Neúčasti Bias ve výzkumu sociálních médií

Výzkum sociálních médií, jak se v současné době provádí, podléhá neúčasti. Existuje řada typů neúčasti a každý typ má potenciál ovlivnit spolehlivost výsledků výzkumu - často skrytými nebo neznámými způsoby. Ve skutečnosti výzkum ukázal, že tito výzkumní účastníci, kteří jsou obtížně dosažitelní a vyžadují více snah kontaktovat se, se významně liší od ostatních respondentů.

Tyto rozdíly byly pozorovány u věku, pohlaví, rodinného stavu, sociálně-ekonomického stavu, zdravotního stavu a počtu dětí.

Reakční míra

Míra, do jaké údaje na konci studie zahrnují všechny členy ve vzorku, se označuje jako míra odpovědi. Zatímco tato koncepce je jasná ve strukturovaném průzkumu nebo v souboru rozhovorů, je ve výzkumu sociálních médií nejednoznačnější. V výzkumu sociálních médií je nicméně méně důležitý než v jiných typech kvalitativních výzkumů. Míra odpovědí je vypočtena počtem účastníků, kteří dokončují průzkumy nebo souhlasí s rozhovorem, dělený celkovým počtem osob, které tvoří původní pokus o odběr vzorků. Celkový počet musí zahrnovat lidi, kteří nebyli úspěšně kontaktováni nebo kteří se odmítli účastnit výzkumu.

Problém s generalizací

Bez ohledu na to, jak jsou shromažďovány údaje, nemůžeme důrazně zdůraznit důležitost vysoké míry reakce.

Není možné realisticky generovat větší populaci, pokud je odpověď vzorku nízká. Vzestup vzorků se zvyšuje s poklesem míry odezvy. V průzkumu založeném na médiích, kdy návratnost klesla na 20 nebo 30 procent vzorků, se tato skupina účastníků má málo podobná celkové populaci zařazené do vzorku.

Stejná tendence lidí, aby se vrátily poštovní průzkum nebo souhlasili s účastí telefonického průzkumu, se vyskytuje u lidí, kteří se zapojují do sítí sociálních médií: to je zvláštní zájem o předmět ( nebo produkt nebo služba, podle okolností).

Velikost vzorku

Menší vzorky mají větší vzorkovací chybu než větší vzorky. Zvažte, že ukázkové údaje poskytují odhad atributů větší populace. Každý vzorek odebraný ze vzorkovacího rámce poskytuje samostatný odhad této větší populace. Teoreticky by mohlo existovat oddělený vzorek odpovědí v každém vzorku, který by byl proveden pro každou otázku. V průběhu času se dostatečným počtem vzorků odebraných ze vzorkovacího rámce skutečný vzor shromáždil kolem skutečného vzoru větší populace.

Hranice chyby

Chyba při odběru popisuje přesnost odhadu ze všech vzorků odebraných z větší populace.Chyba při odběru vzorků je vyjádřena v rozsahu chyby, která je spojena s úrovní spolehlivosti, což je statistické opatření. Například v prezidentském průzkumu o preferencích může zpráva ukázat, že 64% voličů je upřednostňováno. Mezera chyby by byla plus-nebo-minus 3 body s 95% úrovní spolehlivosti.

Jinými slovy, pokud by hlasování bylo provedeno znovu se 100 různými vzorky voličů, z celkového počtu 100 voličů by 95 voličů ukázalo, že úředník je zvýhodněn o 61% až 67% voličů. To znamená, že 61% voličů + 3% nebo -3%.

Rozhodnutí o velikosti vzorku

Rozsah chyby při výběru vzorků se snižuje, protože velikost vzorku se zvyšuje, ale pouze na určitý bod. Pokud velikost vzorku dosáhne 1000 až 2 000 respondentů, je rozpětí chyb dostatečně malé, aby se zvážily větší vzorky (nikoliv nákladově efektivní výběr). Pokud jsou podskupiny součástí větší populace, mohou být odůvodněné větší velikosti vzorků, protože velikost chyb se bude měnit pro každou podskupinu v závislosti na počtu lidí v podskupinách. Například s ohledem na 1000 členů sítě sociálních médií a hranice chyb, která se rovná někde mezi 1 až 3 procentními body s 95% intervalu spolehlivosti, analýza podskupiny této sítě sociálních médií - řekněme, pobyt na domácí stránce, maminky o hodnotě asi 100 - by měly větší rozpětí chyb asi 4 až 10 bodů.

Dostatečnost vzorků

Vzorky jsou obvykle vyhodnocovány podle použitých výběrových postupů spíše než jejich konečné velikosti nebo složení. To je zásadní proto, že - ve většině situací - není možné přesně měřit, jak reprezentativní je vzorek větší populace. Statistické postupy se používají, protože umožňují pohodlné a zásadně spolehlivé odhady. Stanovení přiměřeného intervalu spolehlivosti a rozpětí chyb na začátku umožňuje výzkumným pracovníkům zaměřit se na proměnné, jako je míra odezvy a adekvátní vzorkovací rámce.