Datenverarbeitung Methoden

Nach der Phase der Datenerhebung, z.B. durch Geländearbeit, Analytik oder Studien folgt der eigentliche Hauptteil der Arbeit: die Auswertung, Verarbeitung und Darstellung der Daten. In dieser rubrik findet ihr alles was ihr rund ums Thema "Datenverarbeitung" beachten müsst inklusive Tipps und Anleitungen Datenverarbeitung und Darstellung allgemein. Hier findet ihr aber auch Hinweise und Anleitungen zu speziellen, in den Geowissenschaften relevanten Fragestellungen.

Achtung:
Um eine Vergleichbarkeit mit anderen wissenschaftlichen Daten zu schaffen können Daten oft nicht direkt geplottet werden sondern müssen müssen erst noch nach genau vorgegebenen Kriterien bearbeitet werden.

Für viele klassische Diagramme, wie z.B. das TAS zur Klassifizierung von Vulkaniten gibt es genaue Vorgaben unter welchen Bedingungen diese Diagramme angewendet werden dürfen. Aber auch chemische Analysen von Mineralen müssen erst auf Formeleinheiten umgerechnet werden um sie klassifizieren und bewerten zu können.

Datenauswertung

Eine Sammlung von einigen wichtigen Datenverarbeitungsprogramme ist hier vorhanden. Ihre Vor- und Nachteile, sowie die Anwendung nach Analysemethoden oder auch nach Anwendungsgebiet, z.B. Geländedaten , helfen dir das richtig Programm für deine Zwecke zu finden.

Datenorganisation

Datenorganisation ist ein wichtiger Teil deiner Arbeit. Wenn du von Anfang an alles gut organisierst, durch z.B. Dateibenennung, Strukturierung der Datenablage und Organisation des Workflows, sparst du dir später viel Zeit und keine Daten gehen verloren.

Klassifikation und Diagramme

Für die Interpretation deiner Daten hilft es oftmals sich verschiedene Diagramme zu vergleichen. Anhand von verschiedenen Klassifikationsmodellen kannst du deine Daten unterschiedlich betrachten.

Bildbearbeitungsprogramme

Hier findest du eine Zusammenfassung von verschiedenen Bildbearbeitungsprogrammen, die dir helfen deine Abbildungen zu verbessern und in deine Arbeit einzubinden.

Fehlerbetrachtung

Für die Interpretation und Vergleichbarkeit deiner Daten ist es wichtige die Summe aller Fehler zu berücksichtigen, damit künstliche Trends nicht überinterpretiert werden.