Como promocionar a calidade nas mostras de redes sociais
Estas diferenzas víronse en idade, xénero, estado civil, estado socioeconómico, estado de saúde e número de fillos.
Tasa de resposta
A medida en que os datos ao peche dun estudo inclúen todos os membros dunha mostra refírese á taxa de resposta . Aínda que este concepto está claro nunha enquisa estructurada ou conxunto de entrevistas, é máis ambiguo na investigación en redes sociais. Non obstante, non é menos importante na investigación en redes sociais que noutros tipos de investigación cualitativa . A taxa de resposta calcúlase polo número de participantes que realizan enquisas -o que aceptan ser entrevistados- divididos polo número total de persoas que compoñen o esforzo de mostraxe orixinal . O número total debe incluír persoas que non se contactaron con éxito ou que se negaron a participar na investigación.
O problema de xeneralización
Independentemente de como se recompilan os datos, a importancia dunha alta taxa de resposta non pode ser suficientemente estresada.
Non se pode xerar de forma realista unha poboación maior cando a taxa de resposta dunha mostra é baixa. O sesgo de mostra aumenta a medida que cae a taxa de resposta. En enquisas baseadas en medios, cando as taxas de retorno caen a 20 ou 30 por cento da mostra, ese grupo de participantes non ten un pouco de semellanza coa poboación en xeral.
A mesma tendencia das persoas a devolver unha enquisa de correo ou aceptar participar nunha enquisa telefónica prodúcese con persoas que participan nas redes de redes sociais: isto é, un interese particular na materia (ou produto ou servizo, segundo o caso) ser).
Tamaño de mostra
As mostras máis pequenas teñen un maior erro de mostraxe que as mostras maiores. Considere que os datos de mostra proporcionan unha estimación dos atributos da poboación maior. Cada mostra extraída dun cadro de mostraxe proporciona unha estimación separada para esa poboación maior. Teoricamente, podería haber un patrón separado de respostas en cada mostra tomada para cada pregunta feita. Co tempo, con mostras suficientes extraídas do marco de mostraxe, o verdadeiro patrón convergería ao redor do patrón real (verdadeiro) da poboación máis grande.
Marxe de erro
O erro de mostraxe describe a precisión dunha estimación a partir de calquera das mostras tomadas da poboación máis grande. O erro de mostraxe exprésase en términos dunha marxe de erro asociada a un nivel de confianza, que é unha medida estatística . Nunha elección de preferencia presidencial, por exemplo, o informe pode mostrar que o titular está favorecido polo 64% dos votantes. A marxe de erro sería máis ou menos 3 puntos cun nivel de confianza do 95%.
Noutras palabras, se a enquisa realizásese nuevamente con 100 mostras diferentes de votantes, dos 100 electores, 95 electores indicarían que o titular estaba favorecido entre o 61% eo 67% dos votantes. É dicir, o 61% dos votantes + 3% ou -3%.
Decisións sobre o tamaño da mostra
A marxe de erro asociada coa mostraxe descende cando o tamaño da mostra sobe, pero só a un determinado punto. Cando o tamaño da mostra alcanza entre 1.000 e 2.000 entrevistados, a marxe de erro é suficientemente pequena para tomar en consideración as mostras maiores (e non unha opción de custo efectivo ). Cando os subgrupos son parte da poboación máis grande, os tamaños de mostra máis grandes poden xustificarse porque a marxe de erro pode variar para cada subgrupo segundo o número de persoas nos subgrupos. Por exemplo, dados 1000 membros dunha rede de redes sociais e unha marxe de erro que equivale a entre 1 a 3 puntos porcentuais cun intervalo de confianza do 95%, a análise dun subconjunto da rede de redes sociais, por exemplo, stay-at-home- As mamás con aproximadamente 100 persoas terían unha marxe de erro superior de 4 a 10 puntos.
Afirmando a suficiencia de mostra
As mostras son normalmente avaliadas segundo os procedementos de selección utilizados en vez do tamaño ou composición final. Isto é fundamental porque, na maioría das situacións, é imposible medir con precisión a representativa dunha mostra da poboación máis grande. Utilízanse procedementos estatísticos porque permiten estimacións convenientes e fundamentalmente fiables. Establecer un intervalo de confianza razoable e unha marxe de erro ao comezo permite aos investigadores concentrarse en variables como a taxa de resposta e marcos de mostraxe adecuados.