三角互证（Triangulation）这一术语源自测量学，即通过从两个已知点进行方位测量来确定一个未知位置。这个比喻承载了大量的工作，但并非所有工作都是坦诚的。在测量学中，有一个唯一的真实位置等待被发现。而在定性研究中，是否存在一个等待被发现的单一真理，恰恰是人们意见分歧的关键所在。
这种张力是三角互证最有趣的地方，也是几乎所有指南都忽略的一点。下文将介绍：四种类型的具体含义、三角互证能为你带来什么以及不能带来什么、当你的数据源不一致时该怎么办，以及如何在方法论部分进行撰写而不过度声称。
<CTA title="保持证据与论点的一致性" description="Jenni 帮助您起草、引用并检查每一项论点是否与您的数据所能支持的内容相匹配" buttonLabel="免费试用 Jenni" link="https://cn.app.jenni.ai/register" />
什么是三角互证？
三角互证是指从多个视角审视某一现象的实践，从而使你的结论不依赖于单一的数据源、单一的方法、单一的分析者或单一的理论。该术语通过诺曼·邓津（Norman Denzin）引入社会研究，他的《研究行为》（The Research Act）确立 combat 了至今大家仍在使用的分类法。
其核心思想非常直截了当：任何单一的数据收集方式都有其独特的盲区，而且这些盲区并非随机产生。访谈记录了人们愿意说的话；观察记录了人们在被注视时的行为；文献记录了一个组织选择写下来的内容。这些偏差都是系统性的，因此引入第二个视角不仅增加了数据，还引入了一套不同的、可能与第一套不重叠的偏差。
邓津的四种三角互证类型
邓津区分了四种类型，它们之间的区别在于你所改变的单一变量是什么。
数据三角互证（Data triangulation）
改变数据源。邓津为此提供了三个子类型：时间、空间和人。你可以在 3 月和 9 月分别访谈同一群体，在两个不同的地点运行相同的方案，或者就同一事件访问护士、医生和患者。方法保持不变；改变的是谁、何时或何地。
研究者三角互证（Investigator triangulation）
改变研究人员。两位或两位以上的分析人员独立收集或编码，然后进行比较。这种类型最容易被误认为是信度检验，而将其纯粹视为评分者间一致性的练习则忽略了重点：有趣的输出通常是两位经验丰富的读者在同一文本中看到了不同的东西，而不是他们达成一致的地方。
理论三角互证（Theory triangulation）
改变视角（理论透镜）。通过多个理论框架来阐释同一数据集，看看每个框架能聚焦于什么。这是四种方法中用得最少、但往往最富有成效的一种，因为它暴露了有多少发现是存在于数据之中的，又有多少是源于你带入其中的理论。
方法三角互证（Methodological triangulation）
改变方法。邓津将其分为方法内（within-method）和方法间（between-method）变体，这在关于数据与方法三角互证的配套文章中有更深入的探讨。
第五种类型，环境三角互证（environmental triangulation），出现在佛罗里达大学的一份推广出版物中，定义为使用与研究发生环境相关的不同位置、设置和其他关键因素。将其视为有用的延伸，而不是邓津最初的四种类型之一。
<ProTip title="🔺 寻找角度：" description="在增加第二个数据源之前，写下你的第一个数据源系统性地无法看到的内容。如果第二个数据源也存在相同的盲区，那么你只是增加了数据量，而不是实现了三角互证" />
验证还是完整性？
这是通俗指南完全跳过的论点。三角互证通常被宣传为提高效度的工具：用两种方法检查同一事物，如果答案一致，你就会更有信心。这种框架一直存在争议，且已持续数十年之久。关于这一张力的经典阐述是 Breitmayer、Ayres 和 Knafl 于 1993 年发表在《Image: Journal of Nursing Scholarship》上的论文，题为定性研究中的三角互证：完整性与验证目的的评估，其标题便直接指出了这两个目的。
验证性解读认为，数据源之间的一致性增强了发现是真实的这一信心。它假设存在一个可以趋同的单一解释。
完整性解读则认为，不同的方法揭示了现象的不同方面，因此其目的在于获得更全面的图景，而非经过验证的图景。邓津本人也曾被引用过类似的观点：不同的方法可以揭示使用其他方法可能无法发现的现象维度。
你主张哪一种会带来不同的后果。如果你写道三角互证确立了你研究发现的效度，那么你便承诺了验证性解读，而一位建构主义的评审人很可能会要求你证明“存在一个单一固定的解释等待被验证”这一假设。如果你写道它提供了一个更完整的解释，那么你的声称就会更小，也更容易得到支持。
