შერჩევის შეცდომა

თუ ერთი და იგივე პოპულაციიდან ავიღებთ ბევრ შერჩევას, არ არის მოსალოდნელი, რომ მათი ყველა მახასიათებელი ერთმანეთის ან პოპულაციის იდენტური იქნება. მათი საშუალოები განსხვავებული იქნება. მოკლედ რომ ვთქვათ, იარსებებს შერჩევის შეცდომა (იხ. Cohen and Holliday 1979, 1996). ხშირად ითვლება, რომ შერჩევის საშუალოსა და პოპულაციის საშუალოს შორის განსხვავებას შერჩევის შეცდომა ქმნის. არ არის აუცილებელი, რომ შერჩევის შეცდომა ამ პროცესში დაშვებული შეცდომების შედეგი იყოს. პირიქით, ვარიაცია იყოს შეიძლება სხვადასხვა ინდივიდის შემთხვევითად არჩევის შედეგი. მაგალითად, თუ პოპულაციიდან დიდი რაოდენობით შერჩევებს ავიღებთ და თითოეული მათგანის საშუალოს მნიშვნელობას გამოვთვლით, მაშინ შერჩევების საშუალოები არ იქნება იდენტური. ზოგიერთი შედარებით მაღალი იქნება, ზოგიერთი - შედარებით დაბალი, ბევრი კი დაჯგუფდება შერჩევების საშუალოთა საშუალო მნიშვნელობის ირგვლივ. ეს დიაგრამის სახით არის მოცემული 4.2 ჩანართში:

ჩანართი 4.2

შერჩევების საშუალოების განაწილება, რომელიც აჩვენებს აღებული შერჩევების საშუალოების გაფანტვას პოპულაციის საშუალოს ირგვლივ.

წყარო: Cohen and Holliday 1979

რატომ უნდა მოხდეს ასე? ამ ფენომენის ახსნა ცენტრალური ზღვრული თეორემის გამოყენებით შეგვიძლია, რომელიც ალბათობის კანონებიდან გამომდინარეობს. ეს თეორემა ამტკიცებს, რომ, თუ ნებისმიერი პოპულაციიდან ერთნაირი ზომის დიდი რაოდენობით შემთხვევით შერჩევებს განმეორებით ავიღებთ, მაშინ ამ შერჩევების საშუალოები დაახლოებით ნორმალურად იქნება განაწილებული. შერჩევის ზომის ზრდასთან ერთად შერჩევის საშუალოების განაწილება უახლოვდება ნორმალურს, განურჩევლად საწყისი პოპულაციის განაწილების ფორმისა, იქნება ის ნორმალურად თუ სხვაგვარად განაწილებული (Hopkins et al. 1996: 159, 388). მეტიც, შერჩევათა საშუალოების საშუალო დაახლოებით იგივე იქნება, რაც პოპულაციის საშუალო. ჰოპკინსი და მისი კოლეგები (1996: 159-62) ამას 10000 გამოთვლის საფუძველზე შერჩევების საშუალოების განაწილების შესწავლისას კომპიუტერული სიმულაციის გამოყენებით აჩვენებენ (მეთოდი, რომელსაც მეათე თავში განვიხილავთ). როუზი და სალივანი (ღოსე ანდ შალლივან 1993: 144) გვახსენებენ, რომ ყველა შერჩევის საშუალოს 95 პროცენტი შერჩევის და პოპულაციის საშუალოების პლუს ან მინუს 1.96 სტანდარტულ შეცდომას შორის თავსდება, ანუ გვაქვს 95 პროცენტიანი შანსი იმისა, რომ ამ საზღვრებში გვქონდეს ცალკეული შერჩევის საშუალო, რომელიც პოპულაციის საშუალოს საზღვრებში მოხვდება.

პოპულაციიდან ერთნაირი ზომის დიდი რაოდენობით შერჩევების აღებით ვქმნით შერჩევით განაწილებას. ჩვენ შეგვიძლია ასეთი შერჩევის შეცდომის გამოთვლა. შერჩევათა საშუალოების თეორიული განაწილების სტანდარტული გადახრა შერჩევის შეცდომის საზომია და მას საშუალოს სტანდარტული შეცდომა (SEM) ეწოდება. ამრიგად,

სადაც SDS= შერჩევის სტანდარტული გადახრა და N = შერჩევათა რაოდენობა.

მკაცრად რომ ვთქვათ, სტანდარტული შეცდომის ფორმულაა:

სადაც, SDPOP = პოპულაციის სტანდარტული გადახრა.

თუმცა, ვინაიდან, როგორც წესი, ჩვენ არ შეგვიძლია მთლიანი პოპულაციის შD-ის დადგენა, მის ნაცვლად შერჩევის სტანდარტული გადახრა გამოიყენება. საშუალოს სტანდარტული შეცდომა შერჩევის შეცდომის საუკეთესო შეფასებას გვაძლევს. ცხადია, შერჩევის შეცდომა დამოკიდებულია პოპულაციის ცვალებადობაზე (ანუ ჰეტეროგენულობაზე), ვინაიდან მის გამოთვლაში გამოიყენება როგორც SDPOP, ისე შერჩევის ზომა (N) (Rose and Sullivan 1993: 143). რაც უფრო მცირეა SDPOP, მით უფრო მცირეა შერჩევის შეცდომა; რაც უფრო დიდია N, მით უფრო მცირეა შერჩევის შეცდომა. როცა SDPOP ძალიან დიდია, მაშინ N-ც ძალიან დიდი უნდა იყოს, რომ ის გააბათილოს. როცა SDPOP ძალიან მცირეა, მაშინ N-ც შეიძლება მცირე იყოს და მაინც საკმარისად მცირე შერჩევის შეცდომა მოგვცეს. შერჩევის ზომის ზრდასთან ერთად შერჩევის შეცდომა მცირდება. ჰოპკინსი და მისი კოლეგები (1996: 159) თვლიან, რომ თუ რაღაც ძალიან უცნაური განაწილება არ გვაქვს, 25 ან მეტი წევრისგან შემდგარი შერჩევები, ჩვეულებრივ, მოგცემს საშუალოთა ნორმალურ შერჩევით განაწილებას. იმ ნაბიჯების შემდგომი ანალიზისთვის, რომლებიც უნდა გადაიდგას გამოკითხვებში შერჩევის ზომის შეფასებასთან გასამკლავებლად, მიმართეთ ღოსე ანდ ჭილსონ (1997).

ფარდობის სტანდარტული შეცდომა

ზემოთ ვთქვით, რომ პასუხი კითხვაზე: "რამდენად დიდი შერჩევა უნდა ავიღო?" არის: "იმდენად, რამდენადაც ზუსტი შედეგების მიღება მინდა" ამის კარგ ილუსტრაციას შემდეგი მაგალითი წარმოადგენს:

სკოლის დირექტორი აღმოაჩენს, რომ 25 სტუდენტი, რომლებსაც შემთხვევითად ესაუბრა, საკმაოდ დადებითად უყურებენ სადილზე შესვენებისთვის განკუთვნილ საათებში ცვლილების შეთავაზებულ ვარიანტს; კერძოდ, 66 პროცენტი ცვლილებას დადებითად აფასებდა, 34 კი - წინააღმდეგი იყო. როგორ უნდა დარწმუნდეს იგი, რომ ეს თანაფარდობა მართლაც 1000 მოსწავლიანი სკოლის რეპრეზენტაციულია?

დირექტორს ამ კითხვაზე პასუხს ფარდობის სტანდარტული შეცდომის მარტივი გამოთვლა აძლევს:

სადაც
P = დადებითი შეფასების პროცენტი;
Q = 100 პროცენტი - P;
N = შერჩევის მოცულობა.

ფორმულა უშვებს, რომ თითოეული შერჩევა მარტივი შემთხვევითობის საფუძველზეა აღებული. მცირე კორექციის ფაქტორი, რომელსაც საბოლოო პოპულაციის კორექცია ეწოდება (fpc), ზოგადად, შემდეგნაირად გამოითვლება:

სადაც ფ შერჩევაში მოცემული ფარდობაა. როცა, მაგალითად, 100 წევრიანი შერჩევა აღებულია 1000 წევრიანი პოპულაციიდან, მაშინ ფ არის 0.1.

25 წევრიანი შერჩევისთვის SE=9.4. სხვა სიტყვებით, სასურველი ხმების ოდენობა შეიძლება იცვლებოდეს 56.6-დან 75.4 პროცენტამდე. ანალოგიურად, არასასურველი ხმების რაოდენობა შეიძლება შეიცვალოს 43.4-დან 24.6 პროცენტამდე. ცხადია, დადებითი პასუხების მიღების 56.6 პროცენტი და უარყოფითი პასუხების მიღების 43.4 პროცენტი ნაკლებ დამაჯერებელია, ვიდრე 66 პროცენტი - 34-ის წინააღმდეგ. თუ სკოლის დირექტორი შერჩევას გაზრდის და 100 მოსწავლეს დაამატებს, SE გახდება 4.5 და დიაპაზონის ვარიაცია შემცირდება 61.5-დან 70.5 პროცენტამდე დადებითი პასუხის და 38.5-დან 29.5 პროცენტამდე უარყოფითი პასუხის შემთხვევაში. მთელი სკოლის შერჩევად

აღების შემთხვევაში (n = 1000) SE შემცირდება 1.5-მდე და დიაპაზონი, შესაბამისად, მოიკლებს 64.5დან 67.5 პროცენტამდე უარყოფითი პასუხის და 35.5- დან 32.5 პროცენტამდე დადებითი პასუხის შემთხვევაში. ადვილია იმის დანახვა, თუ რატომ ეყრდნობა პოლიტიკური აზრის კვლევები 1000-დან 1500-მდე წევრიან შერჩევას (Gardner 1978).

