Undercount bias- ရှင်းလင်းချက်နှင့် ဥပမာများ

အလျှော့အတင်း ဘက်လိုက်မှု သည် နမူနာတွင် လူဦးရေ၏ အချို့သော အဖွဲ့ဝင်များကို လုံလောက်စွာ ကိုယ်စားပြုခြင်း မရှိသောအခါ ဖြစ်ပေါ်သည့် ဘက်လိုက်မှု ဖြစ်သည်။

ဤဘက်လိုက်မှုအမျိုးအစားသည် လွယ်ကူသောနမူနာ နှင့် ဆန္ဒအလျောက် တုံ့ပြန်မှုနမူနာ များတွင် ဖြစ်ပေါ်လေ့ရှိသည်၊ ၎င်းတွင် သင်ရရှိရန်လွယ်ကူသောနမူနာကို စုဆောင်းရာတွင် အချို့သောအဖွဲ့ဝင်အချို့ကို လျှော့တွက်လေ့ရှိပါသည်။

လျှော့တွက်မှု ဘက်လိုက်မှုသည် အဘယ်ကြောင့် ပြဿနာဖြစ်သနည်း။

နမူနာအား လူဦးရေ၏ ကိုယ်စားမပြုနိုင်ခြင်း ကြောင့် လျှော့တွက်သောဘက်လိုက်မှုသည် ပြဿနာတစ်ခုဖြစ်သည် ။ နမူနာတစ်ခုအတွက် ဒေတာစုဆောင်းခြင်း၏ ရည်ရွယ်ချက်မှာ လူဦးရေတစ်ခုလုံးအတွက် ဒေတာစုဆောင်းခြင်းထက် ပိုမိုမြန်ဆန်ပြီး ရိုးရှင်းသောနည်းလမ်းဖြင့် ဒေတာရယူရန်နှင့် နမူနာမှ ရလဒ်များကို ပိုမိုများပြားသော လူဦးရေသို့ ခွဲထုတ်နိုင်စေရန်ဖြစ်သည်။ ကျယ်ပြန့်သည်။

သို့သော် ရလဒ်များကို အပိုဆောင်းရန်အတွက် နမူနာသည် ကျွန်ုပ်တို့၏ လူဦးရေတစ်ခုလုံးကို ကိုယ်စားပြု ရမည်ဖြစ်သည်။ အကောင်းဆုံးကတော့၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏နမူနာကို လူဦးရေ၏ “မီနီ” ဗားရှင်းဖြစ်လိုပါသည်။ ကံမကောင်းစွာပဲ၊ ရေတွက်မှုနည်းပါးခြင်းက ကျွန်ုပ်တို့နမူနာရှိလူများကို ပိုမိုကျယ်ပြန့်သောလူဦးရေရှိသူများနှင့် အလွန်ကွာခြားစေပါသည်။

ဥပမာအားဖြင့်၊ သုတေသီများသည် အလားအလာရှိသော ဥပဒေသစ်တစ်ခုနှင့် ပတ်သက်၍ မြို့တစ်မြို့မှ နိုင်ငံသားများက မည်သို့ယူဆသည်ကို သိချင်သည်ဆိုပါစို့။ ဒေတာစုဆောင်းရန်အတွက် အနီးနားရှိ စာကြည့်တိုက်တစ်ခုသို့ သွားကာ ဧည့်သည်များအား ဖြစ်နိုင်ချေရှိသော ဥပဒေသစ်နှင့်ပတ်သက်၍ သူတို့ထင်မြင်ယူဆချက်ကို မေးမြန်းပါ။ ၎င်းသည် ဒေတာစုဆောင်းရန် အဆင်ပြေသောနည်းလမ်းဖြစ်သော်လည်း သုတေသီများသည် အောက်ပါအပါအဝင် လူအမျိုးအစားများစွာကို ရေတွက်ရန်အန္တရာယ်ရှိသည်။

• လူတွေက အိမ်မှာ ချုပ်ထားတယ်။
• စာကြည့်တိုက်ကို လာလည်ရတာ မကြိုက်တဲ့သူတွေ
• တခြားမြို့က တခြားစာကြည့်တိုက်ကို သွားတဲ့သူတွေ

ဤလေ့လာမှုသည် လူအမျိုးအစားအချို့ကို မပါဝင်သောကြောင့် လေ့လာမှုရလဒ်များသည် လူဦးရေကို ကိုယ်စားပြုနိုင်ဖွယ်မရှိပေ။

ဥပမာအားဖြင့်၊ ဤသီးသန့်စာကြည့်တိုက်ကို မကြာခဏလာရောက်သူများသည် ကျန်လူဦးရေထက် အလားအလာရှိသော ဥပဒေအသစ်ကို ထောက်ခံနိုင်ခြေများသည်ဟု ဆိုပါစို့။ ဆိုလိုသည်မှာ စစ်တမ်း၏ ရလဒ်များကို သိရှိသောအခါတွင်၊ နိုင်ငံသားအများစုသည် လက်တွေ့တွင် နိုင်ငံသားအများစု မလိုက်နာပါက အလားအလာရှိသော ဥပဒေအသစ်ကို ဤမြို့မှ နိုင်ငံသား ရာခိုင်နှုန်း မြင့်မားစွာ ထောက်ခံကြောင်း တွေ့ရှိရမည်ဖြစ်ပါသည်။

