学术研究方法：定性研究与定量研究的比较

学术研究是我们构建知识的基石，广泛应用于学校、企业、医院及社会科学领域。为了获取答案，研究人员需要制定一个收集和研究信息的计划。两种最主要的计划形式是定性研究与定量研究。

两者皆追求可靠的研究结果，但其运作机制却有所不同。它们在研究目标、设计方案、数据类型以及分析方法上均存在差异。了解这些差异有助于您选择合适的方法、构建更完善的研究设计，并深刻理解研究结果的真实含义。

<CTA title="及早明确您的研究方向" description="使用 Jenni，在数分钟内将宽泛的研究想法转化为清晰、聚焦的研究方案。" buttonLabel="免费试用 Jenni" link="https://cn.app.jenni.ai/register" />

理解研究方法论

研究方法论是研究的蓝图。它是指在研究和系统性调查过程中，您针对如何设计项目、选择参与者、收集信息以及分析发现所做出的一系列决策。

广义上讲，方法论主要分为三大类：

• 定性研究

• 定量研究

• 混合方法研究

这些方法不可混用。选择错误的方法可能会导致数据效力不足、结果不可靠，或得出无法成立的结论。

<ProTip title="📝 注意：" description="在选择研究方法之前，请用一句清晰的话写下您的核心研究问题，并检查该问题是在探讨“为什么”或“如何”（定性），还是在探讨“多少”（定量）。" />

