การสุ่มตัวอย่างตามดุลยพินิจหรือการทดสอบ

บทความนี้จะอธิบายว่าการสุ่มตัวอย่างแบบตัดสินคืออะไร หรือที่เรียกว่าการสุ่มตัวอย่างแบบตัดสิน คุณจะพบตัวอย่างของการสุ่มตัวอย่างแบบใช้ดุลยพินิจ (หรือการทดลอง) ข้อดีและข้อเสียของมันคืออะไร และควรใช้เมื่อใด

การสุ่มตัวอย่างแบบตัดสินหรือแบบทดสอบคืออะไร?

การสุ่มตัวอย่างโดยการใช้ดุลยพินิจ หรือที่เรียกว่า การสุ่มตัวอย่างเพื่อการตัดสิน เป็นวิธีการที่ไม่น่าจะเป็นที่ใช้ในการเลือกบุคคลที่จะเป็นส่วนหนึ่งของกลุ่มตัวอย่างสำหรับการศึกษาทางสถิติ

ในการสุ่มตัวอย่างแบบตัดสิน จะใช้เฉพาะเกณฑ์ของผู้วิจัยในการเลือกองค์ประกอบตัวอย่าง ซึ่งเกี่ยวข้องกับความรู้และประสบการณ์ในการเลือกบุคคลที่เหมาะสม

ดังนั้นในการสุ่มตัวอย่างตามดุลยพินิจ (หรือการตัดสิน) ผู้เข้าร่วมการศึกษาจะถูกเลือกด้วยตนเองโดยไม่รวมถึงโอกาสในกระบวนการ ซึ่งเป็นเหตุผลว่าทำไมจึงถือว่าเป็นการสุ่มตัวอย่างที่ไม่น่าจะเป็นประเภทหนึ่ง นักวิจัยเป็นผู้ตัดสินใจเลือกตัวอย่างทางสถิติ

แน่นอนว่าในการสุ่มตัวอย่างแบบใช้วิจารณญาณ เป็นสิ่งสำคัญมากที่ผู้รับผิดชอบในการเลือกตัวอย่างจะต้องเป็นผู้เชี่ยวชาญในสาขาการศึกษา เพื่อให้ได้ตัวอย่างที่เป็นตัวแทน มิฉะนั้นจะได้ผลลัพธ์ที่ไม่น่าเชื่อถือเนื่องจากไม่ได้เลือกตัวอย่างอย่างถูกต้อง

การสุ่มตัวอย่างแบบตัดสินหรือการตัดสินเรียกอีกอย่างว่าการสุ่มตัวอย่างแบบวิพากษ์หรือการสุ่มตัวอย่างแบบเฉพาะเจาะจง

ตัวอย่างของการสุ่มตัวอย่างแบบพิพากษาและแบบพิพากษา

หลังจากที่ได้เห็นคำจำกัดความของการสุ่มตัวอย่างตามดุลยพินิจหรือการสุ่มตัวอย่างแล้ว ฉันจะฝากตัวอย่างบางส่วนของการสุ่มตัวอย่างประเภทนี้ไว้ให้คุณเพื่อให้คุณเข้าใจความหมายของมันได้ดีขึ้น

1. ตัวอย่างเช่น หากโรงเรียนมัธยมต้องการเข้าร่วมการแข่งขันภาษาอังกฤษ โรงเรียนจะขอให้ครูสอนภาษาอังกฤษเลือกนักเรียนที่ดีที่สุดในวิชาเพื่อเป็นตัวแทนของโรงเรียนมัธยม ในกรณีนี้ ครูสอนภาษาอังกฤษจะดำเนินการสุ่มตัวอย่าง (หรือการตัดสิน) ตามดุลยพินิจ เนื่องจากเขาหรือเธอต้องอาศัยความรู้ของตนเองในการเลือกผู้เข้าร่วม
2. อีกตัวอย่างหนึ่งของการสุ่มตัวอย่างตามดุลยพินิจคือ เมื่อต้องดำเนินการวิเคราะห์อนาคตของบริษัทในตลาดหุ้น มีเพียงผู้เชี่ยวชาญในตลาดหุ้นเท่านั้นที่จะได้รับการสัมภาษณ์ตามหลักเหตุผล ไม่ใช่เฉพาะใครก็ได้ ดังนั้นนักวิจัยจะเลือกผู้ที่ตามความเห็นของพวกเขา มีความรู้ที่ดีในสาขานี้
3. ตัวอย่างสุดท้ายของการสุ่มตัวอย่างเชิงทดลองคือการศึกษาทางสถิติเกี่ยวกับประชากรของประเทศหนึ่งๆ เพื่อไม่ให้ต้องเลือกประชากรจากทุกภูมิภาค ผู้วิจัยสามารถเลือกได้เพียงไม่กี่ภูมิภาคเพื่อให้แสดงถึงคุณลักษณะของประเทศทั้งหมดอยู่แล้ว ด้วยวิธีนี้ จะช่วยประหยัดทรัพยากรและเวลาทางเศรษฐกิจเมื่อดำเนินการศึกษา

