كثير من الجهات والمنظمات أو المهتمين في جمع البيانات وتحليلها يسألون عن آليات وطرق لجمع البيانات، وما هي أفضل البرامج وأدقها، أو ما هي أفضل طرق للتحليل هذه البيانات واستنتاج منها الفرضيات والحقائق. كل هذا جيد ومطلب، ولكن يجب على جامع البيانات قبل كل هذا أن يعرف ما هي أنواع البيانات التي سيجمعها، وماهي مميزات كل نوع فعدم معرفتك بذلك قد تجعلك تقع في أخطاء، أو استنتاج حقائق غير صحيحة، أو قد تأخذ الكثير من وقتك على نتائج غير مجدية.

فتخيل معنا بأنك تقوم بجمع معلومات عن أماكن تواجد مجموعة من الناس فلنقل مثلا: الرياض (1) جدة (2) الدمام (3) وهكذا… والأن هل يمكنك أن تجمع هذه البيانات مع بعضها البعض وتستخرج منها متوسط حسابي أو أي عملية حسابية أخرى؟ بالطبع لا لأن النتائج الحسابية هنا ليس لها أي معنى وستلاحظ أنها بلا فائدة. ففي هذا المثال البسيط هنا نوضح أن المتوسط الحسابي لا يدل على أي معلومة مفيدة.

أنواع البيانات

تنقسم البيانات إلى قسمين رئيسيين بالأصل ولكن بعض المحللين أضافوا قسماً ثالثاً وهو عبارة عن مزيج لهذين القسمين. لذلك سنتطرق في هذا المقال إلى هذين النوعين الرئيسيين. واعلم أن كل الطرق والوسائل والأسئلة المستخدمة لجمع البيانات ستكون نتائجها أحد هذه الأقسام.

• النوع الأول: أسئلة تنتج بيانات أقرب إلى أن تكون تفسيرية أو وصفية وتعرف بالبيانات النوعية (qualitative data).
• النوع الثاني: أسئلة تنتج بيانات رقمية تعرف بالبيانات الكمية (quantitative data).
• النوع الثالث: هو نوع مزيج من النوع الأول والثاني وتعرف بالبيانات المختلطة (mixed methods data).

من المهم جدًا معرفة نوع البيانات التي تحتاجها والتي ستحصل عليها من خلال طرق جمع البيانات (والتي سنتطرق لها في مقال أخر). فكل طريقة ستستخدمها لجمع البيانات ستعطيك نوعاً من البيانات وكل نوع له استخداماته وله حدوده من ناحية التحليل واستخراج النتائج منه. سنشرح في بقية المقال النوعين الرئيسيين من أنواع البيانات، مع ذكر أمثلة لها لإيضاح الفكرة بشكل أكبر.

البيانات النوعية (qualitative data)

هذا النوع من البيانات – غالباً – لا يمكن تمثيلها بالأرقام. فغالباً ما يتم تمثيلها نصاً باللغة الطببعية. هذا النوع من البيانات ينقسم إلى نوعين:

• البيانات الإسمية Nominal Data: بيانات تكون في صورة غير عددية ولا يمكن التفاضل بينها وتتكون من مجموعات متنافية مثل الأسئلة التي جوابها يكون بنعم أو لا، أو السؤال عن نوع الجنس فهناك طبقتان إما ذكر أو أنثى، أو السؤال عن الحالة الاجتماعية (متزوج – أعزب – مطلق – أرمل). وعادة ما نضع رموز لهذه الأجوبة كـ نعم بـ (1) ولا بـ (0). ومن الخطأ أن نقوم بإجراء العمليات الحسابية على هذه الرموز كما هو واضح في المثال الذي ذكر في البداية.

• البيانات الترتيبية Ordinal Data: هي أيضاً تكون في صورة غير عددية ولا يمكن إجراء العمليات الحسابية عليها. والفرق بينها وبين البيانات الأسمية هو عملية المفاضلة والترتيب بين الطبقات. تستطيع في البيانات الترتيبية ترتيب البيانات، مثل مستوى التعليم (ابتدائي – متوسط – ثانوي – جامعي)، أو معدل الدخل الشهري (<5000، 5000-10000، >10000). فنلاحظ في هذا السؤال أن هناك نوع من المفاضلة والطبقية بين الخيارات.

