Vinster:
- Förmåga att motivera om en forskningsfråga verkligen kräver blandade metoder
- Förmåga att transparent sätta kvantitativa och kvalitativa fynd sida vid sida och tolka dem som ett fynd utan att dölja motsägelser
- Förmåga att undvika falsk triangulering genom att kontrollera om källor verkligen är oberoende
Sociala händelser kan ofta inte helt förstås genom en enda lins. Det kan vara nödvändigt att både mäta ett fenomen numeriskt (hur många personer, i vilken proportion) och förstå det på djupet (varför, hur). Det är precis vad blandade metoder är: att medvetet kombinera kvantitativa och kvalitativa ansatser i samma forskning. Ett närbesläktat koncept är triangulering – att testa robustheten hos ett fynd genom att korskontrollera samma fråga med olika datakällor, metoder eller perspektiv. I den här enheten kommer du att lära dig hur du använder AI för att planera hybriddesign, kombinera olika typer av data och korsvalidera fynd.
Styrkan med den blandade metoden är att där den ena metoden är svag är den andra stark. Undersökningen ger dig "prevalensen" men inte "varför"; intervjun gräver i "varför" men säger inte hur många personer det gäller. När man använder båda tillsammans får man en tavla som är både bred och djup. AI är särskilt användbart här eftersom det hjälper dig att lägga data i olika format (tabeller med siffror och textavskrifter) sida vid sida och fråga "stödjer eller motsäger det varandra" på ett ordnat sätt? Men den slutliga syntesen - bedömningen av "vad säger dessa två källor tillsammans" - är din.
Steg för steg: skapa en hybriddesign
1. Ange varför det är blandat. Blandade metoder väljs inte "för att det är trendigt" utan för att din forskningsfråga kräver både bredd och djup. AI hjälper dig att ifrågasätta om din fråga verkligen kräver blandning.
2. Välj sortering. Är det kvantitativt först, sedan kvalitativt (hitta siffrorna, fördjupa sedan "varför" med intervjuer), eller är det först kvalitativt, sedan kvantitativt (upptäcka teman, sedan mäta deras förekomst)? AI förklarar logiken i varje design.
3. Definiera monteringspunkter. När kommer de två datatyperna att mötas? Till exempel att bjuda in gruppen som gav låga poäng i undersökningen till en intervju. AI utarbetar dessa anslutningsstrategier.
4. Gör en trianguleringsplan. Hur många olika källor kommer du att kontrollera samma fynd med? AI tar fram en checklista för frågan "vilken sekundär källa kan stödja detta påstående?"
5. Dölj inte motsägelser, förklara dem. Kvantitativa och kvalitativa fynd är ibland i konflikt; Detta är inte ett problem, det är ett fynd. AI markerar motsägelse; Det är din uppgift att tolka det.
Varning: Triangulering är inte "att göra samma misstag två gånger." Om båda dina källor kommer från samma partiska prov, kommer du att vilseledas av att de "bekräftar" varandra. Sann triangulering är överlappningen av verkligt oberoende källor.
tre minifodral
Fall 1 — Antal och berättelse sammanslagna. Ett team fann "lågt förtroende för grannskapet" i en undersökning av 400 personer i ett grannskap (38 %). Sedan undersökte han "varför" med 15 intervjuer. När YZ lade undersökningstabellen och intervjuteman sida vid sida visade det att temat "snabb befolkningsförändring" stack ut bakom det låga förtroendet. Nummerprevalens gav anledning till intervju.
Fall 2 – Motsägelse förvandlades till upptäckt. I undersökningen sa 72 % av människorna "Jag återvinner"; Men när han gick in på detaljer i de flesta intervjuerna förklarade han att han faktiskt gjorde det oregelbundet. AI har flaggat för denna motsägelse. Teamet tolkade detta som "social desirability bias" (folks tendens att ge svaret som kommer att godkännas); Motsägelsen var ett fynd som inte kunde ses enbart i undersökningen.
Fall 3 — Falsk triangulering upptäckt. En forskare hittade samma resultat i två olika onlineundersökningar och trodde att det var "verifierat". När jag frågade AI om designen visade det sig att båda undersökningarna rekryterade deltagare från samma sociala mediegrupp. Källorna var inte oberoende; "triangulering" var faktiskt en upprepning av samma fördomar.
Fyra kopierbara mallar
1) Blandad designmotiv:
Min forskningsfråga: [fråga]. Kräver denna fråga verkligen blandad metod? (1) Förklara vilken del som kräver en kvantitativ ansats och vilken del som kräver en kvalitativ ansats. (2) Vad bör den kvantitativ-kvalitativa rangordningen vara och varför? (3) Om blandad metod är onödig, säg det ärligt.
