Vilka är de bästa tips för att samla in kvantitativa data?
Det finns många olika vetenskapliga och praktiska fokusområden som förlitar sig på insamlingen av kvantitativa data. Att samla kvantitativa data är till exempel av central betydelse inom forskningsbaserade områden som kemi, fysik och till och med vissa grenar av lingvistik. Det är också viktigt för testning och andra ändamål inom teknik, datavetenskap och andra datakrävande områden och projekt som syftar till att producera en slutprodukt. De specifika metoderna som används för att samla kvantitativa data varierar drastiskt mellan projekt, men det finns några principer för datainsamling som kan tillämpas i stor utsträckning. Det är till exempel viktigt att ta alla medel för att eliminera mänskliga och experimentella fel, att samla in och analysera all data snarare än bara det som passar ens teorier, och att köra ett experiment eller testa flera gånger för att kontrollera om fel.
Även om minimalt fel ibland är acceptabelt, i vissa fall kan det leda till betydande felaktighet eller EVEn för ett projekt. När det är möjligt vid samlingen av kvantitativa data bör man bestämma i vilken grad fel kan tolereras. Teknikerna och enheterna som används för att samla kvantitativa data bör kunna göra det inom detta tolererbara felområde. Om de inte kan, är det förmodligen nödvändigt att förfina metoden för datainsamling eller att komma med en helt ny.
Vid insamling av kvantitativa data är det ofta frestande att spela in och använda endast de resultat som motsvarar tidigare experiment eller teoretiska förväntningar. Detta gäller särskilt när endast ett fåtal av de insamlade siffrorna skiljer sig väsentligt från förväntade resultat. Dessa outliers kan emellertid vara oerhört viktiga och bör inte ignoreras, särskilt om de återkommer i efterföljande experiment. Oväntade resultat kan indikera problem med det experimentella proceduren eller materialet eller kan till och med föreslåatt de befintliga teorierna om ämnet experiment eller testning är felaktiga. Processen för att samla in kvantitativa data kan endast vara effektiv och objektiv när forskaren samlar in och rapporterar all data.
Att köra flera oberoende studier är ett utmärkt sätt att minimera fel vid samlingen av kvantitativa data. Om du gör det kan avslöja problem som enhetskalibrering, mänskliga fel eller effekterna av oväntade och okontrollerade variabler. När det är möjligt bör distinkta grupper av människor köra tester eller experiment som syftar till att samla in specifika kvantitativa data. De två grupperna kan jämföra alla metoder och variabler om de samlar in olika resultat, vilket gör att de kan isolera de specifika fel som uppstod under processen att samla kvantitativa data.