杂乱的电子表格、缺失的栏位和重复的条目会迅速使一个项目陷入困境。这是一个数据收集问题。
本指南解释了什么是数据收集，何时使用主要来源与次要来源，主要方法，以及一个简单的设置检查表。您将会拥有一个明确的计划来收集任何项目的干净、可靠的数据。
研究中数据收集的重要性强大的数据收集赋予您的工作有效性、可重复性和清晰的决策。当您记录了您何时、如何以及何时收集数据时，其他人可以重复您的研究并相信结果。干净、一致的输入也揭示了真实的模式，而不是噪音。
迷你示例： 一所学校每天跟踪出勤情况，而不是“方便时”。一致的记录显示周中的下降，因此领导者测试日程更改，并有信心地测量效果。
歪曲结果的陷阱模糊的抽样，忽略关键群体。
在不同地点或时间的仪器或程序不一致。
文档不充分，导致检查或复制变得不可能。
数据类型选择正确的数据类型使您的研究保持集中和可信。大多数项目混合了以下几种选择。
主要数据您为特定问题收集的信息。您控制相关性和质量。
收集方式：调查、实验、观察
最佳用途：当前的、量身定制的见解
注意：时间和成本
次要数据来自期刊、数据集、报告或档案的现有信息。快速且经济，但一致性可能有所不同。了解如何评估匹配度和质量，请参阅我们的指南研究方法基础。
迷你示例： 使用国家健康数据集来研究各地区的运动趋势。
定量数据您可以测量并进行统计分析的数字。
思考：计数、评级、测试分数、温度读数
优点：比较组，测试关系，支持图表和模型
定性数据解释模式背后“为什么”的文字、观察和文物。通过访谈、焦点小组、实地笔记或文档分析收集。
“定性数据提供了仅数字无法提供的背景。”
混合方法将定量的广度与定性的深度结合。使用数字绘制模式，然后使用叙述数据来解释它。
迷你示例： 调查结果显示在项目日出勤率上升；简短的访谈揭示学生对团队成员感到更有责任感。
常见的数据收集方法选择适合您的问题、时间和访问的方法。以下是一个快速、可读的指南。
调查和问卷快速了解来自多个地点的许多人。当您知道确切的问题时效果最好。
快速提示
使用清晰、封闭的问题以便于分析。
与5-10人进行预测试。
保持简短以提高响应率。
访谈和焦点小组适合深入分析和细微差别。访谈深入个人经验；焦点小组展示了群体中想法如何演变。📝使用时：你在探索一个新主题或需要丰富的解释。👀注意：引导性问题和群体思维。记录，然后一致地编码主题。
观察通过观察人们在自然环境或受控空间中实际做什么来收集数据。
迷你示例： 计时病人在诊所访问每一步等待的时间。
“观察能够捕捉人们遗忘、错过或不会自我报告的行为。”
实验最佳用于测试因果关系。您操控一个变量，并保持其他变量不变，以查看有什么变化。
要求
清晰的假设和结果测量
尽可能进行随机分配
对任何人类受试者进行伦理审查
现有记录和数据集使用行政数据、档案、传感器或公共数据库快速回答新问题。 👍适合：大样本、随时间变化的趋势、难以接触的人群。✅检查：数据质量、定义，以及原始目的是否与您的研究相符。
混合方法组合混合方法以平衡广度和深度。
简单计划：
调查以绘制模式
访谈以解释“为什么”
三角验证发现以增强主张
保持方法简短、目的明确，与您的研究目标保持一致。
数据收集过程的步骤一个简洁、可读的流程，覆盖您所需的一切，而没有冗余。
第1步：定义您的研究问题写一句问题并列出您将观察的关键变量。如果问题模糊，数据也会模糊。
第2步：选择设计和数据类型将证据与问题匹配。
定量：计数、测量、假设测试。
定性：含义、经验、“为什么”。
混合：您需要数字和解释。
第3步：选择方法和抽样选择如何收集数据以及从谁那里收集。
方法：调查、访谈、焦点小组、观察、实验、现有数据集。抽样：定义您的总体、抽样框和样本大小。
第4步：构建和试运行工具创建调查/指南/协议，然后与小组进行试运行。✅迷你检查：条目清晰、中立，流程合理，技术正常，时间合适。
第5步：伦理和后勤确认同意语言、隐私和存储、任何审批、招聘计划、日程安排和角色。记录所有内容。
第6步：按质量检查收集一致地遵循协议并验证您的过程。
抽查条目以确保准确性
记录偏差
立即解决问题
第7步：组织、分析和报告清理并标记您的数据集，然后运行分析以回答问题。将结果与目标相联系并指出局限性。交付物：整洁的数据文件、分析记录、清晰的图表/表格、研究结果和影响的简要写作。
将数据转化为可操作的见解强大的数据收集是可靠研究和明智决策的支柱。保持目标清晰，选择合适的方法，并维护准确的记录，这样您的发现才能经得起检验。在准备您的计划时，查看 撰写引人注目的研究提案以有效呈现的指导。
有了Jenni，将原始发现转化为清晰、具有说服力的报告变得更简单。像自动完成功能和引用生成有助于您保持流畅和准确，因此您可以专注于提供引起共鸣的结论。