Сбор данных

редактировать
Пример сбора данных в биологических науках: Пингвины Адели идентифицируются и взвешиваются каждый раз, когда они пересекают автоматизированные мостовые весы на своем путь к морю или от моря.

Сбор данных - это процесс сбора и измерения информации о целевых переменных в установленной системе, которая затем позволяет ответить на соответствующие вопросы и оценить результаты. Сбор данных является составной частью исследований во всех областях исследований, включая физические и социальные науки, гуманитарные науки, и бизнес. Хотя методы различаются в зависимости от дисциплины, акцент на обеспечении точного и честного сбора остается неизменным. Целью сбора всех данных является сбор качественных доказательств, которые позволяют анализу дать убедительные и достоверные ответы на поставленные вопросы.

Содержание
  • 1 Важность
  • 2 Проблемы целостности данных
    • 2.1 Обеспечение качества
    • 2.2 Контроль качества
  • 3 Сбор данных на z / OS
  • 4 См. Также
  • 5 Ссылки
  • 6 Внешние ссылки
Важность

Независимо от области исследования или предпочтений для определения данных (количественный или качественный ), точный сбор данных важен для поддерживать целостность исследования. Выбор подходящих инструментов сбора данных (существующих, модифицированных или вновь разработанных) и четко очерченных инструкций по их правильному использованию снижает вероятность ошибок.

Необходим формальный процесс сбора данных, поскольку он гарантирует, что собранные данные будут как определенные, так и точные. Таким образом, последующие решения, основанные на аргументах, воплощенных в выводах, принимаются с использованием достоверных данных. Этот процесс обеспечивает как основу для измерения, так и в некоторых случаях указание на то, что следует улучшить.

Существует 5 общих методов сбора данных:

  1. закрытые опросы и викторины,
  2. открытые опросы и анкеты,
  3. 1-на- 1,
  4. фокус-группы и
  5. прямое наблюдение.
Проблемы целостности данных

Основная причина сохранения целостности данных заключается в поддержке наблюдение за ошибками в процессе сбора данных. Эти ошибки могут быть сделаны намеренно (преднамеренная фальсификация) или непреднамеренно (случайные или систематические ошибки ).

Существует два подхода, которые могут защитить целостность данных и обеспечить научную достоверность результатов исследований, изобретенных Крэддиком, Кроуфордом, Роудсом, Редиканом, Рукенбродом и Лоусом в 2003 году:

  • Обеспечение качества - все действия, выполняемые до получения данных сбор
  • Контроль качества - все действия, выполняемые во время и после сбора данных

Обеспечение качества

Его основное внимание уделяется предотвращению, которое в первую очередь является экономически эффективным мероприятием для защиты целостности сбора данных. Стандартизация протокола лучше всего демонстрирует эту рентабельную деятельность, которая разработана в подробном и подробном руководстве по процедурам сбора данных. Риск не выявить проблемы и ошибки в процессе исследования, очевидно, вызван плохо написанными инструкциями. Перечислено несколько примеров таких сбоев:

  • Неопределенность сроков, методов и идентификации ответственного лица
  • Частичный список элементов, которые необходимо было собрать
  • Расплывчатое описание инструментов сбора данных вместо строгие пошаговые инструкции по проведению тестов
  • Неспособность распознать точное содержание и стратегии обучения и переподготовки сотрудников, ответственных за сбор данных
  • Неясные инструкции по использованию, внесению корректировок и калибровке оборудование для сбора данных
  • Отсутствие заранее определенного механизма для документирования изменений в процедурах, которые происходят во время расследования

Контроль качества

Поскольку действия по контролю качества происходят во время или после сбора данных, все детали тщательно документируются. Существует необходимость в четко определенной коммуникационной структуре в качестве предварительного условия для создания систем мониторинга. Неуверенность в потоке информации не рекомендуется, поскольку плохо организованная структура связи ведет к слабому мониторингу, а также может ограничивать возможности для обнаружения ошибок. Контроль качества также отвечает за идентификацию действий, необходимых для исправления ошибочных методов сбора данных, а также за минимизацию таких случаев в будущем. Команда с большей вероятностью не осознает необходимость выполнения этих действий, если их процедуры написаны расплывчато и не основаны на обратной связи или образовании.

Проблемы со сбором данных, требующие незамедлительных действий:

  • Систематические ошибки
  • Нарушение протокола
  • Мошенничество или нарушение научной этики
  • Ошибки в отдельных элементах данных
  • Проблемы с производительностью отдельных сотрудников или сайта
Сбор данных в z / OS

z / OS - широко используемая операционная система для IBM мэйнфреймов. Он разработан, чтобы предложить стабильную, безопасную и постоянно доступную среду для приложений, работающих на мэйнфрейме. Рабочие данные - это данные, которые система z / OS производит при запуске. Эти данные указывают на работоспособность системы и могут использоваться для определения источников проблем с производительностью и доступностью в системе. Анализ операционных данных аналитическими платформами дает представление и рекомендуемые действия для повышения эффективности работы системы, а также для решения или предотвращения проблем. IBM Z Common Data Provider собирает рабочие данные ИТ из систем z / OS, преобразует их в расходный формат и передает их на аналитические платформы.

IBM Z Common Data Provider поддерживает сбор следующих операционных данных:

  • Средства управления системой (SMF) данные
  • Данные журнала из следующих источников:
    • Журнал задания, вывод, который записывается в определение данных (DD) выполняющимся заданием
    • Файл журнала z / OS UNIX, включая системный журнал системных служб UNIX (syslogd)
    • Кластер метода доступа к виртуальному хранилищу с последовательным входом (VSAM)
    • система z / OS журнал (SYSLOG)
    • сообщения IBM Tivoli NetView для z / OS
    • IBM WebSphere Application Server для z / OS High Performance Extensible Logging (HPEL) журнал
    • IBM Resource Measurement Facility (RMF) Monitor III сообщает
  • Данные пользовательских приложений, рабочие данные из собственных приложений пользователей
См. Также
Ссылки
Внешние ссылки
На Викискладе есть средства массовой информации, связанные с сбором данных.
Последняя правка сделана 2021-05-17 14:09:41
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте