সামাজিক বিজ্ঞানগুলিতে সর্বাধিক প্রকাশিত সম্পর্কগুলি অবিশ্বাস্য এবং এ সম্পর্কে কী করা উচিত? [বন্ধ]


9

শিকারী জার্নালের অনুশীলনগুলি প্রকাশ করার জন্য ব্যক্তিদের "গোটচা" -র গুরুত্বপূর্ন তবে বিস্মৃত হওয়া সত্ত্বেও সামাজিক বিজ্ঞান গবেষণার ছায়ায় একটি বৃহত্তর এবং আরও মৌলিক হুমকি ছড়িয়ে পড়েছে ( যদিও অবশ্যই একাধিক সমস্যা রয়েছে যা গবেষকদের সমাধান করতে হবে )। সরাসরি বক্তৃতা পেতে, একটি মতামত অনুসারে আমরা 250 এর চেয়ে কম নমুনাগুলি থেকে প্রাপ্ত পারস্পরিক সম্পর্কের সহগকে বিশ্বাস করতে পারব না ।

বিশ্বাসযোগ্য পারস্পরিক সম্পর্ক সহগের চেয়ে সামাজিক বিজ্ঞানের বিভিন্ন পদক্ষেপের মধ্যে উপস্থিতি, দিকনির্দেশ এবং মেলামেশার শক্তি সম্পর্কে আরও বেশি নির্ভর করার জন্য একটি পরীক্ষা খুঁজে পেতে কঠোর চাপ দেওয়া হবে। তবে, 250 জনরও কম মামলার সাথে ডেটা থেকে গণনা করা সহসংস্থান সহগের উপর ভিত্তি করে দুটি কনস্ট্রাক্টের মধ্যে সম্পর্ক সম্পর্কে দৃ strong় দাবী করে পিয়ার-রিভিউ করা প্রতিবেদনগুলি খুঁজে পাওয়া খুব শক্ত হবে না

সামাজিক বিজ্ঞানের মুখোমুখি বর্তমান প্রতিলিপি সংকট দেওয়া (উপরের দ্বিতীয় লিঙ্কটি দেখুন), কেবলমাত্র বৃহত নমুনায় (কমপক্ষে কিছু সামাজিক বিজ্ঞানের ক্ষেত্রের মানদণ্ডে) পারস্পরিক সম্পর্কের সহাবস্থানের স্থিতিশীলতা সম্পর্কিত আমাদের এই প্রতিবেদনটি কীভাবে দেখা উচিত? এটি কি পিয়ার-পর্যালোচিত সামাজিক বিজ্ঞান গবেষণার প্রাচীরের আরেকটি ফাটল, বা এটি উপস্থাপনে অবাক করা একটি অপেক্ষাকৃত তুচ্ছ বিষয়?

যেহেতু এই প্রশ্নের একটিও সঠিক উত্তর না পাওয়া সম্ভব বলে আমি আশা করি পরিবর্তে একটি সূত্র উত্পন্ন করার যেখানে এই প্রশ্নটি সম্পর্কে উত্সগুলি ভাগ করা যায়, বিবেচনা করে বিবেচনা করা যেতে পারে এবং বিতর্ক করা যেতে পারে (বিনীতভাবে এবং শ্রদ্ধার সাথে অবশ্যই)।


আমি স্বীকার করেছি যে এটি একটি মতামত ভিত্তিক প্রশ্ন এবং সাইটের সাধারণ নির্দেশিকাগুলি স্কার্ট করে। আসল বিষয়টি হ'ল বিস্তৃত লোকেরা এই সাইটে পরিসংখ্যানের অন্তর্দৃষ্টিগুলির জন্য আসে, যার মধ্যে তারা নিযুক্ত করার কৌশলগুলি অন্তর্নিহিত সমস্যাগুলি সম্পর্কে আরও ভাল বোঝা সহ understanding আমার আশা এই বিস্তৃত প্রশ্ন উত্থাপনের ক্ষেত্রে, আমি এই স্বীকৃত অস্পষ্ট লক্ষ্যে সহায়তা করতে পারি। একটি স্ট্যান্ডার্ড ত্রুটি কীভাবে গণনা করা যায় তা শেখা একটি জিনিস। একটি অনুমিত প্রমাণ ভিত্তিক সিদ্ধান্ত নেওয়ার সময় এটি চালিত করার অর্থ কী তা শেখা অন্যটি।
ম্যাট বার্সেস্ট

