ما هي عملية جمع المعلومات للبحث العلمي؟ الأساليب والأنواع والأدوات والتقنيات
تُعرف عملية جمع وتحليل البيانات الدقيقة من مصادر مختلفة للعثور على إجابات لمشاكل البحث والاتجاهات والاحتمالات ، وما إلى ذلك ، لتقييم النتائج المحتملة باسم جمع المعلومات للبحث العلمي.
المعرفة قوة ، والمعلومات هي معرفة ، والبيانات هي معلومات في شكل رقمي ، على الأقل كما هو محدد في تكنولوجيا المعلومات. ومن ثم ، فإن البيانات قوة. ولكن قبل أن تتمكن من الاستفادة من هذه البيانات في استراتيجية ناجحة لمؤسستك أو عملك ، فأنت بحاجة إلى جمعها. هذه هي خطوتك الأولى.
لذلك ، لمساعدتك في بدء العملية ، نسلط الضوء على جمع المعلومات للبحث العلمي. ما هو بالضبط؟ صدق أو لا تصدق ، إنه أكثر من مجرد إجراء بحث على Google! علاوة على ذلك ، ما هي أنواع جمع المعلومات للبحث العلمي؟
وما أنواع أدوات جمع البيانات؟ إذا كنت ترغب في الحصول على أحدث المعلومات حول عملية جمع المعلومات للبحث العلمي ، فقد وصلت إلى المكان الصحيح.
ما هو جمع المعلومات للبحث العلمي؟
قبل أن نحدد ما هو جمع المعلومات للبحث العلمي ، من الضروري طرح السؤال ، ” ما هي البيانات ؟” الإجابة المختصرة هي أن البيانات هي أنواع مختلفة من المعلومات المنسقة بطريقة معينة.
لذلك ، فإن جمع المعلومات للبحث العلمي هو عملية جمع وقياس وتحليل البيانات الدقيقة من مجموعة متنوعة من المصادر ذات الصلة للعثور على إجابات لمشاكل البحث والإجابة على الأسئلة وتقييم النتائج والتنبؤ بالاتجاهات والاحتمالات.
يعتمد مجتمعنا بشكل كبير على البيانات ، مما يؤكد أهمية جمعها. يعد جمع المعلومات للبحث العلمي الدقيقة أمرًا ضروريًا لاتخاذ قرارات تجارية مستنيرة ، وضمان ضمان الجودة ، والحفاظ على نزاهة البحث.
أثناء جمع المعلومات للبحث العلمي ، يجب على الباحثين تحديد أنواع البيانات ومصادر البيانات والطرق المستخدمة. سنرى قريبًا أن هناك العديد من طرق جمع المعلومات للبحث العلمي المختلفة . هناك اعتماد كبير على جمع المعلومات للبحث العلمي في المجالات البحثية والتجارية والحكومية.
يحتاج الباحث لجمع المعلومات ومعالجتها واستثمارها في بحثه العلمي إلى الإجابة على ثلاثة أسئلة:
- ما هو الهدف أو الغرض من هذا البحث؟
- ما أنواع البيانات التي يخططون لجمعها؟
- ما الأساليب والإجراءات التي سيتم استخدامها لجمع المعلومات وتخزينها ومعالجتها؟
بالإضافة إلى ذلك ، يمكننا تقسيم البيانات إلى أنواع كمية ونوعية. تغطي البيانات النوعية أوصافًا مثل اللون والحجم والجودة والمظهر. البيانات الكمية ، بشكل غير مفاجئ ، تتعامل مع الأرقام ، مثل الإحصائيات ، وأرقام الاستطلاع ، والنسب المئوية ، وما إلى ذلك.
لماذا نحتاج إلى جمع المعلومات للبحث العلمي؟
قبل أن يصدر قاضٍ حكمًا في قضية محكمة أو يضع جنرالًا خطة هجوم ، يجب أن يكون لديهم أكبر عدد ممكن من الحقائق ذات الصلة. تأتي أفضل مسارات العمل من القرارات المستنيرة ، والمعلومات والبيانات مترادفة.
مفهوم جمع المعلومات للبحث العلمي ليس جديدًا ، كما سنرى لاحقًا ، لكن العالم قد تغير. هناك المزيد من البيانات المتاحة اليوم ، وهي موجودة في أشكال لم يسمع بها من قبل قرن من الزمان. يجب أن تتغير عملية جمع المعلومات للبحث العلمي وتنمو مع الزمن ، مواكبة للتكنولوجيا.
يحتاج الباحث لجمع المعلومات ومعالجتها واستثمارها في بحثه العلمي إلى اتخاذ خيارات أفضل. سواء كنت باحث أكاديمي ، أو تحاول إجراء بحث ، أو جزءًا من القطاع التجاري ، وتفكر في كيفية الترويج لمنتج جديد فأنت تبحث عن القرار الصحيح.
ما هي الخطوات الأساسية في عملية جمع المعلومات للبحث العلمي؟
في عملية جمع المعلومات للبحث العلمي ، هناك 5 خطوات رئيسية. يتم شرحها بإيجاز أدناه –
- حدد البيانات التي تريد جمعها
أول شيء يتعين علينا القيام به هو تحديد المعلومات التي نريد جمعها. يجب أن نختار الموضوعات التي ستغطيها البيانات ، والمصادر التي سنستخدمها لجمعها ، وكمية المعلومات التي قد نحتاجها. على سبيل المثال ، قد نختار جمع معلومات حول فئات المنتجات التي يبحث عنها غالبًا زائر متوسط موقع التجارة الإلكترونية الذين تتراوح أعمارهم بين 30 و 45 عامًا.
- تحديد موعد نهائي لـ جمع المعلومات للبحث العلمي
يمكن أن تبدأ الآن عملية إنشاء استراتيجية لـ جمع المعلومات للبحث العلمي. يجب أن نحدد موعدًا نهائيًا لـ جمع المعلومات للبحث العلمي لدينا في بداية مرحلة التخطيط لدينا. بعض أشكال البيانات التي قد نرغب في جمعها باستمرار. قد نرغب في بناء تقنية لتتبع بيانات المعاملات وإحصاءات زوار الموقع على المدى الطويل ، على سبيل المثال.
ومع ذلك ، سنتعقب البيانات خلال فترة زمنية معينة إذا كنا نتتبعها لحملة معينة. في هذه الحالات ، سيكون لدينا جدول زمني للوقت الذي سنبدأ فيه وننتهي من جمع المعلومات للبحث العلمي.
