Πώς χρησιμοποιούνται τα υποσύνολα των υποκειμένων για έρευνα
Ο όρος "τυχαίο δείγμα" έρχεται πολύ όταν διαβάζετε για ιατρική έρευνα. Κατανόηση αυτού του όρου μπορεί να σας βοηθήσει να ερμηνεύσετε τις μελέτες υγείας που συναντάτε στις ειδήσεις και να πάρετε μια καλύτερη κατανόηση για το πώς μπορούν ή δεν μπορούν να ισχύουν για εσάς.
Με απλά λόγια, ένα τυχαίο δείγμα είναι ένα υποσύνολο ατόμων που τυχαία επιλέγονται από τους ερευνητές για να αντιπροσωπεύουν ολόκληρη την ομάδα ως σύνολο.
Ο στόχος είναι να αποκτηθεί ένα δείγμα ανθρώπων που να είναι αντιπροσωπευτικό του μεγαλύτερου πληθυσμού.
Για παράδειγμα, εάν οι ερευνητές ενδιαφέρονται να μάθουν για αλκοολική χρήση μεταξύ φοιτητών κολλεγίων στις Ηνωμένες Πολιτείες, ο μεγαλύτερος πληθυσμός (με άλλα λόγια, η "ομάδα ενδιαφέροντος") θα αποτελείται από κάθε παιδί σε κάθε κολλέγιο και πανεπιστήμιο Χώρα. Θα ήταν σχεδόν αδύνατο να μιλήσουμε σε όλους αυτούς τους ανθρώπους για να μάθουν εάν πίνουν, ποια είδη οινοπνεύματος πίνουν, πόσο συχνά, υπό ποιες συνθήκες, πόσα (μια μπύρα ή δύο ανά εβδομάδα, Σαββατοκύριακο) και ούτω καθεξής. Αντί να αναλάβουν ένα τέτοιο έργο, οι επιστήμονες θα βγάλουν μαζί ένα τυχαίο δείγμα φοιτητών για να αντιπροσωπεύσουν το συνολικό πληθυσμό των φοιτητών.
Πώς οι ερευνητές δημιουργούν τυχαία δείγματα
Η τυχαία δειγματοληψία μπορεί να είναι δαπανηρή και χρονοβόρα. Ωστόσο, αυτή η προσέγγιση για τη συλλογή δεδομένων για την έρευνα παρέχει τις καλύτερες πιθανότητες να συγκεντρώσει ένα αμερόληπτο δείγμα που είναι πραγματικά αντιπροσωπευτικό για ολόκληρη την ομάδα ως σύνολο.
Επιστρέφοντας στη φανταστική μελέτη της χρήσης οινοπνεύματος από τους σπουδαστές κολλεγίων, εδώ θα δούμε πώς θα μπορούσε να λειτουργήσει τυχαία δειγματοληψία. Σύμφωνα με το Εθνικό Κέντρο Στατιστικής Εκπαίδευσης (NCES), περίπου 20,2 εκατομμύρια φοιτητές εγγράφηκαν στα αμερικανικά κολλέγια και πανεπιστήμια το 2015, τα πιο πρόσφατα διαθέσιμα στατιστικά στοιχεία.
Αυτά τα 20 εκατομμύρια συν άτομα αντιπροσωπεύουν το συνολικό πληθυσμό που θα μελετηθεί.
Για να σχεδιάσουμε ένα τυχαίο δείγμα αυτής της ομάδας, όλοι οι μαθητές πρέπει να έχουν ίσες πιθανότητες να επιλεγούν. Για παράδειγμα, οι επιστήμονες που διεξάγουν τη μελέτη θα πρέπει να βεβαιωθούν ότι το δείγμα περιελάμβανε το ίδιο ποσοστό ανδρών και γυναικών με τον μεγαλύτερο πληθυσμό. Σύμφωνα με τα στατιστικά στοιχεία του NCES, 11,5 του συνολικού πληθυσμού των φοιτητών είναι γυναίκες και 8,7 εκατομμύρια είναι άνδρες. Η ομάδα δειγμάτων θα πρέπει να αντικατοπτρίζει την ίδια αναλογία γυναικών με άνδρες.
Εκτός από το φύλο, οι ερευνητές θα ήθελαν επίσης να ακολουθήσουν την ίδια διαδικασία για άλλα χαρακτηριστικά - για παράδειγμα, τη φυλή, το πολιτιστικό υπόβαθρο, το σχολικό έτος, την κοινωνικοοικονομική κατάσταση κλπ., Ανάλογα με τον συγκεκριμένο σκοπό της μελέτης. Για παράδειγμα, αν ήθελαν να χρησιμοποιούν το αλκοόλ μεταξύ των ασιατών φοιτητών, θα δημιουργούσαν ένα τυχαίο δείγμα αποτελούμενο μόνο από ασιανούς σπουδαστές. Με τον ίδιο τρόπο, εάν η μελέτη επικεντρωνόταν στον αριθμό των μαθητών που πίνουν κατά τη διάρκεια της εβδομάδας, θα δημιουργούσαν ένα ερωτηματολόγιο ή άλλη μέθοδο για να βρουν μόνο παιδιά που πίνουν τις καθημερινές για την έρευνά τους.
Όταν διαβάζετε μια μελέτη υγείας που βασίζεται σε ένα τυχαίο δείγμα, τότε, να γνωρίζετε ότι τα ευρήματα δεν βασίζονται σε όλα τα άτομα του πληθυσμού που πληρούν ορισμένα κριτήρια, αλλά σε ένα υποσύνολο θεμάτων που επιλέγονται να τα εκπροσωπούν.
Αυτό θα σας βοηθήσει να βάλετε τη μελέτη σε προοπτική.
Πηγή:
Εθνικό Κέντρο Στατιστικής Εκπαίδευσης. "Γρήγορα γεγονότα: Επιστροφή στις σχολικές στατιστικές" 2015.