.

이 차이는 연령, 성별, 결혼 상태, 사회 경제적 지위, 건강 상태 및 자녀 수에서 나타났습니다.

응답률

연구 종료 시점의 데이터가 표본의 모든 구성원을 포함하는 정도를 응답률이라고합니다. 이 개념은 구조화 된 설문 조사 또는 일련의 인터뷰에서 분명하지만 소셜 미디어 연구에서는 더 모호합니다. 그러나 소셜 미디어 연구에서는 다른 유형의 질적 연구보다 중요하지 않습니다. 응답률은 조사를 완료하거나 인터뷰에 동의 한 참가자 수를 원래 샘플링 노력을 한 사람의 수로 나눈 값입니다. 총 숫자에는 성공적으로 연락하지 않았거나 연구 참여를 거부 한 사람들이 포함되어야합니다.

일반화 문제

데이터 수집 방법에 관계없이 높은 응답 속도의 중요성은 충분히 강조 할 수 없습니다.

표본의 응답률이 낮 으면 더 많은 인구로 현실적으로 생성 할 수 없습니다. 응답 속도가 떨어지면 샘플 바이어스가 증가합니다. 미디어 기반 설문 조사에서 수익률이 표본의 20 ~ 30 %로 떨어지면 해당 표본 집단은 전체 표본 집단과 거의 유사하지 않습니다.

소셜 미디어 네트워크에 종사하는 사람들, 즉 설문 주제에 대한 특별한 관심이있는 사람들이 우편 접수 설문 조사에 응답하거나 전화 설문 조사에 참여하는 것과 동일한 경향이 있습니다 ( 경우에 따라 제품 또는 서비스).

샘플 크기

작은 샘플은 큰 샘플보다 큰 샘플링 오차를 갖는다. 표본 데이터가 더 많은 인구의 속성을 추정한다고 가정합니다. 샘플링 프레임에서 추출한 각 샘플은 더 큰 모집단에 대한 별도의 추정치를 제공합니다. 이론적으로 질문 된 각 질문에 대해 취한 각 표본에 대해 별도의 응답 패턴이있을 수 있습니다. 시간이 지남에 따라 샘플링 프레임에서 추출 된 충분한 샘플을 사용하면 실제 패턴은 더 큰 모집단의 실제 (실제) 패턴을 중심으로 수렴됩니다.

오차의 한계

표본 오차는 큰 집단에서 취한 표본의 추정치의 정확도를 나타냅니다.표본 오차는 통계적 척도 인 신뢰 수준과 관련된 오차 범위로 표현됩니다. 예를 들어, 대통령 선거 투표에서, 현직 위원은 유권자의 64 %가 선호하는 것으로 나타납니다. 오류의 마진은 95 % 신뢰 수준의 플러스 마이너스 3 포인트입니다. 즉, 100 명의 유권자 100 명을 대상으로 설문 조사를 다시 실시한 경우, 100 명의 유권자 중 95 명은 유권자가 61 %에서 67 %의 유권자를 선호한다는 것을 나타냅니다. 즉 유권자의 61 % + 3 % 또는 -3 %입니다.

표본 크기에 관한 결정

표본 크기가 올라감에 따라 표본 추출과 관련된 오류의 마진은 낮아 지지만 특정 지점까지만 떨어집니다. 표본 크기가 1000 명에서 2000 명에 이르면 오차 범위는 충분히 작아서 (비용 효과적인 선택이 아닌) 더 큰 표본을 고려해야합니다. 하위 집단이 더 큰 집단의 일부일 때, 더 큰 표본 크기는 오류의 마진이 하위 집단의 사람들의 수에 따라 각 하위 집단마다 다르므로 정당화 될 수있다. 예를 들어, 소셜 미디어 네트워크의 1000 명의 회원과 95 % 신뢰 구간을 가진 1 ~ 3 % 포인트의 오차 범위가있는 경우, 소셜 미디어 네트워크의 하위 그룹 분석 (예 : 집에서 머물며) 약 100 개의 엄마는 4-10 점 정도의 오차가 더 큽니다.

측정 시료 효율

시료는 전형적으로 최종 크기 또는 조성보다는 사용 된 선택 절차에 따라 평가된다. 이것은 대부분의 상황에서 표본이 더 큰 인구의 대표성을 정확히 측정하는 것이 불가능하기 때문에 근본적인 것입니다. 통계적 절차는 편리하고 근본적으로 신뢰할 수있는 추정을 허용하기 때문에 사용됩니다. 합리적인 신뢰 구간과 오류 마진을 초기에 설정하면 연구자는 응답률 및 적절한 샘플링 프레임과 같은 변수에 집중할 수 있습니다.