EVALUACIÓN

Durante el trial recopiló muchos tipos distintos de datos a través de varios medios (observadores, test-bed technical infrastructure, cuestionarios, etc.). Esto se realizó conforme al plan de recopilación de datos. Ahora los planes son siempre meras representaciones ideales de cómo deberían funcionar las cosas en la realidad. Hay casos en los que los planes salen como se espera, pero es normal que se produzcan divergencias. Estas divergencias son precisamente lo que necesitamos identificar durante la comprobación de la calidad de los datos.

En primer lugar, reúna todos los datos recopilados en un solo lugar y con el mismo formato. Quizás quiera tenerlo todo en un archivo Excel, o quizás prefiera utilizar otra herramienta. En cualquier caso, asegúrese de tenerlo todo en un mismo lugar y correctamente formateado. Haga la primera comprobación: ¿falta algún dato o hay datos corruptos? En ese caso, ¿esos datos son críticos? En caso afirmativo, piense en formas de recuperarlo (repararlo o quizás pedir a un participante que atienda una llamada telefónica y cumplimente un cuestionario especial). Incluso si no es crítico, asegúrese de indicar dónde faltan datos en su evaluación.  

En segundo lugar, estructure los datos. Analice el plan de recopilación de datos. ¿Hay una estructura que pueda usar? Quizás según el puesto, la solución, la pregunta de investigación (quizás las 3 dimensiones: solución, trial y GC). Ahora es más fácil de detectar. Haga la segunda comprobación: ¿Falta algún dato o hay datos corruptos? En tercer lugar, estudie más detenidamente la calidad de los datos. Busque patrones. Busque cosas que no se ajusten a esos patrones. Compruebe por qué no se ajustan. ¿Son divergencias importantes? En ese caso, trate de hallar más datos relacionados con ese aspecto (¿quizás en la test-bed technical infrastructure?). Si no hay forma de mejorar los datos, indique en la evaluación que las conclusiones sobre este aspecto solamente pueden ser limitadas. En cuarto lugar, cree un conjunto de datos para su análisis. Excluya datos irrelevantes o de baja calidad, pero indique que lo ha hecho.