{"id":855413,"date":"2022-08-04T09:00:09","date_gmt":"2022-08-04T09:00:09","guid":{"rendered":"https:\/\/qa-release.questionpro.com\/blog\/undercoverage-bias\/"},"modified":"2024-02-20T08:16:13","modified_gmt":"2024-02-20T08:16:13","slug":"undercoverage-bias","status":"publish","type":"post","link":"https:\/\/qa-release.questionpro.com\/blog\/nl\/undercoverage-bias\/","title":{"rendered":"Undercoverage Bias: Hoe deze te vermijden in survey-onderzoek"},"content":{"rendered":"

Convenience sampling<\/a> is een van de meest voorkomende vormen van steekproefselectievertekening<\/a> bij het uitvoeren van een onderzoek. Dit type steekproef wordt gebruikt omdat onderzoekers hiermee snel en gemakkelijk gegevens kunnen verzamelen. Dit proces kan echter leiden tot undercoverage bias, omdat onderzoekers alleen bepaalde groepen of individuen selecteren die gemakkelijker toegankelijk zijn voor hen.<\/span><\/p>\n

Laten we het voorbeeld nemen van een onderzoek naar pesten onder tieners. In dat geval zou je tieners die thuisonderwijs volgen of naar priv\u00e9scholen gaan niet kunnen opnemen omdat ze moeilijker te bereiken zouden zijn dan degenen die deelnemen aan openbare scholen. Als je deze groepen niet in je steekproef hebt, kan dat de geldigheid van je resultaten be\u00efnvloeden, omdat deze leerlingen pesten mogelijk anders ervaren dan leerlingen van openbare scholen. <\/span><\/p>\n

Begrijpen wat undercoverage bias is…<\/h2>\n

Eenvoudig gezegd is er sprake van onderdekking als een aanzienlijk deel van je onderzoekspopulatie zeer weinig mogelijkheden heeft om geselecteerd te worden om deel uit te maken van de steekproef<\/a> of niet voldoende vertegenwoordigd is in je onderzoekspopulatie. <\/span><\/p>\n

Stel bijvoorbeeld dat je een onderzoek uitvoert naar de voorkeuren van huidige universiteitsstudenten en je wilt weten welke films ze het leukst vinden. Om dit te doen, zou je een willekeurige steekproef<\/a> van huidige universiteitsstudenten kunnen selecteren en vragen hoe vaak ze per week naar de bioscoop gaan. Als er echter geen bioscopen in de buurt van de huizen van deze studenten zijn (of als ze geen auto hebben), hebben ze bijna geen kans om geselecteerd te worden voor dit onderzoek.<\/span><\/p>\n

In dit geval zou undercoverage bias leiden tot resultaten die het gemiddelde aantal keren per week dat huidige studenten naar de bioscoop gaan onderschatten, omdat het geen rekening houdt met mensen die geen toegang hebben tot films.<\/span><\/p>\n

Undercoverage Bias Oorzaken<\/span><\/h2>\n

Hoewel undercoverage bias een serieus probleem is, kan het ook voorkomen worden met de juiste techniek en begrip van het probleem.<\/span><\/p>\n

Een van de redenen voor onderdekking is non-respons<\/a>. Dit betekent dat wanneer er een enqu\u00eate wordt gehouden, sommige mensen er niet op reageren. Dit kan om verschillende redenen gebeuren: misschien hebben ze geen tijd, hebben ze het gevoel dat ze niets belangrijks te zeggen hebben of zijn ze de enqu\u00eate helemaal vergeten. Wat de reden ook is, deze mensen zijn niet opgenomen in je resultaten omdat je hun antwoorden niet hebt verzameld.<\/span><\/p>\n

Een andere reden voor onderdekking is een niet-dekkingfout, wat verwijst naar gevallen waarin een individu geselecteerd is uit je steekproef maar niet gecontacteerd kan worden door een steekproeffout<\/a> van de onderzoeker. Als je bijvoorbeeld een telefonische enqu\u00eate<\/a> uitvoert en per ongeluk iemand belt die niet goed genoeg Engels spreekt om je vragen te begrijpen, dan zal deze persoon waarschijnlijk ophangen voordat hij iets antwoordt, wat betekent dat zijn reactie nooit is opgenomen voor latere analyse!<\/span><\/p>\n

De laatste oorzaak van undercoverage bias die we hier vandaag bespreken is dekkingsfout – dit verwijst naar gevallen waarin individuen die in je steekproef zouden moeten zitten er niet in zitten. <\/span>
\n<\/span><\/p>\n

Hoe kunnen we undercoverage bias oplossen?<\/h3>\n

Met QuestionPro Audience<\/a> kunt u steekproeffouten voorkomen met behulp van onze beste tools. Laten we voorwaardelijke logica nemen, met deze functie kunt u uw enqu\u00eate gebruiken als een hulpmiddel om de ervaringen van bepaalde groepen in uw onderzoek te valideren, waardoor de integriteit van uw resultaten wordt verbeterd. <\/span><\/p>\n

Voorwaardelijke logica is vooral nuttig als je een kleine steekproefgrootte<\/a> hebt of als het cruciaal is dat alle leden van een bepaalde groep vertegenwoordigd zijn in je enqu\u00eatepopulatie. Dit komt omdat voorwaardelijke logica ervoor zorgt dat alle leden van die groep dezelfde informatie krijgen bij hun eerste vraag en geen belangrijke details missen die belangrijk kunnen zijn voor hun ervaring, maar misschien niet van toepassing zijn op andere groepen. Dus stel dat je onderzoek doet naar de ervaringen van mensen van verschillende rassen in Amerika. In dat geval kun je met voorwaardelijke logica unieke vragen over die ervaringen voorleggen aan respondenten in bepaalde groepen. <\/span><\/p>\n

Voorbeelden van undercoveragevooroordelen<\/strong><\/h2>\n

Undercoverage bias komt vaak voor in survey-onderzoek<\/a> en kan leiden tot onnauwkeurige bevindingen. Undercoverage bias treedt op als leden van uw onderzoekspopulatie uw enqu\u00eate niet kunnen invullen zonder toegang tot het internet. <\/span><\/p>\n