ข้อดีและข้อเสียของการสุ่มตัวอย่างแบบใช้ดุลยพินิจหรือแบบใช้ดุลยพินิจ

การสุ่มตัวอย่างตามดุลยพินิจ (หรือการทดลอง) มีข้อดีและข้อเสียดังต่อไปนี้:

ข้อได้เปรียบหลักของการสุ่มตัวอย่างโดยใช้ดุลยพินิจหรือการสุ่มตัวอย่างก็คือ ใช้เวลาเพียงเล็กน้อย เนื่องจากไม่จำเป็นต้องจำลองโอกาส แต่สามารถเลือกองค์ประกอบตัวอย่างได้โดยตรง ดังนั้นการสุ่มตัวอย่างแบบใช้ดุลยพินิจมักจะมีราคาถูกกว่าการสุ่มตัวอย่างประเภทอื่น

นอกจากนี้ การสุ่มตัวอย่างแบบใช้วิจารณญาณทำให้ง่ายต่อการเน้นที่ผู้ชมเป็นศูนย์ เนื่องจากคุณสามารถเลือกผู้เข้าร่วมที่คุณต้องการได้

ข้อเสียที่ชัดเจนของการสุ่มตัวอย่างโดยใช้ดุลยพินิจหรือการทดลองใช้คือต้องใช้ผู้เชี่ยวชาญในสาขาการศึกษา หรือกล่าวอีกนัยหนึ่งก็คือ ใครก็ตามไม่สามารถสุ่มตัวอย่างได้

นอกจากนี้ ผลลัพธ์ของการสุ่มตัวอย่างโดยใช้วิจารณญาณมีแนวโน้มที่จะไม่น่าเชื่อถือเนื่องจากความลำเอียงของบุคคลที่ดำเนินการสุ่มตัวอย่าง กล่าวคือ ผลลัพธ์ที่ได้อาจผิดพลาดได้ง่ายเนื่องจากความลำเอียงของนักวิจัย

ท้ายที่สุด หากใช้การสุ่มตัวอย่างเพื่อการตัดสินใจ อาจเป็นเรื่องยากที่จะโน้มน้าวผู้อื่นให้ทราบข้อสรุปที่วาดไว้ เนื่องจากตัวอย่างดังกล่าวได้รับการคัดสรรด้วยมือ ดังนั้นจึงอาจไม่ได้เป็นตัวแทน

เมื่อใดจึงควรใช้การสุ่มตัวอย่างแบบพิพากษาหรือแบบพิพากษา

ถ้าคุณทำมาไกลขนาดนี้ คุณคงรู้อยู่แล้วว่าการสุ่มตัวอย่างเชิงตัดสินหรือการตัดสินคืออะไร อย่างไรก็ตาม คุณอาจไม่ชัดเจนว่าเมื่อใดควรใช้การสุ่มตัวอย่างแบบใช้วิจารณญาณ และเมื่อใดไม่ใช้ ดังนั้น เราจะอธิบายสถานการณ์ที่การสุ่มตัวอย่างประเภทนี้เหมาะสมที่สุด

ขั้นแรก เพื่อดำเนินการสุ่มตัวอย่างตามดุลยพินิจ (หรือการตัดสิน) ผู้เชี่ยวชาญจะต้องเลือกตัวอย่างสำหรับการศึกษา ดังนั้นหากไม่มีผู้มีความรู้ในสาขานี้มากนักก็ควรใช้การสุ่มตัวอย่างแบบอื่นจะดีกว่า

นอกจากนี้ การสุ่มตัวอย่างแบบใช้ดุลยพินิจหรือแบบใช้วิจารณญาณยังมีประโยชน์มากเมื่อประชากรเป้าหมายมีขนาดเล็กหรือเป็นกลุ่มที่เฉพาะเจาะจงมาก ในกรณีเหล่านี้ ประสบการณ์ของผู้วิจัยสามารถลดข้อผิดพลาดในการสุ่มตัวอย่างได้อย่างมาก ดังนั้นจึงได้รับความน่าเชื่อถือมากขึ้นในผลลัพธ์