ზოგადად, აქ შემოთავაზებულია, რომ მკვლევარმა შერჩევის შეცდომის პრობლემების დასაძლევად; იმის უზრუნველსაყოფად, რომ შესაძლებელია შემთხვევითი ეფექტებისა და ვარიაციის გამიჯვნა არაშემთხვევითი ეფექტებისგან და იმისათვის, რომ სტატისტიკა ქმედითი იყოს, შეძლებისდაგვარად მაქსიმალურად, დიდი შერჩევის სასარგებლოდ უნდა მიიღოს გადაწყვეტილება. როგორც გორარდი (2003: 62) ამბობს: "სიმძლავრე არის თქვენ მიერ გამოყენებული კრიტერიუმის უნარის - გამიჯნოს ეფექტის ზომა შემთხვევითი ვარიაციისგან - შეფასება" და თვლის, რომ დიდი შერჩევა მკვლევარს სტატისტიკური სიმძლავრის მიღწევაში ეხმარება. 30-ზე ნაკლები წევრისგან შემდგარი შერჩევები სახიფათოდ პატარაა, ვინაიდან სეიოზული სტანდარტული შეცდომის შესაძლებლობას ქმნის და, დაახლოებით, 80 წევრისაგან შემდგარი შერჩევის გაზრდა მცირეოდენად თუ მოქმედებს სტანდარტულ შეცდომაზე.

შერჩევის რეპრეზენტაციულობა

თუ შერჩევა ვალიდური უნდა იყოს, მკვლევარს მოუწევს გაიაზროს, თუ რამდენად მნიშვნელოვანია, რომ შერჩევა რეალურად წარმოადგენდეს საკვლევ პოპულაციას (ზემოთ აღწერილ მაგალითში - 1000 მოსწავლე). მკვლევარმა ზუსტად უნდა იცოდეს, თუ რის რეპრეზენტაციულობაზეა საუბარი ანუ მკაფიოდ და სწორად განსაზღვროს პოპულაციისთვის დამახასიათებელი პარამეტრები და შერჩევის ჩარჩო. ქვემოთ მოცემულია პოპულარული მაგალითი იმისა, თუ რამდენად არარეპრეზენტაციული და მკვლევრისთვის უსარგებლო შეიძლება იყოს ცუდად შედგენილი შერჩევა. ქვეყნის მასშტაბით გავრცელებული გაზეთი იუწყება, რომ ყოველ მეორე ადამიანს ზურგის ტკივილი აწუხებს. ამ სტატიის გამო ყველგან სავსეა ექიმის კაბინეტები. თუმცა გაზეთი ვერ ასახელებს კვლევის პარამეტრებს, რომელმაც გამოიწვია ასეთი სტატიის გამოჩენა. ირკვევა, რომ კვლევა ქვეყნის ნესტიან მხარეში ჩატარდა, სადაც, სავარაუდოდ, ზურგის ტკივილის შემთხვევები უფრო მეტი იქნება, ვიდრე სადმე სხვაგან; ასევე, მოსალოდნელია, რომ ეს შემთხვევები მეტი იქნება ქვეყნის იმ მხარეში, სადაც გაცილებით დიდია ხანშიშესულ მაცხოვრებელთა წილი, ვიდრე იქ, სადაც მოსახლეობის უმეტესობა ახალგაზრდაა; ზურგის ტკივილის უფრო მეტი შემთხვევაა მოსალოდნელი მძიმე მრეწველობის განვითარების არეალში დასაქმებულ პოპულაციაშიც, ვიდრე მსუბუქ მრეწველობაში ან მომსახურების სფეროში დასაქმებულ პოპულაციაში. ამასთან, კვლევაში მხოლოდ ორი ექიმის ჩანაწერები გამოიყენეს და უყურადღებოდ დატოვეს ის, რომ ამ ორ ექიმთან იმიტომ მიდიოდნენ ზურგის ტკივილის ჩივილებით, რომ ისინი ცნობილი იყვნენ, როგორც ზედმეტად ემპათიურები ასეთი პაციენტებისადმი და არა - პასუხისმგებლად სკეპტიკურები.

ამ ოთხ ცვლადს - კლიმატს, ასაკობრივ ჯგუფს, საქმიანობასა და ტკივილის დაფიქსირებულ შემთხვევას - კვლევაზე არაპროპორციულად დიდი გავლენა ქონდა. გაზეთმა სენსაციური განზოგადება გააკეთა მონაცემების პარამეტრებს მიღმა და ამით უყურადღებოდ დატოვა კვლევის შეზღუდული რეპრეზენტაციულობა: ანუ კვლევა ისეთ ადგილებში რომ ჩატარებულიყო, სადაც განსხვავებული კლიმატური პირობები, ასაკობრივი ჯგუფები, საქმიანობა და ტკივილის შემთხვევები იქნებოდა, შედეგები განსხვავებულ სახეს მიიღებდა.

მონაცემების შეგროვების შემდეგ მნიშვნელოვანია შერჩევაში ქვეჯგუფების წონების დარეგულირების საკითხის განხილვა. მაგალითად, ერთ-ერთ საშუალო სკოლაში მოსწავლეთა ნახევარი მამრობითი სქესისაა და ნახევარი - მდედრობითის. ვნახოთ, რა პასუხებს იძლევიან მოსწავლეები კითხვაზე: "რამდენად მოქმედებს სასკოლო სამუშაოებისადმი თქვენს დამოკიდებულებაზე კლასის დამრიგებლისადმი კეთილგანწყობა?".

ვთქვათ, გვაინტერესებს რესპონდენტების დამოკიდებულებები ზოგადად და სქესის მიხედვით. ამ მაგალითით შეგვიძლია ვივარაუდოთ, რომ შედეგები მთლიანობაში გვიჩვენებს, რომ კლასის დამრიგებლისადმი კეთილგანწყობა მცირედ ან ზომიერად მოქმედებს მუშაობისადმი მოსწავლეთა დამოკიდებულებაზე. თუმცა იმასაც შევამჩნევთ, რომ შერჩევაში ორჯერ მეტი გოგონაა, ვიდრე - ვაჟი. ეს არის არასწორი რეპრეზენტაცია სკოლის პოპულაციისა, რომლის 50 პროცენტს გოგონები შეადგენენ და 50 პროცენტს - ვაჟები. შერჩევაში კი გოგონები ჭარბად არიან, ვაჟები - არასაკმარისად. თუ ქულებს გავათანაბრებთ სქესის მიხედვით და განაწილებას სკოლის პოპულაციის შემადგენლობას მივუახლოვებთ (ან ვაჟების რაოდენობის გაზრდით, ან გოგონების რაოდენობის განახევრებით), მაშინ შედეგები განსხვავებული იქნება.

ამ უკანასკნელ შემთხვევაში გამოიკვეთა გაცილებით პოზიტიური სურათი, რომელიც გვიჩვენებს, რომ მოსწავლეები კლასის დამრიგებლისადმი კეთილგანწყობას სასკოლო სამუშაოსადმი მათი დამოკიდებულების საკმაოდ მნიშვნელოვან მახასიათებლად მიიჩნევენ. აქ შერჩევის შეწონვით გათანაბრებამ იმ მიზნით, რომ უფრო სამართლიანად წარმოეჩინა პოპულაცია, განსხვავებული სურათი მოგვცა. შედეგების შეწონვა მნიშვნელოვანი განსახილველი საგანია.

შერჩევის ხელმისაწვდომობა

ხელმისაწვდომობა გადამწყვეტი საკითხია და იმ ფაქტორთა რიცხვში შედის, რომელთა შესახებ გადაწყვეტილება კვლევის ადრეულ ეტაპზეა მისაღები. მკვლევარი უნდა დარწმუნდეს, რომ შერჩევა არა მარტო ხელმისაწვდომია, არამედ რეალური ფაქტია, რომლის განხორციელება შესაძლებელია. მაგალითად, თუ მკვლევარმა გაცდენები და სკოლაში არასანქცირებული არყოფნა უნდა იკვლიოს და გამცდენთა შერჩევის ინტერვიუირება გადაწყვიტა, კვლევა ვერასოდეს დაიწყება, ვინაიდან გამცდენები, თავიანთი ბუნებიდან გამომდინარე, არ იქნებიან სკოლაში! ანალოგიურად, სენსიტიურ სფეროებზე გასვლა არამარტო ძნელი იქნება, არამედ პრობლემურიც, როგორც სამართლებრივი, ისე, ადმინისტრაციული თვალსაზრისით. ძნელი და პრობლემურია, მაგალითად, მოხვდე: ძალადობის მსხვერპლებთან, ბავშვზე მოძალადეებთან, უკმაყოფილო სტუდენტებთან, ნარკომანებთან, სკოლის უგულებელმყოფებთან, მოჩხუბრებთან და მათ მსხვერპლებთან. ზოგიერთ სენსიტიურ სფეროში შერჩევის ხელმისაწვდომობას შეიძლება, ხელი შეუშალონ თავად პოტენციურმა მონაწილეებმა: მაგალითად, აივ შიდსის კონსულტანტები შეიძლება, იმდენად სერიოზული სტრესის ქვეშ იმყოფებოდნენ, რომ მათ უბრალოდ ვერ გაუძლონ მკვლევართან თავიანთი ტრავმული სამუშაოს შესახებ საუბარს; მკვლევართან განცდების გაცოცხლების გარეშეც საკმაო დიდი სტრესის წყაროა მათი საქმიანობა.

