Jaké jsou nejlepší tipy pro shromažďování kvantitativních dat?

Existuje mnoho různých vědeckých a praktických oblastí zaměření, které se spoléhají na shromažďování kvantitativních dat.Shromažďování kvantitativních údajů je například ústřední význam v oblastech založených na výzkumu, jako je chemie, fyzika a dokonce i některé odvětví lingvistiky.Je také nezbytný pro testování a další účely v oblasti strojírenství, informatiky a dalších datových oborech a projektů zaměřených na výrobu konečného produktu.Specifické metody používané pro shromažďování kvantitativních dat se v rámci projektů drasticky liší, ale existují některé principy sběru dat, které lze široce, ne -li všeobecně aplikovat.Je například důležité považovat všechny možné prostředky k odstranění lidských a experimentálních chyb, shromažďování a analýzy všech dat spíše než pouze ta, která se hodí k těm teoriích, a spuštění experimentu nebo několikrát testuje, aby zkontrolovalo chyby.

Ačkoli je minimální chyba občas přijatelná, v některých případech to může vést k podstatné nepřesnosti nebo dokonce k selhání projektu.Kdykoli je to možné při sběru kvantitativních dat, pak by se mělo určit, do jaké míry lze chybu tolerovat.Techniky a zařízení používaná pro sběr kvantitativních dat by to měly být schopny tak učinit v rámci tohoto tolerovaného rozsahu chyb.Pokud to nemohou, je pravděpodobně nutné upřesnit metodu sběru dat nebo přijít s zcela novou..To platí zejména, když jen několik shromážděných čísel se 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 existující teorie na téma experimentování nebo testování jsou nesprávné.Proces sběru kvantitativních dat může být účinný a objektivní pouze tehdy, když výzkumný pracovník shromažďuje a hlásí všechna data.

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