Методология веб-исследований: основные подходы к формированию выборки и возможности повышения качества данных тема диссертации и автореферата по ВАК РФ 22.00.01, кандидат социологических наук Мавлетова, Айгуль Маратовна

  • Мавлетова, Айгуль Маратовна
  • кандидат социологических науккандидат социологических наук
  • 2010, Москва
  • Специальность ВАК РФ22.00.01
  • Количество страниц 169
Мавлетова, Айгуль Маратовна. Методология веб-исследований: основные подходы к формированию выборки и возможности повышения качества данных: дис. кандидат социологических наук: 22.00.01 - Теория, методология и история социологии. Москва. 2010. 169 с.

Оглавление диссертации кандидат социологических наук Мавлетова, Айгуль Маратовна

ВВЕДЕНИЕ.

ГЛАВА I. ТИПОЛОГИЯ КОЛИЧЕСТВЕННЫХ ВЕБ-ИССЛЕДОВАНИЙ

1.1. Концептуальный объект = участники опроса.

1.1.1. «Развлекательные» опросы.

1.1.2. Опросы посетителей Интернет-сайтов.

1.1.3. Опросы пользователей социальных сетей.

1.1.4. Access-панели Интернет-пользователей.

1.2. Концептуальный объект=посетители веб-сайтов.

1.2.1. Исследование профилей пользователей социальных сетей.

1.2.2. Опрос посетителей сайта, отобранных по случайной выборке

1.3. Концептуальный объект=социальные группы.

1.3.1. Опрос труднодоступных единиц.

1.3.2. Опрос групп с высоким Интернет проникновением.

1.4. Концептуальный объект=пользователи Интернета.

1.4.1. Случайный опрос пользователей Интернета.

1.5. Концептуальный объект=население.

1.5.1. Интернет опрос как один из возможных способов заполнения анкеты.

1.5.2. Репрезентативный онлайн опрос населения.

ГЛАВА II. ПОСТРОЕНИЕ ВЫБОРОЧНОЙ СОВОКУПНОСТИ В ВЕБ-ИССЛЕДОВАНИЯХ.

2.1. Концептуальный объект=участники опроса.

2.1.1. Построение выборочной совокупности. Оценка параметров.

2.1.2. Ошибки опросов.

2.1.3. Ремонт данных: расчет корректирующих коэффициентов склонности.

2.2. Концептуальный объект=посетители веб-сайтов.

2.3. Концептуальный объект=труднодоступные группы: выборка, управляемая респондентами.

2.3.1. Опрос труднодоступных единиц.

2.3.2. Построение выборочной совокупности.

2.3.3. Оценка параметров генеральной совокупности.

2.3.4. Проведение опроса методом RDS в Интернете.

2.4. Концептуальный объект=пользователи Интернета.

2.4.1. Построение выборочной совокупности. Оценка параметров генеральной совокупности.

2.4.2. Ремонт данных.

2.5. Концептуальный объектен ас еление.

2.5.1. Интернет опрос как один из возможных способов заполнения анкет.

2.5.2. Репрезентативный онлайн опрос населения.

ГЛАВА III ОНЛАЙН ОПРОС ПОСЕТИТЕЛЕЙ КАЗИНО: ОПЫТ ПОСТРОЕНИЯ И ОЦЕНКИ RDS ВЫБОРКИ.

3.1. Модели анализа гемблинга.

3.2. Методы сбора данных.

3.3. Результаты методического эксперимента.

3.3.1. Программа методического эксперимента.

3.3.2. Анализ RDS данных.

3.3.3. Оценка параметров генеральной совокупности.

3.3.4. Анализ данных онлайн опроса.

3.3.5. Преимущества и ограничения онлайн RDS метода для опроса труднодоступных групп.

Рекомендованный список диссертаций по специальности «Теория, методология и история социологии», 22.00.01 шифр ВАК

Введение диссертации (часть автореферата) на тему «Методология веб-исследований: основные подходы к формированию выборки и возможности повышения качества данных»

За последние пятьдесят лет область методологии и методов социологических исследований претерпела большие изменения. В числе самых значимых изменений можно выделить развитие методов вероятностной выборки и новых подходов к многомерному статистическому анализу, распространение телефонного интервью и разработку методов панельных исследований. Однако ни одно из этих изменений не привело к таким серьезным последствиям, как применение компьютерных методов к сбору социологических данных. Это изменение является решающим и поворотным в исследовательской практике. Движение к исследованиям, основанным на компьютерном сборе данных, можно рассматривать как нечто закономерное вследствие того, что компьютер занимает центральное место во всех областях человеческой деятельности.

С распространением Интернета стремительно начала развиваться область веб-исследований. В настоящее время онлайн исследования уже могут рассматриваться не только как теоретическое нововведение, но и как реальная практика проведения социологических исследований. Вместе с тем веб-исследования пока не получили широкого признания в научной среде, и основные причины постановки под вопрос их легитимности — базовые для методологии проблемы репрезентативности и валидности данных. Важно отметить, что социальные ученые зачастую не учитывают как релевантность использования онлайн опросов в ряде исследовательских задач (например, в экспериментальных исследованиях), так и возможные методологические решения данных проблем в некоторых типах веб-исследований. Более того, не учитываются и технологические преимущества Интернета, позволяющие повысить качество онлайн данных.

Этими обстоятельствами обусловлена актуальность рассмотрения вопросов методологии веб-исследований. В работе мы рассмотрим вопросы валидности и репрезентативности онлайн данных сквозь призму основных подходов к построению выборочной совокупности, а некоторые возможности улучшения качества данных — сквозь призму онлайн методологии опроса редких и «закрытых» совокупностей, а именно, выборки, управляемой респондентами (respondent-driven sample - RDS).

