Analiza danych wtórnych i dokumentów jako materiał badawczy

Masz temat, promotor zaakceptował ogólny kierunek, ale utknąłeś przy pytaniu: „skąd ja właściwie wezmę dane?”. Ankieta brzmi prosto, dopóki nie trzeba zdobyć odpowiedzi; wywiady wydają się ciekawe, dopóki nie pojawia się problem rekrutacji rozmówców. Wtedy analiza danych wtórnych zaczyna wyglądać jak rozsądna droga: raporty już istnieją, statystyki są dostępne, dokumenty można pobrać, a materiał nie wymaga organizowania badań terenowych od zera. Problem polega na tym, że samo znalezienie plików nie tworzy jeszcze metody. W pracy licencjackiej lub magisterskiej trzeba pokazać, dlaczego właśnie te dane są właściwe, jak zostały dobrane, jak będą analizowane i czego nie pozwalają udowodnić.

Analiza danych wtórnych polega na systematycznym wykorzystaniu istniejących zbiorów danych lub dokumentów jako materiału badawczego. Dobrze zaplanowana praca pokazuje źródło danych, kryteria doboru, procedurę analizy, sposób interpretacji oraz ograniczenia wynikające z tego, że materiał nie został zebrany specjalnie na potrzeby Twojego tematu.

W tym przewodniku

• Czym jest analiza danych wtórnych i kiedy pasuje do pracy studenckiej?
• Czym różni się analiza danych wtórnych od analizy dokumentów jako metody badawczej?
• Jak wybrać istniejące dane lub dokumenty do badania?
• Jak zaprojektować metodologię badań opartych na danych zastanych?
• Jak analizować dane wtórne krok po kroku?
• Jak opisać wiarygodność i ograniczenia wykorzystania istniejących danych?
• Jakie błędy studenci najczęściej popełniają przy analizie danych wtórnych i dokumentów?
• Jak może wyglądać analiza danych wtórnych w różnych dyscyplinach?
• Jak sprawdzić, czy projekt jest gotowy do pisania?

Czym jest analiza danych wtórnych i kiedy pasuje do pracy studenckiej?

Analiza danych wtórnych to badanie danych, które zostały zebrane wcześniej przez kogoś innego albo w innym celu niż Twoja praca. Może obejmować statystyki publiczne, raporty instytucji, archiwa organizacji, bazy wyników, dokumenty programowe, treści medialne lub dane administracyjne. W pracy licencjackiej i magisterskiej sprawdza się wtedy, gdy pytanie badawcze da się odpowiedzieć na podstawie materiału już dostępnego.

Krótka definicja bez akademickiego nadmiaru

Dane wtórne to istniejące dane wykorzystane ponownie w nowym pytaniu badawczym. Nie tworzysz ich od podstaw, lecz oceniasz, czy nadają się do Twojego problemu, a potem analizujesz je według jasno opisanej procedury.

Przykład: urząd publikuje dane o bezrobociu w powiatach. Zostały zebrane do celów statystycznych i administracyjnych, ale student zarządzania może użyć ich do porównania lokalnych rynków pracy. Student pedagogiki może analizować publiczne dokumenty szkół dotyczące programów profilaktycznych. Student zdrowia publicznego może oprzeć pracę na raportach o zgłaszalności na badania przesiewowe.

Taka metoda nie jest „łatwiejszą wersją badań”. Jest inna. Zyskujesz dostęp do materiału bez rekrutacji uczestników, ale tracisz kontrolę nad tym, jak dane zostały pierwotnie zebrane, jak zdefiniowano zmienne i czego w zbiorze brakuje.

Kiedy ta metoda ma sens

Analiza danych wtórnych pasuje szczególnie wtedy, gdy temat dotyczy zjawisk już dokumentowanych przez instytucje, organizacje, szkoły, szpitale, sądy, firmy lub media. Jeśli interesuje Cię zmiana w czasie, porównanie regionów, treść dokumentów albo sposób komunikowania polityki organizacyjnej, istniejące materiały mogą być lepsze niż mała ankieta zebrana wśród znajomych.

Przed wyborem metody sprawdź trzy rzeczy. Po pierwsze, czy dane są dostępne legalnie i etycznie. Po drugie, czy odpowiadają na Twoje pytanie, a nie tylko „dotyczą podobnego tematu”. Po trzecie, czy potrafisz opisać procedurę analizy tak, aby promotor widział, że to badanie, a nie luźne streszczenie raportów.