თავად პოტენციურმა მონაწილეებმა ხელმისაწვდომობაზე უარი შეიძლება სრულიად პრაქტიკული მოსაზრებებით თქვან, მაგალითად, ექიმს ან მასწავლებელს, უბრალოდ, დრო არ ჰქონდეს კვლევისთვის. გარდა ამისა, მკვლევარმა, შეიძლება, უარი მიიღოს იმ ადამიანებისგან, ვისაც რაღაც აქვს დასაცავი, მაგალითად, სკოლა, რომელმაც ცოტა ხნის წინ ინსპექციის ან გარე შეფასების შემდეგ ძალზე ცუდი შედეგები მიიღო; ან ადამიანები, რომლებმაც მნიშვნელოვანი აღმოჩენა გააკეთეს ან ახალი გამოგონება აქვთ და არ სურთ, რომ თავიანთი წარმატების საიდუმლო გაამხილონ; ინტელექტუალური საკუთრების სფეროში კომერციულმა საქმიანობამ ეს თემა ბევრი მკვლევრისთვის აქტუალური გახადა. უამრავი მიზეზი არსებობს იმისა, რატომაც შეიძლება დაბრკოლდეს შერჩევასთან მიახლოება და მკვლევარი არ უნდა ეცადოს გართულების ამ პოტენციური წყაროს უარყოფას კვლევის დაგეგმვისას.

ბევრ შემთხვევაში შერჩევაზე წვდომას "დარაჯები" იცავენ - ისინი, ვისაც შეუძლია მკვლევრის წვდომის კონტროლი იმ ადამიანებთან, ვინც მას აინტერესებს. სკოლის თანამშრომლების შემთხვევაში ეს შეიძლება იყოს, მაგალითად, სასწავლო ნაწილის გამგე, სკოლის მმართველი, მდივანი, კლასის დამრიგებელი; მოსწავლეების შემთხვევაში - მეგობარი, ბანდის წევრი, მშობელი, სოციალური მუშაკი და ა. შ. მკვლევრისთვის გადამწყვეტი მნიშვნელობა აქვს არა მხოლოდ შერჩევაზე წვდომის შესაძლებლობას, არამედ იმასაც, თუ რა მიდგომას გამოიყენებს სამიზნე ჯგუფზე წვდომის მისაღწევად - ვისთან მივიდეს ფორმალურად და არაფორმალურად.

შეიძლება არამარტო შერჩევის წვდომა გართულდეს, არამედ შედეგიც - ინფორმაციის გამოაშკარავებაც - პრობლემური იყოს. მაგალითად, მკვლევარმა შეიძლება მოიპოვოს დიდი რაოდენობით სენსიტიური ინფორმაციის მიღებისა და სათანადო ადამიანებთან მოხვედრის უფლება, მაგრამ შეზღუდული იყოს, საჯაროდ განაცხადოს, რომ აგროვებს მონაცემებს. დიდ ბრიტანეთში განათლების სფეროში ანგარიშები იკრძალება, იგვიანებს ან იცვლება. ყოველთვის არ არის საკმარისი შერჩევამდე "მიღწევა", პრობლემა შეიძლება ფართო საზოგადოებისთვის "ინფორმაციის გარეთ გამოტანა" იყოს, განსაკუთრებით მაშინ, თუ ეს ძალაუფლების მქონე ადამიანების კრიტიკაა.

შერჩევის სტრატეგიები

შერჩევის შექმნის ორი გზა არსებობს (Cohen and Holliday 1979; 1982; 1996; Schofield 1996). მკვლევარმა უნდა გადაწყვიტოს ალბათურ შერჩევას (ასევე, ცნობილია, როგორც შემთხვევითი შერჩევა) მიანიჭებს უპირატესობას თუ არაალბათურს (ასევე, ცნობილია, როგორც მიზნობრივი შერჩევა). მათ შორის განსხვავება ისაა, რომ ალბათურ შერჩევაში პოპულაციის წევრების მოხვედრის ალბათობა ცნობილია, ხოლო არაალბათურში - არა. პირველ შემთხვევაში (ალბათური შერჩევისას) პოპულაციის ყოველ წევრს შერჩევაში მოხვედრის თანაბარი შანსი აქვს. შერჩევაში ჩართვა ან შერჩევიდან გამორიცხვა მხოლოდ შემთხვევის და სხვა არაფრის შედეგია. მეორე შემთხვევაში (არაალბათური შერჩევისას) პოპულაციის ზოგიერთი წევრი დანამდვილებით არ მოხვდება შერჩევაში და ზოგიერთი დანამდვილებით იქნება ჩართული (ანუ პოპულაციის ყველა წევრს არ აქვს შერჩევაში მოხვედრის ერთნაირი ჩანსი). ამ შემთხვევაში მკვლევარი განზრახ, მიზანმიმართულად ირჩევს პოპულაციის კონკრეტულ ნაწილს შერჩევაში ჩასართავად ან შერჩევიდან გამოსარიცხად.

ალბათური შერჩევები

ვინაიდან პოპულაციიდან შემთხვევით მიიღება და რეპრეზენტაციულობაზე აქვს პრეტენზია, ალბათური შერჩევა სასარგებლო იქნება, თუ მკვლევარს სურს, რომ შედეგები განზოგადებადი იყოს. ის რაოდენობრივი მონაცემების სტატისტიკური ანალიზისას ორმხრივი კრიტერიუმის გამოყენების შესაძლებლობასაც იძლევა. ალბათური შერჩევა პოპულარულია გაკონტროლებულ რანდომიზებულ ცდებში. არაალბათური შერჩევა კი განზრახ არიდებს თავს პოპულაციას. ის მხოლოდ ერთი კონკრეტული ჯგუფის, პოპულაციის კონკრეტული ნაწილის წარმოდგენას ცდილობს, როგორიცაა, მაგალითად, სტუდენტების ჯგუფი, კონკრეტულ გამოცდაზე გასული სტუდენტების ჯგუფი, ან მასწავლებლების ჯგუფი.

ალბათურ შერჩევაში უფრო ნაკლებია მიკერძოებულობის რისკი ვიდრე არაალბათურ შერჩევაში, ხოლო არაალბათური შერჩევა, რომელიც პოპულაციის არარეპრეზენტაციულია, პირიქით, გადახრილი ან მიკერძოებული შეიძლება იყოს (ასეთი ტიპის შერჩევაში მიღებული მონაცემების სტატისტიკური დამუშავებისას ცალმხრივი კრიტერიუმი გამოიყენება). ეს არ ნიშნავს, რომ პირველი სრულიად მიუკერძოებელია; ამ შერჩევაშიც არსებობს შეცდომის ალბათობა (რომელსაც ქვემოთ განვიხილავთ) - მახასიათებლისა, რომელიც, უნდა ვაღიაროთ. მაგალითად, საზოგადოებრივი აზრის გამოკითხვისას, ჩვეულებრივ, ითვალისწინებენ შეცდომის ფაქტორს და შედეგებს აცხადებენ, ვთქვათ, ±3 პროცენტის ცდომილებით.

ალბათური შერჩევის რამდენიმე ტიპი არსებობს: მარტივი შემთხვევითი შერჩევები, სისტემური შერჩევები, სტრატიფიცირებული შერჩევები, კლასტერული შერჩევები, ეტაპობრივი შერჩევები და მრავალფაზური შერჩევები. თითოეული მათგანი ზომავს მათში მოცემულ შემთხვევითობას და, მაშასადამე, გარკვეული ხარისხის განზოგადებადობით ხასიათდება.

