Πίνακας περιεχομένων[Κρύβω][Προβολή]
Μας περιβάλλουν δεδομένα, τα οποία γίνονται ολοένα και πιο σημαντικά κάθε μέρα. Όλο και περισσότερες από τις αλληλεπιδράσεις μας με το περιβάλλον διαμορφώνονται από διάφορες μορφές δεδομένων, συμπεριλαμβανομένης της χρήσης του διαδικτύου, των αγορών αυτοκινήτων, των ειδήσεων που προβάλλουμε και πολλών άλλων πραγμάτων.
Θα ορίσουμε ποσοτικά δεδομένα σε αυτήν την ανάρτηση, θα δώσουμε περιπτώσεις ποσοτικών δεδομένων, θα συζητήσουμε πώς διαφέρουν τα ποιοτικά και ποσοτικά δεδομένα και πολλά άλλα.
Ας κάνουμε όμως πρώτα ένα βήμα πίσω.
Καθημερινά παράγονται 2.5 εκατομμύριο byte δεδομένων—συμπεριλαμβανομένων των αποτελεσμάτων δοκιμών, των βαθμολογιών ικανοποίησης πελατών και των tweets. Αλλά δεν δημιουργούνται όλα τα δεδομένα ίσα.
Μια δημοσκόπηση που σας ζητά να κατατάξετε την υπηρεσία, το μενού, το περιβάλλον και την τιμολόγηση σε μια κλίμακα από το 1 έως το 10 παράγει διαφορετικά δεδομένα από μια συνέντευξη που σας ζητά να περιγράψετε την γευστική σας εμπειρία.
Είναι σημαντικό για τους αναλυτές που εργάζονται συχνά με σύνολα δεδομένων να κάνουν διάκριση μεταξύ διαφορετικών μορφών δεδομένων και να κατανοήσουν πώς η καθεμία θα μπορούσε να επηρεάσει τη μελέτη σας.
Η διαδικασία εμβάθυνσης σε δεδομένα ξεκινά συχνά με μια συγκεκριμένη ερώτηση που προσπαθείτε να απαντήσετε, όπως:
- Τι αντίκτυπο έχουν τα δημογραφικά στοιχεία στη συμπεριφορά των καταναλωτών;
- Θα ανταποκριθεί θετικά ένα συγκεκριμένο κοινό σε μια τροποποίηση ενός προϊόντος ή μιας υπηρεσίας;
- Πώς μπορούν να εξαλειφθούν τα λειτουργικά σημεία συμφόρησης για να αυξηθεί η αποτελεσματικότητα;
Θα χρειαστεί να συγκεντρώσετε και να αξιολογήσετε ποσοτικά δεδομένα, ανάλογα με τη φύση του θέματος, τον προϋπολογισμό σας, τον χρόνο και τους προσβάσιμους πόρους. Νομίζω ότι καταλαβαίνεις, σωστά;
Ας ξεκινήσουμε τώρα.
Τι είναι τα ποσοτικά δεδομένα;
Κάθε συλλογή δεδομένων που μπορεί να προσδιοριστεί και να αξιολογηθεί ποσοτικά θεωρείται ποσοτικά δεδομένα.
Το μόνο είδος δεδομένων που μπορεί να μετρηθεί αντικειμενικά είναι τα ποσοτικά δεδομένα, γεγονός που το καθιστά το πιο κατάλληλο τύπος δεδομένων για χρήση τόσο στα μαθηματικά όσο και στα στατιστικά.
Αναφέρεται ως η τιμή των δεδομένων όταν εκφράζεται ως μετρήσεις ή αριθμοί, με κάθε σύνολο δεδομένων να έχει μια συγκεκριμένη αριθμητική τιμή που του έχει εκχωρηθεί.
Οποιαδήποτε μετρήσιμη πληροφορία μπορεί να χρησιμοποιηθεί σε στατιστικούς υπολογισμούς και υπολογισμούς με βάση την αριθμητική θεωρείται ότι είναι αυτού του είδους τα δεδομένα, καθώς μπορούν να χρησιμοποιηθούν για την υποστήριξη κρίσεων στον πραγματικό κόσμο.
