A step-by-step guide 데이터 수집

데이터 수집 체계적인 수집하는 프로세스를 관찰하거나 측정합니다. 당신이 비즈니스를 위한 연구를 수행,정부 또는 학문적 목적의 데이터를 수집할 수 있습을 직접적인 지식과 원래 통찰력을 당신의 연구는 문제입니다.

방법과 목적이 필드마다 다를 수 있지만 전체 데이터 수집 프로세스는 크게 동일하게 유지됩니다., 데이터 수집을 시작하기 전에,고려해야 할 필요가있다:

• 목적 연구의
• 유형의 데이터를 수집
• 방법 및 절차를 사용하여 수집,저장,프로세스는 데이터

를 수집하는 고품질 데이터와 관련된 목적에 따라,이러한 네 가지 단계가 있습니다.

1 단계:정의의 목적은 당신의 연구

을 시작하기 전에 프로세스는 데이터의 컬렉션을 확인할 필요가 정확히 무엇을 달성 할 수 있습니다., 시작할 수 있습을 작성하여 문제는 무엇입 또는 실용적인 과학적인 문제할 주소와 상관 않는 이유는 무엇입니까?

다음으로,찾고자하는 것을 정확하게 정의하는 하나 이상의 연구 질문을 공식화하십시오. 에 따라 연구 질문을 수집해야 할 수도 있습니다 양적 또는 질적 데이터:

• 정량 데이터는 표현된 숫자와 그래프 분석을 통해 통계적 방법입니다.
• 질적 데이터는 단어로 표현되고 해석과 분류를 통해 분석됩니다.,

경우에 당신의 목표는 가설을 테스트,측정 정확하게 무언가를,또는 이득을 대규모의 통계적인 통찰력을 수집,정량 데이터입니다. 아이디어를 탐색하거나 경험을 이해하거나 특정 맥락에 대한 자세한 통찰력을 얻는 것이 목표라면 질적 인 데이터를 수집하십시오. 여러 목적이있는 경우 두 가지 유형의 데이터를 모두 수집하는 혼합 방법 접근 방식을 사용할 수 있습니다.

을 연구하고 직원의 인식은 그들의 직접적인 관리자는 대규모 조직에서.,

• 첫 번째 목표는 평가가 있는지 여부에 상당한 차이 인의 관리자는 다른 부서와 사무실 위치.
• 두 번째 목표를 수집하는 의미있는 직원들의 의견을 들어 새로운 아이디어를 탐구하는 방법에 대한 관리자를 향상시킬 수 있습니다.

혼합 방법 접근법을 사용하여 양적 및 질적 데이터를 수집하기로 결정합니다.

2 단계 선택하신 데이터 수집방법

기반에 데이터를 수집할 방법을 결정에 가장 적합한 연구이다.,

• 실험적 연구는 주로 정량적 방법입니다.
• 인터뷰/포커스 그룹 및 민족지학은 질적 인 방법입니다.
• 설문 조사,관찰,보관 연구 및 보조 데이터 수집은 양적 또는 질적 방법이 될 수 있습니다.

연구 질문에 직접 대답하는 데 도움이되는 데이터를 수집하는 데 사용할 방법을 신중하게 고려하십시오.,

데이터 수집 방법

방법	사용하는 경우	데이터를 수집하는 방법
실험	을 테스트하는 인과 관계입니다.	변수를 조작하고 다른 사람에게 미치는 영향을 측정합니다.
설문 조사	사람들의 그룹의 일반적인 특성이나 의견을 이해합니다.	직접 또는 전화로 온라인 샘플에 질문 목록을 배포하십시오.,
면접/포커스 그룹	을 얻기 위해서 깊이 있는 이해의 지각하거나 의견을에서 주제입니다.	개별 인터뷰 또는 포커스 그룹 토론에서 구두로 참가자에게 개방형 질문을하십시오.
관찰	자연 환경에서 무언가를 이해합니다.	측정하거나 영향을 시도하지 않고 샘플을 조사.
민족 지학	지역 사회 또는 조직의 문화를 직접 연구합니다.	커뮤니티에 가입하고 참여하여 관찰과 반성을 기록하십시오.,
보관 연구	현재 또는 역사적 사건,조건 또는 관행을 이해합니다.	도서관,보관소 또는 인터넷에서 원고,문서 또는 기록에 액세스하십시오.
보조 데이터 수집	데이터를 분석하기 위한 모집단에서 액세스할 수 없는 첫 번째입니다.	정부 기관이나 연구 기관과 같은 출처에서 이미 수집 된 기존 데이터 세트를 찾으십시오.,

3 단계:을 계획하는 데이터 수집 절차

알고 있는 경우는 방법(s)당신은 당신을 사용하여 계획해야 합니다 정확히 어떻게 당신을 구현하는 것입니다. 관심있는 변수에 대한 정확한 관찰 또는 측정을하기 위해 어떤 절차를 따를 것입니까?,

예를 들어 설문 조사 나 인터뷰를 진행하는 경우 질문이 어떤 형태를 취할 것인지 결정하십시오.

