সোশ্যাল মিডিয়ার নমুনাগুলোতে কীভাবে প্রচার করা যায়
এই পার্থক্য বয়স, লিঙ্গ, বৈবাহিক অবস্থা, আর্থ-সামাজিক অবস্থা, স্বাস্থ্যের অবস্থা এবং শিশুদের সংখ্যা দেখা যায়।
প্রতিক্রিয়া হার
যে পরিমাণে একটি অধ্যয়নের বন্ধ হওয়া তথ্য একটি নমুনা সব সদস্যদের অন্তর্ভুক্ত প্রতিক্রিয়া রেট হিসাবে বলা হয়। যদিও এই ধারণা একটি পরিকল্পিত জরিপ বা সাক্ষাত্কারের সেটের মধ্যে স্পষ্ট, তবে এটি সোশাল মিডিয়ার গবেষণাগুলিতে আরও দ্ব্যর্থহীন। যাইহোক, এটি অন্যান্য ধরনের গুণগত গবেষণার চেয়ে সোশ্যাল মিডিয়া গবেষণার ক্ষেত্রে কম গুরুত্বপূর্ণ নয়। প্রতিক্রিয়া হার অংশগ্রহণকারীদের পূর্ণ সংখ্যা দ্বারা গণনা করা হয় - সাক্ষাৎকার নিতে বা সাক্ষাত্কারের জন্য সম্মত হন - মূল স্যাম্পলিং প্রচেষ্টা তৈরি করে এমন লোকেদের মোট সংখ্যা দ্বারা ভাগ করা। মোট সংখ্যাটিতে এমন ব্যক্তিদের অবশ্যই অন্তর্ভুক্ত থাকতে হবে যারা সফলভাবে যোগাযোগ করেননি বা যারা গবেষণাটিতে অংশগ্রহণ করতে অস্বীকার করেন
সাধারণীকরণের ইস্যু
তথ্য সংগ্রহ করা হয় কি না , প্রতিক্রিয়া উচ্চ হার গুরুত্ব যথেষ্ট জোরালো করা যাবে না।
একটি নমুনা প্রতিক্রিয়া হার কম যখন এটি বাস্তবিকই একটি বৃহত্তর জনসংখ্যা উৎপন্ন করা সম্ভব নয়। প্রতিক্রিয়া হার ড্রপ হিসাবে নমুনা পক্ষপাত বৃদ্ধি গণমাধ্যম ভিত্তিক সার্ভেগুলিতে, যখন রিটার্ন রেটগুলি নমুনা থেকে ২0 বা 30 শতাংশে নেমে যায় তখন অংশগ্রহণকারীর গোষ্ঠী সামগ্রিক স্যাম্পলড জনসংখ্যার সাথে সামান্য সামঞ্জস্য রাখে।
একটি মেল-ইন জরিপ ফেরত পাঠানোর জন্য বা টেলিফোনের জরিপের সাথে অংশগ্রহণের জন্য একমত হওয়া ব্যক্তিদের একই প্রবণতা সামাজিক মিডিয়া নেটওয়ার্কের সাথে জড়িত এমন ব্যক্তিদের সাথে ঘটেছে: যে, বিষয় (অথবা পণ্য বা পরিষেবাতে বিশেষ আগ্রহ) থাকা).
