데이터 수집

Data collection
생물과학에서의 데이터 수집의 예:아델리 펭귄은 바다를 [1]오가며 자동화된 무게를 재는 다리를 건널 때마다 식별되고 무게가 측정됩니다.

데이터 수집은 확립된 시스템에서 대상 변수에 대한 정보를 수집하고 측정하는 프로세스로, 관련 질문에 답하고 결과를 평가할 수 있습니다.데이터 수집은 물리 및 사회과학, 인문 [2]및 비즈니스를 포함한 모든 연구 분야의 연구 구성요소입니다.방법은 분야별로 다르지만 정확하고 정직한 수집을 보장하는 데 중점을 두고 있습니다.모든 데이터 수집의 목표는 분석이 제기된 질문에 대한 설득력 있고 신뢰할 수 있는 답변을 공식화할 수 있는 품질 증거를 포착하는 것이다.데이터 수집 및 검증은 인구 조사를 수반하는 4단계와 표본 [3]추출을 수반하는 7단계로 구성된다.

연구 분야나 데이터 정의 선호(양적 또는 질적)에 관계없이 정확한 데이터 수집은 연구 무결성을 유지하기 위해 필수적이다.적절한 데이터 수집 도구(기존, 수정 또는 새로 개발된)를 선택하고 올바른 사용에 대한 지침을 설명하면 오류 발생 가능성을 줄일 수 있습니다.

수집된 데이터가 정의되고 정확한지 확인하기 위해 공식적인 데이터 수집 프로세스가 필요합니다.이러한 방식으로, 조사 결과에 구체화된 논거에 기초한 후속 [4]결정은 유효한 데이터를 사용하여 이루어진다.이 프로세스는 측정할 기준선을 제공하고 경우에 따라 개선해야 할 사항을 제시합니다.

일반적인 5가지 데이터 수집 방법이 있습니다.

  1. 비공개 설문조사와 퀴즈,
  2. 개방형 설문 조사 및 설문지,
  3. 일대일 인터뷰,
  4. 포커스 그룹 및
  5. 직접 [5]관찰

데이터 관리 플랫폼

주요 기사: 데이터 관리 플랫폼

데이터 관리 플랫폼(DMP)은 데이터를 위한 중앙 집중식 스토리지 및 분석 시스템입니다.주로 마케팅 담당자가 사용하는 DMP는 대량의 데이터를 컴파일 및 식별 가능한 [6]정보로 변환하기 위해 존재합니다.마케팅 담당자는 제1자, 제2자 및 제3자의 데이터를 수신하여 활용할 수 있습니다.DMP 는, DSP(디맨드측 플랫폼)와 SSP(서플라이측 플랫폼)의 집약 시스템이기 때문에, 이것을 유효하게 합니다.광고에 관한 한, DMP는 향후 캠페인에서 마케팅 담당자를 최적화하고 안내하는 데 필수적입니다.이 시스템과 그 효과는 분류, 분석 및 컴파일된 데이터가 원시 데이터보다 훨씬 유용하다는 증거입니다.

데이터 무결성 문제

데이터 무결성을 유지하는 주된 이유는 데이터 수집 프로세스에서 오류를 관찰할 수 있도록 지원하기 위함입니다.이러한 오류는 의도적으로(의도적인 위조) 또는 비의도적으로(임의적 오류 또는 체계적 오류)[7] 발생할 수 있다.

데이터 무결성을 보호하고 2003년 Craddick, Crawford, Rodes, Redican, Rukenbrod 및 Laws가 발명한 연구 결과의 과학적 타당성을 확보하기 위한 두 가지 접근방식이 있습니다.

  • 품질 보증 – 데이터 수집 전에 수행되는 모든 작업
  • 품질 관리 – 데이터 수집 중 및 수집 후에 수행되는 모든 작업

품질보증

상세정보 : 품질보증

그 주된 초점은 데이터 수집의 무결성을 보호하기 위한 비용 효율적인 활동인 예방입니다.프로토콜의 표준화는 데이터 수집을 위한 포괄적이고 상세한 절차 매뉴얼에서 개발된 이러한 비용 효율적인 활동을 가장 잘 보여줍니다.연구 과정에서 문제와 오류를 식별하지 못할 위험은 분명히 제대로 작성되지 않은 가이드라인에서 기인합니다.이러한 장애의 몇 가지 예를 다음에 나타냅니다.

