კვლევის ხარისხი არა მარტო მეთოდოლოგიისა და ინსტრუმენტების შესატყვისობის მიხედვით ნარჩუნდება ან ეცემა, არამედ კვლევაში გამოყენებული შერჩევის სტრატეგიის ადეკვატურობითაც (იხ. Morrison 1993: 112- 17). შერჩევის საკითხი საკვლევი პოპულაციის განსაზღვრისთანავე დგება. მკვლევარმა შერჩევის შესახებ გადაწყვეტილებები კვლევის დაგეგმვის ადრეულ ეტაპებზე უნდა მიიღოს. ისეთი ფაქტორები, როგორიცაა ხარჯები, დრო, ხელმისაწვდომობა, ხშირად არ აძლევს მკვლევრებს საშუალებას, რომ მთლიანი პოპულაციიდან მიიღონ ინფორმაცია. აქედან გამომდინარე, მათ ხშირად ესაჭიროებათ, რომ მონაცემების მიღება შეეძლოთ უფრო მცირე ზომის ჯგუფისგან ანუ მთლიანი პოპულაციის ქვეერთობლიობიდან ისე, რომ მიღებული ცოდნა შესასწავლი მთლიანი პოპულაციის (როგორც არ უნდა იყოს განსაზღვრული) რეპრეზენტაციული იყოს. ეს, უფრო მცირე ზომის ჯგუფი, ანუ ქვეერთობლიობა არის შერჩევა. გამოცდილი მკვლევრები იწყებენ მთლიანი პოპულაციით და შემდეგ გადადიან შერჩევაზე. ამის საპირისპიროდ, ნაკლებად გამოცდილები მუშაობენ ქვემოდან ზემოთ, ანუ საზღვრავენ რესპონდენტთა იმ მინიმალურ რაოდენობას, რომელიც საჭიროა კვლევის ჩასატარებლად (Baily 1978). თუმცა, პოპულაციის წინასწარ იდენტიფიცირების გარეშე პრაქტიკულად შეუძლებელია შერჩევის რეპრეზენტაციულობის შეფასება.

დავუშვათ, კლასის მასწავლებელი ერთი თვით გაანთავისუფლეს სასწავლო პროცესიდან, რათა იკვლიოს მეცნიერული ექსპერიმენტების ჩატარების უნარები 13 წლის მოსწავლეებში. ასევე, დავუშათ, კვლევა ტარდება სამ სკოლაში, თითო სკოლაში 300 მოსწავლეა, სულ - 900, ხოლო მონაცემების მოსაგროვებლად გამოიყენება ნახევრად სტრუქტურირებული ინტერვიუ. მასწავლებლისთვის მიცემული დროის სიმცირის გამო შეუძლებელი იქნება ცხრაასივე მოსწავლის (პოპულაციის - ყველა შემთხვევის ერთობლიობის) ინტერვიუირება. აქედან გამომდინარე, ინტერვიუ სელექციური უნდა იყოს და 900-ზე ნაკლები მოსწავლე უნდა გამოიკითხოს. როგორ უნდა შეარჩიოს მასწავლებელმა? როგორ მიიღებს გადაწყვეტილებას იმის თაობაზე, თუ რომელი მოსწავლე აირჩიოს ინტერვიუსთვის?

ძალიან ბევრი იქნებოდა, მას რომ 200 მოსწავლესთან ჩაეტარებინა ინტერვიუ? ძალიან ცოტა იქნებოდა, მხოლოდ 20 მოსწავლე რომ აერჩია? მხოლოდ ვაჟებთან ან მხოლოდ გოგონებთან რომ ემუშავა, მიიღებდა სწორ სურათს? მხოლოდ იმ მოსწავლეებს რომ მიეღოთ კვლევაში მონაწილეობა, ზუსტი და საბუნებისმეტყველო მეცნიერების მასწავლებლის თქმით, "კარგები" რომ იყვნენ, მისცემდა ეს მას 900 მოსწავლისგან შემდგარი პოპულაციის შესახებ რეალურ სურათს? იქნებ მისთვის უკეთესი იქნებოდა, ის მოსწავლეები აერჩია, რომლებსაც უჭირდათ ეს საგანი და დიდად არ სიამოვნებდათ. დავუშვათ, მან მხოლოდ ინტერვიუირების დღეებში აღმოაჩინა, რომ ის "კარგი" მოსწავლეები და ისინიც, რომლებსაც არ მოსწონთ ეს საგანი, აცდენენ და სულ არ ესწრებიან ზუსტი და საბუნებისმეტყველო მეცნიერების გაკვეთილებს. როგორ შეძლებს ის ამ მოსწავლეებთან შეხვედრას?

