Datenerfassung

Die Datenerfassung ist der Prozess der Erfassung und Messung von Informationen zu Variablen von Interesse, in einer etablierten systematischen Art und Weise, die es ermöglicht, erklärte Forschungsfragen zu beantworten, Hypothesen zu testen und Ergebnisse zu bewerten. Die Datenerfassungskomponente der Forschung ist allen Studienbereichen gemeinsam, einschließlich der Physik – und Sozialwissenschaften, Geisteswissenschaften, Wirtschaft usw. Während die Methoden je nach Disziplin variieren, bleibt der Schwerpunkt auf der Gewährleistung einer genauen und ehrlichen Sammlung gleich.,

Die Bedeutung der Gewährleistung einer genauen und angemessenen Datenerfassung
Unabhängig vom Studienbereich oder Präferenz für die Definition von Daten (quantitativ, qualitativ), genaue Datenerfassung ist wichtig, um die Integrität der Forschung zu erhalten. Sowohl die Auswahl geeigneter Datenerfassungsinstrumente (vorhandene, modifizierte oder neu entwickelte) als auch klar abgegrenzte Anweisungen für deren korrekte Verwendung verringern die Wahrscheinlichkeit von Fehlern., forschungsfragen genau

Während der Grad der Auswirkungen fehlerhafter Datenerfassung je nach Disziplin und Art der Untersuchung variieren kann, besteht das Potenzial, unverhältnismäßigen Schaden zu verursachen, wenn diese Forschungsergebnisse verwendet werden um Empfehlungen der öffentlichen Politik zu unterstützen.,

Probleme im Zusammenhang mit der Aufrechterhaltung der Integrität der Datenerfassung:

Der Hauptgrund für die Wahrung der Datenintegrität besteht darin, die Erkennung von Fehlern im Datenerfassungsprozess zu unterstützen, unabhängig davon, ob sie absichtlich (absichtliche Fälschungen) vorgenommen wurden oder nicht (systematische oder zufällige Fehler).

Most, Craddick, Crawford, Redican, Rhodes, Rukenbrod und Laws (2003) beschreiben „Qualitätssicherung“ und „Qualitätskontrolle“ als zwei Ansätze, die die Datenintegrität bewahren und die wissenschaftliche Validität der Studienergebnisse gewährleisten können., Jeder Ansatz wird an verschiedenen Stellen in der Forschungszeitleiste implementiert (Whitney, Lind, Wahl, 1998):

1. Qualitätssicherung – Aktivitäten, die stattfinden, bevor die Datenerhebung beginnt
2. Qualitätskontrolle – Aktivitäten, die während und nach der Datenerhebung stattfinden

Qualitätssicherung
Da die Qualitätssicherung der Datenerhebung vorausgeht, liegt ihr Hauptaugenmerk auf der Prävention (d. H. Der Vorhersage von Problemen mit der Datenerhebung). Prävention ist die kostengünstigste Aktivität, um die Integrität der Datenerfassung sicherzustellen., Diese proaktive Maßnahme wird am besten durch die Standardisierung des Protokolls demonstriert, die in einem umfassenden und detaillierten Verfahrenshandbuch für die Datenerfassung entwickelt wurde. Schlecht geschriebene Handbücher erhöhen das Risiko, Probleme und Fehler nicht frühzeitig zu erkennen.,

Ein wichtiger Bestandteil der Qualitätssicherung ist die Entwicklung eines strengen und detaillierten Rekrutierungs-und Schulungsplans. Implizit in der Ausbildung ist die Notwendigkeit, den Wert einer genauen Datenerfassung den Auszubildenden effektiv mitzuteilen (Knatterud, Rockhold, George, Barton, Davis, Fairweather, Honohan, Mowery, O ‚ Neill, 1998). Der Schulungsaspekt ist besonders wichtig, um das potenzielle Problem von Mitarbeitern anzugehen, die unbeabsichtigt vom ursprünglichen Protokoll abweichen können., Dieses Phänomen, das als „Drift“ bezeichnet wird, sollte durch zusätzliche Schulungen korrigiert werden, eine Bestimmung, die im Verfahrenshandbuch festgelegt werden sollte.

Angesichts der Bandbreite qualitativer Forschungsstrategien (Nichtteilnehmer – / Teilnehmerbeobachtung, Interview, Archiv, Feldstudie, Ethnographie, Inhaltsanalyse, mündliche Anamnese, Biografie, unaufdringliche Forschung) ist es schwierig, allgemeine Aussagen darüber zu treffen, wie man ein Forschungsprotokoll erstellen sollte, um die Qualitätssicherung zu erleichtern., Sicherlich haben Forscher, die Nichtteilnehmer-/Teilnehmerbeobachtungen durchführen, möglicherweise nur die breitesten Forschungsfragen, um die anfänglichen Forschungsbemühungen zu leiten. Da der Forscher das Hauptmessgerät in einer Studie ist, gibt es oft wenig oder keine anderen Datenerfassungsinstrumente. In der Tat müssen möglicherweise Instrumente vor Ort entwickelt werden, um unvorhergesehenen Erkenntnissen Rechnung zu tragen.