Πόσα, πόσο συχνά και πόσα είναι μερικά παραδείγματα ερωτημάτων που μπορεί να απαντήσει. Μπορούν να χρησιμοποιηθούν μαθηματικές μέθοδοι για την εύκολη επαλήθευση και αξιολόγηση αυτών των δεδομένων.
Τα ποσοτικά δεδομένα όπως ο χρόνος, το ύψος, το βάρος, η τιμή, το κόστος, το κέρδος, η θερμοκρασία και η απόσταση είναι αυτά με τα οποία συνήθως εργάζεται ένας αναλυτής δεδομένων.
Μπορεί να εκφραστεί ως ποσοστό, αριθμός, χρόνος φόρτωσης σελίδας ή άλλες μετρήσεις στους τομείς της διαχείρισης προϊόντων, του σχεδιασμού της εμπειρίας χρήστη ή της μηχανικής λογισμικού.
Το πόσα άτομα αγόρασαν ένα συγκεκριμένο προϊόν είναι ένα παράδειγμα ποσοτικών δεδομένων στο πλαίσιο της αγοράς. Τα ποιοτικά δεδομένα για τα αυτοκίνητα θα μπορούσαν να περιλαμβάνουν την ποσότητα της ιπποδύναμης που διαθέτει.
Ποιοι είναι οι τύποι Ποσοτικών Δεδομένων;
Τα δεδομένα που μπορούν να ποσοτικοποιηθούν αναφέρονται ως ποσοτικά δεδομένα, ωστόσο, ο τρόπος ποσοτικοποίησης αυτών των δεδομένων ποικίλλει ανάλογα με το είδος της συλλογής δεδομένων. Τα ποσοτικά δεδομένα μπορούν να χωριστούν σε δύο βασικές ομάδες: διακριτά και συνεχή. Οι κύριες παραλλαγές μεταξύ των δύο είναι οι εξής:
Διακριτά Δεδομένα
Οι ποσοτικές πληροφορίες που είναι διακριτές μπορούν να έχουν μόνο ένα συγκεκριμένο εύρος αριθμητικών τιμών. Αυτές οι τιμές δεν μπορούν να αποσυντεθούν αφού είναι σταθερές.
Κάθε φορά που μετράται οτιδήποτε, λαμβάνονται διακριτά δεδομένα. Τα τρία παιδιά ενός ατόμου, για παράδειγμα, θα ήταν ένα παράδειγμα διακριτών δεδομένων.
Ο αριθμός των παιδιών έχει οριστεί. δεν μπορούν, για παράδειγμα, να έχουν 3.2 παιδιά.
Ο αριθμός των επισκεπτών στον ιστότοπό σας είναι ένα άλλο παράδειγμα διακριτών αριθμητικών δεδομένων. μπορείτε να λάβετε 150 επισκέψεις την ημέρα, αλλά όχι 150.6. Τα πιο συνηθισμένα γραφήματα που χρησιμοποιούνται για την εμφάνιση διακριτών δεδομένων είναι τα γραφήματα πίτας, τα γραφήματα ράβδων και τα διαγράμματα καταμέτρησης.
Συνεχή Δεδομένα
Αντίστροφα, τα συνεχή δεδομένα μπορούν να χωριστούν επ' αόριστον σε μικρότερα στοιχεία. Το μήκος ενός κομματιού χορδής σε εκατοστά ή η θερμοκρασία σε βαθμούς Κελσίου είναι δύο παραδείγματα αυτού του είδους ποσοτικών δεδομένων που μπορούν να παρουσιαστούν σε μια κλίμακα μέτρησης.
Στην ουσία, τα συνεχή δεδομένα δεν περιορίζονται σε σταθερές τιμές. μπορεί να πάρει οποιαδήποτε αξία. Τα συνεχή δεδομένα μπορούν επίσης να αλλάξουν με την πάροδο του χρόνου. Για παράδειγμα, η θερμοκρασία του δωματίου θα αλλάξει κατά τη διάρκεια της ημέρας.
