جمع آوری داده (Data Collection)
این روزها نیاز اساسی به جمع آوری داده و طبقه‌بندی شواهد کیفی وجود دارد که بتواند به تمام سؤالات مطرح شده توسط محققان پاسخ دهد.
علاوه بر این، از طریق جمع آوری داده ، هر شرکتی می تواند اطلاعات با کیفیتی را که پیش نیاز تصمیم گیری آگاهانه است، به دست آورد.
از سوی دیگر، برای بهبود کیفیت اطلاعات، بهتر است داده ها را جمع آوری کنید تا بتوانید در مورد آنچه واقعیت تلقی می شود، نتیجه گیری کنید و آگاهانه تصمیم بگیرید.
در ادامه روش های مختلف جمع آوری داده ، مزایا و معایب و ابزارهای هر کدام را بررسی خواهیم کرد.
جمع آوری داده : فرآیندی روشمند برای جمع‌آوری و تجزیه و تحلیل داده‌ها و اطلاعات خاص برای دستیابی به راه‌حل‌هایی برای سؤالات مرتبط و ارزیابی نتایج است.
←برای خرید کرک لایسنس تبلو Tableau با تمام ویژگی ها کلیک کنید
جمع آوری داده (Data Collection) چیست؟
جمع آوری داده فرآیندی روشمند برای جمع‌آوری و تجزیه و تحلیل داده‌ها و اطلاعات خاص برای دستیابی به راه‌حل‌هایی برای سؤالات مرتبط و ارزیابی نتایج است.
تمرکز این مجموعه بر یافتن تمامی موارد موجود در یک موضوع خاص است. داده ها برای آزمون فرضیه هایی که به دنبال توضیح یک پدیده هستند جمع آوری می شود.
حتما بخوانید : تجزیه و تحلیل داده (Data Analytics) چیست؟
در ادامه ابزار جمع آوری داده آورده شده اند :
۱- هدف اصلی جمع آوری داده
برای جمع آوری داده ، طیف وسیعی از پیامدها وجود دارد که داده ها برای آنها جمع آوری می شود.
اما هدف اصلی از جمع آوری داده قرار دادن محقق در موقعیت مناسب برای پیش بینی احتمالات و روندهای آینده است.انواع مختلفی از ابزارهای جمع آوری داده وجود دارد.
۲- انواع گردآوری داده ها
دو روش اصلی که می توان داده ها را جمع آوری کرد، داده های اولیه و ثانویه است. در حالی که اولی توسط محقق از طریق منابع دست اول جمع آوری می شود، دومی توسط شخصی غیر از کاربر اصلی جمع آوری می شود.
۳- مجموعه داده های اولیه
مجموعه داده های اولیه، طبق تعریف، مجموعه ای از داده های خام جمع آوری شده در منبع است.این فرآیند جمع آوری داده است که توسط یک محقق برای یک هدف تحقیقاتی خاص جمع آوری شده است.
این روش را می توان در دو بخش بیشتر مورد بحث قرار داد. روش تحقیق کیفی و کمی گردآوری داده ها. این یکی از ابزارهای جمع آوری اطلاعات است.
- روش تحقیق کیفی
هدف روش‌های تحقیق کیفی در جمع آوری داده، جمع‌آوری داده‌هایی نیست که شامل اعداد یا مستلزم استنباط از طریق محاسبات ریاضی است.
بلکه بر اساس عناصر غیرقابل اندازه‌گیری، مانند احساسات یا عواطف محقق است.
- روش کمی
روش های کمی به صورت عددی ارائه می شوند و برای استنتاج به محاسبات ریاضی نیاز دارند.
برای مثال می توان به استفاده از پرسشنامه با سوالات بسته برای رسیدن به ارقام محاسبه شده به صورت ریاضی اشاره کرد.
همچنین روش های همبستگی و رگرسیون، میانگین و میانه نیز در این دسته قرار می گیرند.
←برای خرید کرک لایسنس تبلو Tableau با تمام ویژگی ها کلیک کنید
۴- جمع آوری اطلاعات ثانویه
از سوی دیگر، جمع‌آوری داده های ثانویه به جمع‌آوری داده‌های دست دوم اشاره دارد که توسط شخصی غیر از کاربر اصلی جمع‌آوری می‌شود.
این فرآیند جمع آوری داده است که از قبل در دسترس است، به عنوان مثال، قبلاً در یک کتاب، مجله یا پورتال آنلاین منتشر شده است.
در مورد راحتی، مونتاژ آن بسیار ارزان تر و آسان تر خواهد بود. ما در مقاله داده های کیفی اطلاعات کمی در مورد ابزار جمع آوری داده ها به شما دادیم.
نکته مهم: انتخاب شما بین جمع‌آوری داده های اولیه و جمع‌آوری داده‌های ثانویه به ماهیت، دامنه و دامنه تحقیق و همچنین اهداف تجاری شما بستگی دارد.
