Comment assurer la qualité et l’intégrité des données dans la recherche à méthodes mixtes ?

Généré par l’IA et la communauté LinkedIn

La recherche à méthodes mixtes combine des données quantitatives et qualitatives pour répondre à des questions de recherche complexes et multidimensionnelles. Cependant, l’intégration de différents types de données pose également des défis pour assurer la qualité et l’intégrité des données. La qualité des données fait référence à l’exactitude, la validité, la fiabilité et la pertinence des données, tandis que l’intégrité des données fait référence à la protection, à la sécurité et à l’utilisation éthique des données. Dans cet article, vous apprendrez comment garantir la qualité et l’intégrité des données dans la recherche à méthodes mixtes en suivant six étapes.

Des experts chevronnés contribuent à cet article

Sélectionnés par la communauté pour 5 contributions. En savoir plus

Kim "Kimfer" Flanery-Rye, MBA

Diversity, Equity, Inclusion & Culture Practitioner | FBomber in Chief | Keynote Speaker | Investor | Adjunct Professor…

1 Étape 1 : Planifiez votre collecte et votre analyse des données

Avant de commencer à collecter et à analyser des données, vous devez planifier la façon dont vous allez intégrer les données quantitatives et qualitatives dans votre conception de méthodes mixtes. Vous devriez tenir compte du but, de la raison d’être et des questions de votre recherche, ainsi que des ressources, du temps et des compétences disponibles. Vous devez également décider du type, du niveau et du calendrier de l’intégration, ainsi que de la manière dont vous allez résoudre les conflits ou contradictions potentiels entre les sources de données.

Ajoutez votre point de vue

Kim "Kimfer" Flanery-Rye, MBA

Diversity, Equity, Inclusion & Culture Practitioner | FBomber in Chief | Keynote Speaker | Investor | Adjunct Professor | Leadership Coach |
Signaler la contribution
Additional things to consider are the diversity of people and experiences contributing to the data. Are they all coming from a similar background or will there be different perspectives brought forward.

Texte traduit

J’aime

2 Étape 2 : Suivre les normes et les lignes directrices éthiques

Les normes et les lignes directrices éthiques sont essentielles pour assurer l’intégrité des données et respecter les droits et la dignité des participants à la recherche. Vous devez obtenir un consentement éclairé, protéger la confidentialité et l’anonymat, éviter les préjudices et la coercition, et reconnaître toute limitation ou parti pris dans votre recherche. Vous devez également adhérer aux principes éthiques et aux codes de conduite de votre discipline, de votre établissement et de votre organisme de financement.

Ajoutez votre point de vue

Kim "Kimfer" Flanery-Rye, MBA

Diversity, Equity, Inclusion & Culture Practitioner | FBomber in Chief | Keynote Speaker | Investor | Adjunct Professor | Leadership Coach |
Signaler la contribution
It is also important to question any possibly outdated principals. As we know, standards change as well as language. Also creating a standard set of ethical principles for each participant to agree to prior to the beginning of the project would best serve the output and the input.

Texte traduit

J’aime

3 Étape 3 : Appliquer les méthodes et les outils de collecte de données appropriés

Les méthodes et les outils de collecte de données doivent convenir au type et à la qualité des données dont vous avez besoin pour votre recherche. Vous devez utiliser des instruments fiables et valides, tels que des sondages, des entrevues ou des observations, et vous assurer qu’ils correspondent à vos objectifs et questions de recherche. Vous devriez également tester vos instruments, former vos collecteurs de données et surveiller le processus de collecte de données.

Ajoutez votre point de vue

Kim "Kimfer" Flanery-Rye, MBA

Diversity, Equity, Inclusion & Culture Practitioner | FBomber in Chief | Keynote Speaker | Investor | Adjunct Professor | Leadership Coach |
Signaler la contribution
In interviews and observation (qualitative data) the training of the data collectors should also include how biases can leak into those process. It is important to ensure there are more than one observer in the these processes.

