Analýza sekundárních dat bez vlastního sběru: jak použít existující data a dokumenty jako důkazy

Máš téma, ale představa vlastního dotazníku, rozhovorů nebo terénního šetření se začíná rozpadat na čase, přístupu k respondentům a souhlasech, které už nestihneš vyřídit. Přitom kolem tvého tématu už existují výroční zprávy, otevřené statistiky, strategické dokumenty, soudní rozhodnutí, školní vzdělávací programy, zdravotnické metodiky nebo veřejné datové soubory. Problém není v tom, že by chyběl materiál. Problém je v tom, jak z něj udělat výzkum, ne jen popis toho, co jsi našel. Právě tady začíná analýza sekundárních dat: práce s existujícími daty musí mít jasnou otázku, výběrová pravidla, analytický postup a opatrné závěry.

Analýza sekundárních dat znamená využití již existujících datových souborů nebo dokumentů k zodpovězení nové výzkumné otázky. V bakalářské, diplomové nebo seminární práci je obhajitelná tehdy, když student vysvětlí původ dat, způsob výběru, metodu analýzy, limity a vztah mezi daty a tvrzeními. Nejde o snazší náhradu výzkumu, ale o jiný typ důkazní práce.

V tomto přehledu

• Co je analýza sekundárních dat a kdy se hodí pro seminární nebo diplomovou práci?
• Jaký je rozdíl mezi sekundárním výzkumem a analýzou dokumentů jako metodou?
• Jak poznat, zda jsou existující data dostatečně kvalitní?
• Jak formulovat výzkumnou otázku pro práci s existujícími daty?
• Jak navrhnout metodiku analýzy sekundárních dat krok za krokem?
• Jak se liší kvantitativní sekundární analýza a kvalitativní analýza dokumentů?
• Jaké chyby studenti nejčastěji dělají při analýze sekundárních dat?
• Jak napsat výsledky tak, aby data fungovala jako důkaz?
• Jak si před odevzdáním zkontrolovat analýzu sekundárních dat?

Co je analýza sekundárních dat a kdy se hodí pro seminární nebo diplomovou práci?

Analýza sekundárních dat je výzkumný postup, při kterém nepřipravuješ nový sběr dat, ale analyzuješ data nebo dokumenty vytvořené někým jiným. Hodí se, pokud existující materiál odpovídá tvé výzkumné otázce lépe než malý vlastní dotazník nebo několik uspěchaných rozhovorů. V práci musíš ukázat, že data nepoužíváš náhodně, ale jako promyšlený důkazní základ.

Krátká definice bez zbytečné teorie

Sekundární data jsou data, která už byla shromážděna před začátkem tvé práce. Mohou pocházet z veřejných statistik, výzkumných archivů, institucionálních databází, výročních zpráv, odborných dokumentů, školních dokumentů, legislativy nebo interních materiálů, ke kterým máš oprávnění.

Sekundární výzkum znamená, že na těchto existujících datech stavíš vlastní analytickou otázku. Neopisuješ původní závěry autorů dat; zkoumáš jiný vztah, časový vývoj, vzorec, argumentaci nebo institucionální změnu. Pokud například ministerstvo zveřejní data o absencích žáků, tvoje práce nemusí jen zopakovat tabulku. Může sledovat rozdíly mezi typy škol, obdobími nebo kraji a propojit je s literaturou o školní docházce.

Kdy je tento přístup vhodný

Sekundární data v diplomové práci dávají smysl hlavně tehdy, když je primární sběr obtížný, eticky citlivý nebo časově neproveditelný. Ve zdravotnickém tématu může být přístup k pacientům omezený, ale mohou existovat veřejné metodiky, anonymizované statistiky nebo auditní zprávy. V právu mohou být hlavním materiálem rozhodnutí soudů, důvodové zprávy nebo regulatorní dokumenty. V managementu může student analyzovat výroční zprávy firem, ESG reporty nebo strategické dokumenty obcí.

