Gevinster:
- Evne til å begrunne om et forskningsspørsmål virkelig krever blandede metoder
- Evne til transparent å sette kvantitative og kvalitative funn side om side og tolke dem som ett funn uten å skjule motsetninger
- Evne til å unngå falsk triangulering ved å sjekke om kilder virkelig er uavhengige
Sosiale hendelser kan ofte ikke fullt ut forstås gjennom en enkelt linse. Det kan være nødvendig å både måle et fenomen numerisk (hvor mange personer, i hvilken andel) og forstå det i dybden (hvorfor, hvordan). Det er nettopp dette som er blandede metoder: å bevisst kombinere kvantitative og kvalitative tilnærminger i samme forskning. Et nært beslektet konsept er triangulering - testing av robustheten til et funn ved å krysssjekke det samme spørsmålet med forskjellige datakilder, metoder eller perspektiver. I denne enheten vil du lære hvordan du bruker AI i planlegging av hybriddesign, kombinere ulike typer data og kryssvalidere funn.
Styrken til den blandede metoden er at der den ene metoden er svak, er den andre sterk. Undersøkelsen gir deg "utbredelsen", men ikke "hvorfor"; Intervjuet graver i "hvorfor", men sier ikke hvor mange personer det gjelder. Når du bruker begge sammen, får du et maleri som er både bredt og dypt. AI er spesielt nyttig her fordi det hjelper deg å sette data i forskjellige formater (tabeller med tall og tekstutskrifter) side ved side og spørre "støtter eller motsier det hverandre" på en ryddig måte? Men den endelige syntesen - dommen om "hva sier disse to kildene sammen" - er din.
Trinn for trinn: sette opp et hybriddesign
1. Oppgi hvorfor det er blandet. Blandede metoder velges ikke "fordi det er trendy", men fordi forskningsspørsmålet ditt krever både bredde og dybde. AI hjelper deg med å stille spørsmål om spørsmålet ditt virkelig krever blanding.
2. Velg sortering. Er det kvantitativt først, så kvalitativt (finn tallene, utdyp deretter "hvorfor" med intervjuer), eller er det først kvalitativt, så kvantitativt (oppdage temaene, deretter måle deres utbredelse)? AI forklarer logikken til hvert design.
3. Definer monteringspunkter. På hvilket tidspunkt vil de to datatypene møtes? For eksempel å invitere gruppen som ga lave skårer i undersøkelsen til et intervju. AI utarbeider disse tilkoblingsstrategiene.
4. Lag en trianguleringsplan. Hvor mange forskjellige kilder vil du sjekke det samme funnet med? AI produserer en sjekkliste for spørsmålet "hvilken sekundær kilde kan støtte denne påstanden?"
5. Ikke skjul motsetninger, forklar dem. Kvantitative og kvalitative funn er noen ganger i konflikt; Dette er ikke et problem, det er et funn. AI markerer selvmotsigelse; Det er din jobb å tolke det.
Forsiktig: Triangulering er ikke "å gjøre samme feil to ganger." Hvis begge kildene dine kommer fra samme partiske prøve, vil du bli villedet av at de "bekrefter" hverandre. Ekte triangulering er overlapping av virkelig uavhengige kilder.
tre minisaker
Sak 1 - Antall og historie slått sammen. Ett team fant "lav nabolagstillit" i en undersøkelse av 400 personer i ett nabolag (38 %). Deretter undersøkte han «hvorfor» med 15 intervjuer. Da YZ la undersøkelsestabellen og intervjutemaene side om side, viste det at temaet «rask befolkningsendring» skilte seg ut bak den lave tilliten. Tallprevalens ga grunn til intervju.
Tilfelle 2 - Motsigelse ble til oppdagelse. I undersøkelsen sa 72 % av folkene «Jeg resirkulerer»; Men da han gikk i detalj i de fleste intervjuene, forklarte han at han faktisk gjorde det uregelmessig. AI har flagget denne motsetningen. Teamet tolket dette som «social desirability bias» (folks tendens til å gi svaret som vil bli godkjent); Motsetningen var et funn som ikke kunne sees i undersøkelsen alene.
Tilfelle 3 — Falsk triangulering oppdaget. En forsker fant det samme resultatet i to forskjellige nettundersøkelser og mente det var «verifisert». Da jeg spurte AI om designet, viste det seg at begge undersøkelsene rekrutterte deltakere fra samme sosiale mediegruppe. Kildene var ikke uavhengige; "triangulering" var faktisk en repetisjon av den samme skjevheten.
Fire kopierbare maler
1) Blandet designbegrunnelse:
Mitt forskningsspørsmål: [spørsmål]. Krever dette spørsmålet virkelig en blandet metode? (1) Forklar hvilken del som krever en kvantitativ tilnærming og hvilken del som krever en kvalitativ tilnærming. (2) Hva bør være den kvantitativ-kvalitative rangeringen og hvorfor? (3) Hvis blandet metode er unødvendig, si det ærlig.
