Download full text
(657.5Kb)
Citation Suggestion
Please use the following Persistent Identifier (PID) to cite this document:
https://doi.org/10.21241/ssoar.96764
Exports for your reference manager
Defining and Evaluating Data Quality for the Social Sciences: Position Paper
[comment]
Corporate Editor
GESIS - Leibniz-Institut für Sozialwissenschaften
Abstract Die Autor*innen haben festgestellt, dass ein allgemeines Verständnis von Datenqualität für sozialwissenschaftliche Daten erforderlich ist. Bestehende Rahmenwerke bieten zwar wertvolle Orientierungshilfen für die Bewertung der Datenqualität, konzentrieren sich jedoch in der Regel auf bestimmte Dimens... view more
Die Autor*innen haben festgestellt, dass ein allgemeines Verständnis von Datenqualität für sozialwissenschaftliche Daten erforderlich ist. Bestehende Rahmenwerke bieten zwar wertvolle Orientierungshilfen für die Bewertung der Datenqualität, konzentrieren sich jedoch in der Regel auf bestimmte Dimensionen oder Datentypen. Die Autor*innen sind der Meinung, dass diese Rahmenwerke zwar von entscheidender Bedeutung sind, dass aber eine umfassendere Perspektive auf die Datenqualität erforderlich ist, um die inhärente Mehrdimensionalität der Qualitätsaspekte in sozialwissenschaftlichen Daten vollständig zu erfassen. Daher bietet dieses Positionspapier einen einheitlichen Rahmen für die Bewertung der Datenqualitätsdimensionen sozialwissenschaftlicher Daten.... view less
The authors have identified the need for a commonly shared understanding of data quality for social science data. While existing frameworks offer valuable guidance for assessing data quality, they tend to concentrate on specific dimensions or data types. The authors contend that while these framewor... view more
The authors have identified the need for a commonly shared understanding of data quality for social science data. While existing frameworks offer valuable guidance for assessing data quality, they tend to concentrate on specific dimensions or data types. The authors contend that while these frameworks are crucial, a more comprehensive perspective on data quality is needed to fully capture the inherent multidimensional nature of quality aspects in social science data. Hence, this position paper provides a unfied framework for assessing data quality dimensions of social science data.... view less
Keywords
social science; social research; data capture; data preparation; data; analysis; data quality; integrity; reliability
Classification
Methods and Techniques of Data Collection and Data Analysis, Statistical Methods, Computer Methods
Document language
English
Publication Year
2024
City
Köln
Page/Pages
32 p.
Series
GESIS Papers, 2024/06
ISSN
2364-3781
Status
Published Version; reviewed