Kategorien
Daten

Datengewinnung

Das Problem mit Daten ist nun, dass diese nicht immer sehr leicht zu gewinnen sind. Folgende Beispiele sollen verdeutlichen, welche Schwierigkeiten mit der Datengewinnung einher gehen.

Beispiel 1: Wie viel Milch ist in Ihrem Kühlschrank? Jetzt sagen Sie vielleicht keine, weil Sie nie Milch trinken, dann haben Sie es leicht. Wenn sich aber Milch dort befindet und Sie möchten sich nicht auf eine oberflächliche Aussage, wie etwa eine halbe Packung beschränken, dann müssen Sie jetzt zum Kühlschrank, ihn aufmachen, die Milch in einen Messbecher gießen und dann nachsehen, was dieser anzeigt. Das ist schon anstrengend ABER: Die Hauptarbeit hat Ihnen schon jemand abgenommen, nämlich den Messbecher zu erfinden und herzustellen.

Beispiel 2: Nach einem längeren Aufenthalt in den Sozialen Medien, sind sich unsicher, wie um die Intelligenz Ihrer Mitmenschen bestellt ist. Sie beschließen der Sache auf den Grund gehen und brauchen Daten. Und jetzt wird Ihnen klar, dass Sie dann zu Menschen Kontakt aufnehmen müssen und irgendwie eine Art von Messbecher für Ihre Dummheit brauchen, den Sie nicht haben. Also suchen Sie ein wenig im Internet und finden Intelligenztests. Auch da haben sich schon viele Leute damit auseinandergesetzt, wie man so etwas messen kann. ABER: während es bei der Milch egal ist, welchen Messbecher Sie nehmen, weil alle zum selben Ergebnis kommen, ist es bei dem Intelligenztest nicht egal und Sie müssen eine sinnvolle Auswahl treffen.

Beispiel 3: Sie haben gehört, dass es auf Pluto, einem Himmelskörper, der sehr weit entfernt um unsere Sonne kreist, eine Oberflächentemperatur von -230 ° C hat. Da kommt man schnell auf die Idee zu fragen, wer dort ein Thermometer hingebracht haben könnte, um das herauszufinden.

Es lässt sich also feststellen, dass es nicht immer einfach ist, an Daten heranzukommen und diese zu gewinnen. Die Probleme, die dabei zu lösen sind, sind stark abhängig von der wissenschaftlichen Disziplin, bzw. deren Untersuchungsgegenstand. In der Psychologie oder Physik existieren ganz unterschiedliche Herausforderungen. Knowledge Science setzen sich damit auseinander, welche Probleme bei der Erfassung der Realität auftreten können und welche Konsequenzen etwaige Fehler bei der Prognose und Anwendung später haben können.