- حدد نهج جمع المعلومات للبحث العلمي
سنختار تقنية جمع المعلومات للبحث العلمي التي ستكون بمثابة الأساس لخطتنا لجمع البيانات في هذه المرحلة. يجب أن نأخذ في الاعتبار نوع المعلومات التي نرغب في جمعها ، والفترة الزمنية التي سنحصل عليها خلالها ، والعوامل الأخرى التي نقررها لاختيار أفضل استراتيجية للجمع.
- جمع المعلومات
بمجرد اكتمال خطتنا ، يمكننا وضع خطة جمع المعلومات للبحث العلمي الخاصة بنا موضع التنفيذ والبدء في جمع البيانات. في DMP الخاص بنا ، يمكننا تخزين بياناتنا وترتيبها. نحن بحاجة إلى توخي الحذر لمتابعة خطتنا ومراقبة كيفية عملها.
خاصة إذا كنا نجمع البيانات بانتظام ، فإن إعداد جدول زمني للوقت الذي سنقوم فيه بالتحقق من كيفية قيامنا بجمع البيانات قد يكون مفيدًا. مع تغير الظروف وتعلمنا تفاصيل جديدة ، قد نحتاج إلى تعديل خطتنا.
- افحص المعلومات وطبق نتائجك
حان الوقت لفحص بياناتنا وترتيب النتائج التي توصلنا إليها بعد أن جمعنا كل معلوماتنا. تعد مرحلة التحليل ضرورية لأنها تحول البيانات غير المعالجة إلى معرفة ثاقبة يمكن تطبيقها لتحسين خطط التسويق والسلع والأحكام التجارية لدينا.
يمكن استخدام أدوات التحليل المضمنة في DMP للمساعدة في هذه المرحلة. يمكننا استخدام الاكتشافات لتحسين أعمالنا بمجرد اكتشافنا للأنماط والرؤى الموجودة في بياناتنا.
جمع المعلومات للبحث العلمي
أدوات البحث العلمي هي: فيما يلي سبع طرق لـ جمع المعلومات للبحث العلمي في تحليلات الأبحاث:
- الدراسات الاستقصائية
- المقابلات ومجموعات التركيز
- الملاحظة
- المراقبة عبر الانترنت
- النماذج والاستبيانات
- تتبع المعاملات
- مراقبة مواقع التواصل الاجتماعي
الآن بعد أن عرفت ما هي عملية جمع المعلومات للبحث العلمي ، دعنا نلقي نظرة على الطرق المختلفة لجمع البيانات. بينما قد تبدو عبارة “جمع البيانات” عالية التقنية ورقمية ، إلا أنها لا تنطوي بالضرورة على أشياء مثل أجهزة الكمبيوتر والبيانات الضخمة والإنترنت.
قد يعني جمع المعلومات للبحث العلمي إجراء مسح عبر الهاتف ، أو بطاقة تعليق بالبريد ، أو حتى شخص ما لديه حافظة يسأل المارة بعض الأسئلة. لكن دعنا نرى ما إذا كان بإمكاننا فرز طرق جمع البيانات المختلفة إلى ما يشبه الفئات المنظمة.
جمع البيانات ينقسم إلى طريقتين. كملاحظة جانبية ، فإن العديد من المصطلحات ، مثل التقنيات والأساليب والأنواع ، قابلة للتبادل وتعتمد على من يستخدمها. قد يطلق أحد المصادر على تقنيات جمع المعلومات للبحث العلمي “طرق” ، على سبيل المثال.
ولكن مهما كانت الملصقات التي نستخدمها ، فإن المفاهيم العامة والأعطال تنطبق في جميع المجالات سواء كنا نتحدث عن تحليل التسويق أو مشروع بحث علمي.
طريقتا جمع البيانات الرئيسيتين
طريقة جمع البيانات الأولية
كما يوحي الاسم ، هذه بيانات أصلية مباشرة تم جمعها من قبل باحثي البيانات. هذه العملية هي الخطوة الأولية لجمع المعلومات ، ويتم إجراؤها قبل أن يقوم أي شخص بإجراء أي بحث إضافي أو ذي صلة. تكون نتائج البيانات الأولية عالية الدقة بشرط أن يجمع الباحث المعلومات. ومع ذلك ، هناك جانب سلبي ، حيث من المحتمل أن تكون الأبحاث المباشرة مستهلكة للوقت ومكلفة.
طريقة جمع البيانات الثانوية
البيانات الثانوية هي بيانات غير مباشرة تم جمعها من قبل أطراف أخرى وخضعت بالفعل لتحليل إحصائي. هذه البيانات هي إما معلومات كلفها الباحث أشخاصًا آخرين بجمعها أو معلومات بحث عنها الباحث.
دعنا ندخل في التفاصيل. باستخدام الطرق الأولية / الثانوية المذكورة أعلاه ، إليك تفصيل لتقنيات محددة.
أدوات جمع البيانات الأولية
المقابلات
يطرح الباحث أسئلة عن عينة كبيرة من الأشخاص ، إما عن طريق المقابلات المباشرة أو وسائل الاتصال الجماهيري مثل الهاتف أو البريد. هذه الطريقة هي إلى حد بعيد أكثر الوسائل شيوعًا لـ جمع المعلومات للبحث العلمي.
تقنية الإسقاط
جمع البيانات الإسقاطية هو مقابلة غير مباشرة ، تُستخدم عندما يعرف المستجيبون المحتملون سبب طرح الأسئلة عليهم ويترددون في الإجابة عليها. على سبيل المثال ، قد يكون شخص ما مترددًا في الإجابة عن أسئلة حول خدمة الهاتف الخاصة به إذا طرح ممثل شركة الهاتف الخلوي الأسئلة.
من خلال جمع البيانات الإسقاطية ، يحصل الأشخاص الذين تمت مقابلتهم على سؤال غير مكتمل ، ويجب عليهم ملء الباقي باستخدام آرائهم ومشاعرهم ومواقفهم.
تقنية دلفي
كانت أوراكل في دلفي ، وفقًا للأساطير اليونانية ، هي الكاهنة العليا لمعبد أبولو ، التي قدمت المشورة والنبوءات والمشورة. في مجال جمع البيانات ، يستخدم الباحثون تقنية دلفي من خلال جمع المعلومات من لجنة من الخبراء. يجيب كل خبير على أسئلة في مجال تخصصه ، ويتم تجميع الردود في رأي واحد.
مجموعات التركيز
مجموعات التركيز ، مثل المقابلات ، هي تقنية شائعة الاستخدام. تتكون المجموعة في أي مكان من ستة أشخاص إلى عشرة أشخاص ، بقيادة وسيط ، وقد تم جمعهم معًا لمناقشة هذه القضية.
الاستبيانات
الاستبيانات هي طريقة بسيطة ومباشرة لجمع البيانات. يحصل المستجيبون على سلسلة من الأسئلة ، إما مفتوحة أو مغلقة ، تتعلق بالمسألة المطروحة.
