Ein strukturierter Prozess zum Prüfen, Bereinigen, Validieren, Triangulieren und Interpretieren der während einer Evaluation erhobenen Daten, um verlässliche Erkenntnisse und Entscheidungen zu ermöglichen.

Prinzip

Datenqualität durch systematische Checks, Dokumentation von Anomalien, Quellentriangulation und explizite Bewertung von Verzerrungen und Unsicherheit priorisieren.

Demonstration

Ein geplantes Daten‑Review‑Meeting, in dem Antwortmuster von Befragungen, Protokolle zu fehlenden Daten, Verteilungen von Beobachtungsscores und Kodierzuverlässigkeit abgeglichen und Maßnahmen zur Klärung von Diskrepanzen zugewiesen werden.

Fehlanwendung

Selektives Herausgreifen günstiger Datensubsets, Ignorieren von Metadaten zu Erhebungsbedingungen oder oberflächliche Prüfungen, die systematische Messfehler nicht erkennen.

Konsequenz

Gründliche Datenüberprüfung führt zu glaubwürdigeren Ergebnissen, klareren Konfidenzbereichen und begründbaren Entscheidungen für Programm‑Anpassungen oder politische Empfehlungen.

Umkehrung

Auf Rohdaten ohne Überprüfung zu veröffentlichen oder Entscheidungen zu treffen, obwohl Fehler, Duplikate oder uneinheitliche Definitionen zwischen Quellen bestehen.

Abgrenzung

Deckt die Nachbearbeitung nach der Erhebung und die vorläufige Interpretation ab; ersetzt nicht rigorose statistische Modellierung, formale Peer‑Review oder die ursprüngliche Instrumentenentwicklung.

Semantische Spannung

Es besteht Spannung zwischen schnellen operativen Prüfungen für Programmverantwortliche und tiefgehenden methodischen Audits durch Statistiker; beides sind Überprüfungen, aber mit unterschiedlicher Tiefe und Zielsetzung.

Synthese

Die Evaluationsdaten‑Überprüfung ist eine iterative Qualitätssicherungsphase, die Rohbeobachtungen in verlässliche Analyse‑ und Berichtsinputs überführt, indem sie Fehler erkennt, Quellen abgleicht und Unsicherheiten dokumentiert.