zisky:
- Schopnost zdůvodnit, zda výzkumná otázka skutečně vyžaduje smíšené metody
- Schopnost transparentně postavit kvantitativní a kvalitativní zjištění vedle sebe a interpretovat je jako jedno zjištění bez zakrývání rozporů
- Schopnost vyhnout se falešné triangulaci kontrolou, zda jsou zdroje skutečně nezávislé
Společenské události často nelze plně pochopit jedinou optikou. Může být nutné měřit jev numericky (kolik lidí, v jakém poměru) a porozumět mu do hloubky (proč, jak). Přesně to jsou smíšené metody: vědomé kombinování kvantitativních a kvalitativních přístupů ve stejném výzkumu. Úzce související koncept je triangulace – testování robustnosti nálezu křížovou kontrolou stejné otázky s různými zdroji dat, metodami nebo perspektivami. V této lekci se naučíte používat umělou inteligenci při plánování hybridního návrhu, kombinování různých typů dat a křížové validaci zjištění.
Síla smíšené metody spočívá v tom, že kde je jedna metoda slabá, druhá je silná. Průzkum vám dává „prevalenci“, ale ne „proč“; rozhovor se zabývá otázkou „proč“, ale neříká, na kolik lidí se vztahuje. Když použijete obojí dohromady, získáte obraz, který je široký i hluboký. Umělá inteligence je zde obzvláště užitečná, protože vám pomáhá umístit data v různých formátech (tabulky čísel a textové přepisy) vedle sebe a uspořádaně se ptát „podporuje se nebo si odporuje“? Ale konečná syntéza – úsudek o tom, „co spolu tyto dva zdroje říkají“ – je na vás.
Krok za krokem: nastavení hybridního designu
1. Uveďte, proč je smíšený. Smíšené metody nejsou zvoleny „protože je to trendy“, ale protože vaše výzkumná otázka vyžaduje šířku i hloubku. AI vám pomůže zjistit, zda vaše otázka skutečně vyžaduje míchání.
2. Vyberte řazení. Je to nejprve kvantitativní, pak kvalitativní (najít čísla, pak prohloubit „proč“ pomocí rozhovorů), nebo je to nejprve kvalitativní a potom kvantitativní (objevení témat, poté měření jejich prevalence)? AI vysvětluje logiku každého návrhu.
3. Definujte přípojné body. V jakém okamžiku se tyto dva datové typy setkají? Například pozvání skupiny, která v průzkumu udělila nízké skóre, k rozhovoru. AI navrhuje tyto strategie připojení.
4. Vytvořte triangulační plán. S kolika různými zdroji ověříte stejné zjištění? AI vytváří kontrolní seznam pro otázku "který sekundární zdroj by mohl podpořit toto tvrzení?"
5. Neskrývejte rozpory, vysvětlujte je. Kvantitativní a kvalitativní zjištění jsou někdy v rozporu; To není problém, to je zjištění. AI označuje rozpor; Vaším úkolem je to interpretovat.
Pozor: Triangulace není "udělat dvakrát stejnou chybu." Pokud oba vaše zdroje pocházejí ze stejného zkresleného vzorku, budete vyvedeni z omylu tím, že se navzájem „potvrzují“. Skutečná triangulace je překrýváním skutečně nezávislých zdrojů.
tři mini pouzdra
Případ 1 – Číslo a příběh sloučeny. Jeden tým zjistil „nízkou důvěru sousedství“ v průzkumu mezi 400 lidmi v jedné čtvrti (38 %). Poté v 15 rozhovorech zkoumal „proč“. Když YZ postavila tabulku průzkumu a témata rozhovorů vedle sebe, ukázalo se, že za nízkou důvěrou vyčnívalo téma „rychlé populační změny“. Převaha čísel dala důvod k rozhovoru.
Případ 2 – Rozpor se změnil v objev. V průzkumu uvedlo 72 % lidí „recykluji“; Když ale ve většině rozhovorů šel do detailů, vysvětlil, že to vlastně dělal nepravidelně. AI tento rozpor označila. Tým to interpretoval jako „sociální předpojatost“ (tendence lidí dávat odpověď, která bude schválena); Rozpor byl zjištěním, které nebylo možné vidět pouze v průzkumu.
Případ 3 – Zjištěna falešná triangulace. Výzkumník našel stejný výsledek ve dvou různých online průzkumech a myslel si, že je „ověřený“. Když jsem se zeptal AI na design, ukázalo se, že oba průzkumy rekrutovaly účastníky ze stejné skupiny sociálních médií. Zdroje nebyly nezávislé; "triangulace" byla ve skutečnosti opakováním stejného zkreslení.
Čtyři kopírovatelné šablony
1) Odůvodnění smíšeného designu:
Moje výzkumná otázka: [otázka]. Opravdu tato otázka vyžaduje smíšenou metodu? (1) Vysvětlete, která část vyžaduje kvantitativní přístup a která část vyžaduje kvalitativní přístup. (2) Jaké by mělo být kvantitativně-kvalitativní hodnocení a proč? (3) Pokud je kombinovaná metoda zbytečná, řekněte to upřímně.
