HoraceT และ CliffAB (ขออภัยนานเกินไปสำหรับความคิดเห็น) ฉันกลัวว่าฉันมีตัวอย่างตลอดชีวิตซึ่งสอนฉันด้วยว่าฉันต้องระวังคำอธิบายของพวกเขาอย่างระมัดระวังหากฉันต้องการหลีกเลี่ยงผู้คนที่กระทำผิด ดังนั้นในขณะที่ฉันไม่ต้องการปล่อยตัวคุณฉันขอความอดทนของคุณ ไปที่นี่:
ในการเริ่มต้นด้วยตัวอย่างสุดขั้วฉันเคยเห็นคำถามสำรวจที่เสนอให้ถามเกษตรกรหมู่บ้านที่ไม่มีการศึกษา (เอเชียตะวันออกเฉียงใต้) เพื่อประเมิน 'อัตราผลตอบแทนทางเศรษฐกิจ' ของพวกเขา ออกจากตัวเลือกการตอบกลับไปตอนนี้เราหวังว่าทุกคนจะเห็นว่านี่เป็นเรื่องโง่ที่ต้องทำ แต่อธิบายอย่างสม่ำเสมอว่าทำไมมันถึงโง่ไม่ใช่เรื่องง่าย ใช่เราสามารถพูดได้ว่ามันโง่เพราะผู้ตอบไม่เข้าใจคำถามและเพียงแค่เลิกเป็นปัญหาความหมาย แต่นี่ไม่ดีพอในบริบทการวิจัย ความจริงที่ว่าคำถามนี้เคยเสนอแนะหมายความว่านักวิจัยมีความแปรปรวนโดยธรรมชาติในสิ่งที่พวกเขาคิดว่า 'โง่' เพื่อแก้ไขปัญหานี้อย่างเป็นกลางมากขึ้นเราต้องถอยกลับและประกาศกรอบที่เกี่ยวข้องเพื่อการตัดสินใจเกี่ยวกับสิ่งต่าง ๆ อย่างโปร่งใส มีตัวเลือกมากมายเช่น
สมมุติว่าเรามีข้อมูลพื้นฐานสองประเภทที่เราสามารถใช้ในการวิเคราะห์: เชิงคุณภาพและเชิงปริมาณ และทั้งสองนั้นมีความสัมพันธ์กันโดยกระบวนการเปลี่ยนแปลงเช่นข้อมูลเชิงปริมาณทั้งหมดเริ่มต้นจากข้อมูลเชิงคุณภาพ แต่ได้ผ่านขั้นตอนต่อไปนี้
- การตั้งค่าการประชุม (เช่นเราทุกคนตัดสินใจว่า [โดยไม่คำนึงถึงวิธีการที่เรารับรู้เป็นรายบุคคล] ว่าเราทุกคนจะเรียกสีของท้องฟ้าเปิดกลางวัน "ฟ้า")
- การจัดประเภท (เช่นเราประเมินทุกสิ่งในห้องโดยการประชุมนี้และแยกรายการทั้งหมดออกเป็นหมวดหมู่ 'สีน้ำเงิน' หรือ 'ไม่ใช่สีฟ้า')
- นับ (เรานับ / ตรวจจับ 'ปริมาณ' ของสิ่งสีน้ำเงินในห้อง)
โปรดทราบว่า (ภายใต้รุ่นนี้) โดยไม่มีขั้นตอนที่ 1 ไม่มีสิ่งที่มีคุณภาพและถ้าคุณไม่ได้เริ่มต้นด้วยขั้นตอนที่ 1 คุณจะไม่สามารถสร้างปริมาณที่มีความหมายได้
เมื่อระบุไว้ทั้งหมดนี้ก็ดูชัดเจน แต่เป็นชุดแรกของหลักการที่ (ฉันพบ) มักถูกมองข้ามมากที่สุดและส่งผลให้ 'Garbage-In'
ดังนั้น 'ความโง่เขลา' ในตัวอย่างข้างต้นจึงกลายเป็นคำจำกัดความที่ชัดเจนอย่างชัดเจนว่าเป็นความล้มเหลวในการกำหนดแบบแผนร่วมกันระหว่างนักวิจัยและผู้ตอบแบบสอบถาม แน่นอนว่านี่เป็นตัวอย่างที่ดี แต่ความผิดพลาดที่ลึกซึ้งยิ่งกว่านั้นก็สามารถสร้างขยะได้อย่างเท่าเทียมกัน อีกตัวอย่างหนึ่งที่ฉันเห็นคือการสำรวจของเกษตรกรในโซมาเลียที่ถามว่า“ การเปลี่ยนแปลงสภาพภูมิอากาศส่งผลกระทบต่อการดำรงชีวิตของคุณอย่างไร?” อีกทางเลือกหนึ่งในการตอบสนองกันในขณะนี้ฉันขอแนะนำว่า สหรัฐอเมริกาจะเป็นความล้มเหลวที่ร้ายแรงในการใช้การประชุมร่วมกันระหว่างนักวิจัยและผู้ตอบแบบสอบถาม (กล่าวคือสิ่งที่ถูกวัดว่า 'การเปลี่ยนแปลงสภาพภูมิอากาศ')