მარტივი შემთხვევითი შერჩევა

მარტივ შემთხვევით შერჩევაში საკვლევი პოპულაციის ყოველ წევრს არჩევის ერთნაირი შანსი აქვს და პოპულაციის რომელიმე წევრის არჩევის ალბათობაზე არ მოქმედებს ამ პოპულაციის სხვა წევრების არჩევა, ანუ თითოეული არჩევანი სრულიად დამოუკიდებელია დანარჩენებისგან. მეთოდი გულისხმობს პოპულაციის სიიდან (შერჩევის ჩარჩო) შერჩევისთვის საჭირო რაოდენობის ცდის პირების შემთხვევითად არჩევას. ამის გაკეთება შესაძლებელია ყუთიდან იმდენი სახელის ამოღებით, სანამ არ შესრულდება საჭირო რაოდენობა. იგივე კეთდება შემთხვევითი რიცხვების ცხრილის გამოყენებით (ეს ცხრილი რაოდენობრივი კვლევის მეთოდებისა და სტატისტიკის ბევრ სახელმძღვანელოშია მოცემული) და მონაწილეებისთვის ან სიტუაციებისთვის შემთხვევითი რიცხვების მიკუთვნებით (მაგალითისთვის იხ. Hopkins et al. 1996: 148-9). ალბათობისა და შემთხვევითობის გამო შერჩევა უნდა შედგებოდეს პოპულაციისთვის, როგორც ერთი მთლიანისთვის, დამახასიათებელი ნიშნების მსგავსი ნიშნების მქონე წევრებისაგან; მათგან ზოგი მოხუცი უნდა იყოს, ზოგი - ახალგაზრდა, ზოგი - მაღალი, ზოგი - დაბალი, ზოგი - ჯანმრთელი, ზოგი - დაავადებული, ზოგი - მდიდარი, ზოგი - ღარიბი და ა. შ. შერჩევის ამ კონკრეტულ მეთოდთან დაკავშირებული ერთი პრობლემა ისაა, რომ საჭიროა პოპულაციის სრული სია და ეს ყოველთვის იოლად ხელმისაწვდომი არ არის.

სისტემური შერჩევა

ეს მეთოდი მარტივი შემთხვევითი შერჩევის მოდიფიცირებული ფორმაა. ის გულისხმობს პოპულაციის სიიდან ცდის პირების სისტემურად და არა - შემთხვევითად არჩევას. მაგალითად, თუ, ვთქვათ, 2000 წევრიანი პოპულაციიდან 100 წევრიანი შერჩევის მიღებაა საჭირო, მაშინ ყოველი მეოცე ინდივიდი შეიძლება აირჩეს. არჩევის საწყისი წერტილი შემთხვევითად არის აღებული.

სისტემური შერჩევის სიხშირის გამოთვლა მარტივი სტატისტიკით შეიძლება: პოპულაციის წევრთა საერთო რაოდენობა გავყოთ შერჩევის ზომაზე:

სადაც
ფ = სიხშირის ინტერვალი;
N = პოპულაციის წევრთა საერთო რაოდენობა;
სნ = შერჩევის საჭირო რაოდენობა.
ვთქვათ, მკვლევარი მუშაობს სკოლასთან, რომელშიც 1400 ბავშვი სწავლობს. შერჩევის ზომის ცხრილის (4. 1 ჩანართი) მიხედვით, ამ რაოდენობის მოსწავლეთა პოპულაციიდან შემთხვევითი შერჩევის მისაღებად საჭიროა 302 მოსწავლის არჩევა. აქედან გამომდინარე, სიხშირის ინტერვალი (f) იქნება:

(რაც 5.0-მდე მრგვალდება)

ამრიგად, მკვლევარმა სრული სიიდან ყოველი მეხუთე შემთხვევა უნდა აირჩიოს.

ასეთი პროცესი, ცხადია, უშვებს, რომ თავად სახელები შემთხვევითი თანმიმდევრობით არის ჩამოწერილი. ქალებისა და კაცების სიაში ჯერ შეიძლება სულ ქალები იყვნენ და შემდეგ სულ - კაცები, ამიტომ, თუ სიაში 200 ქალი იქნებოდა, მკვლევარს შეეძლო სასურველი ზომის შერჩევის მიღება მანამ, სანამ სიის კაცების ნაწილამდე მიაღწევდა და ამით დაამახინჯებდა (გადახრიდა) შერჩევას. კიდევ ერთი მაგალითი: მკვლევარი გადაწყვეტს, რომ სკოლის მოსწავლეთა სიიდან ყოველი 30-ე აირჩიოს, მაგრამ ისე ხდება, რომ: (ა) სკოლის თითოეულ კლასში 30-ზე მეტი მოსწავლეა; (ბ) თითოეულ კლასის მოსწავლეთა სია მათი მიღწევის მიხედვით არის შედგენილი - საუკეთესოებით იწყება და ყველაზე სუსტებით მთავრდება; (გ) სკოლის სიაში მოსწავლეები კლასების მიხედვით არიან განაწილებულნი.

ამ შემთხვევაში, მიუხედავად იმისა, რომ შერჩევა ყველა კლასს მოიცავს, ის მაინც ვერ წარმოადგენს სკოლას ისე, როგორც საჭიროა, რადგან თითქმის მთლიანად ყველაზე დაბალი მოსწრების მოსწავლეებისგან შედგება. ეს პერიოდულობის საკითხია (Calder 1979). სისტემურ შერჩევაში არამარტო სახელების თანმიმდევრობის საკითხი დგება, არამედ ამ პროცესით შეიძლება დაირღვეს ალბათური შერჩევის ერთ-ერთი ფუნდამენტური პირობა - შერჩევაში მოხვედრის ერთნაირი შანსი ყოველ ინდივიდს. ზემოთ აღწერილ მაგალითში, სადაც ყოველ მეხუთეს ირჩევდნენ, პირველ, მე-4, მე-6, მე-9 და ა. შ. სახელები ავტომატურად გამოირიცხებოდა ანუ ყველას არ ჰქონდა ერთნაირი შანსი, რომ არჩეული ყოფილიყო. ამ პრობლემის მინიმუმამდე დაყვანა საწყის სიაში ინდივიდების შემთხვევითი თანმიმდევრობისა და სისტემური შერჩევის საწყისი პუნქტის შემთხვევითად არჩევის უზრუნველყოფით არის შესაძლებელი.

სტრატიფიცირებული შერჩევა

სტრატიფიცირებული შერჩევა პოპულაციის ჰომოგენურ ჯგუფებად დაყოფას გულისხმობს და თითოეულ ჯგუფში მსგავსი მახასიათებლების მქონე ინდივიდები არიან გაერთიანებული. მაგალითად, A ჯგუფი შეიძლება კაცებისგან შედგებოდეს, ხოლო B ჯგუფი - ქალებისგან. ისეთი შერჩევის მისაღებად, რომელიც პოპულაციის რეპრეზენტაციული იქნებოდა სქესის მიხედვით, A და B ჯგუფებიდან ცდის პირები შემთხვევითად უნდა ავირჩიოთ. საჭიროებისას შესაძლებელია პოპულაციაში ქალებისა და კაცების რეალურად არსებული თანაფარდობის შერჩევაში ასახვა. მკვლევარმა პოპულაციის ის მახასიათებლები უნდა განსაზღვროს, რომლებსაც უნდა მოიცავდეს შერჩევა, ანუ მოახდინოს პოპულაციის პარამეტრების იდენტიფიცირება. სწორედ ეს არის შერჩევის ჩარჩოს დადგენის არსი.

სტრატიფიცირებული შემთხვევითი შერჩევის შედგენა ორეტაპიანი პროცესია: პირველი: პოპულაციის იმ მახასიათებლების იდენტიფიცირება, რომლებიც შერჩევაშიც უნდა იყოს წარმოდგენილი ანუ პოპულაციის ჰომოგენურ და, თუ შესაძლებელია, დისკრეტულ ჯგუფებად (სტრატებად), მაგალითად, ქალებად და კაცებად დაყოფა. მეორე: ამ ჯფგუფებში შემთხვევითად არჩევა, ამასთან, თითოეული ჯგუფის ზომა მკვლევრის გადაწყვეტილებით ან 4. 1 და 4. 2 ჩანართებში მოცემულ ცხრილებზე დაყრდნობით უნდა განისაზღვროს.

გადაწყვეტილება იმის თაობაზე, თუ რომელი მახასიათებლები უნდა შევიდეს შერჩევაში, მაქსიმალური სიმარტივის მიღწევაზე უნდა იყოს ორიენტირებული, ვინაიდან რაც უფრო მეტი ფაქტორია, არა მარტო შერჩევა რთულდება, არამედ უფრო დიდ შერჩევებში პოპულაციის ყველა სტრატის წარმომადგენლის ჩართვა ხდება საჭირო.

მაშასადამე, სტრატიფიცირებული შემთხვევითი შერჩევა რანდომიზაციისა და კატეგორიზაციის სასარგებლო ნარევია და ამით შესაძლებელს ხდის ორივე სახის - რაოდენობრივი და თვისებრივი - კვლევის ჩატარებას. კვლევის რაოდენობრივ ნაწილში შესაძლებელია ანალიტიკური და დასკვნითი სტატისტიკის გამოყენება, ხოლო თვისებრივ ნაწილში - ინსტიტუტებში იმ ჯგუფებზე ან მონაწილეთა იმ გაერთიანებებზე ფოკუსირება, რომლებიც ხელმისაწვდომია კვლევისთვის.

კლასტერული შერჩევა

როდესაც პოპულაცია დიდია და ფართოდ გაფანტული, მარტივი შემთხვევითი შერჩევის მოგროვებას ადმინისტრაციული პრობლემები ახლავს თან. დავუშვათ, გვსურს, ვიკვლიოთ სტუდენტების ფიზიკური მომზადების დონე შედარებით დიდ დასახლებაში ან მთელ ქვეყანაში. სრულიად არაპრაქტიკული იქნება სტუდენტების შემთხვევითად არჩევა და მეტისმეტად ბევრი დროის დახარჯვა აქეთ-იქით მოგზაურობასა და მათ შემოწმებაში. კლასტერული შერჩევით მკვლევარს შეუძლია კონკრეტული რაოდენობის სკოლების არჩევა და ამ სკოლებში ყველა სტუდენტის შემოწმება ანუ შეირჩევა გეოგრაფიულად ახლომდებარე კლასტერი.

