Κέρδη:
- Ικανότητα να αιτιολογήσει εάν ένα ερευνητικό ερώτημα απαιτεί πραγματικά μικτές μεθόδους
- Δυνατότητα διαφανούς τοποθέτησης ποσοτικών και ποιοτικών ευρημάτων δίπλα-δίπλα και ερμηνείας τους ως ένα εύρημα χωρίς να κρύβονται αντιφάσεις
- Δυνατότητα αποφυγής ψευδούς τριγωνισμού ελέγχοντας εάν οι πηγές είναι πραγματικά ανεξάρτητες
Τα κοινωνικά γεγονότα συχνά δεν μπορούν να γίνουν πλήρως κατανοητά μέσα από έναν μόνο φακό. Μπορεί να είναι απαραίτητο τόσο να μετρήσουμε ένα φαινόμενο αριθμητικά (πόσα άτομα, σε ποια αναλογία) όσο και να το κατανοήσουμε σε βάθος (γιατί, πώς). Αυτό ακριβώς είναι οι μικτές μέθοδοι: ο συνειδητός συνδυασμός ποσοτικών και ποιοτικών προσεγγίσεων στην ίδια έρευνα. Μια στενά συνδεδεμένη έννοια είναι ο τριγωνισμός — ο έλεγχος της ευρωστίας ενός ευρήματος διασταυρώνοντας την ίδια ερώτηση με διαφορετικές πηγές δεδομένων, μεθόδους ή προοπτικές. Σε αυτήν την ενότητα, θα μάθετε πώς να χρησιμοποιείτε την τεχνητή νοημοσύνη στον σχεδιασμό υβριδικού σχεδιασμού, συνδυάζοντας διαφορετικούς τύπους δεδομένων και διασταυρούμενη επικύρωση ευρημάτων.
Η δύναμη της μικτής μεθόδου είναι ότι όπου η μία μέθοδος είναι αδύναμη, η άλλη είναι ισχυρή. Η έρευνα σας δίνει την «επικράτηση» αλλά όχι το «γιατί». η συνέντευξη εμβαθύνει στο «γιατί», αλλά δεν λέει σε πόσα άτομα ισχύει. Όταν χρησιμοποιείτε και τα δύο μαζί, λαμβάνετε έναν πίνακα που είναι και ευρύς και βαθύς. Η τεχνητή νοημοσύνη είναι ιδιαίτερα χρήσιμη εδώ επειδή σας βοηθά να τοποθετήσετε δεδομένα σε διαφορετικές μορφές (πίνακες αριθμών και μεταγραφές κειμένου) δίπλα-δίπλα και να ρωτήσετε «υποστηρίζει ή έρχεται σε αντίθεση μεταξύ τους» με τακτικό τρόπο; Αλλά η τελική σύνθεση - η κρίση του "τι λένε αυτές οι δύο πηγές μαζί" - είναι δική σας.
Βήμα προς βήμα: δημιουργία υβριδικού σχεδιασμού
1. Να αναφέρετε γιατί αναμειγνύεται. Οι μικτές μέθοδοι επιλέγονται όχι «επειδή είναι μοντέρνα», αλλά επειδή το ερευνητικό σας ερώτημα απαιτεί εύρος και βάθος. Η τεχνητή νοημοσύνη σάς βοηθά να αναρωτιέστε εάν η ερώτησή σας απαιτεί πραγματικά ανάμειξη.
2. Επιλέξτε ταξινόμηση. Είναι πρώτα ποσοτικό, μετά ποιοτικό (βρείτε τους αριθμούς, μετά εμβαθύνετε το «γιατί» με συνεντεύξεις) ή είναι πρώτα ποιοτικό και μετά ποσοτικό (ανακαλύπτοντας τα θέματα και μετά μετρώντας την επικράτηση τους); Το AI εξηγεί τη λογική κάθε σχεδίου.
