ALL libraries (COBIB.SI union bibliographic/catalogue database)
  • Kakovost masovnih podatkov v primerjavi z anketnimi podatki na primeru predsedniških volitev v ZDA 2020 [Elektronski vir] : magistrsko delo
    Sokolić, Milena, 1983-
    Hitra širitev digitalnih storitev in posledično tudi digitalnih podatkov je spremenila način zbiranja in analiziranja informacij v družboslovnem okolju. Prav visoka kakovost teh podatkov pa je ... ključna za njihovo učinkovito analizo in rabo. V tem magistrskem delu primerjamo kakovost podatkov iz ankete ANES in podatkov omrežja X/Twitter, uporabnih za analizo sentimenta, v kontekstu predsedniških volitev v ZDA leta 2020. Analiziranih je bilo osem dimenzij kakovosti podatkov. Raziskava je pokazala, da so glede na relevantnost, razpoložljivost, popolnost, reprezentativnost, veljavnost, pravočasnost, konsistentnost in točnost podatki ANESa na splošno boljši oz. kakovostnejši za razumevanje volilnega vedenja od podatkov omrežja X/Twitter. To je predvsem posledica znanstvene metodologije anketiranja ANES, verjetnostnega vzorčenja, ustreznega uteževanja podatkov, kar zagotavlja bolj reprezentativno in zanesljivo merjenje volilnega vedenja. Po drugi strani pa so podatki omrežja X/Twitter nudili večjo pravočasnost zaradi sprotnega toka podatkov, ki omogoča zajem trenutnega javnega diskurza in nihanj v sentimentu. Podatki omrežja X/Twitter so imeli tudi omejitve, kot so nereprezentativna demografska struktura uporabnikov, jezikovna pristranskost, prisotnost botov in dezinformacij ter izzivi pri dostopnosti in veljavnosti podatkov. Zaključimo lahko, da kljub prednostim masovnih podatkov, tradicionalne ankete ostajajo ključne za raziskovanje volilnega vedenja volivcev. Prihodnje raziskave bi lahko preučevale možnosti združevanja prednosti obeh virov podatkov.
    Type of material - master's thesis ; adult, serious
    Publication and manufacture - Ljubljana : [M. Sokolić], 2025
    Language - slovenian
    COBISS.SI-ID - 243538179

    Link(s):

    Repository of the University of Ljubljana – RUL

Shelf entry