Отметим, что, несмотря на увеличивающееся количество публикаций по веб-исследованиям, наблюдается недостаток теоретических и эмпирических работ, затрагивающих фундаментальные основы веб-исследований. Актуальность данной работы определяется и тем, что она, в том числе, предназначена восполнить пробелы в отечественной методологии социологических исследований. Обсуждение базовых методологических вопросов проведения веб-исследований, рассмотрение решений проблем валидности и репрезентативности онлайн данных, а также возможностей повышения качества данных позволит увеличить интерес к онлайн исследованиям в научной среде, и что более важно -начать движение к разработке и обоснованию новых методов сбора и анализа социологических данных.

В диссертационной работе мы ставим следующую цель: выявить некоторые возможности повышения качества данных веб-исследований и указать на потенциал использования веб-опросов для повышения валидности данных о труднодоступных группах населения. Соответственно, объектом данного диссертационного исследования являются методологические подходы, сложившиеся в t области веб-исследований, предметом — подходы к формированию выборки и оценке качества данных в веб-исследованиях.

Сформулированная выше цель требует решения семи исследовательских задач.

1) Типологизировать существующие веб-исследования и рассмотреть методологические основания каждого типа.

2) Оценить качество данных в каждом выделенном типе веб-исследований в терминах внутренней и внешней валидности.

3) Рассмотреть методологические основания формирования выборки в веб-опросах, а также возможности для оценки параметров генеральной совокупности и расчета ошибок опроса.

4) Проанализировать способы статистической корректировки и ремонта эмпирических данных в веб-исследованиях.

5) Обозначить перспективы применения онлайн методологии выборки, управляемой респондентами (RDS - respondent-driven sample), для опроса труднодоступных социальных групп и институционально замкнутых совокупностей.

6) Провести онлайн RDS опрос игроков в казино и сравнить итоги с результатами оффлайн исследования с применением вероятностной выборки.

7) Определить эффективность проведения онлайн RDS опроса в терминах результативности опроса и качества данных.

Научная новизна диссертационного исследования отражена в следующих положениях.

1) Разработана типология веб-опросов, основанная на выделении концептуального объекта, или идеальной генеральной совокупности, на который можно экстраполировать полученные данные. В работе выделено пять типов веб-исследований, в которых концептуальный объект приравнивается (а) к реальному объекту; (Ь) к посетителям определенного Интернет-сайта; (с) к отдельным социальным группам; (d) к пользователям всемирной сети; (е) к населению, имеющему и не имеющему доступ в Интернет.

2) Выявлены угрозы внутренней валидности, вызванные случайной и систематической ошибкой измерения, а также угрозы внешней валидности, вызванные систематическими ошибками выборки, охвата и «неответов».

3) Обоснованы принципы построения выборки и оценки параметров генеральной совокупности для всех типов веб-исследований, включающие в себя: (а) явное описание или реконструкцию концептуального объекта исследования, (Ь) задание соответствующей концептуальному объекту основы выборки или способа её адаптивного построения.

4) Показано, что проблема репрезентативности онлайн данных решается за счет нивелирования ошибки охвата. В работе впервые систематически проанализированы существующие возможности построения репрезентативной вероятностной выборки посетителей определенных сайтов, Интернет пользователей и всего населения.

5) Продемонстрирована относительно невысокая эффективность применения расчета корректирующих оценок склонности ("propensity score") с целью ремонта данных в онлайн опросах с применением невероятностного отбора.

6) Обоснована эффективность применения онлайн RDS методологии для исследования труднодоступных групп (на примере игроков в казино). Основываясь на сравнении полученных результатов эмпирического методического эксперимента, проведенного автором, с результатами опроса ФОМа с применением случайной маршрутной выборки, в работе выявлены преимущества и ограничения онлайн RDS опроса.

Теоретико-методологической основой диссертационного исследования стали работы М. Купера и предложенная им типология веб-опросов, исследования Д. Хекаторна по разработке RDS методологии, а также работы европейских и американских социологов в области веб-исследований.

Отметим, что важным преимуществом RDS метода является возможность оценить параметры генеральной совокупности и выборочную ошибку, что приближает качество получаемых данных к результатам «стандартных» опросов с применением методов вероятностного отбора. Методология применения RDS в онлайн исследованиях находится на ранней стадии разработки, а особенности использования RDS для повышения валидности данных онлайн опросов труднодоступных совокупностей остаются малоисследованными.

Эмпирическая база диссертации основывается на методическом онлайн эксперименте, проведенным автором в мае-августе 2009 г. и нацеленным на апробацию и оценку применимости онлайн RDS метода для исследования редких совокупностей. Эксперимент был реализован на материале онлайн опроса индивидов, посещающих казино и/или играющих в онлайн казино. Эффективность и достоверность полученных результатов сравнивалась с оценками, полученными в исследовании ФОМа 2006 года с применением случайной маршрутной выборки.

С учетом поставленных задач мы можем выделить четыре группы источников, релевантных для нашего исследования и отражающих глубину проработки темы.

В первую группу входят методологические работы, затрагивающие основы веб-исследований. Это, прежде всего, теоретические обобщения М. Купера, а также Д. Дилмана.

Вторую группу релевантных текстов образуют эмпирические работы, обозначающие преимущества и недостатки различных типов онлайн исследований, а также оценивающих валидность и надежность получаемых данных.

Третья группа источников — это теоретические работы Д. Хекаторна по RDS методологии и эмпирические опросы, проведенные с применением этого метода. Здесь также важно отметить работы основателя сетевого подхода Дж. Коулмана, впервые описавшего применение метода снежного кома.

И, наконец, четвертая группа релевантных текстов — базовые работы для методологии социологических исследований в целом, а именно, работы П. Лазарсфельда, институциализировавшего практику проведения эмпирического исследования в социологии, Л.Киша, разработавшего методы формирования выборки, и Д.Кэмпбелла, предложившего критерии оценки внутренней и внешней валидности экспериментальных данных.

Диссертационная работа состоит из введения, трех глав, заключения и библиографии. Первая глава «Типология количественных веб-исследований» нацелена на решение задачи типологизации веб-исследований. Вторая глава «Построение выборочной совокупности в веб-исследованиях» посвящена вопросам построения выборочной совокупности и возможностям оценки параметров. Третья глава «Онлайн опрос посетителей казино: опыт построения и оценки RDS выборки» выявляет научный потенциал применения онлайн RDS методологии для опроса труднодоступных групп.