ამასთან, უზრუნველყოფილი უნდა იყოს კლასტერული შერჩევის მიუკერძოებლობა. მაგალითად, წარმოვიდგინოთ, რომ კლასტერული შერჩევა მძიმე მრეწველობის მქონე ან უკიდურესი სიღარიბით გამორჩეულ რეგიონში მდებარე ქალაქში ავიღეთ. ამით შეიძლება არ იყოს წარმოდგენილი ყველა ტიპის ქალაქი ან ქალაქში მცხოვრები ყველა სოციალ-ეკონომიკური ჯგუფი ანუ შერჩევის შიგნით შეიძლება იყოს მსგავსებები, რომლებიც არ ასახავს პოპულაციისთვის დამახასიათებელ ცვალებადობას. აქ რეპრეზენტაციულობის საკითხი დგება. შეიძლება, უფრო მიზანშეწონილი იყოს რამდენიმე კლასტერის აღება და თითოეულის ფარგლებში ცოტ-ცოტა შემთხვევის არჩევა, ვიდრე თითო-ოროლა კლასტერიდან ბევრი შემთხვევის არჩევა.

კლასტერული შერჩევა ფართოდ გამოიყენება მცირემასშტაბიან კვლევებში. კლასტერულ შერჩევაში პოპულაციის პარამეტრები ხშირად ძალიან მკვეთრად არის გამოყოფილი, ამიტომ მკვლევარს მონაცემების განზოგადების შესახებ კომენტარის გაკეთება უწევს. მკვლევარს კლასტერული შერჩევის შიგნით შეიძლება სტრატიფიცირებაც დასჭირდეს, თუ სასარგებლო, ანუ ისეთი მონაცემების მიღება უნდა, რომლებიც ფოკუსირებულია და დისკრიმინაციულობას ავლენენ.

ეტაპობრივი შერჩევა

ეტაპობრივი შერჩევა კლასტერული შერჩევის გაფართოებული ვარიანტია და გულისხმობს შერჩევის საფეხურებრივ შედგენას, ანუ შერჩევებიდან შერჩევების აღებას. თუ კლასტერული შერჩევის შესახებ ქვეთავში დიდი დასახლების შესახებ მოტანილ მაგალითს გამოვიყენებთ, ეტაპობრივი შერჩევის ერთი ვარიანტი შეიძლება იყოს ჯერ სკოლების შემთხვევითად არჩევა, შემდეგ თითოეულ სკოლაში კლასების შემთხვევითად არჩევა და, ბოლოს, ამ კლასებიდან სტუდენტების არჩევა.

მორისონი (1993: 121-2) გვაძლევს მაგალითს, თუ როგორ უნდა გამოვიყენოთ ეტაპობრივი შერჩევა პრაქტიკაში. ვთქვათ, მკვლევარს უნდა, რომ კითხვარი მიაწოდოს ერთი რეგიონის თერთმეტივე საშუალო სკოლის 16 წლის ყველა მოსწავლეს. ყველა სკოლასთან კონტაქტის დამყარების შემდეგ მან აღმოაჩინა, რომ ამ სკოლებში სულ 2000 16 წლის მოსწავლეა. რადგან კონფიდენციალობა უნდა დაიცვას, მას არ შეუძლია, მოითხოვოს ყველა მათგანის სახელი და ამიტომ შეუძლებელია ყუთიდან მათი სახელების ამოღებით შემთხვევითობის მიღწევა (მას რომც ჰქონდეს სახელები, ტვინის დამღლელი სამუშაოა 2000 სახელის დაწერა მათი ყუთში მოთავსებისა და მერე იქიდან ამოღების მიზნით!). თუ შევხედავთ 4. 1 ჩანართს, ვნახავთ, რომ 2000 მოსწავლიდან შემთხვევითი შერჩევის მისაღებად საჭიროა 322 მოსწავლე. რა უნდა მოიმოქმედოს მკვლევარმა?

პირველ ეტაპზე მან უნდა გააკეთოს თერთმეტი სკოლისგან შემდგარი სია. შემდეგ სათითაოდ, პატარა ბარათებზე ცალ-ცალკე დაწეროს სკოლების სახელები და მოათავსოს ყუთში. ამის შემდეგ ის ყუთიდან ამოიღებს ერთ ბარათს, ნახავს სკოლის სახელს, სიაში მისი სახელის გასწვრივ დასვამს ნიშანს და ბარათს ისევ ყუთში დააბრუნებს. ამ პროცედურას იმეორებს კიდევ 321-ჯერ ანუ სულ 322-ჯერ იღებს ბარათებს ყუთიდან. საბოლოო შედეგი შეიძლება ასე გამოიყურებოდეს:

მეორე ეტაპზე მკვლევარი სათითაოდ მივა თერთმეტივე სკოლაში და სთხოვს მათ, რომ შემთხვევითად შეარჩიონ საჭირო რაოდენობის მოსწავლეები. შემთხვევითობა ორივე ეტაპზე შენარჩუნებულია და დიდი რაოდენობა (2000) დაექვემდებარა კონტროლს. მუშაობის პროცესი აქ ზოგადიდან კერძოსკენ, ფართოდან კონკრეტულისკენ და დიდიდან პატარისკენ მოძრაობას გულისხმობს. აქ სიფრთხილე გვმართებს, რადგან ნავარაუდევია, რომ სკოლები დიდია და ერთი ზომის. პრაქტიკაში შეუძლებელია იყოს ისეთი შემთხვევა, რომელშიც ეს სტრატეგია არ იქნება მიზანშეწონილი.

მრავალფაზური შერჩევა

ეტაპობრივი შერჩევის შემთხვევაში შერჩევის პროცესს ერთი მიზანი აქვს. წინა მაგალითში მიზანი კონკრეტული რეგიონის კონკრეტული მოსწავლეების მოცვა იყო. მრავალფაზურ შერჩევაში მიზნები ფაზიდან ფაზამდე იცვლება. მაგალითად, პირველ ფაზაზე შერჩევის არჩევანი შეიძლება გეოგრაფიულ კრიტერიუმს ეფუძნებოდეს (მაგალითად, მოსწავლეები ერთ გარკვეულ რეგიონში ცხოვრობენ), მეორე ფაზაზე - ეკონომიკურ კრიტერიუმს (მაგალითად, სკოლები, რომელთა ბიუჯეტები აშკარად განსხვავებულად იმართება), მესამე ფაზაზე - პოლიტიკურ კრიტერიუმს (მაგალითად, სკოლები, რომელთა მოსწავლეები კონკრეტული პარტიის მხარდამჭერი რეგიონებიდან არიან) და ა. შ. აქედან ნათელი ხდება, რომ შერჩევის პოპულაცია კვლევის თითოეულ ფაზაზე შეიცვლება.

არაალბათური შერჩევები

არაალბათური შერჩევისათვის დამახასიათებელი სელექციურობა მომდინარეობს მკვლევრისგან, რომელიც კონკრეტული ჯგუფის კვლევას ისახავს მიზნად და კარგად იცის, რომ ეს ჯგუფი მთელ პოპულაციას კი არ წარმოადგენს, არამედ მხოლოდ საკუთარ თავს. ასე ხშირად ხდება მცირემასშტაბიან კვლევებში, მაგალითად, როცა კვლევა ეხება მხოლოდ ერთ ან ორ სკოლას, მოსწავლეების ორ ან სამ ჯგუფს, ან მასწავლებელთა კონკრეტულ ჯგუფს და ის მიზნად არ ისახავს გენერალიზაციას. ასეთ შემთხვევას ხშირად შევხვდებით ეთნოგრაფიულ კვლევაში, პრაქტიკულ კვლევაში ან შემთხვევის შესწავლისას. მცირე ზომის კვლევაში ხშირად იმიტომ გამოიყენება არაალბათური შერჩევა, რომ, მიუხედავად არარეპრეზენტაციულობიდან გამომდინარე ნაკლოვანებებისა, ნაკლებად რთულია მისი შედგენა, შედარებით იაფია და სრულიად ადეკვატური შეუძლია იყოს, როცა მკვლევრებს არ აქვთ განზრახული შედეგების განზოგადება საკვლევი შერჩევის მიღმა, ან როცა ძირითადი კვლევის დაწყებამდე კითხვარის პილოტირებას აკეთებენ.

როგორც არსებობს ალბათური შერჩევის რამდენიმე ტიპი, ისევე არსებობს არაალბათური შერჩევის რამდენიმე ტიპიც: ხელმისწვდომი შერჩევა, კვოტა შერჩევა, განზომილების შერჩევა, მიზნობრივი შერჩევა და ზვავისებრი შერჩევა. შერჩევის თითოეული ტიპი მხოლოდ საკუთარი თავის ან მხოლოდ მსგავსი პოპულაციიდან შემთხვევების წარმოდგენას ისახავს მიზნად და არ ცდილობს, მთლიანი, არადიფერენცირებული პოპულაციის რეპრეზენტაციული იყოს.

