データ収集は、目的の変数に関する情報を収集し、測定するプロセスであり、記載された研究の質問に答え、仮説をテストし、成果を評価することを可能にする確立された体系的な方法である。 研究のデータ収集コンポーネントは、物理および社会科学、人文科学、ビジネスなどを含むすべての研究分野に共通しています。 方法は規律によって異なりますが、正確で正直な収集を確実にすることに重点が置かれています。,

正確かつ適切なデータ収集を確保することの重要性
研究の分野やデータ（定量的、定性的）を定義するための好みにかかわらず、正確なデータ収集は、研究 適切なデータ収集機器（既存、変更、または新しく開発されたもの）の選択と、正しい使用のための明確な指示の両方が、エラーが発生する可能性を減らします。, 研究の質問正確に

  • 研究を繰り返し検証することができない
  • 無駄なリソースをもたらす歪んだ調査結果
  • 他の研究者を誤解させる調査の無益な道を追求する
  • 公共政策の決定を損なう
  • ヒト参加者および動物の被験者に害を及ぼす

    • これらの研究成果を公共サポートするために使用すると、不均衡な害を引き起こす可能性があります。政策提言。,

    データ収集の整合性の維持に関連する問題：

    データの整合性を維持するための主な理論的根拠は、意図的に（意図的な改ざん）かどうか（体系的またはランダムなエラー）、データ収集プロセスにおけるエラーの検出をサポートすることである。

    Most,Craddick,Crawford,Redican,Rhodes,Rukenbrod,and Laws(2003)は、データの完全性を維持し、研究結果の科学的validity validityを保証する二つのアプローチとして、”品質保証”と”品質管理”を記述しています。, (Whitney,Lind,Wahl,1998):

    1. 品質保証-データ収集開始前に行われる活動
    2. 品質管理-データ収集中およびデータ収集後に行われる活動

    品質保証
    品質保証はデータ収集前に行われるため、その主な焦点は”予防”（すなわち、データ収集問題を未然に防ぐ）である。 予防は、データ収集の整合性を確保するための最も費用対効果の高い活動です。, この積極的な措置はこれまでに標準化プロトコルの開発を総合的に詳細な手順のマニュアルをできるようになりました。 不完全に書かれたマニュアルは研究の努力の早い段階で問題そして間違いを識別しない危険を高める。,データのレビューのためのsible

  • 収集される項目の部分的なリスト
  • テストの管理に関する厳格なステップバイステップの指示の代わりに使用されるデータ収集機器のあいまいな説明
  • データ収集を担当するスタッフのトレーニングまたは再訓練のための特定の内容および戦略を特定できない
  • データ収集装置の使用、調整、および校正のための指示があいまいである(必要に応じて)
  • 調査の過程で進化する可能性のある手順の変更を文書化するための特定されたメカニズムはありません。,

    • 品質保証の重要な要素は、厳格で詳細な採用およびトレーニング計画を策定することです。 訓練に暗黙のうちに、正確なデータ収集の価値を研修生に効果的に伝える必要性があります（Knatterud、Rockhold、George、Barton、Davis、Fairweather、Honohan、Mowery、O’Neill、1998）。 トレーニングの側面は、意図せずに元のプロトコルから逸脱する可能性のあるスタッフの潜在的な問題に対処するために特に重要です。, “漂流”として知られているこの現象は付加的な訓練、プロシージャマニュアルで指定されるべきである準備と訂正されるべきである。

    質的研究戦略（非参加者/参加者の観察、インタビュー、アーカイブ、フィールドスタディ、民族誌、コンテンツ分析、口頭歴史、伝記、控えめな研究）の範囲を考えると、品質保証を容易にするために研究プロトコルをどのように確立すべきかについての一般化された記述をすることは困難である。, 確かに、非参加者/参加者の観察を行う研究者は、最初の研究努力を導くための最も広範な研究質問しか持っていないかもしれません。 研究者は研究の主要な測定装置であるため、多くの場合、他のデータ収集機器はほとんどまたはまったくありません。 実際、予期しない発見に対応するために、機器をその場で開発する必要があるかもしれません。

    品質管理
    データ収集中および収集後に品質管理活動（検出/監視および行動）が発生する間、詳細は手順マニュアルに慎重に文書化する必要があります。, 明確に定義された通信構造は、監視システムを確立するために必要な前提条件です。 データ収集におけるエラーの検出後、主任研究者とスタッフの間の情報の流れについて不確実性があってはならない。 不十分に開発された通信構造は、緩い監視を奨励し、エラーを検出する機会を制限します。,

    検出または監視は、サイト訪問、電話会議、または不一致、極端な値または無効なコードを特定するためのデータレポートの定期的かつ頻繁なレビュー中 サイト訪問はすべての分野に適していないかもしれませんが、定量的または定量的にかかわらず、定期的に記録を監査しないと、研究者がマニュアルに定められた手順に従ってデータ収集が進行中であることを確認することが困難になります。, また、コミュニケーションの構造が手順マニュアルに明確に描写されていない場合、スタッフへの手順の変更の送信が危険にさらされる可能性があります

    品質管理はまた、障害のあるデータ収集慣行を修正し、将来の発生を最小限に抑えるために必要な応答、または”行動”を特定します。,ackおよび教育(Knatterud,et al,1998)

    迅速な行動を必要とするデータ収集の問題の例には、次のものが含まれます。

    • 個々のデータ項目のエラー
    • 体系的なエラー
    • プロトコルの違反
    • 個々のスタッフまたはサイトのパフォーマンスの問題
    • 詐欺または科学的不正行為

    主なデータ収集がヒトを含む社会/行動科学では、研究者は一つまたは複数のデータ収集を組み込むように教えられています。ヒト被験者から収集される情報の品質を検証するために使用できる二次的手段。, 例えば、調査を行っている研究者は、若年成人の間で危険な行動の発生だけでなく、これらの危険な行動の可能性と頻度を高める社会的条件について、より良い洞察を得ることに興味があるかもしれません。

    データ品質を検証するために、回答者は同じ情報について照会されますが、調査の異なるポイントで、さまざまな方法で尋ねられることがあります。 “社会的望ましさ”の尺度は、応答の誠実さの尺度を得るためにも使用されるかもしれない。, 1)データ収集プロセス内のクロスチェックと2)データ品質は、完全なデータセットの問題であるのと同じくらい観測レベルの問題である。 したがって、データ品質は、個々の測定ごと、個々の観測ごと、およびデータセット全体に対して対処する必要があります。
    研究の各分野は、データ収集機器のその好ましいセットを持っています。, ラボサイエンスの特徴は、ラボノートの細心のドキュメントですが、社会学や文化人類学などの社会科学は、詳細なフィールドノートの使用を好むかもしれ 規律にかかわらず、データの整合性を維持するためには、アクティビティの前、中、および後の収集プロセスの包括的な文書化が不可欠です。 Whitney,C.W.,Lind,B.K.,Wahl,P.W.(1998). 縦断的な調査の品質保証そして品質管理。 疫学レビュー,20(1):71-80.,

    Top