Похожие диссертационные работы по специальности «Теория, методология и история социологии», 22.00.01 шифр ВАК

Заключение диссертации по теме «Теория, методология и история социологии», Мавлетова, Айгуль Маратовна

Результаты исследования показывают, что мужчины в среднем знают шестнадцать мужчин и двух женщин, играющих в казино. Женщины, в свою очередь, знают, четырнадцать мужчин и двух женщин, посещающих казино или играющих в онлайн казино.

Для того чтобы оцепить, насколько рекрутирование новых участников исследования по переменной «пол» было случайным, применим критерий хи-квадрат. Для этого сравним фактические паттерны рекрутирования с ожидаемыми частотами, рассчитанными на основе композиции социальной сети группы (Таблицы 21-22). Нулевая гипотеза формулируется в этом случае следующим образом: рекрутирование участников носит неслучайный характер.

ЗАКЛЮЧЕНИЕ

Одно из самых значимых изменений в области социологических методов сбора данных за последние десятилетия связано с развитием веб-исследований. Это изменение предопределяет направления развития новых техник и методов сбора и анализа данных.

В диссертационной работе мы рассмотрели основные подходы к построению выборочной совокупности в веб-исследованиях, обозначили некоторые пути повышения качества данных и указали на потенциал развития и использования веб-опросов для исследования труднодоступных групп.

В работе пре дложена и рассмотрена типология веб-исследований, исходя из «концептуального объекта» исследования - идеальной генеральной совокупности. Мы выделили пять типов веб-исследований, в которых:

1) концептуальный объект приравнивается к реальным участникам опроса,

2) генеральную совокупность формируют посетители конкретного Интернет-сайта,

3) генеральную совокупность формируют заданные социальные группы,

4) результаты можно обобщить на пользователей Всемирной сети,

5) результаты можно обобщить одновременно на пользователей сети и людей, не имеющих доступ в Интернет.

В каждом типе веб-исследований мы рассмотрели методологические основания, выявили специфику формирования выборок, оценили качество данных в терминах внутренней и внешней валидности, а также предложили возможности улучшения и корректировки данных.

В исследованиях, в которых концептуальный объект приравнивается к реальным участникам опроса, мы рассмотрели, следующие подтипы: (а) развлекательные опросы, (Ь) опросы посетителей Интернет-сайтов, (с)

147 опросы пользователей социальных сетей, (d) опросы участников access-панелей Интернет-пользователей. Результаты данного типа исследований в случае их экстраполяции на совокупность веб-пользователей или население подвержены ошибкам охвата, выборки и неответов. Главной особенностью подобных веб-исследований является знание, желание и готовность респондентов ответить на вопросы. Иными словами, каждый Интернет-пользователь к имеет неизвестную вероятность отбора рк. Вероятность отбора респондентов можно оцепить апостериорно, используя метод перевзвешивания на основе расчета коэффициентов склонности. В этом методе статистического перевзвешивания в качестве контрольной группы выступает случайная выборка населения или выборка Интернет-пользователей. Соответственно, ремонт данных позволяет экстраполировать результаты на веб-пользователей или все население. Как мы показали в работе, применение данного метода не всегда увеличивает точность оценок переменных.

В веб-исследованиях, результаты которых можно обобщить на пользователей определенных сайтов, мы рассмотрели два подтипа: (а) анализ предпочтений индивидов на основе изучения профилей пользователей социальных сетей и (Ь) опрос посетителей сайтов, отобранных по случайной выборке. Первый подтип исследований позволяет проводить неявный мониторинг пользователей социальных сетей посредством анализа профильной информации о предпочтениях и вкусах индивидов. В работе мы рассмотрели возможности, открывающиеся перед исследователями благодаря одному из проектов семантического веба («Друг друга»). Целыо проект является создание стандартного механизма размещения информации па сайтах социальных сетей и объединение их в одну глобальную базу персональных данных пользователей. Отличительной характеристикой второго подтипа исследований является отбор посетителей сайта с использованием принципа систематической выборки, применяемой в опросах избирателей на выходе в день выборов. Основа выборки сужается до посетителей Интернет-сайта, и, таким образом, элиминируется проблема охвата. Наиболее значимая ошибка в данном подтипе опросов — ошибка неответов.

В веб-исследованиях, результаты которых можно обобщить на пользователей Всемирной сети, мы рассмотрели возможность исследования веб-пользователей на основе случайного отбора населения классическим способом (например, по телефону) и опроса среди них респондентов, имеющих доступ в Интернет. Ошибка неответов является наибольшей угрозой в данном типе опросов. Однако в отличие от методов, где применяется неслучайная выборка, в данном типе веб-исследований возможно измерить ошибку охвата и неответов па основе собранной социально-демографической информации о пользователях и непользователях Интернета. В том случае, если на основе полученных данных исследователь экстраполирует результаты на все население, в том числе на группы, не имеющие доступ в Интернет, применяются следующие методы ремонта данных: (а) постстратификационное взвешивание, (Ь) взвешивание в соответствии с контрольной выборкой, (с) построение выборки индивидов, не имеющих доступ в Интернет.

Наиболее важной методологической проблемой веб-исследований является внешняя валидность онлайн данных. В работе мы детально рассмотрели онлайн исследования, которые позволяют решить данную методологическую проблему. Новаторское использование онлайн методологии в социальных науках связано с возможностью проведения веб-исследований с применением случайной выборки, репрезентирующих как веб-пользователей, так и индивидов, не имеющих доступ в Интернет. На каждом этапе можно рассчитать коэффициенты результативности онлайн опросов по аналогии с коэффициентами, разработанными AAPOR для телефонных интервью.