أدوات جمع البيانات الثانوية
على عكس جمع البيانات الأولية ، لا توجد طرق جمع محددة. بدلاً من ذلك ، نظرًا لأن المعلومات قد تم جمعها بالفعل ، يستشير الباحث مصادر البيانات المختلفة ، مثل:
- القوائم المالية
- تقارير المبيعات
- بائع التجزئة / الموزع / ملاحظات الصفقة
- معلومات العميل الشخصية (مثل الاسم والعنوان والعمر ومعلومات الاتصال)
- مجلات الأعمال
- السجلات الحكومية (مثل التعداد والسجلات الضريبية ومعلومات الضمان الاجتماعي)
- مجلات التجارة / الأعمال
- الانترنت
أدوات جمع البيانات الأكثر تحديداً
الآن بعد أن شرحنا التقنيات المختلفة ، دعنا نحصر تركيزنا أكثر من خلال النظر في بعض الأدوات المحددة. على سبيل المثال ، ذكرنا المقابلات كأسلوب ، ولكن يمكننا تقسيم ذلك إلى أنواع مختلفة من المقابلات (أو “الأدوات”).
تقنية ترابط الكلمة
يعطي الباحث المستفتى مجموعة من الكلمات ويسألهم عما يخطر ببالهم عندما يسمعون كل كلمة.
تقنية إتمام الجملة
يستخدم الباحثون إكمال الجملة لفهم نوع الأفكار التي يمتلكها المستفتى. تتضمن هذه الأداة إعطاء جملة غير مكتملة ورؤية كيف ينهيها الضيف.
تقنية لعب الأدوار
يتم تقديم المستجيبين بموقف وهمي ويسألون كيف سيتصرفون أو يتصرفون إذا كان ذلك حقيقيًا.
تقنية الاستطلاعات الشخصية
يطرح الباحث الأسئلة شخصيًا.
تقنية الاستطلاعات عبر الإنترنت
من السهل إجراء هذه الاستطلاعات ، ولكن قد لا يرغب بعض المستخدمين في الإجابة بصدق ، هذا إذا كان الأمر كذلك.
تقنية الاستطلاعات عبر الهاتف
تستفيد هذه الاستطلاعات من الانتشار المتزايد لتكنولوجيا الهاتف المحمول. تعتمد استطلاعات جمع الهاتف المحمول على الأجهزة المحمولة مثل الأجهزة اللوحية أو الهواتف الذكية لإجراء استطلاعات الرأي عبر الرسائل القصيرة أو تطبيقات الأجهزة المحمولة.
لا يمكن لأي باحث الاتصال بآلاف الأشخاص في وقت واحد ، لذا فهم بحاجة إلى طرف ثالث للتعامل مع الأعمال الروتينية. ومع ذلك ، فإن العديد من الأشخاص يخضعون لفحص المكالمات ولن يجيبوا عليها.
تقنية الملاحظة
في بعض الأحيان ، تكون أبسط طريقة هي الأفضل. يقوم الباحثون الذين يقومون بملاحظات مباشرة بجمع البيانات بسرعة وسهولة ، مع القليل من التطفل أو تحيز الطرف الثالث. بطبيعة الحال ، فهي فعالة فقط في المواقف الصغيرة.
أهمية ضمان جمع بيانات دقيقة ومناسبة
يعد الجمع الدقيق للبيانات أمرًا ضروريًا للحفاظ على سلامة البحث ، بغض النظر عن موضوع الدراسة أو الطريقة المفضلة لتحديد البيانات (الكمية والنوعية). من غير المرجح أن تحدث الأخطاء عند استخدام أدوات جمع البيانات الصحيحة (سواء كانت جديدة تمامًا أو إصدارات محدثة منها أو متوفرة بالفعل).
من بين آثار جمع البيانات بشكل غير صحيح ، ما يلي –
- استنتاجات خاطئة تبدد الموارد
- القرارات التي تضر بالسياسة العامة
- عدم القدرة على الرد بشكل صحيح على استفسارات البحث
- إلحاق الضرر بالمشاركين من البشر أو الحيوانات
- خداع الباحثين الآخرين للسعي وراء طرق بحث لا طائل من ورائها
- عدم قدرة الدراسة على التكرار والتحقق من صحتها
عند استخدام نتائج الدراسة هذه لدعم التوصيات الخاصة بالسياسة العامة ، هناك احتمال أن يؤدي إلى ضرر غير متناسب ، حتى لو كانت درجة التأثير من جمع المعلومات للبحث العلمي المعيبة قد تختلف حسب الانضباط ونوع التحقيق.
دعونا الآن نلقي نظرة على مختلف القضايا التي قد نواجهها مع الحفاظ على سلامة جمع المعلومات للبحث العلمي.
القضايا المتعلقة بالحفاظ على سلامة جمع البيانات
من أجل المساعدة في عملية اكتشاف الأخطاء في عملية جمع المعلومات للبحث العلمي ، سواء تم إجراؤها عن قصد (تزوير متعمد) أم لا ، فإن الحفاظ على سلامة البيانات هو التبرير الرئيسي (أخطاء منهجية أو عشوائية).
ضمان الجودة ومراقبة الجودة هما استراتيجيتان تساعدان في حماية سلامة البيانات وضمان الصلاحية العلمية لنتائج الدراسة.
يتم استخدام كل استراتيجية في مراحل مختلفة من الجدول الزمني للبحث:
- مراقبة الجودة – المهام التي يتم إجراؤها بعد جمع البيانات وأثناءها
- ضمان الجودة – الأحداث التي تحدث قبل بدء جمع البيانات
دعونا نستكشف كل منهم بمزيد من التفصيل الآن.
التأكيد على الجودة
نظرًا لأن جمع البيانات يأتي قبل ضمان الجودة ، فإن هدفه الأساسي هو “الوقاية” (أي منع المشكلات المتعلقة بجمع البيانات). أفضل طريقة لحماية دقة جمع المعلومات للبحث العلمي هي من خلال المنع. يعتبر توحيد البروتوكول الذي تم إنشاؤه في دليل الإجراءات الشامل والشامل لجمع البيانات أفضل مثال على هذه الخطوة الاستباقية.
تزداد احتمالية الفشل في تحديد المشكلات والأخطاء في وقت مبكر من محاولة البحث عندما تتم كتابة الأدلة بشكل سيئ. هناك عدة طرق لإظهار أوجه القصور هذه:
- عدم تحديد الموضوعات والأساليب الدقيقة لإعادة تدريب أو تدريب الموظفين على جمع المعلومات للبحث العلمي
- قائمة البضائع التي سيتم جمعها ، جزئيًا
- لا يوجد نظام معمول به لتتبع التعديلات على العمليات التي قد تحدث أثناء استمرار التحقيق.
