Spręsdami problemas ir aprašydami reiškinį, tyrėjai daug remiasi duomenimis. Atsakymai į daugelį klausimų gaunami iš tyrimų duomenų. Kaip atsakytumėte į klausimą, jei iš pradžių neturėtumėte jokios informacijos? Išgaudami duomenis, galite atrasti įdomių dėsningumų ir atskleisti daugybę informacijos.
Jų sukurtai informacijai įtakos turi jų tiriami duomenys, tikslai ir skaitytojų požiūriai. Tyrėjai turėtų išlikti nešališki, kai jie atidžiai tiria duomenis ir išlieka imlūs nepažįstamoms tendencijoms, sąvokoms ir rezultatams. Panagrinėkime, kas yra mokslinių tyrimų duomenys ir kokios yra jų kategorijos.
Kas yra mokslinių tyrimų duomenys?
Tyrimų duomenys - tai informacija, surinkta, dokumentuota, sudaryta ar sukurta siekiant patvirtinti pirminių tyrimų rezultatų patikimumą. Tyrimų duomenys, įskaitant korespondencijos įrašus ir laboratorinius įrašus, dažnai yra skaitmeniniai, tačiau gali būti ir neskaitmeniniai.
Tyrimų duomenys nėra vien tik skaičiai. Tyrimų duomenimis laikoma bet kokia medžiaga, naudojama ir analizuojama mokslinių tyrimų tikslais. Tam tikrose akademinėse srityse terminas "tyrimų medžiaga" vartojamas dažniau nei "tyrimų duomenys".
Tyrimų duomenis galima rinkti įvairiais būdais. Tyrimo duomenų, kuriuos galima gauti iš vieno tyrėjo darbo, kiekis neribojamas. Yra daugybė duomenų rūšių, pavyzdžiui, vaizdo įrašai, statistiniai duomenys, grafikai, transkripcijos, garso failai, transkribuoti interviu, eksperimentų duomenys, programų kodai ir daugelis kitų.
Tyrimų duomenų pavyzdžiai
Yra daugybė būdų, kaip rinkti tyrimų duomenis. Štai keletas galimybių:
- failai, pavyzdžiui, dokumentai ir skaičiuoklės
- Laboratorijų, ekskursijų ir dienoraščių sąsiuviniai
- Kodų knygos, transkribuoti interviu ir klausimynai
- Vaizdo ir garso įrašai
- Vaizdai, vaizdo įrašai
- Bandymo rezultatai
- Skaidrė, objektas, pavyzdys arba atvejo analizė
- Skaitmeniniai produkcijos archyvai
- Įvesties ir išvesties duomenys
- Algoritmas arba modelis
- Anotacijos
- Programinės įrangos įvesties, išvesties, žurnalo failų, duomenų struktūrų analizė
- Procesai ir metodikos
Kodėl svarbu dalytis mokslinių tyrimų duomenimis?
Dalijimasis duomenimis, užuot kartojus jau paskelbtus tyrimus, yra naudingas būdas plėtoti kolegų mokslininkų darbą. Dalijantis duomenimis taip pat galima atlikti mokslinių tyrimų temų metaanalizę. Viešas dalijimasis mokslinių tyrimų rezultatais dabar yra daugelio finansavimo agentūrų ir institucijų reikalavimas.
Geriau dalijantis duomenimis, užtikrinant skaidrumą ir informacijos prieinamumą, didėja duomenų platinimas ir naudojimas mokslinių tyrimų ekosistemoje. Dėl to viešoji politika ir planavimas gali būti grindžiami kokybiškesniais ir prieinamesniais faktais.
Dalijimasis duomenimis buvo naudingas ir tyrėjui, ir tyrimo užsakovui. Tai skatina tyrėjus geriau tvarkyti savo duomenis ir užtikrinti, kad duomenys būtų kokybiški, kai jais gali naudotis kolegos ir visuomenė. Dalijimasis duomenimis skatina informuotumą ir tolesnius mokslinius tyrimus jų kompetencijos srityse. Mokslinių tyrimų rėmėjams ir tyrėjams dalijimasis duomenimis gali būti naudingas didinant jų matomumą ir pripažinimą.
Mokslo bendruomenė iš esmės pritaria dalijimuisi duomenimis, tačiau tam reikia daug laiko, pastangų ir išteklių. Norint paruošti duomenis dalijimuisi, svarbu kruopščiai dokumentuoti duomenų rinkimo metodus ir tyrimų rezultatus.
Tyrimų duomenų šaltiniai
Tyrimų duomenis galima gauti dėl įvairių priežasčių ir taikant įvairius metodus. Toliau pateikiami keli pavyzdžiai:
- Stebėjimo duomenys: Elgesys ar veikla stebimi ir fiksuojami kaip stebėjimo duomenys. Duomenims rinkti taikomi įvairūs metodai, įskaitant stebėjimą, anketines apklausas, stebėjimo prietaisų ir instrumentų naudojimą.
- Eksperimentiniai duomenys: Keisdami kintamąjį, tyrėjai siekia sukurti skirtumą arba sukelti pokytį aktyviai įsikišdami. Tyrėjai, naudodami eksperimentinius duomenis, paprastai gali nustatyti priežastinius ryšius ir gautus rezultatus taikyti plačiai. Atkuriant tokio tipo duomenis paprastai patiriamos išlaidos.
- Modeliavimo duomenys: Kompiuteriniai modeliai imituoja realių procesų elgseną per tam tikrą laiką, kad būtų gauti modeliavimo duomenys. Išvesties duomenys yra svarbesni už metaduomenis ir iš bandomųjų modelių sukurtą modelį.
- Išvestiniai ir (arba) surinkti duomenys: Duomenys, kurie yra modifikuoti iš ankstesnių duomenų pavyzdžių. Praradus duomenis, juos galima atkurti, tačiau tai kainuotų brangiai. Trimatiai modeliai ir duomenų bazių sudarymas yra tokie pavyzdžiai.
- Nuoroda arba kanoniniai duomenys: Tai didelės kompaktiškesnių paskelbtų ir kruopščiai parengtų duomenų rinkinių kolekcijos. Pavyzdys gali būti duomenų bazė, kurioje saugomos genų sekos, duomenų bazė, kurioje saugomos atomų struktūros, arba duomenų bazė, kurioje saugomos koordinatės.
Jūsų darbo poveikio ir matomumo didinimas
Pranešama, kad straipsniai su grafinėmis santraukomis 8 kartus dažniau dalijasi socialinėje žiniasklaidoje. Dabar suprantate, kaip svarbu į straipsnius įtraukti pakankamai grafikos.
Laimei, dabar tai padaryti labai paprasta. Su Mind the Graph, galite kurti iliustracijas, plakatus ir grafines santraukas vos keliais spustelėjimais. Taip pat galite užsakyti, kad juos pritaikytų mūsų ekspertai. Nelaukite ilgiau, padarykite tai šiandien!
Prenumeruokite mūsų naujienlaiškį
Išskirtinis aukštos kokybės turinys apie veiksmingą vaizdinį
bendravimas mokslo srityje.
Lithuanian 
English 
Chinese 
Czech 
Dutch 
French 
German 
Italian 
Indonesian 
Japanese 
Korean 
Polish 
Portuguese 
Russian 
Spanish 
Turkish 
Ukrainian 
Swedish 
Romanian 
Bulgarian 
Finnish 
Greek 
Hungarian 
Norwegian 
Danish 
Estonian 
Slovenian 
Latvian 
Slovak