什么是定性研究？

定性研究侧重于探索与阐释。这种方法遵循不同的研究范式，旨在理解人们行为背后的原因及其体验感受，而不是将其简化为数字。 

它探讨人们在日常生活中发现的意义。在这里，您不使用数字，而是通过倾听、观察和阐释来理解研究对象。其目标是从他人的视角来看待世界。

当您面对宽泛、开放性的问题，或者首次对某一课题进行研究时，请选择这种方法。它适用于探索性阶段，即在您能够进行任何测量之前，需要先了解基本情况。

定性研究的主要目标是：

• 探究事情为什么以及如何发生。

• 理解个人的主观视角、动机及情感。

• 构建新的理论，而不仅仅是检验现有理论。

• 记录事件实际发生时完整且复杂的真实状况。

相较于宽泛但浅显的调查，它更看重深入、细致的理解。在这种方法中，背景环境（即周边的具体情况）与所说或所做内容本身同样至关重要。

<ProTip title="🔍 提示：" description="定性研究在允许访谈问题随着数据中涌现的新见解而演变时效果最好。" />

定性数据与数据收集方法

此类研究处理的是非数值型或文本型数据。这些数据虽然详细且富含深意，但无法轻易转化为统计数据。

收集此类数据的常见方式

收集这些信息的方法并非一成不变，您可以随着研究的深入进行调整。研究人员通常通过以下几种主要活动收集数据：

• 访谈： 进行交流（通常是一对一），通过引导性问题让受访者用自己的语言阐述他们的经历。

• 焦点小组： 引导小组讨论，以便听取不同的观点，并观察人们在哪些方面达成共识或存在分歧。

• 观察： 仔细观察人们在自然环境（如工作场所或家庭）中的行为并做记录。

• 案例研究： 极尽详细地调查某一特定情况，以全面掌握相关信息。

• 民族志： 融入某一社群共同生活或进行长期观察，以真实体会其成员的生活与互动方式。

• 笔记与录音： 记录所见所闻，并对对话进行精确的文字转录。

所有这些技术都能直接从参与者那里产生大量原始、详实的素材。

定性数据分析

分析定性数据

在此阶段，您的目标是寻找核心模式、意义和主题，而非统计学上的因果关系。

常用的分析技术

• 主题分析： 发现数据中不断出现的观点或主题。

• 内容分析： 系统地将文本片段分类并进行编码标记。

• 叙事分析： 密切研究人们讲述的故事及其结构特征。

• 话语分析： 研究语言在社会互动中是如何被使用的。

• 现象学： 专注于研究人们最直接、最真实的亲身经历细节。

• 扎根理论： 直接基于您收集的数据，从零开始构建新的理论。

研究人员获取所有这些详细信息并开始对其进行分类。他们阅读所有内容（包括访谈、笔记、转录文本），以寻找共同的观点或话题。 

他们用代码（类似于标签）标记这些观点，以将类似的信息片段归为一组。他们在整个过程中使用同一套标记，以保持一致性。

他们不断进行阅读和分类，直到发现一个新的现象：新的访谈或笔记不再提供任何新的观点，同样的主题不断重复出现。 

一旦出现这种情况，表明研究已达到“数据饱和”。这意味着他们可能已经收集到了关于该主题的所有重要观点，可以停止收集新信息了。

<ProTip title="🧠 提示：" description="当新的访谈不再增加新的主题时，即达到了数据饱和，而不是在您对收集数据感到疲倦时。" />

定性研究的优势与局限性

优势所在

• 能够对人类的经验与体验提供深入、详实的见解。

• 捕捉完整的语境细节，包括情感和个人意义。

• 灵活的研究设计允许在研究过程中涌现新的发现。

• 非常适合对某一课题开展前期的探索性工作。

• 重视并优先呈现受访群体的真实心声。

局限性

• 由于样本量较小，研究结果通常难以在大范围内推广。

• 数据的收集和分析过程极其耗时。

• 研究者自身的主观立场可能会影响对数据的解读。

• 其他研究者很难精确复制该研究。

• 研究结果通常受限于收集数据的特定环境。

尽管存在这些局限性，该方法在探究复杂的社会和人类问题时依然不可或缺。

什么是定量研究？

定量研究具有结构化和客观性的特点。它专注于变量的测量，并利用数字、统计数据以及定量数据来检验特定假设，从而评估事物发展的模式和结果。 

其目标是寻找普适于更大群体的规律、关系或因果联系。

该方法建立在统计学和数学分析的基础之上。

定量研究旨在：

• 进行精确且具有一致性的测量。

• 检验明确、预先设定的假设或预测。

• 检验不同测量因素之间的相互关系。

• 得出能够推广到更广泛群体且可供他人复制的研究结果。

当您需要针对重大问题提供明确、可量化的答案时，可以使用这种方法。例如，调查选民投票意向的全国性民意调查，或者测试新药安全性的临床试验。 

又如，评估某项新教学方案是否提高了学生的阅读水平。针对这些研究需求，您都需要使用定量研究，其提供的数字能够为事物的发展现状提供有力佐证。

<ProTip title="📊 提示：" description="如果您的研究问题可以通过数字或百分比来回答，定量研究通常是更合适的选择。" />

定量数据与数据收集方法

这类研究处理的是通过标准化、一致性工具收集的数值型数据。在探讨研究设计中的定性与定量差异时，这两种方法经常被放在一起进行对比。

收集此类数据的常见方式

• 问卷调查与量表

• 控制实验

• 民意调查及大规模人口普查

• 设置固定、预设选项的问题

• 如李克特量表（Likert scales）等测量工具

您可以通过开展调查或实验亲自动手获取数据。这被称为收集一手数据（原始数据）。

但您不一定每次都要从头开始，也可以利用他人已经收集好的数据。这被称为二手数据。 

您可以在公共卫生数据库、政府经济报告或以往发表的论文结果中找到此类数据。

测量尺度与变量

精确的测量是定量研究的基石。

变量类型

• 自变量： 您进行改变或分类以观察其影响的因素。

• 因变量： 您测量的、用以观察是否受到自变量影响的结果指标。

• 测量尺度 这些测量尺度决定了您可以对数字进行何种数学运算。

• 定名尺度（Nominal）： 仅代表类别名称、无内在顺序的数据（例如：水果种类）。

• 定序尺度（Ordinal）： 可以进行排序，但各等级之间的差值并不相等的数据（例如：第一名、第二名、第三名）。

• 定距尺度（Interval）： 数值之间具有相等间距，但没有绝对“零点”的数据（例如：摄氏度温度）。