V bakalářské práci bývá výhodou zvládnutelný rozsah. Místo dotazníku s malým a nereprezentativním vzorkem může student použít menší, přesně vybraný soubor dokumentů. V diplomové práci se očekává hlubší metodické zdůvodnění: proč právě tato data, jak byla vybrána, jaká mají omezení a jak bude probíhat analýza.

Co sekundární analýza není

Sekundární analýza není rešerše literatury, i když se s ní často kombinuje. Literatura ti říká, jak odborníci téma vysvětlují; data a dokumenty ti poskytují materiál, na kterém ověřuješ, porovnáváš nebo rozvíjíš vlastní tvrzení. Pokud potřebuješ nejprve najít teoretické mezery a tematické směry, pomůže ti postup pro tematické shluky zdrojů a mezeru v literární rešerši.

Není to ani „vezmu pár grafů z internetu“. Každý graf, tabulka nebo dokument musí mít jasný vztah k otázce. Častý problém nastává ve chvíli, kdy student shromáždí příliš mnoho materiálu a kapitola výsledků pak připomíná inventář zdrojů. Akademická hodnota vzniká až analýzou: porovnáním, kódováním, interpretací, výpočtem, kategorizací nebo syntézou.

Jaký je rozdíl mezi sekundárním výzkumem a analýzou dokumentů jako metodou?

Sekundární výzkum je širší označení pro práci s daty, která už existují, zatímco analýza dokumentů je konkrétní metoda zaměřená na dokumenty jako zdroj významů, pravidel, argumentů nebo institucionálních postupů. Můžeš analyzovat statistický dataset, soubor dokumentů, nebo obojí. Rozdíl je hlavně v povaze dat a v tom, jak je zpracováváš.

Data nejsou totéž co dokumenty

Datový soubor obvykle obsahuje proměnné: věk, pohlaví, region, počet odpovědí, skóre, cenu, počet návštěv, výsledek testu. Analýza může být kvantitativní, například popisná statistika, porovnání skupin nebo trend v čase. Dokument naproti tomu obsahuje text, strukturu a argumentaci. Analýza dokumentů metoda používá kódování témat, kategorií, rámců, pojmů nebo změn v obsahu.

Příklad ze sociální psychologie: student zkoumá, jak české univerzity komunikují duševní zdraví studentů. Datovým zdrojem mohou být počty poradenských intervencí podle výročních zpráv. Dokumentovým zdrojem mohou být webové stránky poraden, strategické plány a metodiky krizové pomoci. První materiál umožní popsat trend, druhý ukáže, jak instituce problém definují.

Porovnání dvou přístupů na konkrétních příkladech

Slabší pojetí	Silnější pojetí
„Popíšu statistiky nezaměstnanosti mladých lidí v ČR.“	„Porovnám vývoj nezaměstnanosti absolventů ve věku 20–29 let podle krajů v letech 2018–2024 a vztáhnu ho k regionální dostupnosti pracovních míst.“
„Podívám se na školní dokumenty o inkluzi.“	„Analyzuji, jak pět školních vzdělávacích programů vymezuje podpůrná opatření pro žáky s odlišným mateřským jazykem.“
„Použiji výroční zprávy nemocnic.“	„Z výročních zpráv tří nemocnic za roky 2019–2023 vyhodnotím, jak se mění ukazatele fluktuace sester a jak jsou personální problémy vysvětlovány.“
„Budu pracovat se soudními rozhodnutími.“	„Provedu obsahovou analýzu rozhodnutí správních soudů týkajících se přístupu k informacím a rozliším typy argumentů používaných soudem.“

Tabulka ukazuje hlavní rozdíl: slabší verze pouze jmenuje zdroj, silnější verze určuje jednotku analýzy, časové období, srovnávací kritérium a očekávaný typ výstupu.

Kombinace obou zdrojů

V mnoha pracích je nejlepší kombinace dat a dokumentů. V pedagogice může student analyzovat výsledky škol v jednotných přijímacích zkouškách a zároveň dokumenty škol, které popisují přípravu žáků. V managementu lze spojit finanční ukazatele firmy s analýzou strategických zpráv. Ve zdravotnictví lze porovnat veřejné statistiky o proočkovanosti s informačními materiály zdravotních pojišťoven.

