Hva er de beste tipsene for å samle inn kvantitative data?

Det er mange forskjellige vitenskapelige og praktiske fokusområder som er avhengige av innsamling av kvantitative data.Å samle inn kvantitative data er for eksempel av sentral betydning i forskningsbaserte felt som kjemi, fysikk og til og med noen grener av språkvitenskap.Det er også viktig for testing og andre formål innen ingeniørvitenskap, informatikk og andre dataintensive felt og prosjekter som tar sikte på å produsere et sluttprodukt.De spesifikke metodene som brukes for å samle inn kvantitative data varierer drastisk på tvers av prosjekter, men det er noen prinsipper for datainnsamling som kan brukes mye, om ikke universelt,.Det er for eksempel viktig å ta alle mulige midler for å eliminere menneskelig og eksperimentell feil, å samle inn og analysere alle data i stedet for bare det som passer til teorier, og å kjøre et eksperiment eller teste flere ganger for å se etter feil.

Selv om minimal feil tidvis er akseptabel, kan det i noen tilfeller føre til betydelig unøyaktighet eller til og med til at et prosjekt mislykkes.Når det er mulig når man samler inn kvantitative data, bør man bestemme i hvilken grad feil kan tolereres.Teknikkene og enhetene som brukes til å samle inn kvantitative data, skal kunne gjøre det innenfor dette tålelige feilområdet.Hvis de ikke kan det, er det sannsynligvis nødvendig å avgrense datainnsamlingsmetoden eller å komme med en helt ny.

Når du samler inn kvantitative data, er det ofte fristende å registrere og bare bruke resultatene som tilsvarer tidligere eksperimenter eller teoretiske forventninger.Dette gjelder spesielt når bare noen få av de innsamlede tallene skiller seg betydelig fra forventede resultater.Disse outliers kan imidlertid være ekstremt viktige og bør ikke ignoreres, spesielt hvis de gjentar seg i påfølgende eksperimenter.Uventede resultater kan indikere problemer med den eksperimentelle prosedyren eller materialene, eller kan til og med antyde at de eksisterende teoriene om temaet eksperimentering eller testing er feil.Prosessen med å samle inn kvantitative data kan bare være effektiv og objektiv når forskeren samler inn og rapporterer alle data.

Å kjøre flere uavhengige studier er en utmerket måte å minimere feil når du samler inn kvantitative data.Å gjøre det kan avsløre problemer som enhetskalibrering, menneskelig feil eller effekten av uventede og ukontrollerte variabler.Når det er mulig, bør distinkte grupper av mennesker kjøre testene eller eksperimentene som tar sikte på å samle inn spesifikke kvantitative data.De to gruppene kan sammenligne alle metoder og variabler hvis de samler inn forskjellige resultater, og dermed lar dem isolere de spesielle feilene som oppsto under prosessen med å samle inn kvantitative data.