Kommentar |
Von der Datenqualität hängt die Qualität einer gesamten Studie ab, da Daten die Grundlage für die inhaltlichen Schlussfolgerungen einer empirischen Studie darstellen. Die Kenntnis der verschiedenen Ursachen für Gefährdungen der Datenqualität, ihre Vermeidung und ihre Korrektur gehört damit zu den wichtigen Voraussetzungen kompetenter empirischer Forschung. Die Teilnehmer sollen in die Lage versetzt werden, Fehlerquellen in der Datenerhebung zu erkennen, zu minimieren oder zu vermeiden sowie, falls notwendig, Verzerrungen im Anschluss an die Datenerhebung statistisch zu korrigieren. |
Literatur |
Basisliteratur Linda B. Bourque und Virginia A. Clark, Processing data: The survey example. Newbury Park: Sage 1992.
Robert M. Groves, Survey errors and survey costs. New York: Wiley 1989.
Robert M. Groves et al., Survey Methodology. Hoboken: Wiley 2004.
Lars E. Lyberg et al., Survey measurement and process quality. New York: Wiley 1997.
Erhard Rahm und Hong Hai Do, Data Cleaning: Problems and Current Approaches. In: IEEE Data Engineering Bulletin 23:4 (2000) 3-13.
William E. Winkler, Methods for evaluating and creating data quality. In: Information Systems 29:7 (2004) 531-550.
|