Jaké jsou nejlepší tipy pro sběr kvantitativních dat?

Existuje mnoho různých vědeckých a praktických oblastí zaměření, které se spoléhají na sběr kvantitativních údajů. Sběr kvantitativních údajů má například zásadní význam ve výzkumných oborech, jako je chemie, fyzika a dokonce i některá odvětví lingvistiky. Je také nezbytný pro testování a další účely ve strojírenství, informatice a dalších oblastech a projektech náročných na data zaměřených na výrobu konečného produktu. Specifické metody používané pro sběr kvantitativních údajů se v jednotlivých projektech výrazně liší, existují však určité zásady sběru dat, které lze široce, ne-li všeobecně, použít. Je například důležité vzít všechny možné prostředky k odstranění lidských a experimentálních chyb, sbírat a analyzovat všechna data spíše než jen ta, která vyhovují něčím teoriím, a provádět experiment nebo testovat vícekrát, aby se zkontrolovali chyby.

Přestože je minimální chyba občas přijatelná, v některých případech může vést k podstatné nepřesnosti nebo dokonce k selhání projektu. Kdykoli je to možné při shromažďování kvantitativních údajů, pak je třeba určit míru, do jaké lze chybu tolerovat. Techniky a zařízení použité pro sběr kvantitativních údajů by měly být schopny tak učinit v rámci tohoto přípustného rozsahu chyb. Pokud tomu tak není, je pravděpodobně nutné zpřesnit metodu sběru dat nebo přijít s úplně novou metodou.

Při shromažďování kvantitativních údajů je často lákavé zaznamenávat a používat pouze výsledky, které odpovídají předchozím experimentům nebo teoretickým očekáváním. To platí zejména tehdy, pokud se jen několik z shromážděných čísel výrazně liší od očekávaných výsledků. Tyto odlehlé hodnoty však mohou být nesmírně důležité a neměly by být ignorovány, zejména pokud se opakují v následných experimentech. Neočekávané výsledky mohou naznačovat problémy s experimentálním postupem nebo materiály nebo mohou dokonce naznačovat, že stávající teorie na téma experimentování nebo testování jsou nesprávné. Proces sběru kvantitativních údajů může být efektivní a objektivní pouze tehdy, když výzkumný pracovník shromažďuje a hlásí všechna data.

Spuštění několika nezávislých pokusů je vynikající způsob, jak minimalizovat chyby při sběru kvantitativních dat. Pokud tak učiníte, mohou odhalit problémy, jako je kalibrace zařízení, lidská chyba nebo účinky neočekávaných a nekontrolovaných proměnných. Pokud je to možné, měly by různé skupiny lidí provádět testy nebo experimenty zaměřené na shromažďování konkrétních kvantitativních údajů. Obě skupiny mohou porovnat všechny metody a proměnné, pokud shromažďují různé výsledky, což jim umožňuje izolovat konkrétní chyby, které se vyskytly během procesu sběru kvantitativních údajů.