Taková kombinace ale vyžaduje jasnou logiku. Nestačí přidat dokumenty „pro kontext“. Musíš vysvětlit, jak se jednotlivé zdroje doplňují: statistika ukazuje vývoj, dokumenty vysvětlují institucionální reakce; dokumenty ukazují pravidla, data ukazují jejich praktický dopad.

Jak poznat, zda jsou existující data dostatečně kvalitní?

Existující data jsou použitelná tehdy, když znáš jejich původ, rozsah, způsob vzniku, omezení a vztah k vlastní výzkumné otázce. Kvalita neznamená jen „zdroj vypadá důvěryhodně“, ale také to, že data měří to, co potřebuješ zkoumat. Pokud se proměnné, období nebo definice neshodují s tvým cílem, ani oficiální dataset nemusí být vhodný.

Původ, účel a autor dat

První otázka zní: proč data vznikla? Statistiky Českého statistického úřadu, Eurostatu nebo ministerstev vznikají pro veřejné a správní účely. Výroční zprávy vznikají mimo jiné pro prezentaci instituce. Interní firemní dokumenty mohou sledovat strategické zájmy organizace. Soudní rozhodnutí vznikají k řešení konkrétních sporů, ne jako sociologická data.

To neznamená, že některý typ zdroje je automaticky špatný. Znamená to, že musíš rozumět jeho perspektivě. Pokud analyzuješ výroční zprávy nemocnic, bereš v úvahu, že nemocnice mohou zdůrazňovat úspěchy a formulovat problémy opatrným jazykem. Pokud analyzuješ otevřený dataset o dopravních nehodách, kontroluješ, jak je definována nehoda, lokalita, závažnost a časový údaj.

Kontrolní otázky pro výběr dat

Před zařazením dat do práce si polož několik konkrétních otázek:

1. Kdo data vytvořil a za jakým účelem?
2. Jaké období, populaci nebo instituci data pokrývají?
3. Jak jsou definovány hlavní proměnné nebo kategorie?
4. Chybí v datech hodnoty, roky, regiony nebo typy případů?
5. Je možné ověřit metodiku sběru?
6. Je použití dat právně a eticky přijatelné?
7. Odpovídá úroveň detailu tvé výzkumné otázce?

Pokud na dvě nebo tři otázky neumíš odpovědět, není to automatický zákaz použití. Je to signál, že potřebuješ zúžit otázku, přiznat limit nebo najít lepší zdroj.

Důvěryhodnost dokumentů a zdrojů

U dokumentů se neptáš jen na pravdivost, ale také na roli dokumentu. Strategický plán obce říká, co obec plánuje a jak problém rámuje; neříká přímo, co se reálně stalo. Tisková zpráva ukazuje oficiální komunikaci; auditní zpráva může poskytovat jiný pohled. Metodický pokyn vymezuje pravidla; rozhovor s pracovníkem by ukázal praxi, ale pokud rozhovory neděláš, nesmíš tvrdit, že znáš skutečné chování aktérů.

Při práci s odbornými texty, na které se odkazuješ v metodice nebo teorii, se hodí samostatně ověřovat DOI, časopis a citační vazby. Praktický postup najdeš v článku Ověřování odborných zdrojů přes DOI a citační vazby.

Jak formulovat výzkumnou otázku pro práci s existujícími daty?

Výzkumná otázka musí vycházet z toho, co existující data skutečně umožňují zjistit. Nesmí slibovat kauzální vysvětlení, pokud máš jen popisné statistiky nebo dokumenty bez informací o dopadu. Dobrá otázka propojí téma, jednotku analýzy, období, zdroj dat a typ analytické operace.

Slabá a silnější formulace otázky

Slabé: „Jak sociální sítě ovlivňují psychické zdraví studentů?“
Silnější: „Jak české veřejné univerzity ve svých strategických a poradenských dokumentech v letech 2020–2025 vymezují rizika spojená s digitální zátěží studentů?“

Slabá otázka slibuje vliv, který by vyžadoval primární data, měření duševního zdraví a kontrolu dalších faktorů. Silnější otázka odpovídá dokumentové analýze: zkoumá vymezení rizik v konkrétních dokumentech za konkrétní období. Neříká, že dokumenty dokazují skutečný stav studentů; ukazuje, jak instituce problém popisují.