3. Καθορίστε σημεία στήριξης. Σε ποιο σημείο θα συναντηθούν οι δύο τύποι δεδομένων; Για παράδειγμα, η πρόσκληση της ομάδας που έδωσε χαμηλές βαθμολογίες στην έρευνα σε συνέντευξη. Το AI συντάσσει αυτές τις στρατηγικές σύνδεσης.
4. Κάντε ένα σχέδιο τριγωνισμού. Με πόσες διαφορετικές πηγές θα ελέγξετε το ίδιο εύρημα; Η τεχνητή νοημοσύνη παράγει μια λίστα ελέγχου για την ερώτηση "ποια δευτερεύουσα πηγή θα μπορούσε να υποστηρίξει αυτόν τον ισχυρισμό;"
5. Μην κρύβετε αντιφάσεις, εξηγήστε τις. Τα ποσοτικά και ποιοτικά ευρήματα μερικές φορές συγκρούονται. Αυτό δεν είναι πρόβλημα, είναι διαπίστωση. Το AI σηματοδοτεί την αντίφαση. Είναι δουλειά σου να το ερμηνεύσεις.
Προσοχή: Τριγωνισμός δεν σημαίνει «κάνεις το ίδιο λάθος δύο φορές». Εάν και οι δύο πηγές σας προέρχονται από το ίδιο προκατειλημμένο δείγμα, θα παραπλανηθείτε από αυτές που «επιβεβαιώνουν» η μία την άλλη. Ο αληθινός τριγωνισμός είναι η επικάλυψη πραγματικά ανεξάρτητων πηγών.
τρεις μίνι θήκες
Περίπτωση 1 — Ο αριθμός και η ιστορία συγχωνεύτηκαν. Μια ομάδα βρήκε «χαμηλή εμπιστοσύνη στη γειτονιά» σε μια έρευνα με 400 άτομα σε μια γειτονιά (38%). Στη συνέχεια ερεύνησε το «γιατί» με 15 συνεντεύξεις. Όταν ο YZ έβαλε τον πίνακα έρευνας και τα θέματα των συνεντεύξεων δίπλα-δίπλα, έδειξε ότι το θέμα της «ταχείας αλλαγής πληθυσμού» ξεχώριζε πίσω από τη χαμηλή εμπιστοσύνη. Ο επιπολασμός του αριθμού έδωσε λόγο για συνέντευξη.
Περίπτωση 2 — Η αντίφαση μετατράπηκε σε ανακάλυψη. Στην έρευνα, το 72% των ανθρώπων είπε «ανακυκλώνω». Αλλά όταν πήγε σε λεπτομέρειες στις περισσότερες συνεντεύξεις, εξήγησε ότι στην πραγματικότητα το έκανε παράτυπα. Το AI έχει επισημάνει αυτήν την αντίφαση. Η ομάδα το ερμήνευσε αυτό ως "κοινωνική προκατάληψη της επιθυμίας" (η τάση των ανθρώπων να δίνουν την απάντηση που θα εγκριθεί). Η αντίφαση ήταν ένα εύρημα που δεν μπορούσε να φανεί μόνο στην έρευνα.
Περίπτωση 3 — Εντοπίστηκε ψευδής τριγωνισμός. Ένας ερευνητής βρήκε το ίδιο αποτέλεσμα σε δύο διαφορετικές διαδικτυακές έρευνες και θεώρησε ότι ήταν «επαληθευμένο». Όταν ρώτησα την τεχνητή νοημοσύνη για το σχεδιασμό, αποδείχθηκε ότι και οι δύο έρευνες προσέλαβαν συμμετέχοντες από την ίδια ομάδα μέσων κοινωνικής δικτύωσης. Οι πηγές δεν ήταν ανεξάρτητες. Ο «τριγωνισμός» ήταν στην πραγματικότητα μια επανάληψη της ίδιας προκατάληψης.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Μικτή λογική σχεδίασης:
Η ερευνητική μου ερώτηση: [ερώτηση]. Αυτή η ερώτηση απαιτεί πραγματικά μικτή μέθοδο; (1) Εξηγήστε ποιο μέρος απαιτεί ποσοτική προσέγγιση και ποιο μέρος απαιτεί ποιοτική προσέγγιση. (2) Ποια πρέπει να είναι η ποσοτική-ποιοτική κατάταξη και γιατί; (3) Εάν η μικτή μέθοδος δεν είναι απαραίτητη, πείτε το με ειλικρίνεια.