Jeśli dopiero zawężasz temat, pomocny będzie schemat pokazany w tekście Lejek zawężający szeroki temat do jednego problemu badawczego. Przy danych wtórnych zawężenie jest szczególnie ważne, bo zbyt szeroki temat kończy się listą przypadkowych plików.

Czym różni się analiza danych wtórnych od analizy dokumentów jako metody badawczej?

Analiza danych wtórnych dotyczy szerszej kategorii istniejących materiałów, w tym zbiorów liczbowych, raportów i baz statystycznych. Analiza dokumentów jako metoda badawcza skupia się na treści dokumentów: ich zapisach, strukturze, języku, kategoriach, funkcjach i kontekście powstania. Obie metody mogą się łączyć, ale nie są tym samym.

Dane liczbowe, dokumenty i materiały mieszane

W praktyce studenckiej często pojawia się zamieszanie: „mam raporty, więc robię analizę danych wtórnych” albo „mam dokumenty, więc to na pewno analiza jakościowa”. Nie zawsze. Raport może zawierać dane liczbowe, które analizujesz statystycznie, ale może też być dokumentem, którego treść kodujesz tematycznie.

Analiza dokumentów metoda badawcza oznacza, że dokument sam staje się materiałem do analizy, a nie tylko źródłem informacji w tle. Możesz badać, jak uczelnie opisują wsparcie psychologiczne w regulaminach, jak firmy formułują polityki różnorodności albo jak samorządy przedstawiają cele strategii rozwoju.

Badania oparte na danych zastanych obejmują natomiast każde systematyczne badanie materiałów już istniejących. Mogą być ilościowe, jakościowe albo mieszane.

Porównanie na konkretnych przykładach

Sytuacja słabsza lub niejasna	Wersja mocniejsza i badawczo czytelna
„Przeanalizuję raporty o zdrowiu psychicznym studentów.”	„Porównam dane z trzech raportów uczelnianych z lat 2021–2025, kodując kategorie wsparcia psychologicznego i analizując zmianę zakresu usług.”
„W pracy użyję danych GUS o bezrobociu.”	„Zbadam zależność między stopą bezrobocia a udziałem osób z wyższym wykształceniem w 16 województwach w latach 2019–2024 na podstawie danych GUS.”
„Zrobię analizę dokumentów szkół.”	„Przeprowadzę jakościową analizę 20 programów wychowawczo-profilaktycznych szkół podstawowych pod kątem zapisów o cyberprzemocy.”
„Wykorzystam istniejące dane o pacjentach.”	„Na podstawie publicznych raportów NFZ opiszę różnice regionalne w korzystaniu z wybranych świadczeń ambulatoryjnych w latach 2020–2023.”

Ta tabela pokazuje najważniejszą różnicę: mocniejsza wersja nie tylko wymienia źródło, ale określa zakres, jednostkę analizy, czas, kryterium porównania i typ analizy.

Słaba i mocniejsza wersja pomysłu

Słaba wersja: „Moja praca będzie o tym, jak firmy dbają o pracowników, na podstawie dokumentów z internetu.”

Mocniejsza wersja: „Moja praca porówna, jak 10 dużych firm z branży IT opisuje benefity związane ze zdrowiem psychicznym pracowników w publicznych raportach ESG z lat 2022–2024.”

W drugiej wersji wiadomo, co jest materiałem, ile dokumentów planujesz zbadać, z jakiego okresu pochodzą i jakie kryterium analizy prowadzi pracę. Tego typu doprecyzowanie przydaje się także podczas tworzenia pytania badawczego; zobacz Lejek zawężający temat do pytania badawczego.

Jak wybrać istniejące dane lub dokumenty do badania?

Dobór materiału powinien wynikać z pytania badawczego, a nie z samej dostępności plików. Najpierw określ, czego chcesz się dowiedzieć, potem sprawdź, jakie dane lub dokumenty realnie pozwalają na odpowiedź. Dobre źródło ma jasne pochodzenie, znany zakres, opis metod zbierania danych i ograniczenia, które da się uwzględnić w pracy.

Kryteria wyboru materiału

Nie każdy raport z internetu jest materiałem badawczym. Może być przydatny w tle teoretycznym, ale nie musi nadawać się do analizy. Materiał badawczy powinien być możliwy do opisania: skąd pochodzi, kto go stworzył, kiedy, dla jakiego celu, według jakich zasad i co dokładnie zawiera.

