Isolating bias in association indices

شاخص های سازمانی طی دهه ها، عامل اصلی تجزیه و تحلیل رفتار اجتماعی بوده اند. با این حال، محققان به مدت طولانی به این نتیجه رسیده اند که این شاخص ها می توانند تحت شرایط خاصی تحت تاثیر قرار گیرند. در این مقاله، من یک نقشه فرایند از مراحل لازم برای تبدیل رفتار اجتماعی به برآوردهای نرخ ارتباطات را توسعه می دهم. این به تشخیص رفتار جمعیت موضوع از پروتکل جمع آوری داده های پژوهشگر کمک می کند. با این کار، می توانیم منابع بیگانه را از بین ببریم. من همچنین نشان می دهم که تعصب در شاخص های ارتباطی اغلب عملکردی از میزان ارتباط واقعی است. این بدان معنی است که در حالی که تعصب بر ترتیب انجمن ها تاثیر نمی گذارد، می تواند تحلیل را به روش های غیر قابل پیش بینی تحت تاثیر قرار دهد. انجام تجزیه و تحلیل شبکه با شاخص های وابستگی متعادل می تواند محققان را به نتیجه گیری های مختلف دست یابد، مگر اینکه از برآوردگرهای بی طرف استفاده کرده باشند. برای ساده سازی کارهای ریاضی به دست آوردن برآوردگرهای غیرمستقیم، سه ویژگی از برآوردگرهای حداکثر احتمال وجود دارد که به آنها می توان داده ها را به عنوان خروجی از یک توزیع چندجملهای پردازش کرد، سپس از ویژگی غیرانسانی عملکرد حداکثر بردارنده احتمال برای حل برآوردگرها استفاده شود. من این خواص را به مجموعه ای از پروتکل های جمع آوری داده ها اعمال می کنم تا نشان دهم که هیچ شاخص ارتباطی مناسب برای همه موارد مناسب نیست. در عوض، هر یک از شاخص های معمول استفاده شده در شرایط مناسب بی طرف است. علاوه بر این، زمانی که ممکن است بعضی از افراد شناسایی نشوند، برخی از برآوردگرهای غیرقابل پیش بینی جدید را معرفی می کنند. من با بحث درباره تکنیک های غیر سنتی جمع آوری داده ها که امکان افزایش تعداد خروجی ها را از روند جمع آوری داده ها فراهم می کنند، نزدیک است. در نهایت این تکنیک ها می توانند با توجه به پارامترهای بیشتری در فرآیند تولید داده ها، رفتار ارتباطی را دقیق تر نشان دهند.