A nullapont az, ami ismert, és amely kiindulópontként szolgál az érveléshez, amelynek célja egy probléma megoldásának meghatározása ezen nullapont vonatkozásában. Ez lehet a valóság elemi leírása, két azonos sorrendű esemény (mérés) összehasonlításának eredménye, más szóval megfigyelés vagy mérés.
A nyers adatok mentesek mindenféle érveléstől , feltételezéstől , megfigyeléstől és valószínűségtől . Ha vitathatatlannak tartják, vagy ha a tudatlanság is vitatja, akkor alapul szolgálhat a kutatáshoz, bármilyen vizsgálathoz.
Mivel az adatok forrásuktól függően nagyon különbözőek lehetnek, a feldolgozás előtt gyakran előzetes átalakításon kell átesniük. Néhány évszázaddal ezelőttig az emberek csak a természetes érzékeik, látásuk, hallásuk, szaglásuk stb. Révén tudtak a való világról, lehetővé téve egy kicsit az érzékelők gyengeségében rejlő hiányosságok pótlását. Ez lehetővé tette számára, hogy fejlessze intelligenciáját és olyan eszközöket, amelyek növelik a való világ megismerésének képességét.
A ma alkalmazott technika a digitális kvantálás kétállapotú feldolgozó gépekhez társított bináris rendszerben . Ez egyértelműen azt jelenti, hogy a valós világot olyan érzékelők látják, amelyek folyamatos vagy diszkrét válaszát számok alakítják, amelyeket számítógépek dolgoznak fel.
Gyakran dolgoznak a nyers adatokon annak értelme és ezáltal információk megszerzése érdekében . Az adatok a következők lehetnek:
A feldolgozás eredménye gyakran végső soron egy emberi értelmezés tárgyát képezi, ezért azt megfelelő formában, például grafikonként vagy a választási lehetőségek listájaként kell bemutatni . Ez lehetővé teszi az emberi lény számára, hogy egy jelentést (értelmezést) társítson hozzá, és ezáltal új információkat hozzon létre.
Az adatok meghatározása fontos kérdéseket vet fel számos tudományterületen .
Etimológiailag a megadott kifejezés a latin datumból származik, ami azt jelenti, hogy "adni". Amint Jensen 1950-ben rámutat, a történelemnek meg kellett volna őriznie a caperét, vagy franciául "befogni". Valójában a tudomány számára a kiválasztás, a létező befogása a kérdés, nem pedig az adatok megértése, mint valami korábban "adott". Ez a történelmi különbség kiemeli az adatokban rejlő szelektív és részleges jelleget.
Számos heterogén definíció létezik, és megpróbálja jellemezni az adatokat. Rob Kitchin (in) az adatok jellemzésének szentelt fejezetben két különböző nézetben foglalja össze a különböző álláspontokat.
Rosenberg szerint az adatok már léteznek azoknak az értelmezéseknek és érveknek, amelyek tényekké alakítják őket. Vagyis, ha egy tény hamis, akkor megszűnik ténynek lenni. A hamis adatok azonban adatok maradnak. Az adatoknak ez a retorikai elképzelése számos jellemzővel rendelkezik: elvontak, diszkrétek , összesítőek és mindenekelőtt függetlenek formátumuktól és összefüggéseiktől (akár adatbázisban, akár könyvben tárolják , az adatok továbbra is adatok maradnak).
Más szerzők, és különösen a kritikus adatvizsgálatok területe szerint az adatokat társadalmilag felépítettnek tekintik . Számukra az adatok a hatalom egy formája, függenek egy ideológiától , a gondolkodásmódtól, amely benne rejlik annak, aki gyűjti és elemzi.
Az első tájékoztatás mindig is döntő előnyt jelentett, akár a politikában, akár a háborúban. Nyilvánvaló, hogy minél relevánsabb az információ a kontextushoz viszonyítva, annál inkább érvényesül annak előnye, aki birtokolja. Korunkban ez még mindig igaz ezeken a területeken, főleg, hogy az információk érvényességi ideje jelentősen lerövidült, ami előző nap releváns volt, már nem feltétlenül így van másnap.
Manapság az információk kidolgozásához használt elemi adatokat nagyon sokan állítják elő, ellentétben a korábbi korszakokkal, és már nem lehet ugyanazokkal a módszerekkel feldolgozni. Használat céljából a kezdeti adatokat digitális kódokká kell átalakítani, ami kezdetben általánossá teszi őket. Jelentésének megadásához az embereknek kontextualizálniuk és értelmezniük kell. Ezután az adat minden értékét eléri és relevánssá válik.
A modern társadalmak az adatok köré szerveződnek, függetlenül attól, hogy gazdaságuk irányítására vagy politikájukra irányulnak-e . A digitális korban az adatok nagyon nagy sebességű összegyűjtésének és továbbításának képessége a néhány évvel ezelőtt hatályosaktól eltérő eszközök és működési módszerek fejlődésének hátterében állt.
Az ezen adatokhoz rendelt érték fogalma felborult, és amikor megpróbáljuk meghatározni ennek az elemi egységnek az értékét, gyakran azzal kezdjük, hogy elemezzük az adatok fogalmának egy konstruált formáját; ilyen módon beszélünk nyílt adatokról , kísérleti adatokról és nagy adatokról , de mennyit ér egy adat, amelyet a megfigyelés vagy a valóság mérésének egyszerű eredményeként értünk?