• 定比尺度（Ratio）： 具有相等间距和实际意义零点的数据，允许进行类似“两倍”的表述（例如：身高、体重）。

在您的整体研究框架中，选择正确的测量尺度至关重要。它直接决定了您可以使用哪些统计检验方法，进而决定了您的分析是否有效。

定量数据分析

该分析过程利用数学和统计技术来对数据进行推导与合理解释。

常用统计方法

• 描述性统计： 使用平均数（mean）、中位数（median）、频数和百分比等工具来汇总整理数据。

• 推论性统计： 通过 t 检验、卡方检验和方差分析（ANOVA）等检验方法，从样本推断总体特征。

• 回归分析： 对变量之间的关系进行建模，以预测发展结果。

• 相关性分析： 测量两个变量之间关联性的密切程度。

• 假设检验： 基于收集到的数据，对特定预测进行规范的统计检验。

研究人员使用以下核心指标评估其研究发现：

• 统计学显著性： 观察到的结果是否具有统计学意义，而非随机巧合？

• p 值： 结果仅由偶然因素导致的概率。

• 置信区间： 真实总体参数可能落入的数值范围。

研究结果通常以图表和表格的形式呈现，使发展模式和对比关系一目了然。

<ProTip title="📐 注意：" description="务必使您的统计检验方法与测量尺度相匹配，以避免得出无效的结论。" />

定量研究的优势与局限性

优势所在

• 追求高度的客观性，且研究方法具有高信度。

• 标准化工具的设计有助于减少研究者的主观偏差。

• 大样本量有利于将研究结果推广至更广泛的群体。

• 结构化的研究流程使研究更容易被他人复制与验证。

• 能高效收集大量人群的数据。

局限性

• 容易将复杂的人类行为过度简化为冷冰冰的数字。

• 通常难以捕捉数据背后的完整语境或深层含义。

• 刻板的研究设计使研究过程中难以融入意料之外的新发现。

• 研究结果的效度完全取决于所采用测量工具的质量。

尽管存在这些局限，若没有定量研究，我们就无法做出明智、基于事实的决策。它为政策制定和科学发展提供了坚实的数据基础。

定性研究与定量研究的核心区别

这一对照表清晰地展示了如何根据不同的研究问题选择与之相匹配的科学方法。

效度、信度与推广性

确保您的研究具备科学严谨性至关重要，无论选择哪种方法，都需要从明确定义的研究问题开始。该问题决定了效度与信度在您的具体研究中究竟代表什么价值。

效度（Validity）

• 内部效度： 指您能在多大程度上确信是一个变量引起了另一个变量的改变。

• 外部效度： 您的研究发现在多大程度上可以推广应用于您特定的研究设计之外的其他群体或情境。

信度与可复制性（Reliability and replicability）

• 信度 考量的是一致性。如果您重复进行测量，是否会得到相同的结果？

• 可复制性 指其他研究人员能够遵循您的研究步骤并获得相似的发现。

两种方法的研究重点各有侧重。定性研究强调其阐释的公信力与可信度。定量研究则优先考虑统计学意义上的信度与精准度。

定性与定量研究中的伦理要求

任何涉及人类受试者的学术研究都必须遵循伦理标准。

两者遵循的核心学术伦理原则是一致的：

• 知情同意： 参与者必须充分了解研究内容并自愿同意加入。

• 保密与匿名： 保护参与者的身份信息和隐私数据。

• 透明度： 明确公开数据的收集与分析过程。

• 诚实报告： 准确呈现研究发现，不篡改、不隐瞒任何结果。

• 减少偏差： 努力保持客观，并主动承认研究的局限性。

当研究涉及弱势群体或涉及敏感的个人话题时，这些伦理义务将变得更加严格和重要。

何时使用定性研究

当您需要开展以下工作时，定性研究是理想的选择：

• 探索全新的、或尚未被充分理解的课题。

• 研究个人的亲身经历、信仰或主观认知。

• 对单一案例进行极尽详细的微观剖析。

• 从零开始构建新的理论或概念框架。

• 理解某一行为背后的社会或文化背景环境。

典型的案例包括探究患者在某种特定疾病下的情感体验、调查消费者做出某种特定选择的深层动机，或分析某一特定企业内部的组织文化。

何时使用定量研究

在以下研究情境中，定量方法是最佳选择：

• 测量某事发生的频率或其普遍程度。

• 利用数值对不同变量或群体进行对比分析。

• 检验特定的假设或科学预测。

• 开展纵向追踪研究（观察随时间发生的变化）或在某一时间点进行横断面对比研究。

• 评估某项科学计划或临床干预手段的可测量效果。

常见的范例包括分析大规模问卷数据、测试新教学法是否提升了学生的考试成绩，或者量化评估一项新公共卫生政策的影响力。

混合方法研究：结合两者的艺术

混合方法研究在单项研究中同时融入了定性和定量技术。它旨在博采两家之长，实现优势互补，用一种方法的深度来弥补另一种方法的局限。

为何要进行结合？

• 它允许进行三角互证（三角测量），即利用不同的方法来检验和确认研究发现。

• 能显著提高整体研究的效度，并使您的分析阐释更加丰富全面。

• 它兼顾了深度（细致入微的理解）与广度（更广泛的普适性）。

• 能产生更具完整性与说服力的科研成果。

一个经典的范例是先进行大规模的问卷调查以寻找统计模式，随后针对性开展深度访谈以剖析该模式背后“为什么”会存在的深层原因。

<ProTip title="🔗 策略：" description="利用定性研究发现来辅助设计更完善的量表，同时利用定量研究成果验证定性研究的见解。" />

使研究方法契合您的学术目的

定性研究和定量研究是构建学术知识的两条不同路径。前者通过词汇文字与行为观察提供深刻的背景性理解；后者则通过数字统计和数学模型提供客观的可测量结果。

<CTA title="撰写强有力的研究问题陈述" description="在 AI 的辅助下，数分钟内即可撰写出精确且达到期刊发表标准的研究陈述。" buttonLabel="免费试用 Jenni" link="https://cn.app.jenni.ai/register" />

您的研究问题、预期目标及学术资源将直接决定您选择哪条研究路径。通常，结合两者使用的混合方法研究能够呈现出最全面立体的科研图景。深入掌握这两种方法的运作原理，将有助于您设计出更具说服力的学术研究、最科学地解读研究数据，并为人类现有的知识体系添砖加瓦。