정량적 데이터를 수집하기위한 가장 좋은 팁은 무엇입니까?

procipartiative의 양적 데이터 수집에 의존하는 다양한 과학적, 실용적인 초점 영역이 많이 있습니다.예를 들어, 정량적 데이터를 수집하는 것은 예를 들어 화학, 물리학 및 일부 언어학 분지와 같은 연구 기반 분야에서 중심적으로 중요합니다.또한 엔지니어링, 컴퓨터 과학 및 기타 데이터 집약적 인 분야 및 최종 제품 생산을 목표로하는 테스트 및 기타 목적에 필수적입니다.정량적 데이터를 수집하는 데 사용되는 특정 방법은 프로젝트마다 크게 다르지만 보편적으로 적용되지는 않지만 널리 적용될 수있는 데이터 수집 원칙이 있습니다.예를 들어, 인적 및 실험 오류를 제거하고, 이론에 맞는 것보다는 모든 데이터를 수집하고 분석하고 오류를 확인하기 위해 실험 또는 테스트를 여러 번 실행하는 것이 가능한 모든 수단을 취하는 것이 중요합니다.최소 오류는 때때로 허용되지만 경우에 따라 상당한 부정확성이나 프로젝트 실패로 이어질 수 있습니다.정량적 데이터를 수집 할 때 가능할 때마다 오류를 허용 할 수있는 정도를 결정해야합니다.정량적 데이터를 수집하는 데 사용되는 기술과 장치는이 허용 가능한 오류 범위 내에서 그렇게 할 수 있어야합니다.그들이 할 수 없다면, 데이터 수집 방법을 개선하거나 완전히 새로운 방법을 제시해야 할 것입니다.

정량적 데이터를 수집 할 때는 종종 이전 실험이나 이론적 기대에 해당하는 결과 만 기록하고 사용하려는 유혹을받습니다..수집 된 숫자 중 일부만이 예상 결과와 크게 다를 때 특히 그렇습니다.그러나 이러한 특이 치는 매우 중요 할 수 있으며 특히 후속 실험에서 재발하는 경우 무시해서는 안됩니다.예상치 못한 결과는 실험 절차 또는 재료의 문제를 나타내거나 실험 또는 테스트 주제에 대한 기존 이론이 부정확하다는 것을 제안 할 수도 있습니다.정량적 데이터를 수집하는 프로세스는 연구원이 모든 데이터를 수집하고보고 할 때만 효과적이고 객관적 일 수 있습니다.그렇게하면 장치 교정, 인간 오류 또는 예상치 못한 제어되지 않은 변수의 영향과 같은 문제가 드러날 수 있습니다.가능하면 별개의 사람들이 특정 정량적 데이터를 수집하기위한 테스트 또는 실험을 실행해야합니다.두 그룹은 다른 결과를 수집하면 모든 방법과 변수를 비교하여 정량적 데이터를 수집하는 과정에서 발생하는 특정 오류를 분리 할 수 있습니다.