A megszerzett adatok összekapcsolhatók kereskedelmi tranzakciókkal, vagy közvetlenek anélkül, hogy árucikket kellene végrehajtani. Az adatok értéke ekkor a felhasználásában rejlik.
Az adatokat olyan folyamaton keresztül értékelik, amely képes az átalakítás minden szakaszában növelni az értékét közvetlenül, vagy más adatokkal kombinálva. Általában az a cél, hogy az embereket kihasználják a döntéshozatalhoz, vagy egy másik rendszer, amely lehetővé teszi a folyamatok ellenőrzését.
A számítás a gép átalakításának része, és az emberhez tartozó kvalitatív megítélés az értelmezés része, és objektív értéket ad a végső információnak.
S. Chignard és LD Benyayer értelmezési rácsot próbált létrehozni az adatok számszerűsítésére három értékfelfogásból kiindulva:
Ezekből az axiómákból az adatok három értékforma fényében értelmezhetők.
Az adatok bizonyos gazdasági szereplők nyersanyagává válnak , mint például az adatközvetítők, olyan vállalatok, amelyek „gyűjtik, tárolják, elemzik és értékesítik a fogyasztói adatokat”, mint üzleti tevékenységük fő tevékenysége. Az egyén egészségi állapotára vonatkozó adatok 15-20 dollár közötti értéket vehetnek fel. A valóságban még nincs valódi adatpiac, mivel hiányzik a cseréhez szükséges szabványosítás . Ezen okok miatt az adatok pontos és egyetemes számszerűsítése még nem képzelhető el.
Az adatgyűjtés történhet elsődleges módon (a kutató az első, aki megszerzi az adatokat a kutatási területről) vagy másodlagos módon (a kutató más forrásokat, például más kutatók meglévő publikációit használja). Az adatelemzési technikák változatosak és magukban foglalják például a háromszögelést vagy az úgynevezett adatszűrési módszert. Ez utóbbi módszertan tagolt rendszert kínál az adatok összegyűjtésére, osztályozására és elemzésére, többek között öt lehetséges elemzési szög felhasználásával (legalább három) az elemzés objektivitásának maximalizálása és a lehető legteljesebb megtekintés érdekében. is: kvalitatív és kvantitatív elemzések, irodalmi áttekintés (beleértve a tudományos irodalmat is), interjúk szakértőkkel és számítógépes szimuláció. Ezután az adatokat a legrelevánsabb információk kinyerése érdekében meghatározott lépések sorozatával "perkolálják".
Az adatintegritás fenntartásának fő oka az adatgyűjtési folyamat hibáinak megfigyelésének elősegítése. Ezek a hibák lehetnek szándékos (szándékos manipuláció) vagy nem szándékos (véletlenszerű vagy szisztematikus hibák).
Két megközelítés védheti az adatok integritását és biztosíthatja a Craddick, Crawford, Rhodes, Redican, Rukenbrod és Laws által 2003-ban feltalált tanulmányok eredményeinek tudományos érvényességét:
Fő célja a megelőzés , amely mindenekelőtt jövedelmező tevékenység az adatgyűjtés integritásának védelme érdekében. A protokollok szabványosítása a legjobb példa erre a jövedelmező tevékenységre, amelyet átfogó és részletes eljárási kézikönyvként dolgoznak ki az adatgyűjtéshez. A kutatási folyamat problémáinak és hibáinak nem azonosításának kockázatát nyilvánvalóan a rosszul megírt irányelvek okozzák. Az alábbiakban számos példa található az ilyen hibákra:
Mivel a minőség-ellenőrzési műveletek az adatgyűjtés alatt vagy után zajlanak, minden részletet gondosan dokumentálnak. A felügyeleti rendszerek kiépítésének előfeltételeként világosan meghatározott kommunikációs struktúra szükséges . Nem ajánlatos elbizonytalanodni az információáramlásban, mivel a rosszul szervezett kommunikációs struktúra laza felügyeletet eredményez, és korlátozhatja a hibák észlelésének lehetőségeit is. A minőségellenőrzés feladata a hibás adatgyűjtési gyakorlatok kijavításához és az ilyen jövőbeni események minimalizálásához szükséges intézkedések meghatározása is. Egy csapat nagyobb valószínűséggel nem veszi észre ezen cselekvések szükségességét, ha eljárásai lazán íródnak, és nem visszajelzéseken vagy oktatáson alapulnak.
Gyors intézkedést igénylő adatgyűjtési problémák:
Az adatok értéke felhasználásától függ, amely napról napra egyre hatékonyabb. Az adatok lesznek az igazi eszközök, amelyek lehetővé teszik az idő korlátjának átlépését : az adatelemzés az az alap, amelyen megpróbáljuk ésszerűsíteni a döntéshozatalt. Az adatelemzés végső célja a jövőben bekövetkező előrejelzés, elhanyagolható hibahatárral.
Végül az adatok értéke egy stratégiai eszköz vonatkozásában értelmezhető . Értékes forrássá válnak, mivel ritkák, hogy képesek legyenek kiaknázni. Az a cég, amelynek tulajdonosa, például kizárólag a birtokában lévő információkhoz való hozzáférés kizárólagos pontjává válhat, vagy megerősítheti a mobilitás akadályait.
Az adatok értékének meghatározása tehát kiszámítható (Vatin, 2012) annak szubjektív felhasználásából, amely az értékelést az adatok átalakításának folyamatára és annak minőségi jellemzőire alapozza.