တုံ့ပြန်မှုမရှိသော ဘက်လိုက်မှု- ရှင်းလင်းချက်နှင့် ဥပမာများ

Non-response bias သည် စစ်တမ်းတစ်ခုအား တုံ့ပြန်သူများသည် မတုံ့ပြန်သောသူများနှင့် သိသိသာသာကွဲပြားသည့်အခါ ဖြစ်ပေါ်သည့် ဘက်လိုက်မှုဖြစ်သည်။

အကြောင်းအမျိုးမျိုးကြောင့် တုံ့ပြန်မှုမရှိသောဘက်လိုက်မှု ဖြစ်ပွားနိုင်သည်-

• စစ်တမ်းသည် ညံ့ဖျင်းစွာ ဒီဇိုင်းထုတ်ထားပြီး တုံ့ပြန်မှု မရှိစေပါ။ ဥပမာအားဖြင့်၊ မက်လုံးများမပါဘဲ ရှည်လျားလွန်းသော စစ်တမ်းများသည် စစ်တမ်းကို မပြီးမြောက်ရန် လူရာခိုင်နှုန်း မြင့်မားစေသည်။
• လူအချို့သည် စစ်တမ်းတစ်ခုအား တုံ့ပြန်ရန် အလားအလာ ပိုများသည်။ ဥပမာအားဖြင့်၊ မကြာခဏ တောင်တက်သူများသည် မတက်သူများထက် အလားအလာရှိသော တောင်တက်စက်ရုံအသစ်အကြောင်း စစ်တမ်းကို တုံ့ပြန်နိုင်ခြေ ပိုများသည်။
• စစ်တမ်းသည် လူဦးရေ၏ အဖွဲ့ဝင်အားလုံးသို့ မရောက်ရှိခဲ့ပါ။ ဥပမာအားဖြင့်၊ ဖုန်းအက်ပ်အသစ်တစ်ခုမှ ပေးပို့သော စစ်တမ်းတစ်ခုသည် အက်ပ်ရှိလူငယ်များကိုသာ ရောက်ရှိလာနိုင်ပြီး လူဦးရေ၏ အသက်ကြီးသောအဖွဲ့ဝင်များထံမှ တုံ့ပြန်မှုမရှိခြင်းကို ဖြစ်စေသည်။
• စစ်တမ်းသည် လူများစွာကို တုံ့ပြန်ခြင်းကို ဟန့်တားသည့် ကိုယ်ရေးကိုယ်တာ အချက်အလက်များနှင့်ပတ်သက်သော အဆင်မပြေသည့်မေးခွန်းများကို မေးသည်။

တုံ့ပြန်မှုမရှိသော ဘက်လိုက်မှုများသည် ဤအကြောင်းများ အားလုံးကြောင့် ဖြစ်ပွားနိုင်သည်။

တုံ့ပြန်မှုမရှိသော ဘက်လိုက်မှုသည် အဘယ်ကြောင့် ပြဿနာဖြစ်သနည်း။

တုံ့ပြန်မှုမရှိသော ဘက်လိုက်မှုသည် အဓိကအကြောင်းရင်းနှစ်ခုအတွက် ပြဿနာတစ်ရပ်ဖြစ်သည်-

1. တုံ့ပြန်မှုမရှိသော ဘက်လိုက်မှုသည် နမူနာအား လူဦးရေတစ်ခုလုံးကို ကိုယ်စားပြုခြင်းမဟုတ်စေပါ။ နမူနာတစ်ခုအတွက် ဒေတာစုဆောင်းခြင်း၏ အကျိုးကျေးဇူးမှာ လူဦးရေတစ်ခုလုံးအတွက် ဒေတာစုဆောင်းခြင်းထက် ပိုမိုမြန်ဆန်ပြီး စျေးပိုသက်သာပြီး နမူနာရလဒ်များကို ပိုမိုများပြားသော လူဦးရေသို့ ခွဲထုတ်နိုင်ခြင်းကြောင့်ဖြစ်သည်။

သို့သော် ရလဒ်များကို အပိုဆောင်းရန်အတွက် နမူနာသည် ကျွန်ုပ်တို့၏ လူဦးရေတစ်ခုလုံးကို ကိုယ်စားပြု ရမည်ဖြစ်သည်။ အကောင်းဆုံးကတော့၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏နမူနာကို လူဦးရေ၏ “မီနီ” ဗားရှင်းဖြစ်လိုပါသည်။

ကံမကောင်းစွာပဲ၊ တုံ့ပြန်မှုမရှိသောဘက်လိုက်မှုသည် ကျွန်ုပ်တို့၏နမူနာရှိလူများကို ပိုမိုကျယ်ပြန့်သောလူဦးရေရှိသူများနှင့် အလွန်ကွာခြားသွားစေသည်။

