Vad är de bästa tipsna för att samla in kvantitativa data?

Det finns många olika vetenskapliga och praktiska fokusområden som förlitar sig på insamling av kvantitativa data. Insamling av kvantitativa data är till exempel av central betydelse inom forskningsbaserade områden som kemi, fysik och till och med vissa språkvetenskaper. Det är också viktigt för tester och andra syften inom teknik, datavetenskap och andra datakrävande fält och projekt som syftar till att producera en slutprodukt. De specifika metoderna som används för att samla in kvantitativa data varierar drastiskt mellan olika projekt, men det finns några principer för datainsamling som kan tillämpas i stor utsträckning, om inte universellt. Det är till exempel viktigt att vidta alla möjliga 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 det finns fel.

Även om minimalt fel ibland är acceptabelt, kan det i vissa fall leda till betydande felaktigheter eller till och med att projektet misslyckas. När det är möjligt när man samlar in kvantitativa data bör man bestämma i vilken grad felet kan tolereras. Teknikerna och anordningarna som används för att samla in kvantitativa data bör kunna göra det inom detta tolerabla felintervall. Om de inte kan det är det förmodligen nödvändigt att förfina datainsamlingsmetoden eller att ta fram en helt ny.

När man samlar in kvantitativa data är det ofta frestande att registrera och använda endast de resultat som motsvarar tidigare experiment eller teoretiska förväntningar. Detta gäller särskilt när endast ett fåtal av de samlade siffrorna skiljer sig väsentligt från förväntade resultat. Dessa utskjutare kan emellertid vara oerhört viktiga och bör inte ignoreras, särskilt om de återkommer i efterföljande experiment. Oväntade resultat kan indikera problem med det experimentella förfarandet eller materialet eller kan till och med antyda att de befintliga teorierna om 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 information.

Att köra flera oberoende försök är ett utmärkt sätt att minimera fel när man samlar in kvantitativa data. Om du gör det kan det upptäckas problem som enhetskalibrering, mänskligt 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 och därmed tillåter dem att isolera de specifika fel som uppstod under processen för att samla in kvantitativa data.