هناك أربعة خيارات رئيسية لتحديد العينة المحتملة من التجمعات السكانية كما هو موضح في الجدول أدناه. وترتكز هذه على أمرين أساسيين:
هل العينة تمثل جميع السكان محل الدراسة؟
هل ستقوم باستخدام عينة من السكان تم اختيارها مسبقاً أم أنك ستختار عينة جديدة؟
فيما يلي وصف موجز لكل من هذه الخيارات الأربعة.
عينة تمثل جميع السكان
عينة لا تمثل جميع السكان
عينة موجدة مسبقاً
قد تكون هذه العينة من دراسات سابقة تم إجراءها مع السكان. قد تشمل الأمثلة استطلاعات الرأي الوطنية أو استطلاعات المتابعة الروتينية التي تتعقب مجموعة من الأشخاص بمرور الوقت.
قد تكون هذه العينة من دراسات سابقة تم إجراءها مع السكان ويمكن أن تكون لها تركيز أضيق لا يشمل جميع السكان. على سبيل المثال، قد يشمل هذا العينة الأمهات الجدد المسجلات في عيادة لدراسة ممارسات تغذية الطفل.
عينات مستحدثة
قد يتم تجميع هذه العينات من قائمة موجودة أو من خلال الاتصال العشوائي بالأرقام، حيث يكون لكل رقم هاتف مسجل في البلد (أو المنطقة الفرعية إذا كانت رمز المنطقة المحلية متوفرة) احتمالاً متساوياً في الاتصال.
قد يتم إنشاء هذه العينات من القوائم الحالية التي تم جمعها لأغراض أخرى، مثل زوار العيادة أو المشاركين في أنشطة البرنامج الأخرى.
الجدول 3: الخيارات الرئيسية لعينات جمع البيانات عن بعد
ما هي مزايا وعيوب العينات الموجودة مسبقاً؟
هناك العديد من الفوائد لاستخدام العينات الموجودة مسبقاً، مثل:
المعلومات الحالية حول الأشخاص في العينة - نظراً لأنه من الصعب الحفاظ على انتباه الأشخاص لفترات طويلة في الاستبيانات عن بُعد، فإن هذه ميزة كبيرة إذا كانت لديك بالفعل معلومات موجودة حول عينة السكان المستهدفة.
قد يكون وقت أخذ الموافقة أقصر - إذا أكمل المشاركون موافقة مستنيرة أكثر شمولاً من قبل، فقد تحتاج فقط إلى تقديم معلومات حول كيفية تحديث عملية الموافقة العامة في الظروف الحالية وبالتالي يمكن أن يوفر ذلك الوقت. إذا تم أخذ الموافقة الأولية وجهاً لوجه، فقد يؤدي ذلك إلى ثقة أعلى في البحث من قبل المشاركين.
الحد من (بعض أنواع) التحيز - قد تؤدي العلاقات السابقة إلى تحيز أقل في السلوكيات أو المواقف أو المعتقدات المبلغ عنها ذاتياً، خاصة إذا كانت هذه الآراء أو الممارسات تتعارض مع المعايير الحالية أو المبادئ التوجيهية الحكومية.
معدلات استجابة أعلى - إن وجود علاقات قائمة يمكن أن يحدث فرقاً كبيراً في معدلات الاستجابة. على سبيل المثال، سجلت دراسة عن طريق الاتصال رقم عشوائي في الهند معدلات استجابة تبلغ حوالي 25٪ فقط، بينما وجدت دراسات مماثلة بين مجموعات نموذجية موجودة مسبقاً في كينيا أنه من بين 74 ٪ من المشاركين المحتملين الذين ردوا على المكالمة، رفض 1٪ فقط المشاركة. قد تؤدي معدلات المشاركة المنخفضة إلى تحيزات يصعب تصحيحها.
تتضمن بعض العيوب المحتملة لاستخدام العينات الموجودة مسبقاً ما يلي:
عدم مشاركة مجموعات فرعية - قد لا تكون العينة الأصلية ممثلة بالكامل للسكان المستهدفين للعينة الجديدة، على سبيل المثال، إذا كانت العينة الأصلية تستند إلى مجموعة فرعية من السكان (أي أمهات المراهقين).
التحيز في الرغبة الاجتماعية - المعرفة بأهداف دراسة سابقة (على سبيل المثال ، دراسة حول السلوكيات الصحية) قد تؤدي إلى تحيز الاستجابات إذا كان المشاركون يعرفون آراء أولئك الذين يجرون الدراسة.
