Bias non di partecipazione alla ricerca di social media survey

La ricerca sui social media, attualmente in corso, è soggetta a prevenzione di non partecipazione. Esistono diversi tipi di polarizzazione di non partecipazione e ogni tipo ha il potenziale per influenzare l'affidabilità dei risultati della ricerca, spesso in modi nascosti o sconosciuti. Infatti, la ricerca ha dimostrato che i partecipanti alla ricerca difficili da raggiungere, che richiedono più sforzi per contattarli, differiscono in modo significativo da altri intervistati.

Queste differenze sono state osservate in età, sesso, stato civile, stato socioeconomico, stato di salute e numero di bambini.

Tasso di risposta

La misura in cui i dati alla fine di uno studio comprendono tutti i membri in un campione viene indicato come tasso di risposta. Mentre questo concetto è chiaro in un sondaggio strutturato o in una serie di interviste, è più ambiguo nella ricerca sui social media. Tuttavia, non è meno importante nella ricerca sui social media che in altri tipi di ricerca qualitativa. Il tasso di risposta è calcolato dal numero di partecipanti che completano le indagini - o accettano di essere intervistate - diviso per il numero totale di persone che compongono lo sforzo di campionamento originale. Il numero totale deve includere persone che non sono state contattate con successo o che hanno rifiutato di partecipare alla ricerca.

Il problema della generalizzazione

Indipendentemente dal modo in cui i dati vengono raccolti, l'importanza di un alto tasso di risposta non può essere sottolineata abbastanza.

Non è possibile generare realisticamente una popolazione maggiore quando il tasso di risposta di un campione è basso. La polarizzazione dei campioni aumenta come caduta di tasso di risposta. Nelle indagini basate sui media, quando i tassi di ritorno cadono a 20 o 30 per cento del campione, quel gruppo di partecipanti ha poco somiglianza con la popolazione campionata complessiva.

La stessa tendenza delle persone a restituire un'indagine postale o ad accettare di partecipare a un sondaggio telefonico si verifica con le persone che si impegnano in reti di social media: cioè un particolare interesse per l'argomento ( o prodotto o servizio, a seconda dei casi).

Formato campione

I campioni più piccoli hanno un errore di campionamento maggiore rispetto ai campioni più grandi. Si consideri che i dati di esempio forniscono una stima degli attributi della popolazione più grande. Ogni campione prelevato da un quadro di campionamento fornisce una stima separata di quella popolazione più grande. Teoricamente, ci potrebbe essere un modello separato di risposte in ogni campione preso per ogni domanda posta. Nel tempo, con abbastanza campioni prelevati dal fotogramma di campionamento, il modello vero convergeva intorno al modello reale (vero) della popolazione più grande.

Margine di errore

L'errore di campionamento descrive la precisione di una stima da uno dei campioni prelevati dalla popolazione più grande.L'errore di campionamento è espresso in termini di margine di errore associato a un livello di fiducia, che è una misura statistica. Ad esempio, in un sondaggio di preferenze presidenziali, la relazione può dimostrare che il dichiarante è favorito dal 64% degli elettori. Il margine di errore sarebbe più o meno 3 punti con un livello di confidenza del 95%.

In altre parole, se il sondaggio è stato condotto di nuovo con 100 diversi campioni di elettori, su 100 elettori, 95 elettori indicherebbe che l'incumbent è favorito dal 61% al 67% degli elettori. Cioè, il 61% degli elettori + 3% o -3%.

Decisioni circa la dimensione del campione

Il margine di errore associato al campionamento diminuisce mentre la dimensione del campione sale, ma solo ad un certo punto. Quando la dimensione del campione raggiunge i 1000 ai 2000 intervistati, il margine di errore è sufficientemente piccolo per considerare campioni più grandi (non una scelta conveniente). Quando i sottogruppi fanno parte della popolazione più grande, le dimensioni del campione più grandi possono essere giustificate poiché il margine di errore varia per ogni sottogruppo a seconda del numero di persone dei sottogruppi. Ad esempio, dato 1000 membri di una rete di social media e un margine di errore che è uguale a un punto da 1 a 3 punti percentuali con un intervallo di confidenza del 95%, l'analisi di un sottogruppo di quella rete di social media, ad esempio, stay-at-home- le mamme numerose di circa 100 - avrebbero un margine di errore maggiore di circa 4 a 10 punti.

Sufficienza di campionamento del campione

I campioni sono tipicamente valutati in base alle procedure di selezione utilizzate anziché alla dimensione o composizione ultima. Questo è fondamentale perché - nella maggior parte delle situazioni - è impossibile misurare con precisione il grado di rappresentatività di un campione della popolazione più grande. Le procedure statistiche vengono utilizzate perché consentono stime comode e fondamentalmente affidabili. La creazione di un ragionevole intervallo di confidenza e un margine di errore all'inizio consentono ai ricercatori di focalizzarsi su variabili come la risposta e gli opportuni frame di campionamento.