Przy wyborze danych sprawdź:

• zakres czasowy, np. lata 2020–2024;
• zakres przestrzenny, np. województwa, powiaty, kraje, uczelnie;
• jednostkę analizy, np. dokument, szkoła, pacjent, region, firma, komunikat;
• kompletność materiału, np. czy brakuje części lat lub kategorii;
• porównywalność, np. czy definicje zmiennych nie zmieniły się w czasie;
• dostępność metadanych, czyli informacji o tym, jak zbiór powstał.

Metadane to opis danych: źródło, autor, rok, metoda zbierania, definicje zmiennych, zakres i format. Bez metadanych trudno obronić wiarygodność analizy.

Jak nie pomylić źródła z materiałem badawczym

W pracy akademickiej źródło może pełnić różne funkcje. Artykuł naukowy może budować teorię, raport może opisywać tło problemu, a dokument może stać się materiałem badawczym. Błąd pojawia się wtedy, gdy student miesza te role w jednym akapicie.

Jeśli piszesz: „Według raportu problem jest duży”, używasz raportu jako źródła informacji. Jeśli piszesz: „Koduję sposób definiowania problemu w 12 raportach”, raport staje się materiałem badawczym. Ta różnica wpływa na metodologię, wyniki i strukturę pracy.

Przy ocenie jakości źródeł pomoże tekst Ocena wiarygodności źródła naukowego. Przy analizie danych zastanych potrzebujesz podobnego nawyku, ale stosowanego nie tylko do artykułów naukowych, lecz także do raportów, baz i dokumentów instytucjonalnych.

Jak zaprojektować metodologię badań opartych na danych zastanych?

Metodologia powinna pokazać, jakie materiały analizujesz, dlaczego je wybrałeś, jak je porządkujesz i jak przechodzisz od materiału do wniosków. Przy badaniach opartych na danych zastanych szczególnie ważne są kryteria włączenia i wyłączenia materiałów. Bez nich analiza wygląda jak wybór tego, co akurat udało się znaleźć.

Elementy rozdziału metodologicznego

W pracy licencjackiej lub magisterskiej rozdział metodologiczny nie musi być przesadnie rozbudowany, ale musi być logiczny. W przypadku danych wtórnych powinien zawierać kilka stałych elementów.

Opisz cel badania, pytanie badawcze, typ materiału, źródła danych, kryteria doboru, okres analizy, procedurę kodowania lub obliczeń, sposób interpretacji oraz ograniczenia. Jeśli masz hipotezy, pokaż, które zmienne lub kategorie pozwalają je sprawdzić. Jeśli praca jest jakościowa, zamiast hipotez możesz użyć pytań szczegółowych i kategorii analitycznych.

Dobrym punktem odniesienia jest Schemat wyboru metodologii badań, zwłaszcza gdy nie wiesz, czy Twoja praca ma być ilościowa, jakościowa czy teoretyczno-analityczna.

Kryteria włączenia i wyłączenia

Kryteria włączenia określają, jakie materiały trafiają do analizy. Kryteria wyłączenia mówią, czego nie analizujesz i dlaczego. Te dwa elementy chronią Cię przed zarzutem przypadkowego doboru.

Przykład dla pracy z pedagogiki:

• włączone: programy wychowawczo-profilaktyczne publicznych szkół podstawowych z miast powyżej 100,000 mieszkańców, opublikowane w latach 2022–2025;
• wyłączone: szkoły niepubliczne, dokumenty bez daty publikacji, dokumenty niepełne, materiały promocyjne zamiast programów formalnych.

Przykład dla pracy z zarządzania:

• włączone: raporty ESG spółek notowanych na GPW z sektora bankowego za lata 2021–2024;
• wyłączone: skrócone broszury marketingowe, raporty bez sekcji pracowniczej, dokumenty publikowane tylko w formie prezentacji.

Takie kryteria są proste, ale bardzo dobrze porządkują badanie.

Jak analizować dane wtórne krok po kroku?

Analiza danych wtórnych zaczyna się od uporządkowania materiału, a dopiero potem przechodzi do interpretacji. Najpierw tworzysz katalog danych lub dokumentów, sprawdzasz ich kompletność, zapisujesz zmienne lub kategorie, a następnie wykonujesz analizę zgodną z pytaniem badawczym. Wyniki powinny wynikać z procedury, nie z luźnego przeglądania materiałów.

