批判性思考定性与定量研究

作为一名使用过多种方法的研究人员，我理解承认我们研究人员不选择方法的重要性；相反，研究问题决定了它.所以，你可以想象，当我听到本科生根据先入为主的观念设计他们的研究项目时，我会多么恼火，比如“定量更直接"或“定性更容易".除了这些断言实际上都不是事实之外，这些年轻的研究人员公然错过了良好研究的基本步骤之一:如果您对研究特定领域感兴趣，您必须了解该领域(即，通过阅读)，然后根据该阅读提出一个问题.

问题本身的性质将决定最合适的方法.

我过去曾与“完全"定性或“完全"定量的研究人员进行过辩论.根据他们排他性的理由，我可能会更深入地质疑，学习一些东西，然后继续前进，或者我可能会进一步辩论.有时，我会抛出一些有争议的陈述，看看反应如何.例如，“孤立地进行定性研究只不过是美化新闻业."这对你来说可能并不陌生.是的，定性是有缺陷的，但定量也是如此.

让我们试试这个:“数字不会说谎，只是解释它们的研究人员." quant中的同样问题?结果部分中的数字可能在客观上是正确的，但只有通过对报告它们的人的解释才能清楚地说明它们的意义.这不是批评，而是对于那些相信定量报告绝对客观的人的重要观察.与这种解释相关的主观性可能会遗漏一些对数字解释至关重要的东西，因为，嘿，我们只是人类.

因此，我喜欢定量研究，但我对此并不无理.假设我们已经评估了一项三臂 RCT——新的治疗干预对于增强“y"患者的“x"效果显着，效果显着.人们可能会得出这样的结论:这种干预是有效的，我们必须对其进行进一步研究以进一步支持其功效——这当然是一个很好的建议，与良好的研究实践和认识论理解一致.

但是，仅根据对数字的解释来盲目地推荐干预措施可能是值得怀疑的——想想人类参与者的 4、8、12 或 52 周干预中可能涉及的所有变量！认为所有变量都被考虑在内是愚蠢的——所以，这里有一个很好的例子，说明定性方法可能有用的地方.在干预结束时，研究人员可能会决定随机采访参与干预组的 20% 的队列，了解他们的经验以及该计划的优势和劣势.这一定性元素的发现可能有助于进一步解释影响，帮助初步解释，并将最初解释中缺失的新想法和概念带入生活.在这方面，在定量分析结束时注入定性方法已显示出其好处——干预评估的混合方法非常有用.

在那之前呢?好吧，假设我想开发另一种干预措施来增强“z"，但对此的研究很少，而且已经进行的研究质量不是最高的；此外，我们不知道人们对“z"的体验，甚至不知道与它相关的其他变量.

围绕“z"设计干预措施充其量不过是“开枪"(而且浪费资金).似乎有必要进行某种探索.这就是定性再次大放异彩的地方——让我们有机会从相关群体的角度探索“z"是什么.

当然，我们不能将研究结果一概而论；我们无法对“z"是什么做出明确的结论.但这些发现有助于为工作提供基础.例如，我们仍然不能说“z"是这个、那个或另一个，但它似乎可能与“a"、“b"和“c"相关联.因此，未来的研究应该调查“z"作为一个特定概念的性质，与“a"、“b"和“c"相关.同样，定性方法显示了它的价值.在前面的示例中，由于研究问题需要，因此使用了定性方法.

通过考虑上述关于 qual 和 quant 的潜在争议性陈述，我们被迫检查研究方法的优缺点(无论我们对特定方法的排他性如何).如果我们要批判性地思考寻找研究问题的答案，这将很有用.但仅仅考虑这些并不能让糟糕的研究实践摆脱困境.

例如，可靠的定性研究人员承认，普遍性不是他们研究的重点；然而，这并不能阻止一些不太可信的研究人员在不实际使用这个词的情况下尽可能概括地展示他们的“发现".这种做法应该不被接受——因此应该严格使用定性方法来寻找职业生涯，以试图找到人类状况的核心答案.所有这些研究人员所做的实际上是在职业生涯中探索，但从未真正发现任何东西(尽管提出了相反的观点，尽管避免使用“概括"一词).

同样，解决这个问题的方法是真正倾听您的研究问题告诉您的内容.最终，它将推荐一种定量方法.同样，“数字人"会不时被推荐一种定性方法——翻转上面的例子，也有类似的批评.再次，采用混合方法.

那么，这个论点的意义何在?

我同时进行这两种研究方法.我更喜欢哪个?很简单——无论哪一个最能帮助我回答我的研究问题.

我对定性方法有疑问吗?绝对——但我也有定量方法的问题！有这些问题是好的——这意味着您认识到工具的局限性，这增加了您在必要时“修复"、“锐化"或“更换"工具的机会.

因此，下次有人与您谈论将研究人员标记为一种或另一种类型时，请询问他们为什么会这样认为，询问他们认为您是谁，然后根据您自己对方法的看法和认识论.它可能只会帮助您成为更好的研究人员.