Vztah mezi otázkou a daty

Práce s existujícími daty často selhává tehdy, když je otázka napsaná dřív než kontrola zdrojů. Student chce zkoumat „dopad“, ale má jen strategické dokumenty. Chce analyzovat „postoje“, ale má jen návštěvnost webu. Chce porovnávat školy, ale dokumenty nejsou mezi školami srovnatelné.

Lepší postup je obousměrný. Nejprve načrtni téma, potom ověř dostupná data a nakonec otázku uprav podle toho, co data unesou. Pokud se otázka stále rozšiřuje, pomůže ti postup pro zúžení tématu do jedné výzkumné otázky.

Příklady z různých oborů

Ve zdravotnické nebo ošetřovatelské práci může otázka znít: „Jak se v metodických dokumentech českých nemocnic popisuje prevence pádů u pacientů nad 65 let?“ Tady není cílem měřit počet pádů, pokud nemáš klinická data. Cílem je porovnat obsah doporučení, odpovědnosti personálu a způsoby prevence.

V managementu může student zkoumat: „Jak vybrané české banky ve výročních zprávách za roky 2021–2024 prezentují rizika spojená s kybernetickou bezpečností?“ V právu: „Jak správní soudy argumentují při posuzování nepřiměřenosti délky řízení ve vybraných rozhodnutích?“ V pedagogice: „Jak základní školy v dokumentech pro rodiče vymezují pravidla pro používání mobilních telefonů?“

Jak navrhnout metodiku analýzy sekundárních dat krok za krokem?

Metodika musí čtenáři ukázat, odkud data pocházejí, proč byla vybrána, jak byla upravena a jakým postupem byla analyzována. Nestačí napsat „použil/a jsem sekundární data“. Potřebuješ popsat výzkumný design tak, aby jiný čtenář rozuměl logice výběru a mohl posoudit spolehlivost závěrů.

Postup od tématu k analytickému souboru

1. Vymez téma a předběžnou výzkumnou otázku.
2. Sepiš možné zdroje dat: databáze, výroční zprávy, dokumenty, registry, archivy.
3. Ověř dostupnost, licence, úplnost a časové pokrytí.
4. Stanov kritéria zařazení a vyřazení zdrojů.
5. Vytvoř analytický soubor, například seznam dokumentů nebo tabulku datasetů.
6. Zvol analytickou techniku: popisná statistika, trendová analýza, obsahová analýza, tematické kódování.
7. Popiš limity dat ještě před výsledky, ne až po nich.
8. Propoj výsledky s literaturou a výzkumnou otázkou.

Tento postup chrání práci před dojmem, že zdroje byly vybrány podle toho, co se zrovna hodilo. Pokud si nejsi jistý/á, zda zvolit kvantitativní, kvalitativní nebo teoretický design, navazuje na to přehled Pět kroků volby metodologie výzkumu.

Kritéria výběru a vyřazení

Kritéria musí být viditelná a odůvodněná. Například: „Do analýzy byly zařazeny výroční zprávy tří fakultních nemocnic za roky 2019–2023, pokud byly veřejně dostupné na webu instituce a obsahovaly samostatnou část věnovanou personálním otázkám.“ Vyřadit můžeš dokumenty bez relevantní části, duplikáty, dokumenty mimo období nebo zdroje bez ověřitelného původu.

U datasetů můžeš stanovit kritéria jako jednotná metodika sběru, srovnatelná definice proměnných, úplnost časové řady nebo dostupnost metadat. Metadata jsou informace o datech: kdo je vytvořil, kdy, jak, pro jakou populaci a s jakými proměnnými. Bez metadat se zvyšuje riziko, že budeš interpretovat čísla mimo původní kontext.

