Datainnsamling

datainnsamlingen er prosessen med å samle og vurdere informasjon på variabler av interesse, i et etablert systematisk måte som gjør det mulig å svare på oppgitte problemstillinger, teste hypoteser, og evaluere resultater. Datainnsamlingen del av forskningen er felles for alle studieretninger, inkludert fysiske og samfunnsvitenskap, humanistiske fag, forretninger, etc. Mens metoder varierer avhengig av disiplin, det vekt på å sikre nøyaktig og ærlig samling forblir den samme.,

viktigheten av å sikre nøyaktige og passende data collection
Uavhengig av fagområde eller preferanse for å definere data (kvantitative, kvalitative), nøyaktig innsamling av data er avgjørende for å opprettholde integriteten av forskning. Både valg av riktige data samling instrumenter (eksisterende, endret eller nyutviklet) og klart avgrenset instruksjoner for riktig bruk kan redusere sannsynligheten for at det oppstår feil., forskning spørsmål nøyaktig

Mens graden av påvirkning fra feil datainnsamling kan variere avhengig av disiplin og arten av etterforskning, det er potensial til å føre til uforholdsmessig skade når disse forskningsresultatene brukes til å støtte offentlige retningslinjer og anbefalinger.,

Problemstillinger knyttet til å opprettholde integriteten til innsamling av data:

Den primære begrunnelsen for å bevare data integritet er å støtte påvisning av feil i datainnsamlingsprosessen, om de er gjort med vilje (bevisste forfalskninger) eller ikke (systematiske eller tilfeldige feil).

de Fleste, Craddick, Crawford, Redican, Rhodos, Rukenbrod, og Lover (2003) beskriver «quality assurance» og «kvalitetskontroll» som to tilnærminger som kan bevare data integritet og sikre den vitenskapelige gyldigheten av resultatene fra denne undersøkelsen., Hver tilnærming er implementert på ulike punkter i forskning tidslinjen (Whitney, Lind, Wahl, 1998):

1. kvalitetssikring – aktiviteter som finner sted før datainnsamlingen starter
2. kvalitetskontroll – aktiviteter som finner sted under og etter datainnsamlingen

Kvalitetssikring
Siden kvalitetssikring forut for innsamling av data, dens hovedfokus er «forebygging» (det vil si, forestalling problemer med datainnsamling). Forebygging er den mest kostnadseffektive aktivitet for å sikre integriteten til data innsamling., Denne proaktive tiltak er best til uttrykk ved standardisering av protokoll utviklet i en omfattende og detaljerte rutinebeskrivelser for innsamling av data. Dårlig skrevet håndbøker øke risikoen for ikke å lykkes med å identifisere problemer og feil tidlig i forskning bestrebelse.,behandlingen for gjennomgang av data

En viktig del av kvalitetssikringen er å utvikle en systematisk og detaljert rekruttering og trening plan. Implisitt i opplæring er det behov for å effektivt kommunisere verdien av nøyaktig innsamling av data til praktikanter (Knatterud, Rockhold, George, Barton, Davis, Fairweather, Honohan, Mowery, O ‘ Neill, 1998). Trening aspektet er spesielt viktig for å løse potensielle problemer med medarbeidere som kan utilsiktet avvike fra den opprinnelige protokollen., Dette fenomenet, kjent som ‘drift’, bør korrigeres med ytterligere opplæring, en bestemmelse som bør fremgå av rutinebeskrivelser.