Procedura pracy z materiałem

Poniższy schemat możesz dostosować do danych liczbowych, dokumentów tekstowych lub materiału mieszanego.

1. Określ pytanie badawcze i jednostkę analizy.
2. Wypisz potencjalne źródła danych lub dokumentów.
3. Zastosuj kryteria włączenia i wyłączenia.
4. Utwórz tabelę materiału: źródło, rok, autor, typ, zakres, link lub lokalizacja.
5. Sprawdź kompletność i porównywalność materiałów.
6. Zdefiniuj zmienne, wskaźniki albo kategorie kodowania.
7. Przeprowadź analizę: statystyczną, porównawczą, tematyczną albo mieszaną.
8. Zapisuj decyzje analityczne, zwłaszcza zmiany w kategoriach.
9. Połącz wyniki z pytaniem badawczym i literaturą.
10. Opisz ograniczenia wynikające z materiału.

W danych liczbowych ważne są definicje zmiennych. W dokumentach ważne są kategorie kodowania. W obu przypadkach liczy się powtarzalność: czy inna osoba, czytając Twój opis, zrozumiałaby, jak doszedłeś do wyników.

Kodowanie dokumentów

Kodowanie to przypisywanie fragmentów materiału do ustalonych kategorii. Kategorie mogą powstać przed analizą na podstawie literatury albo w trakcie pierwszego czytania materiału, jeśli stosujesz podejście bardziej indukcyjne.

Przykład: analizujesz dokumenty uczelni dotyczące wsparcia studentów. Kategorie mogą obejmować: wsparcie psychologiczne, wsparcie finansowe, dostępność dla osób z niepełnosprawnościami, procedury kryzysowe, kontakt z administracją. Nie wystarczy napisać, że „dokumenty poruszają różne kwestie”. Trzeba pokazać, jak rozpoznajesz daną kategorię i jak liczysz lub interpretujesz jej obecność.

W pracy magisterskiej możesz dodać tabelę kodów z definicjami. W pracy licencjackiej czasem wystarczy krótszy opis, ale nadal powinien być konkretny.

Jak opisać wiarygodność i ograniczenia wykorzystania istniejących danych?

Wiarygodność danych wtórnych opisujesz przez ich pochodzenie, sposób zebrania, kompletność, aktualność i zgodność z pytaniem badawczym. Ograniczenia wynikają głównie z tego, że nie kontrolujesz pierwotnego procesu zbierania danych. Dobra praca nie ukrywa tych problemów, tylko pokazuje, jak wpływają na interpretację.

Pytania kontrolne do źródła danych

Przy każdym zbiorze lub dokumencie zadaj kilka prostych pytań. Kto stworzył materiał? W jakim celu? Czy autor opisuje metodę zbierania danych? Czy dane są aktualne wobec Twojego problemu? Czy zakres materiału pasuje do zakresu pracy? Czy są luki, które mogą zaburzyć wnioski?

Jeśli korzystasz z raportów instytucjonalnych, pamiętaj, że ich cel może być praktyczny, administracyjny lub promocyjny. Raport firmy o działaniach społecznych może być wartościowym dokumentem, ale nie jest neutralnym zapisem rzeczywistości. Strategia gminy może pokazywać deklarowane priorytety, lecz niekoniecznie realne efekty działań.

Trafność oznacza, że materiał rzeczywiście odpowiada na Twoje pytanie. Rzetelność oznacza, że dane zostały zebrane i opisane w sposób spójny. Aktualność oznacza, że materiał nie jest zbyt stary wobec badanego problemu.

Granice interpretacji

Najczęstszy problem polega na zbyt mocnych wnioskach. Jeśli analizujesz dokumenty uczelni, możesz pisać o tym, jak uczelnie formalnie opisują wsparcie studentów. Nie możesz automatycznie twierdzić, że studenci rzeczywiście takie wsparcie otrzymują albo że są z niego zadowoleni.

Jeśli wykorzystujesz dane wtórne w pracy magisterskiej o zdrowiu publicznym, np. raporty o liczbie porad specjalistycznych, możesz analizować dostępność świadczeń w dokumentach statystycznych. Nie możesz jednak bez dodatkowych danych wyciągać wniosku o jakości leczenia albo doświadczeniu pacjentów.

Tu przydaje się rozdzielenie trzech poziomów: co dane pokazują, czego sugerują, a czego nie pozwalają stwierdzić. Takie rozróżnienie dobrze łączy się z opisem zakresu i ograniczeń; zobacz Schemat granic badania: zakres, delimitacje i ograniczenia.