Ένα γράφημα γραμμής χρησιμοποιείται συνήθως για την απεικόνιση συνεχών δεδομένων.
Ποσοτικά Δεδομένα Vs Ποιοτικά Δεδομένα
Μπορούμε να δούμε ότι τα ποσοτικά δεδομένα μπορούν να μετρηθούν. Ασχολείται με ποσά, αξίες και αριθμούς. Αυτός ο τύπος πληροφοριών μπορεί να δηλωθεί αριθμητικά (δηλαδή, ποσότητα, διάρκεια, μήκος, τιμή ή μέγεθος).
Τα ποσοτικά δεδομένα έχουν πολλές αξιοπιστίες και θεωρούνται αμερόληπτα και αξιόπιστα επειδή παράγονται μέσω στατιστικών. Ωστόσο, υπάρχει ένας ακόμη κρίσιμος τύπος δεδομένων. Συγκεκριμένα, ποιοτικά δεδομένα.
Αυτές οι πληροφορίες είναι κυρίως περιγραφικού χαρακτήρα. Στις περισσότερες περιπτώσεις, δεν μπορεί να μετρηθεί άμεσα, αλλά μπορεί να μαθευτεί με παρατήρηση. Τα επίθετα και άλλοι περιγραφικοί όροι χρησιμοποιούνται για να περιγράψουν την εμφάνιση, το χρώμα, την υφή και άλλες ιδιότητες σε ποιοτικά δεδομένα.
Για παράδειγμα, θα μπορούσατε να υποστηρίξετε ότι το ένα δωμάτιο είναι πιο φωτεινό από το άλλο.
Οι πληροφορίες αυτές είναι ποιοτικές. Για να μετρήσετε πραγματικά τη φωτεινότητα στο δωμάτιο και να του αντιστοιχίσετε έναν αριθμητικό αριθμό, μπορείτε επίσης να χρησιμοποιήσετε επιστημονικό εξοπλισμό και συσκευή (όπως ένα φωτόμετρο). Λαμβάνετε μετρήσιμα δεδομένα κάνοντας αυτό.
5 καλύτερες μέθοδοι συλλογής ποσοτικών δεδομένων
1. Δειγματοληψία Πιθανοτήτων
Μια ακριβής τεχνική δειγματοληψίας που κάνει χρήση κάποιου είδους τυχαίας επιλογής και επιτρέπει στους ερευνητές να κάνουν έναν ισχυρισμό πιθανοτήτων με βάση τις πληροφορίες που συλλέγονται τυχαία από το κοινό για το οποίο προορίζονται.
Η δειγματοληψία πιθανοτήτων προσφέρει στους ερευνητές την ευκαιρία να συλλέξουν δεδομένα από άτομα που είναι τυπικά της ομάδας που ενδιαφέρονται να διερευνήσουν, κάτι που είναι ένα από τα καλύτερα χαρακτηριστικά της.
Επιπλέον, τα δεδομένα αντλήθηκαν τυχαία από το επιλεγμένο δείγμα, γεγονός που εξαλείφει την πιθανότητα δειγματοληψίας μεροληψίας.
Για τη δειγματοληψία πιθανοτήτων, υπάρχουν τρεις κύριες κατηγορίες.
- Απλή τυχαία δειγματοληψία: Ο επιδιωκόμενος πληθυσμός επιλέγεται πιο συχνά για να εκπροσωπείται στο δείγμα.
- Συστηματική τυχαία δειγματοληψία: Οποιοδήποτε μέλος του επιθυμητού πληθυσμού θα αντιπροσωπεύεται στο δείγμα, αλλά μόνο η πρώτη μονάδα επιλέγεται τυχαία. Οι υπόλοιπες μονάδες επιλέγονται σαν ένα στα δέκα άτομα στη λίστα.