운영

때로는 변수를 직접 측정:예를 들어,당신은 데이터를 수집할 수 있습에 평균 연령은 직원의 간단히 요청에 의해 생년월일의 날짜. 그러나 종종 직접 관찰 할 수없는보다 추상적 인 개념이나 변수에 대한 데이터를 수집하는 데 관심이있을 것입니다.,

Operationalization 은 추상적 개념 아이디어를 측정 가능한 관찰로 바꾸는 것을 의미합니다. 데이터를 수집하는 방법을 계획 할 때 연구하려는 내용의 개념적 정의를 실제로 측정 할 내용의 운영 정의로 번역해야합니다.

을 사용하기로 결정했 설문조사 수집하는 정량 데이터입니다. 측정하려는 개념은 관리자의 리더십입니다., 당신이 운영하고 이 개념에는 두 가지 방법으로

• 을 묻는 관리자를 평가하는 자신의 지도력에서 5-포인트 저울을 평가하는 위임할 수 있어,결단력과 신뢰성을 추가했습니다.<리>당신은 같은 주제에 관한 관리자에 익명의 피드백을 제공하기 위해 자신의 직접 직원을 부탁드립니다.

단일 개념의 여러 등급을 사용하면 데이터를 교차 확인하고 측정 값의 테스트 유효성을 평가할 수 있습니다.

샘플링

을 개발해야 할 수 있습니다 샘플링 계획에 데이터를 얻기 위해 체계적으로 합니다., 여기에는 인구,결론을 도출하려는 그룹 및 샘플,실제로 데이터를 수집 할 그룹을 정의하는 것이 포함됩니다.

귀하의 샘플링 방법은 참가자를 모집하거나 연구에 대한 측정을 얻는 방법을 결정합니다. 에 결정하는 샘플링 방법을 고려해야 할 요인이 필요한 샘플 크기의 접근성,샘플 및 기간 데이터의 컬렉션입니다.

절차의 표준화를

경우 여러 연구원들이 참여,작성한 자세한 설명서를 표준화 데이터 수집 절차에서의 연구이다.,

이웃의 특정한 단계별 지침이도록 모두에서 당신의 연구 팀은 데이터를 수집하고 일관된 방식으로,예를 들어 실험을 실시하여 동일한 조건에서 사용 목적은 표준을 기록하고 분류 관찰.이것은 데이터의 신뢰성을 보장하는 데 도움이되며 향후 연구를 복제하는 데 사용할 수도 있습니다.

성 데이터 관리 계획

데이터 수집을 시작하기 전에,당신은 또한 방법을 결정을 구성하고 데이터를 저장.,

• 경우에서 데이터를 수집하는 사람들,당신은 가능성이 필요를 익명화하고 보호하는 데이터의 누수를 방지하기 위해 중요한 정보(예:이름 또는 id 번호).
• 는 경우 데이터 수집 인터뷰를 통해 또는 펜과 종이 형식,수행해야 합기 또는 데이터 입장에서 체계적인 방법을 최소화하는 왜곡.
• 일상적으로 백업되는 조직 시스템을 갖추면 데이터 손실을 방지 할 수 있습니다.,

4 단계:데이터 수집

마지막으로 선택한 방법을 구현하여 관심있는 변수를 측정하거나 관찰 할 수 있습니다.

에 대한 데이터를 수집하는 인의 관리자,관리와 설문조사를 폐쇄하고 질문하의 샘플 300 회사 전 직원이 다른 부서 및 위치.

폐쇄 형 질문은 참가자들에게 관리자의 리더십 기술을 1-5 의 척도로 평가하도록 요청합니다., 생성 된 데이터는 수치이며 평균과 패턴에 대해 통계적으로 분석 할 수 있습니다.

개방형 질문은 참가자들에게 관리자가 지금 잘하고있는 일과 미래에 더 잘할 수있는 일의 예를 묻습니다. 생성 된 데이터는 질적이며 추가 통찰력을 위해 콘텐츠 분석을 통해 분류 할 수 있습니다.

을 보장하는 높은 품질의 데이터를 기록하는 체계적인 방법으로,몇 가지 모범 사례는 다음과 같습니다:

• 기록 관련된 모든 정보를 때 당신은 데이터를 가져옵니다., 예를 들어,실험 연구 중에 실험실 장비가 재조정되는지 여부 또는 방법을 적어 두십시오.
• 오류에 대한 수동 데이터 입력을 다시 확인하십시오.
• 경우 양적 데이터를 수집,평가할 수 있습니다 신뢰성과 타당성의 표시를 얻기 위해 귀하의 데이터 품질을 보장할 수 있습니다.

데이터 수집에 대한 자주 묻는 질문

연구를 수행했을 때,수집 원본 데이터를 사용하면 상당한 장점이 있습니다:

• 할 수 있는 거리에 데이터를 수집하는 특정 연구하는 것을 목표로(예를 들어 이해의 필요의 소비자 또는 사용자 테스트의 웹 사이트)
• 제어할 수 있고 표준화하는 프로세스에 대한 높은 신뢰성과 유효성(예를 들어를 선택하는 적절한 측정 및 샘플링 방법)

그러나,또한 일부 단점이 있: 데이터 수집될 수 있는 시간이 많이 소요,노동 집약적이고 비싸다., 어떤 경우에는 이미 다른 사람이 수집 한 보조 데이터를 사용하는 것이 더 효율적이지만 데이터가 덜 신뢰할 수 있습니다.