Andmete kogumise tehnikad ja näited (kokkuvõte)

Üks olulisi asju uurimistöös on andmete kogumine. Andmete põhjal saab läbi viia töötluse ja analüüsi, et saada õiget uurimistööd toetavat teavet. Selleks, et kogutud andmed kehtiksid, on vaja korralikke andmete kogumise tehnikaid.

Sobivate tehnikate kasutamine andmete kogumisel mõjutab suuresti uurimisprotsessi, kuna see on rohkem keskendunud ja kontrollitud. Järgnevalt esitame ülevaate andmete kogumise tehnikatest ja meetoditest ning protsessidest ja tüüpidest, mida on oluline teada.

Andmekogumismeetodite määratlus

Eelnevalt on mainitud andmete kogumise tehnikate ja meetodite kasutamise olulisust uuringus. Noh, võib-olla soovite ka rohkem teada saada, mida andmete kogumise tehnikate all mõeldakse.

Põhimõtteliselt saab andmete kogumise tehnikaid tõlgendada kui meetodeid või tehnikaid, mida teadlased kasutavad uuritavate asjadega seotud andmete kogumisel. Seetõttu on vaja tõhusaid ja süsteemseid samme, et andmed oleksid faktidega kooskõlas ja kehtivad.

Andmete kogumise enda eesmärk on hankida valdkonna faktidel põhinevaid andmeid või teavet, et see oleks kasulik uurimistöö toetamiseks. Sel juhul sõltub andmete kogumise tehnikate valik uurimismeetodist.

Selles andmekogumistehnikas on vaja teatud vahendeid, mis toimivad uuritavate probleemide kogumiseks, uurimiseks ja uurimiseks. Need vahendid aitavad teadlastel uurida olemasolevaid sümptomeid hüpoteeside tõestamise või ümberlükkamise alusena.

Seetõttu peavad andmete kogumisel kasutatavad vahendid olema kehtivad ja usaldusväärsed. Üksikasjalikuma teabe saamiseks tuleb andmete kogumisel arvestada järgmiste asjadega.

• Andmed on määratud uurimismuutujatest lähtuvalt, seejärel saab neid vahetult töödelda ja süstemaatiliselt analüüsida.
• Analüüsitud ja töödeldud andmed valitakse välja nende olulisusest uurimisobjekti, mõistete ja sündmuste suhtes. Andmed võivad olla numbrite, piltide jms kujul.
• Andmeid koguti teabe saamiseks, et hüpoteesi kaudu püstitatud uurimiseesmärgid oleksid saavutatud.
• Kogutavad andmed on määratud mitme hüpoteesi muutujaga, tegemist võib olla ka juba olemasoleva valimiga.

Loe: Läbirääkimiste teksti näide

Andmete kogumise protsess

Andmete kogumise protsessis tuleb andmekogumistehnikat kasutada süsteemselt ja suunata nii, et andmed oleksid arvestatavad ja tõesed. Sest laias laastus peab andmete kogumise protsess suutma eelmist hüpoteesi tõestada.

Andmete kogumise protsessis on 8 etappi, mida tuleb arvesse võtta, nimelt:

1. Kirjanduse ülevaade ja konsulteerimine pädevate ekspertidega

Esimeses etapis kogutakse erinevat tüüpi teavet uurimisobjekti kohta. Seda teavet saab hankida kirjanduse ülevaate ja konsulteerides ekspertidega, kes on pädevad, mõistavad nii mõisteid kui ka probleeme ja uurimismuutujaid.

2. Õppimine ja vastajatele lähenemine

Järgmine protsess või etapp on kogukonnarühmade uurimine ja nende poole pöördumine, kellest saavad vastajad, et andmekogumistegevus oleks hästi vastu võetud.

3. Säilitage vastajate ja nende keskkonnaga häid suhteid

Samuti peate looma hea suhtluse ja suhted vastajate ja nende keskkonnaga. Sel juhul on vaja uurida ka vastaja mõtteviisi, läbiviidud harjumusi, kasutatavat keelt ja nii edasi.

4. Pilootuuringu või -katse tegemine

Järgmine etapp on pilootuuring või uurimisinstrumentide katsetamine kogukonnarühmades, mitte valimina. Eesmärk on välja selgitada, kas instrument on kommunikatiivne ja kergesti mõistetav.

5. Sõnasta ja sõnasta küsimusi

Kui olete proovimise lõpetanud, siis järgmise sammuna koondage saadud instrumendid vastavate küsimuste vormis vastavalt uurimiseesmärkidele. Küsimus peab olema sisulise ja olulise tähendusega.