- بدلاً من التعليمات التفصيلية خطوة بخطوة حول كيفية إجراء الاختبارات ، هناك وصف غامض لأدوات جمع البيانات التي سيتم استخدامها.
- عدم اليقين بشأن التاريخ والإجراء وهوية الشخص أو الأشخاص المسؤولين عن فحص البيانات
- إرشادات غير مفهومة لاستخدام وتعديل ومعايرة معدات جمع المعلومات للبحث العلمي.
الآن ، دعونا نلقي نظرة على كيفية ضمان مراقبة الجودة.
مراقبة الجودة
على الرغم من حقيقة أن إجراءات مراقبة الجودة (الكشف / المراقبة والتدخل) تتم بعد جمع المعلومات للبحث العلمي وأثناءها ، يجب تفصيل التفاصيل بدقة في دليل الإجراءات.
يتطلب إنشاء أنظمة المراقبة بنية اتصال محددة ، وهو شرط أساسي. بعد اكتشاف مشاكل جمع المعلومات للبحث العلمي ، يجب ألا يكون هناك غموض فيما يتعلق بتدفق المعلومات بين المحققين الأساسيين وموظفي الفريق. يعزز نظام الاتصال السيئ التصميم الرقابة البطيئة ويقلل من فرص اكتشاف الأخطاء.
يمكن استخدام المكالمات الجماعية المباشرة للموظفين ، أثناء زيارات الموقع ، أو التقييمات المتكررة أو الروتينية لتقارير البيانات لاكتشاف التناقضات ، أو الأرقام الزائدة ، أو الرموز غير الصالحة كأشكال للكشف أو المراقبة.
قد لا تكون زيارات الموقع مناسبة لجميع التخصصات. ومع ذلك ، بدون التدقيق الروتيني للسجلات ، سواء كانت نوعية أو كمية ، سيكون من الصعب على المحققين تأكيد أن جمع المعلومات للبحث العلمي يتم وفقًا للأساليب المحددة في الدليل.
بالإضافة إلى ذلك ، تحدد مراقبة الجودة الحلول المناسبة ، أو “الإجراءات” لإصلاح إجراءات جمع المعلومات للبحث العلمي المعيبة وتقليل تكرارها.
تشمل المشكلات المتعلقة بجمع البيانات ، على سبيل المثال ، التي تتطلب اتخاذ إجراءات فورية ما يلي:
- الاحتيال أو سوء السلوك
- أخطاء منهجية وانتهاكات الإجراءات
- عناصر البيانات الفردية مع وجود أخطاء
- مشاكل مع بعض الموظفين أو أداء الموقع
يتم تدريب الباحثين على تضمين واحد أو أكثر من التدابير الثانوية التي يمكن استخدامها للتحقق من جودة المعلومات التي يتم الحصول عليها من الإنسان في العلوم الاجتماعية والسلوكية حيث يستلزم جمع المعلومات للبحث العلمي الأولية استخدام الموضوعات البشرية.
على سبيل المثال ، قد يكون الباحث الذي يجري مسحًا مهتمًا بمعرفة المزيد عن انتشار السلوكيات المحفوفة بالمخاطر بين الشباب وكذلك العوامل الاجتماعية التي تؤثر على ميل هذه السلوكيات المحفوفة بالمخاطر وتواترها.
دعونا الآن نستكشف التحديات المشتركة فيما يتعلق بـ جمع المعلومات للبحث العلمي.
ما هي التحديات الشائعة عند جمع البيانات؟
هناك بعض التحديات السائدة التي نواجهها أثناء جمع المعلومات للبحث العلمي ، دعونا نستكشف القليل منها لفهمها بشكل أفضل وتجنبها.
قضايا جودة البيانات
يتمثل التهديد الرئيسي للتطبيق الواسع والناجح للتعلم الآلي في رداءة جودة البيانات. يجب أن تكون جودة البيانات على رأس أولوياتك إذا كنت ترغب في جعل تقنيات مثل التعلم الآلي تعمل من أجلك. دعنا نتحدث عن بعض مشكلات جودة البيانات الأكثر شيوعًا في هذه المقالة وكيفية إصلاحها.
بيانات غير متسقة
عند العمل مع مصادر البيانات المختلفة ، من المتصور أن نفس المعلومات سيكون لها تناقضات بين المصادر. يمكن أن تكون الاختلافات في الأشكال أو الوحدات أو في بعض الأحيان الهجاء. قد يحدث أيضًا إدخال بيانات غير متسقة أثناء عمليات اندماج الشركات أو إعادة التوطين.
تميل التناقضات في البيانات إلى التراكم وتقليل قيمة البيانات إذا لم يتم حلها باستمرار. المنظمات التي ركزت بشدة على اتساق البيانات تفعل ذلك لأنها تريد فقط بيانات موثوقة لدعم تحليلاتها.
وقت تعطل البيانات
البيانات هي القوة الدافعة وراء قرارات وعمليات الشركات القائمة على البيانات. ومع ذلك ، قد تكون هناك فترات وجيزة عندما تكون بياناتهم غير موثوقة أو غير معدة. شكاوى العملاء والنتائج التحليلية دون المستوى ليست سوى طريقتين يمكن أن يكون لعدم توفر هذه البيانات تأثير كبير على الأعمال.
يقضي مهندس البيانات حوالي 80٪ من وقته في تحديث وصيانة وضمان سلامة خط أنابيب البيانات. من أجل طرح السؤال التجاري التالي ، هناك تكلفة هامشية عالية بسبب المهلة التشغيلية الطويلة من التقاط البيانات إلى البصيرة.
تعد تعديلات المخطط ومشكلات الترحيل مجرد مثالين على أسباب تعطل البيانات. قد تكون خطوط أنابيب البيانات صعبة بسبب حجمها وتعقيدها. يجب مراقبة وقت تعطل البيانات باستمرار ، ويجب تقليله من خلال الأتمتة.
بيانات غامضة
حتى مع وجود رقابة شاملة ، لا يزال من الممكن حدوث بعض الأخطاء في قواعد البيانات الضخمة أو بحيرات البيانات. بالنسبة لتدفق البيانات بسرعة عالية ، تصبح المشكلة أكثر صعوبة.
يمكن أن تمر الأخطاء الإملائية دون أن يلاحظها أحد ، ويمكن أن تحدث صعوبات في التنسيق ، وقد تكون رؤوس الأعمدة خادعة. قد تتسبب هذه البيانات غير الواضحة في عدد من المشكلات لإعداد التقارير والتحليلات.
