Jadual Kandungan[Sembunyi][Tunjukkan]
Kami dikelilingi oleh data, yang semakin ketara setiap hari. Semakin banyak interaksi kita dengan alam sekitar dibentuk oleh pelbagai bentuk data, termasuk penggunaan internet, pembelian kereta, suapan berita yang kita lihat dan banyak lagi perkara lain.
Kami akan mentakrifkan data kuantitatif dalam siaran ini, memberikan contoh data kuantitatif, membincangkan cara data kualitatif dan kuantitatif berbeza-beza, dan banyak lagi.
Tetapi mari kita berundur selangkah.
Setiap hari, 2.5 quintillion bait data—termasuk keputusan ujian, markah kepuasan pelanggan dan tweet—dihasilkan. Tetapi tidak setiap bahagian data dicipta sama.
Tinjauan pendapat yang meminta anda menilai perkhidmatan, menu, persekitaran dan harga pada skala 1 hingga 10 menghasilkan data yang berbeza daripada temu bual yang meminta anda menerangkan pengalaman makan anda.
Adalah penting bagi penganalisis yang kerap bekerja dengan set data untuk membezakan antara bentuk data yang berbeza dan memahami cara setiap jenis data boleh mempengaruhi kajian anda.
Proses menyelidiki data selalunya bermula dengan soalan khusus yang anda cuba jawab, seperti:
- Apakah kesan demografi terhadap tingkah laku pengguna?
- Adakah khalayak tertentu akan bertindak balas dengan baik terhadap pengubahsuaian dalam produk atau perkhidmatan?
- Bagaimanakah kesesakan operasi boleh dihapuskan untuk meningkatkan kecekapan?
Anda perlu mengumpulkan dan menilai data kuantitatif, bergantung pada jenis subjek, belanjawan anda, masa dan sumber yang boleh diakses. Saya rasa awak faham, kan?
Jom mulakan sekarang.
Apakah Data Kuantitatif?
Sebarang pengumpulan data yang boleh dikenal pasti dan dinilai secara kuantitatif dianggap sebagai data kuantitatif.
Satu-satunya jenis data yang boleh diukur secara objektif ialah data kuantitatif, menjadikannya yang paling relevan jenis data untuk digunakan dalam kedua-dua matematik dan statistik.
Ia dirujuk sebagai nilai data apabila ia dinyatakan sebagai kiraan atau nombor, dengan setiap set data mempunyai nilai berangka tertentu yang diberikan kepadanya.
Sebarang maklumat yang boleh diukur yang boleh digunakan dalam pengiraan statistik dan pengiraan berdasarkan aritmetik dianggap sebagai jenis data ini kerana ia boleh digunakan untuk menyokong pertimbangan di dunia nyata.
Berapa banyak, kekerapan dan bilangan beberapa contoh pertanyaan yang boleh dijawabnya. Kaedah matematik boleh digunakan untuk mengesahkan dan menilai data ini dengan mudah.
Data kuantitatif seperti masa, ketinggian, berat, harga, kos, keuntungan, suhu dan jarak adalah perkara yang biasanya digunakan oleh penganalisis data.
Ia boleh dinyatakan sebagai peratusan, nombor, masa muat halaman atau metrik lain dalam bidang pengurusan produk, reka bentuk pengalaman pengguna atau kejuruteraan perisian.
Berapa ramai orang yang membeli item tertentu ialah contoh data kuantitatif dalam konteks pembelian. Data kualitatif pada kereta boleh termasuk jumlah kuasa kuda yang dimilikinya.
Apakah jenis Data Kuantitatif?
Data yang boleh dikira dirujuk sebagai data kuantitatif, bagaimanapun, cara data itu dikira berbeza-beza bergantung pada jenis pengumpulan data yang ada. Data kuantitatif boleh dibahagikan kepada dua kumpulan asas: diskret dan berterusan. Variasi utama antara keduanya adalah seperti berikut:
Data Diskret
Maklumat kuantitatif yang diskret hanya boleh mempunyai julat nilai berangka tertentu. Nilai ini tidak boleh diuraikan kerana ia tetap.
Setiap kali apa-apa dikira, data diskret diperoleh. Tiga anak seseorang, misalnya, akan menjadi contoh data diskret.
Bilangan kanak-kanak ditetapkan; mereka tidak boleh, sebagai contoh, mempunyai 3.2 orang anak.
Jumlah pelawat ke tapak web anda ialah satu lagi contoh data angka diskret; anda boleh menerima 150 lawatan dalam sehari, tetapi bukan 150.6. Carta yang paling biasa digunakan untuk memaparkan data diskret ialah carta pai, carta bar dan carta pengiraan.