6. Märkmeid tegema

Kui uurimisinstrument on koostatud, siis järgmise sammuna tuleb salvestada ja kodeerida vastajale vajalikud andmed. See kirje on järgneva analüüsiprotsessi hõlbustamiseks väga oluline.

7. Kontrollige andmete kehtivust ja usaldusväärsust

Pärast salvestamise lõpetamist tuleb teha andmete ristkontrollimine, et uuesti kontrollida nende õigsust. See on kontrolli läbiviimine, et tagada selle kehtivus ja usaldusväärsus.

8. Andmete korrastamine analüüsiks

Viimane etapp pärast vastajatelt andmete kogumist on andmete korrastamine ja seejärel andmete analüüsi alustamine, et kõik kasutatud andmed kehtiksid.

Loe: Näide anekdootlikust tekstist

Andmete kogumise tehnika

Kui olete juba aru saanud andmete kogumise protsessist ja etappidest, siis järgmise sammuna tuleb tutvuda mõne andmekogumistehnikaga. Sugiyono (2017) sõnul on andmete kogumiseks 4 tehnikat, nimelt:

1. Vaatlus või vaatlus

Vaatlus on üks andmete kogumise tehnikaid sümptomite või uurimisobjektide süstemaatilise jälgimise ja salvestamise teel. Seda tüüpi tehnika on üks lihtsamaid ja seda kasutatakse sageli statistiliste uuringute jaoks.

Nagu siis, kui soovite uurida teatud inimrühma hoiakuid ja käitumist. Tavaliselt läheb vaatlusandmete kogumise tehnikas teadlane otse väljale ja määrab kõige tõhusama mõõtmisvahendi, mida rakendada.

2. Küsimustik või küsimustik

Teine andmete kogumise tehnika on küsimustik või küsimustik, mille puhul esitatakse vastajatele hulk küsimusi, et nad saaksid anda teadlastele vastuseid.

See tehnika võib tunduda lihtne ja lihtne, kuid tegelikult on seda üsna raske rakendada. Eriti kui vastajate arv on väga suur ja erinevates piirkondades laiali.

Küsimustiku vormis andmete kogumise tehnikal on mitmeid põhimõtteid, mida tuleb arvesse võtta, sealhulgas:

• Küsimuste sisu ja eesmärki kasutatakse mõõtmiste mõõtmiseks selge skaala ja vastuste valikuga.
• Ankeetküsitluses kasutatud keel peab vastajatele arusaadav, et neil oleks lihtsam küsimustele vastata.
• Küsimused võivad olla avatud või suletud. Avatud küsimuste puhul on vastajatele antud vastamisvabadus, suletud küsimuste puhul aga vastusevalikud.

3. Intervjuu või intervjuu

Järgmiseks andmekogumistehnikaks on intervjuumeetodi või uurijate ja vastajate vahel otse läbiviidavate intervjuude kasutamine. Seda tehnikat saab kasutada alternatiivina eeluuringuna, kuna paljudele vastajatele on seda raske rakendada.

4. Dokument

Järgmine meetod, mida andmete kogumiseks saab teha, on dokumentide kasutamine. Sel juhul saab uurija vajalikku teavet varem toimunud sündmuste kohta tehtud märkmete või dokumentide kaudu.

Kasutatavad dokumendid võivad olla piltide, kirjutiste või teiste osapoolte monumentaalsete teoste kujul. Nagu elulood, päevikud, määrused, ajalugu ja nii edasi.

Loe: Sotsiaalse seletuse teksti näide

Andmete kogumise põhimõtted

Üldiselt tuleb andmete kogumise tehnikates arvestada ja rakendada kolme põhimõtet, nimelt:

1. Koguge andmeid nii täielikult kui võimalik ja mitte nii palju kui võimalik.
2. Arvestades kogutud andmete täpsust, sh andmete tüüpi, andmete kogumise aega, andmete kasulikkust ja asjakohasust uurimistöö jaoks.
3. Arvestades kogutud andmete õigsust, nii andmetest endist kui ka muudest allikatest.

Andmete mõõtmise skaala

Andmeskaala või nn andmete mõõtmise skaala on reeglite kogum, mida kasutatakse andmete klassifitseerimiseks või mõõdetavate muutujate rühmitamine nii, et oleks võimalik kindlaks määrata analüütiliste tehnikate kasutamine ja uurimisetapid järgmiseks.