Jakie błędy studenci najczęściej popełniają przy analizie danych wtórnych i dokumentów?

Studenci najczęściej traktują istniejące dane jak gotową odpowiedź, zamiast jak materiał wymagający selekcji i procedury. Problemem bywa też mieszanie przeglądu literatury z analizą dokumentów, brak kryteriów doboru oraz wnioski wykraczające poza dane. Te błędy da się poprawić, jeśli wcześniej zapiszesz zakres, źródła, kategorie i ograniczenia.

Błąd 1: „wezmę wszystko, co znajdę”

Przykład studenta: „W pracy wykorzystam raporty, artykuły, strony internetowe i statystyki dotyczące migracji studentów.”

Korekta: Zamiast zbierać wszystko, określ korpus materiału. Na przykład: „Analizie poddam raporty trzech instytucji publicznych dotyczące mobilności studentów w latach 2019–2024 oraz dane statystyczne o liczbie wyjazdów w programach wymiany”. Taki zakres da się uzasadnić i sprawdzić.

Błąd 2: brak rozróżnienia między literaturą a materiałem

Przykład studenta: „Artykuły naukowe będą moimi dokumentami do analizy, bo opisują problem wypalenia zawodowego.”

Korekta: Artykuły naukowe najczęściej tworzą przegląd literatury, a nie materiał empiryczny. Mogą stać się materiałem tylko wtedy, gdy badasz same artykuły, np. sposób definiowania wypalenia w publikacjach z danego okresu. Jeśli chcesz pisać przegląd literatury, lepszy będzie układ tematyczny, taki jak w tekście Tematyczne klastry źródeł i luka badawcza.

Błąd 3: niejasne kategorie kodowania

Przykład studenta: „Sprawdzę, czy dokumenty szkół mówią o bezpieczeństwie uczniów.”

Korekta: „Bezpieczeństwo” trzeba rozbić na kategorie, np. cyberprzemoc, przemoc rówieśnicza, bezpieczeństwo fizyczne, procedury interwencji, profilaktyka zdrowia psychicznego. Wtedy analiza dokumentów nie będzie zbiorem wrażeń, tylko procedurą.

Błąd 4: wniosek silniejszy niż dane

Przykład studenta: „Raporty firm pokazują, że pracownicy są zadowoleni z benefitów.”

Korekta: Jeśli analizujesz raporty firm, możesz napisać: „Firmy deklarują określone typy benefitów i przedstawiają je jako element polityki pracowniczej”. Do zadowolenia pracowników potrzebujesz ankiet, wywiadów albo innych danych o doświadczeniach pracowników.

Błąd 5: brak informacji o pochodzeniu danych

Przykład studenta: „Dane pochodzą z internetu i zostały zestawione w tabeli.”

Korekta: Podaj instytucję, nazwę zbioru, rok publikacji, zakres, definicje zmiennych i datę dostępu, jeśli materiał może się zmieniać. Wykorzystanie istniejących danych bez opisu źródła osłabia całą metodologię.

Jak może wyglądać analiza danych wtórnych w różnych dyscyplinach?

Ta sama logika metody może działać w psychologii, zdrowiu publicznym, pedagogice, zarządzaniu lub prawie, ale materiał i wnioski będą inne. W każdej dyscyplinie trzeba dopasować jednostkę analizy, kategorie oraz granice interpretacji. Przykłady pomagają zobaczyć, że metoda nie polega na „opisaniu dokumentów”, lecz na zadaniu konkretnego pytania do istniejącego materiału.

Nauki społeczne i psychologia

W pracy z psychologii student może analizować publiczne raporty uczelni o wsparciu zdrowia psychicznego studentów. Pytanie badawcze mogłoby brzmieć: „Jakie formy wsparcia psychologicznego są deklarowane przez wybrane uczelnie publiczne w latach 2021–2025?”. Materiałem byłyby regulaminy, strony jednostek wsparcia, sprawozdania i programy profilaktyczne.

Taka praca nie mierzy poziomu dobrostanu studentów. Bada oficjalny sposób organizowania i komunikowania wsparcia. Kategorie mogą obejmować konsultacje indywidualne, grupy wsparcia, działania kryzysowe, edukację profilaktyczną i dostępność kontaktu.

