داده های ثانویه

محققان همچنین می‌توانند از داده‌های ثانویه در دسترس عموم که سایر محققان تولید کرده‌اند برای تجزیه و تحلیل با رویکردی متفاوت و در نتیجه ایجاد بینش‌های جدید استفاده کنند. پایگاه‌های اطلاعاتی آنلاین و بررسی‌های ادبیات نمونه‌های خوبی هستند که در آن محققان می‌توانند داده‌های موجود را برای انجام تحقیقات در مورد یک تحقیق ناشناخته قبلی بیابند. با این حال، در نظر گرفتن دقت یا ارتباط داده ها هنگام استفاده از داده های شخص ثالث مهم است، با توجه به اینکه محقق فقط می تواند کنترل کیفیت محدودی از داده هایی را که قبلاً جمع آوری شده است انجام دهد

اطلاعات بزرگ

یکی از ملاحظات نسبتاً جدید در جمع آوری داده ها و تجزیه و تحلیل داده ها ظهور داده های بزرگ است که در آن دانشمندان داده از فرآیندهای خودکار برای جمع آوری داده ها در مقادیر زیاد استفاده می کنند.

جمع آوری داده ها می تواند مقادیر زیادی داده تولید کند که پردازش آنها می تواند چالش برانگیز باشد.

مزیت جمع‌آوری داده‌ها در مقیاس این است که تجزیه و تحلیل کامل دامنه وسیع‌تری از داده‌ها به طور بالقوه می‌تواند یافته‌های قابل تعمیم بیشتری ایجاد کند. با این حال، این یک کار دلهره آور است زیرا زمان بر و دشوار است. علاوه بر این، به دانشمندان داده ماهر نیاز دارد که مجموعه‌های داده بزرگ را غربال کنند تا داده‌های نامربوط را فیلتر کرده و بینش مفید ایجاد کنند. از سوی دیگر، برای محققان کیفی مهم است که به دقت نیازهای خود را برای گستردگی داده ها در مقابل عمق در نظر بگیرند: مطالعات کیفی معمولاً بر تعداد نسبتاً کمی از شرکت کنندگان متکی هستند، اما داده های بسیار دقیق برای هر شرکت کننده جمع آوری می شود، زیرا درک زمینه خاص و فردی تفسیرها یا تجربیات اغلب از اهمیت محوری برخوردار هستند. هنگام استفاده از کلان داده، این عمق داده معمولا با وسعت بیشتری از داده که شامل تعداد بسیار بیشتری از شرکت کنندگان است، جایگزین می شود. محققان باید نیاز خود به عمق یا وسعت را در نظر بگیرند تا تصمیم بگیرند که کدام روش جمع آوری داده ها برای پاسخ به سؤال تحقیق آنها مناسب تر است.

محققان کمی داده ها را به صورت آماری تجزیه و تحلیل می کنند تا فرضیه ها را آزمایش کنند و بینش به دست آورند.

برخی از روش های کیفی تحقیق می توانند به جمع آوری و تجزیه و تحلیل کمی داده ها کمک کنند. نظرسنجی ها و پرسشنامه های آنلاین با سوالات چند گزینه ای می توانند داده های ساختاری و آماده برای تجزیه و تحلیل تولید کنند. به عنوان مثال، یک پلت فرم نظرسنجی مانند Qualtrics، پاسخ های نظرسنجی را در یک صفحه گسترده جمع می کند تا امکان تجزیه و تحلیل عددی یا فرکانس را فراهم کند.

روش های جمع آوری داده های کیفی

تجزیه و تحلیل داده های کیفی برای توصیف یک پدیده مهم است (به عنوان مثال، الزامات شیوه های تدریس خوب)، که ممکن است منجر به ایجاد گزاره ها یا توسعه یک نظریه شود. داده‌های رفتاری، داده‌های معاملاتی و داده‌های حاصل از نظارت بر رسانه های اجتماعی نمونه‌هایی از اشکال مختلف داده‌هایی هستند که می‌توانند به صورت کیفی جمع‌آوری شوند. در نظر گرفتن ابزار یا تجهیزات برای جمع آوری داده ها نیز مهم است. روش‌های جمع‌آوری داده های اولیه در تحقیقات مشاهده ای ، برای مثال، از ابزارهایی مانند ضبط کننده های صوتی و تصویری ، دفترچه‌های یادداشت برای نوشتن یادداشت های میدانی ، و دوربین‌ها برای عکس‌برداری استفاده می‌کنند. تا زمانی که محصولات چنین ابزارهایی قابل تجزیه و تحلیل باشند، آن محصولات می توانند در مجموعه داده های یک مطالعه گنجانده شوند.

استفاده از روش های چندگانه جمع آوری داده ها

علاوه بر این، محققان کیفی به ندرت به یک روش جمع آوری داده ها به تنهایی تکیه می کنند. محققان قوم نگاری، به ویژه، می توانند مشاهدات مستقیم، مصاحبه ها ، جلسات گروه متمرکز و جمع آوری اسناد را در فرآیند جمع آوری داده های خود بگنجانند تا زمینه ای ترین داده ها را برای تحقیق خود تولید کنند. تحقیق ترکیبی از روش‌های جمع‌آوری داده‌های متعدد، از جمله داده‌های کمی و کیفی، همراه با ابزارهای متعدد برای مطالعه یک پدیده از زوایای مختلف تا حد امکان استفاده می‌کند.

جمع آوری داده ها در تحقیقات کیفی می تواند یک تجربه بسیار ارزشمند اما چالش برانگیز باشد. با این حال، با برنامه‌ریزی دقیق، رفتار اخلاقی و رویکردی انعطاف‌پذیر، محققان می‌توانند به طور مؤثری از این موانع عبور کرده و داده‌های قوی و معنادار را جمع‌آوری کنند.