В. работе, было показано, что одна из сильных сторон использования веб-исследований - проведение опросов труднодоступных групп. Важным преимуществом метода RDS является получение валидных оценок параметров генеральной совокупности и выборочной ошибки, что приближает качество получаемых данных к результатам традиционных опросов с применением методов вероятностного отбора. Методический эксперимент с опросом игроков казино показал эффективность использования онлайн RDS методологии для исследования труднодоступных или замкнутых социальных групп.

Проведенное нами исследование не претендует на исчерпывающую полноту. Возможные решения проблемы валидности и надежности данных в веб-исследованиях, новые походы к формированию выборки, а также новаторские методы онлайн исследований и анализа многообразной информации в Интернете являются для автора предметом дальнейшей научной работы.

Список литературы диссертационного исследования кандидат социологических наук Мавлетова, Айгуль Маратовна, 2010 год

1. Бауман 3. Текучая современность. Спб: Питер: 2008.

2. Докторов Б. Из XVII столетия в наступивший век: к становлению пост-гэллаповских опросных технологий, online.http://pseudology.org/Gallup/Doktorov XVII.htm>

3. Докторов Б. К попытке определения пространства американских методических исследований опросных технологий, online)http.7/pseudologv.org/Gallup/DoktorovMethodSpace.htm>

4. Докторов Б. Онлайновые опросы — обыденность наступившего столетия, online.http://pseudology.org/Gallup/On line Polls.htm>

5. Докторов Б. Постгэллаповские опросные технологии. Начало четвертого этапа развития методов изучения общественного мнения, online.http://pseudology.org/Gallup/Gallup Post.htm>.

6. Докторов Б.З. Реклама и опросы общественного мнения в США: История зарождения. Судьбы творцов. М.: ЦСП, 2008.

7. Дружинин Н. Выборочное наблюдение и эксперимент. М.: Статистика, 1977.

8. Интернет в России / Россия в Интернете // ФОМ Опросы. Март 2009. online.http://bd.fom.ru/pdI7int0309.pdf>

9. Кнорр-Цетина К. Социальность и объеюы. Социальные отношения в постсоциальных обществах знания // Социология вещей. Сборник статей / Под ред. В.Вахштайна. М.: Издательский дом «Территория будущего», 2006. С. 267-307.

10. Кэмпбелл Д. Модели экспериментов в социальной психологии и прикладных исследованиях. М.: Прогресс, 1980.

11. Мавлетова А. Казино: вовлеченность и эмоции // ЭСФорум. Февраль 2008. С. 11-14.

12. Мавлетова А. Казино: территория эмоциональности или расчета? // Социальная реальность. 2008, №3. С. 100-110.

13. Мавлетова А. Казино: территория эмоциональности или расчета? // Социальная реальность. 2008, №4. С. 96-110.

14. Мавлетова А. Борьба за качество и надежность данных в онлайн исследованиях: основные результаты панельной конференции CASRO 2009 // Онлайн исследования в России 2.0 / Под ред. А.В. Шашкина, И.Ф. Девятко, С.Г. Давыдова. М: РИЦ «Северо-Восток», 2010.

15. Мавлетова А. Социологические опросы в сети Интернет: возможности построения типологии // Социология 4 М (в печати).

16. Мягков А.Ю. Использование экспертных оценок при диагностике неискренних ответов респондентов // Социологический Журнал. 2002. №3. online.http ://www. socj ournal .ru/article/ 514>

17. Онлайн исследования в России: Тенденции и перспективы / Под ред. А.В. Шашкина, М.Е. Поздняковой М: ИС РАН, 2006.

18. Онлайн исследования в России 2.0 / Под ред. А.В. Шашкина, И.Ф. Девятко, С.Г. Давыдова. М: РИЦ «Северо-Восток», 2010.

19. Сирл Дж. Разум мозга компьютерная программа? // В мире науки. 1990. №3. С. 7-13.

20. Эфрон Б. Нетрадиционные методы многомерного статистического анализа / Под ред. Ю. П. Адлера. М: Финансы и статистика, 1988.

21. AAPOR Report On Online Panels, March 2010. online. <http://www. aapor.org/AM/Template. cfm?Section=AAPORCommitteeandTaskForceReports&Template=/CM/ConLentDisplay.cfm&ContentID=22 23>

22. Abbott M., VolbergR., Ronneberg S. Comparing the New Zealand and Swedish National Surveys of Gambling and Problem Gambling // Journal of Gambling Studies. 2004. Vol. 20. No. 3. P. 237-258.

23. Alvarez R., Sherman R., VanBeselaere C. Subject acquisition for web-based surveys // Political Analysis. 2003. Vol. 11. No. 1. P. 23-43.

24. Babbie E. R. Survey research methods. Wadsworth Publishing, 1990.

25. Baker R. Caught in the web // Research World. June 2008.

26. Bandilla W. Web surveys an appropriate mode of data collection for the social sciences? // Online social sciences / Ed. by B. Batinic, U-D. Reips, M. Bosnjak. Gottingen: Hogrefe & Huber Publishers, 2002. P. 1-6.

27. Basso A., Miraglia M. Avoiding Massive Automated Voting in Internet Polls // Electronic Notes in Theoretical Computer Science. 2008. Vol. 197. No. 2. P. 149-157.

28. Beniger J. Survey and market research confront their future on the World Wide Web // Public Opinion Quarterly. 1998. Vol. 62. No. 3. P. 442-452.

29. BerglerE. The psychology of gambling. New-York: Hill and Wang, 1957.

30. Berners-Lee Т., Hendler J., Lassila O. The semantic web // Scientific American Magazine. May 17, 2001. online. <http://www.sciam.com/article.cfm?id=thc-semantic-web>

31. Berrens R., Bohara A., Jenkins-Smith H., Silva C., Weimcr D. The advent of Internet surveys for political research: A comparison of telephone and Internet samples // Political analyses. 2003. Vol. 11. No. 1. P. 1-22.

32. Best S. Internet data collection. L.: SAGE Publications, 2004.

33. Bethlehem J. Internet survey developments at statistics Netherlands. Discussion paper 05003. Voorburg/Heerlecn, 2005.

