Does panel conditioning affect data quality in ego-centered social network questions?

این مقاله به بررسی کیفیت داده های ماژول های شبکه اجتماعی محور در بررسی های وب می پردازد. این به طور خاص بررسی می کند که آیا این ماژول ها به اثرات اندازه گیری مکرر سوالات مشابه به عنوان اثرات تهویه مطبوعات تحت تاثیر قرار می گیرد. ماژول های شبکه اجتماعی محور به خصوص در معرض اثرات تهویه پانل هستند، زیرا بسیاری از اجزای این ماژول ها تکراری هستند. بر اساس نظریات رضایت مندی ناشی از گزارشدهی و انگیزشی، ما فرض بر این داشتیم که پاسخ دهندگان طول ماژول را با کمتری نسبت به اندازه شبکه و / یا تراکم شبکه خود کاهش می دهند. به طور سیستماتیک برای اثرات تهویه پانل مورد آزمایش قرار گرفتیم، ما آزمایشی فرکانس درمان را در یک طرح مطالعه طولی، که شامل سه موج پانلی بود، تغییر دادیم. نتایج مطالعه ما نشان داد که ما به طور کلی داده های با کیفیت بالا را با اندازه و تراکم شبکه های گزارش شده نسبتا زیاد، میزان کم پاسخگویی غیرمستقیم و عدم تمایز کم به دست می آوریم. در مقایسه با انتظارات ما، متوسط ​​اندازه شبکه های گزارش شده کوچکتر نبود و تراکم شبکه کمتر از زمانی بود که پاسخ دهندگان از چندین بار به یک مدول شبکه اجتماعی پاسخ دادند. با این حال، الگوهای تغییرات فردی در اندازه های شبکه ای یافت می شود که ممکن است به دلیل تهویه پانل باشد. پاسخ دهندگان با اندازه شبکه های بزرگ در یک موج پانل حجم های کوچکتر شبکه را در موج بعدی گزارش دادند، در حالی که پاسخ دهندگان با اندازه های کوچک شبکه، حجم بیشتری از شبکه ها را در موج بعدی گزارش دادند. توانایی و انگیزه پاسخدهندگان بر این نتایج تاثیر نمی گذارد. بنابراین، ما می خواهیم محققان را تشویق کنیم تا فرصت بیشتری را برای اعمال ماژول های شبکه اجتماعی محور در محدوده های اجتماعی در مقیاس و همچنین در نظر سنجی های خودسنجی طولی بررسی کنیم، در حالیکه محتاط است که در بررسی های طولی، متوسط ​​اندازه شبکه و بار پاسخ ماژول شبکه.