إرهاق المستجيبين - قد يكون المستجيبون أقل اهتماماً بمواصلة الإجابة عن الأسئلة أو قد يكرسون اهتماماً أقل عند الإجابة.
ما مميزات العينات الممثلة لكل السكان؟
بقدر الإمكان، يجب أن تحرص على أن تكون العينة ممثلة لكل السكان. إن الحصول على عينة ممثلة لكل السكان يعني أن أولئك الموجودين في عينتك لا يختلفون بشكل منهجي عن السكان الذين تريد أن تدرسهم، وهذا هو المفتاح لضمان أن تكون استنتاجاتك دقيقة قدر الإمكان. يمكن استخدما العينات التي لا تمثل كل السكان بطرق عديدة مع بعض العيوب الهامة:
قد تستبعد العينة الغير ممثلة لكل السكان الفئات الضعيفة أو المهمشة وكذلك السكان الذين يقيمون في مناطق يصعب الوصول إليها. وهذه النوعية من السكان يقل احتمال تمثيلها في العينات المتوافرة (مثل زوار العيادة)
قد تستبعد العينة الغير ممثلة لكل السكان الفئات الضعيفة أو المهمشة لأنه من الصعب التواصل معهم عن بعد. لأن جمع البيانات عن بعد يتطلب استخدام الهاتف الذي لا يملكه نحو ٣٠٪ منسكان العالم.
يمكن أن يكون الاتصال بالأرقام العشوائية متحيزاً لأن بعض العائلات لديها أكثر من رقم هاتف واحد مما يعني أن احتمال اختيارهم أعلى. علاوة على ذلك، قد يكون من المحتمل أن تجيب فئات عمرية معينة أو أجناس معينة على الهاتف أو توافق على الرد على استبيان عبر الهاتف.
قد تمثل العينة المختارة جزءاً من السكان ، وليس كامل السكان. على سبيل المثال، قد يتسبب فهمنا لتأثير كوفد-19 على النساء أو الشباب أو الأشخاص الذين يعانون من إعاقات جسدية من التركيز فقط على هؤلاء السكان. في هذه الحالة، يمكن تقليل عينة الموجودة مسبقاً للتركيز على المجموعة الفرعية ذات الاهتمام، أو يمكن للعينة التي تم إنشاؤها حديثاً استخدام أسئلة الفحص للتأكد من أن المستجيب جزء من المجموعة الفرعية ذات الاهتمام.
كيف نتصرف في حال انخفاض معدلات الاستجابة في العينات التي تم إنشاؤها حديثاً أو عدم تمثيل العينة في إطار الدراسة التي ترغب في القيام بها؟
يمثل الحصول على عينة تمثل جميع السكان تحدياً لجميع الأعمال البحثية. ولكن من المهم أن تكون على دراية بالتحيزات التي يمكن أن تنتج عند محاولة اختيار العينة أو عند جمع البيانات عن بُعد، وعليك الإبلاغ عن هذه التحيزات وحصرها عند استخلاص النتائج.
تتوفر العديد من الأساليب لمعالجة التحيز الناجم عن عدم الاستجابة وأخذ الناجم عن العينات غير التمثيلية.
عندما لا يكون معدل الاستجابة مرتفعاً، قد يكون من قرروا الاستجابة مختلفين بشكل منهجي عن أولئك الذين لم يستجيبوا للاستبيان. يمكن معالجة البيانات المفقودة باستخدام عدد من التقنيات (بما في ذلك الاحتساب المتعدد).
عندما لا يمثل الموجودون في العينة السكان المستهدفين، يمكن استخدام الترجيح اللاحق للاستبيان باستخدام مجموعة متنوعة من التقنيات، بما في ذلك التجميع والمطابقة.
يمكنك الإطلاع على مدونة البنك الدولي حول الاستبيانات عبر الهاتف المحمول (الجزء 1): أخذ العينات لتحصل على تفاصيل وأمثلة إضافية حول اختيار إطار لأخذ العينات.
هل تريد معرفة المزيد عن جمع البيانات عن بعد؟
فريق التحرير
كتبه: James B. Tidwell
راجعه: Lauren D’Mello-Guyett, Poonam Trivedi, Tracy Morse, Erica Wetzler, Michael Joseph, Holta Trandafili
آخر تحديث : 15.06.2020