Nicht-Beteiligungs-Bias in Social Media Survey Research

Die Social-Media-Forschung, wie sie derzeit durchgeführt wird, unterliegt nicht-partizipatorischer Ausrichtung. Es gibt eine Reihe von Arten von Nichtbeteiligungseinschränkungen, und jeder Typ hat das Potenzial, die Zuverlässigkeit von Forschungsergebnissen zu beeinflussen - oft auf versteckte oder unbekannte Weise. In der Tat hat die Forschung gezeigt, dass diejenigen Forschungsteilnehmer, die schwer zu erreichen sind und vielfache Anstrengungen erfordern, um sie zu kontaktieren, sich in signifikanter Weise von anderen Befragten unterscheiden.

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 in einer Stichprobe enthalten, wird als die Rücklaufquote bezeichnet. Während dieses Konzept in einer strukturierten Umfrage oder einem Set 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 Formen der qualitativen Forschung. Die Antwortrate wird anhand der Anzahl der Teilnehmer berechnet, die Umfragen durchführen - oder sich mit einem Interview einverstanden erklären - geteilt durch die Gesamtzahl der Personen, die den ursprünglichen Stichprobenaufwand ausmachen. Die Gesamtzahl muss Personen umfassen, die nicht erfolgreich kontaktiert wurden oder sich weigern, an der Forschung teilzunehmen.

Das Generalisierungsproblem

Unabhängig davon, wie Daten gesammelt werden, kann die Wichtigkeit einer hohen Reaktionsrate nicht genug betont werden.

Es ist nicht möglich, eine größere Population realistisch zu erzeugen, wenn die Antwortrate einer Stichprobe niedrig ist. Der Sample-Bias erhöht sich, wenn die Ansprechrate sinkt. In mediengestützten Umfragen, wenn die Rücklaufquote auf 20 oder 30 Prozent der Stichprobe fällt, hat diese Gruppe von Teilnehmern wenig Ähnlichkeit mit der gesamten Stichprobenpopulation.

Die gleiche Tendenz der Befragten, eine Mail-in-Befragung zurückzugeben oder sich an einer telefonischen Umfrage zu beteiligen, erfolgt mit Personen, die soziale Netzwerke nutzen: das heißt, ein besonderes Interesse an dem Thema ( oder Produkt oder Dienstleistung, je nach Fall).

Sample Size

Kleinere Samples haben einen größeren Sampling-Fehler als größere Samples. Bedenken Sie, dass Beispieldaten eine Schätzung der Attribute der größeren Population liefern. Jede Probe aus einem Stichprobenrahmen liefert eine separate Schätzung dieser größeren Population. Theoretisch könnte es ein separates Muster von Antworten in jeder Probe geben, die für jede gestellte Frage genommen wurden. Im Laufe der Zeit würde das wahre Muster mit genügend Stichproben aus dem Stichprobenrahmen um das tatsächliche (wahre) Muster der größeren Population konvergieren.

Fehlergrenze

Der Stichprobenfehler beschreibt die Genauigkeit einer Schätzung aus einer der Proben, die aus der größeren Population entnommen wurden.Der Stichprobenfehler wird als Fehlerquote ausgedrückt, die mit einem Konfidenzniveau verknüpft ist, bei dem es sich um ein statistisches Maß handelt. So kann beispielsweise in einer Präferenzumfrage des Präsidenten gezeigt werden, dass der Amtsinhaber von 64% der Wähler bevorzugt wird. Die Fehlerquote würde bei einem Konfidenzniveau von 95% plus oder minus 3 Punkte betragen.

Mit anderen Worten, wenn die Umfrage mit 100 verschiedenen Wählerstichproben von den 100 Wählern wiederholt würde, würden 95 Wähler angeben, dass der Amtsinhaber von 61% bis 67% der Wähler bevorzugt wird. Das heißt, 61% der Wähler + 3% oder -3%.

Entscheidungen über die Stichprobengröße

Die mit der Stichprobe verbundene Fehlerquote sinkt mit zunehmender Stichprobengröße, jedoch nur bis zu einem bestimmten Punkt. Wenn die Stichprobengröße 1000 bis 2000 Befragte erreicht, ist die Fehlerspanne ausreichend klein, um größere Stichproben zu berücksichtigen (keine kosteneffiziente Wahl). Wenn Untergruppen Teil der größeren Population sind, können größere Stichprobengrößen gerechtfertigt sein, da die Fehlerquote für jede Untergruppe von der Anzahl der Personen in den Untergruppen abhängt. Beispiel: Bei 1000 Mitgliedern eines Social Media-Netzwerks und einer Fehlermarge von 1 bis 3 Prozentpunkten mit einem Konfidenzintervall von 95% wird die Analyse einer Untergruppe dieses Social Media-Netzwerks, z. B. "Stay-at-Home", durchgeführt. Mütter mit einer Nummer von etwa 100 hätten eine höhere Fehlerquote von etwa 4 bis 10 Punkten.

Messung der Probenanzahl

Die Proben werden normalerweise nach den verwendeten Auswahlverfahren und nicht nach der endgültigen Größe oder Zusammensetzung beurteilt. Dies ist von grundlegender Bedeutung, da es in den meisten Situationen unmöglich ist, genau zu messen, wie repräsentativ eine Stichprobe der größeren Bevölkerung ist. Statistische Verfahren werden verwendet, weil sie bequeme und grundlegend zuverlässige Schätzungen erlauben. Die Festlegung eines angemessenen Konfidenzintervalls und einer Fehlerspanne zu Beginn ermöglicht es den Forschern, sich auf Variablen wie die Ansprechrate und angemessene Stichprobenrahmen zu konzentrieren.