Při řešení problémů a popisu jevů se výzkumníci ve velké míře opírají o data. Odpovědi na mnoho otázek vycházejí z výzkumných dat. Jak byste na otázku odpověděli, kdybyste na začátku neměli žádné informace? Vytěžováním dat můžete objevit zajímavé vzorce a odhalit množství informací.

Informace, které vytvářejí, jsou ovlivněny údaji, které zkoumají, jejich cíli a pohledem čtenářů. Výzkumní pracovníci by měli zůstat nestranní vždy, když pečlivě zkoumají data a zůstávají vnímaví k neznámým trendům, konceptům a výsledkům. Podívejme se, co jsou to výzkumná data a jaké jsou jejich kategorie.

Co jsou to výzkumná data?

Výzkumná data jsou informace shromážděné, zdokumentované, sestavené nebo vytvořené za účelem potvrzení věrohodnosti původních výsledků výzkumu. Výzkumná data, včetně korespondenčních záznamů a laboratorních záznamů, jsou často digitální, ale mohou být i nedigitální.

Výzkumná data nejsou jen čísla. Za výzkumná data se považuje jakýkoli materiál použitý a analyzovaný pro výzkumné účely. V některých akademických oborech se častěji používá termín "výzkumné materiály" než "výzkumná data". 

Existuje mnoho způsobů, jak shromažďovat výzkumná data. Množství výzkumných údajů, které lze získat z práce jednoho výzkumníka, není omezeno. Existuje mnoho druhů dat, například videoklipy, statistiky, grafy, přepisy, zvukové soubory, přepsané rozhovory, data z experimentů, kódy programů a mnoho dalších.

 Příklady výzkumných údajů

Existuje mnoho způsobů, jak shromažďovat výzkumná data. Zde je několik možností:

  • Soubory, jako jsou dokumenty a tabulky
  • Zápisníky pro laboratoře, exkurze a deníky
  • Kodexy, přepisy rozhovorů a dotazníky
  • Videozáznamy a audiozáznamy
  • Obrázky, videozáznamy
  • Výsledky testu
  • Diapozitiv, předmět, "vzorek" nebo "případová studie".
  • Digitalizované výstupní archivy
  • Vstupní/výstupní údaje
  • Algoritmus nebo model
  • Anotace
  • Analýza softwarových vstupů, výstupů, souborů protokolu, datových struktur
  • Procesy a metodiky

Proč je sdílení výzkumných dat důležité?

Sdílení dat namísto opakování již publikovaného výzkumu je výhodným způsobem, jak navázat na práci kolegů výzkumníků. Prostřednictvím sdílení dat lze také metaanalyzovat výzkumná témata. Veřejné sdílení výsledků výzkumu je nyní požadavkem mnoha financujících agentur a institucí. 

Šíření a využívání dat v rámci výzkumného ekosystému se zvyšuje díky lepšímu sdílení dat, transparentnosti a dostupnosti informací. Výsledkem je, že veřejná politika a plánování mohou být informovány v důsledku kvalitnějších a dostupnějších faktů.

Ze sdílení dat měl prospěch jak výzkumník, tak zadavatel výzkumu. Podporuje výzkumné pracovníky v tom, aby lépe spravovali svá data a zajistili jejich vysokou kvalitu, když k nim mají přístup jejich kolegové a veřejnost. Sdílení dat podporuje informovanost a další výzkum v jejich oborech. Sponzoři výzkumu a výzkumní pracovníci mohou mít ze sdílení dat prospěch, protože se zviditelní a zvýší jejich uznání.

Vědecká komunita sdílení dat většinou podporuje, ale jeho realizace vyžaduje mnoho času, úsilí a zdrojů. Pro přípravu dat ke sdílení je důležité pečlivě zdokumentovat metody sběru dat a výsledky výzkumu.

Zdroje výzkumných údajů

Výzkumná data je možné získat z různých důvodů a pomocí různých metod. Níže je uvedeno několik příkladů: 

  • Pozorovací údaje: Chování nebo činnost jsou pozorovány a zachyceny jako pozorovací údaje. Ke sběru dat se používá řada metod, včetně pozorování, dotazníkových šetření a používání monitorovacích zařízení a přístrojů.
  • Experimentální údaje: Při změně proměnné se výzkumníci snaží aktivním zásahem dosáhnout rozdílu nebo změny. Výzkumníci mohou obvykle určit příčinné vztahy pomocí experimentálních dat a výsledky mohou široce aplikovat. S reprodukcí těchto typů dat jsou obvykle spojeny náklady.
  • Simulační data: Počítačové modely napodobují chování reálných procesů v čase a vytvářejí simulační data. Výstupní data jsou důležitější než metadata a model vygenerovaný z testovacích modelů. 
  • Odvozená/zkompilovaná data:  Data, která jsou upravena z předchozích vzorků dat. V případě ztráty je lze reprodukovat, ale náklady by byly vysoké. Příkladem jsou trojrozměrné modely a sestavování databází.
  • Referenční nebo kanonická data: Jedná se o rozsáhlé sbírky kompaktnějších publikovaných a pečlivě připravených datových souborů. Příkladem může být databáze uchovávající genové sekvence, databáze obsahující atomové struktury nebo databáze uchovávající souřadnice.

Zvýšení dopadu a zviditelnění vaší práce 

Bylo zjištěno, že články s grafickými abstrakty mají 8x více sdílení na sociálních sítích. Nyní již chápete, jak je důležité zahrnout do svých článků dostatek grafiky. 

Naštěstí je to nyní velmi jednoduché. Na stránkách Mind the Graph, můžete vytvářet ilustrace, plakáty a grafické abstrakty na několik kliknutí. Můžete si je také nechat upravit našimi odborníky. Nečekejte déle a udělejte to ještě dnes!

logo-odběr

Přihlaste se k odběru našeho newsletteru

Exkluzivní vysoce kvalitní obsah o efektivním vizuálním
komunikace ve vědě.

- Exkluzivní průvodce
- Tipy pro návrh
- Vědecké novinky a trendy
- Výukové programy a šablony