هناك بعض الأمور والحقائق المتعلقة بالبيانات النوعية وهي كالتالي:

• هذا النوع من البيانات غير رقمية ويدرس في العادة الأنماط والتوجهات بشكل عام.
• غالباً ما توصف بأنها بيانات غنية بالمعلومات أكثر من البيانات الرقمية.
• يمكن جمعها من خلال أساليب وطرق مثل: تقنيات المراقبة، مجموعات التركيز، المقابلات، دراسة حالة.

[irp posts=”10169″ name=”8 طرق لجمع ورصد البيانات”]

البيانات الكمية (quantitative data)

هذا النوع من البيانات يمكن تمثيله بالأرقام، ومن أنواعها:

• بيانات الفترة Interval Data: تكون بياناتا لفترة في صورة عددية، توضح او تمثل القيمة الفعلية للظاهرة. نستطيع أن نجري عليها العمليات الحسابية مثل المتوسط الحسابي والانحراف المعياري وغيرها من العمليات الحسابية. لكن عملة الضرب والقسمة بين البيانات في هذا النوع لا تعطيك أي معنى حقيقي. فمثلاً لو أخذت بيانات عن موعد الذهاب للنوم، شخص يذهب للنوم الساعة 9 والآخر يذهب الساعة 11، تستطيع هنا أن تستنتج أن هناك فرقاً مقداره ساعتين في حال الطرح بينهما، لكن الضرب والقسمة بينهما لن تعطيك أي نتائج ومعلومات مفيدة. ويمتاز هذا النوع أيضاً بتساوي المسافات بين الرتب. يستخدم هذا المقياس كثيراَ في العلوم التربوية والنفسية والاجتماعية. ومن أمثلة هذا النوع من البيانات درجة الطالب في الاختبارات، أو درجة الحرارة. حيث أن جميع البيانات تقاس بمقدار بعده عن الصفر، ولكن درجة الصفر لا تعني عدم وجود الظاهرة. فالطالب الذي يحصل على درجة صفر، لا يعني أنه لا يملك أي معلومة، وكذلك درجة الحرارة عندما تكون صفر لا تعني انعدام الحرارة، لهذا ينبغي علينا مراعات قيمة الصفر في هذا النوع من البيانات.

• البيانات النسبية Ratio Data: بيانات تكون في مستوى أعلى من البيانات السابقة، بحيث تكون في صورة عددية ونستطيع أن نجري عليها جميع العمليات الحسابية من متوسط حسابي أو انحراف معياري أو عملية الضرب والقسمة، والنتائج هنا تعطيك معلومات ذات قيمة وفائدة فمثلاً لو أخذنا سنوات الخبرة والعمل في مجال معين كشخص خبرته 5 سنوات والأخر 3 سنوات فمن خلال قسمتهم على بعض فبإمكانك أن تستخرج مقدار النسبة والتناسب بين الشخصين. ويمتاز هذا النوع من البيانات في أن قيمة الصفر تعني انعدام الظاهرة. وأغلب البيانات المتعلقة بعلوم الفيزيائية والهندسية هي بيانات نسبية.

هناك بعض الأمور والحقائق المتعلقة بالبيانات الكمية وهي كالتالي:

• هذا النوع يتطلب استخدام التحليل الاحصائي للخروج بمعلومات مفيدة.
• في هذا النوع من البيانات تستطيع تحديد المتغيرات وأيضاً تستطيع دراسة العلاقة بينها.
• تستطيع تحويل بعض البيانات النوعية الى بيانات كمية من خلال عدها وجمعها. مثلاً: نستطيع القول من المثال المذكور في بداية المقال أن عدد الحضور من مدينة الرياض 5 أشخاص وعدد الحضور من مدينة جدة شخصان وعدد الحضور من مدينة الدمام 3 أشخاص. بناءً على هذه الأعداد تستطيع أن تجري عليها العمليات الحسابية.
• غالباً ما ينظر إلى هذا النوع من البيانات على أنها أكثر موضوعية لتحليل البيانات.
• يمكن جمعها بالعادة من خلال الاستبانات أو الأسئلة المباشرة.
• غالباً تعرض نتائج هذا النوع من البيانات على شكل رسوم بيانية.

أخيراً … قد تكون أغلب المعلومات والأقسام هنا معروفة بالفطرة، ولكن لابد من تحريرها وتوضيح الفروقات بينها. بحيث لو رجعت لأي طريقة من طرق جمع البيانات ووجدت هذه المصطلحات، فستكون قادراً على فهمها بشكل سليم.