区分研究数据主要是根据信息的数值或非数值属性、原始来源以及具体的数据收集方法来进行分类。
了解不同类型的研究数据是设计研究方法 (Research methodology) 的基础步骤。您选择的数据类型将决定您的收集方法、分析工具，并最终决定您如何解答研究问题。
以下是如何有效区分和分类研究数据的方法。
1. 按性质分类：定性数据与定量数据
区分数据最常见的方法是考察其核心特征。
- 定量数据 (Quantitative data) 以数字和图表的形式呈现，用于检验或证实理论和假设。此类数据高度结构化且可测量，涵盖年龄、考试分数、温度或调查量表等内容。
- 定性数据 (Qualitative data) 以文字、图像或观察结果的形式呈现，用于深入理解概念、思想或经验。此类数据是非结构化的，包括访谈记录、开放式问卷回答以及田野笔记 (Field notes)。
2. 按来源分类：一手数据与二手数据
您还可以根据数据的最初收集者来进行区分。
- 一手数据 (Primary data) 是您为特定研究项目亲自收集的原始信息。您可以通过定制问卷、焦点小组 (Focus groups) 或实验室实验来精确控制数据收集的各项参数。
- 二手数据 (Secondary data) 是他人已经收集并发布的信息。这包括政府人口普查记录、历史档案或已发表期刊文章中的数据集。如果您在获取二手数据时高度依赖现有文献，WisPaper 的学术搜索 (Scholar Search) 可以通过理解您的深层研究意图并过滤掉不相关的结果来简化这一过程，帮助您精准找到所需的研究文献。
3. 按收集方法分类
最后，研究数据通常还会根据其生成或获取的具体方式进行分类：
- 观察数据 (Observational data)： 通过实时观察获取。例如野生动物追踪、气象测量或人类行为研究。由于此类数据与特定的时间和地点紧密相关，通常无法重新生成。
- 实验数据 (Experimental data)： 在受控环境中收集，研究人员会主动操纵其中的变量。这是临床试验、化学实验室和心理学实验的标准数据类型。
- 模拟数据 (Simulation data)： 由模仿现实世界过程的计算机模型生成。当无法进行现实世界的测试时（例如预测气候变化或进行经济预测建模），研究人员就会使用此类数据。
- 衍生数据 (Derived data)： 通过对现有数据集进行汇编、提取或转换而生成的新数据。常见的例子包括荟萃分析 (Meta-analyses)、文本挖掘或从 2D 医学扫描图生成 3D 模型。
通过清晰地界定您的数据是定性还是定量、一手还是二手、观察性还是实验性，您可以为您的研究选择最严谨且最合适的分析方法。