ဥပမာအားဖြင့်၊ မြို့တစ်မြို့သည် ကျောက်တောင်တက်အဆောက်အအုံအသစ်တစ်ခု တည်ဆောက်ရန် စဉ်းစားနေသည်ဆိုပါစို့။ မြို့တွင်းနေထိုင်သူများသည် အဆိုပါ အဆောက်အဦအမျိုးအစားများကို အသုံးပြုရာတွင် စိတ်ဝင်စားမှုမည်မျှရှိမည်ကို တိုင်းတာရန်အတွက် မြို့တော်တာဝန်ရှိသူများသည် စမတ်ဖုန်းအက်ပ်အသစ်မှတစ်ဆင့် စစ်တမ်းတိုတစ်ခုကို ပေးပို့လျက်ရှိသည်။

စစ်တမ်းကောက်ယူရာတွင် အသုံးပြုသည့်နည်းလမ်းနှင့် စစ်တမ်း၏အကြောင်းအရာ (တောင်တက်ခြင်းဆိုင်ရာမေးခွန်းများ) ကြောင့် လျှောက်လွှာတင်ထားသူများနှင့် တောင်တက်ခြင်းကို စိတ်ဝင်စားသူများမှာ အဓိကအားဖြင့် လျှောက်ထားသူများဖြစ်သည်။

ထို့ကြောင့် စစ်တမ်းရလဒ်များ ပြန်လည်ထွက်ပေါ်လာသောအခါတွင် မြို့သူမြို့သားအများစုသည် ဤအဆောက်အအုံအသစ်ကို ဆောက်လုပ်ရန် စိတ်ဝင်စားနေကြပုံပေါ်သည်။ ကံမကောင်းစွာဖြင့်၊ စစ်တမ်းရလဒ်များသည် လူဦးရေတစ်ခုလုံးကို ကိုယ်စားမပြုပါ။

အောက်ဖော်ပြပါပုံသဏ္ဍာန်သည် ဤပြဿနာကို သရုပ်ဖော်သည်- အစိမ်းရောင်စက်ဝိုင်းများသည် စက်ရုံအား အသုံးပြုရန် စိတ်ဝင်စားသူများကို ကိုယ်စားပြုပြီး အနီရောင်စက်ဝိုင်းများသည် စက်ရုံအား အသုံးပြုရန် စိတ်မဝင်စားသူများကို ကိုယ်စားပြုသည်ဟု ယူဆကြပါစို့။

နမူနာသည် လူဦးရေတစ်ခုလုံးကို ကိုယ်စားပြုခြင်းမဟုတ်ကြောင်း သတိပြုပါ။ စစ်တမ်းရလဒ်များက လူအများစုသည် တောင်တက်အဆောက်အအုံအသစ်အတွက် စိတ်လှုပ်ရှားနေကြကြောင်း ပြသမည်ဖြစ်သည်။ ကံမကောင်းစွာဖြင့်၊ ဤနမူနာသည် လူဦးရေ၏ ကိုယ်စားပြုဖြစ်သည်ဟု မြို့အာဏာပိုင်များက ယူဆပါက၊ ၎င်းတို့သည် အဆောက်အအုံကို ဆောက်လုပ်ရန် ဆုံးဖြတ်ကြပြီး ၎င်းတို့ထင်သည်ထက် အဆပေါင်းများစွာ နည်းပါးလာမည်ကို လျင်မြန်စွာ သိရှိနားလည်နိုင်မည်ဖြစ်သည်။

2. တုံ့ပြန်မှုမရှိသော ဘက်လိုက်မှုသည် ခန့်မှန်းချက်များ၌ ပိုမိုကွဲပြားမှုကို ဖြစ်စေနိုင်သည် ။ စစ်တမ်းနမူနာအရွယ်အစားသည် သုတေသီများအသုံးပြုရန် စီစဉ်ထားသည်ထက် သေးငယ်ပါက၊ လေ့လာမှုခန့်မှန်းချက်တွင် ကွဲလွဲမှုမှာ ခန့်မှန်းထားသည်ထက် ပိုကြီးနိုင်သည်။

ဥပမာအားဖြင့်၊ သီအိုရီစမ်းသပ်ခြင်း အားဖြင့်၊ ကျွန်ုပ်တို့၏နမူနာအရွယ်အစားပိုကြီးလေ၊ ကျွန်ုပ်တို့၏ခန့်မှန်းချက်တွင် လူဦးရေပျမ်းမျှ သို့မဟုတ် လူဦးရေအချိုးအစား ကွဲလွဲမှု လျော့နည်းလေဖြစ်ကြောင်း ကျွန်ုပ်တို့သိပါသည်။ သို့သော်၊ ကျွန်ုပ်တို့၏နမူနာအရွယ်အစား သေးငယ်လေ၊ ကျွန်ုပ်တို့၏ လူဦးရေ ကန့်သတ်ချက် ခန့်မှန်းချက် ကွဲလွဲမှု ပိုများလေနှင့် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ရလဒ်ကို ရှာဖွေရန် ပိုခက်ခဲလေဖြစ်သည်။