34. Bethlehem J. Reducing the bias of web survey based estimates. Discussion paper 07001. Voorburg/Heerlcn. January 2007.

35. Black J., Champion D. Methods and issues in social research. John Wiley and Sons: Chichester, 1976.

36. Bloch H. The sociology of gambling // American Journal of Sociology. Vol. 57. No. 3. P.215-221.

37. Bolen D., Boyde W. Gambling and the gambler: A review and preliminary findings // Studies in the Psychology of Gambling / Ed. by I. Kusyszyn. New-York: Simon and Schuster. 1972, P. 11-27.

38. Brecko В., Carstens R. (2006) Paper versus web survey do they provide comparable results? 2006. online.http://www.websm.0rg/upl0adi/edit0r/l 175239985Brecko Carstens.p df>

39. Brenner V. Generalizability issues in Internet-based survey research: Implications for the Internet addiction controversy // Online social sciences / Ed. by B. Batinic, U-D. Reips, M. Bosnjak. Gottingen: Hogrefe & Huber Publishers, 2002. P. 93-113.

40. Brickley D., Miller L.FOAF Vocabulary Specification 0.9. May 2007. online.http://xmlns.eom/foaf/Q.\!>

41. Bowen A., Williams M., Horvath K. Using the Internet to recruit rural MSM for HIV risk assessment: Sampling Issues // AIDS and Behavior. 2004. Vol. 8. No. 3. P. 311-319.

42. Burnett R., Marshall P. Web theory. An introduction. New York: Routledge, 2003.

43. Callegaro M., DiSorga C. Computing metrics for online panels // Public Opinion Quarterly. 2008. Vol. 72, No. 5. P. 1008-1032.

44. Campbell F. Gambling: A positive view // Gambling and Society: Interdisciplinary Studies on the Subject of Gambling / Ed. by W. Eadington. Springfield: Charles T. Thomas. P. 218-228.

45. Carmines E. Reliability and validity assessment. Beverly Hills, Calif.: SAGE Publications, 1979.

46. AComparisonoftheRandomDigitDailingTelephoneSurvey.pdf>

47. Christian L., Dillman D., Smyth J. Helping respondents get it right the first time: The influence of words, symbols, and graphics in web-surveys //Public Opinion Quarterly. 2007. Vol. 71. P. 113-125.

48. Clinton J. Panel bias from attrition and conditioning: A case study of the Knowledge Networks // Paper presented at the Annual Conference of the American Association for Public Opinion Research. Montreal, Canada. 2001. P. 1-34.

49. Cochran W. The effectiveness of adjustment by subclassification in removing bias in observational studies // Biometrics, 1968. Vol. 24. No. 2. P. 295-313.

50. Cochran W. G. Sampling Techniques. New York: John Wiley & Sons, 1977.

51. Cochran W. G., Mosteller F, Tuckey J.W. Principles of sampling// Journal of the American Statistical Association. 1954. Vol. 49. P. 13-35.

52. Coleman J. Relational analysis: The study of social organization with survey methods // Human Organization. 1958. Vol. 17. P. 28-36.

53. Comley P. Pop-up surveys: What works, what doesn't work and what will work in the future. 2000. Proceedings of the ESOMAR Worldwide Internet conference Net Effects 3, Amsterdam, online. <www.virtualsurveys.com/news/papers/paper4.asp>

54. Comley P. Innovation in online research — who needs online panels? // MRS Research Conference. 2003. Paper 36. P. 1-14. online. <http://www.vvebsm.org/uploadi/editor/Comley 2003Innovation in onli ne research.pdf>

55. Comley P. Understanding the online panelist // Paper presented at the Annual ESOMAR World Research Conference. 2005.

56. CoomberR. Using the Internet for survey research // Sociological Research Online. 1997. Vol. 2. No. 2. online. <http://www.socresonline.org.Uk/socresonline/2/2/2.html>

57. Couper M. Issues of representation in ellealth Research (with a focus on web surveys) // American Journal of Preventive Medicine. 2007. Vol. 32. No. 5S. P. 83-89.

58. Couper M. Technology trends in survey data collection// Social Science Computer Review. 2005. Vol. 23. No. 4. P. 486-501.

59. Couper M. Web surveys: A review of issues and approaches // Public Opinion Quarterly. 2000. Vol. 64. No. 4. P. 464-494.

60. Couper M., Conrad F., Tourangeau R. Visual context in web-surveys // Public Opinion Quarterly. 2007. Vol. 71. No. 4. P. 623-634.

61. Couper M., Bosnjak M. Internet surveys // Handbook of Survey Research / Ed. by J. Wright and P. Marsden. Emerald Books, 2010. P. 527-550.

62. Couper M., Kapteyn A., Schonlau M., Winter J. Noncoverage and nonresponse in an Internet survey // Social Science Research. 2007. No. 36. P. 131-148.

63. Couper M., Tourangeau R., Conrad F., Singer E. Evaluating the effectiveness of visual analog scales: A web experiment // Social Science Computer Review. 2006. Vol. 24. No. 2. P. 227-245.

64. Couper M., Tourangeau R., Kenyon K. Picture this! Exploring visual effects in web surveys // Public Opinion Quarterly. 2007. Vol. 68. No. 2. P. 255-266.

65. Couper M., Traugott M., Lamias M. Web surveys design and administration // Public Opinion Quarterly. 2001. Vol. 65. P. 230-253.

66. Crawford W. Survey Says.Or Does It? Fun with Statistics. // EContent. 2004. Vol. 27. No. 11. P. 42-43.

67. Danielsson, S. (2002). The propensity score and estimation in nonrandom surveys: An overview. 2002. online. <http://www.statistics.su.Se/modemsurvevs/publ/l 1 ,pdf>

68. Davis R. Web-based administration of a personality questionnaire: Comparison with traditional methods // Behavior Research Methods, Instruments and Computers. 1999. Vol. 31. P. 572-577.

