Observationsforskning og sekundære data

Del af: Forskningsmetoder

Denne side dækker to vigtige potentielle kilder til forskningsdata: observationsforskning , og brug af andres allerede offentliggjorte data, kendt som sekundære data .

For andre kilder til dataindsamling se vores sider: Prøveudtagning og prøveudformning , Undersøgelser og undersøgelsesdesign og Kvantitative og kvalitative forskningsmetoder .

Observationsmetoder til indsamling af data har været brugt af forskere og forskere i mange år. Så langt tilbage som i middelalderen observerede forskere, hvad der skete som et resultat af deres eksperimenter. Lignende metoder anvendes i vid udstrækning i alle former for forskning, lige fra laboratoriearbejde til ledelsesforskning og endda feltarbejde i junglen.



Sekundære data kan bruges i begge kvantitativ og kvalitativ forskning , men involverer brugen af ​​tidligere offentliggjorte oplysninger til analyse. Sådanne data kan omfatte historiske arkiver, virksomhedsoptegnelser og folketællingsdata.


Indsamling af observationsdata

Observationer spænder fra at tælle noget, der sker, for eksempel 'pinge' på en computerskærm til observations- og / eller kodningsadfærd.

Observationer kan bruges i et laboratorium eller i marken, for eksempel i et møde på et kontor. De giver forskere mulighed for at afdække ting, der ikke er kendt eller ikke tales om, som ikke ville blive afsløret ved at interviewe mennesker eller bruge undersøgelser. Eksempler kan omfatte de uformelle magtforhold inden for en gruppe.

Uendelige observationer

kan en polygon have en buet side

Det vil næsten helt sikkert være indlysende, at der er lige så mange typer observationsdata, som der er fænomener i verden; sandsynligvis mere, fordi adfærd tæller så mange forskellige typer data. Det er derfor umuligt at diskutere alle typer.


Metoder til indsamling er også vidtgående.

Data har tendens til enten at blive set og nedskrevet eller registreret på en computer. Observationer kan foretages og registreres med det samme som observationer, eller dataene kan registreres 'rå' og analyseres senere. Denne teknik bruges ofte i ledelsesforskning til at registrere møder til senere analyse af samtalen.

Der er også to forskellige muligheder for observatøren: han eller hun kan enten være en observatør udefra, eller de kan være en deltager.

Denne status vil ændre eksperimentet, ofte markant.

For eksempel er det sandsynligvis indlysende, at om nogen, der observerer et møde, er en 'outsider' eller et medlem af teamet, vil det ændre holdets opførsel. Folk har en tendens til at være forsigtige med at 'vaske beskidt linned offentligt', men kan også sige mere til en outsider, fordi de ikke frygter, at det vil ændre deres position i holdet.

Andre faktorer, der påvirker observationsdata

Data påvirkes af at blive observeret

I adfærdsmæssige termer er dette indlysende: folk opfører sig anderledes, når de bliver observeret.

Af denne grund har observationer om adfærd tendens til at være stærkere, når en gruppe observeres konstant over en lang periode. Under disse omstændigheder vænner gruppen sig til at blive observeret og begynder at opføre sig mere naturligt. Denne type design egner sig imidlertid mere til nogle typer forskning end andre.

For eksempel er det ret svært at designe ledelsesforskning, der giver dig mulighed for at sidde på et kontor og observere, hvordan et team opfører sig hele dagen, hver dag i flere måneder. Forskere som Dian Fossey og Jane Goodall brugte imidlertid denne teknik til at observere vilde aber. I starten var dyrene meget forsigtige og brugte det meste af tiden på at se forskeren, men da dyrene blev vant til tilstedeværelsen af ​​et menneske, begyndte de at ignorere dem og opføre sig naturligt.

Det samme princip gælder for 'ren' videnskabelig forskning. For eksempel påvirker selve handlingen med at observere en elektron dens placering, hvilket betyder, at måling ændrer eksperimentet. Du skal altid være opmærksom på ' observatøreffekter '.

