สุ่มเลือกหรือมอบหมายงานแบบสุ่ม

การเลือกแบบสุ่ม และ การสุ่มมอบหมาย เป็นเทคนิคทางสถิติที่ใช้กันทั่วไป แต่มักจะสับสน

การคัดเลือกแบบสุ่ม หมายถึงกระบวนการสุ่ม เลือก บุคคลจากประชากรที่จะมีส่วนร่วมในการศึกษาวิจัย

การสุ่มมอบหมาย หมายถึงกระบวนการสุ่ม มอบหมาย บุคคลที่เข้าร่วมในการศึกษาให้กับกลุ่มบำบัดหรือกลุ่มควบคุม

คุณสามารถนึกถึงการเลือกแบบสุ่มเป็นกระบวนการที่คุณใช้ในการ “รับ” บุคคลเข้าในการศึกษา และคุณสามารถนึกถึงการมอบหมายงานแบบสุ่มเป็นสิ่งที่คุณ “ทำ” กับบุคคลเหล่านั้น เมื่อพวกเขาได้รับเลือกให้เป็นส่วนหนึ่งของการศึกษาวิจัย

ความสำคัญของการเลือกแบบสุ่มและการสุ่มมอบหมาย

เมื่อการศึกษาใช้ การเลือกแบบสุ่ม การศึกษาจะเลือกบุคคลจากประชากรโดยใช้กระบวนการสุ่ม ตัวอย่างเช่น หากประชากรมี 1,000 คน เราสามารถใช้คอมพิวเตอร์เพื่อสุ่มเลือก 100 คนจากฐานข้อมูลได้ ซึ่งหมายความว่าแต่ละคนมีความน่าจะเป็นเท่ากันที่จะได้รับเลือกให้เป็นส่วนหนึ่งของการศึกษาวิจัยนี้ ซึ่งจะเป็นการเพิ่มโอกาสในการได้รับ ตัวอย่างที่เป็นตัวแทน ซึ่งเป็นกลุ่มที่มีลักษณะคล้ายคลึงกับประชากรทั่วไป

ด้วยการใช้ตัวอย่างที่เป็นตัวแทนในการศึกษาของเรา เราสามารถสรุปผลการศึกษาของเรากับประชากรได้ ในแง่สถิติ สิ่งนี้เรียกว่าการมี ความถูกต้องภายนอก ซึ่งสามารถนำผลลัพธ์ของเราไปเปิดเผยต่อประชากรทั่วไปได้

เมื่อการศึกษาใช้ การมอบหมายแบบสุ่ม การศึกษาจะสุ่มมอบหมายบุคคลไปยังกลุ่มบำบัดหรือกลุ่มควบคุม ตัวอย่างเช่น หากเรามี 100 คนในการศึกษา เราสามารถใช้เครื่องมือสร้างตัวเลขสุ่มเพื่อสุ่มกำหนด 50 คนให้กับกลุ่มควบคุม และ 50 คนให้กับกลุ่มบำบัด

ด้วยการใช้การสุ่ม เราจะเพิ่มโอกาสที่ทั้งสองกลุ่มจะมีลักษณะโดยประมาณที่คล้ายคลึงกัน ซึ่งหมายความว่าความแตกต่างใดๆ ที่สังเกตได้ระหว่างทั้งสองกลุ่มสามารถนำมาประกอบกับการรักษาได้ ซึ่งหมายความว่าการศึกษานี้มี ความถูกต้องภายใน กล่าว คือ สามารถระบุความแตกต่างระหว่างกลุ่มกับการรักษาได้ เมื่อเทียบกับความแตกต่างระหว่างบุคคลในกลุ่ม

ตัวอย่างการเลือกแบบสุ่มและการมอบหมายแบบสุ่ม

เป็นไปได้ที่การศึกษาจะใช้ทั้งการเลือกแบบสุ่มและการมอบหมายแบบสุ่ม หรือใช้เทคนิคใดเทคนิคหนึ่งเหล่านี้เท่านั้น หรือไม่ใช้เทคนิคใดเลย การศึกษาที่ดีคือการศึกษาที่ใช้ทั้งสองเทคนิค

