5 पॉइंट रेटिंग की केंद्रीय प्रवृत्ति को संक्षेप करने के लिए माध्य का उपयोग करने के लाभ
जैसा कि @gung ने उल्लेख किया है कि मुझे लगता है कि केंद्रीय प्रवृत्ति के सूचकांक के रूप में पांच-बिंदु आइटम का मतलब लेने के लिए अक्सर बहुत अच्छे कारण होते हैं। मैंने पहले ही इन कारणों की रूपरेखा तैयार कर ली है ।
विवरण बताने के लिए:
- माध्य की गणना करना आसान है
- माध्य सहज और अच्छी तरह से समझा जाता है
- मतलब सिंगल नंबर है
- अन्य सूचकांकों में अक्सर वस्तुओं के समान क्रम क्रम उत्पन्न होते हैं
क्यों अमेज़न के लिए माध्य अच्छा है
माध्य की रिपोर्टिंग करने में अमेज़न के लक्ष्यों के बारे में सोचें। वे करने के लिए लक्ष्य हो सकता है
- एक आइटम के लिए एक सहज और समझने योग्य रेटिंग प्रदान करें
- रेटिंग प्रणाली के उपयोगकर्ता की स्वीकृति सुनिश्चित करें
- सुनिश्चित करें कि लोग समझते हैं कि रेटिंग का क्या मतलब है ताकि वे खरीद निर्णयों को सूचित करने के लिए उचित रूप से इसका उपयोग कर सकें
अमेज़ॅन किसी प्रकार के गोल मतलब, प्रत्येक रेटिंग विकल्प के लिए आवृत्ति मायने रखता है, और नमूना आकार (यानी, रेटिंग की संख्या) प्रदान करता है। यह जानकारी संभवतः अधिकांश लोगों के लिए सामान के संबंध में सामान्य भावना और ऐसी रेटिंग में विश्वास दोनों की सराहना करने के लिए पर्याप्त है (यानी, 20 रेटिंग के साथ एक 4.5, 2 रेटिंग के साथ 4.5 से अधिक सटीक होने की संभावना है; 10 5 के साथ एक आइटम -स्टार रेटिंग और कोई टिप्पणी के साथ 1-स्टार रेटिंग अभी भी एक अच्छी वस्तु हो सकती है)।
आप यहां तक कि लोकतांत्रिक विकल्प के रूप में भी देख सकते थे। कई चुनावों के आधार पर तय किया जाता है कि किस उम्मीदवार को दो अंकों के पैमाने पर सबसे अधिक मतलब है। इसी तरह, यदि आप इस तर्क को लेते हैं कि प्रत्येक व्यक्ति जो एक समीक्षा प्रस्तुत करता है, उसे एक वोट मिलता है, तो आप इसका मतलब एक ऐसे रूप में देख सकते हैं जो प्रत्येक व्यक्ति के वोट को समान रूप से तौलता है।
क्या स्केल में अंतर वास्तव में एक समस्या है?
मनोवैज्ञानिक साहित्य में रेटिंग बायस की एक विस्तृत श्रृंखला है (एक समीक्षा के लिए, साल एट अल 1980 देखें), जैसे केंद्रीय प्रवृत्ति पूर्वाग्रह, उदारता पूर्वाग्रह, कठोरता पूर्वाग्रह। साथ ही, कुछ चूहे अधिक मनमानी करेंगे और कुछ अधिक विश्वसनीय होंगे। कुछ भी व्यवस्थित रूप से नकली सकारात्मक या नकली नकारात्मक समीक्षा दे सकते हैं। यह किसी आइटम के लिए सही माध्य रेटिंग की गणना करने की कोशिश करते समय त्रुटि के विभिन्न रूपों का निर्माण करेगा।
हालाँकि, यदि आप जनसंख्या का यादृच्छिक नमूना लेना चाहते हैं, तो ऐसे पूर्वाग्रह रद्द हो जाएंगे, और पर्याप्त मात्रा में नमूने के साथ, आपको अभी भी सही मतलब मिलेगा।
बेशक, आपको अमेज़ॅन पर एक यादृच्छिक नमूना नहीं मिलता है, और जोखिम यह है कि किसी आइटम के लिए आपको मिलने वाले चूहे का विशेष सेट व्यवस्थित रूप से अधिक उदार या सख्त और इतने पर पक्षपाती है। उस ने कहा, मुझे लगता है कि अमेज़ॅन के उपयोगकर्ता सराहना करेंगे कि उपयोगकर्ता प्रस्तुत रेटिंग अपूर्ण नमूने से आते हैं। मुझे यह भी लगता है कि यह काफी संभावना है कि एक उचित नमूना आकार के साथ कि कई मामलों में, प्रतिक्रिया पूर्वाग्रह के अधिकांश मतभेद गायब होने लगेंगे।
मतलब से परे संभव अग्रिम
रेटिंग की सटीकता में सुधार के संदर्भ में, मैं माध्य की सामान्य अवधारणा को चुनौती नहीं दूंगा, बल्कि मुझे लगता है कि किसी वस्तु के लिए वास्तविक जनसंख्या औसत रेटिंग का अनुमान लगाने के अन्य तरीके हैं (यानी, मतलब रेटिंग जो प्राप्त की जाएगी। एक बड़े प्रतिनिधि नमूने आइटम का मूल्यांकन करने के लिए कहा गया)।
- उनके भरोसे के आधार पर वेट रैटर्स
- एक बायेसियन रेटिंग प्रणाली का उपयोग करें जो सभी वस्तुओं और विशिष्ट आइटम से औसत रेटिंग के भारित योग के रूप में औसत रेटिंग का अनुमान लगाता है, और रेटिंग की संख्या बढ़ने पर विशिष्ट आइटम के लिए भार बढ़ाता है।
- आइटमों में किसी भी सामान्य रेटिंग की प्रवृत्ति के आधार पर एक रैटर की जानकारी को समायोजित करें (उदाहरण के लिए, आमतौर पर 3s देने वाले किसी व्यक्ति से 5 का मूल्य, जो आमतौर पर 4s देता है) से अधिक होगा।
इस प्रकार, यदि रेटिंग में सटीकता अमेज़ॅन का प्राथमिक लक्ष्य था, तो मुझे लगता है कि इसे प्रति आइटम रेटिंग की संख्या बढ़ाने और उपरोक्त कुछ रणनीतियों को अपनाने का प्रयास करना चाहिए। "बेस्ट-ऑफ" रैंकिंग बनाते समय ऐसे दृष्टिकोण विशेष रूप से प्रासंगिक हो सकते हैं। हालांकि, पृष्ठ पर विनम्र रेटिंग के लिए, यह अच्छी तरह से हो सकता है कि नमूना का मतलब बेहतर सादगी और पारदर्शिता के लक्ष्यों को पूरा करता है।
संदर्भ
- साल, एफई, डाउनी, आरजी और लाहे, एमए (1980)। रेटिंग्स को रेटिंग दें: रेटिंग डेटा की साइकोमेट्रिक गुणवत्ता का आकलन करना। मनोवैज्ञानिक बुलेटिन, 88, 413।
