科学家们之中比较流行的研究设计方法


科学家们之中比较流行的研究设计方法


文章图片

【科学家们之中比较流行的研究设计方法】
科学家们之中比较流行的研究设计方法


文章图片


科学家们之中比较流行的研究设计方法


如前所述 , 研究设计可以分为两类 , 实证主义和解释性 , 这取决于他们在科学研究中的目标 。 实证主义设计用于理论测试 , 而解释性设计用于理论构建 。 实证主义设计寻求基于对现实的客观看法的概括模式 , 而解释性设计则从所涉及的主体的角度寻求对社会现象的主观解释 。 实证主义设计的一些流行例子包括实验室实验、实地实验、实地调查、二次数据分析和案例研究 , 而解释性设计的例子包括案例研究、现象学和民族志 。 请注意 , 案例研究可用于理论构建或理论测试 , 但不能同时使用 。 并非所有技术都适用于各种科学研究 。 焦点小组等一些技术最适合探索性研究 , 人种学等其他技术最适合描述性研究 , 而实验室实验等其他技术最适合解释性研究 。 以下是其中一些设计的简要说明 。



实验性研究旨在通过及时将原因与结果分开 , 将原因应用于一组受试者而不是另一组受试者 , 从而在严格控制的环境中测试因果关系组 , 并观察这两组受试者之间的平均效应如何变化 。 例如 , 如果我们设计一个实验室实验来测试一种新药治疗某种疾病的功效 , 我们可以随机抽取患有该疾病的人的样本 , 将他们随机分配到两组中的一组 , 给治疗组的受试者服用药物 , 但只给予安慰剂 。 更复杂的设计可能包括多个治疗组 , 例如药物的低剂量和高剂量 , 多种治疗方法 , 例如将药物管理与饮食干预相结合 。 在真正的实验设计中 , 受试者必须在每组之间随机分配 。 如果不遵循随机分配 , 那么设计就变成了准实验性的 。 实验可以在人工或实验室环境中进行 , 例如在大学或现场环境中 , 例如在实际发生感兴趣现象的组织中 。 实验室实验允许研究人员隔离感兴趣的变量并控制无关变量 , 这在现场实验中可能是不可能的 。



因此 , 来自实验室实验的推论往往具有更强的内部效度 , 而来自现场实验的推论往往具有更强的外部效度 。 使用定量统计技术分析实验数据 。 实验设计的主要优势在于其强大的内部有效性 , 因为它能够隔离、控制和深入检查少量变量 , 而其主要弱点是有限的外部普遍性 , 因为现实生活通常更复杂而不是人为的实验室设置 。 此外 , 如果研究没有事先确定相关的无关变量和对这些变量的控制 , 这种缺乏控制可能会损害内部有效性并可能导致虚假的相关性 。 而它的主要弱点是有限的外部通用性 , 因为现实生活通常比人为的实验室设置更复杂 。 此外 , 如果研究没有事先确定相关的无关变量和对这些变量的控制 , 这种缺乏控制可能会损害内部有效性并可能导致虚假的相关性 。 而它的主要弱点是有限的外部通用性 , 因为现实生活通常比人为的实验室设置更复杂 。 此外 , 如果研究没有事先确定相关的无关变量和对这些变量的控制 , 这种缺乏控制可能会损害内部有效性并可能导致虚假的相关性 。



实地调查是非实验设计 , 不控制或操纵自变量或处理 , 而是测量这些变量并使用统计方法测试它们的影响 。 实地调查通过调查问卷或不太频繁地通过结构化访谈从实地环境中的随机样本中捕获实践、信念或情况的快照 。 在横断面实地调查中 , 自变量和因变量是在同一时间点测量的 , 而在纵向实地调查中 , 因变量是在比自变量更晚的时间点测量的 。 实地调查的优势在于其外部有效性 , 它们捕获和控制大量变量的能力 , 以及他们从多个角度或使用多种理论研究问题的能力 。 然而 , 由于它们的非时间性 , 内部有效性难以推断 , 并且调查可能会受到受访者偏见的影响 , 这进一步损害了内部效度 。 二次数据分析是对以前由其他来源收集和制表的数据的分析 。 此类数据可能包括来自政府机构的数据 , 例如美国劳工服务局的就业统计数据或联合国开发计划署按国家/地区分类的发展统计数据、其他研究人员收集的数据或公开的第三方数据- 当事人数据 。

推荐阅读