ตัวอย่างต่อไปนี้แสดงให้เห็นว่าการศึกษาสามารถใช้ทั้งสองเทคนิคอย่างใดอย่างหนึ่งหรือทั้งสองอย่างได้อย่างไร และผลที่ตามมา

ตัวอย่างที่ 1: การใช้ทั้งการเลือกแบบสุ่มและการมอบหมายแบบสุ่ม

การศึกษา: นักวิจัยต้องการทราบว่าการรับประทานอาหารแบบใหม่ส่งผลให้น้ำหนักลดลงมากกว่าการรับประทานอาหารมาตรฐานในชุมชนจำนวน 10,000 คนหรือไม่ โดยคัดเลือกคนเข้าร่วมการศึกษาจำนวน 100 คน โดยใช้คอมพิวเตอร์สุ่มเลือกชื่อจากฐานข้อมูลจำนวน 100 ชื่อ เมื่อมีคนครบ 100 คนแล้ว พวกเขาจะใช้คอมพิวเตอร์อีกครั้งเพื่อสุ่มมอบหมายบุคคล 50 คนให้กับกลุ่มควบคุม (เช่น รับประทานอาหารแบบมาตรฐาน) และอีก 50 คนในกลุ่มบำบัด (เช่น รับประทานอาหารใหม่) พวกเขาบันทึกการลดน้ำหนักรวมของแต่ละคนหลังจากผ่านไปหนึ่งเดือน

ผลลัพธ์: ผู้วิจัยใช้การเลือกแบบสุ่มเพื่อให้ได้ตัวอย่างและมอบหมายงานแบบสุ่มเมื่อจัดบุคคลเข้าในกลุ่มการรักษาหรือกลุ่มควบคุม การทำเช่นนี้ทำให้พวกเขาสามารถสรุปผลการศึกษาโดยสรุปกับประชากรโดยรวม และ ถือว่าความแตกต่างของการลดน้ำหนักโดยเฉลี่ยระหว่างทั้งสองกลุ่มเป็นผลมาจากการรับประทานอาหารแบบใหม่

ตัวอย่างที่ 2: ใช้การเลือกแบบสุ่มเท่านั้น

การศึกษา: นักวิจัยต้องการทราบว่าการรับประทานอาหารแบบใหม่ส่งผลให้น้ำหนักลดลงมากกว่าการรับประทานอาหารมาตรฐานในชุมชนจำนวน 10,000 คนหรือไม่ โดยคัดเลือกคนเข้าร่วมการศึกษาจำนวน 100 คน โดยใช้คอมพิวเตอร์สุ่มเลือกชื่อจากฐานข้อมูลจำนวน 100 ชื่อ อย่างไรก็ตาม พวกเขาตัดสินใจแบ่งบุคคลออกเป็นกลุ่มตามเพศของพวกเขาเท่านั้น ผู้หญิงถูกกำหนดให้กับกลุ่มควบคุม และผู้ชายถูกกำหนดให้กับกลุ่มบำบัด พวกเขาบันทึกการลดน้ำหนักรวมของแต่ละคนหลังจากผ่านไปหนึ่งเดือน

ผลลัพธ์: ผู้วิจัยใช้การเลือกแบบสุ่มเพื่อให้ได้ตัวอย่าง แต่ไม่ได้ใช้การสุ่มเมื่อจัดบุคคลเข้าในกลุ่มการรักษาหรือกลุ่มควบคุม แต่พวกเขาใช้ปัจจัยเฉพาะ เช่น เพศ เพื่อตัดสินใจว่าจะมอบหมายบุคคลให้กลุ่มใด ในการทำเช่นนี้ พวกเขาสามารถสรุปผลการศึกษากับประชากรโดยรวมได้ แต่ ไม่ สามารถระบุความแตกต่างของการลดน้ำหนักโดยเฉลี่ยระหว่างทั้งสองกลุ่มจากการรับประทานอาหารแบบใหม่ได้ ความถูกต้องภายในของการศึกษาถูกลดลง เนื่องจากความแตกต่างในการลดน้ำหนักจริงๆ อาจเป็นเพราะเพศมากกว่าการรับประทานอาหารแบบใหม่