ამგვარი გადაწყვეტილებების მიღება და პრობლემებთან შეჯახება უწევთ მკვლევრებს კვლევის დაგეგმვისას. შერჩევის პროცესში ოთხი ძირითადი ფაქტორია გასათვალისწინებელი:

• შერჩევის მოცულობა;
• შერჩევის რეპრეზენტაციულობა და პარამეტრები;
• შერჩევის ხელმისაწვდომობა;
• შერჩევის შედგენისას გამოყენებული სტრატეგია.

აქ მიღებული გადაწყვეტილებები განსაზღვრავს, თუ რომელი სტრატეგია გამოიყენება შერჩევის შედგენისას. ამ შემთხვევაში დაშვებულია, რომ შერჩევა რეალურად საჭიროა, თუმცა შეიძლება იყოს შემთხვევები, როდესაც მკვლევარს ხელი პოპულაციაზე უფრო მიუწვდება, ვიდრე - შერჩევაზე.

შერჩევის მოცულობა

კითხვა, რომელიც ხშირად აწუხებს ახალბედა მკვლევარს, არის, რამდენად დიდი უნდა იყოს შერჩევა. აქ არ არსებობს ერთი სწორი პასუხი, შერჩევის სწორი ზომა დამოკიდებულია კვლევის მიზანზე და საკვლევი პოპულაციის ბუნებაზე. თუმცა, შესაძლებელია ამ საკითხთან დაკავშირებით რამდენიმე რჩევის მოცემა. ზოგადად, რაც უფრო დიდია შერჩევა, მით უკეთესი; ეს შეიძლება არა მარტო მეტ სანდოობას, არამედ უფრო დახვეწილი სტატისტიკური მეთოდების გამოყენების საშუალებასაც იძლეოდეს.

ამრიგად, ბევრი თვლის, რომ თუ მკვლევარი სტატისტიკური ანალიზის რომელიმე ფორმის გამოყენებას აპირებს თავისი მონაცემებისთვის, მაშინ შერჩევის მინიმალური ზომა უნდა იყოს 30 შემთხვევა, თუმცა ეს ძალიან მცირე რიცხვია და გაცილებით მეტს გირჩევდით. მკვლევრებმა ნებისმიერი სახის მონაცემების მოგროვებამდე, წინასწარ უნდა იფიქრონ, თუ რა სახის ურთიერთმიმართებების კვლევა სურთ თავიანთი მომავალი შერჩევის ქვეჯგუფებში. ცვლადების რაოდენობა, რომელთა გაკონტროლებასაც აპირებს მკვლევარი ანალიზისას და სტატისტიკური ტესტები, რომელთა გამოყენებაც სურს, გასათვალისწინებელია კვლევის დაწყებამდე, შერჩევის თაობაზე მიღებულ გადაწყვეტილებებში. ჩვეულებისამებრ, გამოიყენება წესი, რომლის მიხედვითაც, თითო ცვლადზე, სულ მცირე, 30 შემთხვევა უნდა მოდიოდეს, ანუ მკვლევარს თითოეული ცვლადისთვის მინიმუმ 30 შემთხვევა უნდა ჰქონდეს (ცხადია, ერთი ცვლადისთვის აღებული 30 შემთხვევა მეორე ცვლადისთვისაც ისევ 30 შეიძლება იყოს). თუმცა, ეს რეალობასთან ძალიან დაბალი მიახლოებაა. რიცხვი სწრაფად იზრდება, თუ შერჩევა პოპულაციის სხვადასხვა ქვეჯგუფისგან შედგება (ეს საკითხი ქვემოთ იქნება განხილული), რაც ხშირად ხდება ხოლმე.

გარდა ამისა, განსახორციელებელი ანალიზიდან გამომდინარე, ზოგიერთი სტატისტიკური კრიტერიუმი უფრო დიდ შერჩევებს საჭიროებს. მაგალითად, წარმოვიდგინოთ, რომ მკვლევარს ნიშანთა შეუღლების ცხრილების მონაცემებით უნდა ხი-კვადრატის (სტატისტიკა, რომელიც ხშირად გამოიყენება, განხილულია მეხუთე ნაწილში) გამოთვლა, მაგალითად, იმისთვის, რომ ნახოს, თუ როგორ და რა პასუხებს იძლევა ხუთქულიან სკალაზე მონაწილეთა ორი ქვეჯგუფი დაწყებით სკოლაში, რომელშიც 60 ათი წლის მოსწავლე და 20 მასწავლებელია (იხ. ქვემოთ მოცემული დიაგრამა).