بيانات مكررة
تعد البيانات المتدفقة وقواعد البيانات المحلية وبحيرات البيانات السحابية مجرد عدد قليل من مصادر البيانات التي يجب أن تتعامل معها المؤسسات الحديثة. قد يكون لديهم أيضًا مستودعات للتطبيقات والنظام. من المحتمل أن تتكرر هذه المصادر وتتداخل مع بعضها البعض قليلاً. على سبيل المثال ، يكون لمعلومات الاتصال المكررة تأثير كبير على تجربة العميل.
إذا تم تجاهل بعض الاحتمالات بينما يتم إشراك الآخرين بشكل متكرر ، فإن الحملات التسويقية تعاني. تزداد احتمالية النتائج التحليلية المتحيزة عند وجود بيانات مكررة. يمكن أن يؤدي أيضًا إلى نماذج ML مع بيانات تدريب متحيزة.
الكثير من البيانات
بينما نؤكد على التحليلات المستندة إلى البيانات ومزاياها ، توجد مشكلة جودة البيانات مع البيانات الزائدة. هناك خطر الضياع في وفرة البيانات عند البحث عن المعلومات ذات الصلة بجهودك التحليلية. يكرس علماء البيانات ومحللو البيانات ومستخدمو الأعمال 80٪ من عملهم لإيجاد وتنظيم البيانات المناسبة.
مع زيادة حجم البيانات ، تصبح المشاكل الأخرى المتعلقة بجودة البيانات أكثر خطورة ، لا سيما عند التعامل مع تدفق البيانات والملفات الكبيرة أو قواعد البيانات.
بيانات غير دقيقة
بالنسبة للشركات شديدة التنظيم مثل الرعاية الصحية ، تعد دقة البيانات أمرًا بالغ الأهمية. نظرًا للتجربة الحالية ، من المهم أكثر من أي وقت مضى زيادة جودة البيانات الخاصة بـ COVID-19 والأوبئة اللاحقة. المعلومات غير الدقيقة لا توفر لك صورة حقيقية للموقف ولا يمكن استخدامها للتخطيط لأفضل مسار للعمل.
تجارب العملاء الشخصية واستراتيجيات التسويق ضعيفة الأداء إذا كانت بيانات العميل غير دقيقة.
يمكن أن يُعزى عدم دقة البيانات إلى عدد من الأشياء ، بما في ذلك تدهور البيانات والخطأ البشري وانحراف البيانات. يحدث تسوس البيانات في جميع أنحاء العالم بمعدل حوالي 3٪ شهريًا ، وهو أمر مقلق للغاية. يمكن اختراق سلامة البيانات أثناء نقلها بين أنظمة مختلفة ، وقد تتدهور جودة البيانات مع مرور الوقت.
البيانات المخفية
تستخدم غالبية الشركات جزءًا فقط من بياناتها ، مع فقد الباقي أحيانًا في مستودعات البيانات أو يتم التخلص منه في مقابر البيانات. على سبيل المثال ، قد لا يتلقى فريق خدمة العملاء بيانات العميل من المبيعات ، ويفقد فرصة لبناء ملفات تعريف عملاء أكثر دقة وشمولية.
إن فقدان إمكانيات تطوير منتجات جديدة وتحسين الخدمات وتبسيط الإجراءات ناتج عن البيانات المخفية.
البحث عن البيانات ذات الصلة
العثور على البيانات ذات الصلة ليس بهذه السهولة. هناك العديد من العوامل التي نحتاج إلى أخذها في الاعتبار أثناء محاولة العثور على البيانات ذات الصلة ، والتي تشمل –
- المجال ذو الصلة
- التركيبة السكانية ذات الصلة
- الفترة الزمنية ذات الصلة والعديد من العوامل الأخرى التي نحتاج إلى أخذها في الاعتبار أثناء محاولة العثور على البيانات ذات الصلة.
البيانات غير ذات الصلة بدراستنا في أي من العوامل تجعلها قديمة ولا يمكننا المضي قدمًا في تحليلها بشكل فعال. قد يؤدي ذلك إلى عدم اكتمال البحث أو التحليل ، أو إعادة جمع المعلومات للبحث العلمي مرارًا وتكرارًا ، أو إيقاف الدراسة.
تحديد البيانات المراد جمعها
يعد تحديد البيانات المراد جمعها أحد أهم العوامل أثناء جمع المعلومات للبحث العلمي ويجب أن يكون أحد العوامل الأولى أثناء جمع المعلومات للبحث العلمي. يجب أن نختار الموضوعات التي ستغطيها البيانات ، والمصادر التي سنستخدمها لجمعها ، وكمية المعلومات التي سنطلبها. ستعتمد ردودنا على هذه الاستفسارات على أهدافنا ، أو ما نتوقع تحقيقه باستخدام بياناتك.
كتوضيح ، قد نختار جمع معلومات حول فئات المقالات التي يصل إليها زوار الموقع الذين تتراوح أعمارهم بين 20 و 50 عامًا بشكل متكرر. يمكننا أيضًا أن نقرر تجميع بيانات عن العمر المعتاد لجميع العملاء الذين أجروا عملية شراء من عملك خلال الشهر السابق.
قد يؤدي عدم معالجة هذا إلى مضاعفة العمل وجمع المعلومات للبحث العلمي غير ذات الصلة أو تدمير دراستك ككل.
التعامل مع البيانات الضخمة
تشير البيانات الضخمة إلى مجموعات بيانات ضخمة للغاية ذات هياكل أكثر تعقيدًا وتنوعًا. تؤدي هذه السمات عادةً إلى زيادة التحديات أثناء تخزين وتحليل واستخدام طرق إضافية لاستخراج النتائج.
تشير البيانات الضخمة بشكل خاص إلى مجموعات البيانات الضخمة جدًا أو المعقدة بحيث لا تكفي أدوات معالجة البيانات التقليدية. الكمية الهائلة من البيانات ، غير المهيكلة والمنظمة ، التي يواجهها النشاط التجاري على أساس يومي.
إن كمية البيانات التي تنتجها تطبيقات الرعاية الصحية والإنترنت ومواقع الشبكات الاجتماعية وشبكات الاستشعار والعديد من الشركات الأخرى تنمو بسرعة نتيجة للتطورات التكنولوجية الحديثة.
تشير البيانات الضخمة إلى الحجم الهائل للبيانات التي تم إنشاؤها من مصادر عديدة بتنسيقات متنوعة بمعدلات سريعة للغاية. يعد التعامل مع هذا النوع من البيانات أحد التحديات العديدة التي تواجه جمع المعلومات للبحث العلمي وهو خطوة حاسمة نحو جمع البيانات الفعالة.
