Çoğu zaman araştırmacılar, hedef popülasyonda olanlarla uyuşmayan sonuçlar elde etmekte zorlanırlar. Bunun pek çok nedeni olsa da, kendi kendini seçme yanlılığı en önemlilerinden biridir.
” dediğimizdeseçim yanlılığı” derken, ilgili popülasyonunuzun yanlış veya eksik temsil edilmesine neden olan bir deneyin yanlış gittiğini kastediyoruz.
Bu önyargı, programları veya ürünleri araştırırken bir sorundur. Kendi kendini seçme, pazar araştırması yapmayı ve programları değerlendirmeyi zorlaştırır.
Bu blogda, öz seçim yanlılığının tanımını ve yanlılığı azaltmak için hangi yöntemleri izlememiz gerektiğini ele alacağız ve ayrıca bu yanlılığa bazı örnekler vereceğiz.
Kendi kendini seçme önyargısı nedir?
Kendi kendini seçme önyargısı, insanlar bir gruba katılmayı kendi başlarına seçtiklerinde ortaya çıkar. Olasılıksız örnekleme kullanıldığında yanlı bir örnekleme neden olur. Genellikle gruptaki insanların orada olmayı seçmelerine neden olan özelliklerinin grupta garip veya kötü şeylerin olmasına yol açtığı durumları tanımlamak için kullanılır.
Şuna benzer yanıt vermeme yanlılığıBu, anketi cevaplayan grubun cevap vermeyen gruptan farklı cevaplar verdiği durumdur.
Şimdi bu önyargıyı azaltmanın yöntemlerini tartışacağız. Ayrıca bazı örnekler de vereceğiz. Daha fazlasını öğrenmek için sonuna kadar bizimle kalın.
Kendi kendini seçme önyargısını azaltma yöntemleri
Öz seçim yanlılığını ortadan kaldırmanın en belirgin yolu, insanların anket için kendilerini seçmelerine izin vermemektir. Bir örneklem elde etmek için olasılıklı örnekleme tekniği idealdir.
Olasılık örnekleme yöntemi
Olasılık örneklemesi, olasılık teorisine dayalı sistematik bir çalışma için bir popülasyon seçme yöntemidir. Burada araştırmacı, tüm popülasyondan özelliklerini tahmin etmek istediği küçük bir grup insan seçer.
Olasılıklı örnekleme, rastgelelik ilkesine dayanır; bu da araştırma popülasyonunun tüm üyelerinin örnek popülasyonda yer alma şansının eşit olduğu anlamına gelir.
Örneğin, evren büyüklüğü 500 ise, evrendeki her kişinin araştırma örnekleminde yer alma şansı 500’de 1’dir.
Bu yöntemin arkasındaki temel fikir, bütünü temsil eden rastgele bir örneklem seçebilirseniz, tahminlerinizin doğru olacağıdır. Örnek popülasyon yeterince büyük olduğunda, örnekleme dayalı olarak tüm popülasyon hakkında sonuca varmak için istatistiksel teknikler kullanabilirsiniz.
Olasılıklı örnekleme yöntemlerine bazı örnekler aşağıda verilmiştir:
- Basit rastgele örneklem: Amerikan Toplum Araştırması, insanları rastgele seçerek Amerika Birleşik Devletleri’ndeki yaşam hakkında bilgi toplar.
Birleşik Devletler Nüfus Sayım Bürosu, ülkedeki rastgele bir örneklemden ayrıntılı bilgi ister. Daha sonra bu bilgiyi tüm nüfusu sonuçlandırmak için kullanırlar.
- Sistematik örnekleme: Sistematik örnekleme, araştırmacının araştırma evreninin üyelerini bulmak için rastgele bir başlangıç noktası ve sabit aralıklar kullandığı bir olasılıklı örnekleme türüdür. İşte şu anda olanlar. Sistematik örnekleme örneği
Diyelim ki ilgilendiğiniz kişi sayısı 800. Başlangıç noktası olarak rastgele altıncı kişiyi seçebilir ve 10 kişilik rastgele bir örnekleme aralığı belirleyebilirsiniz. Bu, araştırma popülasyonunun arka arkaya her 10. elemandan oluşacağı anlamına gelir.
- Tabakalı örnekleme: Tabakalandırma fikri, tabakalı örneklemenin çalışmasını sağlayan şeydir. Çalışma popülasyonu cinsiyet, yaş, gelir düzeyi ve diğer benzer faktörlere göre alt gruplara (“tabaka” olarak adlandırılır) ayrıldığında, buna “tabakalandırma” denir. Her katmana ne kadar büyük olduğuna bağlı olarak bir ağırlık verilir. Ardından, her tabakaya rastgele bir başlangıç noktası verilerek bir örneklem seçilir.
- Küme örneklemesi: Küme örneklemesi, araştırma örneklerini büyük bir popülasyondan şansa dayalı olarak seçmenin bir yoludur. Bu durumda araştırmacı, nüfusu mahalleler ve şehirler gibi mevcut gruplara ayırır. Çok aşamalı örnekleme olarak da adlandırılır.çok aşamalı örnekleme olarak da bilinir.
Bir araştırma örneklemini kümelemek için araştırmacı, örneklemi farklı özelliklere sahip doğal olarak oluşan alt gruplara ayırır. Daha sonra, örnek olarak kullanmak ve gerekli bilgileri elde etmek için rastgele kümeler seçerler.
Kendi kendini seçme yanlılığına örnekler
Aşağıdaki örnekler, kendi kendini seçme yanlılığının ortaya çıkmasının muhtemel olduğu birkaç durumu göstermektedir:
Örnek 1
Bir öğretmen, sınavlarda nasıl başarılı olunacağına dair yeni bir dersin öğrencilerin daha iyi performans göstermesine yardımcı olup olmadığını bilmek istiyor. Sınıfının dışına bir kayıt sayfası koyuyor ve öğrencilerin dersi almak isteyip istemediklerine kendilerinin karar vermesine izin veriyor.
Okul konusunda daha ciddi olan öğrencilerin kaydolma olasılığı daha yüksek olduğu için kendi kendini seçme yanlılığı muhtemeldir. Bu, kursu alan öğrenci örnekleminin muhtemelen kursu alabilecek tüm gruba benzemediği anlamına gelir.
Örnek 2
Bir yerel yönetimin, İngilizce bilmeyen insanların ulaşımını kolaylaştırmak için insanlara sokak tabelalarının İngilizce dışındaki dillerde de yazılıp yazılmaması gerektiğini soran bir anket gönderdiğini düşünün.
Sadece İngilizce okuyabilen sakinler anketi cevaplayacağı için kendi kendini seçme yanlılığı muhtemeldir. Bu, anketi yanıtlayan kişilerin görüşlerinin muhtemelen kasabada yaşayan tüm insanların görüşleriyle aynı olmadığı anlamına gelmektedir.
Örnek 3
Bir biyolog, belirli bir geyik türünün ortalama boyunun ne kadar olduğunu anlamak isterse, açık bir çayıra geyik yemi koyabilir ve bunu yemeye gelen geyiklerin fotoğraflarını çekebilir.
Bu durumda, sadece bu tür geyik yemlerini seven veya açık alanda daha rahat olan geyiklerin çayıra girmesi ve örnek verilere dahil edilmesi muhtemel olduğundan, kendi kendini seçme yanlılığının ortaya çıkması muhtemeldir.
Dolayısıyla, bu örneklemdeki geyiklerin ortalama boyunun tüm geyiklerin ortalama boyuyla aynı olması pek olası değildir.
Sonuç
Kendi kendini seçme önyargısını ve bu önyargının nasıl azaltılacağına dair yöntemleri öğrendik. Ayrıca bazı örnekler de verdik. Kendi kendini seçme önyargısı araştırmalarda büyük bir sorundur. Olasılıksız örnekleme kullanıldığında yanlı bir örneklem oluşturur. İşinizde bu önyargıyı önlemeye yardımcı olabilecek olasılıklı örnekleme yöntemini tartıştık.
QuestionPro sadece anket yazılımından çok daha fazlasıdır; her sorun ve iş için bir çözüm sunuyoruz. InsightsHub araştırma kütüphanemiz gibi veri yönetim platformlarımız da var.
Dünya çapındaki kuruluşlar, verileri daha iyi yönetmek, içgörü elde etmek için zamandan tasarruf etmek ve maliyetleri düşürüp yatırım getirisini artırırken geçmiş veri kullanımını geliştirmek için InsightsHub gibi bilgi yönetimi sistemlerini ve çözümlerini kullanıyor.