აქ შეამჩნევთ, რომ შერჩევაში 80 შემთხვევაა - ნამდვილად მისაღები რაოდენობა; თუმცა დიაგრამის ათი უჯრიდან ექვსში (60%) ხუთზე ნაკლები შემთხვევაა წარმოდგენილი. ხი-კვადრატის გამოთვლისთვის საჭიროა, რომ უჯრების 80%-ზე მეტში (ანუ ათიდან რვა უჯრაში) ხუთი ან მეტი შემთხვევა იყოს. ამ მაგალითში უჯრების მხოლოდ 40%-შია ხუთზე მეტი შემთხვევა, ასე რომ, შედარებით დიდი შერჩევითაც კი ვერ სრულდება სტატისტიკური მოთხოვნები სანდო მონაცემებისთვის ისეთი მარტივი სტატისტიკისთვისაც კი, როგორიც ხი-კვადრატია. ეს ნიშნავს, რომ მკვლევარმა, რამდენადაც შეძლებს, წინასწარ უნდა ივარაუდოს მონაცემების შესაძლო განაწილებები და ნახოს, დააბრკოლებს თუ არა ეს სათანადო სტატისტიკურ ანალიზს. თუ განაწილება, სავარაუდოდ, არ იძლევა სანდო სტატისტიკების გამოთვლის შესაძლებლობას, მაშინ უნდა გაიზარდოს შერჩევის ზომა, მეტი სიფრთხილით მოხდეს მონაცემების ინტერპრეტირება, არ გამოიყენონ კონკრეტული სტატისტიკები, ან თავი დაანებონ ამ საქმეს, თუ შერჩევის ზომის გაზრდა შეუძლებელია.

საქმე ისაა, რომ თითოეულ ცვლადს ზომიერად დიდი შერჩევა სჭირდება (მინიმუმ 6-10 შემთხვევა). ფაქტობრივად, გორარდი (Gorard 2003: 63) გვთავაზობს, რომ შეგვიძლია დავიწყოთ თითოეულ უჯრაში საჭირო შემთხვევების მინიმალური რაოდენობით, ეს რიცხვი გავამრავლოთ უჯრების რაოდენობაზე და მიღებული შედეგი გავაორმაგოთ. ზემოთ მოცემულ მაგალითში, რომელშიც ექვსი შემთხვევა იყო თითოეულ უჯრაში, მინიმალური შერჩევა იქნებოდა 120 (6X10X2), თუმცა თავის დასაზღვევად, რომ თითო უჯრაში 10 შემთხვევა მაინც გვექნება, სულ მცირე, 200 შემთხვევისგან შემდგარი შერჩევა უკეთესი იქნებოდა (10X10X2) და მაინც, არც ამით გვაქვს სრული გარანტია.

კიდევ ერთი საკითხი, რომელიც წამოიჭრება ამ მაგალითის მიღმა, ისაა, რომ შეიძლება მნიშვნელოვანი ვარიაცია არსებობდეს კვლევის მონაწილეების პასუხებს შორის. გორარდს (2003) მიაჩნია, რომ თუ ფენომენი პოტენციურად დიდ ვარიაციას მოიცავს, მაშინ ეს გაზრდის შერჩევის ზომას. ისეთი ცვლადის კვლევისას, როგორიცაა ინტელექტის კოეფიციენტი (IQ), რომლის ცვალებადობის შესაძლო დიაპაზონი 70-დან დაახლოებით 150-მდეა, უფრო დიდ შერჩევას საჭიროებს და არა - პატარას.

კიდევ ერთი საკითხი, რომელიც წამოიჭრება ამ მაგალითის მიღმა, ისაა, რომ შეიძლება მნიშვნელოვანი ვარიაცია არსებობდეს კვლევის მონაწილეების პასუხებს შორის. გორარდს (2003) მიაჩნია, რომ თუ ფენომენი პოტენციურად დიდ ვარიაციას მოიცავს, მაშინ ეს გაზრდის შერჩევის ზომას. ისეთი ცვლადის კვლევისას, როგორიცაა ინტელექტის კოეფიციენტი (IQ), რომლის ცვალებადობის შესაძლო დიაპაზონი 70-დან დაახლოებით 150-მდეა, უფრო დიდ შერჩევას საჭიროებს და არა - პატარას.

ქვეჯგუფებს შორის ურთიერთმიმართების საკვლევად, შერჩევაში მინიმალური რაოდენობის შემთხვევების მოთხოვნის მსგავსად, მკვლევარმა შერჩევის მინიმალური ზომა იმიტომაც უნდა უზრუნველყოს, რომ სამიზნე პოპულაცია ზუსტად იყოს წარმოდგენილი. იქნება კი დიდი შერჩევა რეპრეზენტაციულობის გარანტია? სულაც არ არის აუცილებელი, რომ იყოს! ჩვენს პირველ მაგალითში მკვლევარს შეეძლო 450 მდედრობითი სქესის მონაწილისგან შემდგარ შერჩევაზე ჩაეტარებინა ინტერვიუ, თუმცა აქ არ იქნებოდა წარმოდგენილი მამრობითი სქესის პოპულაცია. მოგვცემს თუ არა მცირე შერჩევა რეპრეზენტაციულობის გარანტიას? და ისევ, სულაც არ არის აუცილებელი! ეს ბოლო ვარიანტი დაახლოებით ასეთია: მათი 50 პროცენტი, ვინც გამოხატა აზრი, თვლის, რომ მოსწონთ ზუსტი და საბუნებისმეტყველო მეცნიერების გაკვეთილები და ეს 50 პროცენტი მხოლოდ ერთი მოსწავლეა, რადგან სულ ორი მოსწავლე გამოიკითხა. ამასთან, ძალიან დიდი შერჩევა შეიძლება ვეებერთელა გახდეს, ძალიან პატარა კი - არარეპრეზენტაციული იყოს (მაგალითად, პირველ მაგალითში მკვლევარს შეიძლება სდომოდა 450 მოსწავლის ინტერვიუირება, მაგრამ ეს პრაქტიკაში ძალიან დიდი მოცულობა იქნებოდა, ან მას შეიძლება მხოლოდ 10 მოსწავლესთან ჩაეტარებინა ინტერვიუ, რაც, ყველა ვარიანტში, ვერ იქნებოდა 900 მოსწავლისგან შემდგარი პოპულაციის რეპრეზენტაციული).

