Ako propagovať kvalitu v sociálnych médiách
Tieto rozdiely boli pozorované vo veku, pohlaví, rodinnom stave, sociálno-ekonomickom stave, zdravotnom stave a počte detí.
Rýchlosť odpovede
Rozsah, v akom údaje na konci štúdie zahŕňajú všetkých členov vo vzorke, sa označuje ako miera odpovede . Zatiaľ čo tento koncept je jasný v štruktúrovanom prieskume alebo v rozbore rozhovorov, je to v oblasti sociálnych médií nejednoznačné. V výskumoch sociálnych médií to však nie je menej dôležité ako v iných typoch kvalitatívneho výskumu . Miera odozvy je vypočítaná počtom účastníkov, ktorí dokončia prieskumy - alebo súhlasia s rozhovormi - delený celkovým počtom ľudí, ktorí tvoria pôvodné úsilie na odber vzoriek . Celkový počet musí zahŕňať osoby, ktoré neboli úspešne kontaktované alebo ktoré sa odmietli zúčastniť na výskume.
Generalizačné vydanie
Bez ohľadu na spôsob zhromažďovania údajov nemožno zdôrazniť význam vysokej miery reakcie .
Nie je možné realisticky generovať väčšiu populáciu, keď je miera odozvy vzorky nízka. Zvýšenie vzorkovania sa zvyšuje s poklesom miery odpovede. V prieskumoch založených na médiách, keď návratnosť klesne na 20 alebo 30 percent vzorky, táto skupina účastníkov má len malú podobnosť s celkovou populáciou vo vzorke.
Rovnaká tendencia ľudí vrátiť prieskum pošty alebo súhlasiť s účasťou na telefonickom prieskume sa vyskytuje u ľudí, ktorí sa zapájajú do sociálnych sietí médií: to je zvláštny záujem o predmet (alebo výrobok alebo službu, podľa okolností) be).
Veľkosť vzorky
Menšie vzorky majú väčšiu chybu vzorkovania ako väčšie vzorky. Zvážte, že ukážkové údaje poskytujú odhad atribútov väčšej populácie. Každá vzorka odobratá zo vzorkovacieho rámca poskytuje samostatný odhad tejto väčšej populácie. Teoreticky by mohol existovať oddelený vzor odpovedí v každej vzorke odobratou pre každú otázku. V priebehu času s dostatkom vzoriek odobratých zo vzorkovacieho rámca by skutočný vzor zhromažďoval okolo skutočného (pravdivého) vzoru väčšej populácie.
Hranica chyby
Chyba vzorkovania opisuje presnosť odhadu zo všetkých vzoriek odobratých z väčšej populácie. Chyba pri odbere vzoriek je vyjadrená ako hranica chyby, ktorá je spojená s úrovňou spoľahlivosti, čo je štatistické opatrenie . Napríklad v prezidentskom preferenčnom prieskume môže správa preukázať, že 64% voličov podporuje dominantný subjekt. Hranica chyby by bola plus alebo mínus 3 body s 95% úrovňou spoľahlivosti.
Inými slovami, ak by sa prieskum uskutočnil opäť so 100 rôznymi vzorkami voličov, z celkového počtu 100 voličov by 95 voličov naznačovalo, že úradujúci je zvýhodnený o 61% až 67% voličov. To znamená, že 61% voličov + 3% alebo -3%.
Rozhodnutia o veľkosti vzorky
Obmedzenie chyby spojené s odberom vzoriek sa zníži, pretože veľkosť vzorky stúpa, ale iba do určitého bodu. Keď veľkosť vzorky dosiahne 1000 až 2000 respondentov, hranica chyby je dostatočne malá, aby sa zohľadnili väčšie vzorky (nie nákladovo efektívna voľba ). Ak sú podskupiny súčasťou väčšej populácie, väčšie veľkosti vzoriek môžu byť odôvodnené, pretože rozsah chyby sa bude meniť pre každú podskupinu v závislosti od počtu ľudí v podskupinách. Napríklad pre 1000 členov siete sociálnych médií a mieru chybovosti, ktorá sa rovná niekde medzi 1 a 3 percentuálnymi bodmi s 95% intervalom spoľahlivosti, analýza podskupiny tejto siete sociálnych médií - povedzme, stay-at-home- mamičky s číslom okolo 100 by mali väčšiu chybu približne 4 až 10 bodov.
Meranie dostatočnosti vzorky
Vzorky sa zvyčajne vyhodnocujú skôr podľa použitých výberových postupov ako sú konečná veľkosť alebo zloženie. Toto je zásadné, pretože - vo väčšine situácií - nie je možné presne zistiť, ako reprezentatívna vzorka je väčšej populácie. Štatistické postupy sa používajú, pretože umožňujú pohodlné a zásadne spoľahlivé odhady. Stanovenie primeraného intervalu spoľahlivosti a rozpätia chýb na začiatku umožňuje výskumníkom zamerať sa na premenné, ako je miera odpovede a adekvátne odberové rámce.