2) Στρατηγική σύνδεσης:
Η ποσοτική μου φάση: [περιγραφή έρευνας]. Η ποιοτική μου φάση: [περιγραφή συνέντευξης]. Σε ποιο σημείο μπορώ να συνδέσω αυτές τις δύο φάσεις; Για παράδειγμα, ποια υποομάδα πρέπει να προσκαλέσω σε μια συνάντηση; Πρότεινε μου 3 στρατηγικές σύνδεσης και εξήγησε τι κάνει η καθεμία.
3) Τριγωνικός χάρτης:
Το βασικό μου εύρημα μέχρι στιγμής είναι: [εύρημα]. Θέλω να το διασταυρώσω με ανεξάρτητες πηγές. (1) Ποιες διαφορετικές πηγές δεδομένων μπορούν να δοκιμάσουν αυτό το εύρημα; (2) Πώς μπορώ να ελέγξω εάν οι πηγές είναι ΠΡΑΓΜΑΤΙΚΑ ανεξάρτητες; Προειδοποιήστε με για τον ψευδή τριγωνισμό, ο οποίος φέρει την ίδια προκατάληψη.
4) Ανάλυση αντιφάσεων:
Το ποσοτικό μου εύρημα: [πίνακας/αριθμός]. Η ποιοτική μου διαπίστωση: [θέμα]. Αυτά τα δύο υποστηρίζουν, αντιφάσκουν ή αλληλοσυμπληρώνονται; Εάν υπάρχει ασυμφωνία, αναφέρετε πιθανές εξηγήσεις (π.χ. μεροληψία κοινωνικής επιθυμίας, διαφορετικό δείγμα). Μην κρύβετε την αντίφαση. το παρουσιάζουν ως διαπίστωση.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Έχω αποτελέσματα ερευνών και συνεντεύξεις. Συνδυάστε τα και γράψτε ένα μόνο αποτέλεσμα.
Το AI αναμιγνύει τυχαία δύο πηγές και παράγει ένα κείμενο που κρύβει αντιφάσεις και δεν είναι σαφές ποιος ισχυρισμός προέρχεται από ποια δεδομένα.
Ισχυρή προτροπή:
Έχω μια μελέτη μεικτών μεθόδων. Ποσοτικά ευρήματα: [πίνακας]. Προκριματικά θέματα: [λίστα]. Το καθήκον σας: για κάθε κύριο εύρημα, να δείξετε χωριστά τα σημεία όπου οι ποσοτικές και ποιοτικές πηγές (α) υποστηρίζουν, (β) αντιφάσκουν και (γ) αλληλοσυμπληρώνονται. Καθορίστε την πηγή σε κάθε γραμμή. Μην κρύβετε αντιφάσεις, σημειώστε τις καθαρά. Θα κάνω το συνθετικό σχόλιο. Ευθυγραμμίζετε τους πόρους.
Η διαφορά: η δεύτερη προσέγγιση αντιπαραθέτει με διαφάνεια τους δύο τύπους δεδομένων και διατηρεί την αντίφαση ως εύρημα.