Uurimisandmete kogumise tehnikates on mõõteskaalade tüübid järgmised:

1. Nominaalne skaala

Nominaalne skaala viitab faktide ja sündmuste rühmitamisele, milles esinevad ainult kvalitatiivsed erinevused. Nominaalskaalal on mitmeid omadusi, sealhulgas:

• Andmearvutuste tulemused ei ole murdude kujul.
• Andmetes loetletud numbrid on mõeldud ainult märgistuse eesmärgil.
• Pole tellimust, uut suurust ega absoluutset nulli.

Järgmised on mõned näited nominaalskaaladest, millest peaksite teadma:

• Sugu: mees või naine.
• Töö liik: ASN, eratöötajad, põllumehed, ettevõtjad ja teised.
• Klassiaastad: 2020, 2021, 2022.

2. Ordinaalskaala

Järjekorraskaal on teatud tüüpi andmete mõõtmise skaala, milles on tase või jada, mis algab madalaimast kuni suurimani. Selle skaala koostamine põhineb teatud omadustel ja üksteise vaheline järjekord ei ole sama kaugel.

Järkjärgu skaala omadused hõlmavad järgmist:

• Omage eraldi andmekategooriaid.
• Andmekategooria reeglid on loogilised.
• Andmekategooriate määramisel lähtutakse eritunnustest.

Järgmine on järguskaala näide, mida tuleb teada:

• Kliendi rahulolu tase: 1, 2, 3, 4, 5 või 50, 60, 70, 80, 90.
• Koht jooksus: 1, 2, 3, 4, 5.
• Ametikoht ettevõttes: direktorite nõukogu, direktor, peadirektor, juhataja, personal.

3. Intervalli skaala

Intervallskaala on andmete mõõtmise skaala tüüp, mille kaugus ühelt tasandilt teisele on sama ehk teisisõnu on kaalud samad. Intervallide mõõtmise skaala omadused hõlmavad järgmist:

• Mõõtmise andmekategooriad on üksteist välistavad ja loogilised.
• Andmekategooriate määramisel lähtutakse eritunnustest.
• Null mõõteskaalal tähistab skaalal olevat punkti ja absoluutset nulli pole.

Järgmine on näide intervallskaalast, mida tuleb teada:

Temperatuuri mõõtmine

Näiteks:

1. Intervall 31–34 kraadi Celsiuse järgi: madal
2. Intervall 35–38 kraadi Celsiuse järgi: normaalne
3. Intervall 39–40 kraadi Celsiuse järgi: Kõrge

Intelligentsustase ehk IQ

Näiteks:

1. Intervall 70–79 on liigitatud väga madalaks.
2. Intervall 80 – 90 on madalas kategoorias.
3. Intervall 91–110 on kategoorias Tavaline.
4. Intervall 111–120 siseneb kategooriasse Kõrge.
5. Intervall 121–130 on klassifitseeritud Superior.

4. Suhte skaala

Erinevalt intervallskaalast on suhteskaala skaala tüüp, millel on sama vahemaa ja absoluutne nullväärtus. Oma omaduste poolest on see peaaegu sama, mis intervallskaalal, kuid suhte skaalal on absoluutne null, mis näitab karakteristikute puudumist.

Lisaks on suhte mõõtmise skaalal ka võrdlusväärtus. Näide on järgmine:

Kui X maja kõrgus on 100 meetrit ja Y maja kõrgus 25 meetrit, siis võib öelda, et X maja kõrgus on neli korda kõrgem kui Y hoonel. (X: Y=4:1).

Mõned näited suhtarvudest on kaal, pikkus, inimese vanus, skaala suurus, testitulemused ja kaugus.

Loe: Kriitilise vastuse teksti näide

Andmetüübid

Andmete kogumise tehnikate rakendamisel vajate uurimistöö toetamiseks kehtivaid andmeid. Andmete tüüp ise jaguneb kolme kategooriasse, nimelt andmed, mis põhinevad uurimistöö iseloomul, allikal ja selle hankimise viisidel.

1. Andmed selle olemuse põhjal

Selle olemuse põhjal võib uurimistöös olevad andmetüübid jagada kaheks, nimelt:

a. Kvalitatiivsed andmed

Kvalitatiivsed andmed on teatud tüüpi andmed, mida ei saa numbriliselt mõõta, kuna need on kirjelduse või narratiivi kujul, mille eesmärk on selgitada konkreetset sündmust või nähtust.

Näiteks uuritava piirkonna kirjeldus, koha ajalugu, uurimistöö viideteks olevate ressursiisikute elulood jne.

b. Kvantitatiivsed andmed

Kvantitatiivsed andmed on teatud tüüpi andmed, mida saab mõõta ja arvutada otse arvu või arvudena. See muutuja on ka atribuut uurimisobjekti mõõtmiseks ja kirjeldamiseks.

