جمع البيانات هي عملية جمع وتقييم المعلومات الحيوية لأعمالك أو عملياتك أو أبحاثك. بعبارة أخرى، بعض البيانات جمعها يعد أمر حتمي والبعض الآخر طوعي كجزء من مهمة موجهة نحو الهدف. من ناحية أخرى، يمكنك جمع البيانات من أجل معرفة المزيد عن سلوك عملائك، والتنبؤ بالاتجاهات في السوق واختبار تلك التوقعات. على سبيل المثال، قد ترغب في معرفة عدد العملاء الذين قاموا بتنزيل تطبيقك المصرفي، ويستخدمونه بالفعل وما إذا كانت هذه الإحصائية قريبة من هدفك.
يمكنك أيضاً القيام بجمع البيانات كجزء من استراتيجية الوقاية. مثلاً في الطب، سينعكس ذلك في مراقبة المريض بهدف منع المزيد من المشكلات الصحية. في كلتا الحالتين، يتم جمع البيانات ولكي تتدفق البيانات بأمان من طرف إلى آخر. يجب جمعها بطريقة لا تضر بالأشخاص الذين تتم مشاركة معلوماتهم عبر الإنترنت.
ممارسات جمع البيانات الخاطئة، خمسة أخطاء شائعة
على الرغم من أن جمع البيانات مهمة صعبة، إلا أنه جمع البيانات بصورة دقيقة تعد أصعب. فيجب أن تكون أهدافك وفهمك لجمهورك المستهدف واضحة. فإذا لم يكن الأمر كذلك، فقد تكون خطة جمع البيانات الخاصة بك مليئة بالأخطاء الخمسة الأكثر شيوعاً هي ما يلي:
أولاً أخطاء عشوائية خاصة بمواصفات العينة:
بغض النظر عن أدوات جمع البيانات الميدانية التي تستخدمها، عندما لا تفهم من يجب مسحه، فأنت تقوم بتشويه عملية جمع البيانات. لذا اسأل نفسك، من تريد استطلاع الرأي؟ أي من هو الجمهور المستهدف. وبالمثل، عندما تعتقد أنك حصلت على المستجيبين أو المفاهيم الصحيحة في الاستطلاع عندما لا تكون كذلك، فأنت ترتكب أخطاء في مواصفات العينة. فهنا، يتعلق خطأ جمع البيانات الميدانية بالبحث وقياس الشخص الخطأ والمفهوم، بدلاً من البحث وقياس الشخص المناسب والمفهوم بشكل سيء.
ثانياً أخطاء من قبل أصحاب العينة بعدم الاستجابة:
يحدث هذا الخطأ عندما يفشل عدد كبير من المشاركين في ملء الاستبيانات وإرسالها مرة أخرى. فهذا قد يعني أيضاً أنك لم ترسل الاستبيانات إلى 100٪ من مجموعة العينة الخاصة بك. بغض النظر عن مدى جودة تصميم الاستبيان الخاص بك، هناك دائماً بعض المستجيبين الذين ينتظرون إفساد بحثك. وكيف يفعلون هذا؟ من خلال عدم الرد على الاستبيان الخاص بك أو الاختفاء من رادار الاتصال تماماً. في كلتا الحالتين، ستؤدي الاستجابة الأقل إلى زيادة التحيز أو الخطأ في عدم الاستجابة. هنا، يشير خطأ جمع البيانات الميدانية إلى البيانات المفقودة وليس الدراسة على العينة الخاطئة أو البيانات غير الدقيقة. فقد يكون الحفاظ على مستوى عالٍ من معدل الاستجابة في مسح واسع النطاق أمراً شاقاً.
ثالثاً التحيز في اختيار عناصر العينة:
التحيز في اختيار العينة هو نوع من التحيز الناجم عن اختيار البيانات غير العشوائية للتحليل الإحصائي. فيوجد التحيز بسبب خلل في عملية اختيار العينة، حيث يتم استبعاد مجموعة فرعية من البيانات بشكل منهجي بسبب سمة معينة. حيث يمكن أن يؤثر استبعاد المجموعة الفرعية على الأهمية الإحصائية للاختبار، ويمكن أن يؤدي إلى تحيز تقديرات معلمات النموذج الإحصائي.
رابعاً أخطاء في الوصول إلى العينة وعدم التحديد:
قبل الشروع في البحث الميداني، لدينا جميعاً إطار العينة جاهزاً؟ ولكن ماذا لو دعا المستفتى نفسه للدراسة أو شارك فيها، وهذا ليس جزءاً من بحثنا؟ أي إذا كان المستفتى خارج المنهج الدراسي لبحثنا منذ البداية. فلا يمكنك أن تكون تقوم بإضافته! ولكن إذا قمت بذلك، فسوف تحدد بداية خطأ التحديد. كما يوحي الاسم، يتم تشويه البحث على الفور بمجرد تحديد إطار عينة غير مناسب أو غير مكتمل. نظراً لأن هذه العينات ليست ذات صلة بدراستك.
هذا أكثر من خطأ ميداني يكون الباحثون عرضة له، فغالباً ما تحدث أخطاء الاختيار أثناء المقابلات حيث يميل الباحثون إلى الاقتراب من الأشخاص الذين ينتمون إلى مجموعة يشعرون بالراحة في التواصل معهم. بدلاً من الاقتراب من مجموعة واسعة من المارة بشكل عشوائي.
خامساً أخطاء في إطار العينة:
إطار العينة هي قائمة بجميع العناصر الموجودة في مجتمع معين. حيث سترتكب أخطاء في الإطار إذا اخترت مجموعة فرعية خاطئة لتحديد نتيجة غريبة تماماً. فتعد دفاتر الهاتف ومستخدمي Twitter وأدلة القوائم وما إلى ذلك بعض الإطارات النموذجية. حيث أن إطار أخذ العينات الجيد هو الإطار الذي يوفر لك تغطية كاملة للمجموعة المستهدفة أو السكان.
ما الذي يمكنك فعله لتجنب ذلك: بينما لا يمكننا تجنبه تماماً، ولكن يمكنك تقليص احتمالية ذلك عن طريق زيادة حجم السكان. على سبيل المثال، إذا كنت تتوقع انتخابات، ففكر في زيادة حجم السكان للبحث في التركيبة السكانية المحددة. وتأكد أيضاً من أن نماذج إطارات المستجيبين تنتمي إلى بقية السكان. على سبيل المثال، قم بزيادة حجم السكان في موقع جغرافي معين ولكن ليس خارج “جدران” و “حدود” الدولة أو المنطقة.
يمكنك طلب خدمات خاصة بجمع البيانات من فريق البيان من هنا .
مرفق فيديو حول الأخطاء التي يقع فيها الباحث عند جمع البيانات الميداني