2) Länkningsstrategi:
Min kvantitativa fas: [enkätbeskrivning]. Min kvalitativa fas: [intervjubeskrivning]. När kan jag ansluta dessa två faser? Vilken undergrupp ska jag till exempel bjuda in till ett möte? Föreslå mig 3 länkstrategier och förklara vad var och en gör.
3) Trianguleringskarta:
Mitt huvudsakliga fynd hittills är: [hittande]. Jag vill kontrollera detta med oberoende källor. (1) Vilka olika datakällor kan testa detta fynd? (2) Hur kontrollerar jag om källorna VERKLIGEN är oberoende? Varna mig för falsk triangulering, som har samma fördomar.
4) Motsägelseanalys:
Mitt kvantitativa fynd: [tabell/nummer]. Mitt kvalitativa fynd: [tema]. Stödjer, motsäger eller kompletterar dessa två varandra? Om det finns en diskrepans, ange möjliga förklaringar (t.ex. social önskvärdhetsbias, annat urval). Dölj inte motsägelsen; presentera det som ett fynd.
Svag prompt / Stark prompt
Svag uppmaning:
Jag har enkätresultat och intervjuer. Kombinera dessa och skriv ett enda resultat.
AI blandar slumpmässigt två källor och producerar en text som döljer motsägelser och är oklart vilket påstående som kommer från vilken data.
Kraftfull uppmaning:
Jag har en blandad metodstudie. Kvantitativa fynd: [tabell]. Kvalificerande teman: [lista]. Din uppgift: för varje huvudfynd, att separat visa de punkter där de kvantitativa och kvalitativa källorna (a) stödjer, (b) motsäger och (c) kompletterar varandra. Ange källan på varje rad. Dölj inte motsägelser, markera dem tydligt. Jag kommer att göra synteskommentaren; Du anpassar resurser.
Skillnaden: det andra tillvägagångssättet ställer de två datatyperna transparent ihop och bevarar motsägelsen som ett fynd.
Design med blandade metoder
Design
Sortera efter
Vad är det bra för
Uppmärksamhet
förklarande
Kvantitativ → Kvalitativ
Förklara siffran med "varför"
Urval av intervjuprov
utforskande
Kvalitativ → Kvantitativ
Kasta temat i skala
Skalans giltighet
samtidigt
samtidigt
Bred + djup bild
Svårigheter att integrera
sammanflätade
en dominant
ytterligare perspektiv
Sekundärdatas roll
Vanliga misstag
- Att välja den blandade metoden utan motivering. Om frågan inte kräver det, lägger de två metoderna bara till arbetsbelastning.
- Döljer motsägelsen. Den kvantitativa-kvalitativa motsägelsen är inte ett fel, utan ofta det mest värdefulla fyndet.
- Pseudo-triangulering. Att använda samma partiska källa två gånger är inte verifiering.
- Att förlora vilket krav som kommer varifrån. Varje fynd måste förbli trogen sin källa.
- Tänker att två data är lika djupa. I allmänhet är den ena dominant och den andra är stödjande; Förtydliga deras roller.
Sammanfattningsvis
Den blandade metoden är ett sätt att se ett fenomen både brett (kvantitativt) och djupt (kvalitativt); Triangulering är en korstestning av fyndet med oberoende källor. AI; det är ett kraftfullt hjälpmedel för att ifrågasätta designrationalen, generera strategier för att koppla samman faser, på ett transparent sätt sammanställa två typer av data och flagga motsägelser. Men bedömningen av syntesen, att se om källorna verkligen är oberoende och att förstå motsägelsen är din. Välj den blandade metoden med motivering, dölj inte motsägelser och undvik falsk triangulering.
Applikationsuppgift
Designa en forskningsfråga som kräver blandade metoder. Ställ AI-frågan om frågan verkligen kräver blandade metoder med mallen "mixed design justification". Gör ett litet kvantitativt fynd (några procent) och några kvalitativa teman; Låt dem undersöka om de stödjer varandra med mallen "motsättningsanalys". Planera slutligen hur du ska testa ett fynd mot oberoende källor med en "trianguleringskarta" och notera risken för falsk triangulering.
checklista
- [ ] Jag motiverade den blandade metoden utifrån forskningsfrågan.
- [ ] Jag definierade kopplingspunkten för de kvantitativa och kvalitativa faserna.
- [ ] Jag länkade varje fynd till dess källa.
- [ ] Jag dolde inte de kvantitativt-kvalitativa motsägelserna och behandlade dem som fynd.
- [ ] Jag kontrollerade att källorna verkligen är oberoende.