Eine systematische Überprüfung und Bewertung der gesammelten Evaluationsdaten, um Vollständigkeit, Validität, Konsistenz und Analyse‑ bzw. Berichtstauglichkeit zu prüfen.

Prinzip

Fehler erkennen und korrigieren, Datenherkunft und Transformationen dokumentieren und sicherstellen, dass analytische Annahmen durch die empirische Datenlage gestützt werden, bevor Schlussfolgerungen gezogen werden.

Demonstration

Bei einer Datenprüfung werden doppelte Teilnehmer‑IDs identifiziert, Score‑Bereiche mit Codebüchern abgeglichen, Muster fehlender Werte mit Einschreibungsprotokollen abgeglichen und Imputationsentscheidungen vor statistischer Modellierung dokumentiert.

Fehlanwendung

Oberflächliche Häufigkeitsprüfungen als ausreichend zu betrachten oder Reviews nach der Analyse (post hoc) durchzuführen, sodass entdeckte Probleme frühere Ergebnisse ungültig machen, statt sie zu verhindern.

Konsequenz

Eine gründliche Datenprüfung erhöht das Vertrauen in Analyseergebnisse, reduziert Nacharbeiten, verhindert irreführende Schlussfolgerungen und erleichtert transparente Berichterstattung gegenüber Stakeholdern.

Umkehrung

Das Überspringen einer formalen Datenprüfung und die Reliance auf Rohdaten‑Exporte kann die Erstanalysen beschleunigen, erhöht aber das Risiko von Verzerrungen, Analysefehlern und erforderlicher Korrektur‑Reanalyse.

Abgrenzung

Betrifft die Qualität und Eignung von Daten für Analyse und Bericht; sie führt keine kausalen Schätzungen durch und ersetzt keine methodische Begutachtung der Analysestrategie.

Semantische Spannung

Spannung zwischen schnellen Vorprüfungen für operative Entscheidungen und tiefgehenden Audits für publizierfähige Analysen: Erstere opfern Tiefe zugunsten Geschwindigkeit, letztere verlangen umfassende Dokumentation.

Synthese

Die Programm Evaluations-Datenüberprüfung ist eine Qualitätssicherungsphase, die Datenintegrität verifiziert und Entscheidungen dokumentiert, damit Analysen auf einer transparenten, begründbaren empirischen Grundlage beruhen.