အောက်ဖော်ပြပါ ရုပ်ပုံသည် ဤပြဿနာကို သရုပ်ဖော်သည်- အစိမ်းရောင် စက်ဝိုင်းများသည် ဥပဒေသစ်ကို ထောက်ခံပြီး လူများကို ကိုယ်စားပြုပြီး အနီရောင် စက်ဝိုင်းများသည် ဥပဒေအသစ်အား ဆန့်ကျင်သူများကို ကိုယ်စားပြုသည် ဆိုပါစို့-

ဥပဒေအသစ်ကို ထောက်ခံသူအများစုသည် နမူနာတွင် ပါဝင်နေသော်လည်း ၎င်းသည် လူဦးရေတစ်ခုလုံးကို ကိုယ်စားမပြုကြောင်း သတိပြုပါ။ စစ်တမ်းရလဒ်များက လက်တွေ့တွင် ယင်းသည် မမှန်သည့်အခါ လူအများစုသည် ဥပဒေသစ်ကို ထောက်ခံကြသည်ကို ဖော်ပြသည်။

လျှော့တွက်ခြင်း၏ ဥပမာများ

အောက်ဖော်ပြပါ ဥပမာများသည် ရေတွက်မှုနည်းပါးသော ဘက်လိုက်မှုများ ဖြစ်ပွားနိုင်သည့် ဖြစ်ရပ်များစွာကို ဖော်ပြသည်။

ဥပမာ ၁

ပန်းခြံအသစ်ဆောက်လုပ်ခြင်းနှင့်ပတ်သက်၍ မြို့သူမြို့သားအချို့က မည်သို့ထင်မြင်ကြသည်ကို သုတေသီများက သိချင်ကြသည်။ အချက်အလက်စုဆောင်းရန်အတွက် သုတေသီများသည် ဒေသခံမြို့တွင်းအစည်းအဝေးတစ်ခုတက်ပြီး ဒေသခံများ၏ အတွေးအမြင်များကို မေးမြန်းကြသည်။ ကံမကောင်းစွာပဲ၊ ဤအဆင်ပြေသောနမူနာပုံစံသည် အောက်ပါအုပ်စုများကို ရေတွက်ခြင်းမှ ကြုံတွေ့ရနိုင်သည်-

• စည်ပင်အစည်းဝေးများသို့ သွားလာခွင့်မရှိသူများ၊
• မြို့တွင်းတွေ့ဆုံပွဲတွေ လုပ်နေကြမှန်းတောင် မသိတဲ့ လူတွေ
• ညနေပိုင်းအလုပ်လုပ်ပြီး မြို့တွင်းအစည်းအဝေးတွေကို ရိုးရိုးမတက်နိုင်သူတွေ

ထို့ကြောင့် ဤလူများ၏ ထင်မြင်ယူဆချက်များကို လေ့လာမှုရလဒ်များတွင် ထည့်သွင်းစဉ်းစားမည်မဟုတ်ပါ။ အဆိုပါအုပ်စုများ၏ ရေတွက်မှုနည်းပါးခြင်းကြောင့်၊ နမူနာသည် လူဦးရေတစ်ခုလုံးကို ကိုယ်စားပြုရန် မဖြစ်နိုင်ပါ။

ဥပမာ ၂

သုတေသီများသည် သတ်မှတ်ထားသော နိုင်ငံတစ်ခုတွင် တစ်နေ့လျှင် နာရီမည်မျှ ရုပ်မြင်သံကြားကြည့်ရှုသည်ကို သိရှိလိုကြသည်။ လေ့လာမှုအတွက် ဒေတာစုဆောင်းရန်၊ ၎င်းတို့သည် ဒေသတွင်း တယ်လီဖုန်းလမ်းညွှန်မှ အမည်များကို ကျပန်းရွေးချယ်ကာ ၎င်းတို့၏ ရုပ်မြင်သံကြားသုံးစွဲမှုအကြောင်း မေးမြန်းရန် လူများကို ဖုန်းခေါ်ဆိုသည်။ ၎င်းသည် အဆင်ပြေသောနမူနာပုံစံတစ်ခုဖြစ်ပြီး အောက်ပါအုပ်စုများကို လျှော့တွက်ခြင်းမှ ခံစားရနိုင်သည်-

• ဒေသတွင်း တယ်လီဖုန်းလမ်းညွှန်များတွင် ၎င်းတို့၏ တယ်လီဖုန်းနံပါတ်များကို မဖော်ပြထားသော အလွန်ချမ်းသာသူများ
• မိုဘိုင်းလ်ဖုန်းများကိုသာ အသုံးပြုကြပြီး ပြည်တွင်းဖုန်းလမ်းညွှန်များတွင် စာရင်းမဖော်ပြထားသော လူငယ်များ