როდესაც მარტივი შემთხვევითი შერჩევა გამოიყენება, შერჩევის ზომა, რომელიც უნდა ასახავდეს გარკვეული ცვლადის მნიშვნელობას პოპულაციაში, დამოკიდებულია როგორც პოპულაციის ზომაზე, ისე - პოპულაციაში ჰეტეროგენულობის ზომაზე (Baily 1978). ზოგადად, თანაბარი ჰეტეროგენულობის პოპულაციებისთვის, რაც უფრო დიდია პოპულაცია, მით უფრო დიდი ზომის შერჩევაა საჭირო. ერთნაირი ზომის პოპულაციებისთვის, რაც უფრო მეტია ჰეტეროგენულობა კონკრეტული ცვლადის მიხედვით, მით უფრო დიდი ზომის შერჩევაა საჭირო. იმის გასაზომად, თუ რამდენად არაზუსტია შერჩევა საკვლევი პოპულაციის წარმოდგენისას, გამოიყენება შერჩევის შეცდომა, რომელსაც ქვემოთ განვიხილავთ.

შერჩევის ზომას, გარკვეულწილად, კვლევის სტილიც განსაზღვრავს. მაგალითად, გამოკითხვას, როგორც წესი, უფრო დიდი შერჩევა სჭირდება, განსაკუთრებით მაშინ, თუ დასკვნითი სტატისტიკა გამოიყენება. ეთნოგრაფიულ ან თვისებრივ კვლევაში მცირე ზომის შერჩევა მეტად სავარაუდოა. შერჩევის ზომაზე, ასევე, შეიძლება გავლენა მოახდინოს ხარჯებმა - დროის, ფულის, სტრესის, ადმინისტრაციული უზრუნველყოფის, მკვლევრების რაოდენობის და რესურსების თვალსაზრისით. ბორგი და გალი (Borg and Gall 1979: 194-5) თვლიან, რომ კორელაციურ კვლევას, სულ მცირე, 30 შემთხვევის შემცველი შერჩევა სჭირდება, მიზეზ-შედეგობრივ-შედარებით და ექსპერიმენტულ მეთოდოლოგიებს - არანაკლებ 15 შემთხვევისა, ხოლო გამოკითხვაში, სულ მცირე, 100 შემთხვევა უნდა გროვდებოდეს თითოეულ დიდ ქვეჯგუფში და 25 - ყოველ მცირე ქვეჯგუფში.

ბორგი და გალი (1979: 186) გვირჩევენ, რომ შერჩევის ზომის დადგენა შერჩევის ყველაზე მცირე ქვეჯგუფში შემთხვევათა ყველაზე მცირე რაოდენობით უნდა დავიწყოთ და შემდეგ "ავიდეთ ზემოთ" და არა - პირიქით. ასე მაგალითად, თუ შერჩევის 5 პროცენტი 13-19 წლის ბიჭებმა უნდა შეადგინონ და ეს ქვეშერჩევა 30 შემთხვევისგან უნდა შედგებოდეს (მაგალითად, კორელაციური ანალიზისთვის), მაშინ მთლიანი შერჩევა იქნება: 30/0/05=600; თუ შერჩევის 15 პროცენტს 13-19 წლის გოგონები უნდა შეადგენდნენ და ქვეშერჩევა 45 შემთხვევისგან უნდა შედგებოდეს, მაშინ მთლიანი შერჩევა იქნება 45/0/15=300.

ალბათური (შემთხვევითი) შერჩევის ზომა ორი გზით შეიძლება განისაზღვროს: ან მკვლევარი წინდახედულებას იჩენს და უზრუნველყოფს, რომ შერჩევა შემთხვევების მინიმალური რაოდენობით პოპულაციის უფრო მეტ თვისებას წარმოაჩენს, ან მათემატიკური ფორმულით მიღებულ ცხრილს იყენებს, რომელშიც წარმოდგენილია რა ზომის შემთხვევითი შერჩევა შეესაბამება პოპულაციის მოცემულ რაოდენობას (Morrison 1993: 117). ერთ-ერთი ასეთი მაგალითი კრეიცსა და მორგანს ეკუთვნით (Krejcie and Morgan 1970), რომლებიც თავიანთ ნაშრომში გამოთქვამენ მოსაზრებას, რომ თუ მკვლევარი შერჩევას მცირერიცხოვანი - 30 ან ნაკლები წევრისგან შემდგარი - პოპულაციიდან იღებს (მაგალითად, სტუდენტების ჯგუფი ან კლასში მოსწავლეების ჯგუფი), მაშინ მან მთელი პოპულაცია უნდა აიღოს, როგორც შერჩევა.

