Sosyal Medya Örneklerinde Kaliteyi Destekleme
Bu farklılıklar yaş, cinsiyet, medeni durum, sosyoekonomik durum, sağlık durumu ve çocuk sayısında görüldü.
Yanıt oranı
Bir çalışmanın kapanışındaki verinin bir örneklemdeki tüm üyeleri kapsadığı kapsam, yanıt oranı olarak adlandırılır. Bu kavram yapılandırılmış bir ankette veya görüşmelerde net olsa da, sosyal medya araştırmalarında daha belirsizdir. Bununla birlikte, sosyal medya araştırmalarında, diğer tür nitel araştırmalarda olduğundan daha az önemli değildir. Yanıt oranı, anketleri tamamlayan veya röportaj yapmayı kabul eden katılımcıların sayısıyla, orijinal örnekleme çabasını oluşturan toplam kişi sayısına bölünerek hesaplanır. Toplam sayı, başarılı bir şekilde iletişim kurmamış veya araştırmaya katılmayı reddeden kişileri içermelidir.
Genelleme Sorunu
Verilerin nasıl toplandığına bakılmaksızın, yüksek bir cevap oranının önemi yeterince vurgulanamaz.
Bir numunenin yanıt oranı düşük olduğunda gerçekçi bir şekilde daha büyük bir popülasyon üretmek mümkün değildir. Yanıt oranı düştükçe örnek yanlılığı artar. Medya temelli araştırmalarda, geri dönüş oranları örneklemin% 20 veya 30'una düştüğünde, bu katılımcı grubu genel örneklenmiş nüfusa çok az benzerlik göstermektedir.
İnsanların bir mail-in-anketine geri dönme ya da bir telefon anketine katılmayı kabul etme eğilimleri, sosyal medya ağlarına katılan kişiler ile ortaya çıkar: yani konuya özel bir ilgi (ya da ürün ya da hizmet) ) olabilir.
Örnek boyut
Daha küçük örnekler daha büyük örneklerden daha büyük örnekleme hatasına sahiptir. Örnek verilerinin daha büyük popülasyonun özelliklerine ilişkin bir tahmin sağladığını düşünün. Bir örnekleme çerçevesinden alınan her örnek, daha büyük popülasyonun ayrı bir tahminini sağlar. Teorik olarak, her bir soruda sorulan her soru için ayrı bir cevap modeli olabilir. Zaman içinde, örnekleme çerçevesinden yeterli örnek alındığında, gerçek model daha büyük popülasyonun gerçek (gerçek) modeli etrafında birleşecektir.
Hata Marjı
Örnekleme hatası, daha büyük popülasyondan alınan örneklerin herhangi birinden bir tahminin kesinliğini açıklar. Örnekleme hatası, istatistiksel bir ölçü olan bir güven seviyesiyle ilişkili bir hata payı cinsinden ifade edilir. Örneğin, bir Başkanlık tercihi anketinde, rapor, görevdeki seçmenlerin% 64'ünün tercih edildiğini gösterebilir. Hata payı,% 95'lik bir güven seviyesiyle artı veya eksi 3 puan olacaktır.
Diğer bir deyişle, 100 seçmen arasından 100 seçmen arasından yapılan anketin tekrar tekrar yapılması halinde, 95 seçmen, görevdeki seçmenlerin% 61 ile% 67'sini tercih ettiğini belirtmektedir. Yani, seçmenlerin% 61'i +% 3 veya% -3'dür.
Numune Büyüklüğüne İlişkin Kararlar
Örneklemin boyutu arttıkça örnekleme ile ilişkili hata payı azalır, ancak sadece belirli bir noktaya kadar. Örneklem büyüklüğü 1000 ila 2000 katılımcıya ulaştığında, hata payı, daha büyük numunelerin ( maliyet etkin bir seçim değil ) dikkate alınması için yeterince küçüktür. Alt gruplar daha büyük popülasyonun bir parçası olduğunda, daha büyük örneklem büyüklükleri haklı olabilir çünkü alt gruplardaki insan sayısına bağlı olarak hata payı her bir alt grup için değişecektir. Örneğin, bir sosyal medya ağının 1000 üyesi ve% 95 güven aralığında bir yüzde 1 ile 3 puan arasında bir değere eşit olan bir hata payı verildiğinde, bu sosyal medya ağının bir alt grubunun analizi - evdeyken - 100 civarında numara atan anneler - yaklaşık 4 ila 10 puanlık daha yüksek bir hata payına sahip olacaklardı.
Numune Yeterliliğini Ölçme
Numuneler tipik olarak, nihai boyut veya kompozisyondan ziyade kullanılan seçim prosedürlerine göre değerlendirilir. Bu temeldir, çünkü çoğu durumda — bir örneklemin temsilcisinin daha büyük bir popülasyondan ne kadar olduğunu doğru olarak ölçmek mümkün değildir. İstatistiksel prosedürler, uygun ve temel olarak güvenilir tahminlere izin verdikleri için kullanılır. Başlangıçta makul bir güven aralığı ve hata payı oluşturulması, araştırmacıların yanıt oranı ve yeterli örnekleme çerçeveleri gibi değişkenlere odaklanmasını sağlar.