- Στρωματοποιημένη τυχαία δειγματοληψία: Κατά τη δημιουργία ενός δείγματος, επιτρέπει την επιλογή κάθε ενότητας από ένα συγκεκριμένο υποσύνολο του επιδιωκόμενου κοινού. Είναι χρήσιμο όταν οι ερευνητές είναι επιλεκτικοί να συμπεριλάβουν μια συγκεκριμένη ομάδα ανθρώπων στο δείγμα, όπως απλώς διευθυντικά στελέχη ή στελέχη, άτομα που εργάζονται σε μια συγκεκριμένη βιομηχανία ή άνδρες ή γυναίκες.
2. Συνεντεύξεις
Οι άνθρωποι συνήθως λαμβάνουν συνεντεύξεις ως μέρος μιας διαδικασίας συλλογής δεδομένων. Οι συνεντεύξεις, ωστόσο, που γίνονται για τη συλλογή ποσοτικών δεδομένων είναι πιο οργανωμένες, με τους ερευνητές να κάνουν μόνο το προβλεπόμενο σύνολο ερωτήσεων και τίποτα άλλο.
Υπάρχουν τρεις κύριες κατηγορίες συνεντεύξεων που χρησιμοποιούνται για τη συλλογή δεδομένων.
- Τηλεφωνικές συνεντεύξεις: Οι τηλεφωνικές συνεντεύξεις κυριάρχησαν στα διαγράμματα των τεχνικών συλλογής δεδομένων για πολλά χρόνια. Αλλά χρησιμοποιώντας το Διαδίκτυο, το Skype ή άλλο διαδικτυακό τηλεδιάσκεψη Οι υπηρεσίες για τη διεξαγωγή συνεντεύξεων βίντεο έχουν αυξηθεί σημαντικά τα τελευταία χρόνια.
- Προσωπικές συνεντεύξεις: Η απευθείας συλλογή δεδομένων από τους συμμετέχοντες είναι μια δοκιμασμένη και αληθινή μέθοδος συλλογής πληροφοριών. Βοηθά στη συλλογή δεδομένων υψηλής ποιότητας, καθώς δίνει χώρο για εις βάθος έρευνες και πρόσθετη διερεύνηση για τη λήψη ολοκληρωμένων και εκπαιδευτικών πληροφοριών. Το επίπεδο αλφαβητισμού του συμμετέχοντος είναι ασήμαντο, καθώς οι έρευνες πρόσωπο με πρόσωπο (F2F) παρέχουν πολλές δυνατότητες παρατήρησης και συλλογής μη λεκτικών δεδομένων ή διερεύνησης περίπλοκων και άλυτων θεμάτων. Αν και μπορεί να είναι μια δαπανηρή και χρονοβόρα προσέγγιση, οι συνεντεύξεις πρόσωπο με πρόσωπο έχουν συχνά μεγαλύτερα ποσοστά ανταπόκρισης.
- Προσωπική συνέντευξη με τη βοήθεια υπολογιστή (CAPI): Δεν είναι τίποτα περισσότερο από μια ρύθμιση που είναι συγκρίσιμη με μια συνέντευξη πρόσωπο με πρόσωπο, όπου ο συνεντευκτής έχει έναν επιτραπέζιο ή φορητό υπολογιστή μαζί του για να ανεβάσει τα δεδομένα που συλλέγονται κατά τη διάρκεια της συνέντευξης απευθείας στη βάση δεδομένων. Λόγω του ότι ο συνεντευκτής δεν χρειάζεται να κουβαλήσει πολλά χαρτιά και ερωτηματολόγια, το CAPI μειώνει σημαντικά τον χρόνο που απαιτείται για την ενημέρωση και την ανάλυση των δεδομένων.
3. Παρατηρήσεις
Όπως υποδηλώνει το όνομα, είναι μια αρκετά εύκολη και απλή τεχνική για τη συλλογή ποσοτικών δεδομένων.