Kapitola metodiky v akademické práci

Metodická kapitola může mít jednoduchou strukturu: výzkumný design, zdroje dat, výběr dat, příprava dat, analytický postup, etické aspekty a limity. U dokumentové analýzy přidej jednotku analýzy: celý dokument, kapitola, odstavec, rozhodnutí, výrok, kategorie nebo téma. U kvantitativních dat přidej proměnné, způsob čištění dat a zvolený typ výpočtu.

Dobře napsaná metodika neomlouvá slabá data. Naopak ukazuje, co data dovolují a co už by bylo přestřelené tvrzení. Pokud z výročních zpráv zjistíš, jak instituce mluví o problému, nepiš, že jsi prokázal/a reálné příčiny problému.

Jak se liší kvantitativní sekundární analýza a kvalitativní analýza dokumentů?

Kvantitativní sekundární analýza pracuje hlavně s číselnými proměnnými, zatímco kvalitativní analýza dokumentů pracuje s významy, kategoriemi, argumenty a způsoby formulace. Obě varianty mohou být akademicky silné, ale každá odpovídá na jiný typ otázky. Výběr metody musí odpovídat datům, ne osobní preferenci studenta.

Kvantitativní varianta

Kvantitativní analýza sekundárních dat se hodí, když máš srovnatelné údaje za skupiny, roky, regiony nebo instituce. Můžeš sledovat četnosti, průměry, procenta, trendy, rozdíly nebo vztahy mezi proměnnými. V bakalářské práci často stačí pečlivá popisná analýza, pokud je dobře zasazená do literatury. V diplomové práci může být vhodné přidat složitější testování, ale jen pokud tomu odpovídá výzkumný design a kvalita dat.

Příklad ze zdravotnických věd: student analyzuje veřejně dostupné statistiky hospitalizací seniorů po pádech v krajích za pět let. Může porovnat vývoj počtu případů, přepočet na populaci seniorů a rozdíly mezi kraji. Nemůže ale bez dalších dat tvrdit, že konkrétní preventivní program způsobil pokles.

Kvalitativní dokumentová varianta

Analýza dokumentů metoda se hodí, když chceš vědět, jak instituce, zákony, školy, firmy nebo organizace formulují problém. Místo proměnných pracuješ s kódy a kategoriemi. Kód je označení pro opakující se významový prvek v textu, například „odpovědnost jednotlivce“, „institucionální prevence“ nebo „riziko nedostatku personálu“. Kategorie je širší skupina souvisejících kódů.

Příklad z pedagogiky: student analyzuje školní řády deseti základních škol a sleduje, jak vymezují používání mobilních telefonů. Kódy mohou být „úplný zákaz“, „použití se souhlasem učitele“, „sankce“, „výjimka ze zdravotních důvodů“ a „digitální výuka“. Výsledkem není statistika celé české školské soustavy, ale popis vzorců ve vybraném souboru dokumentů.

Smíšené pojetí bez chaosu

Kombinovat čísla a dokumenty lze, ale musí být jasné, která část odpovídá na kterou podotázku. Například v business tématu můžeš nejprve porovnat finanční ukazatele firem a potom analyzovat, jak stejné firmy ve zprávách vysvětlují změny strategie. Číselná část ukazuje vývoj; dokumentová část ukazuje interpretaci a komunikaci.

Problém vzniká, když student přidá dokumenty jen proto, aby práce vypadala delší. Každý zdroj musí mít funkci. Pokud dokument neodpovídá na otázku, patří spíš do kontextu nebo rešerše, ne do datového souboru.

Jaké chyby studenti nejčastěji dělají při analýze sekundárních dat?

Nejčastější chyby vznikají z toho, že student zamění dostupnost dat za vhodnost dat. To, že je dokument veřejný nebo dataset snadno stažitelný, ještě neznamená, že odpovídá výzkumné otázce. Chyby se obvykle týkají příliš širokého cíle, nejasného výběru zdrojů, přehnaných závěrů a slabě popsané metodiky.