সবচেয়ে খারাপটি হ'ল সেই "বাধ্যতামূলক 250" কে কীভাবে নির্বাচন করা হয়। আমি আরও প্রায়ই দেখি যে কোনও সামাজিক মিডিয়া সাইটে কোনও কাগজের জন্য বা থিসিসের জন্য প্রয়োজনীয় জরিপটি সম্পূর্ণ করার জন্য কেউ একটি আবেদন পোস্ট করে। সমীক্ষার বিষয়টি সম্পূর্ণ করুন। পোপেল কীভাবে স্ব-নির্বাচন করবেন তা সম্পূর্ণ অজানা। কারও সামাজিক গ্রুপের পোপগুলি এলোমেলো নয় বলে সাধারণত র্যান্ডম নমুনাগুলি, সাধারণত অনুরূপ মতাদর্শিক / রাজনৈতিক / অর্থনৈতিক গোষ্ঠীর অন্তর্ভুক্ত, এবং তারা কীভাবে বিষয়টিতে আগ্রহী তার ভিত্তিতে স্ব-নির্বাচন করুন select থেকে কিউ "90% এক্স পক্ষে" মাত্র কারণ যারা উদাসী হয় স্বেচ্ছাসেবক করা হয়নি।
বনাম

উত্তর:


7

আনুমানিক সত্য পারস্পরিক সম্পর্ক সহগের জন্য আত্মবিশ্বাসের অন্তর যুক্ত করা ρসঠিক দিকের একটি ছোট (এবং খুব সাধারণ) প্রথম পদক্ষেপ হবে। এর প্রস্থটি আপনাকে অবিলম্বে আপনার নমুনা পারস্পরিক সম্পর্কের যথাযথতার উপর একটি ধারণা দেয় এবং একই সাথে লেখককে এবং দর্শকদেরও কার্যকর অনুমানের পরীক্ষা করার অনুমতি দেয়। সামাজিক বিজ্ঞান থেকে পরিসংখ্যানবিদদের সাথে কথা বলার সময় কী আমাকে সর্বদা বিস্মিত করে যে উপরে একটি নিখুঁত নমুনা পারস্পরিক সম্পর্ক সহগL=0.3(বা অন্য কোনও সীমা) অর্থবোধক হিসাবে বিবেচিত হয়েছিল। একই সময়ে, তারা কার্যকরী অনুমানটি পরীক্ষা করছিলেনρ0। এটি অসম্পর্কিত। খুব কম জনসংখ্যার পারস্পরিক সম্পর্কের সহগ কেন হঠাৎ অর্থবহ হিসাবে বিবেচিত হবে? "সঠিক" কার্যকারী অনুমান হবে|ρ|>L। জন্য একটি আত্মবিশ্বাস অন্তরρ হাতের কাছে, এর মতো অনুমানগুলি সহজেই পরীক্ষা করা যায়: কেবলমাত্র পরীক্ষা করুন যে বিরতিটি পুরোপুরি উপরে রয়েছে above L (অথবা নিচে L) এবং আপনি জানেন যে আপনি জনসংখ্যায়ও "যথেষ্ট" পরিসংখ্যানিক সংস্থার দাবি করতে পারবেন কিনা।

অবশ্যই কেবল একটি আত্মবিশ্বাসের ব্যবধান যুক্ত করা এবং অর্থপূর্ণ পরীক্ষাগুলি ব্যবহার করা খুব বেশি সমস্যার সমাধান করতে পারে না (যেমন খারাপ স্যাম্পলিং ডিজাইন, কনফাউন্ডারদের বাদ দেওয়া বিবেচনা ইত্যাদি)। তবে এটি মূলত বিনামূল্যে। আমি অনুমান করতে পারি এমনকি এসপিএস তাদের গণনা করতে সক্ষম!