Σε αυτή την προσέγγιση, οι ερευνητές συλλέγουν ποσοτικά δεδομένα με μεθοδικές παρατηρήσεις χρησιμοποιώντας προσεγγίσεις όπως η καταμέτρηση του αριθμού των ατόμων που είναι παρόντα σε μια δεδομένη εκδήλωση σε μια συγκεκριμένη ώρα και έναν συγκεκριμένο χώρο ή τον αριθμό των ατόμων που παρακολουθούν την εκδήλωση σε ένα καθορισμένο σημείο.
Οι ερευνητές χρησιμοποιούν συχνά μια φυσιοκρατική στρατηγική παρατήρησης για την απόκτηση ποσοτικών δεδομένων, η οποία απαιτεί εξαιρετικές παρατηρητικές ικανότητες και αισθήσεις προκειμένου να λάβουν δεδομένα που είναι ποσοτικά μόνο για το «τι» και όχι επίσης για το «γιατί» και «πώς».
Η συλλογή τόσο ποιοτικών όσο και ποσοτικών δεδομένων γίνεται μέσω νατουραλιστικής παρατήρησης. Ωστόσο, η δομημένη παρατήρηση χρησιμοποιείται κυρίως για τη συλλογή ποσοτικών πληροφοριών παρά για ποιοτικές πληροφορίες.
- Δομημένη παρατήρηση: Σε αντίθεση με τη φυσιοκρατική ή τη συμμετοχική παρατήρηση, αυτή η μορφή μεθόδου παρατήρησης απαιτεί από τον ερευνητή να διεξάγει διεξοδικές παρατηρήσεις μιας ή περισσότερων καθορισμένων συμπεριφορών σε ένα πιο εκτεταμένο ή ελεγχόμενο πλαίσιο. Σε μια δομημένη παρατήρηση, οι ερευνητές περιορίζουν την προσοχή τους σε μερικές μόνο βασικές συμπεριφορές ενδιαφέροντος αντί να παρακολουθούν τα πάντα. Τους δίνει τη δυνατότητα να βάλουν σε αριθμούς τις συμπεριφορές που βλέπουν. Μερικές φορές αναφέρεται ως «κωδικοποίηση» όταν οι παρατηρήσεις καλούν τους παρατηρητές να κάνουν μια κρίση. Για να γίνει αυτό, ένα σύνολο συμπεριφορών-στόχων πρέπει να καθοριστεί με ακρίβεια.
4. Έρευνες
Οι διαδικτυακές έρευνες που γίνονται με λογισμικό έρευνας είναι απαραίτητες για τη συλλογή δεδομένων στο διαδίκτυο τόσο για ποσοτική όσο και για ποιοτική έρευνα. Οι έρευνες δημιουργούνται με τρόπο που επικυρώνει τις ενέργειες και την εμπιστοσύνη των ερωτηθέντων.
Η πλειονότητα των ποσοτικών ερευνών συχνά περιλαμβάνει λίστες ελέγχου και στοιχεία κλίμακας αξιολόγησης, επειδή διευκολύνουν τη μέτρηση των στάσεων και συμπεριφορών των ερωτηθέντων.
Δύο σημαντικά στυλ έρευνας χρησιμοποιούνται για τη συλλογή πληροφοριών στο διαδίκτυο για ποσοτική έρευνα αγοράς.
- Web-based: Για έρευνα που βασίζεται στο Διαδίκτυο ή στο διαδίκτυο, αυτή είναι μια από τις πιο δημοφιλείς και αξιόπιστες τεχνικές. Όταν απαντά σε μια διαδικτυακή έρευνα, ο ερωτώμενος θα λάβει ένα μήνυμα ηλεκτρονικού ταχυδρομείου με έναν σύνδεσμο προς την έρευνα, στο οποίο, όταν πατηθεί, θα τον οδηγήσει σε μια ασφαλή διαδικτυακή πλατφόρμα έρευνας όπου μπορεί να ολοκληρώσει την έρευνα. Οι ερευνητές προτιμούν τις έρευνες που βασίζονται στον ιστό επειδή είναι πιο αποδοτικές σε χρόνο και χρήμα, πιο γρήγορες και έχουν μεγαλύτερο κοινό. Χρησιμοποιώντας επιτραπέζιο υπολογιστή, φορητό υπολογιστή, tablet ή φορητή συσκευή, οι ερωτηθέντες είναι ελεύθεροι να συμπληρώσουν την έρευνα όποτε τους βολεύει και αυτό είναι το κύριο πλεονέκτημα ενός ερωτηματολογίου που βασίζεται στον ιστό.
- Βασισμένο σε αλληλογραφία: Η έρευνα ταχυδρομείται σε μεγάλο μέρος του πληθυσμού του δείγματος μέσω ταχυδρομείου, επιτρέποντας στον ερευνητή να προσεγγίσει ποικίλα είδη κοινού. Το ταχυδρομικό ερωτηματολόγιο έρχεται συνήθως σε πακέτο με εξώφυλλο που ενημερώνει το κοινό για το είδος της μελέτης που γίνεται και γιατί, καθώς και μια προπληρωμένη επιστροφή, για τη συλλογή δεδομένων στο διαδίκτυο. Ακόμα κι αν το ταχυδρομείο έχει μεγαλύτερο ποσοστό ανατροπής από άλλες τεχνικές συλλογής ποσοτικών δεδομένων, συμπεριλαμβανομένων των κινήτρων και των υπενθυμίσεων για την ολοκλήρωση της έρευνας, βοηθά στη σημαντική μείωση του ποσοστού ανατροπής.
5. Έλεγχος τεκμηρίωσης
Μετά την ανάλυση των τρεχουσών εγγράφων, η αναθεώρηση εγγράφων είναι μια τεχνική που χρησιμοποιείται για τη συλλογή δεδομένων. Επειδή τα έγγραφα είναι ελεγχόμενα και η πρακτική πηγή για τη λήψη ακριβών δεδομένων από το παρελθόν, είναι μια αποτελεσματική και επιτυχημένη μέθοδος συλλογής δεδομένων.
Η αναθεώρηση εγγράφων έχει γίνει μία από τις χρήσιμες τεχνικές για τη συλλογή ποσοτικών ερευνητικών δεδομένων, εκτός από την ενίσχυση και υποστήριξη της μελέτης με την προσφορά συμπληρωματικών ερευνητικών δεδομένων.
Για τους σκοπούς της συλλογής συμπληρωματικών ποσοτικών ερευνητικών δεδομένων, εξετάζονται τρεις κύριες κατηγορίες εγγράφων.
- Δημόσια έγγραφα: Τα επίσημα, συνεχιζόμενα αρχεία ενός οργανισμού εξετάζονται για πρόσθετη έρευνα ως μέρος αυτής της εξέτασης εγγράφων. Για παράδειγμα, ετήσιες εκθέσεις, οδηγοί πολιτικής, φοιτητικές εκδηλώσεις, δραστηριότητες πανεπιστημιακών παιχνιδιών κ.λπ.
- Προσωπικά αρχεία: Αυτό το είδος ανάλυσης εγγράφων εξετάζει ιδιωτικές αναφορές για τις συμπεριφορές, τη συμπεριφορά, την υγεία, τη σωματική διάπλαση κ.λπ. σε αντίθεση με τα δημόσια αρχεία. Για παράδειγμα, το μέγεθος και το βάρος των μαθητών, ο χρόνος ταξιδιού που χρειάζονται οι μαθητές για να πάνε στο σχολείο κ.λπ.
- Φυσική απόδειξη: Η φυσική απόδειξη ή τα αρχεία μιλούν για τις προηγούμενες επιτυχίες ενός ατόμου ή ενός οργανισμού όσον αφορά τα χρήματα και την κλιμακούμενη ανάπτυξη.
Ποσοτικά Παραδείγματα
Ακολουθούν μερικές περιπτώσεις ποσοτικών δεδομένων που θα σας βοηθήσουν να κατανοήσετε πλήρως τι αναφέρεται:
- Η νεότερη εφαρμογή για κινητά έχει κατέβει από 83 άτομα.
