ಅಡಿಕ್ಟ್ ಬೆಹವ್. 2018 ಅಕ್ಟೋಬರ್ 27. pii: S0306-4603 (18) 31232-2. doi: 10.1016 / j.addbeh.2018.10.032.
ಅಮೂರ್ತ
ವ್ಯಸನ ಸಂಶೋಧನೆಯಲ್ಲಿ ಅನೇಕ ಸುಪ್ತ ಅಸ್ಥಿರಗಳನ್ನು ಒಳಗೊಂಡ ಸಂಕೀರ್ಣ ಸಿದ್ಧಾಂತಗಳನ್ನು ಪ್ರಾಯೋಗಿಕವಾಗಿ ನಿರ್ಣಯಿಸಲು ಪೂರ್ಣ ಮಾಹಿತಿಯೊಂದಿಗೆ ಗರಿಷ್ಠ ಸಂಭವನೀಯತೆಯ ಅಂದಾಜು ರಚನಾತ್ಮಕ ಸಮೀಕರಣದ ಮಾದರಿ. ಪೂರ್ಣ ಮಾಹಿತಿ ಅಂದಾಜುಗಾರರು ಸ್ಥಿರತೆ ಸೇರಿದಂತೆ ಅನೇಕ ಅಪೇಕ್ಷಣೀಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿದ್ದರೂ, ರಚನಾತ್ಮಕ ಸಮೀಕರಣದ ಮಾದರಿಗಳಲ್ಲಿನ ಒಂದು ಪ್ರಮುಖ ಮಿತಿಯೆಂದರೆ, ಸಣ್ಣ ಮತ್ತು ಮಧ್ಯಮ ಗಾತ್ರದ ಅಧ್ಯಯನಗಳಲ್ಲಿ (ಉದಾ., 100 ಅಥವಾ 200 ಗಿಂತ ಕಡಿಮೆ) ಕಾರ್ಯಗತಗೊಳಿಸಿದಾಗ ಅವು ಗಮನಾರ್ಹ ಪಕ್ಷಪಾತವನ್ನು ಉಳಿಸಿಕೊಳ್ಳುತ್ತವೆ. ಇತ್ತೀಚಿನ ಸಾಹಿತ್ಯವು ಈ ಮಿತಿಯನ್ನು ಪರಿಹರಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಒಂದು ಸೀಮಿತ ಮಾಹಿತಿ ಅಂದಾಜುಗಾರನನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ-ಪಕ್ಷಪಾತ-ಸರಿಪಡಿಸಿದ ಫ್ಯಾಕ್ಟರ್ ಸ್ಕೋರ್ ಪಾತ್ ಅನಾಲಿಸಿಸ್ ವಿಧಾನದ ಮೂಲಕ ಪರಿಕಲ್ಪನಾತ್ಮಕವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಲಾಗಿದೆ-ಇದು ಸಣ್ಣ ಮತ್ತು ಮಧ್ಯಮ ಮಾದರಿ ಸೆಟ್ಟಿಂಗ್‌ಗಳಲ್ಲಿ ಪಕ್ಷಪಾತವಿಲ್ಲದ ಮತ್ತು ಪರಿಣಾಮಕಾರಿ ಅಂದಾಜುಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ ಎಂದು ತೋರಿಸಲಾಗಿದೆ. ಸೈದ್ಧಾಂತಿಕ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಅರ್ಹತೆಗಳ ಹೊರತಾಗಿಯೂ, ಮೂರು ಪ್ರಾಥಮಿಕ ಕಾರಣಗಳಿಂದಾಗಿ ಈ ವಿಧಾನವನ್ನು ಬಳಸಲಾಗುವುದಿಲ್ಲ ಎಂದು ಸಾಹಿತ್ಯವು ಸೂಚಿಸಿದೆ-ಅನ್ವಯಿಕ ಸಂಶೋಧಕರಿಗೆ ವಿಧಾನಗಳು ಪರಿಚಯವಿಲ್ಲ, ಪ್ರಾಯೋಗಿಕ ಮತ್ತು ಪ್ರವೇಶಿಸಬಹುದಾದ ಮಾರ್ಗದರ್ಶನ ಮತ್ತು ಅನ್ವಯಿಕ ಸಂಶೋಧಕರಿಗೆ ಲಭ್ಯವಿರುವ ಸಾಫ್ಟ್‌ವೇರ್ ಕೊರತೆ ಮತ್ತು ಪೂರ್ಣ ಮಾಹಿತಿಯ ವಿರುದ್ಧ ಹೋಲಿಕೆಗಳು ಶಿಸ್ತು-ನಿರ್ದಿಷ್ಟ ಉದಾಹರಣೆಗಳಲ್ಲಿ ಆಧಾರವಾಗಿರುವ ವಿಧಾನಗಳು ಕೊರತೆಯಾಗಿವೆ. ಈ ಅಧ್ಯಯನದಲ್ಲಿ, ಅಂತರ್ಜಾಲ ವ್ಯಸನವನ್ನು ಒಳಗೊಂಡ ಅನುಕ್ರಮ ಮಧ್ಯಸ್ಥಿಕೆ ಪ್ರಕರಣದ ಅಧ್ಯಯನದ ಹಂತ-ಹಂತದ ವಿಶ್ಲೇಷಣೆಯ ಮೂಲಕ ನಾನು ಈ ವಿಧಾನವನ್ನು ವಿವರಿಸುತ್ತೇನೆ. ವ್ಯಸನದ ಕಾಲ್ಪನಿಕ ಅಧ್ಯಯನದ ಆಧಾರದ ಮೇಲೆ ಲಾವಾನ್ ಪ್ಯಾಕೇಜ್ ಮತ್ತು ಡೇಟಾವನ್ನು ಬಳಸಿಕೊಂಡು ನಾನು ಉದಾಹರಣೆ ಆರ್ ಕೋಡ್ ಅನ್ನು ಒದಗಿಸುತ್ತೇನೆ. ಉದಾಹರಣೆ ಡೇಟಾದೊಳಗಿನ ಪೂರ್ಣ ಮತ್ತು ಸೀಮಿತ ಮಾಹಿತಿ ಅಂದಾಜುಗಾರರ ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳನ್ನು ನಾನು ಪರಿಶೀಲಿಸುತ್ತೇನೆ ಮತ್ತು ತರುವಾಯ ಈ ವ್ಯತ್ಯಾಸಗಳು ಸಿಮ್ಯುಲೇಶನ್ ಅಧ್ಯಯನವನ್ನು ಬಳಸಿಕೊಂಡು ಅಂದಾಜುಗಾರರ ನಡುವೆ ಸ್ಥಿರವಾದ ಭಿನ್ನತೆಯನ್ನು ಸೂಚಿಸುತ್ತವೆ. ಫಲಿತಾಂಶಗಳು ಸೀಮಿತ ಮಾಹಿತಿ ಅಂದಾಜು ಪಕ್ಷಪಾತ, ದಕ್ಷತೆ ಮತ್ತು ಶಕ್ತಿಯ ದೃಷ್ಟಿಯಿಂದ ಸಾಂಪ್ರದಾಯಿಕ ಪೂರ್ಣ ಮಾಹಿತಿ ಗರಿಷ್ಠ ಸಂಭವನೀಯತೆ ಅಂದಾಜುಗಾರನನ್ನು ಸಣ್ಣ ಮತ್ತು ಮಧ್ಯಮ ಮಾದರಿ ಗಾತ್ರಗಳಲ್ಲಿ ಮೀರಿಸುತ್ತದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.
PMID: 30501990
;