1.8:
Gromadzenie danych na podstawie obserwacji
Gromadzenie danych odnosi się do systematycznego sposobu uzyskiwania, obserwowania, mierzenia i analizowania dokładnych informacji. Badania obserwacyjne są jedną z najczęściej stosowanych metod zbierania danych. Polega na zbieraniu danych poprzez obserwację zachowania i cech fizycznych próbki bez dokonywania jakichkolwiek modyfikacji próbki.
Astronom obserwujący ruch i jasność gwiazd na niebie i rejestrujący dane jest przykładem zbierania danych obserwacyjnych. Botanik rejestrujący dane dotyczące dziennego wzrostu roślin również należy do kategorii zbierania danych obserwacyjnych. W obu przypadkach w procesie zbierania danych nie jest dokonywana żadna zewnętrzna modyfikacja próbki. Podobnie, przeprowadzenie badania populacji kraju w ciągu roku wymaga zebrania danych przy użyciu metody obserwacyjnej.
Główną zaletą tej metody jest to, że próbki pobierane są z naturalnego środowiska badanych. Ponadto metoda jest metodą bezpośrednią; Oznacza to, że nie wymaga żadnych modyfikacji. Najczęściej niewerbalne sygnały, zachowania lub wzorce są wykorzystywane do rysowania obserwacji, aby zapewnić wgląd w osoby badane w ich naturalnym środowisku. Jednak metoda obserwacyjna nie zapewnia próby kontrolnej, która mogłaby dostarczyć danych pod nieobecność obserwatora.
W analizie statystycznej charakterystyka populacji jest określana na podstawie danych zebranych z próby.
Badanie obserwacyjne jest jedną z najczęstszych metod zbierania danych. W tym przypadku obserwuje się próbki, a określone cechy są mierzone bez modyfikowania próbki.
Załóżmy, że ktoś chce wiedzieć, ile samolotów ląduje na lotnisku w ciągu dnia. Aby się tego dowiedzieć, policz liczbę samolotów lądujących na lotnisku. Badanie to nie ingerowało ani nie manipulowało samolotami ani lotniskiem.
Innym przykładem jest badanie kohortowe, w ramach którego uczestnicy są monitorowani przez długi czas. Na przykład w badaniu Nurses’ Health Survey przebadano ponad 280 000 uczestników w ciągu 40 lat.
Badanie to nie ingerowało w styl życia ani pracę uczestników, ale poczyniło kilka ważnych obserwacji dotyczących ich zdrowia i harmonogramów pracy, takich jak wzrost ryzyka niektórych rodzajów raka wśród otyłych uczestników oraz związek między harmonogramami pracy do późna w nocy a prawdopodobieństwem rozwoju niektórych chorób przewlekłych.
Related Videos
Understanding Statistics
45.9K Wyświetlenia
Understanding Statistics
32.1K Wyświetlenia
Understanding Statistics
28.0K Wyświetlenia
Understanding Statistics
28.1K Wyświetlenia
Understanding Statistics
23.2K Wyświetlenia
Understanding Statistics
14.5K Wyświetlenia
Understanding Statistics
17.5K Wyświetlenia
Understanding Statistics
11.9K Wyświetlenia
Understanding Statistics
24.0K Wyświetlenia
Understanding Statistics
6.4K Wyświetlenia
Understanding Statistics
11.0K Wyświetlenia
Understanding Statistics
10.2K Wyświetlenia
Understanding Statistics
8.8K Wyświetlenia
Understanding Statistics
11.9K Wyświetlenia
Understanding Statistics
11.8K Wyświetlenia