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.
