Vilka är de bästa tips för att samla in kvantitativa data?

Det finns många olika vetenskapliga och praktiska fokusområden som förlitar sig på insamlingen av kvantitativa data.Att samla kvantitativa data är till exempel av central betydelse inom forskningsbaserade områden som kemi, fysik och till och med vissa grenar av lingvistik.Det är också viktigt för testning och andra syften inom teknik, datavetenskap och andra datakrävande områden och projekt som syftar till att producera en slutprodukt.De specifika metoderna som används för att samla kvantitativa data varierar drastiskt mellan projekt, men det finns några principer för datainsamling som kan vara allmänt, om inte universellt, tillämpas.Det är till exempel viktigt att ta alla medel för att eliminera mänskliga och experimentella fel, samla in och analysera all data snarare än bara det som passar sina teorier och att köra ett experiment eller testa flera gånger för att kontrollera om det är fel.

Även om minimalt fel ibland är acceptabelt, kan det i vissa fall leda till betydande felaktighet eller till och med till ett projekt.När det är möjligt vid samlingen av kvantitativa data bör man bestämma i vilken grad fel kan tolereras.Teknikerna och enheterna som används för att samla kvantitativa data bör kunna göra det inom detta tolererbara felområde.Om de inte kan, är det förmodligen nödvändigt att förfina datainsamlingsmetoden eller att komma med en helt ny.

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

Att köra flera oberoende studier är ett utmärkt sätt att minimera fel när man samlar in kvantitativa data.Om du gör det kan avslöja 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, vilket gör att de kan isolera de specifika fel som uppstod under processen att samla kvantitativa data.