Wie man Qualität in Social Media Samples fördert
Diese Unterschiede wurden in Alter, Geschlecht, Familienstand, sozioökonomischem Status, Gesundheitszustand und Anzahl der Kinder gesehen.
Antwortrate
Das Ausmaß, in dem die Daten am Ende einer Studie alle Mitglieder einer Stichprobe umfassen, wird als Antwortquote bezeichnet . Während dieses Konzept in einer strukturierten Umfrage oder einer Reihe von Interviews klar ist, ist es in der Social-Media-Forschung mehrdeutig. In der Social-Media-Forschung ist es jedoch nicht weniger wichtig als in anderen Arten der qualitativen Forschung . Die Rücklaufquote errechnet sich aus der Anzahl der Teilnehmer, die Umfragen abgeschlossen haben oder einer Befragung zustimmen, dividiert durch die Gesamtzahl der Personen, die die ursprüngliche Stichprobenbemessung durchführen . Die Gesamtzahl muss Personen umfassen, die nicht erfolgreich kontaktiert wurden oder die sich weigerten, an der Forschung teilzunehmen.
Das Generalisierungsproblem
Unabhängig davon, wie Daten gesammelt werden, kann die Wichtigkeit einer hohen Antwortrate nicht genug betont werden.
Es ist nicht möglich, eine größere Population realistisch zu erzeugen, wenn die Antwortrate einer Stichprobe niedrig ist. Die Sample-Bias steigt mit sinkender Response-Rate In medienbasierten Umfragen, wenn die Rücklaufquoten auf 20 oder 30 Prozent der Stichprobe fallen, hat diese Gruppe von Teilnehmern wenig Ähnlichkeit mit der gesamten Stichprobe.
Die gleiche Tendenz der Menschen, eine Mail-In-Umfrage zurückzuschicken oder einer Telefonumfrage zuzustimmen, findet bei Personen statt, die sich in sozialen Netzwerken engagieren: das heißt, ein besonderes Interesse am Thema (oder Produkt oder Dienstleistung, je nach Fall) Sein).
Beispielgröße
Kleinere Stichproben haben einen größeren Stichprobenfehler als größere Stichproben. Berücksichtigen Sie, dass Beispieldaten eine Schätzung der Attribute der größeren Population liefern. Jede Stichprobe aus einem Stichprobenrahmen liefert eine separate Schätzung dieser größeren Population. Theoretisch könnte es in jeder Probe, die für jede gestellte Frage genommen wird, ein getrenntes Antwortmuster geben. Im Laufe der Zeit, wenn genügend Stichproben aus dem Stichprobenrahmen gezogen wurden, konvergierte das wahre Muster um das tatsächliche (wahre) Muster der größeren Population.
Fehlermarge
Der Stichprobenfehler beschreibt die Genauigkeit einer Schätzung aus einer Stichprobe aus der größeren Population. Der Stichprobenfehler wird in Form einer Fehlerquote ausgedrückt, die mit einem Vertrauensniveau verbunden ist, das ein statistisches Maß ist . Beispielsweise könnte der Bericht in einer Umfrage zur Präferenz des Präsidenten zeigen, dass der Amtsinhaber von 64% der Wähler bevorzugt wird. Die Fehlermarge wäre plus oder minus 3 Punkte mit einem Konfidenzniveau von 95%.
Mit anderen Worten, wenn die Umfrage mit 100 verschiedenen Wählerproben erneut durchgeführt würde, würden 95 der Wähler darauf hinweisen, dass der Amtsinhaber von 61% bis 67% der Wähler bevorzugt wird. Das heißt, 61% der Wähler + 3% oder -3%.
Entscheidungen über Stichprobenumfang
Die Fehlerquote bei der Probenahme sinkt mit steigender Probenzahl, jedoch nur bis zu einem bestimmten Punkt. Wenn die Stichprobengröße 1000 bis 2000 Befragte erreicht, ist die Fehlermarge klein genug, um größere Stichproben zu berücksichtigen (keine kostengünstige Lösung ). Wenn Untergruppen Teil der größeren Population sind, können größere Stichprobengrößen gerechtfertigt sein, da die Fehlerquote für jede Untergruppe in Abhängigkeit von der Anzahl der Personen in den Untergruppen variiert. Wenn beispielsweise 1000 Mitglieder eines Social-Media-Netzwerks und eine Fehlerquote von etwa 1 bis 3 Prozentpunkten mit einem Konfidenzintervall von 95% angegeben werden, wird eine Untergruppe dieses sozialen Mediennetzwerks analysiert, z. B. "Stay-at-home". Mütter, die ungefähr 100 nummerieren, hätten eine höhere Fehlerspanne von ungefähr 4 bis 10 Punkten.
Gauge Sample Suffizienz
Proben werden in der Regel nach den verwendeten Auswahlverfahren und nicht nach der endgültigen Größe oder Zusammensetzung bewertet. Dies ist grundlegend, da es in den meisten Situationen unmöglich ist, genau zu messen, wie repräsentativ eine Stichprobe der größeren Population ist. Statistische Verfahren werden verwendet, weil sie bequeme und grundsätzlich zuverlässige Schätzungen ermöglichen. Durch die Festlegung eines angemessenen Konfidenzintervalls und einer Fehlermarge zu Beginn können sich Forscher auf Variablen wie die Antwortrate und angemessene Stichprobenrahmen konzentrieren.