Data Berterusan
Sebaliknya, data berterusan boleh dibahagikan selama-lamanya kepada komponen yang lebih kecil. Panjang seutas tali dalam sentimeter atau suhu dalam darjah Celsius ialah dua contoh data kuantitatif jenis ini yang boleh ditunjukkan pada skala ukuran.
Pada dasarnya, data berterusan tidak terhad kepada nilai tetap; ia boleh mengambil apa-apa nilai. Data berterusan juga boleh berubah dari semasa ke semasa; sebagai contoh, suhu bilik akan berubah pada siang hari.
Graf garis biasanya digunakan untuk menggambarkan data berterusan.
Data Kuantitatif Vs Data Kualitatif
Kita dapat melihat bahawa data kuantitatif boleh diukur. Ia berkaitan dengan jumlah, nilai, dan nombor. Maklumat jenis ini boleh dinyatakan secara berangka (iaitu, jumlah, tempoh, panjang, harga atau saiz).
Data kuantitatif mempunyai banyak kredibiliti dan dilihat sebagai tidak berat sebelah dan boleh dipercayai kerana ia dihasilkan melalui statistik. Walau bagaimanapun, terdapat satu lagi jenis data penting. Secara khusus, data kualitatif.
Maklumat ini terutamanya bersifat deskriptif. Dalam kebanyakan kes, ia tidak boleh diukur secara langsung tetapi boleh dipelajari melalui pemerhatian. Kata adjektif dan istilah deskriptif lain digunakan untuk menerangkan rupa, warna, tekstur dan sifat lain dalam data kualitatif.
Sebagai contoh, anda boleh berhujah bahawa satu bilik lebih terang daripada yang lain.
Maklumat itu adalah kualitatif. Untuk benar-benar mengukur kecerahan dalam bilik dan memberikannya nombor berangka, anda juga boleh menggunakan peralatan dan radas saintifik (seperti meter cahaya). Anda memperoleh data yang boleh diukur dengan melakukannya.
5 Kaedah Terbaik untuk Mengumpul Data Kuantitatif
1. Persampelan Kebarangkalian
Teknik persampelan tepat yang menggunakan beberapa jenis pemilihan rawak dan membolehkan penyelidik membuat tuntutan kebarangkalian berdasarkan maklumat yang dikumpul secara rawak daripada khalayak yang dimaksudkan.
Persampelan kebarangkalian menawarkan penyelidik peluang untuk mengumpul data daripada individu yang tipikal dalam kumpulan yang mereka berminat untuk menyiasat, yang merupakan salah satu ciri terbaiknya.
Selain itu, data diambil secara rawak daripada sampel yang dipilih, yang menghapuskan peluang bias pensampelan.
Untuk pensampelan kebarangkalian, terdapat tiga kategori utama.
- Persampelan rawak mudah: Populasi yang dimaksudkan lebih kerap dipilih untuk diwakili dalam sampel.
- Persampelan rawak sistematik: Mana-mana ahli populasi yang dikehendaki akan diwakili dalam sampel, tetapi hanya unit pertama dipilih secara rawak; unit lain dipilih seolah-olah satu daripada sepuluh orang dalam senarai.
- Persampelan rawak berstrata: Semasa membuat sampel, membolehkan memilih setiap unit daripada subset khusus khalayak yang dimaksudkan. Ia berguna apabila penyelidik memilih untuk memasukkan kumpulan orang tertentu dalam sampel, seperti hanya pengurus atau eksekutif, orang yang bekerja dalam industri tertentu, atau lelaki atau perempuan.
2. Temu bual
Orang ramai biasanya ditemu bual sebagai sebahagian daripada proses pengumpulan data. Walau bagaimanapun, temu bual yang dijalankan untuk mengumpul data kuantitatif adalah lebih teratur, dengan penyelidik hanya bertanya set soalan yang ditetapkan dan tidak ada yang lain.
Terdapat tiga kategori utama temu bual yang digunakan untuk mengumpul data.
- Temu bual telefon: Temu bual telefon mendominasi carta teknik pengumpulan data selama bertahun-tahun. Tetapi menggunakan internet, Skype, atau dalam talian lain persidangan video perkhidmatan untuk menjalankan temu bual video telah meningkat dengan ketara dalam beberapa tahun kebelakangan ini.
