Icke-deltagande Bias i Social Media Survey Research

Social mediaforskning, som den för närvarande utförs, är föremål för icke-deltagande partiskhet. Ett antal typer av icke-deltagande bias finns och varje typ har potential att påverka tillförlitligheten hos forskningsresultat - ofta på sätt som är dolda eller okända. Faktum är att forskningen har visat att de forskare som är svåra att nå, vilket kräver flera ansträngningar att kontakta dem, skiljer sig avsevärt från andra respondenter.

Dessa skillnader ses i ålder, kön, civilstånd, socioekonomisk status, hälsotillstånd och antal barn.

Svarsfrekvens

I vilken utsträckning data i slutet av en studie innehåller alla medlemmar i ett prov kallas svarsfrekvensen. Även om detta begrepp är tydligt i en strukturerad undersökning eller uppsättning intervjuer, är det mer tvetydigt i social mediaforskning. Det är emellertid inte mindre viktigt i social mediaforskning än vad som gäller andra typer av kvalitativ forskning. Svarsfrekvensen beräknas av antalet deltagare som kompletterar undersökningar - eller samtycker till att intervjuas - dividerat med det totala antalet personer som utgör den ursprungliga provtagningsinsatsen. Det totala antalet måste inkludera personer som inte kontaktats framgångsrikt eller som vägrade delta i forskningen.

Generaliseringsproblemet

Oavsett hur data samlas in kan betydelsen av en hög responshastighet inte betonas tillräckligt.

Det är inte möjligt att realistiskt generera till en större population när svarsfrekvensen för ett prov är låg. Provprofil ökar när svarsfrekvensen sjunker. I mediebaserade undersökningar, när returfrekvensen faller till 20 eller 30 procent av provet, har den grupp deltagarna liten likhet med den samlade befolkningen.

Samma tendens att människor returnerar en post-undersökning eller samtycker till att delta i en telefonundersökning inträffar hos personer som deltar i sociala medianät: det vill säga ett särskilt intresse för ämnet ( eller produkt eller tjänst, beroende på vad som är fallet).

Provstorlek

Mindre prover har större provtagningsfel än större prov. Tänk på att provdata ger en uppskattning av attributen hos den större befolkningen. Varje prov som dras från en provtagningsram ger en separat uppskattning av den större populationen. Teoretiskt sett kan det finnas ett separat svarmönster i varje prov som tagits för varje fråga som ställts. Med tiden, med tillräckligt många prover som drogs ur provtagningsramen, skulle det sanna mönstret konvergera kring det faktiska (sanna) mönstret för den större befolkningen.

Felmarginal

Provtagningsfel beskriver precisionen av en uppskattning från något av de prov som tagits från den större populationen.Provtagningsfel uttrycks i form av en felmarginal som är förknippad med en konfidensnivå, vilket är en statistisk åtgärd. I en presidentvalskampanj kan exempelvis rapporten visa att den etablerade personen är gynnad av 64% av väljarna. Felmarginalen skulle vara plus-eller-minus 3 poäng med 95% konfidensnivå.

Med andra ord, om omröstningen gjordes igen med 100 olika valprovstagare, skulle av de 100 väljarena 95 väljare indikera att den etablerade personen favoriseras av 61% till 67% av väljarna. Det vill säga 61% av väljarna + 3% eller -3%.

Beslut om provstorlek

Felmarginalen som hör samman med provtagningen går ner eftersom provstorleken går upp, men bara till en viss punkt. När provstorlek når 1000 till 2000 respondenter är felmarginalen tillräckligt liten för att ta hänsyn till större prover (inte ett kostnadseffektivt val). När undergrupper är en del av den större befolkningen kan större provstorlekar vara motiverade eftersom felmarginalen varierar för varje undergrupp beroende på antalet personer i undergrupperna. Till exempel, med tanke på 1000 medlemmar i ett socialmedia-nätverk och en felmarginal som motsvarar någonstans mellan 1 och 3 procentenheter med ett 95% konfidensintervall, analys av en undergrupp av det sociala medienätverket, säg, stay-at-home- moms som nummererar cirka 100-skulle ha en högre felmarginal på cirka 4 till 10 poäng.

Mätprovförsörjning

Prover utvärderas typiskt i enlighet med de använda urvalsförfarandenna snarare än den slutliga storleken eller sammansättningen. Detta är grundläggande eftersom det i de flesta situationer är omöjligt att noggrant mäta hur representativt ett prov är för den större befolkningen. Statistiska förfaranden används eftersom de tillåter praktiska och grundläggande tillförlitliga uppskattningar. Att skapa ett rimligt konfidensintervall och felmarginal vid början gör det möjligt för forskare att fokusera på variabler som svarsfrekvens och adekvata provtagningsramar.