69. De Leeuw E. To mix or not to mix data collection modes in surveys // Journal of Official Statistics. 2005. Vol. 21. No. 2. P. 233-255.

70. Dennis M. Are Internet panels creating professional respondents? A study of panel effects // Marketing Research. 2001. Vol. 13. No. 2. P. 34-38.

71. Dennis M., Li R. Effects of panel attrition on survey estimates // Paper presented at the Annual Conference of the American Association for Public Opinion Research. Nashville. 2003.

72. Deming W.E. On errors in surveys // American Sociological Review. 1944. Vol. 9. No. 4. P. 359-369.

73. Dillman D. A. Mail and Internet surveys: The tailored design method. New York: John Wiley and Sons. 2000.

74. Dillman D., Eltinge J., Groves R., Little R. Survey nonresponse in design, data collection, and analysis // Survey Nonresponse // Ed. by Dillman D., Eltinge J., Groves R., Little R. New York, John Wiley & Sons. P. 3-26.

75. Dillman D.A., Tortora R.D., Bowker D. Principles for constructing web surveys, 1999. online.www.sesrc.wsu.edu/dillman/papers/websurveyppr.pdf>

76. Ding L, Finin Т., Joshi A. Analyzing social networks on the semantic web // IEEE Intelligent Systems. 2005. Vol. 9, No. 1. online.http://ebiquity.umbc.edu/filedirectory/papers/126.pdf>

77. Doing Internet research: Critical Issues and methods for examining the net // Ed. By Jones S. California: SAGE Publications, 1998.

78. Duffy В., Smith K., Terhanian G., Bremer J. Comparing data from online and face-to-face surveys // International Journal of Market Research. 2005. Vol. 47. No. 6. P. 615-639.

79. Erickson B. Some problems of inference from chain data // Sociological Methodology. 1979. Vol. 10. P. 276-302.

80. Evans J.R., Mathur A. The value of online surveys // Internet Research. 2005. Vol. 15. No. 2. P. 195-219.

81. Fink A. How to sample in surveys. London: SAGE Publications, 1995.

82. Fink A. The survey handbook. London: SAGE Publications, 1995

83. Firat A.F., Dholakia N. Consuming people. From political economy to theatres of consumption. London: Routledge, 2003.

84. Flemming G., Sonner M. (1999) .Can Internet Polling Work? Strategies for Conducting Public Opinion Surveys Online // Paper presented at the Annual Conference of the American Association for Public Opinion Research, 1999.

85. Fricker R. D. Sampling methods for web and e-mail surveys. 2006. online.http://www.nps.navy .mil/orfacpag/resumePa2;es/papers/frickerpa/Draft% 20Internet%20Survev%20Sampling%20Chapter.pdl>

86. Ganassali S. The influence of the design of web survey questionnaires on the quality of responses // Survey Research Methods. 2008. Vol. 2. No. 1. P. 21-32.

87. Garland P., Santus D., Uppal R. Survey lockouts: Are we too cautious? // Paper presented at the Panel Conference of the Council of American Survey Research Organizations. New Orleans, USA. 2009. P. 1-4.

88. Gettelman S., Trimarchi E. On the road to clarify: Differences between sample sources. // Paper presented at the Panel Conference of the Council of American Survey Research Organizations. New Orleans, USA. 2009. P. 1-27.

89. Giacobbe J., Petit A. Data quality: Prevalence and types of survey response sets // CASRO Panel Conference. 2008. February 5-6, Miami. P. 1-7.

90. GoffmanE. Where the action is // Interaction ritual: Essays on facc-to-face behavior. New York: Pantheon Books, 1967. P. 149-270.

91. Goodman L. Snowball sampling // The Annals of Mathematical Statistics. 1961. Vol. 32. P. 148-170.

92. Goritz A.S., ReinholdN., Batinic B. Online panels // Online social sciences / Ed. by B. Batinic, U-D. Reips, M. Bosnjak. Gottingen: Hogrefe & Huber Publishers, 2002. P. 27-47.

93. Goritz A. Recruitment for online access panels // International Journal of Market Research. 2004. Vol 46. Quarter 4. P. 411-425.

94. Goritz A.S Using lotteries, loyalty points, and other incentives to increase participant response and completion // Advanced methods for conducting online behavioral research / Ed. by S. Gosling and J. Johnson. P. 219-233.

95. Groves R. Survey errors and survey costs. New York: John Wiley and Sons, 1989.

96. Groves R., Couper M., Presser S., Singer E., Tourangeau R., Piani Acosta G., Nelson L. Experiments in producing nonresponse bias // Public Opinion Quarterly. 2006. Vol. 70. No. 5. P. 720-736.

97. GunterB., Nicholas D., Huntington P., Williams P. Online versus offline research: Implications for evaluating digital media // Aslib Proceedings. 2002. Vol. 54, No. 4. P. 229-239.

98. Heflin J., Hendler J., Luke S. SHOE: A blueprint for the semantic web // Spinning the semantic web: Bringing the World Wide Web to its full potential // Edited by D. Fensel, J. Hendler, 11. Lieberman, W. Wahlster. London: MIT Press, 2003. P. 29-58.

99. Heckathorn D. Collective action and group heterogeneity: Voluntary provision versus selective incentives // American Sociological Review. 1993. Vol. 58. No. 3. P. 329-350.

100. Heckathorn D. Extensions of respondent-driven sampling: Analyzing continuous variables and controlling for differential recruitment // Sociological Methodology. 2007. Vol. 37. P. 151-208.

101. Heckathorn D. Respondent-driven sampling: A new approach to the study of hidden populations//Social Problems. 1997. Vol.44. No. 2. P. 174-199.

102. Heckathorn D. Respondent-driven sampling II: Deriving valid population estimates from chain-referral samples of hidden populations // Social Problems. 2002. Vol. 49. No. 2. P. 11-34.

103. Henry G. Т. Practical sampling. Newbury Park: SAGE Publications, 1990.

104. Horvath K., Beadnell В., Bowen A. A daily web diary of the sexual experiences of men who have sex with men: Comparisons with a retrospective recall survey // AIDS Behavior. 2007. Vol. 11. P. 537-548.