اهمیت جمع آوری داده ها
تعدادی از دلایل اساسی برای جمع آوری داده ها، به ویژه برای یک محقق وجود دارد. شامل:
- یکپارچگی تحقیق: دلیل اصلی برای جمع آوری داده ها، چه از طریق روش های کمی یا کیفی، اطمینان از حفظ یکپارچگی سؤال تحقیق است. از جمله اهمیت استفاده از ابزار گردآوری داده ها، این عناصر هستند.
- کاهش احتمال خطا: استفاده صحیح از روش های مناسب جمع آوری داده ها، احتمال خطاهای همسو با نتایج را کاهش می دهد.
- تصمیم گیری: برای به حداقل رساندن خطر اشتباهات تصمیم گیری، جمع آوری داده های دقیق مهم است تا محقق تصمیمات ناآگاهانه نگیرد.
- صرفه جویی در هزینه و زمان: جمع آوری داده ها باعث صرفه جویی در زمان و بودجه محقق می شود که در غیر این صورت بدون درک عمیق تر موضوع هدر می رفت.
ابزار جمع آوری داده ها چیست؟
ابزار جمع‌آوری داده ها به دستگاه‌ها/ابزارهای مورد استفاده برای جمع‌آوری داده‌ها، مانند پرسشنامه کاغذی یا سیستم مصاحبه به کمک رایانه اشاره دارد.
مطالعات موردی، چک لیست، مصاحبه، گاهی مشاهده و نظرسنجی و غیره همه ابزارهایی هستند که برای جمع آوری داده ها استفاده می شوند.
در زیر مهمترین ابزار جمع آوری داده ها را با هم مرور می کنیم.
تصمیم گیری در مورد ابزار گردآوری داده ها از این جهت حائز اهمیت است که پژوهش به روش های مختلف و با اهداف متفاوتی انجام می شود.
هدف از گردآوری داده ها به دست آوردن شواهد کیفی است که به تجزیه و تحلیل اجازه می دهد تا به فرمول بندی پاسخ های قانع کننده و معتبر برای سؤالات مطرح شده منجر شود.
مهمترین ابزار جمع آوری داده ها
در زیر 4 روش برتر جمع آوری داده ها برای تحقیقات دانشگاهی، مبتنی بر نظر یا محصول ارائه شده است. همچنین در مورد جزئیات، ماهیت، مزایا و معایب هر کدام بحث خواهیم کرد.
1- مصاحبه
مصاحبه گفتگوی رو در رو بین دو نفر است که تنها هدف آن جمع آوری اطلاعات مرتبط برای تحقق هدف تحقیق است.
مصاحبه انواع مختلفی دارد. ساختاریافته، نیمه ساختاریافته و بدون ساختار که هر کدام اندکی با دیگری متفاوت است.
2- مصاحبه های ساختاریافته:
به زبان ساده، این پرسشنامه است که به صورت شفاهی اجرا می شود. در مورد اطلاعات مورد نیاز، سطحی خواهد بود و معمولا در مدت زمان کوتاهی انجام می شود.
برای سرعت و عملکرد بسیار توصیه می شود، اما فاقد عمق است. ابزار مهم دیگر جمع آوری داده ها است.
3- مصاحبه های نیمه ساختاریافته:
در این روش، چندین سؤال اصلی وجود دارد که دامنه حوزه های مورد بررسی را پوشش می دهد. در این روش محقق کمی زمان بیشتری برای کشف موضوع دارد.
4- مصاحبه های بدون ساختار:
این یک مصاحبه عمیق است که به محقق اجازه می دهد تا طیف وسیعی از اطلاعات را برای یک هدف جمع آوری کند.
مزیت این روش آزادی است که به محقق می دهد تا ساختار را با انعطاف پذیری ترکیب کند، حتی اگر زمان بیشتری صرف شود.
مزیت‌ها
- اطلاعات عمیق
- آزادی انعطاف‌پذیری
- داده‌های دقیق
معایب کرک تبلو
- زمان بر خواهد بود
- هزینه بر بودن جمع‌آوری
آخرین کلمه
بهترین روش گردآوری داده ها برای محقق برای جمع آوری داده های کیفی که عموماً داده هایی است.
که مبتنی بر احساسات، عقاید و باورهای پاسخگویان است، تحقیق آمیخته است.
دلیل اینکه نتایج تحقیقات ترکیبی بهتر است این است که ویژگی‌های مصاحبه و گروه‌های متمرکز را در بر می‌گیرد.
همچنین هنگام جمع آوری داده های ماهیت حساس مفید است. این روش را می توان به عنوان یک روش جمع آوری داده های کمی با هدف عمومی نیز توصیف کرد.
←برای خرید کرک لایسنس تبلو Tableau با تمام ویژگی ها کلیک کنید
مقاله های مرتبط:
1- آماده سازی داده ها یا Data Preparation – پالایش داده های خام
2-مدیریت کیفیت داده (Data Quality Management) در هوش تجاری (BI)
3-فرهنگ داده چیست – چرا برای حل مشکلات سازمانی ضروری است؟
4-داده کاوی (Data Mining) چیست ؟
5- مفاهیم و اصطلاحات کلان داده یا Big Data