Dataindsamling

dataindsamling er processen med at indsamle og måle information om variabler af interesse på en etableret systematisk måde, der gør det muligt for en at besvare angivne forskningsspørgsmål, teste hypoteser og evaluere resultater. Dataindsamlingskomponenten i forskning er fælles for alle studieretninger, herunder fysiske og sociale videnskaber, humaniora, forretning osv. Mens metoder varierer efter disciplin, vægten på at sikre nøjagtig og ærlig samling forbliver den samme.,

vigtigheden af at sikre nøjagtig og passende dataindsamling
uanset undersøgelsesområdet eller præference for at definere data (kvantitativ, kvalitativ) er nøjagtig dataindsamling vigtig for at bevare forskningsintegriteten. Både udvælgelsen af passende dataindsamlingsinstrumenter (eksisterende, ændrede eller nyudviklede) og klart afgrænsede instruktioner til korrekt brug reducerer sandsynligheden for, at der opstår fejl., forskning spørgsmål præcist

Mens graden af indvirkning fra defekt indsamling af data kan variere afhængigt af disciplin og karakteren af undersøgelsen, at der er potentiale til at forårsage uforholdsmæssig stor skade, når disse forskningsresultater bruges til at støtte den offentlige politiske anbefalinger.,

spørgsmål i forbindelse med opretholdelse af dataindsamlingens integritet:

den primære begrundelse for at bevare dataintegriteten er at understøtte detektering af fejl i dataindsamlingsprocessen, uanset om de foretages forsætligt (bevidste forfalskninger) eller ej (systematiske eller tilfældige fejl).

de Fleste, Craddick, Crawford, Redican, Rhodos, Rukenbrod, og Love (2003) beskriver, “kvalitetssikring” og “kvalitets-kontrol” som to tilgange, der kan bevare data integritet og sikre, at den videnskabelige validitet af undersøgelsens resultater., Hver tilgang er gennemført på forskellige tidspunkter i forskning tidslinje (Whitney, Lind, Wahl, 1998):

1. kvalitetssikring – aktiviteter, der finder sted, før dataindsamlingen begynder
2. kvalitetskontrol – aktiviteter, der finder sted under og efter indsamling af data

Kvalitetssikring
Siden kvalitetssikring går forud for indsamling af data, dens primære fokus er “forebyggelse” (dvs, at forebygge de problemer med indsamling af data). Forebyggelse er den mest omkostningseffektive aktivitet for at sikre integriteten af dataindsamling., Denne proaktive foranstaltning demonstreres bedst ved standardisering af protokollen udviklet i en omfattende og detaljeret procedurehåndbog til dataindsamling. Dårligt skrevne manualer øger risikoen for ikke at identificere problemer og fejl tidligt i forskningsindsatsen.,ansvarlig for at gennemgå data

en vigtig komponent i kvalitetssikringen er at udvikle en streng og detaljeret rekrutterings-og uddannelsesplan. Implicit i uddannelse, er behovet for at kommunikere effektivt værdien af nøjagtige data indsamling til praktikanter (Knatterud, Rockhold, George, Barton, Davis, Fairweather, Honohan, Mowery, O ‘ Neill, 1998). Uddannelsesaspektet er særlig vigtigt for at løse det potentielle problem for personale, der utilsigtet kan afvige fra den oprindelige protokol., Dette fænomen, kendt som’ drift’, bør korrigeres med supplerende træning, en bestemmelse, der bør specificeres i procedurehåndbogen.

i betragtning af rækkevidden af kvalitative forskningsstrategier (ikke-deltager / deltagerobservation, intervie., arkivering, feltundersøgelse, etnografi, indholdsanalyse, mundtlig historie, biografi, diskret forskning) er det vanskeligt at fremsætte generelle udsagn om, hvordan man skal etablere en forskningsprotokol for at lette kvalitetssikring., Det er klart, at forskere, der udfører ikke-deltager/deltagerobservation, kun har de bredeste forskningsspørgsmål til at guide den oprindelige forskningsindsats. Da forskeren er den vigtigste måleindretning i en undersøgelse, er der mange gange ringe eller ingen andre dataindsamlingsinstrumenter. Faktisk kan det være nødvendigt at udvikle instrumenter på stedet for at imødekomme uventede fund.