Texte traduit

J’aime

4 Étape 4 : Mettre en œuvre des procédures de nettoyage et de vérification des données

Les procédures de nettoyage et de vérification des données sont nécessaires pour garantir la qualité des données et réduire les erreurs, les incohérences ou les valeurs manquantes dans vos données. Vous devez vérifier l’exactitude, l’exhaustivité et l’uniformité des données, et corriger ou supprimer toute anomalie ou valeur aberrante. Vous devez également vérifier les données en recoupant, triangulant ou auditant les sources de données, et documenter les modifications ou décisions prises.

Ajoutez votre point de vue

5 Étape 5 : Effectuer une analyse et une interprétation rigoureuses des données

L’analyse et l’interprétation des données doivent être rigoureuses et transparentes et refléter l’intégration des données quantitatives et qualitatives. Vous devez utiliser des techniques statistiques et thématiques appropriées, telles que l’analyse descriptive, inférentielle ou de contenu, et justifier vos choix. Vous devez également synthétiser, comparer ou contraster les résultats des différentes sources de données et expliquer comment ils répondent à vos questions de recherche.

Ajoutez votre point de vue

Kim "Kimfer" Flanery-Rye, MBA

Diversity, Equity, Inclusion & Culture Practitioner | FBomber in Chief | Keynote Speaker | Investor | Adjunct Professor | Leadership Coach |
Signaler la contribution
There are specific area to consider in descriptive and inferential data analysis. For descriptive data analysis that depends on historical data for trends and relationship to have been varieties, came from diverse perspectives and accurate. If not, it will repeat the bad data collection from the past. Also, similarly, inferential data analysis can creat confirmation bias if multiple sample data is not being gathered to creat the inference and predictions of the data.

Texte traduit

J’aime

6 Étape 6 : Signalez et diffusez vos conclusions et vos implications

Les rapports et la diffusion de vos conclusions et de vos implications doivent être clairs, complets et crédibles, et communiquer la valeur et la contribution de votre recherche à méthodes mixtes. Vous devez présenter vos conclusions de manière logique et cohérente, en utilisant des tableaux, des graphiques ou des citations pour illustrer vos points. Vous devriez également discuter des limites, des défis et des leçons tirées de votre recherche et suggérer des recommandations pour la pratique, les politiques ou les recherches futures.

Ajoutez votre point de vue

7 Voici ce qu’il faut prendre en compte

Il s’agit d’un espace pour partager des exemples, des histoires ou des idées qui ne correspondent à aucune des sections précédentes. Que voudriez-vous ajouter d’autre?

Ajoutez votre point de vue

Kim "Kimfer" Flanery-Rye, MBA

Diversity, Equity, Inclusion & Culture Practitioner | FBomber in Chief | Keynote Speaker | Investor | Adjunct Professor | Leadership Coach |
Signaler la contribution
Research in general, may it be in scientific studies, in educational institutions, in corporations or other fields, have been historically lead by white men. This can limit the research and field studies which can create skewed information. No matter how rigorous the processes are followed, the processes themselves can be predisposed to bias and system limitations. Research like any other field, needs the inclusion of diversity in perspectives, experiences, and thoughts to limit the blind spots throughout the data collection and analysis process of research.

Texte traduit

J’aime

Études de cas

+ Suivre

Notez cet article

Nous avons créé cet article à l’aide de l’intelligence artificielle. Qu’en pensez-vous ?

Il est très bien Ça pourrait être mieux

Signaler cet article

Tout voir

Comment assurer la qualité et l’intégrité des données dans la recherche à méthodes mixtes ?

1

2

3

4

5

6

7

1 Étape 1 : Planifiez votre collecte et votre analyse des données

2 Étape 2 : Suivre les normes et les lignes directrices éthiques

3 Étape 3 : Appliquer les méthodes et les outils de collecte de données appropriés

4 Étape 4 : Mettre en œuvre des procédures de nettoyage et de vérification des données

5 Étape 5 : Effectuer une analyse et une interprétation rigoureuses des données

6 Étape 6 : Signalez et diffusez vos conclusions et vos implications

7 Voici ce qu’il faut prendre en compte

Études de cas

Notez cet article

Nous vous remercions de votre feedback

Plus d’articles sur Études de cas

Lecture plus pertinente