Konkrétní chyby a jejich oprava

1. Slibování kauzality bez dat o příčinách
   Studentský příklad: „Dokážu, že online výuka zhoršila výsledky žáků.“
   Oprava: Pokud máš jen veřejné výsledky testů a školní dokumenty, formuluj otázku opatrněji: „Jak se změnily výsledky testů v daném období a jak školy dokumentově popisovaly přechod na online výuku?“

2. Výběr dokumentů podle pohodlné dostupnosti
   Studentský příklad: „Vybral/a jsem dokumenty, které jsem našel/našla na webu.“
   Oprava: Nahraď to kritérii: typ dokumentu, období, instituce, jazyk, dostupnost, relevance k otázce a důvod vyřazení ostatních materiálů.

3. Míchání různých typů zdrojů bez logiky
   Studentský příklad: „Použiji statistiky, články, blogy, výroční zprávy a rozhovory z médií.“
   Oprava: Rozděl zdroje podle funkce. Odborné články patří do literatury, statistiky do dat, výroční zprávy do dokumentové analýzy a mediální rozhovory jen tehdy, pokud jsou součástí jasně definovaného korpusu.

4. Interpretace dokumentu jako reality
   Studentský příklad: „Firma klade důraz na udržitelnost, protože to uvádí ve výroční zprávě.“
   Oprava: Piš přesněji: „Výroční zpráva prezentuje udržitelnost jako strategickou prioritu.“ To je tvrzení, které dokument skutečně dokládá.

5. Chybějící popis úpravy dat
   Studentský příklad: „Data jsem zpracoval/a v Excelu.“
   Oprava: Uveď, jaké proměnné jsi ponechal/a, jak jsi řešil/a chybějící hodnoty, jak jsi sjednotil/a období a jaké výpočty jsi provedl/a.

Proč jsou tyto chyby vidět při obhajobě

Vedoucí nebo oponent se často ptá na nejkratší cestu mezi daty a závěrem: „Z čeho přesně to plyne?“ Pokud odpověď zní „je to tam vidět“, metodika je slabá. Potřebuješ umět ukázat konkrétní tabulku, kód, kategorii, dokument nebo výpočet.

U sekundárního výzkumu je také snadné převzít jazyk původního zdroje. Když ministerská zpráva označí opatření za „efektivní“, tvoje práce nesmí automaticky tvrdit totéž. Můžeš napsat, že dokument opatření jako efektivní prezentuje, a pak posoudit, zda k tomu dokument poskytuje důkazy.

Jak napsat výsledky tak, aby data fungovala jako důkaz?

Výsledková kapitola musí spojit otázku, data a analytický postup do čitelné argumentace. Nejde o katalog grafů ani dlouhé citace z dokumentů. Každý výsledek má odpovídat na část výzkumné otázky a ukázat, jak konkrétní data podporují dané tvrzení.

Struktura výsledků podle podotázek

Nejpraktičtější je řadit výsledky podle podotázek nebo analytických kategorií. Pokud zkoumáš, jak školy upravují používání mobilních telefonů, kapitoly mohou být: typ omezení, výjimky, sankce, vzdělávací využití a komunikace s rodiči. U kvantitativní práce mohou být části podle proměnných, období nebo skupin.

Každá část by měla začít krátkým tvrzením a pokračovat důkazem. Například: „Ve většině analyzovaných školních řádů je telefon vymezen primárně jako rušivý předmět, ne jako výuková pomůcka.“ Potom přichází tabulka kódů, četnosti výskytu nebo ukázky formulací. Nakonec vysvětlíš, co to znamená ve vztahu k literatuře.

Práce s citacemi z dokumentů

Citace z dokumentu má být důkaz, ne dekorace. Nepoužívej dlouhé pasáže, které čtenář musí interpretovat za tebe. Vyber krátkou část a vysvětli, jak souvisí s kódem nebo kategorií. Pokud porovnáváš více dokumentů, raději ukaž vzorec napříč souborem než jednu zajímavou větu.

U právních dokumentů nebo soudních rozhodnutí pracuj zvlášť opatrně. Rozlišuj výrok, odůvodnění, právní argument a skutkové okolnosti. Když analyzuješ argumentaci soudů, nepiš obecně „soudy podporují transparentnost“, pokud jsi ve skutečnosti našel/našla tři typy argumentů ve vybraných rozhodnutích.

