정량적 데이터 수집을위한 최상의 팁은 무엇입니까?

정량적 데이터 수집에 의존하는 많은 과학적이고 실용적인 초점 영역이 있습니다. 예를 들어, 정량 데이터를 수집하는 것은 화학, 물리학, 심지어는 언어학과 같은 연구 기반 분야에서 가장 중요합니다. 또한 엔지니어링, 컴퓨터 과학 및 기타 데이터 집약적 분야 및 최종 제품 생산을 목표로하는 프로젝트에서 테스트 및 기타 목적에 필수적입니다. 정량적 데이터 수집에 사용되는 특정 방법은 프로젝트마다 크게 다르지만 보편적으로 적용되지는 않지만 광범위하게 적용될 수있는 데이터 수집 원칙이 있습니다. 예를 들어, 인적 및 실험적 오류를 제거하고 자신의 이론에 맞는 데이터가 아닌 모든 데이터를 수집 및 분석하고 오류를 확인하기 위해 여러 번 실험 또는 테스트를 수행하는 것이 가능한 모든 수단을 취하는 것이 중요합니다.

최소한의 오류가 허용되는 경우도 있지만 경우에 따라 실질적으로 부정확하거나 프로젝트가 실패 할 수도 있습니다. 정량적 데이터를 수집 할 때 가능할 때마다 오류를 견딜 수있는 정도를 결정해야합니다. 정량적 데이터를 수집하는 데 사용되는 기술과 장치는 이러한 허용 오차 범위 내에서 그렇게 할 수 있어야합니다. 이들이 불가능하다면 데이터 수집 방법을 개선하거나 완전히 새로운 방법을 찾아야 할 것입니다.

정량적 데이터를 수집 할 때 종종 이전 실험 또는 이론적 기대에 해당하는 결과 만 기록하고 사용하려고합니다. 수집 된 숫자 중 일부만 예상 결과와 크게 다른 경우 특히 그렇습니다. 그러나 이러한 특이 치는 매우 중요 할 수 있으며 특히 후속 실험에서 반복되는 경우 무시해서는 안됩니다. 예기치 않은 결과는 실험 절차 또는 재료에 문제가 있음을 나타내거나 실험 또는 테스트 주제에 대한 기존 이론이 잘못되었음을 암시 할 수도 있습니다. 정량적 데이터 수집 프로세스는 연구원이 모든 데이터를 수집하고보고 할 때만 효과적이고 객관적 일 수 있습니다.

정량적 데이터를 수집 할 때 오류를 최소화 할 수있는 여러 가지 독립 시험을 실행하는 것이 좋습니다. 그렇게하면 장치 보정, 인적 오류 또는 예기치 않은 제어되지 않은 변수의 영향과 같은 문제가 드러날 수 있습니다. 가능하면 특정 그룹의 사람들이 특정 정량적 데이터를 수집하기위한 테스트 또는 실험을 실행해야합니다. 두 그룹은 서로 다른 결과를 수집하는 경우 모든 방법과 변수를 비교할 수 있으므로 정량적 데이터를 수집하는 과정에서 발생한 특정 오류를 격리 할 수 ​​있습니다.