Questo progetto ha ricevuto un finanziamento dal 7° Programma quadro di ricerca, sviluppo tecnologico e dimostrazione nell'ambito dell'accordo di sovvenzione n° #607798

Per garantire che la vostra
valutazione sia basata su
dati di qualità elevata
1 giorno
coordinatore della
valutazione (leader)
coordinatore tecnico

IN BREVE

COSA PREVEDE
QUESTO STEP

Durante il trial avete raccolto tipi diversi di dati attraverso varie modalità (osservatori, Test-bed Technical Infrastructure, questionari, ecc.). Ciò è avvenuto in conformità alla vostra modalità di raccolta dati. I piani sono sempre scenari ideali di come dovrebbe funzionare la realtà. Ci sono casi in cui i piani funzionano come previsto, tuttavia capita spesso che ci siano dei cambiamenti rispetto alla modalità prevista. Tali cambiamenti sono ciò che dobbiamo identificare durante il controllo della qualità dei dati.

APPROFONDIMENTO

TUTTO CIÒ CHE DOVETE
SAPERE SU QUESTO STEP

Per prima cosa, mettete tutti i dati raccolti in un unico formato e salvateli in un'unica cartella. Forse preferite averli tutti in formato Excel, oppure in un formato differente. Assicuratevi, però, che ci sia omogeneità in tal senso. Eseguite il primo controllo: Ci sono dei dati mancanti o corrotti? In caso affermativo: si tratta di dati d’importanza critica? Se così fosse, pensate a come recuperarli (riparandoli o forse chiedendo a un partecipante di rispondere a un questionario via telefono). Persino se i dati non fossero d’importanza critica, ricordatevi di segnalare i dati mancanti all’interno della valutazione!  

In secondo luogo, strutturate i vostri dati. Consultate la modalità di raccolta dei dati. Potete strutturarli? Probabilmente in base al ruolo, alla soluzione, al quesito di ricerca (forse le 3 dimensioni: soluzione, contesto del trial e gestione della crisi). Ora è più facile comprendere i dati. Eseguite il secondo controllo: Ci sono dei dati mancanti o corrotti? Ora osservate più attentamente la qualità dei dati. Cercate dei pattern, ovvero degli schemi che si ripetono. Individuate ciò che esula dai pattern. Cercate di capire perché. Ci sono notevoli scostamenti? In caso affermativo, cercate di trovare una maggiore quantità di dati legati a quell’aspetto (forse nella Test-bed Technical Infrastructure?) Se non c’è modo di migliorare i dati, indicate nella valutazione che le conclusioni in merito possono essere solo limitate. Ora create un set di dati per la vostra analisi. Escludete i dati non pertinenti o di scarsa qualità, tuttavia indicate di averlo fatto!
 

Methods

Struttura & organizzazione,
societal impact assessment,
etica della ricerca

Input

Dati grezzi

Output

Set di dati “puliti”

Checklist
  • Controllo della completezza dei dati
  • Controllo della qualità dei dati
  • Verifica dei dati
  • Dati strutturati in modo preliminare