ხელმისაწვდომი შერჩევა

ხელმისაწვდომი შერჩევა ანუ, როგორც მას ზოგჯერ უწოდებენ, შემთხვევითი ან შესაძლებლობის შერჩევა, რესპონდენტებად ყველაზე მეტად ხელმისაწვდომი ინდივიდების არჩევას გულისხმობს და ეს პროცესი მანამდე გრძელდება, სანამ საჭირო ზომის შერჩევა არ შედგება, ან სანამ იქნებიან ისინი, ვინც შემთხვევით იქვე აღმოჩნდა და ხელმისაწვდომია იმ მომენტისთვის. ისეთი იოლად მისაწვდომი ხალხი, როგორიც სტუდენტები ან პრაქტიკანტები არიან, ხშირად გამოიყენება რესპონდენტებად ხელმისაწვდომი შერჩევისათვის. მკვლევარი, უბრალოდ, ირჩევს შერჩევას იქიდან, ვინც ადვილად ხელმისაწვდომია. ვინაიდან მხოლოდ საკუთარ თავს წარმოადგენს, ეს შერჩევა არ არის განკუთვნილი უფრო ფართო პოპულაციაზე გენერალიზაციისთვის. ხელმისაწვდომი შერჩევისას ეს უადგილოა. ცხადია, მკვლევარმა ძალისხმევა უნდა გაიღოს, რომ ანგარიშში თქვას, რომ ამ ტიპის შერჩევაში განზოგადების პარამეტრი უმნიშვნელოა. ხელმისაწვდომი შერჩევის გამოყენება შეიძლება შემთხვევის შესასწავლად ან შემთხვევის შესწავლის სერიებისთვის.

კვოტა შერჩევა

კვოტა შერჩევა სტრატიფიცირებული შერჩევის არაალბათური ეკვივალენტია (Bailey 1978). სტრატიფიცირებული შერჩევის მსგავსად, კვოტა შერჩევა პოპულაციის მნიშვნელოვანი მახასიათებლების (სტრატების) რეპრეზენტაციას ესწრაფვის. სტრატიფიცირებული შერჩევისგან განსხვავებით, ის ამის გაკეთებას იმ პროპორციით ცდილობს, რომლითაც ისინი მოიპოვებიან პოპულაციაში. მაგალითად, ვთქვათ, პოპულაციის (როგორც არ უნდა იყოს განსაზღვრული) 55 პროცენტი ქალია და 45 პროცენტი - მამაკაცი, შერჩევაც ასე უნდა მოხდეს - 55 და 45 პროცენტი შესაბამისად. თუ სკოლის პოპულაციის 80 პროცენტს 16 წლის ან 16 წლამდე ასაკის მოსწავლეები შეადგენენ, ხოლო 20 პროცენტს - 17 წლის და ზემოთ, მაშინ შერჩევაში 80 პროცენტი 16 წლის ან 16 წლამდე ასაკის მოსწავლეები უნდა იყვნენ და 20 პროცენტი - 17 წლის და ზემოთ. ამრიგად, კვოტირებული შერჩევა არჩეული ფაქტორების (სტრატების) იმ ფარდობითი წონების ასახვას ცდილობს, რომლითაც შესაბამისი ფაქტორები პოპულაციაშია წარმოდგენილი. მკვლევარმა, რომელსაც კვოტირებული შერჩევის შედგენა სურს, სამი ეტაპი უნდა გაიაროს:

1. იმ მახასიათებლების (ფაქტორების) დადგენა, რომლებიც მოიძებნება პოპულაციაში და უნდა მოიძებნებოდეს შერჩევაში, ანუ პოპულაციის ჰომოგენურ და, თუ შესაძლებელია, დისკრეტულ ჯგუფებად (სტრატებად) დაყოფა, მაგალითად, ქალები და კაცები, აზიელები, ჩინელები და აფრიკელი კარიბელები.
2. დადგენა, რა თანაფარდობით იჩენს თავს შერჩეული მახასიათებლები პოპულაციაში ანუ პოპულაციაში მათი პროცენტული განაწილების იდენტიციფირება.
3. უზრუნველყოფა, რომ პოპულაციიდან არჩეული მახასიათებლების პროცენტული თანაფარდობა შერჩევაშიც გამეორდეს.

შერჩევაში სწორი თანაფარდობის უზრუნველყოფა შეიძლება რთული იყოს, როცა არ ვიცით, თუ როგორია ეს თანაფარდობა პოპულაციაში, ან როცა ჭირს შერჩევამდე მისვლა. ზოგჯერ ამ თანაფარდობის დასადგენად შეიძლება პილოტური გამოკითხვა იყოს საჭირო (და ამ შემთხვევაშიც კი შერჩევის შეცდომა ან პასუხების მცირე რაოდენობა პილოტურ მონაცემებს პრობლემურად აქცევს).

კვოტირებული შერჩევისთვის საჭირო მინიმალური რაოდენობის განსაზღვრა მარტივია. ვთქვათ, სკოლაში სულ 1700 მოსწავლეა, რომელთაგან: ხელოვნებას სწავლობს 300 მოსწავლე; საბუნებისმეტყველო მეცნიერებებს - 300 მოსწავლე; ჰუმანიტარულ საგნებს - 600 მოსწავლე; ბიზნესსა და სოციალურ მეცნიერებებს - 500 მოსწავლე. თანაფარდობის 3:3:6:5 პირობებში შერჩევაში მინიმუმ 17 მოსწავლე (3+3+6+5) უნდა მოხვდეს. ცხადია, ეს მხოლოდ მინიმუმი იქნება და სასურველი იქნებოდა უფრო მეტის აღება. კვოტირებულ შერჩევაში ძალიან ბევრი მახასიათებლის (სტრატას) შეტანის საფასური ისაა, რომ შერჩევაში წევრთა მინიმალური რაოდენობა სწრაფად შეიძლება ძალიან გაიზარდოს, ამიტომ სასურველია მასში სტრატების მინიმალური რაოდენობის შენარჩუნება. რაც უფრო მეტი სტრატა გვაქვს, მით მეტად იზრდება შერჩევის წევრთა რაოდენობა, როგორც წესი, გეომეტრიული და არა - არითმეტიკული პროგრესიით.

მიზნობრივი შერჩევა

მიზნობრივ შერჩევაში, რომელიც ხშირად (მაგრამ არა მხოლოდ) თვისებრივი კვლევის მახასიათებელია, მკვლევარი შერჩევისთვის შემთხვევებს იმ მოსაზრების საფუძველზე არჩევს, რომ ეს შემთხვევა ტიპურია, ან კონკრეტული საძიებელი მახასიათებლით ხასიათდება. ამრიგად, ისინი ისეთ შერჩევას ქმნიან, რომელიც მკვლევრის სპეფიციკურ მოთხოვნებს აკმაყოფილებს. როგორც სახელწოდებიდან ჩანს, შერჩევა კონკრეტული მიზნისთვის არის არჩეული, მაგალითად, თუ კვლევა მიზნად ისახავს ზედა დონის მენეჯერებში სტრესის გამოვლინების შესწავლას, შეირჩევა საშუალო სკოლების დირექტორებისა და მთავარი მენეჯერების ჯგუფი; სტუდენტების უკმაყოფილების გამომწვევი ძირითადი ფაქტორების გამოვლენა ყველაზე კარგად უკმაყოფილო სტუდენტების ჯგუფში იქნებოდა შესაძლებელი (ის მიეკუთვნება კრიტიკულ შემთხვევათა რიგს, რომელიც ჰგავს მეთვრამეტე თავში განხილულ "კრიტიკულ მოვლენებს" ან დევიანტურ, ანუ ნორმის საწინააღმდეგო შემთხვევებს) (Anderson and Arsenault 1998: 124); ერთკვირიანი დაკვირვებისთვის ერთი კლასის მოსწავლეებს შეარჩევენ, თუ განსხვავებული სასწავლო პროგრამისა და პედაგოგიური პრაქტიკის ანგარიშის მიღება სურთ, რათა სკოლის სხვა მასწავლებლებმა თავიანთი პრაქტიკის მიღებულ ანგარიშთან შედარება შეძლონ. ასეთი ტიპის შერჩევა შეიძლება აკმაყოფილებდეს მკვლევრის მიზნებს, მაგრამ მას არ აქვს პოპულაციის რეპრეზენტაციულობის პრეტენზია. ის მიზანმიმართულად და დაუფარავად არის შერჩეული და მიკერძოებული.