Gitt spekter av kvalitative forskningsstrategier (ikke-deltaker/ deltakende observasjon, intervju, arkivering, feltstudier, etnografi, innhold analyse, muntlig historie, biografi, påtrengende forskning) det er vanskelig å lage generelle uttalelser om hvordan en bør etablere et forsknings-protokollen for å tilrettelegge for kvalitetssikring., Absolutt, forskere gjennomfører ikke-deltaker/deltakende observasjon kan ha bare den bredeste forskning spørsmål å veilede den innledende forskning innsats. Siden forskeren er det viktigste måling enheten i en studie, mange ganger er det små eller ingen andre data samle instrumenter. Faktisk, instrumenter må være utviklet på stedet for å imøtekomme uforutsette funn.

kvalitetskontroll
Mens kvalitetskontroll aktiviteter (deteksjon/overvåking og handling) oppstår under og etter datainnsamlingen, detaljer bør være nøye dokumentert i prosedyrer manuell., En klart definert kommunikasjon struktur er en nødvendig forutsetning for å etablere overvåking systemer. Det bør ikke være noen usikkerhet om flyten av informasjon mellom rektor etterforskere og ansatte følgende påvisning av feil i datainnsamlingen. En dårlig utviklet kommunikasjon struktur oppfordrer lax overvåking og begrenser mulighetene for å oppdage feil.,

Oppdagelse og overvåking kan ta form av direkte ansatte observasjon under besøk på nettstedet, konferansesamtaler, eller regelmessige og hyppige vurderinger av data-rapportene til å identifisere inkonsekvenser, ekstreme verdier eller ugyldige koder. Mens besøk på nettstedet kan ikke være riktig for alle disipliner, unnlatelse av å regelmessig revisjon poster, enten kvantitative eller kvalitative og kvantitative, vil gjøre det vanskelig for etterforskerne å bekrefte at datainnsamlingen går i henhold til prosedyrer fastsatt i håndboken., I tillegg, hvis strukturen av kommunikasjon er ikke klart avgrenset i rutinebeskrivelser, overføring av eventuelle endringer i prosedyrer for ansatte kan være kompromittert

kvalitetskontroll identifiserer også de nødvendige tiltak, eller ‘handlinger’ er nødvendig for å rette feil data praksis for innsamling og også å minimere fremtidige hendelser.,ack og utdanning (Knatterud, et al, 1998)

Eksempler på innsamling av data problemer som krever umiddelbar handling inkluderer:

• feil i enkelte dataelementer
• systematiske feil
• brudd på protokoll
• problemer med enkelte ansatte eller nettstedet ytelse
• svindel eller vitenskapelig uredelighet

I det sosiale/atferdsmessige vitenskaper hvor primær datainnsamling innebærer menneskelige motiver, forskere er lært opp til å innlemme en eller flere sekundære tiltak som kan brukes for å kontrollere kvaliteten på informasjon som blir samlet inn fra det menneskelige subjektet., For eksempel, en forsker gjennomfører en undersøkelse kan være interessert i å få en bedre innsikt i forekomsten av risikofylt atferd blant unge voksne så vel som den sosiale forhold som øker sannsynligheten for og hyppigheten av disse risikofylt atferd.

for Å verifisere data kvalitet, respondentene kan spørres om den samme informasjonen, men stilte på forskjellige punkter av undersøkelsen og i en rekke forskjellige måter. Tiltak av ‘Sosial Ønskeligheten’ kan også brukes for å få et mål på ærlig svar., Det er to poeng som må være oppvokst her, 1) kryss-sjekker løpet av datainnsamlingsprosessen og 2) data kvalitet blir så mye en observasjon-nivå problem som det er en komplett datasett problemet. Dermed, data kvalitet bør tas opp for hver enkelt måling, for hver enkelt observasjon, og for hele datasettet.
Hvert fagområde har sin foretrukne sett av data samling instrumenter., Kjennetegnet på laboratoriet sciences er den grundige dokumentasjonen av lab notebook mens samfunnsfag som sosiologi og kulturell antropologi kan foretrekker å bruke detaljerte feltet merknader. Uavhengig av disiplin, omfattende dokumentasjon av samlingen prosessen før, under og etter aktivitet er viktig for å bevare data integritet. Whitney, C. W., Lind, B. K., Wahl, P. W. (1998). Kvalitetssikring og kvalitetskontroll i longitudinelle studier. Epidemiologiske Studier Anmeldelser, 20(1): 71-80.,

	Top