Come promuovere la qualità negli esempi di social media
Queste differenze sono state osservate in età, sesso, stato civile, stato socioeconomico, stato di salute e numero di bambini.
Tasso di risposta
La misura in cui i dati al termine di uno studio includono tutti i membri di un campione è indicata come il tasso di risposta . Mentre questo concetto è chiaro in un sondaggio strutturato o in una serie di interviste, è più ambiguo nella ricerca sui social media. Tuttavia, non è meno importante nella ricerca sui social media che in altri tipi di ricerca qualitativa . Il tasso di risposta è calcolato dal numero di partecipanti che completano i sondaggi o che accettano di essere intervistati, diviso per il numero totale di persone che compongono lo sforzo di campionamento originale . Il numero totale deve includere persone che non sono state contattate con successo o che hanno rifiutato di partecipare alla ricerca.
Il problema della generalizzazione
Indipendentemente dal modo in cui i dati vengono raccolti, l'importanza di un alto tasso di risposta non può essere sufficientemente sottolineata.
Non è possibile generare realisticamente una popolazione più grande quando il tasso di risposta di un campione è basso. Il bias del campione aumenta con il diminuire del tasso di risposta. Nei sondaggi basati sui media, quando i tassi di rendimento scendono al 20 o 30 percento del campione, quel gruppo di partecipanti ha poca somiglianza con la popolazione complessiva campionata.
La stessa tendenza delle persone a restituire un sondaggio postale o accettare di partecipare a un sondaggio telefonico avviene con le persone che si impegnano in reti di social media: vale a dire, un particolare interesse per l'argomento (o prodotto o servizio, a seconda dei casi essere).
Misura di prova
I campioni più piccoli hanno un errore di campionamento maggiore rispetto ai campioni più grandi. Considera che i dati campione forniscono una stima degli attributi della popolazione più ampia. Ogni campione estratto da un riquadro di campionamento fornisce una stima separata di quella popolazione più ampia. Teoricamente, potrebbe esserci un modello separato di risposte in ciascun campione preso per ogni domanda posta. Nel corso del tempo, con un numero sufficiente di campioni estratti dal frame di campionamento, il modello reale convergerebbe attorno al modello reale (vero) della popolazione più ampia.
Margine di errore
L'errore di campionamento descrive la precisione di una stima da uno qualsiasi dei campioni prelevati dalla popolazione più ampia. L'errore di campionamento è espresso in termini di margine di errore associato a un livello di confidenza, che è una misura statistica . In un sondaggio sulla preferenza presidenziale, ad esempio, il rapporto potrebbe mostrare che l'incumbent è favorito dal 64% degli elettori. Il margine di errore sarebbe più o meno 3 punti con un livello di confidenza del 95%.
In altre parole, se il sondaggio fosse condotto di nuovo con 100 diversi campioni di elettori, su 100 votanti, 95 elettori indicherebbero che l'incumbent è favorito dal 61% al 67% degli elettori. Cioè, il 61% degli elettori + 3% o -3%.
Decisioni sulla dimensione del campione
Il margine di errore associato al campionamento diminuisce con l'aumentare delle dimensioni del campione, ma solo fino a un certo punto. Quando le dimensioni del campione raggiungono da 1000 a 2000 rispondenti, il margine di errore è sufficientemente ridotto in modo da prendere in considerazione campioni più grandi (non una scelta economica ). Quando i sottogruppi fanno parte di una popolazione più ampia, è possibile giustificare una maggiore dimensione del campione poiché il margine di errore varia a seconda del numero di persone nei sottogruppi per ciascun sottogruppo. Ad esempio, dati 1000 membri di una rete di social media e un margine di errore che equivale da qualche parte tra 1 e 3 punti percentuali con un intervallo di confidenza del 95%, analisi di un sottogruppo di quella rete di social media, ad esempio, stay-at-home- le mamme che numerano circa 100 - avrebbero un margine di errore più alto di circa 4 a 10 punti.
Calibro del campione Sufficienza
I campioni vengono generalmente valutati in base alle procedure di selezione utilizzate piuttosto che alla dimensione o composizione definitiva. Questo è fondamentale perché, nella maggior parte delle situazioni, è impossibile misurare con precisione quanto sia rappresentativo un campione della popolazione più ampia. Le procedure statistiche sono utilizzate perché consentono stime convenienti e fondamentalmente affidabili. Stabilire un ragionevole intervallo di confidenza e un margine di errore all'inizio consente ai ricercatori di concentrarsi su variabili come il tasso di risposta e adeguati frame di campionamento.