တုံ့ပြန်မှုမရှိသော ဘက်လိုက်မှု နမူနာများ

အောက်ဖော်ပြပါ ဥပမာများသည် တုံ့ပြန်မှုမဟုတ်သော ဘက်လိုက်မှု ဖြစ်ပွားနိုင်သည့် ဖြစ်ရပ်များစွာကို သရုပ်ဖော်သည်။

ဥပမာ ၁

ကွန်ပြူတာသိပ္ပံပညာရှင်များသည် ဆော့ဖ်ဝဲလ်အသစ်များကို မည်သို့မြင်သည်ကို သုတေသီများ သိချင်ကြသည်။ စစ်တမ်းမှ အချက်အလက်များကို တတ်နိုင်သမျှ ရယူရန် ဖိအားများ ရှိနေသောကြောင့် သုတေသီများသည် တစ်နာရီခန့် ကြာသည့် စစ်တမ်းကို ဒီဇိုင်းဆွဲကြသည်။ စစ်တမ်းကို ဖြန့်ဝေသောအခါတွင် အိုင်တီလုပ်သားများစွာသည် လုံးဝမတုံ့ပြန်ဘဲ သို့မဟုတ် စတင်တုံ့ပြန်သော်လည်း စစ်တမ်းတစ်ခုလုံးကို မပြီးမီတွင် စွန့်စားသွားသည်ကို တွေ့ရှိရသည်။

သုတေသီများသည် အချက်အလက်များကို ပြန်လည်ရယူသောအခါတွင် ဖြေဆိုသူများသည် ဆော့ဖ်ဝဲလ်သည် ကောင်းမွန်ပြီး အရည်အသွေးမြင့်မားကြောင်း အသိအမှတ်ပြုကြောင်း တွေ့ရှိရသည်။ သို့သော်၊ အထွေထွေ IT အဖွဲ့ထံ ဆော့ဖ်ဝဲလ်အသစ်ကို လွှင့်တင်လိုက်သည်နှင့် အများစုမှာ အပျက်သဘောဆောင်သော တုံ့ပြန်ချက်များကို ရရှိခဲ့ကြောင်း တွေ့ရှိခဲ့ရသည်။

စစ်တမ်းတစ်ခုလုံးကို ပြီးအောင်လုပ်ဖို့ အချိန်ယူတဲ့သူတွေ အများစုဟာ ပရိုဂရမ်ရဲ့ ချို့ယွင်းချက်တွေကို အကဲဖြတ်လို့မရတဲ့ အတွေ့အကြုံမရှိသေးတဲ့ ကွန်ပျူတာ သိပ္ပံပညာရှင်တွေ ဖြစ်ခဲ့ပါတယ်။

ဤအကြောင်းကြောင့် စစ်တမ်းဖြေဆိုသူများသည် အိုင်တီပညာရှင်များ၏ ကျယ်ပြန့်သောလူဦးရေကို ရောင်ပြန်ဟပ်ခြင်းမရှိသည့်အပြင် စစ်တမ်းရလဒ်များသည် ယုံကြည်စိတ်ချရခြင်းမရှိပေ။

ဥပမာ ၂

သုတေသီများသည် ကောလိပ်အချို့တွင် အရက်သောက်နှုန်းများအကြောင်း ပိုမိုသိရှိလိုကြသည်။ ကျောင်းသားများသည် အရက်ကို မည်မျှနှင့် အကြိမ်ရေ ဘယ်လောက်သောက်သလဲ ဟူသော မေးခွန်းလွှာကို ရပ်တန့်ကာ ကျောင်းဝင်းတွင် တဲထိုးရန် ဆုံးဖြတ်ခဲ့ကြသည်။ ကံမကောင်းစွာပဲ၊ မေးခွန်းပုံစံသည် အမည်မသိဖြစ်သောကြောင့် အလွန်နည်းသော သို့မဟုတ် မသောက်သော ကျောင်းသားများကသာ မေးခွန်းပုံစံကို ပြီးအောင်ရွေးချယ်သည်။

ရလဒ်တွေပြန်ရလာတဲ့အခါ ကျောင်းသားတွေကြားထဲမှာ အရက်သောက်တာနည်းပြီး မကြာခဏဖြစ်သွားတာတွေ့ရတယ်။ ကံမကောင်းစွာပဲ၊ စစ်တမ်းဖြေဆိုသူများသည် ကျောင်းဝင်းအတွင်းရှိ ပိုမိုကျယ်ပြန့်သော ကျောင်းသားဦးရေကို ရောင်ပြန်ဟပ်ခြင်းမရှိသောကြောင့် ရလဒ်များသည် ယုံကြည်စိတ်ချရခြင်းမရှိပေ။