105. Horwitz D.G., Thompson D.J. A generalization of sampling without replacement form a finite universe // Journal of the American Statistical Association. 1952. Vol. 47. P. 663-685.

106. Hurwitz W. N. Sample survey methods and theory. New York: John Wiley and Sons. 1993.

107. Joinson A., Paine C., Buchanan Т., Reips U-D. Measuring self-disclosure online: Blurring and non-response to sensitive items in web-based surveys // Computers in Human Behavior. 2008. Vol. 24. P. 2158— 2171.

108. Kaur I., SchutteN., Thorsteinsson E. Gambling control self-efficacy as a mediator of the effects of low emotional intelligence on problem gambling // Gambling Studies. 2006. Vol. 22. P. 405-411.

109. Kaplowitz M.D., Hadlock T.D., Levine R. A comparison of web and mail survey response rates // Public Opinion Quarterly. 2004. Vol. 68. No. 1. P. 94-101.

110. Kish L. Statistical design for research. New York: John Wiley and Sons, 2004.

111. Kish L. A procedure for objective respondent selection within the household// Journal of the American Statistical Association. 1949. Vol. 44, No. 247. P. 380-387.

112. Klovdahl A. Urban social networks: Some methodological problems and possibilities // The small world // Ed.by M. Kochen. Norword, NJ: Ablex Publishing, 1989. P. 176-210.

113. KrosnickJ., Alwin D. An evaluation of a cognitive theory of response-order effects in survey measurement // Public Opinion Quarterly. 1987. Vol. 51. P. 211-219

114. Kusyszynl. How gambling saved me from a misspent sabbatical // Gambling and Society: Interdisciplinary Studies on the Subject of Gambling / Ed. by W. Eadington. Springfield: Charles T. Thomas. 1976. P. 255-264.

115. Lazarsfeld P. Panel Studies // Public Opinion Quarterly. 1940. Vol. 38. No. 4. P. 122-128.

116. Lee R. Doing research on sensitive topics. SAGE: London, 1993.

117. Lee S. An evaluation of nonrcsponse and coverage errors in a prerecruited probability web panel survey // Social Science Computer Review. 2006. Vol. 24. No. 4. P. 460-474.

118. Lee S. Propensity score adjustment as a weighting scheme for volunteer panel web surveys // Journal of Official Statistics. 2006. Vol. 22. No. 2. P. 329-349.

119. Lee S. Statistical estimation methods in volunteer panel web surveys. Dissertation. 2004. online.http://www.websm.org/index.php?fl=2&lact=::l&bid:=::l 1740&page=2&p arent—12>

120. Lefever S., Dal M., Matthiasdottir A. Online data collection in academic research: Advantages and limitations // British Journal of Educational Technology. 2007. Vol. 38. No. 4. P. 574-582.

121. Lesieur II., Blume S. The South Oaks Gambling Screen (SOGS): A new instrument for the identification of pathological gamblers // American Journal of Psychiatry. 1987. Vol. 144. P. 1184-1188.

122. Liu H. Social network profiles as taste performances // Journal of Computer-Mediated Communication. 2007. Vol. 13. No. 1. online. <http ://j cmc. indiana.edu/vol 13/issue 1 /liu ,html>

123. Li W., Smith M. The propensity to gamble: Some structural determinants // Gambling and Society: Interdisciplinary Studies on the Subject of Gambling / Ed. by W. lladington. Springfield: Charles T. Thomas. 1976. P. 189-206.

124. Luck K. Data quality considerations when utilizing a multi-sourced sample approach // Paper presented at the Panel Conference of the Council of American Survey Research Organizations. New Orleans, USA. 2009. P. 1-8.

125. Lutwin M.S. How to measure survey reliability and validity. SAGE Publications, 1995.

126. May T. Social research: issues, methods and process. Open University Press: Buckingham, 1993.

127. Mahon-Haft T.A., Dillman D Docs visual appeal matter? Effects of web survey aesthetics on survey quality // Survey Research Methods. 2010. Vol. 4. No. l.P. 43-59.

128. Mika P. Social networks and semantic web. Springer, 2007.

129. Nancan*ow C., Cartwright T. Online access panels and tracking research. The conditioning issue // International Journal of Market Research. 2007. Vol. 49. No. 5. P. 573-594.

130. OliveiraM., SilvaM., da Silvcira D. Validity study of the South Oaks Gambling Screen among distinct groups of Brazilian gamblers // Rev Bras Psiquiatr. Vol. 24. No. 34. P. 170-176.

131. Panel Surveys // Ed.by D. Kasprzyk, G. Duncan, G. Kalton, M. Singh. New York, NY: Wiley, 1989.

132. Paolillo J., Wright E. Social network analysis on the semantic web: Techniques and challenges for visualizing FOAF. online. <www.blogninja.com/vsw-draft-paolillo-wright-foaf.pdf>

133. Petit A., Chadwick S. The complement of social networks and market research // Paper presented at the Panel Conference of the Council of American Survey Research Organizations. New Orleans, USA. 2009. P. 1-6.

134. Petry N. Internet gambling: An emerging concern in family practice medicine // Family Practice. 2006. Vol. 23. P. 421-426.

135. Pineau V., Dennis J. Methodology for probability-based recruitment for a web-enabled panel. 2004. online. <www.knowledgenetworks.com/ganp/reviewer-info.html>

136. Rapoport A. Contribution to the theory of random and biased nets // Bulletin of Mathematical Biophysics. 1957. Vol. 19. P. 257-277.

137. Rivers D. Probability-based web-surveying: An overview // Paper presented at The American Association for Public Opinion Research Annual Conference. Portland. May, 2000.

138. Rivers D., Huggins V., Slotwiner D. Combining random and non-random samples. Prepared for the Joint Statistical Meetings of the American Statistical Association. 2003. |online.http://www.lcnowledgenetworks.com/ganp/rcviewer-info.html>

139. Rosenbaum P. R., Rubin D. Reducing bias in observational studies using subclassification on the propensity scorc // Journal of the American Statistical Association. 1984. Vol. 79. No. 387. P. 516-524.

