Datensammlung

Beispiel für die Datenerfassung in den Biologischen Wissenschaften: Adélie Penguins werden jedes Mal identifiziert und gewogen, wenn sie die automatisierten überqueren Waage Auf dem Weg zum oder vom Meer.[1]

Datensammlung ist der Prozess des Sammelns und Messung Information auf gezielte Variablen in einem etablierten System, mit dem man relevante Fragen beantworten und die Ergebnisse bewerten kann. Daten Sammlung ist a Forschung Komponente in allen Studienfeldern, einschließlich physisch und Sozialwissenschaften, Geisteswissenschaften,[2] und Geschäft. Während die Methoden je nach Disziplin variieren, bleibt die Betonung der genauen und ehrlichen Sammlung gleich. Das Ziel für alle Datenerfassung ist es, qualitativ hochwertige Beweise zu erfassen, mit denen die Analyse zur Formulierung überzeugender und glaubwürdiger Antworten auf die gestellten Fragen führen kann. Die Datenerfassung und -validierung besteht aus vier Schritten, wenn sie eine Volkszählung und sieben Schritte durch Probenahme beinhaltet.[3]

Unabhängig vom Studiengebiet oder der Präferenz für die Definition von Daten (quantitative oder qualitative) Eine genaue Datenerfassung ist wichtig, um die Forschungsintegrität aufrechtzuerhalten. Die Auswahl geeigneter Datenerfassungsinstrumente (vorhandene, modifizierte oder neu entwickelte Anweisungen für ihre korrekte Verwendung verringern die Wahrscheinlichkeit von der Wahrscheinlichkeit von Fehler.

Ein formaler Datenerfassungsprozess ist erforderlich, da sichergestellt wird, dass die gesammelten Daten sowohl definiert als auch genau sind. Auf diese Weise werden nachfolgende Entscheidungen, die auf Argumenten beruhen, die in den Ergebnissen enthalten sind, unter Verwendung gültiger Daten getroffen.[4] Der Prozess liefert sowohl eine Grundlinie für die Messung als auch in bestimmten Fällen einen Hinweis darauf, was sich verbessern soll.

Es gibt 5 gemeinsame Datenerfassungsmethoden:

  1. geschlossene Umfragen und Quiz,
  2. offene Umfragen und Fragebögen,
  3. 1-gegen-1-Interviews,
  4. Schwerpunktgruppen, und
  5. direkte Beobachtung.[5]

Datenverwaltungsplattform

Hauptartikel: Datenverwaltungsplattform

Datenverwaltungsplattform (DMP) ist ein zentrales Speicher- und analytisches System für Daten. Hauptsächlich von Vermarktern verwendet, existieren DMPs, um große Datenmengen in erkennbare Informationen zu kompilieren und umzuwandeln.[6] Vermarkter möchten möglicherweise erste, erste, zweite und dritte Daten empfangen und verwenden. DMPs ermöglichen dies, weil sie das aggregierte System von sind DSPs (Nachfrageseitenplattform) und SSPs (Versorgungsseite Plattform). Wenn es um Werbung geht, sind DMPs ein wesentlicher Bestandteil der Optimierung und Führung von Vermarktern in zukünftigen Kampagnen. Dieses System und ihre Wirksamkeit sind ein Beweis dafür, dass kategorisierte, analysierte und kompilierte Daten weitaus nützlicher sind als Rohdaten.

Datenintegritätsprobleme

Der Hauptgrund für die Aufrechterhaltung Datenintegrität soll die Beobachtung von Fehlern im Datenerfassungsprozess unterstützen. Diese Fehler können absichtlich (absichtliche Fälschung) oder nicht berücksichtigt gemacht werden (zufällig oder systematische Fehler).[7]

Es gibt zwei Ansätze, die die Datenintegrität schützen und die wissenschaftlichen Gültigkeit der Studienergebnisse sichern, die von Craddick, Crawford, Rhodes, Redican, Rukenbrod und Laws im Jahr 2003 erfunden wurden:

  • Qualitätssicherung - Alle Aktionen vor der Datenerfassung durchgeführt
  • Qualitätskontrolle - Alle Aktionen während und nach der Datenerfassung durchgeführt

Qualitätssicherung

Weitere Informationen: Qualitätssicherung

Der Hauptaugenmerk liegt auf der Prävention, die hauptsächlich eine kostengünstige Aktivität ist, um die Integrität der Datenerfassung zu schützen. Die Standardisierung des Protokolls zeigt diese kostengünstige Aktivität, die in einem umfassenden und detaillierten Verfahrenshandbuch für die Datenerfassung entwickelt wird. Das Risiko, Probleme und Fehler im Forschungsprozess nicht zu identifizieren, wird offensichtlich durch schlecht schriftliche Richtlinien verursacht. Aufgelistet sind einige Beispiele für solche Fehler:

  • Unsicherheit des Timings, der Methoden und der Identifizierung der verantwortlichen Person
  • Teilweise Auflistung der Elemente, die gesammelt werden mussten
  • Vage Beschreibung der Datenerfassungsinstrumente anstelle von strengen Schritt-für-Schritt-Anweisungen zur Durchführung von Tests
  • Versäumnis, genaue Inhalte und Strategien für die Schulung und Umschulung von Mitarbeitern zu erkennen, die für die Datenerfassung verantwortlich sind
  • Unklare Anweisungen für die Verwendung, Vorstellung von Anpassungen an und kalibrieren Datenerfassungsgeräte
  • Kein vorgegebener Mechanismus zum Dokumentieren von Änderungen der Verfahren, die während der Untersuchung auftreten

Qualitätskontrolle

Weitere Informationen: Qualitätskontrolle

Da Qualitätskontrollaktionen während oder nach der Datenerfassung auftreten, werden alle Details sorgfältig dokumentiert. Eine klar definierte Kommunikationsstruktur als Voraussetzung für die Einrichtung von Überwachungssystemen ist eine deutlich definierte Kommunikationsstruktur. Die Unsicherheit über den Informationsfluss wird nicht empfohlen, da eine schlecht organisierte Kommunikationsstruktur zu einer laxen Überwachung führt und auch die Möglichkeiten zur Erkennung von Fehlern einschränken kann. Die Qualitätskontrolle ist auch für die Identifizierung von Maßnahmen verantwortlich, die für die Korrektur fehlerhafter Datenerfassungspraktiken und die Minimierung solcher zukünftigen Ereignisse erforderlich sind. Es ist wahrscheinlicher, dass ein Team die Notwendigkeit nicht erkennt, diese Maßnahmen auszuführen, wenn seine Verfahren vage geschrieben werden und nicht auf Feedback oder Bildung beruhen.

Datenerfassungsprobleme, die eine schnelle Aktion erfordern:

  • Systematische Fehler
  • Verletzung des Protokolls
  • Der Betrug oder wissenschaftliches Fehlverhalten
  • Fehler in einzelnen Datenelementen
  • Einzelpersonal- oder Standortleistungsprobleme

Siehe auch

Verweise

  1. ^ Lescroël, A. L.; Ballard, G.; Grémillet, D.; Authier, M.; Ainley, D. G. (2014). Descamps, Sébastien (Hrsg.). "Antarktis Klimawandel: Extreme Ereignisse stören plastische phänotypische Reaktion in Adélie Penguins". PLUS EINS. 9 (1): e85291. Bibcode:2014PLOSO ... 985291L. doi:10.1371/journal.pone.0085291. PMC 3906005. PMID 24489657.
  2. ^ Vuong, Quan-Hoang;La, Viet-Phuong;Vuong, Thu-Trang;Ho, Manh-toan;Nguyen, Hong-Kong T.;Nguyen, Viet-Ha;Pham, himp-Hung;Ho, Manh-Tung (25. September 2018). "Eine offene Datenbank mit Produktivität in Vietnams Sozialwissenschaften und Geisteswissenschaften für die öffentliche Nutzung". Wissenschaftliche Daten. 5: 180188. Bibcode:2018natsd ... 580188v. doi:10.1038/sdata.2018.188. PMC 6154282. PMID 30251992.
  3. ^ Ziafati Bafarasat, A. (2021) Sammeln und Validieren von Daten: Ein einfacher Leitfaden für Forscher.Vorauszahlung.Vordruck .. https://doi.org/10.31124/advance.13637864.v1
  4. ^ Datenerfassung und -analyse von Dr. Roger Sapsford, Victor Jupp ISBN0-7619-5046-x
  5. ^ Jovancic, Nemanja. "5 Datenerfassungsmethoden zum Erhalten quantitativer und qualitativer Daten". Leadquizzes. Leadquizzes. Abgerufen 23. Februar 2020.
  6. ^ Collin, E. M. (2020-11-04). "Datenerfassung: Die vollständige Anleitung". Einfach verdientes Geld. Abgerufen 2020-11-05.
  7. ^ Northern Illinois University (2005). "Datensammlung". Verantwortungsbewusstes Verhalten im Datenmanagement. Abgerufen 8. Juni, 2019.

Externe Links