Näitena võib tuua andmed iga-aastase õpilaste arvu kohta uurimisobjektiks olevas koolis, igapäevase kaubamüügi andmed supermarketis ja andmed klassi õpilaste vanuse kohta.

2. Andmed allika järgi

Lähtuvalt allikast võib andmekogumistehnikates olevad andmed jagada kaheks, nimelt:

a. Esmased andmed

Algandmed on peamised uurimisandmed, mis on saadud otse uuritavatelt, allikatelt või vastajatelt, kuid ei sisaldu kvantitatiivses uuringus.

Näiteks võib tuua noorte loenduse linnaküla piirkonnas. Kelurahani töötaja võtab andmed kohaliku RT või RW juhilt, et saada kelurahani piirkonna teismeliste arv. Need andmed on esmased andmed.

b. Teisesed andmed

Kui esmastest andmetest saavad esmased andmed või esmased andmed, erinevad need sekundaarsetest andmetest, mida kasutatakse täiendavate andmetena. Andmeid ei saada mitte vastaja omast käest, vaid teisest käest jne.

Sekundaarseid andmeid ei kaasata ka kvantitatiivsetesse uuringutesse. Tavaliselt saadakse teisesed andmed dokumentidest ja kirjandusest, nagu ajakirjad, ajalehed, akadeemilised käsikirjad, finantsaruanded, maksuaruanded jne.

3. Andmed põhinevad Kuidas saada

Kui lähtuvalt sellest, kuidas seda saada, võib uurimisandmed jagada kolmeks, nimelt:

a. Vaatlusandmed

Eelnevalt käsitlesime andmete kogumise tehnikat vaatlusmeetodit kasutades. Selle meetodi puhul läheb teadlane väljale ja teeb uurimisobjekti otseseid vaatlusi.

Lisaks salvestatakse saadud andmed kas kirjutamise, fotode, helisalvestiste, videote jms kaudu. Selle vaatluse andmete kogumise meetodid jagunevad kaheks, nimelt:

b. Osalemise vaatlus

Selle meetodi puhul on teadlane otseselt seotud uurimisobjekti poolt läbiviidavate tegevustega. Et teadlased ei teeks ainult vaatlusi, vaid ka suhtleksid ja osaleksid nendes tegevustes.

Seda meetodit peetakse tõhusaks seda tüüpi psühholoogilisi aspekte hõlmavate uuringute puhul, kuid teisest küljest on see vähem objektiivne, kuna osalejad juba teavad, kas seda uurimisobjektina kasutatakse.

Osalejate vaatlusandmete kogumise tehnika näide on see, et teadlased on otseselt kaasatud maapiirkondades toimuvatesse "rewangi" tegevustesse, et uurida piirkonna gotong royongi traditsioone ja kultuuri.

c. Mitteosaleja vaatlus

Nagu nimigi ütleb, tegutseb uurija selle meetodi puhul vaid pealtvaatajana ega osale koos vastajaga uuritavates tegevustes.

Tavaliselt viiakse meetod läbi salaja, nii et uurimisobjekt ei saa aru, kas seda vaadeldakse. Eesmärk on, et saadud andmed oleksid täpsed ja objektiivsed. Sellegipoolest peavad teadlased olema oma uurimistöös teooriat valdanud.

Üks mitteosaleva vaatluse näide on teadlane, kes uurib jätkuvat "Nyadrani" traditsiooni. Teadlased jälgivad ainult seda, kuidas kohalik kogukond neid tegevusi läbi viib.

4. Intervjuu

Teist tüüpi andmeid saab hankida intervjuu või intervjuude andmete kogumise meetodite abil. Sel juhul korraldab uurija vastajatega küsimuste ja vastuste seansi, et nad saaksid uuritava teemaga seotud subjektiivset teavet.

5. Eksperimentaalne

Selle tehnika puhul saavad teadlased andmeid eksperimentaalsete meetodite abil, nimelt manipuleerides ühe või mitme muutujaga, mis hiljem mõjutavad teisi muutujaid.

Lisaks saab andmeid eristada ka kogumise aja järgi. Need on juhuslikud või ristlõikeandmed, mis on kogutud teatud aja jooksul ja perioodilised andmed, mis kogutakse teatud aja jooksul sündmuse arengu määramiseks.

Ülaltoodud ülevaate põhjal võib järeldada, et andmete kogumise tehnikad on uuringu väga oluline osa. Seetõttu peab kasutatav tehnika olema asjakohane. Eesmärk on, et läbiviidud uuringute tulemused oleksid kehtivad ja neid saab arvesse võtta.