140. Rosenbaum P. R., Rubin D. The central role of the propensity score in observational studies for causal effects // Biometrika. 1983. Vol. 70. No. 1. P. 41-55.

141. SalganikM., Heckathorn D. Sampling and estimation in hidden populations using respondent-driven sampling // Sociological Methodology. Vol. 34. P. 193-239.

142. SalganikM. Variance estimation, design effccts, and sample size calculations for respondent-driven sampling // Journal of Urban Health. 2006. Vol. 111. P. 83-98.

143. Sanders T. Reseraching the online sex work community // Virtual Methods: Issues in social research on the Internet // Ed. By C. Hine. Berg: Oxford, 2005. P. 67-79.

144. Sayles H., Arens Z. A study of panel member attrition in the Gallup panel // Paper presented at the Annual Conference of the American Association for Public Opinion Research. Anaheim. 2007.

145. Selm M., Jankowski N. Conducting online surveys// Quality and Quantity. 2006. Vol. 40. No. 3. P. 435-456.

146. Schonlau M., FrickerR. D., Elliot M. N. Conducting research surveys via e-mail and the web. RAND Publications: Santa Monica, 2002.

147. Schonlau M., van Soest A., Kaptcyn A., Couper M. Selection bias in web surveys and the use of propensity scores. RAND Publications: Working paper series. 2006. online.http://www.websm.org/uploadi/editor/1 1749S2272RAND WR279.pd£>

148. Shadbolt N., Berners-Lee Т., Hall W. The semantic web revisited // IEEE Intelligent Systems. 2006. Vol. 21. No. 3. P. 96-101. online.http://eprints.ccs.soton.ac.ul<yi2614/l/ScmanticWebRevistcd.pdf>

149. Slovic P., Finucane M., Peters E., MacGregor D. Rational actors or rational fools: Implications of affect heuristic for behavioral economics // Journal of Socio Economics. 2002. No. 3 1. P. 329 - 342.

150. Smith R., Brown H. Assessing the quality of data from online panels: Moving forward with confidence. 2005. P. 1-5. online.http://www.hisbonline.com/pubs/HIQual ityof^DataWhitePaper.pdf>

151. Smith R., Preston F. Vocabularies of motives for gambling behavior //Sociological Perspectives. 1984/Vol. 27. No. 3. P.325-348.

152. Sparrow N. Developing reliable online polls // International Journal of Market Research. 2006. Vol. 48. No. 6. P. 659-680.

153. Sparrow N. Quality issues in online research // Journal of Advertising Research. 2007. Vol. 47. No. 2. P. 179-182.

154. Spreen M. Rare populations, hidden populations, and link-tracing designs: What and why? // Bulletin dc Mcthodologie Sociologique. 1992 Vol. 6. P. 34-58.

155. Stewart S., Zack M. Development and psychometric evaluation of a three-dimensional Gambling Motives Questionnaire // Addiction. 2008. Vol. 103. P. 1 110-1117.

156. Sudman S. Sample surveys // Annual Review of Sociology. 1976. Vol. 2. P. 107-120.

157. Sudman S, BradburnN., Schwa г/. N. Thinking about answers: The application of cognitive processes to survey methodology. San Francisco, California: Jossey-Bass Inc. Publishers, 1996.

158. Sudman S., WansinkB. Consumer panels. Chicago: American Marketing Association, 2002.

159. Terhanian G., Bremer J., Smith R. Thomas R. Correcting data from online surveys for the effects of nonrandom selection and nonrandom assignment. Research Paper. Harris Interactive. 2000.

160. Thaler R., Tversky A., Kahncman D., Schwartz A. The effect of myopia and loss aversion on risk taking: An experimental test // The Quarterly Journal of Economics. May 1997. P. 647 661.

161. Thompsons., Seber G. Adaptive Sampling. New York: Wiley, 1996.

162. Tourangcau R., Couper M., Conrad F. Spacing, position, and order // Public Opinion Quarterly. 2004. Vol. 68. No. 3. P. 368-393.

163. Tutcn Т. L., Urban D.J., Bosnjak M. Internet surveys and data quality: A review // Online social sciences / Ed. by B. Batinic, U-D. Reips, M. Bosnjak. Gottingen: Hogrefe & Huber Publishers, 2002. P. 7-26.

164. Tver sky A., WakkerP. Risk attitudes and decision weights // Econometrica. 1995. Vol. 63. No. 6. P. 1256-1280.

165. Vehovar V., Manfreda K., Batagelj Z. Web surveys: Can the weighting solve the problem? // Paper presented at the Annual Conference of the American Statistical Association, Section on Survey Research Methods. 1999. P. 962-967.

166. VolzE., Heckathorn D. Probability based estimation theory for respondent driven sample// Journal of Official Statistics. 2008. Vol. 24. No. 1. 2008. P. 79-97.

167. Wejncrt C. An empirical test of respondent-driven sample: Point estimates, variance, degree measures, and out-of-equilibrium data. 2009. P. 1-64. online. <http://www.respondcnldrivcnsampling.oni/>

168. Wejnerl C., Heckathorn D. Wcb-based network sampling: Efficiency and efficacy of respondent-driven sampling for online research // Sociological Methods Research. 2008. Vol. 37. P. 105-134.

169. WitteJ. Prologue: The case for multimethod research: Large Sample Design and the study of life online // Society online: The Internet in context // lid. by P. Howard and S. Jones. London: Sage Publications, 2004. P. XV-XXXIV.

170. WoodR., Williams R. Internet gambling: Past, present, and future // Research and measurement issues in gambling studies // Edited by G. Smith, D. Hodgins, R. Williams. Toronto: Elsevier Publishing. 2007. P. 491-514.

171. Zola I. Observations on gambling in a lower-class setting // Social Problems. Vol. 10. No. 3. P. 353-361.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.