Nowe narzędzia i techniki zwiększające trafność badań internetowych

doi:10.51480/compress.2021.4-1.248

Nowe narzędzia i techniki zwiększające trafność badań internetowych

Communities & Collections

pcg.skipToMenu

Nowe narzędzia i techniki zwiększające trafność badań internetowych

View Usage Statistics

Show full item record

dc.contributor.author	Saad, Dominika	pl
dc.date.accessioned	2021-06-22T07:10:45Z
dc.date.available	2021-06-22T07:10:45Z
dc.date.issued	2021	pl
dc.identifier.issn	2545-2320	pl
dc.identifier.uri	https://ruj.uj.edu.pl/xmlui/handle/item/274575
dc.language	pol	pl
dc.rights	Udzielam licencji. Uznanie autorstwa 4.0 Międzynarodowa	*
dc.rights.uri	http://creativecommons.org/licenses/by/4.0/pl/legalcode	*
dc.title	Nowe narzędzia i techniki zwiększające trafność badań internetowych	pl
dc.title.alternative	Increasing validity of online research by implementing new tools and techniques	pl
dc.type	JournalArticle	pl
dc.description.physical	106-121	pl
dc.description.additional	Bibliogr. s. 119-121	pl
dc.identifier.weblink	https://compress.edu.pl/e-wydania/item/nowe-narzedzia-i-techniki-zwiekszajace-trafnosc-badan-internetowych	pl
dc.abstract.pl	Celem artykułu jest przedstawienie nowych technik poprawiających jakość danych uzyskiwanych w badaniach przeprowadzanych online na przykładzie panelu Amazon MTurk. Poprzedzona kwerendą, krytyczna analiza literatury przedmiotu identyfikuje główne źródła zniekształcenia wyników, którymi są: bezrefleksyjność, działalność botów wypełniających ankiety oraz zachowania respondentów, klasyfikowane jako nadużycia lokalizacyjne interfejsu sieciowego IP. Wykorzystane podczas badania narzędzia oraz techniki wskazują na praktyczne sposoby zwiększania trafności uzyskiwanych danych poprzez rozpoznanie wyników zakłócających na poziomie 60%. Analiza otrzymanych danych potwierdza: 1) użyteczność zastosowanyc technik kontroli oraz 2) stosowalność zaproponowanego w tekście modelu operacjonalizacji czasu jako istotnego wskaźnika zachowań bezrefleksyjnych.	pl
dc.abstract.en	The aim of this paper is to present new techniques that increase the quality of data obtained through online research, basing on the example of Amazon MTurk. Using a critical analysis of the literature, preceded by a query, we identified the main sources of low-quality data such as careless responses, form-fill bots activity, and fraudulent behavior of manipulating IP addresses. The techniques implemented in the study offer several practical implications in terms of validity improvement. The results proved that 60% of observations were recognized as poor quality data. This confirms the applied control techniques to be useful and the proposed theoretical model of time operationalization to be an important indicator of careless responses.	pl
dc.subject.pl	bezrefleksyjność	pl
dc.subject.pl	nadużycia IP	pl
dc.subject.pl	Amazon MTurk	pl
dc.subject.pl	dane niskiej użyteczności	pl
dc.subject.pl	zwiększenie trafności	pl
dc.subject.en	careless responses	pl
dc.subject.en	fraudulent IP manipulation	pl
dc.subject.en	Amazon MTurk	pl
dc.subject.en	poor quality data	pl
dc.subject.en	validity improvement	pl
dc.description.number	4 (1)	pl
dc.identifier.doi	10.51480/compress.2021.4-1.248	pl
dc.title.journal	Com.press	pl
dc.title.volume	Media i komunikacja społeczna	pl
dc.language.container	pol	pl
dc.date.accession	2021-06-22	pl
dc.subtype	Article	pl
dc.rights.original	CC-BY; otwarte czasopismo; ostateczna wersja wydawcy; w momencie opublikowania; 0	pl