ทีนี้มาดูตัวเลือกการตอบกลับกัน ด้วยการอนุญาตให้ผู้ตอบตอบการตอบสนองด้วยตนเองจากชุดของตัวเลือกหลายตัวเลือกหรือโครงสร้างที่คล้ายกันคุณกำลังผลักดันปัญหา 'การประชุม' นี้ในแง่มุมของการตั้งคำถามนี้เช่นกัน สิ่งนี้อาจใช้ได้ถ้าเรายึดถืออนุสัญญา 'สากล' อย่างมีประสิทธิภาพในหมวดการตอบสนอง (เช่นคำถาม: คุณอยู่เมืองใดในหมวดการตอบสนอง: รายชื่อเมืองทั้งหมดในพื้นที่วิจัย [บวก 'ไม่อยู่ในพื้นที่นี้']) อย่างไรก็ตามนักวิจัยหลายคนดูเหมือนจะภูมิใจในความละเอียดอ่อนของคำถามและหมวดหมู่การตอบสนองเพื่อตอบสนองความต้องการของพวกเขา ในการสำรวจเดียวกันกับคำถาม 'อัตราผลตอบแทนทางเศรษฐกิจ' ปรากฏขึ้นนักวิจัยยังได้ถามผู้ตอบแบบสอบถาม (ชาวบ้านที่ยากจน) เพื่อให้ภาคเศรษฐกิจที่พวกเขาสนับสนุน: ด้วยหมวดการตอบสนองของ 'การผลิต', 'บริการ' 'การผลิต' และ 'การตลาด' ปัญหาการประชุมเชิงคุณภาพอีกครั้งเกิดขึ้นที่นี่อย่างชัดเจน อย่างไรก็ตามเนื่องจากเขาได้ทำคำตอบที่ไม่เหมือนกันซึ่งผู้ตอบแบบสอบถามสามารถเลือกได้เพียงทางเลือกเดียวเท่านั้น (เพราะ“ ง่ายกว่าที่จะป้อนเข้าสู่ SPSS ด้วยวิธีนี้”) และเกษตรกรในหมู่บ้านมักผลิตพืชผลขายแรงงานผลิตหัตถกรรม ตลาดท้องถิ่นของตัวเองนักวิจัยเฉพาะนี้ไม่เพียง แต่มีปัญหาในการประชุมกับผู้ตอบแบบสอบถามเท่านั้น
นี่คือเหตุผลที่บอร์สต์เก่าอย่างฉันมักจะแนะนำวิธีการทำงานที่เข้มข้นมากขึ้นในการประยุกต์ใช้การเข้ารหัสกับข้อมูลหลังการรวบรวมเพราะอย่างน้อยคุณก็สามารถฝึกอบรมโคเดอร์ได้อย่างเพียงพอในการประชุมที่จัดขึ้นโดยนักวิจัย คำแนะนำในการสำรวจ 'เป็นเกมของ mug - เพียง แต่เชื่อใจฉันในเกมนี้) โปรดทราบด้วยว่าหากคุณยอมรับ 'โมเดลข้อมูล' ข้างต้น (ซึ่งอีกครั้งฉันไม่ได้อ้างว่าคุณต้องทำ) ก็แสดงให้เห็นว่าทำไมเครื่องชั่งตอบรับเสมือนจริงมีชื่อเสียงไม่ดี มันไม่ได้เป็นเพียงปัญหาทางคณิตศาสตร์ขั้นพื้นฐานภายใต้การประชุมของสตีเวน (เช่นคุณต้องกำหนดต้นกำเนิดที่มีความหมายแม้สำหรับเลขลำดับคุณไม่สามารถเพิ่มและหาค่าเฉลี่ยพวกมัน ฯลฯ ฯลฯ ) มันก็ยังเป็นสิ่งที่พวกเขาไม่เคยได้รับการประกาศอย่างโปร่งใสและมีเหตุผลกระบวนการเปลี่ยนแปลงที่สอดคล้องกับเหตุผลที่จะจำนวนของ 'ปริมาณ' (เช่นรุ่นขยายของรูปแบบที่ใช้ข้างต้นที่ยังครอบคลุมรุ่น 'ปริมาณปริมาณ' [- ไม่ยาก ทำ]). อย่างไรก็ตามหากไม่เป็นไปตามข้อกำหนดของการเป็นข้อมูลเชิงคุณภาพหรือเชิงปริมาณผู้วิจัยก็อ้างว่าได้ค้นพบข้อมูลชนิดใหม่นอกกรอบการทำงานดังนั้นความรับผิดชอบของพวกเขาก็คือการอธิบายแนวคิดพื้นฐานพื้นฐานอย่างสมบูรณ์ ( ie กำหนดกรอบงานใหม่อย่างโปร่งใส)
ในที่สุดเรามาดูปัญหาการสุ่มตัวอย่าง (และฉันคิดว่านี่สอดคล้องกับคำตอบอื่น ๆ ที่นี่แล้ว) ตัวอย่างเช่นหากนักวิจัยต้องการใช้แบบแผนของสิ่งที่ถือเป็นการลงคะแนนเสียงแบบ 'เสรีนิยม' พวกเขาต้องแน่ใจว่าข้อมูลทางประชากรศาสตร์ที่พวกเขาใช้ในการเลือกระบอบการสุ่มตัวอย่างนั้นสอดคล้องกับอนุสัญญานี้ ระดับนี้มักจะง่ายที่สุดในการระบุและจัดการกับเนื่องจากส่วนใหญ่อยู่ในการควบคุมนักวิจัยและส่วนใหญ่มักจะเป็นประเภทของการประชุมเชิงคุณภาพสันนิษฐานที่มีการประกาศอย่างโปร่งใสในการวิจัย นี่คือสาเหตุที่เป็นระดับที่มักจะกล่าวถึงหรือวิพากษ์วิจารณ์ในขณะที่ปัญหาพื้นฐานมากขึ้นไปไม่ได้รับการแก้ไข
ดังนั้นในขณะที่เจ้าหน้าที่ตำรวจติดคำถามเช่น 'คุณวางแผนที่จะลงคะแนน ณ เวลานี้' เราอาจจะยังโอเค แต่หลายคนต้องการได้รับ 'นักเล่น' มากกว่านี้ ...