Raziskovalni podatki, razloženi s primeri

Raziskovalci se pri reševanju problemov in opisovanju pojavov v veliki meri opirajo na podatke. Odgovori na številna vprašanja izhajajo iz raziskovalnih podatkov. Kako bi odgovorili na vprašanje, če na začetku ne bi imeli nobenih podatkov? Z rudarjenjem podatkov lahko odkrijete zanimive vzorce in odkrijete veliko informacij.

Na informacije, ki jih ustvarjajo, vplivajo podatki, ki jih raziskujejo, njihovi cilji in pogledi bralcev. Raziskovalci morajo ostati nepristranski, kadar skrbno raziskujejo podatke in so dovzetni za neznane trende, koncepte in rezultate. Oglejmo si, kaj so raziskovalni podatki in katere so njihove kategorije.

Kaj so raziskovalni podatki?

Raziskovalni podatki so informacije, zbrane, dokumentirane, zbrane ali ustvarjene za potrditev verodostojnosti začetnih rezultatov raziskave. Raziskovalni podatki, vključno z dopisi in laboratorijskimi zapisi, so pogosto digitalni, lahko pa so tudi nedigitalni.

Raziskovalni podatki so več kot le številke. Vsako gradivo, ki se uporablja in analizira pri raziskovalnih prizadevanjih, se šteje za raziskovalne podatke. Na nekaterih akademskih področjih se izraz "raziskovalno gradivo" uporablja pogosteje kot "raziskovalni podatki".

Obstaja veliko načinov zbiranja raziskovalnih podatkov. Število raziskovalnih podatkov, ki jih je mogoče pridobiti z delom enega raziskovalca, ni omejeno. Obstaja veliko vrst podatkov, kot so video posnetki, statistični podatki, grafike, transkripcije, zvočne datoteke, prepisani intervjuji, podatki iz eksperimentov, kode programov in številni drugi.

Primeri raziskovalnih podatkov

Obstaja veliko načinov zbiranja raziskovalnih podatkov. Tukaj je nekaj možnosti:

Datoteke, kot so dokumenti in preglednice.
zvezki za laboratorije, izlete na teren in dnevniki
Kode, prepisani intervjuji in vprašalniki
Videokasete in avdiokasete
Slike, videoposnetki
Rezultati testa
Diapozitiv, predmet, "vzorec" ali "študija primera"
Arhivi digitaliziranih izdelkov
Vhodni/izhodni podatki
Algoritem ali model
Anotacije
Analiza vhodov in izhodov programske opreme, dnevniških datotek, podatkovnih struktur
Postopki in metodologije

Zakaj je pomembna izmenjava raziskovalnih podatkov?

Izmenjava podatkov namesto ponavljanja že objavljenih raziskav je ugoden način za nadgradnjo dela drugih raziskovalcev. Raziskovalne teme je mogoče z izmenjavo podatkov tudi metaanalizirati. Javna izmenjava rezultatov raziskav je zdaj zahteva številnih agencij za financiranje in institucij.

Z boljšo izmenjavo podatkov, preglednostjo in razpoložljivostjo informacij se povečujeta razširjenost in uporaba podatkov v raziskovalnem ekosistemu. Posledično se lahko javna politika in načrtovanje oblikujeta na podlagi kakovostnejših in dostopnejših dejstev.

Raziskovalec in naročnik raziskave sta imela koristi od izmenjave podatkov. Raziskovalce spodbuja k boljšemu upravljanju svojih podatkov in zagotavljanju visoke kakovosti podatkov, ko imajo do njih dostop njihovi kolegi in javnost. Izmenjava podatkov spodbuja ozaveščenost in nadaljnje raziskave na njihovih strokovnih področjih. Sponzorjem raziskav in raziskovalcem lahko izmenjava podatkov koristi tako, da poveča njihovo prepoznavnost in priznanje.

Znanstvena skupnost v veliki meri podpira izmenjavo podatkov, vendar je za to potrebno veliko časa, truda in sredstev. Za pripravo podatkov za souporabo je treba skrbno dokumentirati metode zbiranja podatkov in rezultate raziskave.

Viri raziskovalnih podatkov

Raziskovalne podatke je mogoče pridobiti iz različnih razlogov in z uporabo več metod. V nadaljevanju je navedenih nekaj primerov:

Opazovalni podatki: Vedenje ali dejavnost se opazuje in zajame kot podatki opazovanja. Za zbiranje podatkov se uporabljajo različne metode, vključno z opazovanjem, anketami z vprašalniki ter uporabo naprav in instrumentov za spremljanje.
Eksperimentalni podatki: Pri spreminjanju spremenljivke želijo raziskovalci z aktivnim posegom ustvariti razliko ali povzročiti spremembo. Raziskovalci lahko s pomočjo eksperimentalnih podatkov običajno določijo vzročno-posledične odnose in lahko rezultate široko uporabijo. Ponavljanje teh vrst podatkov je običajno povezano s stroški.
Simulacijski podatki: Računalniški modeli posnemajo obnašanje realnih procesov skozi čas in tako ustvarjajo simulacijske podatke. Izhodni podatki so pomembnejši od metapodatkov in modela, ustvarjenega na podlagi testnih modelov.
Izpeljani/skupljeni podatki: Podatki, ki so spremenjeni iz prejšnjih vzorcev podatkov. V primeru izgube jih je mogoče obnoviti, vendar bi bili stroški visoki. Primera sta tridimenzionalni modeli in sestavljanje podatkovnih zbirk.
Referenčni ali kanonični podatki: Gre za obsežne zbirke bolj zgoščenih objavljenih in skrbno pripravljenih zbirk podatkov. Primer je lahko podatkovna zbirka, v kateri so shranjena genska zaporedja, podatkovna zbirka, ki vsebuje atomske strukture, ali podatkovna zbirka, v kateri so shranjene koordinate.

Povečanje vpliva in prepoznavnosti vašega dela

Poročali so, da imajo članki z grafičnimi povzetki 8x več delitev v družabnih medijih. Zdaj razumete, kako pomembno je, da v članke vključite dovolj grafike.

Na srečo je to zdaj zelo preprosto. S spletno stranjo Mind the Graph, lahko z nekaj kliki ustvarite ilustracije, plakate in grafične izvlečke. Naši strokovnjaki vam jih lahko tudi prilagodijo. Ne čakajte več in to storite še danes!

Ustvarjanje učinkovitih znanstvenih figur v nekaj minutah