Convenience sampling is een van de meest voorkomende vormen van steekproefselectievertekening bij het uitvoeren van een onderzoek. Dit type steekproef wordt gebruikt omdat onderzoekers hiermee snel en gemakkelijk gegevens kunnen verzamelen. Dit proces kan echter leiden tot undercoverage bias, omdat onderzoekers alleen bepaalde groepen of individuen selecteren die gemakkelijker toegankelijk zijn voor hen.
Laten we het voorbeeld nemen van een onderzoek naar pesten onder tieners. In dat geval zou je tieners die thuisonderwijs volgen of naar privéscholen gaan niet kunnen opnemen omdat ze moeilijker te bereiken zouden zijn dan degenen die deelnemen aan openbare scholen. Als je deze groepen niet in je steekproef hebt, kan dat de geldigheid van je resultaten beïnvloeden, omdat deze leerlingen pesten mogelijk anders ervaren dan leerlingen van openbare scholen.
Begrijpen wat undercoverage bias is…
Eenvoudig gezegd is er sprake van onderdekking als een aanzienlijk deel van je onderzoekspopulatie zeer weinig mogelijkheden heeft om geselecteerd te worden om deel uit te maken van de steekproef of niet voldoende vertegenwoordigd is in je onderzoekspopulatie.
Stel bijvoorbeeld dat je een onderzoek uitvoert naar de voorkeuren van huidige universiteitsstudenten en je wilt weten welke films ze het leukst vinden. Om dit te doen, zou je een willekeurige steekproef van huidige universiteitsstudenten kunnen selecteren en vragen hoe vaak ze per week naar de bioscoop gaan. Als er echter geen bioscopen in de buurt van de huizen van deze studenten zijn (of als ze geen auto hebben), hebben ze bijna geen kans om geselecteerd te worden voor dit onderzoek.
In dit geval zou undercoverage bias leiden tot resultaten die het gemiddelde aantal keren per week dat huidige studenten naar de bioscoop gaan onderschatten, omdat het geen rekening houdt met mensen die geen toegang hebben tot films.
Undercoverage Bias Oorzaken
Hoewel undercoverage bias een serieus probleem is, kan het ook voorkomen worden met de juiste techniek en begrip van het probleem.
Een van de redenen voor onderdekking is non-respons. Dit betekent dat wanneer er een enquête wordt gehouden, sommige mensen er niet op reageren. Dit kan om verschillende redenen gebeuren: misschien hebben ze geen tijd, hebben ze het gevoel dat ze niets belangrijks te zeggen hebben of zijn ze de enquête helemaal vergeten. Wat de reden ook is, deze mensen zijn niet opgenomen in je resultaten omdat je hun antwoorden niet hebt verzameld.
Een andere reden voor onderdekking is een niet-dekkingfout, wat verwijst naar gevallen waarin een individu geselecteerd is uit je steekproef maar niet gecontacteerd kan worden door een steekproeffout van de onderzoeker. Als je bijvoorbeeld een telefonische enquête uitvoert en per ongeluk iemand belt die niet goed genoeg Engels spreekt om je vragen te begrijpen, dan zal deze persoon waarschijnlijk ophangen voordat hij iets antwoordt, wat betekent dat zijn reactie nooit is opgenomen voor latere analyse!
De laatste oorzaak van undercoverage bias die we hier vandaag bespreken is dekkingsfout – dit verwijst naar gevallen waarin individuen die in je steekproef zouden moeten zitten er niet in zitten.
Hoe kunnen we undercoverage bias oplossen?
Met QuestionPro Audience kunt u steekproeffouten voorkomen met behulp van onze beste tools. Laten we voorwaardelijke logica nemen, met deze functie kunt u uw enquête gebruiken als een hulpmiddel om de ervaringen van bepaalde groepen in uw onderzoek te valideren, waardoor de integriteit van uw resultaten wordt verbeterd.
