1. Kvantitativa data:
* Numeriska data: Denna typ av data representerar mängder, mätningar eller räkningar. Det kan kategoriseras ytterligare i:
* Kontinuerliga data: Data som kan ta valfritt värde inom ett intervall (t.ex. höjd, vikt, temperatur).
* Diskreta data: Data som bara kan ta på sig specifika, separata värden (t.ex. antal elever i en klass, antal bilar som passerar en poäng).
* Exempel:
* Reaktionstiden i millisekunder
* Växtillväxt hos centimeter
* Antal bakteriekolonier på en petriskål
* Koncentration av ett ämne i en lösning
* Betyg på ett test
2. Kvalitativa data:
* Beskrivande data: Denna typ av data beskriver egenskaper, egenskaper eller observationer. Det är inte numeriskt och förlitar sig på ord, bilder eller symboler.
* Exempel:
* Färg på en blomma
* Materialstruktur
* Beskrivning av ett beteende
* Intervjusvar
* Observationer av sociala interaktioner
Ytterligare överväganden:
* Primärdata: Data som samlats in direkt från experimentet (t.ex. mätningar, observationer).
* Sekundära data: Data erhållna från befintliga källor (t.ex. litteratur, databaser).
* Tidsseriedata: Data som samlats in under en tid (t.ex. temperaturavläsningar med jämna mellanrum).
* rumsliga data: Data associerade med geografiska platser (t.ex. GPS -koordinater, kartor).
Det är viktigt att notera att många experiment kan samla in både kvantitativa och kvalitativa data. I en studie om effektiviteten hos ett nytt läkemedel kan du till exempel samla kvantitativa data om blodtrycksmätningar och kvalitativa data om patientrapporter om biverkningar.
I slutändan bör de typer av data som samlats in i ett experiment vara relevanta för forskningsfrågan och hjälpa till att ge insikter om fenomen som undersöks.