ตัวอย่างที่ 3: ใช้การมอบหมายแบบสุ่มเท่านั้น

การศึกษา: นักวิจัยต้องการทราบว่าการรับประทานอาหารแบบใหม่ส่งผลให้น้ำหนักลดลงมากกว่าการรับประทานอาหารมาตรฐานในชุมชนจำนวน 10,000 คนหรือไม่ พวกเขากำลังรับสมัครนักกีฬาชายจำนวน 100 คนเพื่อเข้าร่วมการศึกษาวิจัย จากนั้นพวกเขาใช้โปรแกรมคอมพิวเตอร์สุ่มกำหนดนักกีฬาชาย 50 คนในกลุ่มควบคุม และ 50 คนในกลุ่มบำบัด พวกเขาบันทึกการลดน้ำหนักรวมของแต่ละคนหลังจากผ่านไปหนึ่งเดือน

ผลลัพธ์: ผู้วิจัยไม่ได้ใช้การเลือกแบบสุ่มเพื่อให้ได้ตัวอย่าง เนื่องจากเลือกนักกีฬาชาย 100 คนโดยเฉพาะ ด้วยเหตุผลนี้ กลุ่มตัวอย่างจึงไม่ได้เป็นตัวแทนของประชากรโดยรวม และความเชื่อถือได้ภายนอกจึงถูกลดลง โดยกลุ่มตัวอย่างจะไม่สามารถสรุปผลการศึกษากับประชากรโดยรวมได้ อย่างไรก็ตาม พวกเขาใช้การจัดสรรแบบสุ่ม ซึ่งหมายความว่าพวกเขาสามารถถือว่าความแตกต่างในการลดน้ำหนักมาจากการรับประทานอาหารแบบใหม่

ตัวอย่างที่ 4: ใช้ทั้งสองเทคนิค

การศึกษา: นักวิจัยต้องการทราบว่าการรับประทานอาหารแบบใหม่ส่งผลให้น้ำหนักลดลงมากกว่าการรับประทานอาหารมาตรฐานในชุมชนจำนวน 10,000 คนหรือไม่ พวกเขากำลังรับสมัครนักกีฬาชาย 50 คน และนักกีฬาหญิง 50 คน เพื่อเข้าร่วมการศึกษาวิจัยครั้งนี้ จากนั้นจึงมอบหมายนักกีฬาหญิงทั้งหมดให้กับกลุ่มควบคุม และนักกีฬาชายทั้งหมดให้กับกลุ่มบำบัด พวกเขาบันทึกการลดน้ำหนักรวมของแต่ละคนหลังจากผ่านไปหนึ่งเดือน

ผลลัพธ์: ผู้วิจัยไม่ได้ใช้การเลือกแบบสุ่มเพื่อให้ได้ตัวอย่างเนื่องจากเลือกนักกีฬา 100 คนโดยเฉพาะ ด้วยเหตุผลนี้ กลุ่มตัวอย่างจึงไม่ได้เป็นตัวแทนของประชากรโดยรวม และความเชื่อถือได้ภายนอกจึงถูกลดลง โดยกลุ่มตัวอย่างจะไม่สามารถสรุปผลการศึกษากับประชากรโดยรวมได้ นอกจากนี้ พวกเขาแบ่งบุคคลออกเป็นกลุ่มตามเพศแทนที่จะอาศัยการสุ่ม ซึ่งหมายความว่าความถูกต้องภายในของพวกเขาจะลดลงเช่นกัน ความแตกต่างในการลดน้ำหนักอาจเนื่องมาจากเพศมากกว่าการรับประทานอาหาร