Voorwaardelijke logica is vooral nuttig als je een kleine steekproefgrootte hebt of als het cruciaal is dat alle leden van een bepaalde groep vertegenwoordigd zijn in je enquêtepopulatie. Dit komt omdat voorwaardelijke logica ervoor zorgt dat alle leden van die groep dezelfde informatie krijgen bij hun eerste vraag en geen belangrijke details missen die belangrijk kunnen zijn voor hun ervaring, maar misschien niet van toepassing zijn op andere groepen. Dus stel dat je onderzoek doet naar de ervaringen van mensen van verschillende rassen in Amerika. In dat geval kun je met voorwaardelijke logica unieke vragen over die ervaringen voorleggen aan respondenten in bepaalde groepen.
Voorbeelden van undercoveragevooroordelen
Undercoverage bias komt vaak voor in survey-onderzoek en kan leiden tot onnauwkeurige bevindingen. Undercoverage bias treedt op als leden van uw onderzoekspopulatie uw enquête niet kunnen invullen zonder toegang tot het internet.
- Als een deel van de populatie geen toegang heeft tot het internet, of als ze hun verbinding verliezen tijdens het invullen van de enquête, zullen de verzamelde gegevens onvolledig zijn. Dit veroorzaakt onderdekking en beïnvloedt de uitkomst van je onderzoek.
Met onze software kunt u effectief inzichten verzamelen van alle partijen in uw onderzoekspopulatie, met of zonder internettoegang en mobielvriendelijk. Deelnemers aan enquêtes kunnen gegevens invullen op afgelegen locaties zonder internettoegang. Laat QuestionPro Audience het zware werk voor je doen, voorkom onderdekking en verzamel gegevens van iedereen, overal en altijd.
- QuestionPro-enquêtes zijn mobielvriendelijk en passen zich aan elk apparaat aan dat geschikt is voor internet, inclusief mobiele telefoons. Dit betekent dat je meer respondenten kunt bereiken en het toegankelijkheidsprobleem kunt aanpakken dat vaak leidt tot undercoverage bias in elk systematisch onderzoek.
Het maakt niet uit welk apparaat uw respondenten gebruiken, QuestionPro-enquêtes zien er altijd goed uit en zijn gemakkelijk in te vullen. Respondenten kunnen uw vragen gemakkelijk bekijken en beantwoorden zonder uit te knijpen of in te zoomen op het formulier.
- Er zijn veel redenen waarom undercoverage bias kan optreden; een veel voorkomende oorzaak is echter wanneer dataverzamelaars sommige groepen binnen de populatie niet bereiken.
Stel bijvoorbeeld dat je onderzoek doet naar gendergelijkheid op de werkplek, maar alleen mannen interviewt die bij Fortune 500-bedrijven werken. In dat geval mis je vrouwen die bij kleinere bedrijven werken of die helemaal niet werken omdat ze voor kinderen of bejaarde familieleden zorgen. De resulterende dataset lijkt misschien scheefgetrokken in de richting van mannelijke perspectieven, ook al zijn de gegevens van beide geslachten verzameld!
Conclusie
Undercoverage bias, ook wel bekend als steekproefbias, is een veel voorkomend probleem bij systematische onderzoeken. Om onderdekking te voorkomen, moet je begrijpen waarom je steekproef niet representatief is voor je doelgroep. Dan kun je stappen ondernemen om de redenen achter dit fenomeen weg te nemen.
Met andere woorden, als je conclusies probeert te trekken over een grote populatie, maar slechts een klein deel ervan trekt een steekproef, dan zullen er mensen in die populatie zijn die niet vertegenwoordigd zijn in je steekproef – en die misschien geen vergelijkbare kenmerken delen met degenen die wel in de steekproef zijn opgenomen. Dit kan problemen veroorzaken omdat je conclusies misschien niet overeenkomen met wat er in werkelijkheid gebeurt.
Zoals gezegd is undercoverage bias het gevolg van gemakssteekproeven en een gebrek aan kennis en begrip van je doelgroep. Bij QuestionPro zijn we ervan overtuigd dat een adequaat publiek uw onderzoek niet alleen nauwkeurig maar ook inzichtelijk maakt, zodat u slimme zakelijke beslissingen kunt nemen.
Auteur: Danielle Figueroa
