सामाजिक मीडिया नमूने में गुणवत्ता को बढ़ावा देने के लिए कैसे
ये मतभेद उम्र, लिंग, वैवाहिक स्थिति, सामाजिक आर्थिक स्थिति, स्वास्थ्य की स्थिति और बच्चों की संख्या में देखा गया था।
प्रतिक्रिया की दर
एक अध्ययन के नजदीक डेटा जिसमें नमूना के सभी सदस्यों को प्रतिक्रिया दर के रूप में संदर्भित किया जाता है। हालांकि यह अवधारणा एक संरचित सर्वेक्षण या साक्षात्कार के सेट में स्पष्ट है, यह सोशल मीडिया शोध में अधिक अस्पष्ट है। हालांकि, यह अन्य प्रकार के गुणात्मक शोधों की तुलना में सोशल मीडिया शोध में कम महत्वपूर्ण नहीं है। प्रतिक्रिया दर उन प्रतिभागियों की संख्या द्वारा गणना की जाती है जो सर्वेक्षण पूरा करते हैं-या साक्षात्कार के लिए सहमत होते हैं-जो मूल नमूना प्रयास करने वाले लोगों की कुल संख्या से विभाजित होते हैं। कुल संख्या में उन लोगों को शामिल करना चाहिए जिन्हें सफलतापूर्वक संपर्क नहीं किया गया था या जिन्होंने शोध में भाग लेने से इंकार कर दिया था।
सामान्यीकरण मुद्दे
चाहे डेटा कैसे एकत्र किया जाता है, प्रतिक्रिया की उच्च दर का महत्व पर्याप्त तनाव नहीं दिया जा सकता है।
नमूना की प्रतिक्रिया दर कम होने पर वास्तविक रूप से बड़ी आबादी उत्पन्न करना संभव नहीं है। प्रतिक्रिया दर गिरने के रूप में नमूना पूर्वाग्रह बढ़ता है। मीडिया आधारित सर्वेक्षणों में, जब वापसी दर नमूना के 20 या 30 प्रतिशत तक गिर जाती है, तो प्रतिभागियों का समूह समग्र नमूना आबादी के साथ समान समानता रखता है।
मेल-इन सर्वेक्षण में वापसी करने के लिए लोगों की एक ही प्रवृत्ति या टेलीफोन सर्वेक्षण में भाग लेने के लिए सहमत होने वाले लोगों के साथ सोशल मीडिया नेटवर्क में शामिल होते हैं: यानी, विषय वस्तु (या उत्पाद या सेवा, जैसा मामला हो, में विशेष रुचि है) हो)।
नमूने का आकार
बड़े नमूनों के बड़े नमूनों की तुलना में बड़ी नमूना त्रुटि होती है। गौर करें कि नमूना डेटा बड़ी आबादी के गुणों का अनुमान प्रदान करता है। एक नमूना फ्रेम से तैयार प्रत्येक नमूना उस बड़ी आबादी का एक अलग अनुमान प्रदान करता है। सैद्धांतिक रूप से, प्रत्येक प्रश्न के लिए किए गए प्रत्येक नमूने में प्रतिक्रियाओं का एक अलग पैटर्न हो सकता है। समय के साथ, नमूना फ्रेम से खींचे गए पर्याप्त नमूनों के साथ, वास्तविक पैटर्न बड़ी आबादी के वास्तविक (सत्य) पैटर्न के आसपास अभिसरण करेगा।
गलती की सम्भावना
नमूनाकरण त्रुटि बड़ी आबादी से लिया गया नमूने से अनुमान के परिशुद्धता का वर्णन करती है। नमूनाकरण त्रुटि एक त्रुटि के मार्जिन के संदर्भ में व्यक्त की जाती है जो आत्मविश्वास के स्तर से जुड़ी होती है, जो एक सांख्यिकीय उपाय है । एक राष्ट्रपति वरीयता सर्वेक्षण में, उदाहरण के लिए, रिपोर्ट दिखा सकती है कि मतदाताओं का 64% मतदाताओं द्वारा पक्षपात किया जाता है। त्रुटि का मार्जिन 95% आत्मविश्वास के स्तर के साथ प्लस-या-माइनस 3 अंक होगा।
दूसरे शब्दों में, यदि मतदान मतदाताओं के 100 अलग-अलग नमूने के साथ फिर से आयोजित किया गया था, तो 100 मतदाताओं में से 9 5 मतदाता संकेत देंगे कि अभ्यर्थी को 61% से 67% मतदाताओं का पक्ष है। यही है, मतदाताओं का 61% + 3% या -3%।
नमूना आकार के बारे में निर्णय
सैम्पलिंग के साथ जुड़े त्रुटि का मार्जिन नीचे चला जाता है क्योंकि नमूना आकार बढ़ जाता है, लेकिन केवल एक निश्चित बिंदु पर। जब नमूना आकार 1000 से 2000 उत्तरदाताओं तक पहुंचता है, तो त्रुटि का मार्जिन पर्याप्त छोटा होता है ताकि बड़े नमूने ( लागत प्रभावी विकल्प नहीं ) पर विचार किया जा सके । जब उपसमूह बड़ी आबादी का हिस्सा होते हैं, तो बड़े नमूना आकार को उचित ठहराया जा सकता है क्योंकि उपसमूहों में लोगों की संख्या के आधार पर त्रुटि का मार्जिन प्रत्येक उपसमूह के लिए अलग-अलग होगा। उदाहरण के लिए, सोशल मीडिया नेटवर्क के 1000 सदस्यों और त्रुटि का मार्जिन जो 95% आत्मविश्वास अंतराल के साथ 1 से 3 प्रतिशत अंक के बीच कहीं बराबर होता है, उस सोशल मीडिया नेटवर्क के उपसमूह का विश्लेषण-कहें, घर पर रहने के लिए- लगभग 100 की संख्या वाली माताओं के बारे में 4 से 10 अंक की त्रुटि का उच्च मार्जिन होगा।
नमूना क्षमता गौगिंग
नमूने आमतौर पर अंतिम आकार या संरचना के बजाय उपयोग की जाने वाली चयन प्रक्रियाओं के अनुसार मूल्यांकन किए जाते हैं। यह मौलिक है क्योंकि-अधिकांश स्थितियों में-यह सटीक रूप से मापना असंभव है कि नमूना बड़ी आबादी का नमूना कैसे है । सांख्यिकीय प्रक्रियाओं का उपयोग किया जाता है क्योंकि वे सुविधाजनक और मौलिक रूप से विश्वसनीय अनुमानों की अनुमति देते हैं। शुरुआत में एक उचित आत्मविश्वास अंतराल और त्रुटि का मार्जिन स्थापित करने से शोधकर्ताओं को प्रतिक्रिया दर और पर्याप्त नमूनाकरण फ्रेम जैसे चर पर ध्यान केंद्रित करने में सक्षम बनाता है।