Observationsdata påvirkes af det, der samples

Selvom det er lykkedes dig at designe forskning, der giver dig mulighed for at se alt, hvad der foregår i flere måneder, vil du stadig vælge det, du bemærker, hvad enten det er bevidst eller ubevidst. Det er menneskelig natur. Nøglen er at lægge mærke til alle de data, der er relevante for det, du studerer, og ikke kun de data, der passer med din hypotese.

hvad har fem sider og fem vinkler

Det er her optagelse og genundersøgelse senere er nyttigt, da du kan gå gennem dataene flere gange og sikre, at du har medtaget alt relevant. En anden måde at undgå denne såkaldte observatør bias er at involvere en anden i din genundersøgelse og kodning. Meget ledelsesforskning involverer to observatører og fire eller flere kodere, der arbejder i to eksemplarer på udskrifter eller optagelser senere som en måde at løse observatørforstyrrelser på uden at indføre inkonsekvenser i kodningen.

Alternativt kan du prøve med forskellige tidsintervaller, f.eks. Hvert tiende minut eller hver time.

Brug af sekundære data

I emner som historie og klassiske studier er sekundære data normalt den eneste tilgængelige informationskilde.

Data kan omfatte øjenvidne-beretninger, nutidige rapporter om begivenheder eller senere rapporter. Historikere giver generelt den største tillid til den første, derefter den anden og endelig den tredje, skønt der er et sted for dem alle inden for forskning.

For eksempel er en formel registrering af en begivenhed, der er oprettet til et officielt formål, muligvis ikke direkte samtidig, men kan trække på alle tilgængelige øjenvidneberetninger og derfor give et bedre billede af begivenheder end nogen enkelt øjenvidneudsagn. Generelt er offentlige og formelle virksomhedsdokumenter af højere kvalitet end personlige dokumenter, men du skal altid være opmærksom på det hvorfor de blev skrevet .

I mere videnskabelig undersøgelse , betragtes sekundære data ofte som 'næstbedste', skønt de anvendes i vid udstrækning især til folkesundhed og epidemiologisk forskning. Egnede datakilder til sådan forskning inkluderer nationale og internationale sundhedsundersøgelser, ofte finansieret af regeringer. Kvaliteten af ​​sådanne data afhænger af:

  • Størrelsen på prøven: jo større, jo bedre, fordi svaret vil være mere præcist (og se vores side om prøveudtagning og prøvetagning for mere); og
  • Kvaliteten af ​​dataindsamlingen , herunder hvor repræsentativ prøven er for befolkningen som helhed, men også om der er sneget nogen bias under dataindsamlingen.
Som en generel tommelfingerregel kan du i høj grad stole på en storstilet undersøgelse udført af et velrenommeret forskningsinstitut og finansieret af regeringen. Undersøgelser i mindre skala er mindre pålidelige.

I samfundsvidenskab , herunder ledelse og forretningsforskning, er positionen på sekundære data mere nuanceret. Mange undersøgelser trækker på en slags sekundære data, men supplerer ofte også med primære data.

5 måder at håndtere stress på

Eksempler på sekundære data i disse felter inkluderer:

  • Finansielle databaser, såsom arkiverede virksomhedskonti;
  • Samlinger af avisrapporter; og
  • Tællingsdata.

Det er vigtigt at vurdere kvaliteten af ​​informationen inden brug, som afhænger af flere faktorer, herunder dens fuldstændighed og nøjagtighed, og hvilke oplysninger der blev indsamlet.

Alle disse vil afhænge af det formål, hvortil oplysningerne blev indsamlet i første omgang . Generelt, hvis formålet, som dataene blev indsamlet til, svarer til formålet med din forskning, vil du sandsynligvis finde dataene nyttige og være i stand til at stole på dem i din undersøgelse.

Du skal også være opmærksom på noget ændringer til dataserien over tid for eksempel når en bestemt vare blev omdefineret til at passe til et andet formål. Disse kan påvirke, hvilken tidsperiode du kan studere, eller gøre en periode mindre sammenlignelig med en anden.


Afslutningsvis…

Observationsforskning og sekundære data har begge et sted at spille i alle former for forskning.

Som med ethvert forskningsdesign er det vigtige aspekt at blive styret af dine forskningsspørgsmål for at trække på de data, der vil besvare dem, og også vurdere kvaliteten af ​​dine valgte metoder til at identificere styrker og begrænsninger.

Forsæt med:
Analyse af kvalitative data
Enkel statistisk analyse