The most important rule concerning

The most important rule concerning data collection and analysis is do not attempt to collect or analyze all possible kinds of data . Unless you are conducting a truly explorative study (which is hardly ever necessary nowadays, considering the abundance of literature on most topics), the first part of the empirical cycle—the process of theory development—should result in clear research questions or hypotheses that will allow you to choose an appropriate design to study these. These hypotheses should also indicate the kind of data you will need to collect—that is, the data you have hypotheses about and some necessary control data (e.g., time on task), and
together with the design provide some indications as to how to analyze those data (e.g., 2 × 2 factorial design,2 × 2 MANCOVA). But, these are just indications, and many decisions remain to be made. To name just a few issues regarding data collection (for an elaboration on those questions, see, for example, Christensen, 2006; Sapsford and Jupp, 1996): Which participants
(human/nonhuman, age, educational background, gender) and how many to use? What and how many tasks or stimuli to present and on what apparatus? What (control) measures to take? What instructions to give? What procedure to use? When to schedule the sessions?

ผลลัพธ์ (ไทย) 1:

กฎสำคัญที่สุดเกี่ยวกับการเก็บรวบรวมข้อมูลและวิเคราะห์เป็นไม่พยายามที่จะรวบรวม หรือวิเคราะห์ข้อมูลทุกชนิดได้ด้วย ยกเว้นว่าคุณจะดำเนินการศึกษาอย่างแท้จริง explorative (ซึ่งไม่ค่อยจำเป็นปัจจุบัน พิจารณาความอุดมสมบูรณ์ของวรรณกรรมในหัวข้อส่วนใหญ่), ส่วนแรกของวงจรการประจักษ์ซึ่งกระบวนการในการพัฒนาทฤษฎี — ควรทำวิจัยลบคำถามหรือสมมุติฐานที่จะช่วยให้คุณสามารถเลือกแบบที่เหมาะสมเพื่อศึกษาเหล่านี้ สมมุติฐานเหล่านี้ควรระบุชนิดของข้อมูลจะต้องเก็บ — คุณมีสมมุติฐานเกี่ยวกับข้อมูลและข้อมูลควบคุมที่จำเป็นบางอย่าง (เช่น เวลางาน), คือ และร่วมกับการออกแบบให้บางบ่งชี้เป็นวิธีการวิเคราะห์ข้อมูลเหล่านั้น (เช่น 2 × 2 แฟกแบบ 2 × 2 MANCOVA) แต่ เหล่านี้เป็นเพียงการบ่งชี้ และตัดสินใจต่าง ๆ ยังคงทำ การตั้งชื่อเพียงไม่กี่ปัญหาเกี่ยวกับการเก็บรวบรวมข้อมูล (สำหรับการทุก ๆ คำถาม ดู เช่น คริสเตนเซ่น 2006 Sapsford และ Jupp, 1996): ผู้เรียนที่(บุคคล/nonhuman อายุ ประวัติการศึกษา เพศ) และจำนวนการใช้ ใด และจำนวนงานหรือสิ่งเร้า เพื่อนำเสนอ และเครื่องมือใด อะไร (ควบคุม) การใช้ประเมิน คำแนะนำอะไรให้ ขั้นตอนต่อไปใช้อะไร เมื่อเซสชันการจัดกำหนดการหรือไม่

ผลลัพธ์ (ไทย) 2:

กฎที่สำคัญที่สุดเกี่ยวกับการเก็บรวบรวมข้อมูลและการวิเคราะห์จะไม่พยายามที่จะเก็บรวบรวมหรือวิเคราะห์ชนิดเป็นไปได้ทั้งหมดของข้อมูล ถ้าคุณกำลังดำเนินการศึกษาสำรวจตรวจอย่างแท้จริง (ซึ่งแทบจะไม่เคยสิ่งที่จำเป็นในปัจจุบันพิจารณาความอุดมสมบูรณ์ของวรรณกรรมในหัวข้อใหญ่), ส่วนแรกของการทดลองวงจรกระบวนการของทฤษฎีการพัฒนาควรจะส่งผลในคำถามการวิจัยที่ชัดเจนหรือสมมติฐานที่จะ ช่วยให้คุณสามารถเลือกการออกแบบที่เหมาะสมในการศึกษาเหล่านี้ สมมติฐานเหล่านี้ควรจะระบุชนิดของข้อมูลที่คุณจะต้องเก็บรวบรวมนั่นคือข้อมูลที่คุณมีสมมติฐานเกี่ยวกับการควบคุมข้อมูลบางอย่างที่จำเป็น (เช่นเวลาในงาน) และ
ร่วมกับการออกแบบให้ตัวชี้วัดบางเป็นวิธีการวิเคราะห์ ข้อมูลเหล่านั้น (เช่น 2 × 2 factorial design จาก 2 × 2 MANCOVA) แต่เหล่านี้เป็นเพียงข้อบ่งชี้และการตัดสินใจจำนวนมากยังคงที่จะทำ ชื่อเพียงไม่กี่ประเด็นเกี่ยวกับการเก็บข้อมูล (สำหรับรายละเอียดในคำถามเหล่านั้นให้ดูตัวอย่างเช่นคริส 2006; Sapsford และ Jupp, 1996): ซึ่งผู้เข้าร่วม
(มนุษย์ / มนุษย์, อายุการศึกษาเพศ) และวิธีการหลาย ที่จะใช้? สิ่งที่และวิธีการหลายงานหรือสิ่งเร้าที่จะนำเสนอและสิ่งอุปกรณ์? อะไร (ควบคุม) มาตรการที่จะใช้? อะไรคำแนะนำในการให้? สิ่งที่ต้องใช้ขั้นตอน? เมื่อการจัดตารางเวลาการประชุมหรือไม่

ผลลัพธ์ (ไทย) 3:

ที่สำคัญ กฎเกี่ยวกับการเก็บรวบรวมข้อมูลและการวิเคราะห์ข้อมูล คือ อย่าพยายามที่จะเก็บหรือวิเคราะห์ประเภทเป็นไปได้ทั้งหมดของข้อมูล จนกว่าคุณจะได้ทำการศึกษาสำรวจอย่างแท้จริง ( ซึ่งแทบจะไม่เคยที่จำเป็นในปัจจุบัน พิจารณาความอุดมสมบูรณ์ของวรรณกรรมในหัวข้อมากที่สุด )ส่วนแรกของการศึกษาวงจรกระบวนการพัฒนาทฤษฎีน่าจะส่งผลชัดเจนคำถามการวิจัยหรือสมมติฐานที่จะช่วยให้คุณเลือกการออกแบบที่เหมาะสมในการศึกษาเหล่านี้ สมมติฐานเหล่านี้ยังควรระบุชนิดของข้อมูลที่คุณจะต้องเก็บรวบรวมเป็นข้อมูลคุณมีสมมติฐานเกี่ยวกับและควบคุมข้อมูลที่จำเป็น ( เช่น เวลางาน ) , และ
ร่วมกับการออกแบบให้ข้อบ่งชี้บางอย่างเป็นวิธีการวิเคราะห์ข้อมูลเหล่านั้น ( เช่น 2 × 2 × 2 mancova แฟกทอเรียลออกแบบ 2 ) แต่เหล่านี้เป็นเพียงข้อบ่งชี้ และการตัดสินใจ มาก อยู่ ที่ต้องทำ ชื่อเพียงไม่กี่ ปัญหาเกี่ยวกับการเก็บข้อมูล ( สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับคำถามเหล่านั้นดู ตัวอย่างเช่น คริสเตนเซ่น , 2006 ; และ sapsford จุป , 1996 ) ซึ่งผู้เข้าร่วม
( ไม่ใช่มนุษย์ มนุษย์ / อายุการศึกษา , เพศ ) และวิธีการมากมายที่จะใช้ ? อะไรและกี่งาน หรือสิ่งเร้าเพื่อนำเสนอบนเครื่องอะไร สิ่งที่ ( ควบคุม ) มาตรการที่จะใช้ ? อะไรคำแนะนำที่จะให้ ? ขั้นตอนที่ใช้ ? เมื่อจัดตารางการประชุม ?