استجابة منخفضة وقضايا بحثية أخرى
تبين أن التصميم السيئ ومعدلات الاستجابة المنخفضة هما مشكلتان مع جمع المعلومات للبحث العلمي ، لا سيما في المسوحات الصحية التي استخدمت الاستبيانات. قد يؤدي هذا إلى عدم كفاية أو عدم كفاية العرض من البيانات للدراسة. قد يكون إنشاء برنامج محفز لجمع البيانات مفيدًا في هذه الحالة للحصول على مزيد من الردود.
دعونا الآن نلقي نظرة على بعض اعتبارات جمع المعلومات للبحث العلمي وأفضل الممارسات التي يمكن للمرء اتباعها.
اعتبارات جمع المعلومات للبحث العلمي وأفضل الممارسات
يجب أن نخطط بعناية قبل إنفاق الوقت والمال في السفر إلى الميدان لجمع البيانات. مع توفير الوقت والموارد ، يمكن أن تساعدنا استراتيجيات جمع المعلومات للبحث العلمي الفعالة في جمع بيانات أكثر ثراءً ودقةً وثراءً.
أدناه ، سنناقش بعضًا من أفضل الممارسات التي يمكننا اتباعها للحصول على أفضل النتائج –
- ضع في الاعتبار سعر كل نقطة بيانات إضافية
بمجرد أن نقرر البيانات التي نريد جمعها ، نحتاج إلى التأكد من أخذ نفقات القيام بذلك في الاعتبار. سيتحمل المساحون والمستجيبون لدينا تكاليف إضافية لكل نقطة بيانات إضافية أو سؤال استطلاع.
- التخطيط لكيفية جمع كل قطعة بيانات
هناك ندرة في البيانات التي يمكن الوصول إليها بحرية. في بعض الأحيان تكون البيانات موجودة ، ولكن قد لا نتمكن من الوصول إليها. على سبيل المثال ، ما لم يكن لدينا سبب مقنع ، لا يمكننا عرض المعلومات الطبية لشخص آخر بشكل علني. قد يكون من الصعب قياس عدة أنواع من المعلومات.
ضع في اعتبارك مدى استنفاد وصعوبة جمع كل جزء من المعلومات أثناء تحديد البيانات التي يجب الحصول عليها.
- فكر في اختياراتك لجمع البيانات باستخدام الأجهزة المحمولة
يمكن تقسيم جمع المعلومات للبحث العلمي عبر الهاتف المحمول إلى ثلاث فئات –
- IVRS (تقنية الاستجابة الصوتية التفاعلية) – سوف يتصل بالمستجيبين ويطرح عليهم الأسئلة التي تم تسجيلها بالفعل.
- جمع بيانات الرسائل القصيرة – سيرسل رسالة نصية إلى المستفتى ، الذي يمكنه بعد ذلك الرد على الأسئلة عن طريق الرسائل النصية على هواتفهم.
- المسوحون الميدانيون – يمكنهم إدخال البيانات مباشرة في استبيان تفاعلي أثناء التحدث إلى كل مستجيب ، وذلك بفضل تطبيقات الهواتف الذكية.
نحتاج إلى التأكد من تحديد الأداة المناسبة لاستطلاعنا والمستجيبين لأن كل واحد له عيوبه ومزاياه.
- النظر بعناية في البيانات التي تحتاج إلى جمعها
من السهل جدًا الحصول على معلومات حول أي شيء وكل شيء ، ولكن من الضروري جمع المعلومات التي نحتاجها فقط.
من المفيد التفكير في هذه الأسئلة الثلاثة:
- ما هي التفاصيل التي ستكون مفيدة؟
- ما هي التفاصيل المتوفرة؟
- ما هي التفاصيل المحددة التي تطلبها؟
- تذكر أن تنظر في المعرفات
تعتبر المعرفات ، أو التفاصيل التي تصف سياق ومصدر استجابة الاستبيان ، مهمة مثل المعلومات حول الموضوع أو البرنامج الذي نبحث عنه بالفعل.
بشكل عام ، ستمكننا إضافة المزيد من المعرفات من تحديد نجاحات برنامجنا وإخفاقاته بدقة أكبر ، لكن الاعتدال هو المفتاح.
- جمع البيانات من خلال الأجهزة المحمولة هو السبيل للذهاب
على الرغم من أن جمع البيانات على الورق لا يزال شائعًا ، إلا أن التكنولوجيا الحديثة تعتمد بشكل كبير على الأجهزة المحمولة. إنها تمكننا من جمع العديد من أنواع البيانات المختلفة بأسعار منخفضة نسبيًا ودقيقة وكذلك سريعة. لا توجد أسباب كثيرة لعدم اختيار جمع البيانات المستندة إلى الهاتف المحمول مع ازدهار أجهزة Android منخفضة التكلفة المتوفرة في الوقت الحاضر.
توقع المستقبل ، افهم الماضي: الأنواع الأربعة لتحليل البيانات
هناك عدة طرق لفهم البيانات. تعتمد الطريقة التي تختارها على الأسئلة التي تطرحها والمعلومات التي تريد الحصول عليها من مجموعة البيانات الخاصة بك. إذا كنت تريد شرح ما حدث ولماذا ، فستكون التحليلات الوصفية والتشخيصية مفيدة.
إذا كانت الأسئلة تتعلق أكثر بما يمكن أن يحدث في المستقبل ، فستحتاج إلى استخدام التحليلات التنبؤية والتعليمية. في هذه المقالة، سنوجهك عبر الأنواع الأربعة لتحليل البيانات ، ومتى يجب عليك تطبيقها ، ولماذا.
التحليلات الوصفية – ماذا حدث؟
التحليلات الوصفية هي الخطوة الأولى في تحليل البيانات. الهدف من التحليلات الوصفية هو معرفة ما حدث؟ على سبيل المثال ، ما هو متوسط الإيرادات لشهر كانون الثاني (يناير)؟
أو كم عدد الأطفال الذين تتراوح أعمارهم بين عامين وعشرة أعوام الملتحقين بالمدرسة؟ إنها الطبقة الأولى من المعلومات التي يمكنك الحصول عليها من البيانات التي جمعتها ، إما مع أو بدون إضافة بيانات من مصادر أخرى.
إذا كنت محللًا ، فقد لا تعرف بالتفصيل ، أو على الإطلاق ، ما حدث وأدى إلى مجموعة البيانات التي تحتاج إلى تحليلها. إذا كانت هذه هي الحالة ، فمن المهم البحث عن سياق للعينة التي تنظر إليها والمجموعة التي تم استخلاصها منها.