ხშირ შემთხვევაში მიზნობრივი შერჩევა "მცოდნე ხალხთან", ანუ იმ ადამიანებთან მოსახვედრად გამოიყენება, ვინც გარკვეულ თემაზე ბევრი და ღრმად იციან თავიანთი პროფესიული საქმიანობის, ძალაუფლების, კავშირების, კვალიფიკაციის ან გამოცდილების გამო (Ball 1990). ბევრის ვერაფრის მომცემია შემთხვევითი შერჩევა, ვინაიდან შემთხვევითი შერჩევის წევრთა დიდმა ნაწილმა შეიძლება საერთოდ არაფერი იცოდეს კონკრეტული საკითხების შესახებ და ვერაფერი თქვას მკვლევრისთვის საინტერესო თემების შესახებ; ასეთ შემთხვევაში აუცილებელია მიზნობრივი შერჩევა. მიუხედავად იმისა, რომ შეიძლება არ იყოს რეპრეზენტაციული და შერჩევის წევრების მიერ გამოთქმული კომენტარები არაგანზოგადებადი იყოს, ასეთ შერჩევაში ეს არ არის მკვლევრის უპირველესი საფიქრალი; მას სათანადო ადამიანებისგან სიღრმისეული ინფორმაციის მიღება აინტერესებს.

მიზნობრივი შერჩევის ერთ-ერთი ვარიანტია ფორსირებული შერჩევა. გორარდი (2003: 71) საუბრობს ფორსირებული შერჩევის გამოყენების საჭიროებაზე, როცა შერჩევაში რთავენ იმ წევრებს, ვინც სხვა შემთხვევაში შეიძლება შერჩევის გარეთ დარჩენილიყო ან არასრულად ყოფილიყო წარმოდგენილი რაოდენობრივი სიმცირის გამო. მაგალითად, დაწყებით სკოლაში ან საბავშვო ბაღში შეიძლება ძალიან ცოტა განსაკუთრებული საჭიროებების მქონე მასწავლებლები ან მოსწავლეები იყვნენ; ან სკოლაში კონკრეტული ეთნიკური უმცირესობების წარმომადგენელი ძალიან ცოტა ბავშვი სწავლობდეს, იმდენად ცოტა, რომ შერჩევაში ვერ მოხვდნენ. ამ შემთხვევაში სათანადო სტატისტიკური ანალიზის ან შერჩევის რეპრეზენტაციულობის უზრუნველსაყოფად მკვლევარს მიზანმიმართულად შეჰყავს შერჩევაში მათი საკმარისი რაოდენობა და მათგან მიღებული მონაცემების კორექტირებას შემთხვევათა შეწონვის მეშვეობით აკეთებს, რათა საბოლოო შედეგებში ისინი ჭარბად არ იყოს წარმოდგენილი. ეს არის სოციალური ინკლუზიის მიღწევის მცდელობა.

მიზნობრივი შერჩევის კიდევ ერთი ვარიანტია ნეგატიური შემთხვევების შერჩევა. აქ მკვლევარი მიზანმიმართულად ეძებს იმ ადამიანებს, რომლებიც შეიძლება ეწინააღმდეგებოდნენ წამოყენებულ თეორიებს (ფალსიფიცირებადობის პოპერისეული ეკვივალენტი) და თუ თეორია გაუძლებს წინააღმდეგობას, ამით განამტკიცებს მას. ნეგატიური შემთხვევების შერჩევის უფრო მსუბუქი ვარიანტია მაქსიმალური ცვალებადობის შერჩევა, როდესაც შემთხვევებს შეძლებისდაგვარად მრავალფეროვანი პოპულაციიდან იღებენ (Anderson and Arsenault 1998: 124) მონაცემების სიძლიერისა და სიმდიდრის, გამოყენებადობისა და ინტერპრეტაციის უზრუნველსაყოფად. ამ ბოლო შემთხვევაში შერჩევის მოცულობა თავიდანვე დიდი იქნება ან გაიზრდება.

განზომილების შერჩევა

კვოტა შერჩევისას შერჩევის მოცულობის პრობლემის დაძლევის ერთი გზა განზომილების შერჩევის გამოყენებაა. ეს არის კვოტირებული შერჩევის მეტად დახვეწილი ვარიანტი. ის გულისხმობს პოპულაციაში სხვადასხვა ფაქტორის იდენტიფიცირებას და ამ ფაქტორების ყოველი კომბინაციისთვის, სულ მცირე, ერთი რესპონდენტის მიღებას. ასე მაგალითად, რასობრივი მიმართებების კვლევაში მკვლევარს შეიძლება პირველი, მეორე და მესამე თაობის ემიგრანტების ერთმანეთისგან გამიჯვნა უნდოდეს. ამისათვის შერჩევის გეგმამ შეიძლება მრავალგანზომილებიანი ცხრილის სახე მიიღოს, რომელსაც ზემოთ ჰორიზონტალურად ექნება "ეთნიკური ჯგუფი", ვერტიკალურად გვერდზე კი - "თაობა". მეორე მაგალითი შეიძლება იყოს მკვლევარი, რომელსაც უკმაყოფილო სტუდენტების, გოგონებისა და მეორე კურსელი სტუდენტების კვლევა აინტერესებს და რომელმაც შეიძლება მხოლოდ ერთი მეორე კურსელი უკმაყოფილო გოგონა იპოვოს, ანუ ის რესპონდენტი, რომელსაც ერთდროულად ექნება ყველა საძიებელი მახასიათებელი.

ზვავისებრი შერჩევა

ზვავისებრი შერჩევისას მკვლევარი მისთვის საინტერესო საკვლევი მახასიათებლების მქონე მცირე ოდენობის ინდივიდებს პოულობს. შემდგომ მათ იმ ადამიანების გამოსავლენად ან მათთან შესახვედრად იყენებს, ვინც, შეიძლება, შერჩევაში მოხვედრის პირობებს აკმაყოფილებდეს. შერჩევის ეს ახალი წევრები, თავის მხრივ, კიდევ სხვებზე იძლევიან ანალოგიურ ინფორმაციას და ა. შ. აქედან მოდის ტერმინი "ზვავისებრი შერჩევა". ეს მეთოდი გამოსადეგია შერჩევის მისაღებად ისეთი პოპულაციიდან, რომელიც ძნელად მისაწვდომია: საკვლევი თემის სენსიტიურობის (მაგალითად, გამოაშკარავებული არასრულწლოვნებზე მოძალადეები), საკომუნიკაციო ქსელის უქონლობის (მაგალითად, როდესაც მკვლევარს სურს სარეზერვო მასწავლებლების ინტერვიუირება - ანუ იმ მასწავლებლებისა, რომლებიც დროებით ცვლიან სკოლის შტატიან თანამშრომლებს მათი არყოფნისას, მაგრამ უძნელდება მათი სიის მოძიება), ან იმის გამო, რომ გარედან მოსულ მკვლევარს სირთულეები ექმნება სკოლებში წვდომასთან დაკავშირებით (მკვლევარი საკუთარი ნაცნობმეგობრების და მათი ნაცნობ-მეგობრების და ა. შ. არაფორმალური კავშირებით ცდილობს საკვლევ ჯგუფზე გასვლას). მკვლევრის ამოცანაა, დაადგინოს, ვინ არის ინფორმაციის გადამწყვეტი ან ძირითადი წყარო, რომ მასთან დაამყაროს საწყისი კონტაქტი.

მოხალისეთა შერჩევა

იმ შემთხვევებში, სადაც ძნელია ცდის პირებამდე მიღწევა, მკვლევარს მოხალისეების - მაგალითად, პირადი მეგობრების, მეგობრების მეგობრების, საგაზეთო რეკლამით მოზიდული მონაწილეების, კონკრეტული სკოლიდან დაინტერესებული ადამიანების ან კურსების დამსწრეთა - იმედზე უწევს ყოფნა. ზოგჯერ ეს გარდაუვალია (Morrison 2006), ვინაიდან ეს შერჩევის შედგენის ერთადერთი შესაძლებელი ვარიანტია და შეიძლება უკეთესი იყოს, გქონდეს ასეთი შერჩევა, ვიდრე - საერთოდ არ გქონდეს კვლევა.

ამ შემთხვევებში მკვლევარი ძალზე ფრთხილი უნდა იყოს გენერალიზიების ან რეპრეზენტაციულობის შესახებ ნებისმიერი განაცხადის გაკეთებისას, ვინაიდან მოხალისეებს კვლევაში მონაწილეობის მთელი რიგი განსხვავებული მოტივები შეიძლება ჰქონდეთ, მაგალითად, მეგობრის დახმარების სურვილი, კვლევით დაინტერესება, საზოგადოებაში წვლილის შეტანა, სამაგიეროს გადახდის საშუალება ან კონკრეტული სკოლისთვის, ან მასწავლებლისთვის. მოხალისეებს შეიძლება კეთილი განზრახვები ჰქონდეთ, მაგრამ ისინი უცილობლად არ წარმოადგენენ მთელ პოპულაციას და ეს ნათლად უნდა ითქვას.

თეორიული შერჩევა

თეორიული შერჩევა მონაცემებზე დაფუძნებული თეორიის მახასიათებელია. მონაცემებზე დაფუძნებულ თეორიაში შერჩევის ზომა შედარებით უმნიშვნელოა, ვინაიდან მკვლევარი მის ხელთ არსებულ მონაცემებთან მუშაობს. ფაქტობრივად, დაფუძნებული თეორია ამტკიცებს, რომ შერჩევის მოცულობა შეიძლება უსასრულოდ დიდი იყოს ან, სათადარიგო პოზიციის სახით, საკმარისად დიდი იყოს კატეგორიებისა და საკითხების იმდენად შესავსებად, რომ ახალმა მონაცემებმა არ გამოიწვიოს წამოყენებული თეორიის მოდიფიცირება.