კრეიცი და მორგანი (1970) მიუთითებენ, რომ რაც უფრო მცირერიცხოვანია პოპულაცია, მით უფრო დიდი წილი უნდა მოხვდეს მისგან აღებულ შერჩევაში. ამის საპირისპიროც მართებულია: რაც უფრო მრავალრიცხოვანია მთლიანი პოპულაცია, მით უფრო ნაკლები წილი მოხვდება მისგან აღებულ შერჩევაში.. ავტორები აღნიშნავენ, რომ რაც უფრო იზრდება პოპულაცია, მით უფრო მცირდება ამ პოპულაციის შერჩევაში შემავალი წილი და უცვლელი რჩება მას შემდეგ, რაც 384-ს მიაღწევს (Krejcie and Morgan 1970: 610). აქედან გამომდინარე, მაგალითად, კვლევას, რომელიც მოიცავს პატარა დაწყებითი სკოლის ბავშვებს (100 მოსწავლემდე), შერჩევაში სკოლის მოსწავლეთა 80-100 პროცენტი დასჭირდებოდა, ხოლო დიდ სკოლაში, რომელშიც 1200 მოსწავლეა, შემთხვევითობის მისაღწევად მოსწავლეთა 25 პროცენტი იქნებოდა საკმარისი. როდესაც საქმე შემთხვევით შერჩევას ეხება, ზოგადი წესის სახით შეიძლება ითქვას, რომ რაც უფრო დიდია შერჩევა, მით მეტია შანსი იმისა, რომ ის რეპრეზენტაციული იყოს.

ალბათური შერჩევის მოცულობის განსაზღვრისას გათვალისწინებული უნდა იყოს არა მარტო პოპულაციის ზომა, არამედ ნდობის დონე და ნდობის ინტერვალი - კიდევ ორი ახალი ტერმინი. ნდობის დონე, ჩვეულებრივ, პროცენტებით გამოხატული (ჩვეულებრივ, 95 ან 99 პროცენტი), გვიჩვენებს, თუ რამდენად დარწმუნებული შეგვიძლია ვიყოთ (95 ან 99 პროცენტით), რომ მიღებული პასუხები ცვალებადობის მოცემულ დიაპაზონში ნდობის მოცემულ ინტერვალში მოხვდება (მაგალითად, ±3 პროცენტი). ნდობის ინტერვალი არის ცვალებადობის (ანუ ვარიაციის) ხარისხი, ანუ ცვალებადობის დიაპაზონი (მაგალითად, ±1 პროცენტი, ±2 პროცენტი ან ±3 პროცენტი), რომლის გარანტიის მოცემაც სურს მკვლევარს. მაგალითად, საზოგადოებრივი აზრის მრავალი გამოკითხვისას ნდობის ინტერვალი ±3 პროცენტია. ეს ნიშნავს, რომ, თუ გამოკითხვის Mმიხედვით, პოლიტიკურ პარტიას ხმების 52 პროცენტი აქვს, ის შეიძლება იყოს არა უმცირეს 49 (52-3) პროცენტისა და არა უმეტეს, 55 (55+3) პროცენტისა. ამ შემთხვევაში 95 პროცენტიანი ნდობის დონე მიგვითითებს, რომ დროის 95 პროცენტში შეგვიძლია დარწმუნებული ვიყოთ, რომ ამ ინტერვალში ასეთ შედეგს მივიღებთ.

თუ გვსურს, რომ ნდობის მაღალი დონე გვქონდეს (ვთქვათ, დროის 99 პროცენტი), მაშინ შერჩევის ზომაც უნდა გავზარდოთ. მეორე მხრივ, თუ ნაკლებად მკაცრი ნდობის დონე გვინდა, რომ გვქონდეს (ვთქვათ, დროის 90 პროცენტი), მაშინ შერჩევა უფრო მცირე ზომის იქნება. ჩვეულებრივ, მიღწეულია კომპრომისი და მკვლევრები თანხმდებიან 95 პროცენტიან ნდობის დონეზე. ანალოგიურად, თუ ნდობის ძალიან მცირე ინტერვალი გვინდა (ანუ ცვალებადობის შეზღუდული დიაპაზონი, მაგალითად, 3 პროცენტი), მაშინ შერჩევა დიდი ზომის იქნება, ხოლო თუ ცვალებადობის მაღალი ხარისხი გვაწყობს (მაგალითად, 5 პროცენტი), მაშინ შერჩევა უფრო მცირე ზომის იქნება.