ဥပမာ ၃

1936 သမ္မတရွေးကောက်ပွဲသည် တုံ့ပြန်ဘက်လိုက်မှုမရှိခြင်း၏ ဂန္တဝင်ဥပမာတစ်ခုဖြစ်သည်။ အချိန်၏ရေပန်းစားသောထုတ်ဝေမှုတစ်ခုသည် Alf Landon သည် Franklin D. Roosevelt ကိုအပြတ်အသတ်အနိုင်ရမည်ဟုခန့်မှန်းသည့်စစ်တမ်းတစ်ခုထုတ်ပြန်ခဲ့သည်။ သို့သော် ရွေးကောက်ပွဲ ပြီးသောအခါ ဖရန့်ကလင် ဒီ ရုစဗဲ့သည် အပြတ်အသတ် အနိုင်ရခဲ့သည်။

ပေးပို့သော မေးခွန်းပုံစံ ၁၀ သန်းတွင် လူ ၂.၃ သန်းသာ ဖြေကြားခဲ့သည်။ မတုံ့ပြန်သူ 7.7 သန်းသည် မူဝါဒရေးရာ ဦးစားပေးမှုများတွင် အလွန်ကွဲပြားသွားပါသည်။

ထို့ကြောင့်၊ မေးခွန်းလွှာရလဒ်များသည် လူဦးရေတစ်ခုလုံးကို ထင်ဟပ်ခြင်းမရှိသောကြောင့် Alf Landon အနိုင်ရမည်ဟု ခန့်မှန်းချက်သည် မှားယွင်းနေပါသည်။

တုံ့ပြန်မှုမဟုတ်သော ဘက်လိုက်မှုကို မည်သို့တားဆီးမည်နည်း။

တုံ့ပြန်မှုမရှိသော ဘက်လိုက်မှုများကို အောက်ပါအဆင့်များအတိုင်း လုပ်ဆောင်ခြင်းဖြင့် (အနည်းဆုံး လျော့ပါးစေသည်) ကို ရှောင်ရှားနိုင်သည်-

• စစ်တမ်းကို တိုတောင်းစေရန် ဒီဇိုင်းဆွဲပါ။ စစ်တမ်းတစ်ခုကြာလေလေ၊ လူများသည် တုံ့ပြန်ရန် တစ်နေ့တာ၏အချိန်ပိုယူရန် အလားအလာနည်းလေလေဖြစ်သည်။
• စစ်တမ်းကို ပြီးမြောက်ရန် မက်လုံးများ ကမ်းလှမ်းပါ။ မက်လုံးများသည် ယေဘုယျအားဖြင့် တုံ့ပြန်မှုနှုန်းကို တိုးစေသည်။
• စစ်တမ်းဖြေဆိုချက်များသည် လျှို့ဝှက် သို့မဟုတ် အမည်ဝှက်ဖြစ်မည်ကို လူတို့သိအောင်လုပ်ပါ။ ဒါက ယေဘူယျအားဖြင့် လူတွေကို တုံ့ပြန်လိုစိတ် ပိုဖြစ်စေတယ်။
• စစ်တမ်းကို လူအနည်းငယ်သာရှိသော အက်ပ်အသစ်ထက် သမားရိုးကျ ဖြန့်ဝေမှုပုံစံများကို အသုံးပြု၍ လူဦးရေ၏ များပြားသော ရာခိုင်နှုန်းသို့ ရောက်ရှိစေရန် စစ်တမ်းကို ဖြန့်ဝေပါ။

တုံ့ပြန်မှုမရှိသော ဘက်လိုက်မှု၏ သက်ရောက်မှုများကို လုံးလုံးလျားလျား ဖယ်ရှားရန် အမြဲတမ်းမဖြစ်နိုင်သော်လည်း၊ အသိဉာဏ်ရှိသော စစ်တမ်းပုံစံနှင့် ဖြန့်ဖြူးရေးနည်းလမ်းကို အသုံးပြုခြင်းဖြင့် အဆိုပါအကျိုးသက်ရောက်မှုများကို လျှော့ချရန် ဖြစ်နိုင်သည်။

ထပ်လောင်းအရင်းအမြစ်များ

ကိုယ်တိုင်ရွေးချယ်မှုဘက်လိုက်မှုဆိုတာ ဘာလဲ။
undercount bias ဆိုတာ ဘာလဲ။
SEO ဘက်လိုက်မှုဆိုတာဘာလဲ။