2) Koblingsstrategi:
Min kvantitative fase: [undersøkelsesbeskrivelse]. Min kvalitative fase: [intervjubeskrivelse]. På hvilket tidspunkt kan jeg koble disse to fasene? Hvilken undergruppe bør jeg for eksempel invitere til et møte? Foreslå 3 koblingsstrategier og forklar hva hver enkelt gjør.
3) Trianguleringskart:
Mitt hovedfunn så langt er: [funn]. Jeg ønsker å krysssjekke dette med uavhengige kilder. (1) Hvilke forskjellige datakilder kan teste dette funnet? (2) Hvordan sjekker jeg om kildene er VIRKELIG uavhengige? Advar meg mot falsk triangulering, som har samme skjevhet.
4) Motsigelsesanalyse:
Mitt kvantitative funn: [tabell/nummer]. Mitt kvalitative funn: [tema]. Støtter, motsier eller utfyller disse to hverandre? Hvis det er uoverensstemmelse, skriv mulige forklaringer (f.eks. sosial ønskelighetsskjevhet, annet utvalg). Ikke skjul motsetningen; presentere det som et funn.
Svak forespørsel / Sterk forespørsel
Svak melding:
Jeg har undersøkelsesresultater og intervjuer. Kombiner disse og skriv et enkelt resultat.
AI blander tilfeldig to kilder og produserer en tekst som skjuler motsetninger og er uklart hvilken påstand som kommer fra hvilke data.
Kraftig ledetekst:
Jeg har en blandet metodestudie. Kvantitative funn: [tabell]. Kvalifiserende temaer: [liste]. Din oppgave: for hvert hovedfunn å vise separat punktene der de kvantitative og kvalitative kildene (a) støtter, (b) motsier og (c) utfyller hverandre. Angi kilden på hver linje. Ikke skjul motsetninger, merk dem tydelig. Jeg vil komme med syntesekommentaren; Du justerer ressurser.
Forskjellen: den andre tilnærmingen setter de to datatypene transparent sammen og bevarer motsetningen som et funn.
Design med blandede metoder
Design
Sorter etter
Hva er det godt for
Oppmerksomhet
forklarende
Kvantitativ → Kvalitativ
Forklar tallet med "hvorfor"
Utvalg av intervjuprøver
utforskende
Kvalitativ → Kvantitativ
Kast temaet i skala
Skala gyldighet
samtidig
samtidig
Bredt + dypt bilde
Vanskeligheter med å integrere
sammenvevd
en dominerende
ekstra perspektiv
Rollen til sekundære data
Vanlige feil
- Å velge den blandede metoden uten begrunnelse. Hvis spørsmålet ikke krever det, legger de to metodene bare til arbeidsbelastning.
- Skjuler motsigelsen. Den kvantitativ-kvalitative motsetningen er ikke en feil, men ofte det mest verdifulle funnet.
- Pseudo-triangulering. Å bruke samme partiske kilde to ganger er ikke bekreftelse.
- Å tape hvilket krav kommer fra hvor. Hvert funn må forbli tro mot kilden.
- Tenker at to data er like dype. Generelt er den ene dominerende og den andre er støttende; Avklare rollene deres.
Oppsummert
Den blandede metoden er en måte å se et fenomen både bredt (kvantitativt) og dypt (kvalitativt); Triangulering er krysstesting av funnet med uavhengige kilder. AI; det er et kraftig hjelpemiddel til å stille spørsmål ved designrasjonale, generere strategier for å koble faser, transparent sammenstille to typer data og flagge motsetninger. Men vurderingen av syntese, for å se om kildene er virkelig uavhengige, og for å forstå motsigelsen er din. Velg den blandede metoden med begrunnelse, ikke skjul motsetninger, og unngå falsk triangulering.
Søknadsoppgave
Design et forskningsspørsmål som krever blandede metoder. Still AI-spørsmålet om spørsmålet virkelig krever blandede metoder med malen "mixed design justification". Lag et lite kvantitativt funn (noen få prosent) og noen få kvalitative temaer; La dem undersøke om de støtter hverandre med malen «motsigelsesanalyse». Planlegg til slutt hvordan du vil teste et funn mot uavhengige kilder med et "trianguleringskart" og merk deg risikoen for falsk triangulering.
sjekkliste
- [ ] Jeg begrunnet den blandede metoden ut fra forskningsspørsmålet.
- [ ] Jeg definerte koblingspunktet for de kvantitative og kvalitative fasene.
- [ ] Jeg koblet hvert funn til kilden.
- [ ] Jeg la ikke skjul på de kvantitativ-kvalitative motsetningene og behandlet dem som funn.
- [ ] Jeg sjekket at kildene er virkelig uavhengige.