Propojení výsledků s literaturou

Výsledky nemají opakovat rešerši, ale mají s ní mluvit. Pokud literatura tvrdí, že instituce často přesouvají odpovědnost na jednotlivce, můžeš ukázat, zda se tento vzorec objevuje i ve tvých dokumentech. Pokud odborné zdroje popisují rostoucí význam prevence v ošetřovatelství, můžeš porovnat, zda metodiky nemocnic skutečně obsahují konkrétní preventivní postupy.

Dobré propojení vyžaduje, aby literární rešerše nebyla jen seznam autorů. Pokud potřebuješ převést zdroje do argumentu, navazuje na to postup Propojování zdrojů do syntézy literatury.

Jak si před odevzdáním zkontrolovat analýzu sekundárních dat?

Před odevzdáním zkontroluj hlavně soulad mezi otázkou, daty, metodou a závěry. Pokud každá část práce slibuje něco jiného, sekundární analýza bude působit jako náhodný sběr materiálů. Kontrola má odhalit především přehnané závěry, nejasný výběr dat a chybějící metodické kroky.

Rychlý test logiky práce

Vezmi výzkumnou otázku a podtrhni klíčová slova: kdo, co, kde, kdy, podle čeho. Potom projdi metodiku a ověř, zda ke každému slovu existuje odpovídající datový zdroj. Pokud otázka obsahuje „změnu v čase“, musíš mít časové období. Pokud obsahuje „porovnání“, musíš mít srovnatelné jednotky. Pokud obsahuje „argumentaci“, musíš mít dokumenty vhodné pro analýzu textu.

Stejný test použij na závěr. Každé silné tvrzení by mělo mít oporu v datech. Pokud závěr říká víc, než výsledky ukázaly, přeformuluj ho. Akademická opatrnost nepůsobí slabě; působí přesně.

Než budeš pokračovat: kontrolní seznam pro analýzu sekundárních dat

• Výzkumná otázka odpovídá tomu, co existující data skutečně umožňují zjistit.
• V práci je jasně uvedeno, odkud data nebo dokumenty pocházejí.
• Kritéria zařazení a vyřazení zdrojů jsou konkrétní a obhajitelná.
• Je popsáno období, instituce, populace nebo soubor dokumentů.
• U datasetů jsou vysvětleny hlavní proměnné a případné chybějící hodnoty.
• U dokumentů je určena jednotka analýzy a způsob kódování.
• Metodika rozlišuje mezi odbornou literaturou a analyzovanými daty.
• Výsledky jsou řazené podle podotázek, kategorií nebo proměnných.
• Závěry nepřekračují možnosti dat a nepředstírají kauzalitu bez důkazů.
• Limity výzkumu jsou konkrétní, ne jen obecná věta o nedostatku času.
• Etické a právní otázky použití dat jsou stručně vyřešeny.
• Citace, tabulky a přílohy umožňují dohledat použité zdroje.

Co upravit jako první

Pokud nemáš čas na velké přepisování, začni metodikou a výzkumnou otázkou. Právě tam se nejrychleji projeví, jestli práce stojí na jasném designu. Potom uprav výsledky tak, aby každá část odpovídala jedné podotázce. Nakonec projdi závěr a smaž nebo zmírni tvrzení, která data přímo nedokládají.

U seminární práce může být rozsah menší, ale logika je stejná. U diplomové práce se očekává pečlivější zdůvodnění a viditelnější práce s limity. V obou případech platí, že sekundární data nejsou nouzové řešení. Při dobrém návrhu mohou být přesnější než rychle nasbíraná primární data s malým vzorkem.

Doporučené interní odkazy

(Metadata pro sestavovací systém — neodstraňovat tuto sekci)

• Tematické shluky zdrojů a mezera v literární rešerši
• Ověřování odborných zdrojů přes DOI a citační vazby
• Zúžení tématu do jedné výzkumné otázky
• Pět kroků volby metodologie výzkumu

---