ალბათური შერჩევისთვის შერჩევის მოცულობების სრული ცხრილი წარმოდგენილია 4. 1 ჩანართში, სამი ნდობის დონისა (90, 95 და 99 პროცენტი) და სამი ნდობის ინტერვალის (5, 4 და 3 პროცენტი) თანხლებით.

ჩანართი 4. 1.
შერჩევის ზომა, ნდობის დონეები და ნდობის ინტერვალები შემთხვევითი შერჩევისთვის

შეგვიძლია ვნახოთ, რომ პოპულაციის ზომის ზრდასთან ერთად შერჩევის ზომა სწრაფად მცირდება. ზოგადად (მაგრამ, ცხადია, არა ყოველთვის) რაც უფრო დიდია პოპულაცია, მით უფრო ნაკლები შეიძლება იყოს ალბათური შერჩევის წილი. ასევე, რაც უფრო მაღალია ნდობის დონე, მით უფრო დიდია შერჩევა და რაც ნაკლებია ნდობის ინტერვალი, მით უფრო დიდია შერჩევა. შერჩევის ტრადიციულ სტრატეგიაში გამოიყენება 95-პროცენტიანი ნდობის დონე და სამპროცენტიანი ნდობის ინტერვალი.

არსებობს რამდენიმე ვებ-გვერდი, რომელიც შემთხვევითი შერჩევებისთვის შერჩევის ზომის გამოთვლის სერვისს გვთავაზობს. ასეთი უფასო ვებ-გვერდების რიცხვშია ჩრეატივე შერვიცე შყსტემს-ისა და Pეარსონ Nჩშ-ის კუთვნილი ვებგვერდები, სადაც მკვლევარს შეჰყავს სასურველი ნდობის დონე, ნდობის ინტერვალი, და პოპულაციის ზომა, შერჩევის ზომა კი ავტომატურად გამოითვლება.

თუ გამოიყენება განსხვავებული ქვეჯგუფები ან სტრატები (რომელსაც ქვემოთ განვიხილავთ), მაშინ მთლიანი შერჩევისთვის წაყენებული მოთხოვნები თითოეულ ქვეჯგუფზეც ვრცელდება. მაგალითად, წარმოვიდგინოთ, რომ გამოკითხვას ვატარებთ მთელ 1000 მოსწავლიან მრავალეთნიკურ სკოლაში. ზემოთ მოცემული ფორმულის მიხედვით, შემთხვევით შერჩევაში რეპრეზენტაციულობისთვის 278 მოსწავლე გვჭირდება. თუმცა, დავუშვათ, გვსურს, ჩვენი ჯგუფის სტრატიფიცირება, მაგალითად, ჩინელებად (100 მოსწავლე), ესპანელებად (50 მოსწავლე), ინგლისელებად (800 მოსწავლე) და ამერიკელებად (50 მოსწავლე). შემთხვევითი შერჩევის ზომის ცხრილიდან ვითვლით ჩვენი შერჩევის ზომას:

პოპულაციის შერჩევა

ჩვენი საწყისი 278 წევრიანი შერჩევის ზომა სწრაფად გაიზარდა და 428 გახდა. აქედან ნათელია შემდეგი: რაც უფრო მეტია სტრატების (ქვეჯგუფების) რაოდენობა, მით უფრო დიდი იქნება შერჩევა. განათლების სფეროში კვლევის დიდ ნაწილში სტრატები უფრო აინტერესებთ, ვიდრე - მთლიანი შერჩევები, ასე რომ, ეს საკითხი მნიშვნელოვანია. დიდი შერჩევის საჭიროება სწრაფად შეიძლება გაჩნდეს. თუ ქვეჯგუფების საჭიროება დგას, მაშინ მთლიანი შერჩევის ზომის გამოთვლის წესები თითოეულ ქვეჯგუფზე ვრცელდება.

ამასთან, შერჩევის ზომის განსაზღვრისას, ასევე, პასუხების არქონა, ცვეთა და რესპონდენტების შესაძლო სიკვდილიანობაც უნდა გავითვალისწინოთ. ზოგიერთი მონაწილე დატოვებს კვლევას, არ დააბრუნებს ან დააბრუნებს არასრულად შევსებულ ანდა გაფუჭებულ კითხვარს (მაგალითად, ზოგიერთ კითხვაზე არ იქნება პასუხი გაცემული, ან ერთი პასუხის არჩევის ნაცვლად, ორი არჩევანი იქნება გაკეთებული). აქედან გამომდინარე, სასურველია, რომ შერჩევის ზომა საჭიროზე მეტი იყოს (ანუ დაემატოს წევრები), ვიდრე - ნაკლები (Gorard 2003: 60). თუ მკვლევარს არ აქვს გარანტირებული წვდომა, პასუხები და, ალბათ, არც პირადი დასწრება კვლევის ჩატარების პროცესზე (მაგალითად, კითხვარების შევსებისას იქ ყოფნა), მაშინ სასურველი იქნება შერჩევის ზომის გაორმაგებაც კი, რათა შესაძლებელი იყოს მთელი მიღებული ინფორმაციის გაფილტვრა და მხოლოდ სუფთა და შევსებული კითხვარების ან პასუხების მიღება.