إذا كنت مسؤول مشروع أو مدير برنامج ، فقد يكون لديك بالفعل فكرة جيدة عن المعلومات التي تحتوي عليها بياناتك. ربما تكون قد شاركت في جمع البيانات ، وربما حتى أخذ العينات ، وقد تكون لديك معرفة بما حدث بشكل جيد وما لم يتم. الأسئلة المهمة التي يجب وضعها في الاعتبار عند النظر في الإحصاء الوصفي هي:
- هل وصلت إلى حجم العينة المطلوب؟
- هل كانت هناك أي ظروف محلية ربما أثرت على بياناتي؟ على سبيل المثال ، الظروف الجوية التي أجبرتك على استخدام مشاركين آخرين غير المقصود.
لإظهار أفضل طريقة للتعامل مع تحليل البيانات ، سنستخدم مثالاً لمجموعة بيانات يمكنك عرضها هنا: مثال على مجموعة بيانات WaSH .
الجداول والمخططات الشريطية
الطريقة الأسهل والأسرع للنظر في بياناتك هي استخدام الجداول (التردد) والمخططات الشريطية. ينطبق هذا فقط على البيانات الاسمية والترتيبية في بعض الأحيان . يتيح لك استخدام وظيفة الجدول المحوري في Excel ، على سبيل المثال ، تصوير الكثير من المعلومات.
ابدأ بالمتغيرات التي تصف عينتك ، مثل الجنس ، كما هو موضح في الجدول أدناه. سيعطيك هذا فكرة عن خصائص المستجيبين. يمكن أن يمنحك الانحراف في هذه الخصائص نظرة ثاقبة للمتغيرات التي حددتها للقياس والنتائج المحتملة.
قد يكون لديك بالفعل فكرة عن كيفية تمثيل بعض المتغيرات في عينتك. في هذه الحالة ، سيوفر إنشاء مخطط شريطي الكثير من الأفكار. يوضح الجدول أدناه المستوى التعليمي للمشاركين ، والذي يمكن اعتباره متغيرًا ترتيبيًا.
من خلال ملاحظة هذا المتغير في مخطط شريطي بدلاً من جدول ، ستحصل على الفور على فكرة عن متوسط مستويات التعليم. في التحليلات اللاحقة ، يمكن ترجمة ذلك ، على سبيل المثال ، إلى عدد الذين يمكنهم القراءة أو الكتابة.
بعد النظر في خصائص العينة ، يمكنك البدء في عمل لمحات عامة عن المتغيرات ذات الأهمية. يوضح الجدول أدناه لمحة عامة عن أنواع مصادر المياه الواردة في البيانات.
إن التمييز بين مصادر المياه المختلفة وحده لا يكفي للإشارة إلى جودة مرافق المياه. تؤثر المتغيرات الأخرى على جودة المصدر ، مثل مسافة المشي من المنزل إلى المصدر ، وما إذا كان عليك الانتظار في طابور للحصول على المياه ، وما إذا كان يمكن للحيوانات استخدام المصدر أيضًا.
يوضح الرسم البياني الشريطي أدناه مجموعة نوع مصدر المياه ، المصنفة هنا على أنها “محسّنة” أو “غير محسّنة” ، جنبًا إلى جنب مع طول الرحلة إلى مصدر المياه. يعطي الجمع بين هذه المتغيرات مزيدًا من المعلومات حول جودة مرافق المياه. قدمت منظمة الصحة العالمية (WHO) معايير لتصنيف مصدر المياه على أنه محسّن أو غير محسّن.
الرسوم البيانية
يمكن تحقيق طريقة أكثر تقدمًا للنظر إلى متغيرات النسبة أو الفاصل الزمني عن طريق إنشاء مدرج تكراري. يصور المدرج التكراري توزيع البيانات عبر فاصل زمني مستمر ويمكن استخدامه لمعرفة كيف تنحرف بياناتك. على سبيل المثال ، إذا نظرنا إلى عدد أفراد الأسرة ، نتوقع أن تتبع العينة التوزيع الطبيعي.
هذا يعني في الأساس أن لديك ملاحظات تتمحور حول متوسط مع انحرافات متساوية لكلا الجانبين.
التحليلات التشخيصية – لماذا حدث هذا؟
عندما يكون لديك نظرة عامة على ما هو موجود في بياناتك وكيف تبدو عينتك ، فقد ترغب في معرفة سبب حدوث أشياء معينة. ربما وجدت أنه في إحدى المناطق ، يلتحق عدد أقل بكثير من الأطفال بالمدارس مقارنة بالمناطق الأخرى. هل يمكن أن يكون هناك شيء في بياناتك يُظهر طرقًا أخرى تختلف بها هذه المنطقة؟
باستخدام التحليلات التشخيصية ، يمكننا أن نتعمق خطوة واحدة ونطرح السؤال: لماذا حدث هذا؟ مرة أخرى ، سوف نستخدم نموذج مجموعة البيانات لنقدم لك بعض الأمثلة.
لمعرفة سبب ملاحظة سلوك معين ، يمكننا النظر إلى مجموعة من المتغيرات. على سبيل المثال ، أي منطقة بها أكثر مصادر المياه غير المحسنة؟ هل النساء في الأساس هن من يبلغن عن مسافات طويلة سيرًا على الأقدام؟ هل تتعطل مصادر المياه في كثير من الأحيان عندما لا يتم الاعتناء بها من قبل البلدية؟
يوضح الرسم البياني أدناه ملكية مصادر المياه مقارنة بما إذا كانت البئر تعمل أم لا. قد تتساءل عما إذا كانت البلديات تعتني جيدًا بالآبار أو ما إذا كان الأشخاص الذين تمت مقابلتهم لديهم خبرة كافية لرعاية البئر بأنفسهم. في هذه الحالة ، يمكنك أن ترى أن الآبار الخاصة تعمل في كثير من الأحيان أكثر من تلك المثبتة من قبل البلديات.
يمكن أن تستند الأسئلة التي تطرحها والمتغيرات التي تجمعها إلى بحث سابق ، عن طريق الحدس أو الملاحظات أثناء جمع المعلومات للبحث العلمي، أو يمكن أن تكون استكشافية ، مما يعني أنك وجدتها في البيانات. عندما تعمل باستخدام عينات البيانات ، فإن التمييز بين كيفية الوصول إلى هذه النتائج مهم للغاية.
باستخدام المخطط الشريطي أعلاه ، قد يكون لديك سبب للتحقيق في ملكية مصدر المياه. على سبيل المثال ، أظهر لك البحث النوعي أن البلدية المحلية تعاني من نقص في الموظفين.
عند صياغة سؤال بحث وفرضية مصاحبة مسبقًا ، ولديك عينة تمثيلية ، يمكنك اختبار ما إذا كان يمكن تأكيد الفرضية باستخدام الاستدلال الإحصائي . يشير الاستدلال الإحصائي إلى استخدام الإحصائيات لاستخلاص استنتاجات حول بعض الجوانب غير المعروفة للسكان بناءً على عينة عشوائية من تلك المجموعة السكانية.