1
প্রকৃতপক্ষে, এসপিএস যদি এটি করতে পারে ... আরও গুরুতর নোটের ভিত্তিতে, আমি মনে করি সিআইএস-এর উপর জোর দেওয়ার ধারণাটি একটি দুর্দান্ত ধারণা তৈরি করে। এটি মেটা-বিশ্লেষণমূলক প্রচেষ্টার পাশাপাশি সহায়তা করবে। অতিরিক্ত হিসাবে, এটি আমার কাছে মনে হয় যদিও পি মানগুলির পরিবর্তে সিআই-র প্রতিবেদন করা কোনও বায়েশিয়ান পদ্ধতির ঘনতান্ত্রিক অনুমানের কিছু। আমি সবসময়ই ভেবেছি যে বায়েসীয় মডেলগুলি আরও সৎ "অনুভব" করার প্রবণতা রয়েছে যে তারা একক নমুনা থেকে প্রাপ্ত জনসংখ্যার প্যারামিটারের সর্বাধিক সম্ভাবনা অনুমানের চেয়ে বরং অনুমানের বিতরণকে মডেলিংয়ের দিকে মনোনিবেশ করে।
ম্যাট বার্সেস্ট

4

মাইকেল এম নোট হিসাবে , রিপোর্ট করা পারস্পরিক সম্পর্কের বিশ্বাসযোগ্যতা - বা অন্য কোনও অনুমান - আত্মবিশ্বাসের অন্তরগুলি ব্যবহার করে মূল্যায়ন করা যেতে পারে। একটি ডিগ্রি, যে। তথ্য সংগ্রহের পরে মডেলগুলি নির্বাচন করা হলে সিআইগুলি খুব সংকীর্ণ হবে, যা আমি অনুমান করি যে বিজ্ঞান বিজ্ঞানের ক্ষেত্রে প্রায় 95% সময় আসবে (যা আমি সত্যই বলতে পারি আমার সম্পূর্ণ অনুমান)।

প্রতিকারটি দ্বিগুণ:

  • আমরা একটি "সম্পর্কে কথা বলছি সংকট "। সুতরাং, ব্যর্থ প্রতিলিপিগুলি আমাদের জানায় যে আসল প্রভাবটি সম্ভবত এলোমেলো গোলমাল। আমাদের আরও প্রতিলিপিগুলি করতে হবে (এবং তহবিল সংগ্রহ করতে হবে, এবং জমা দিতে হবে, এবং স্বীকার করতে হবে)। প্রতিলিপি অধ্যয়নগুলি আস্তে আস্তে সম্মান অর্জন করছে, এবং তা হ'ল একটি ভাল জিনিস.

  • দ্বিতীয় প্রতিকার অবশ্যই । আমাদের যদি একই রকমের তথ্যের অনেকগুলি সম্পর্কিত পারস্পরিক সম্পর্ক থাকে তবে তাদের প্রতিটিতে একটিও কম থাকেn, তারপরে আমরা তথ্যটি পুল করতে পারি এবং কিছু শিখতে পারি। আদর্শভাবে, আমরা এমনকি সনাক্ত করতে সক্ষম হব প্রক্রিয়া.


@ স্টিফেন, প্রশ্ন: "প্রতিলিপি" বলতে কী বোঝায়, মূল অধ্যয়নটির অনুলিপি করতে একইরকম একই ডেটা বা বিভিন্ন ডেটা ব্যবহার করা উচিত? প্রতিলিপি এবং পুনরাবৃত্তিযোগ্যতার মধ্যে কি পার্থক্য রয়েছে?
পূর্বাভাসকারী

আপনার প্রথম বক্তব্য পর্যন্ত, আমি মনে করি গত কয়েক বছরগুলি প্রতিরূপযোগ্যতা ফ্রন্টে সত্যিকারের আন্দোলন দেখেছিল। একটি আসন্ন অধ্যায় আমি মনে করি যে আচরণগত বিজ্ঞান উপক্ষেত্রসমূহ একটি নম্বর থেকে ভাল অনুবাদ আবেগ গবেষকদের জন্য কিছু উপদেশ উপলব্ধ করা হয়।
ম্যাট বার্সেস্ট

@ ফোরকাস্টার: একটি প্রতিলিপি স্বাধীনভাবে সংগৃহীত নতুন ডেটা দিয়ে করা উচিত, অন্যথায় আপনি নতুন কিছু শিখবেন না । "পুনরাবৃত্তিযোগ্যতা" কোনও শব্দ নয় যা আমি এসেছি। অবশ্যই, মূল প্রকাশনার যথেষ্ট বিশদ আছে কিনা তা নিয়ে সর্বদা প্রশ্ন থাকে তাই অন্য কেউ আসলে বিশ্লেষণটি পুনরাবৃত্তি করতে পারে
স্টিফান কোলাসা
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.