ზოგჯერ შერჩევის ზომის მოთხოვნების დაკმაყოფილება ევოლუციურ საფუძველზეა შესაძლებელი. მაგალითად, წარმოვიდგინოთ, რომ გსურთ 300 მასწავლებლის შემთხვევითად შერჩევა. 250 მასწავლებლისგან დადებითი პასუხი მიიღეთ, მაგალითად, სატელეფონო ინტერვიუზე ან გამოკითხვაში გამოყენებულ კითხვარზე, მაგრამ 50 მასწავლებელი მაინც გაკლდებათ. საკითხი შეიძლება მარტივად მოგვარდეს შემთხვევით შერჩევაზე 50 სხვა მასწავლებლის დამატებით და თუ ყველა მათგანისგან ვერ მიიღებთ დადებით პასუხს, შეგიძლიათ კიდევ სხვები დაამატოთ, სანამ არ გექნებათ სასურველი რაოდენობა.

ბორგი და გალი (1979: 195) თვლიან, რომ, ზოგადი წესის სახით, შერჩევის ზომა დიდი უნდა იყოს, როდესაც:

• ბევრი ცვლადია;
• თუ მოსალოდნელია ან ნაწინასწარმეტყველებია მხოლოდ მცირე განსხვავებები ან სუსტი ურთიერთმიმართებები;
• შერჩევა დაიყოფა ქვეჯგუფებად;
• შერჩევა ჰეტეროგენულია შესასწავლი ცვლადის თვალსაზრისით;
• დამოკიდებული ცვლადის სანდო საზომები არ არის ხელმისაწვდომი.

ოპენჰეიმი (Oppenheim 1992: 44) ამატებს, რომ შერჩევის ზომაზე მოქმედებს და გავლენას ახდენს გამოყენებული სკალების ბუნებაც. სახელდების სკალის მონაცემებისთვის შერჩევის ზომა შეიძლება უფრო დიდი იყოს, ვიდრე ინტერვალებისა და შეფარდების სკალების მონაცემებისთვის (ანუ ქვეჯგუფების რაოდენობის საკითხის ნაირსახეობა, რაც უფრო მეტი ქვეჯგუფი ან შესაძლო კატეგორიაა, მით დიდი იქნება შერჩევა).

ბორი და გალი (1979) გვთავაზობენ შერჩევის ზომის ფორმულით განსაზღვრის მიდგომას (ასევე, იხ. Moser and Kalton 1977; Ross and Rust 1997: 427-38) და ისინიც კორელაციური კვლევებისთვის კორელაციური ცხრილების (რომლებიც სტატისტიკის თითქმის ყველა სახელმძღვანელოშია მოცემული) გამოყენების წინადადებით გამოდიან, რაც, პრაქტიკულად, შერჩევის ზომის განსაზღვრის შებრუნებული პროცესია (Borg and Gall 1979: 201) ანუ - კორელაციის კოეფიციენტების მნიშვნელობის დონეების ნახვა და შემდეგ იმ ზომის შერჩევის მოძებნა ცხრილში, რომელიც საჭიროა მნიშვნელობის ასეთი დონის მისაღებად. მაგალითად, კორელაციური მნიშვნელობის დონე 0.01 მოითხოვდა 10 წევრიან შერჩევას, თუ კორელაციის კოეფიციენტის მნიშვნელობა 0.65-ია; ან 20 წევრიან შერჩევას, თუ კორელაციის კოეფიციენტის მნიშვნელობა 0.45-ია და 100 წევრიან შერჩევას, თუ კორელაციის კოეფიციენტის მნიშვნელობა 0.20-ია. და ისევ, შესაძლებელია უკუპროპორციული დამოკიდებულების დანახვა: რაც უფრო დიდია პოპულაცია, კორელაციის კოეფიციენტის მით უფრო მცირე მნიშვნელობა შეიძლება ჩაითვალოს მნიშვნელოვნად.

როგორც თვისებრივი, ისე, რაოდენობრივი მონაცემების შემთხვევაში გადამწყვეტი მოთხოვნაა, რომ შერჩევა იმ პოპულაციის რეპრეზენტაციული იყოს, რომლიდანაც არის აღებული. დისერტაციაში, რომელიც ცხოვრებისეულ ისტორიას ეძღვნება (ანუ ნ=1), შერჩევა არის პოპულაცია!