  • 시기, 방법 및 담당자 식별의 불확실성
  • 수집해야 할 항목의 일부 목록
  • 테스트 관리에 대한 엄격한 단계별 지시 대신 데이터 수집 도구에 대한 모호한 설명
  • 데이터 수집을 담당하는 직원 교육 및 재교육을 위한 정확한 내용과 전략을 인식하지 못함
  • 데이터 수집 장비의 사용, 조정 및 교정에 대한 지침이 명확하지 않음
  • 조사 중 발생하는 절차 변경을 문서화하는 사전 결정된 메커니즘이 없음

품질 관리

상세정보 : 품질관리

품질관리 작업은 데이터 수집 중 또는 데이터 수집 후에 이루어지기 때문에 모든 세부 사항은 신중하게 문서화됩니다.감시체계 구축의 전제조건으로서 명확하게 정의된 커뮤니케이션 구조가 필요하다.정보 흐름에 대한 불확실성은 제대로 조직되지 않은 통신 구조가 느슨한 모니터링을 초래하고 오류를 탐지할 기회를 제한할 수 있기 때문에 권장되지 않습니다.품질관리는 또한 잘못된 데이터 수집 관행을 수정하고 이러한 미래 발생을 최소화하는 데 필요한 조치를 식별할 책임이 있습니다.팀은 절차가 모호하게 쓰여져 있고 피드백이나 교육에 기초하지 않으면 이러한 조치를 수행할 필요성을 깨닫지 못할 가능성이 높습니다.

신속한 조치가 필요한 데이터 수집 문제:

  • 시스템 오류
  • 프로토콜 위반
  • 사기 또는 과학적 부정 행위
  • 개별 데이터 항목의 오류
  • 개별 직원 또는 사이트 성능 문제

「 」를 참조해 주세요.

레퍼런스

  1. ^ Lescroël, A. L.; Ballard, G.; Grémillet, D.; Authier, M.; Ainley, D. G. (2014). Descamps, Sébastien (ed.). "Antarctic Climate Change: Extreme Events Disrupt Plastic Phenotypic Response in Adélie Penguins". PLOS ONE. 9 (1): e85291. Bibcode:2014PLoSO...985291L. doi:10.1371/journal.pone.0085291. PMC 3906005. PMID 24489657.
  2. ^ Vuong, Quan-Hoang; La, Viet-Phuong; Vuong, Thu-Trang; Ho, Manh-Toan; Nguyen, Hong-Kong T.; Nguyen, Viet-Ha; Pham, Hiep-Hung; Ho, Manh-Tung (September 25, 2018). "An open database of productivity in Vietnam's social sciences and humanities for public use". Scientific Data. 5: 180188. Bibcode:2018NatSD...580188V. doi:10.1038/sdata.2018.188. PMC 6154282. PMID 30251992.
  3. ^ Ziafati Bafarasat, A. (2021) 데이터 수집 및 검증:연구자를 위한 간단한 가이드.발전.프리프린트..https://doi.org/10.31124/advance.13637864.v1
  4. ^ 데이터 수집 및 분석: Roger Sapsford 박사, Victor Jupp ISBN 0-7619-5046-X
  5. ^ Jovancic, Nemanja. "5 Data Collection Methods for Obtaining Quantitative and Qualitative Data". LeadQuizzes. LeadQuizzes. Retrieved 23 February 2020.
  6. ^ Collin, E. M. (2020-11-04). "Data Collection: The Complete Guide". Easy Earned Money. Retrieved 2020-11-05.
  7. ^ Northern Illinois University (2005). "Data Collection". Responsible Conduct in Data Management. Retrieved June 8, 2019.

외부 링크

Wikimedia Commons에는 데이터 수집과 관련된 미디어가 있습니다.