Συλλογή δεδομένων

Οι πρακτικές συλλογής και διαχείρισης δεδομένων εξαρτώνται σε μεγάλο βαθμό από τον τύπο και τις προδιαγραφές των δεδομένων και μπορεί να είναι συγκεκριμένες για τον κλάδο. Τα εργαλεία και οι καλά σχεδιασμένες μέθοδοι τεκμηρίωσης σάς βοηθούν κατά τη συλλογή δεδομένων και διασφαλίζουν καλή ποιότητα δεδομένων. Θυμηθείτε να φροντίζετε για θέματα προστασίας δεδομένων και ασφάλειας, εάν εργάζεστε με ευαίσθητα ή εμπιστευτικά δεδομένα, καθώς και τις απαραίτητες άδειες και συναινέσεις εάν τα αντικείμενα μελέτης σας είναι άνθρωποι. Μπορείτε να αναζητήσετε διαθέσιμα δεδομένα για τους σκοπούς σας από το  https://www.re3data.org με τον όρο αναζήτησης «δεδομένα».



Συμβουλές για τη διασφάλιση της ποιότητας και της συνέπειας των δεδομένων:


  • Πάρτε ένα αντίγραφο των πρωτογενών δεδομένων ή της αρχικής κατάστασης και δουλέψτε με το αντίγραφο εάν είναι δυνατόν.

  • Βεβαιωθείτε ότι το αρχικό περιεχόμενο δεδομένων διατηρείται κατά την εξαγωγή δεδομένων από ένα σύστημα, μορφή ή τοποθεσία σε άλλο.

    • Π.χ. από ένα πρόγραμμα έρευνας σε έναν σταθμό U ή από μια καταγραφή συνέντευξης σε ένα αντίγραφο.

  • Διατήρηση αντιγράφων ασφαλείας διαφορετικών εκδόσεων

    • Είναι καλή ιδέα να διατηρείτε αντίγραφα ασφαλείας διαφορετικών εκδόσεων, ώστε να μπορείτε να επιστρέψετε σε προηγούμενη έκδοση, εάν κάτι έχει πάει στραβά, αν χρειαστεί.

  • Οι μεταγραφές των ηχογραφημένων ή/και κινηματογραφημένων δεδομένων ελέγχονται, για παράδειγμα, από κάποιον άλλο που εργάζεται στο ίδιο έργο.

    • Σημείωση: εάν τα δεδομένα περιέχουν προσωπικά δεδομένα (όπως η ομιλία φωνής), τα δεδομένα δεν μπορούν να ελεγχθούν από κανένα τρίτο μέρος. Σε μεταπτυχιακές διατριβές που γίνονται ως εργασία σε ζευγάρια, η εξέταση των μεταγραφών από κοινού είναι μια καλή πρακτική.

  • Βεβαιωθείτε ότι το πλαίσιο και οι ερωτήσεις της συνέντευξης είναι όσο το δυνατόν πιο παρόμοια για όλους τους συνεντευξιαζόμενους.

  • Ελέγξτε τις βαθμονομήσεις των οργάνων μέτρησης.

  • Τα αθροίσματα ελέγχου χρησιμοποιούνται εάν το λογισμικό προσφέρει ένα.

  • Βεβαιωθείτε ότι τα ψηφιοποιημένα δεδομένα αντιστοιχούν με επαρκή ακρίβεια στα αρχικά φυσικά ή αναλογικά δεδομένα. Ποιότητα και συνοχή δεδομένων — Ανοικτή Επιστήμη και Έρευνα (jyu.fi) 


Το παρακάτω βίντεο που παράγεται από τη Βιβλιοθήκη Επιστημών Υγείας του Πανεπιστημίου της Νέας Υόρκης,  'Πώς να αποφύγετε έναν εφιάλτη διαχείρισης δεδομένων» καταδεικνύει, με διασκεδαστικό τρόπο, τις δυνητικά καταστροφικές συνέπειες των αποτυχιών διασφάλισης ποιότητας στη διαχείριση δεδομένων.

 

Ανακάλυψη δεδομένων

Για να μπορέσουν τα δεδομένα να επαναχρησιμοποιηθούν, πρέπει να είναι ευρέως προσβάσιμα και προσβάσιμα. Στην πραγματικότητα, η επαναχρησιμοποίηση των ερευνητικών δεδομένων συνδέεται με το πόσο καλά μπορούν να βρουν τα δεδομένα οι άλλοι.

Επίσης, για ερευνητικά έργα σπουδαστών, είναι σημαντικό να εξερευνήσετε υπάρχοντες πόρους δεδομένων που σχετίζονται με το θέμα της μελέτης σας. Αυτό είναι ζωτικής σημασίας για έργα που χρησιμοποιούν δεδομένα από άλλο έργο και επίσης πολύτιμο για έργα που σχεδιάζουν να συλλέξουν τα δικά τους πρωτότυπα δεδομένα. 

Σημειώστε:

  • Τυχόν πνευματικά δικαιώματα ή όροι χρήσης που σχετίζονται με υλικό που λαμβάνετε από αλλού.

  • Μπορεί να μην είναι διαθέσιμο όλο το υλικό που είναι διαθέσιμο στο διαδίκτυο για χρήση στη δική σας εργασία. Ελέγξτε τους όρους χρήσης της υπηρεσίας που χρησιμοποιείτε για να δείτε εάν επιτρέπεται να χρησιμοποιήσετε το υλικό για ερευνητικούς σκοπούς.

  • Ειδικότερα, εάν ανεβάζετε εικόνες ή κείμενα στον υπολογιστή σας, θα πρέπει να βεβαιωθείτε ότι έχετε το δικαίωμα να το κάνετε.

  • Μερικές φορές οι όροι άδειας για εικόνες και κείμενα καθορίζονται στο άδειες.

  • Για παράδειγμα, εάν χρησιμοποιείτε αναρτήσεις μέσων κοινωνικής δικτύωσης ως υλικό σας, ελέγξτε τους όρους χρήσης της υπηρεσίας για να βεβαιωθείτε ότι μπορείτε να πραγματοποιήσετε λήψη των αναρτήσεων στον υπολογιστή σας εάν είναι απαραίτητο.

  • Διαβάστε τις συμβουλές του Δικηγόρου Πνευματικών Δικαιωμάτων σχετικά με το πώς οι φοιτητές μπορούν να χρησιμοποιούν εικόνες στη διατριβή τους.


Διαβάστε περισσότερα:
The process of data discovery - Data Management Expert Guide