Qualitätskontrolle
Während Qualitätskontrolltätigkeiten (Erkennung/Überwachung und Aktion) während und nach der Datenerfassung stattfinden, sollten die Details sorgfältig im Verfahrenshandbuch dokumentiert werden., Eine klar definierte Kommunikationsstruktur ist eine notwendige Voraussetzung für den Aufbau von Überwachungssystemen. Es sollte keine Unsicherheit über den Informationsfluss zwischen den Hauptermittlern und den Bediensteten bestehen, nachdem Fehler bei der Datenerhebung festgestellt wurden. Eine schlecht entwickelte Kommunikationsstruktur fördert eine laxe Überwachung und begrenzt die Möglichkeiten zur Fehlererkennung.,

Die Erkennung oder Überwachung kann in Form einer direkten Beobachtung des Personals bei Besuchen vor Ort, Telefonkonferenzen oder regelmäßigen und häufigen Überprüfungen von Datenberichten erfolgen, um Inkonsistenzen, Extremwerte oder ungültige Codes zu identifizieren. Obwohl Besuche vor Ort möglicherweise nicht für alle Disziplinen geeignet sind, wird es für die Ermittler schwierig sein, zu überprüfen, ob die Datenerhebung gemäß den im Handbuch festgelegten Verfahren erfolgt, wenn nicht regelmäßig quantitative oder quantitative Aufzeichnungen geprüft werden., Wenn die Kommunikationsstruktur im Verfahrenshandbuch nicht klar abgegrenzt ist, kann die Übertragung von Änderungen der Verfahren an die Mitarbeiter beeinträchtigt werden

Die Qualitätskontrolle identifiziert auch die erforderlichen Antworten oder „Maßnahmen“, die erforderlich sind, um fehlerhafte Datenerfassungspraktiken zu korrigieren und zukünftige Ereignisse zu minimieren.,ack and education (Knatterud et al., 1998)

Beispiele für Datenerfassungsprobleme, die ein sofortiges Handeln erfordern, sind:

• Fehler in einzelnen Datenelementen
• systematische Fehler
• Verletzung des Protokolls
• Probleme mit einzelnen Mitarbeitern oder der Leistung vor Ort
• Betrug oder wissenschaftliches Fehlverhalten

In den Sozial – /Verhaltenswissenschaften, in denen die primäre Datenerfassung menschliche Probanden betrifft, wird den Forschern beigebracht, eine oder mehrere sekundäre Maßnahmen, mit denen die Qualität der vom menschlichen Subjekt gesammelten Informationen überprüft werden kann., Beispielsweise könnte ein Forscher, der eine Umfrage durchführt, daran interessiert sein, einen besseren Einblick in das Auftreten riskanter Verhaltensweisen bei jungen Erwachsenen sowie in die sozialen Bedingungen zu erhalten, die die Wahrscheinlichkeit und Häufigkeit dieser riskanten Verhaltensweisen erhöhen.

Um die Datenqualität zu überprüfen, werden die Befragten möglicherweise zu denselben Informationen befragt, jedoch an verschiedenen Punkten der Umfrage und auf verschiedene Arten gefragt. Maßnahmen der „sozialen Erwünschtheit“ könnten auch verwendet werden, um ein Maß für die Ehrlichkeit der Antworten zu erhalten., Es gibt zwei Punkte, die hier angesprochen werden müssen: 1) Gegenkontrollen innerhalb des Datenerfassungsprozesses und 2) Die Datenqualität ist ebenso ein Problem auf Beobachtungsebene wie ein Problem mit vollständigen Datensätzen. Daher sollte die Datenqualität für jede einzelne Messung, für jede einzelne Beobachtung und für den gesamten Datensatz berücksichtigt werden.
Jedes Studiengebiet hat seinen bevorzugten Satz von Datenerfassungsinstrumenten., Das Markenzeichen der Laborwissenschaften ist die sorgfältige Dokumentation des Labornotizbuchs, während Sozialwissenschaften wie Soziologie und Kulturanthropologie die Verwendung detaillierter Feldnotizen bevorzugen. Unabhängig von der Disziplin ist eine umfassende Dokumentation des Erfassungsprozesses vor, während und nach der Aktivität unerlässlich, um die Datenintegrität zu erhalten. Schröder, J. (1998). – (HRSG.) Qualitätssicherung und Qualitätskontrolle in Längsschnittstudien. Epidemiologic Reviews, 20(1): 71-80.,

	Top