Ikke-deltakelse Bias i Social Media Survey Research

Social mediaforskning, som den for tiden er gjennomført, er gjenstand for ikke-deltakelsesforstyrrelser. En rekke typer ikke-deltakelsesforstyrrelser eksisterer, og hver type har potensial til å påvirke påliteligheten av forskningsresultater, ofte på skjulte eller ukjente måter. Faktisk har forskning vist at de forskningsdeltakere som er vanskelige å nå, krever flere anstrengelser for å kontakte dem, er forskjellig på vesentlige måter fra andre respondenter.

Disse forskjellene ble sett i alder, kjønn, sivilstand, sosioøkonomisk status, helsestatus og antall barn.

Response Rate

I hvilken grad dataene ved avslutning av en studie inkluderer alle medlemmene i en prøve, refereres til som svarfrekvens. Selv om dette konseptet er tydelig i en strukturert undersøkelse eller sett med intervjuer, er det mer tvetydig i sosial medieforskning. Det er imidlertid ikke mindre viktig i sosiale medier forskning enn det er i andre typer kvalitativ forskning. Svarfrekvensen beregnes av antall deltagere som fullfører undersøkelser - eller samtykker i å bli intervjuet - delt på det totale antallet personer som utgjør den opprinnelige prøvetakingsarbeidet. Totalt antall må inkludere personer som ikke ble kontaktet eller som nektet å delta i forskningen.

Generaliseringsproblemet

Uansett hvordan data samles, kan betydningen av en høy responsrate ikke stresses nok.

Det er ikke mulig å realistisk generere til en større befolkning når svarsraten til en prøve er lav. Prøveforspenning øker ettersom responsraten faller. I mediebaserte undersøkelser, når returfrekvensen faller til 20 eller 30 prosent av prøven, har denne gruppen av deltakere lite likhet med den samlede samplede befolkningen.

Samme tendens til at folk returnerer en post-undersøkelse eller er enige om å delta i en telefonundersøkelse, skjer hos folk som deltar i sosiale medier: det vil si en spesiell interesse for emnet ( eller produkt eller tjeneste, alt etter omstendighetene).

Eksempelstørrelse

Mindre prøver har større prøvefeil enn større prøver. Vurder at prøvedata gir et estimat av egenskapene til den større befolkningen. Hver prøve trukket fra en prøveramme gir et eget estimat for den større befolkningen. Teoretisk sett kan det være et eget responsmønster i hver prøve som tas for hvert spørsmål som er spurt. Over tid, med nok prøver trukket fra prøvetakningsrammen, ville det sanne mønsteret konvergere rundt det faktiske (sanne) mønsteret til den større befolkningen.

Feilmargin

Samplingsfeil beskriver nøyaktigheten av et estimat fra noen av prøvene tatt fra den større befolkningen.Prøvetakingsfeil uttrykkes som en feilmargin som er knyttet til et konfidensnivå, som er et statistisk mål. I en presidenspreferanse kan for eksempel rapporten vise at den som befinner seg foretrekkes av 64% av velgerne. Feilmarginen vil være pluss-eller-minus 3 poeng med et 95% konfidensnivå.

Med andre ord, hvis avstemningen ble gjennomført på nytt med 100 forskjellige utvalg av velgere, av de 100 velgerne, ville 95 velgere indikere at den som befinner seg foretrekkes av 61% til 67% av velgerne. Det vil si 61% av velgerne + 3% eller -3%.

Beslutninger om prøvestørrelse

Feilmarginen knyttet til prøvetaking går ned ettersom prøvestørrelsen går opp, men bare til et bestemt punkt. Når prøvestørrelsen når 1000 til 2000 respondenter, er feilmarginen tilstrekkelig liten for å ta hensyn til større prøver (ikke et kostnadseffektivt valg). Når undergrupper er en del av den større befolkningen, kan større utvalgsstørrelser være berettiget fordi feilmarginen vil variere for hver undergruppe, avhengig av antall personer i undergruppene. For eksempel, gitt 1000 medlemmer av et sosialt medienettverk og en feilmargin som tilsvarer et sted mellom 1 og 3 prosentpoeng med et 95% konfidensintervall, analyser en undergruppe av det sosiale media-nettverket, si, opphold-hjemme- Moms som nummererer rundt 100-ville ha en høyere feilmargin på ca 4 til 10 poeng.

Måleprøveforsyning

Prøver evalueres typisk i henhold til utvalgsprosedyrene som brukes i stedet for den ultimate størrelsen eller sammensetningen. Dette er grunnleggende fordi i de fleste situasjoner er det umulig å måle nøyaktig hvor representativ en prøve er av den større befolkningen. Statistiske prosedyrer brukes fordi de tillater praktiske og fundamentalt pålitelige estimater. Etablering av et rimelig konfidensintervall og feilmargin ved starten gjør det mulig for forskere å fokusere på variabler som responsfrekvens og tilstrekkelige samplingsrammer.