عندما يمكنك بالفعل تأكيد فرضيتك ، يمكنك افتراض أن السلوك الذي تجده هو شيء ينطبق على جميع السكان. في حالتنا ، يمكنك استخدام هذا للدعوة لمزيد من الموظفين في البلدية. إذا كانت نتائجك استكشافية ، فلا يمكنك وضع هذا الافتراض.
التحليلات التنبؤية – ما الذي يمكن أن يحدث؟
بحلول الوقت الذي تعرف فيه سبب حدوث شيء ما ، قد نذهب إلى أبعد من التنبؤ بما من المحتمل أن يحدث بعد ذلك ، نظرًا لمعرفتنا بالأحداث السابقة.
تحاول التحليلات التنبؤية الإجابة على السؤال: ما الذي قد يحدث؟ باستخدام ما تعلمناه مع التحليلات الوصفية والتشخيصية ، يمكننا استخدام التحليلات التنبؤية للنظر في المجموعات أو الميول أو ربما الاستثناءات التي تسمح لنا بعمل تنبؤ معين.
لنفترض أنه أثناء التحليل التشخيصي ، وجدت أن الآبار الأنبوبية الضحلة المبنية على سطح طيني غالبًا ما تنكسر عندما مضى عليها أكثر من خمس سنوات. يمكن استخدام هذه المعلومات لفحص بقية السكان وعمل تقدير للآبار التي قد تحتاج إلى إصلاح دون معرفة حقيقة تعطلها. غالبًا ما يشار إلى هذه النتائج على أنها أنماط في البيانات.
هناك طريقتان بشكل عام للنظر في هذه الأنماط: تحت الإشراف (مثل الانحدار) أو بدون إشراف (مثل التجميع).
هناك تقنيات أكثر تقدمًا في التحليلات التنبؤية تتيح لك البحث عن أنماط في بياناتك وتأكيدها في نفس الوقت. لنفترض ، على سبيل المثال ، أنك جمعت بيانات حول آبار مصادر المياه. أنت تعرف النوع ، متى تم بناؤها ، من يقوم بصيانتها ، إذا كانت مكسورة أم لا ، وقمت باستخدام بيانات إضافية لتحديد نوع التربة التي بنيت عليها الآبار.
من خلال تغذية هذه البيانات في نموذج تنبؤي ، يمكنك عمل نموذج يسمح لك بالتنبؤ بوقت تعطل بئر جديد ، لم يكن جزءًا من بياناتك الأولية. أحد هذه النماذج التنبؤية هو الانحدار اللوجستي. مرة أخرى .
التحليلات الوصفية – ما الذي يجب عمله؟
الآن بعد أن أصبحت لديك فكرة عما يمكن أن يحدث ، قد ترغب في معرفة أفضل مسار للعمل. تحاول التحليلات الوصفية الإجابة على السؤال: ما الذي يجب عمله؟ أو ماذا يمكننا أن نفعل لجعل … يحدث؟ تُستخدم التحليلات الوصفية في الغالب في الشركات الكبيرة التي تبحث عن المشورة بشأن ، على سبيل المثال ، مخزونها أو سلسلة التوريد الخاصة بها.
يذهب خطوة أبعد من التحليلات الوصفية والتنبؤية من خلال التوصية بالنتائج المحتملة. بشكل أساسي ، يمكنك التنبؤ بالعقود الآجلة المتعددة والسماح للشركات بتقييم عدد من النتائج المحتملة بناءً على أفعالهم.
أسئلة وأجوبة حول أدوات جمع المعلومات للبحث العلمي
- ما هو جمع المعلومات للبحث العلمي؟
جمع المعلومات للبحث العلمي هو عملية جمع وتحليل المعلومات المتعلقة بالمتغيرات ذات الصلة بطريقة منهجية ومحددة سلفًا بحيث يمكن للمرء أن يجيب على أسئلة بحث محددة ، واختبار الفرضيات ، وتقييم النتائج.
- ما هي طرق جمع البيانات الأولية؟
كما هو معروف جيدًا ، فإن جمع البيانات الأولية أمر مكلف ويستغرق وقتًا طويلاً. التقنيات الرئيسية لـ جمع المعلومات للبحث العلمي هي الملاحظة والمقابلات والاستبيانات والجداول الزمنية والاستطلاعات.
- ما هي أدوات جمع المعلومات للبحث العلمي؟
يشير مصطلح “أدوات جمع المعلومات للبحث العلمي” إلى الأدوات / الأجهزة المستخدمة لجمع البيانات ، مثل الاستبيان الورقي أو نظام المقابلات بمساعدة الكمبيوتر. تشمل الأدوات المستخدمة لجمع البيانات دراسات الحالة ، وقوائم المراجعة ، والمقابلات ، والملاحظة في بعض الأحيان ، والاستطلاعات ، والاستبيانات.
- ما الفرق بين الأساليب الكمية والنوعية؟
بينما يركز البحث النوعي على الكلمات والمعاني ، يتعامل البحث الكمي مع الأرقام والإحصاءات. يمكنك قياس المتغيرات بشكل منهجي واختبار الفرضيات باستخدام الطرق الكمية. يمكنك التعمق في الأفكار والخبرات باستخدام المنهجيات النوعية.
- ما هي طرق جمع البيانات الكمية؟
في حين أن هناك العديد من الطرق الأخرى للحصول على المعلومات الكمية ، فإن الأساليب المشار إليها أعلاه – أخذ العينات الاحتمالية ، والمقابلات ، ومراقبة الاستبيان ، ومراجعة المستندات – هي الأكثر شيوعًا والأكثر استخدامًا ، سواء كانت جمع المعلومات خارج الإنترنت أو عبر الإنترنت.
- ما هو البحث المختلط؟
تُعرف أبحاث المستخدم التي تشمل التقنيات الكمية والنوعية باسم بحث الأساليب المختلطة. للحصول على رؤى أعمق للمستخدم ، يجمع بحث الأساليب المختلطة بين بيانات المستخدم الثاقبة والإحصاءات المفيدة.
طالع أيضاً: طرق جمع البيانات في البحث العلمي
أدوات البحث العلمي هي، مرحلة جمع المعلومات في البحث العلمي، طرق جمع المعلومات في البحث العلمي، مصادر جمع المعلومات في البحث العلمي، يستطيع الباحث المضي قدما في بحثه دون الاعتماد على أدوات البحث العلمي، طرق جمع المعلومات في البحث العلمي PDF[/et_pb_text][/et_pb_column] [/et_pb_row] [/et_pb_section]