ထို့ကြောင့် အလွန်ချမ်းသာသူများနှင့် လူငယ်များကြည့်ရှုသည့် ရုပ်မြင်သံကြားပမာဏကို ဤလေ့လာမှုတွင် လျှော့တွက်မည်ဖြစ်သည်။ အဆိုပါအုပ်စုများ၏ ရေတွက်မှုနည်းပါးခြင်းကြောင့်၊ နမူနာသည် လူဦးရေတစ်ခုလုံးကို ကိုယ်စားပြုရန် မဖြစ်နိုင်ပါ။

ဥပမာ ၃

သုတေသီများသည် မြို့ကြီးတစ်ခု၏ နိုင်ငံသားများသည် ယာဉ်ကြောကုဒ်အသစ်တစ်ခုနှင့်ပတ်သက်၍ မည်သို့ထင်မြင်ကြသည်ကို သုတေသီများက သိချင်ကြသည်။ ဒါကြောင့် ဒေသခံဈေးဝယ်စင်တာကို ဖြတ်သွားသူတွေကို မေးခွန်းလွှာဝေငှတယ်။ ၎င်းသည် အောက်ဖော်ပြပါအဖွဲ့များ၏ လွှမ်းခြုံမှုနည်းပါးခြင်းကို ခံစားရနိုင်သည့် အဆင်ပြေသောနမူနာပုံစံတစ်ခုဖြစ်သည်။

• စျေးဝယ်စင်တာသို့သွားရန် သွားလာခွင့်မရှိသူများ (ထို့ကြောင့် အဝေးပြေးလမ်းကုဒ်ကြောင့် ထိခိုက်မှုမရှိ)
• ကုန်တိုက်သွားရတာ မကြိုက်တဲ့သူတွေ (ဒါကြောင့် လူရှုပ်တဲ့နေရာတွေမှာ ကားမမောင်းဖို့ ရွေးချယ်နိုင်ပါတယ်)
• တခြားမြို့က တခြားမြို့ကို သွားတဲ့လူတွေ

ထို့ကြောင့် ဤလူများ၏ ထင်မြင်ယူဆချက်များကို လေ့လာမှုရလဒ်များတွင် ထည့်သွင်းစဉ်းစားမည်မဟုတ်ပါ။ အဆိုပါအုပ်စုများ၏ ရေတွက်မှုနည်းပါးခြင်းကြောင့်၊ နမူနာသည် လူဦးရေတစ်ခုလုံးကို ကိုယ်စားပြုရန် မဖြစ်နိုင်ပါ။

ရေတွက်မှုနည်းပါးခြင်းကို ဘယ်လိုကာကွယ်မလဲ။

အလျှော့အတင်း ဘက်လိုက်မှုသည် အဆင်ပြေသော နမူနာယူခြင်းမှ ရလဒ်များ ထွက်ပေါ်လာတတ်သည်။ လျှော့တွက်ခြင်း၏ အကျိုးဆက်များကို ဖယ်ရှားရန် (သို့မဟုတ် အနည်းဆုံး) လျှော့ချရန်၊ ပိုမိုကောင်းမွန်သော နမူနာပုံစံတစ်ခုသည် ရိုးရှင်းသော ကျပန်းနမူနာကို အသုံးပြုခြင်းဖြစ်သည်။

ဤနမူနာအမျိုးအစားတွင်၊ လူဦးရေ၏အဖွဲ့ဝင်တစ်ဦးစီသည် နမူနာ၏တစ်စိတ်တစ်ပိုင်းအဖြစ် ရွေးချယ်ခံရရန် တူညီသောအခွင့်အရေးရှိသည်။

ဤချဉ်းကပ်မှု၏ အားသာချက်မှာ ရိုးရှင်းသောကျပန်းနမူနာများသည် အဖွဲ့ဝင်တစ်ဦးစီနမူနာတွင် ပါဝင်ရန် တူညီသောအခွင့်အရေးရှိသောကြောင့် ယေဘူယျအားဖြင့် စိတ်ဝင်စားသောလူဦးရေ၏ကိုယ်စားပြုမှုဖြစ်သည်။

အဆင်ပြေသောနမူနာအစား ဤချဉ်းကပ်မှုကို ကျွန်ုပ်တို့အသုံးပြုသောအခါ၊ နမူနာရလဒ်များကို ပိုမိုကျယ်ပြန့်သောလူဦးရေသို့ ချဲ့ထွင်နိုင်မှုတွင် ကျွန်ုပ်တို့၏စွမ်းရည်ကို ပိုမိုယုံကြည်စိတ်ချနိုင်သည်၊ အဘယ်ကြောင့်ဆိုသော် လူဦးရေ၏အုပ်စုတိုင်း (သို့မဟုတ်) အားလုံးနီးပါး၏အဖွဲ့ဝင်များသည် နမူနာတွင်ပါဝင်နိုင်ဖွယ်ရှိသောကြောင့်၊ . .

ထပ်လောင်းအရင်းအမြစ်များ

ကိုယ်တိုင်ရွေးချယ်မှုဘက်လိုက်မှုဆိုတာ ဘာလဲ။
SEO ဘက်လိုက်မှုဆိုတာဘာလဲ။
Non-response Bias ဆိုတာ ဘာလဲ။