თვისებრივი მონაცემები

თვისებრივ კვლევაში, რომელიც მიზნად ისახავს 30 ძალზე ნიჭიერი გოგონას შესწავლას, რომელთაც მსგავსი სოციალ-ეკონომიკური კონტექსტი აქვთ და დამამთავრებელი კლასების ბიოლოგიის კურსს გადიან, ხუთი ან ექვსი მათგანისგან შემდგარი შერჩევა შეიძლება საკმარისი იყოს მკვლევრისთვის, რომელიც დამატებითი განმამტკიცებელი მონაცემების მიღებას ვალიდაციის გზით აპირებს.

თუ პოპულაცია ჰეტეროგენულია, მაშინ დიდი ზომის შერჩევის შედგენის საფუძველი ჰეტეროგენულობას უნდა ითვალისწინებდეს. ამგვარად, საშუალო სკოლის 60 მასწავლებლიდან, რომლებიც ერთმანეთისგან განსხვავდებიან სქესით, ასაკით, სპეციალიზაციის საგნით, მენეჯმენტით ან საკლასო პასუხისმგებლობებით და ა. შ., არასაკმარისი იქნება 10 წევრისგან შემდგარი შერჩევა, რომელშიც მხოლოდ ქალები და ხელოვნებისა და ჰუმანიტარული საგნების მასწავლებელი იქნებიან.

რაოდენობრივი მონაცემები

რაოდენობრივი მონაცემებისთვის შერჩევის ზუსტი ზომის გამოთვლა შესაძლებელია სიზუსტის დონისა და ალბათობის დონის მიხედვით, რომელსაც მკვლევრები ითხოვენ. შემდეგ ისინი წარმოადგენს ამგვარი გადაწყვეტილებების საფუძველსა და დასაბუთებას კვლევით ნაშრომში წარმოადგენენ (Blalock 1979)

მაგალითისთვის დავუშვათ, რომ მასწავლებელს/მკვლევარს საშუალო სკოლის 1000 მოსწავლის მოსაზრებების შერჩევა სურს. ის აპირებს 10-ქულიანი სკალის გამოყენებას, რომელიც მოიცავს ვარიანტებს 1 = სრულიად არადამაკმაყოფილებელიდან 1 = აბსოლუტურად აღმაფრთოვანებლამდე. მას უკვე აქვს თავისი კლასის მონაცემები, რომელშიც 30 მოსწავლეა და ფიქრობს, რომ სხვა მოსწავლეების მოსაზრებები მნიშვნელოვანწილად მსგავსი იქნება. მისმა მოსწავლეებმა აქტივობა (კლასგარეშე ღონისძიება) შემდეგნაირად შეაფასეს: საშუალო ქულა = 7.27; სტანდარტული გადახრა = 1.98. სხვა სიტყვებით, მისი მოსწავლეები 10-ქულიან სკალაზე საკმაოდ ერთხმად "მოგროვდნენ" თბილი, პოზიტიური შეფასების ირგვლივ. 1000 მოსწავლიდან რამდენი მოსწავლე სჭირდება მასწავლებელს, რომ ზუსტად (ანუ სანდოდ) შეაფასოს, თუ რას ფიქრობს მთელი სკოლა (ნ = 1000) კლასგარეშე ღონისძიებაზე?

ეს დამოკიდებულია იმაზე, თუ სიზუსტის რა ხარისხის და ალბათობის რა დონის მიღება სურს მას.

ბლალოკის მიერ შემოთავაზებული (1979: 215-18) შერჩევის გამოთვლის ფორმულა გვიჩვენებს, რომ:

• თუ მას აწყობს +0.5-სა და -0.5 ქულას შორის ინტერვალი და სიზუსტე 20 შემთხვევიდან 19, მაშინ 1000 მოსწავლიდან მას 60 წევრიანი შერჩევა სჭირდება.
• თუ მას აწყობს +0.5-სა და -0.5 ქულას შორის ინტერვალი და სიზუსტე 100 შემთხვევიდან 99, მაშინ 1000 მოსწავლიდან მას 104 წევრიანი შერჩევა სჭირდება.
• თუ მას აწყობს +0.5-სა და -0.5 ქულას შორის ინტერვალი და სიზუსტე 1000 შემთხვევიდან 999, მაშინ 1000 მოსწავლიდან მას 170 წევრიანი შერჩევა სჭირდება.
• თუ ის პერფექციონისტია და სურს +0.25-სა და -0.25 ქულას შორის ინტერვალში ყოფნა და სიზუსტე 1000 შემთხვევიდან 999, მაშინ 1000 მოსწავლიდან მას 679 წევრიანი შერჩევა სჭირდება.

ცხადია, რომ შერჩევის ზომა როგორც მსჯელობის ისე - მათემატიკური სიზუსტის საგანია; ფორმულაზე ორიენტირებული მიდგომებიც კი ნათლად ამბობს, რომ შერჩევის ზომის განსაზღვრაში ჩართულია წინასწარმეტყველების, სტანდარტული შეცდომისა და ადამიანის მსჯელობის ელემენტები.