Nauki o zdrowiu i pielęgniarstwo

W pracy z pielęgniarstwa lub zdrowia publicznego student może wykorzystać publiczne raporty o szczepieniach, zgłaszalności na badania przesiewowe albo korzystaniu ze świadczeń po wypisie ze szpitala. Przykład: analiza regionalnych różnic w liczbie porad pielęgniarskich środowiskowych dla osób starszych w latach 2020–2024.

Dane wtórne w pracy magisterskiej z takiego obszaru mogą pozwolić na porównanie województw lub trendów w czasie. Nie pozwolą jednak bezpośrednio opisać motywacji pacjentów, jeśli zbiór nie zawiera takich informacji. To trzeba jasno zaznaczyć w ograniczeniach.

Edukacja, zarządzanie i prawo

W pedagogice materiałem mogą być programy wychowawczo-profilaktyczne szkół. Student może badać, jak szkoły opisują cyberprzemoc, jakie procedury interwencji przewidują i czy dokumenty odwołują się do współpracy z rodzicami.

W zarządzaniu analiza może dotyczyć raportów ESG firm z jednej branży. Pytanie może brzmieć: „Jak spółki bankowe przedstawiają działania na rzecz dobrostanu pracowników w raportach za lata 2021–2024?”. W prawie student może analizować uzasadnienia wybranych orzeczeń pod kątem sposobu interpretowania konkretnego pojęcia prawnego, o ile zakres materiału jest realistyczny dla pracy magisterskiej.

W każdym przypadku metoda wymaga dyscypliny: materiał, kryteria, kategorie, analiza, ograniczenia.

Jak sprawdzić, czy projekt jest gotowy do pisania?

Projekt jest gotowy do pisania wtedy, gdy potrafisz jednym akapitem opisać problem, materiał, metodę analizy i granice wnioskowania. Jeśli nadal masz tylko „raporty z internetu” albo „dokumenty dotyczące tematu”, potrzebujesz doprecyzowania. Przed rozpoczęciem rozdziałów sprawdź, czy Twój plan da się przełożyć na konkretne tabele, kategorie lub porównania.

Minimalny test gotowości

Spróbuj uzupełnić zdanie: „W pracy analizuję [typ materiału] z [zakresu czasowego/przestrzennego], aby sprawdzić [pytanie badawcze], stosując [procedurę analizy], przy założeniu, że wyniki pozwalają mówić o [zakres wniosków], ale nie pozwalają mówić o [ograniczenie]”.

Przykład: „W pracy analizuję programy wychowawczo-profilaktyczne 20 szkół podstawowych z dużych miast, aby sprawdzić, jak opisują cyberprzemoc, stosując jakościowe kodowanie treści, przy założeniu, że wyniki pozwalają mówić o zapisach formalnych, ale nie pozwalają ocenić skuteczności działań w praktyce”.

Jeśli potrafisz napisać takie zdanie, masz rdzeń metodologii. Jeśli nie, prawdopodobnie brakuje Ci zakresu, jednostki analizy albo procedury.

Lista kontrolna przed dalszym pisaniem

Zanim przejdziesz dalej: lista kontrolna analizy danych wtórnych

• Mam jasno zapisane pytanie badawcze.
• Wiem, czy pracuję na danych liczbowych, dokumentach, czy materiale mieszanym.
• Określiłem jednostkę analizy, np. dokument, region, firma, szkoła, rok.
• Mam kryteria włączenia i wyłączenia materiałów.
• Znam źródło, autora, rok i zakres każdego zbioru lub dokumentu.
• Sprawdziłem, czy dane są kompletne i porównywalne.
• Zdefiniowałem zmienne, wskaźniki albo kategorie kodowania.
• Wiem, jak pokażę wyniki: tabela, porównanie, opis kategorii, wykres lub mapa tematyczna.
• Oddzielam literaturę naukową od materiału badawczego.
• Mam zapisane ograniczenia wynikające z wykorzystania istniejących danych.
• Potrafię wyjaśnić, czego moje dane nie pozwalają stwierdzić.

Polecane linki wewnętrzne

(Metadane systemu budowania — nie usuwaj tej sekcji)

• Lejek zawężający szeroki temat do jednego problemu badawczego
• Lejek zawężający temat do pytania badawczego
• Schemat wyboru metodologii badań
• Ocena wiarygodności źródła naukowego
• Schemat granic badania: zakres, delimitacje i ograniczenia
• Tematyczne klastry źródeł i luka badawcza