თეორიული შერჩევისას მკვლევარს საკმარისი მონაცემები უნდა ჰქონდეს, რათა შეძლოს კვლევის კონტექსტში თეორიის გენერაცია და "დაფუძნება", ანუ მოცემულ სიტუაციაში მიმდინარე მოვლენების თეორიული ახსნის უზრუნველყოფა ამ თეორიასთან წინააღმდეგობაში მოსული ყოველგვარი მონაცემის უქონლად. ვინაიდან მკვლევარს წინასწარ არ ეცოდინება, რამდენი, ან როგორი მონაცემი დასჭირდება, შეუძლებლობის, გამოფიტვის ან დროის ლიმიტის გამო ძნელია წინასწარ ცოდნა, თუ რა მოცულობის შერჩევაა საჭირო. მკვლევარი მანამდე აგრძელებს მეტი და მეტი მონაცემის მოგროვებას, სანამ თეორია უცვლელი რჩება ან შესწავლის კონტექსტის ფარგლებს არ მიაღწევს; სანამ არაფერი შეცვლილა მონაცემებზე დაფუძნებულ თეორიაში მუდმივი შედარების მეთოდის გათვალისწინებით. თეორიულ გაჯერებასთან (Glaser and Strauss 1967: 61) მაშინ გვაქვს საქმე, როდესაც აღარ მოიპოვება ისეთი დამატებითი მონაცემები, რომლებიც განავითარებდნენ, ჩაასწორებდნენ, დააზუსტებდნენ, განავრცობდნენ ან რაიმეს დაამატებდნენ არსებულ თეორიას.

გლასერი და სტრაუსი (1967) წერენ, რომ:

თეორიული შერჩევა ჩამოყალიბების პროცესში მყოფი თეორიისთვის მონაცემების მოგროვების პროცესია, რომლითაც ანალიტიკოსი ერთდროულად აგროვებს, აკოდირებს და აანალიზებს თავის მონაცემებს და გადაწყვეტს, რა მონაცემები შეაგროვოს შემდგომში და სად მოიპოვოს ისინი, რათა იმ მიმართულებით განავითაროს თავისი თეორია, როგორც ვითარდება.
(Glaser and Strauss 1967: 45)

მონაცემებზე დაფუძნებული თეორიის თეორეტიკოსისთვის, რომელიც თეორიულ შერჩევას იყენებს, ორი ძირითადი კითხვა დგას: პირველი, შემდეგ რომელ ჯგუფებს უნდა მიმართოს მონაცემებისთვის? მეორე, რა თეორიული მიზნებისთვის სჭირდება ეს შემდეგი მონაცემები? პირველ კითხვაზე პასუხად გლასერი და სტრაუსი (1967: 49) ამბობენ, რომ გადაწყვეტილება თეორიულ რელევანტურობას ეფუძნება, ანუ იმ ჯგუფებს უნდა მიმართოს, რომლებიც შეძლებისდაგვარად ბევრი თვისებისა და კატეგორიის გენერალიზაციაში გაუწევენ დახმარებას.

აქედან გამომდინარე, მონაცემების ერთობლიობის მოცულობის შევსება შესაძლებელია ორგანიზაციის თანამშრომლებით ან ხელმისაწვდომი ადამიანებით, მაგრამ მკვლევარმა ისიც უნდა გაითვალისწინოს, რომ მას შემდგომი მონაცემების მოპოვების შესაძლებლობაც შეიძლება ჰქონდეს თეორიული ადეკვატურობის უზუნველსაყოფად და უკვე მოპოვებული ცოდნის ახალი მონაცემებით გადასამოწმებლად (Flick et al, 2004: 170). ამ შემთხვევაში ყოველთვის არ არის შესაძლებელი, კვლევის დასაწყისში წინასწარ ითქვას, ვინ და რამდენი მონაწილე იქნება შერჩევისთვის საჭირო; ეს პროცესი კვლავ და კვლავ განმეორდება.

არაალბათურ შერჩევებს უკავშირდება საკითხი იმის შესახებ, რომ შერჩევა შეიძლება ეხებოდეს არა მარტო ადამიანებს, არამედ - საკითხებსაც. ადამიანების შერჩევა შეიძლება იმიტომ შედგეს, რომ მკვლევარი კონკრეტული საკითხების შესწავლით არის დაინტერესებული, მაგალითად, მოსწავლეებით, რომლებიც ცუდად იქცევიან, უარს ამბობენ სკოლაში სიარულზე, ან ნარკოტიკებთან აქვთ პრობლემები, ან კლასგარეშე საქმიანობებს ამჯობინებენ საკლასო დავალებებს. აქ საუბარია იმაზე, თუ რა მართავს შერჩევის პროცესს და ამიტომ ისმის არა მარტო კითხვა "ვინ შევარჩიო?", არამედ კითხვაც: "რა შევარჩიო?" (Mason 2002; 127-32). ეს, თავის მხრივ, გულისხმობს, რომ არა მარტო ადამიანების შერჩევაა შესაძლებელი, არამედ ტექსტების, დოკუმენტების, ჩანაწერების, სიტუაციების, გარემოების, მოვლენების, საგნების, ორგანიზაციების, ხდომილობების, აქტივობებისა და ა. შ.

შერჩევის სტრატეგიის დაგეგმვა

შერჩევის სტრატეგიის დაგეგმვა რამდენიმე ნაბიჯისგან შედგება:

1. გადაწყვიტეთ, შერჩევა გჭირდებათ, თუ შესაძლებელია პოპულაციის კვლევა.
2. განსაზღვრეთ პოპულაცია, მისი მნიშვნელოვანი თვისებები (შერჩევის ჩარჩო) და მისი ზომა.
3. განსაზღვრეთ, შერჩევის როგორი სტრატეგია გჭირდებათ (მაგალითად, ალბათური და არაალბათური სტრატეგიების რომელი ვარიანტი).
4. დარწმუნდით, რომ დანამდვილებით მიგიწვდებათ ხელი შერჩევაზე. თუ არა, მზად იყავით შერჩევის სტრატეგიის შესაცვლელად (ნაბიჯი 2).
5. ალბათური შერჩევისთვის განსაზღვრეთ თქვენთვის საჭირო ნდობის დონე და ნდობის ინტერვალები. არაალბათური შერჩევისთვის განსაზღვრეთ ის ადამიანები, რომლებიც გჭირდებათ შერჩევაში.
6. გამოთვალეთ წევრების რაოდენობა შერჩევაში და ამ გამოთვლებისას გაითვალისწინეთ პასუხის უქონლობა, არასრული ან გაფუჭებული პასუხები, ცვეთა და სიკვდილიანობა, ანუ შერჩევის სიდიდე გათვალეთ მეტობით.
7. გადაწყვიტეთ, როგორ დაამყარებთ კონტაქტს და წარმართავთ წვდომას (მაგალითად, რეკლამა, წერილი, სატელეფონო ზარი, ელექტრონული გზავნილი, პირადი ვიზიტი, პირადი კონტაქტები/მეგობრები).
8. მზად იყავით უკვე აკრეფილი მონაცემების შესაწონად.

დასკვნა

ამ თავის ძირითადი იდეა ისაა, რაც სხვების - კვლევაში ყოველი დეტალი დაგეგმილი და გააზრებული უნდა იყოს და არა შემთხვევითი, და რომ, ადრინდელივით, დაგეგმვის კრიტერიუმი მიზნისთვის შესატყვისობა უნდა იყოს. შერჩევის სტრატეგიის არჩევა ვარგისიანობის კრიტერიუმით უნდა ხდებოდეს. არჩევანი იმის შესახებ, თუ რომელი სტრატეგია მიიღონ, უნდა ითვალისწინებდეს კვლევის მიზნებს, ვადებს და კვლევის შეზღუდვებს, მონაცემების შეგროვების მეთოდებს და კვლევის მეთოდოლოგიას. ვალიდობის მისაღწევად არჩეული სტრატეგია ყველა ამ ფაქტორს უნდა შეესატყვისებოდეს.

პასუხი კითხვაზე "რამდენად დიდი უნდა იყოს ჩემი შერჩევა?" რთულია. ამ თავის მიხედვით, ეს ყველაფერი დამოკიდებულია იმაზე, თუ როგორია:

• პოპულაციის ზომა;
• ნდობის დონე და ნდობის ინტერვალი;
• საჭირო სიზუსტე (უმცირესი შერჩევის შეცდომის მიღება);
• სტრატების საჭირო რაოდენობა;
• საკვლევი ცვლადების რაოდენობა;
• საკვლევი ფაქტორის ცვალებადობა;
• შერჩევის სახეობა (ალბათური და არაალბათური შერჩევების სხვადასხვა ვარიანტი);
• შერჩევის რეპრეზენტაციულობა;
• ცვეთისა და პასუხის არქონის შემთხვევების გათვალისწინება;
• პროპორციულ შერჩევაში პროპორციულობის დაცვის საჭიროება.

ეს ნიშნავს, რომ მკვლევრებს ვურჩევთ დიდი და არა პატარა შერჩევების გამოყენებას, განსაკუთრებით, რაოდენობრივ კვლევაში.