kvalitetskontrol
mens kvalitetskontrolaktiviteter (detektion / overvågning og handling) forekommer under og efter dataindsamling, skal detaljerne dokumenteres omhyggeligt i procedurehåndbogen., En klart defineret kommunikationsstruktur er en nødvendig forudsætning for etablering af overvågningssystemer. Der bør ikke være nogen usikkerhed om informationsstrømmen mellem de vigtigste efterforskere og medarbejdere efter påvisning af fejl i dataindsamlingen. En dårligt udviklet kommunikationsstruktur tilskynder til slap overvågning og begrænser mulighederne for at opdage fejl.,

detektion eller overvågning kan tage form af direkte medarbejderobservation under besøg på stedet, konferenceopkald eller regelmæssige og hyppige anmeldelser af datarapporter for at identificere uoverensstemmelser, ekstreme værdier eller ugyldige koder. Selvom besøg på stedet muligvis ikke er passende for alle discipliner, vil manglende regelmæssig revision af poster, hvad enten de er kvantitative eller kvantitative, gøre det vanskeligt for efterforskere at kontrollere, at dataindsamlingen foregår i henhold til procedurer fastlagt i manualen., Hvis kommunikationsstrukturen ikke er klart afgrænset i procedurehåndbogen, kan overførsel af eventuelle ændringer i procedurer til medarbejdere kompromitteres

kvalitetskontrol identificerer også de krævede svar eller ‘handlinger’, der er nødvendige for at korrigere fejlagtige dataindsamlingspraksis og også minimere fremtidige hændelser.,ack og uddannelse (Knatterud, et al, 1998)

Eksempler på dataindsamling problemer, der kræver omgående handling omfatter:

• fejl i enkelte dataelementer
• systematiske fejl
• overtrædelse af protokollen
• problemer med enkelte medarbejdere eller site performance
• svig eller videnskabelig uredelighed

I den sociale/adfærdsmæssige videnskaber, hvor den primære dataindsamling omfatter menneskelige forsøgspersoner, forskere har lært at indarbejde en eller flere sekundære foranstaltninger, der kan anvendes til at kontrollere kvaliteten af information, der indsamles fra det menneskelige subjekt., For eksempel kan en forsker, der gennemfører en undersøgelse, være interesseret i at få et bedre indblik i forekomsten af risikabel adfærd blandt unge voksne såvel som de sociale forhold, der øger sandsynligheden og hyppigheden af disse risikable adfærd.

for at verificere datakvaliteten kan respondenterne blive spurgt om de samme oplysninger, men spurgt på forskellige punkter i undersøgelsen og på en række forskellige måder. Foranstaltninger af ‘Social ønskelighed’ kan også bruges til at få et mål for ærlighed af svar., Der er to punkter, der skal rejses her, 1) krydskontrol inden for dataindsamlingsprocessen og 2) datakvalitet er lige så meget et observationsniveau problem som det er et komplet datasæt problem. Datakvaliteten bør således behandles for hver enkelt måling, for hver enkelt observation og for hele datasættet.
hvert fagområde har sit foretrukne sæt dataindsamlingsinstrumenter., Kendetegnende for laboratorievidenskab er den omhyggelige dokumentation af lab-notesbogen, mens samfundsvidenskab som sociologi og kulturel antropologi muligvis foretrækker brugen af detaljerede feltnoter. Uanset disciplinen er omfattende dokumentation af indsamlingsprocessen før, under og efter aktiviteten vigtig for at bevare dataintegriteten. C.hitney, C.,., Lind, B. K., (ahl, P. (. (1998). Kvalitetssikring og kvalitetskontrol i longitudinelle undersøgelser. Epidemiologiske Anmeldelser, 20( 1): 71-80.,

	Top