2) Strategie propojení:
Moje kvantitativní fáze: [popis průzkumu]. Moje kvalitativní fáze: [popis rozhovoru]. V jakém bodě mohu propojit tyto dvě fáze? Jakou podskupinu mám například pozvat na schůzku? Navrhněte mi 3 strategie propojení a vysvětlete, co každá z nich dělá.
3) Triangulační mapa:
Moje hlavní zjištění je zatím: [finding]. Chci si to ověřit s nezávislými zdroji. (1) Jaké různé zdroje dat mohou toto zjištění ověřit? (2) Jak zkontroluji, zda jsou zdroje SKUTEČNĚ nezávislé? Varujte mě před falešnou triangulací, která nese stejnou zaujatost.
4) Analýza rozporu:
Můj kvantitativní nález: [tabulka/číslo]. Můj kvalitativní poznatek: [téma]. Podporují se, odporují si nebo se doplňují? Pokud existuje nesrovnalost, uveďte možná vysvětlení (např. zkreslení sociální potřebnosti, jiný vzorek). Neskrývejte rozpor; prezentovat jako nález.
Slabá výzva / Silná výzva
Slabá výzva:
Mám výsledky průzkumů a rozhovory. Spojte je a napište jediný výsledek.
Umělá inteligence náhodně míchá dva zdroje a vytváří text, který skrývá rozpory a není jasné, které tvrzení pochází z jakých dat.
Výkonná výzva:
Mám studium smíšených metod. Kvantitativní nálezy: [tabulka]. Kvalifikační témata: [seznam]. Váš úkol: u každého hlavního zjištění zvlášť ukázat body, kde se kvantitativní a kvalitativní zdroje (a) podporují, (b) protiřečí a (c) doplňují. Na každém řádku zadejte zdroj. Neskrývejte rozpory, jasně je označujte. Udělám komentář k syntéze; Srovnáte zdroje.
Rozdíl: druhý přístup transparentně staví dva datové typy vedle sebe a zachovává rozpor jako zjištění.
Návrhy smíšených metod
Design
Seřadit podle
K čemu je to dobré
Pozor
vysvětlující
Kvantitativní → Kvalitativní
Vysvětlení čísla pomocí „proč“
Výběr vzorku rozhovoru
průzkumný
Kvalitativní → Kvantitativní
Odeslání motivu do měřítka
Platnost stupnice
současně
současně
Široký + hluboký obraz
Obtížnost integrace
propletené
jedna dominanta
další perspektiva
Role sekundárních dat
Časté chyby
- Volba smíšené metody bez odůvodnění. Pokud to otázka nevyžaduje, tyto dvě metody pouze zvyšují pracovní zátěž.
- Skrytí rozporu. Kvantitativní-kvalitativní rozpor není vadou, ale často tím nejcennějším zjištěním.
- Pseudotriangulace. Použití stejného zkresleného zdroje dvakrát není ověření.
- Ztráta toho, který nárok pochází odkud. Každý nález musí zůstat věrný svému zdroji.
- Myslí si, že dvě data mají stejnou hloubku. Obecně platí, že jeden je dominantní a druhý je podpůrný; Ujasněte si jejich role.
V souhrnu
Smíšená metoda je způsob nahlížení na fenomén jak široce (kvantitativně), tak hloubkově (kvalitativně); Triangulace je křížovým testováním nálezu s nezávislými zdroji. AI; je to mocná pomůcka při zpochybňování zdůvodnění návrhu, generování strategií pro spojování fází, transparentního postavení dvou typů dat vedle sebe a označování rozporů. Ale úsudek o syntéze, o tom, zda jsou zdroje skutečně nezávislé, a o tom, jak dát smysl rozporu, je na vás. Zvolte smíšenou metodu s odůvodněním, neskrývejte rozpory a vyhněte se falešné triangulaci.
Aplikační úkol
Navrhněte výzkumnou otázku, která vyžaduje smíšené metody. Položte si AI otázku, zda otázka skutečně vyžaduje smíšené metody pomocí šablony „zdůvodnění smíšeného návrhu“. Vytvořte malé kvantitativní zjištění (pár procent) a několik kvalitativních témat; Nechte je prozkoumat, zda se vzájemně podporují pomocí šablony „analýza rozporů“. Nakonec si naplánujte, jak budete test testovat nález proti nezávislým zdrojům pomocí „triangulační mapy“ a poznamenejte si riziko falešné triangulace.
kontrolní seznam
- [ ] Smíšenou metodu jsem zdůvodnil na základě výzkumné otázky.
- [ ] Definoval jsem spojovací bod kvantitativní a kvalitativní fáze.
- [ ] Každý nález jsem spojil s jeho zdrojem.
- [ ] Kvantitativně-kvalitativní rozpory jsem neskrýval a jednal s nimi jako se zjištěními.
- [ ] Ověřil jsem, že zdroje jsou skutečně nezávislé.