সাধারন মাপ
বড় নমুনার তুলনায় ছোট নমুনার বড় নমুনা ত্রুটি রয়েছে বিবেচনা করুন যে নমুনা তথ্য বৃহত্তর জনগোষ্ঠীর বৈশিষ্ট্যের একটি অনুমান প্রদান করে। একটি নমুনা ফ্রেম থেকে টানা প্রতিটি নমুনা সেই বৃহত জনসংখ্যার একটি পৃথক অনুমান প্রদান করে। থিওরিটিক্যালি, প্রতিটি প্রশ্নে নেওয়া প্রতিটি নমুনার মধ্যে প্রতিক্রিয়া একটি পৃথক প্যাটার্ন হতে পারে জিজ্ঞাসা করা। সময়ের সাথে সাথে, স্যাম্পলিং ফ্রেম থেকে টেনে আনা যথেষ্ট নমুনা সহ, সত্যিকারের প্যাটার্নটি বৃহত্তর জনগোষ্ঠীর প্রকৃত (সত্য) প্যাটার্নে একত্রিত হবে।
ত্রুটির মার্জিন
নমুনা ত্রুটি বৃহত্তর জনসংখ্যার কাছ থেকে নেওয়া নমুনার যেকোন একটি অনুমানের স্পষ্টতা বর্ণনা করে। নমুনা ত্রুটি একটি মার্জিন ত্রুটির পরিপ্রেক্ষিতে প্রকাশ করা হয় যা একটি আত্মবিশ্বাসের সাথে সম্পর্কিত, যা একটি পরিসংখ্যানগত পরিমাপ । উদাহরণস্বরূপ, একটি রাষ্ট্রপতির পছন্দসই পোলের মাধ্যমে, রিপোর্টটি দেখাতে পারে যে ভোটারের 64% ভোটদাতারা সমর্থন করে। ত্রুটি মার্জিন একটি 95% আত্মবিশ্বাসের স্তর সঙ্গে প্লাস-বা-বিয়োগ 3 পয়েন্ট হবে।
অন্য কথায়, যদি 100 জন ভোটারের মধ্যে 100 জন ভোটারের মধ্যে ভোটারের 100 টি ভিন্ন নমুনা দিয়ে আবার ভোট গ্রহণ করা হয়, তাহলে 95 জন ভোটার ভোট দেবেন 61% থেকে 67% ভোটদাতার পক্ষে। যে, 61% ভোটার + 3% বা -3%
নমুনা আকার সম্পর্কে সিদ্ধান্ত
নমুনা সংখ্যার সঙ্গে যুক্ত ত্রুটি মার্জ করা হিসাবে নমুনা আকার আপ যায় নিচে, কিন্তু শুধুমাত্র একটি নির্দিষ্ট বিন্দু। যখন নমুনা আকার 1000 থেকে 2000 উত্তরদাতাদের পর্যন্ত পৌঁছেছে, ত্রুটি মার্জিন যথেষ্ট ছোট হয় যাতে বড় নমুনা (একটি খরচ কার্যকর পছন্দ না ) বিবেচনা করা উপগোষ্ঠি বৃহত্তর জনসংখ্যার অংশ হয়ে গেলে, বৃহত্তর নমুনা মাপগুলি যথাযথ হতে পারে কারণ উপগোষ্ঠীর লোকেদের উপর নির্ভর করে প্রতিটি উপগোষ্ঠির জন্য ত্রুটি মার্জিন পরিবর্তিত হবে। উদাহরণস্বরূপ, সোশ্যাল মিডিয়া নেটওয়ার্কের 1000 জন সদস্য এবং ত্রুটির একটি মার্জিন দেওয়া হয় যা 95% আস্থা ব্যবধানের সাথে 1-3 থেকে 3 শতাংশ পয়েন্টের সমান, সেই সোশ্যাল মিডিয়া নেটওয়ার্কের একটি উপগোষ্ঠী বিশ্লেষণ - বলে - বাস-এ-হোম- প্রায় 100 নম্বরের মায়ের সংখ্যা 4 থেকে 10 পয়েন্টের একটি বড় মার্জিন থাকবে।
গেজিং নমুনা অপুষ্টি
নমুনাগুলি সাধারণত চূড়ান্ত আকার বা গঠনের পরিবর্তে ব্যবহৃত পদ্ধতি অনুযায়ী মূল্যায়ন করা হয়। এটি মৌলিক কারণ- অধিকাংশ পরিস্থিতিতে-সঠিক পরিসংখ্যানটি পরিমাপ করা অসম্ভব, কতজন জনসংখ্যার নমুনা প্রতিনিধিত্ব করে। পরিসংখ্যানগত পদ্ধতি ব্যবহার করা হয় কারণ তারা সুবিধাজনক এবং মৌলিকভাবে নির্ভরযোগ্য অনুমানের অনুমতি দেয়। একটি যুক্তিসঙ্গত আস্থা অন্তর এবং শুরুতে ভুল মার্জিন স্থাপন করা গবেষকরা প্রতিক্রিয়া হার এবং পর্যাপ্ত নমুনা ফ্রেম হিসাবে ভেরিয়েবলের উপর ফোকাস করতে সক্ষম করে তোলে।