Σχέδια μικτών μεθόδων
Σχεδιασμός
Ταξινόμηση κατά
Σε τι είναι καλό
Προσοχή
επεξηγηματική
Ποσοτική → Ποιοτική
Εξήγηση του αριθμού με το "γιατί"
Επιλογή δείγματος συνέντευξης
διερευνητική
Ποιοτική → Ποσοτική
Μεταδώστε το θέμα σε κλίμακα
Εγκυρότητα κλίμακας
ταυτόχρονα
ταυτόχρονα
Ευρεία + βαθιά εικόνα
Δυσκολία ενσωμάτωσης
διαπλέκονται
ένας κυρίαρχος
πρόσθετη προοπτική
Ο ρόλος των δευτερογενών δεδομένων
Συνήθη λάθη
- Επιλογή της μικτής μεθόδου χωρίς αιτιολόγηση. Εάν η ερώτηση δεν το απαιτεί, οι δύο μέθοδοι προσθέτουν μόνο φόρτο εργασίας.
- Απόκρυψη της αντίφασης. Η ποσοτική-ποιοτική αντίφαση δεν είναι ελάττωμα, αλλά συχνά το πιο πολύτιμο εύρημα.
- Ψευδοτριγωνισμός. Η χρήση της ίδιας προκατειλημμένης πηγής δύο φορές δεν αποτελεί επαλήθευση.
- Χάνοντας ποια αξίωση προέρχεται από πού. Κάθε εύρημα πρέπει να παραμένει πιστό στην πηγή του.
- Θεωρώντας ότι δύο δεδομένα είναι ίσου βάθους. Γενικά, το ένα είναι κυρίαρχο και το άλλο είναι υποστηρικτικό. Ξεκαθαρίστε τους ρόλους τους.
Συνοπτικά
Η μικτή μέθοδος είναι ένας τρόπος προβολής ενός φαινομένου τόσο σε ευρεία (ποσοτική) όσο και σε βάθος (ποιοτική). Η τριγωνοποίηση είναι διασταυρούμενη δοκιμή του ευρήματος με ανεξάρτητες πηγές. ΟΛΑ ΣΥΜΠΕΡΙΛΑΜΒΑΝΟΝΤΑΙ; Είναι ένα ισχυρό βοήθημα για την αμφισβήτηση της λογικής του σχεδιασμού, τη δημιουργία στρατηγικών για τη σύνδεση φάσεων, την αντιπαραβολή με διαφάνεια δύο τύπων δεδομένων και την επισήμανση αντιφάσεων. Αλλά η κρίση της σύνθεσης, του να δεις αν οι πηγές είναι πραγματικά ανεξάρτητες και να κατανοήσεις την αντίφαση είναι δική σου. Επιλέξτε τη μικτή μέθοδο με αιτιολόγηση, μην κρύβετε την αντίφαση και αποφύγετε τον ψευδή τριγωνισμό.
Εργασία εφαρμογής
Σχεδιάστε ένα ερευνητικό ερώτημα που απαιτεί μικτές μεθόδους. Κάντε την ερώτηση της τεχνητής νοημοσύνης εάν η ερώτηση απαιτεί όντως μικτές μεθόδους με το πρότυπο «αιτιολόγηση μικτής σχεδίασης». Κάντε ένα μικρό ποσοτικό εύρημα (λίγο τοις εκατό) και μερικά ποιοτικά θέματα. Ζητήστε τους να εξετάσουν εάν υποστηρίζουν ο ένας τον άλλον με το πρότυπο «ανάλυσης αντιφάσεων». Τέλος, σχεδιάστε πώς θα δοκιμάσετε ένα εύρημα σε σχέση με ανεξάρτητες πηγές με έναν «χάρτη τριγωνισμού» και σημειώστε τον κίνδυνο ψευδούς τριγωνοποίησης.
λίστα ελέγχου
- [ ] Δικαιολόγησα τη μικτή μέθοδο με βάση το ερευνητικό ερώτημα.
- [ ] Όρισα το σημείο σύνδεσης της ποσοτικής και ποιοτικής φάσης.
- [ ] Συνέδεσα κάθε εύρημα με την πηγή του.
- [ ] Δεν έκρυψα τις ποσοτικές-ποιοτικές αντιφάσεις και τις αντιμετώπισα ως ευρήματα.
- [ ] Έλεγξα ότι οι πηγές είναι πραγματικά ανεξάρτητες.