چرا باید تجزیه و تحلیل داده های ثانویه را برای مطالعه بعدی خود در نظر بگیرید

Alchemer یک پلت فرم نرم افزار Survey Survey فوق العاده قوی است. این به طور مداوم به یکی از بهترین ابزارهای نظرسنجی موجود در G2 ، FinancesOnline و دیگران رای داده می شود. برای ساده تر کردن این مسئله ، ما یک سری وبلاگ ایجاد کرده ایم تا به شما کمک کنیم تا بهتر از نحوه کسب بیشترین استفاده از حساب Alchemer خود استفاده کنید.

تجزیه و تحلیل داده های ثانویه چیست؟

تجزیه و تحلیل داده های ثانویه شامل یک محقق است که از اطلاعاتی که شخص دیگری برای اهداف خود جمع کرده است استفاده می کند. محققان از تجزیه و تحلیل داده های ثانویه در تلاش برای پاسخ به یک سؤال تحقیق جدید یا بررسی دیدگاه جایگزین در مورد سوال اصلی یک مطالعه قبلی استفاده می کنند.

به منظور درک کامل تجزیه و تحلیل داده های ثانویه ، آشنایی با تفاوت بین داده های اولیه و ثانویه ضروری است.

داده های اولیه در مقابل داده های ثانویه

داده های اصلی داده های اصلی است که محققان برای یک هدف خاص جمع می کنند.

از طرف دیگر ، داده های ثانویه برای یک هدف متفاوت غیر از موردی که برای آن استفاده می شود جمع آوری می شود.

برای افزودن زمینه به تعریف داده های ثانویه ، یک مثال را در نظر بگیریم.

اگر یک کارآفرین در نظر دارد تجارت جدیدی را آغاز کند ، می تواند از داده های سرشماری که توسط دولت جمع آوری شده است ، استفاده کند.

اگرچه کارآفرین نمی تواند داده های خود را جمع آوری کند ، اما داده های سرشماری شامل اطلاعاتی است که می تواند به نفع کارآفرین باشد ، مانند میانگین سن ، درآمد خانوار و سطح تحصیلات در یک منطقه جغرافیایی خاص.

با حفر این داده های سرشماری برای آگاهی از تصمیم گیری در مورد اینکه آیا کارآفرین باید تجارت جدید را باز کند یا خیر ، کارآفرین در حال انجام تجزیه و تحلیل داده های ثانویه است.

عواملی که باید قبل از انجام تجزیه و تحلیل داده های ثانویه در نظر بگیرید

عوامل خاصی وجود دارد که یک محقق باید قبل از تصمیم گیری برای پیشبرد با تجزیه و تحلیل داده های ثانویه در نظر بگیرد.

از آنجا که محقق اطلاعاتی را که با او کار خواهد کرد ، جمع آوری نکرد ، برای او ضروری است که با مجموعه داده ها آشنا شود. این روند آشنایی مستلزم:

• یادگیری در مورد نحوه جمع آوری داده ها
• یادگیری جمعیت مطالعه چه کسی بود
• یادگیری هدف مطالعه اصلی چیست
• تعیین دسته های پاسخ برای هر سؤالی که برای پاسخ دهندگان نظرسنجی نشان داده شده است
• ارزیابی اینکه آیا در طول تجزیه و تحلیل داده ها باید وزنه ها اعمال شود یا خیر
• تصمیم گیری در مورد اینکه آیا خوشه یا طبقه بندی باید در طول تجزیه و تحلیل داده ها مورد توجه قرار گیرد

مزایای تجزیه و تحلیل داده های ثانویه

یکی از مهمترین مزایای استفاده از تجزیه و تحلیل داده های ثانویه ، اثربخشی هزینه آن است.

از آنجا که شخص دیگری قبلاً داده ها را جمع آوری کرده است ، محقق نیازی به سرمایه گذاری در مراحل جمع آوری داده ها ، زمان و یا تلاش در مراحل جمع آوری داده های خود ندارد.

در حالی که گاهی اوقات داده های ثانویه توسط یک محقق که به دنبال استفاده از آن برای آگاهی از مطالعه ای است که روی آن کار می کنند خریداری می شود ، این هزینه ها تقریباً همیشه پایین تر از هزینه های آن است که اگر محقق بخواهد همان مجموعه داده ها را از ابتدا ایجاد کند.