- Πέρυσι, η θεία μου έχασε 18 κιλά.
- Το κόστος του στοιχείου X είναι 1,000 $.
- Στην εκδήλωση συμμετείχαν 500 συμμετέχοντες.
- Φέτος έχει δέκα αργίες.
- Σε ένα τρίμηνο, αναβάθμισα το τηλέφωνό μου έξι φορές.
- Πέρυσι, ο μικρός μου μεγάλωσε κατά 3 ίντσες.
- Η προσθήκη ενός νέου προϊόντος θα έχει ως αποτέλεσμα αύξηση των εσόδων κατά 30%.
- Το 54% των Αμερικανών δήλωσαν ότι προτιμούν να αγοράζουν online παρά σε εμπορικό κέντρο.
- 150 ερωτηθέντες είπαν ότι δεν πιστεύουν ότι η λειτουργία του νέου προϊόντος θα ήταν μεγάλη επιτυχία.
Πλεονεκτήματα
- Διεξαγωγή εις βάθος μελέτης: Είναι πολύ πιθανό η έρευνα να είναι ενδελεχής, αφού τα ποσοτικά δεδομένα μπορούν να εξεταστούν στατιστικά.
- Ελάχιστη προκατάληψη: Υπάρχουν φορές που η προσωπική προκατάληψη συμβάλλει στην έρευνα και προκαλεί ανακριβή αποτελέσματα. Η προσωπική προκατάληψη μειώνεται πολύ από την αριθμητική πτυχή των ποσοτικών δεδομένων.
- Αποτελέσματα που είναι ακριβή: Δεδομένου ότι τα αποτελέσματα ήταν αντικειμενικά στη φύση, ήταν αρκετά ακριβή.
Μειονεκτήματα
- Περιορισμένες πληροφορίες: Δεδομένου ότι τα ποσοτικά δεδομένα δεν είναι περιγραφικά, είναι δύσκολο για τους ερευνητές να εξάγουν συμπεράσματα μόνο από τα δεδομένα που έχουν συγκεντρώσει.
- Εξαρτάται από τον τύπο της ερώτησης: Ο τύπος ερώτησης που χρησιμοποιείται για τη συλλογή ποσοτικών δεδομένων επηρεάζει τη μεροληψία στα αποτελέσματα. Κατά τη συλλογή ποσοτικών δεδομένων, η κατανόηση των στόχων και των στόχων της έρευνας από τον ερευνητή είναι ζωτικής σημασίας.
Συμπέρασμα
Τα ποσοτικά δεδομένα αφορούν την αποκλίνουσα σκέψη και όχι τη συγκλίνουσα συλλογιστική. Ασχολείται με την αριθμητική, τη λογική και την αντικειμενική άποψη δίνοντας έμφαση σε αριθμητικά και σταθερά γεγονότα.
Το μόνο είδος δεδομένων που μπορεί να είναι ικανό να εμφανίζει αναλυτικά συμπεράσματα σε γραφήματα και γραφήματα, η έρευνα ποσοτικών δεδομένων είναι ενδελεχής.
Η ανάλυση δεδομένων είναι σίγουρα ένα κρίσιμο βήμα που, εάν λείπει, μπορεί όχι μόνο να θέσει σε κίνδυνο την αντικειμενικότητα και την αυθεντικότητα της μελέτης σας αλλά και να κάνει τα συμπεράσματα ασταθή. Τα καλά δεδομένα θα σας βοηθήσουν να παράγετε ακριβή αποτελέσματα.
Επομένως, ανεξάρτητα από την τεχνική που χρησιμοποιείτε για τη συλλογή ποσοτικών δεδομένων, βεβαιωθείτε ότι οι πληροφορίες είναι αρκετά υψηλής ποιότητας ώστε να αποφέρουν πολύτιμες και χρήσιμες πληροφορίες.
Αφήστε μια απάντηση