- Temu bual secara peribadi: Pengumpulan data peserta secara langsung ialah kaedah pengumpulan maklumat yang dicuba dan benar. Ia membantu dalam mengumpul data berkualiti tinggi kerana ia memberi ruang untuk pertanyaan mendalam dan penyelidikan tambahan untuk mendapatkan maklumat yang komprehensif dan pendidikan. Tahap celik huruf peserta adalah tidak penting kerana tinjauan bersemuka (F2F) menyediakan banyak kemungkinan untuk memerhati dan mengumpul data bukan lisan atau untuk menyiasat topik yang rumit dan tidak dapat diselesaikan. Walaupun ia mungkin merupakan pendekatan yang mahal dan memakan masa, temu bual secara bersemuka selalunya mempunyai kadar respons yang lebih tinggi.
- Temuduga Peribadi Berbantukan Komputer (CAPI): Ia tidak lebih daripada tetapan yang setanding dengan temu duga bersemuka di mana penemuduga mempunyai desktop atau komputer riba dengannya untuk memuat naik data yang dikumpul semasa temu duga terus ke dalam pangkalan data. Disebabkan penemuduga tidak perlu membawa satu tan kertas kerja dan soal selidik, CAPI mengurangkan dengan ketara masa yang diperlukan untuk mengemas kini dan menganalisis data.
3. Pemerhatian
Seperti namanya, ia adalah teknik yang agak mudah dan tidak rumit untuk mengumpul data kuantitatif.
Dalam pendekatan ini, penyelidik mengumpul data kuantitatif melalui pemerhatian berkaedah menggunakan pendekatan seperti mengira bilangan orang yang hadir pada sesuatu acara pada masa tertentu dan tempat tertentu atau bilangan individu yang menghadiri acara itu di tempat yang ditetapkan.
Para penyelidik kerap menggunakan strategi pemerhatian naturalistik untuk memperoleh data kuantitatif, yang memerlukan kebolehan dan deria pemerhatian yang sangat baik untuk mendapatkan data yang kuantitatif hanya tentang "apa" dan bukan juga tentang "mengapa" dan "bagaimana."
Pengumpulan kedua-dua data kualitatif dan kuantitatif dilakukan melalui pemerhatian naturalistik. Pemerhatian berstruktur kebanyakannya digunakan untuk mengumpulkan maklumat kuantitatif dan bukannya maklumat kualitatif.
- Pemerhatian berstruktur: Berbeza dengan pemerhatian naturalistik atau peserta, kaedah pemerhatian bentuk ini memerlukan penyelidik menjalankan pemerhatian menyeluruh terhadap satu atau lebih gelagat tertentu dalam konteks yang lebih meluas atau terkawal. Dalam pemerhatian berstruktur, para penyelidik mengecilkan perhatian mereka kepada hanya beberapa tingkah laku utama yang diminati daripada menonton segala-galanya. Ia membolehkan mereka meletakkan tingkah laku yang mereka lihat ke dalam nombor. Ia kadangkala dirujuk sebagai "pengekodan" apabila pemerhatian memanggil pemerhati untuk membuat pertimbangan. Untuk melakukan ini, satu set tingkah laku sasaran mesti ditakrifkan dengan tepat.
4. Tinjauan
Tinjauan dalam talian yang dibuat dengan perisian tinjauan adalah penting untuk mengumpul data dalam talian untuk penyelidikan kuantitatif dan kualitatif. Tinjauan dibuat dengan cara yang mengesahkan tindakan dan keyakinan responden.
Majoriti tinjauan kuantitatif kerap memasukkan senarai semak dan item skala penarafan kerana ia memudahkan mengukur sikap dan tingkah laku responden.
Dua gaya tinjauan penting digunakan untuk mengumpulkan maklumat dalam talian untuk penyelidikan pasaran kuantitatif.
- Berasaskan web: Untuk penyelidikan berasaskan internet atau dalam talian, ini adalah salah satu teknik yang paling popular dan boleh dipercayai. Apabila menjawab tinjauan berasaskan web, responden akan menerima e-mel dengan pautan ke tinjauan, yang apabila diklik akan membawa mereka ke platform tinjauan dalam talian yang selamat di mana mereka boleh melengkapkan tinjauan. Penyelidik menyukai tinjauan berasaskan web kerana ia lebih cekap masa dan wang, lebih pantas dan mempunyai khalayak yang lebih besar. Menggunakan desktop, komputer riba, tablet atau peranti mudah alih, responden bebas untuk melengkapkan tinjauan pada bila-bila masa yang sesuai untuk mereka dan ini adalah kelebihan utama soal selidik berasaskan web.
- Berasaskan mel: Tinjauan dihantar ke sebahagian besar populasi sampel melalui mel, membolehkan penyelidik menjangkau pelbagai khalayak. Soal selidik pos biasanya datang dalam satu paket dengan halaman muka depan yang memberitahu khalayak tentang jenis kajian yang sedang dilakukan dan sebab, serta pulangan prabayar, untuk mengumpulkan data dalam talian. Walaupun mel mempunyai kadar churn yang lebih tinggi daripada teknik pengumpulan data kuantitatif lain, termasuk insentif dan peringatan untuk menyelesaikan tinjauan membantu menurunkan kadar churn dengan ketara.
5. Semakan Dokumentasi
Selepas menganalisis kertas semasa, semakan dokumen adalah teknik yang digunakan untuk mengumpul data. Oleh kerana dokumen boleh dikawal dan sumber praktikal untuk mendapatkan data yang tepat dari masa lalu, ia merupakan kaedah pengumpulan data yang cekap dan berjaya.
Semakan dokumen telah menjadi salah satu teknik yang berguna untuk mengumpul data penyelidikan kuantitatif, di samping mengukuhkan dan menyokong kajian dengan menawarkan data penyelidikan tambahan.
Bagi tujuan mengumpul data penyelidikan kuantitatif tambahan, tiga kategori dokumen utama sedang diperiksa.
- Dokumen awam: Rekod rasmi yang berterusan bagi sesebuah organisasi diperiksa untuk siasatan tambahan sebagai sebahagian daripada semakan dokumen ini. Contohnya, laporan tahunan, panduan dasar, acara pelajar, aktiviti permainan universiti, dsb.
- Rekod Peribadi: Analisis dokumen jenis ini meneliti laporan peribadi tentang tingkah laku, kelakuan, kesihatan, fizikal dan sebagainya orang berbanding rekod awam. Contohnya, saiz dan berat murid, masa perjalanan yang diambil oleh pelajar untuk pergi ke sekolah, dsb.
- Bukti Fizikal: Bukti atau rekod fizikal bercakap tentang kejayaan masa lalu seseorang atau organisasi dari segi wang dan pertumbuhan boleh skala.
Contoh Kuantitatif
Berikut ialah beberapa contoh data kuantitatif untuk membantu anda memahami sepenuhnya perkara ini merujuk kepada:
- Aplikasi mudah alih terbaru telah dimuat turun oleh 83 individu.
- Tahun lepas makcik dah turun 18 paun.
- Kos item X ialah $1,000.
- Majlis tersebut telah dihadiri seramai 500 orang peserta.
- Tahun ini, dia mempunyai sepuluh cuti.
- Dalam satu suku, saya menaik taraf telefon saya enam kali.
- Tahun lepas, anak saya membesar sebanyak 3 inci.
- Penambahan produk baharu akan menghasilkan peningkatan hasil sebanyak 30%.
- 54 % rakyat Amerika berkata mereka lebih suka membeli dalam talian daripada di pusat membeli-belah.
- 150 responden berkata mereka tidak fikir ciri produk baharu itu akan menjadi popular.
kelebihan
- Menjalankan kajian mendalam: Kemungkinan besar penyelidikan itu akan menyeluruh, kerana data kuantitatif boleh diperiksa secara statistik.
- Kecondongan minimum: Ada kalanya berat sebelah peribadi menyumbang kepada penyelidikan dan menyebabkan keputusan yang tidak tepat. Kecondongan peribadi jauh berkurangan oleh aspek berangka data kuantitatif.
- Keputusan yang tepat: Memandangkan keputusan itu bersifat objektif, ia agak tepat.
Kekurangan
- Maklumat terhad: Memandangkan data kuantitatif bukan deskriptif, adalah mencabar bagi penyelidik untuk membuat kesimpulan hanya daripada data yang mereka kumpulkan.
- Bergantung pada jenis soalan: Jenis soalan yang digunakan untuk mengumpul data kuantitatif mempengaruhi bias dalam keputusan. Semasa mengumpul data kuantitatif, pemahaman penyelidik tentang objektif dan matlamat penyelidikan adalah penting.
Kesimpulan
Data kuantitatif adalah tentang pemikiran mencapah, bukan penaakulan konvergen. Ia berkaitan dengan sudut pandangan berangka, logik dan objektif dengan memberi penekanan pada fakta berangka dan tetap.
Satu-satunya jenis data yang mampu memaparkan kesimpulan analitikal dalam carta dan graf, penyelidikan data kuantitatif adalah menyeluruh.
Analisis data sememangnya merupakan langkah penting yang, jika kurang, bukan sahaja boleh menjejaskan objektiviti dan keaslian kajian anda tetapi juga membuat kesimpulan tidak stabil. Data yang baik akan membantu anda menghasilkan keputusan yang tepat.
Oleh itu, tanpa mengira teknik yang anda gunakan untuk mengumpul data kuantitatif, pastikan maklumat tersebut mempunyai kualiti yang cukup tinggi untuk menghasilkan cerapan yang berharga dan berguna.
Sila tinggalkan balasan anda