همچنین ، داده های مجموعه داده های ثانویه به طور معمول در حال حاضر تمیز و در قالب الکترونیکی ذخیره می شود ، بنابراین محقق می تواند وقت خود را صرف چرخاندن آستین های خود و تجزیه و تحلیل داده ها به جای صرف وقت برای تهیه داده ها برای تجزیه و تحلیل کند.

یکی دیگر از مزایای تجزیه و تحلیل داده های ثانویه به جای جمع آوری و تجزیه و تحلیل داده های اولیه ، حجم و وسعت داده هایی است که امروزه در دسترس عموم است.

به عنوان مثال ، استفاده از یافته های مطالعاتی که دولت انجام داده است ، به محققان امکان دسترسی به حجم داده هایی را می دهد که به سادگی برای محققان غیرممکن بودند.

داده های طولی در این مقیاس بسیار قدرتمند است. دولت می توانست برای مدت طولانی و طولانی مدت داده های مربوط به یک جمعیت واحد را جمع آوری کند.

محقق به جای سرمایه گذاری در آن زمان ، با استفاده از داده های عمومی در دسترس دولت برای انجام تجزیه و تحلیل داده های ثانویه ، از سالها کار فشرده اجتناب کرده است.

مضرات تجزیه و تحلیل داده های ثانویه

بزرگترین نقطه ضعف در انجام تجزیه و تحلیل داده های ثانویه این است که مجموعه داده های ثانویه ممکن است به سؤال تحقیق خاص محقق پاسخ ندهد تا حدی که این تحقیق امیدوار باشد.

اگر یک محقق تصمیم بگیرد که یک مطالعه را با یک سؤال خاص در ذهن انجام دهد ، یک مجموعه داده ثانویه ممکن است حاوی اطلاعات دقیقاً خاص نباشد که به محقق امکان پاسخ به سؤال خود را می دهد.

به همین ترتیب ، هنگامی که یک محقق یک سؤال یا هدف خاصی در ذهن داشته باشد ، گاهی اوقات شناسایی داده های ثانویه که برای استفاده معتبر است ، دشوار است ، زیرا ممکن است داده ها در بازه زمانی که محقق به آن امیدوار بود جمع آوری نشده باشد ، یا به درستیمنطقه جغرافیایی و غیره

نقطه ضعف دیگر این است که مهم نیست که یک محقق برای تهیه مجموعه داده های ثانویه چه کاری انجام دهد ، آنها هرگز نمی توانند دقیقاً بدانند که چگونه داده ها جمع آوری شده اند و چگونه این روند اجرا شده است.

بدون اینکه کسی باشد که در واقع در حال توسعه نظرسنجی و توزیع آنها به جمعیت مناسب است ، می توان دانست که محققان جمع آوری داده ها تا چه اندازه برای اطمینان از اعتبار یا کیفیت رفتند ، یا اگر آنها موضوعاتی مانند نرخ پاسخ پایین یا پاسخ دهندگان را تجربه کردند. سوء تفاهم در مورد آنچه واقعاً یک سوال می پرسد.

به عبارت ساده تر ، از آنجا که محقق که مطالعه را انجام می دهد ، داده هایی را که از او استفاده خواهد کرد ، جمع آوری نکرد ، در نهایت وی هیچ کنترلی بر آنچه در مجموعه داده های ثانویه آنها وجود دارد ، ندارد.

نتیجه

تجزیه و تحلیل داده های ثانویه ابزاری مناسب و قدرتمند برای محققان است که به دنبال پرسیدن سؤالات گسترده در مقیاس بزرگ هستند.

در حالی که این مزایا را دارد ، مانند اثربخشی هزینه و وسعت و عمق داده هایی که به آن دسترسی پیدا می کند ، تجزیه و تحلیل داده های ثانویه همچنین می تواند محققان را مجبور به تغییر سؤال اصلی خود کند ، یا با یک مجموعه داده کار کند که در غیر این صورت برای آنها ایده آل نیستاهداف.

دفعه بعد که به دنبال انجام یک مطالعه تحقیقاتی در مقیاس بزرگ هستید ، تجزیه و تحلیل داده های ثانویه را در نظر بگیرید.