<ProTip title="🤔 并非证明：" description="两个数据源达成一致可能意味着发现是稳健的，也可能意味着两个数据源共享相同的偏见。一致性是证据，而非验证，在方法论部分这样说明表明你理解其中的区别" />
当你的数据源不一致时该怎么办
大多数学生将不一致视为失败。其实不然，并且有一套公认的词汇来妥善处理这种情况。
O'Cathain、Murphy 和 Nicholl 在《BMJ》上提出了三种整合数据的方法，其中之一是围绕趋同编码矩阵构建的三角互证方案。它将发现分为四类，其中关键的一行非常值得向你的导师引用：不一致并不意味着出了问题。
结果 | 含义 | 如何处理 |
一致（Agreement） | 数据集收敛于相同的发现 | 将其作为你获得最强有力支持的主题进行报告 |
部分一致（Partial agreement） | 互补性。每个数据源都补充了另一个数据源所缺失的内容 | 将它们整合成更完整的陈述，并说明哪些内容来自何处 |
沉默（Silence） | 某一主题出现在一个数据集中，但在另一个数据集中完全不存在 | 思考沉默的数据源在结构上无法捕捉到什么 |
冲突（Dissonance） | 数据源发生冲突 | 报告并解释它。这通常是研究中最有趣的发现 |
“沉默”是没有人教授但却能产生最敏锐洞察的类别。如果某个关注点在访谈中被反复提及，但在组织的自身文献中却毫无踪迹，那么这种缺失本身就是关于该组织的一项发现，而不是你数据中的缺失。
Farmer 及其同事在定性健康研究的三角互证协议中提出了一个更早、更详细的方案，该方案认为一致性、互补性和冲突都必须予以解决，并指出当时关于如何使该过程具操作性的指导还很少。
<ProTip title="🗣️ 面对分歧：" description="当两个数据源发生冲突时，克制住决定谁对谁错的冲动。相反，去思考每种方法所处的观察位置，因为对冲突的解释通常比任何单一的发现本身提供的信息都要多" />
值得了解的批判观点
如果你在建构主义或解释主义传统下开展工作，最终会有人问你三角互证是否与你的认识论相容。请准备好你的答案。
反对意见在于，作为验证手段的三角互证预设了一个单一的客观现实，而多种方法会向其收敛。Braun 和 Clarke 在 2024 年《Qualitative Report》的一篇综述中直接指出，三角互证策略无法让研究人员更接近单一、固定的真理，因为对他们而言，这类事物是不存在的。相关的担忧是，使用三角互证来消除偏见会丢弃研究人员的主观性和反思性，而许多定性研究传统将这些视为资源而非污染物。规范的正式批判是 Blaikie 1991 年发表在《Quality and Quantity》上的论文，对社会研究中三角互证法应用的批判。
最引人注目的证据是邓津本人的转向。2018 年《Journal of Social Change》上的一篇评论指出，他后来建议将三角互证重新定义为水晶折射，多点光芒，并开始批判对混合方法进行幼稚的后实证主义解读。
这指向了结晶化（crystallization），即劳雷尔·理查森（Laurel Richardson）提出的替代方案。她的阐述是：在后现代文本中，我们不进行三角互证，而是进行结晶化，其中心形象不是僵硬的二维三角形，而是水晶，它将对称性与物质性结合在一起，具有无限多样的形状、蜕变、多维性和进路角度。三角互证收敛于一种解释。结晶化则使部分的、局部情境化的解释成倍增加。
如何在方法论部分汇报三角互证
两个实用要点，其中一个是可核实且几乎从未被提及的。
定性研究的 SRQR 报告标准两次提到了三角互证，一次在数据收集方法下，另一次作为增强可信度的技术。而另一个被广泛使用的定性研究清单 COREQ 在其 32 个条目中没有一次提到三角互证；与其最接近的对应项是数据编码者的数量、参与者反馈和数据饱和度。如果你目标期刊要求使用 COREQ，三角互证并不是你需要勾选的框，这意味着你必须根据其自身的逻辑来证明其合理性，而不是指向一个清单。
一个优秀的方法论段落应该包含：你使用了哪种类型以及为什么使用该类型、你具体改变了什么变量、在分析的哪个阶段比较了数据源、当它们不一致时你做了什么，以及你因此得出了什么结论。最后一点是需要准确把握的，因为这是验证与完整性悄然分流的地方。
<ProTip title="📄 撰写规范：" description="明确命名具体类型。写道‘在三个参与者群体中使用了数据三角互证’是可核实的；而写道‘对研究发现进行了三角互证’则不然，评审人会将这种模糊的表述视为流于形式的点缀" />
使用它，然后克制你的声称
三角互证在被精心规划而非事后添加时、在第二个角度确实具有与第一个角度不同的盲区时，以及在分歧被报告出来而非被悄悄抹平之时，才能体现其价值。它并不能把定性研究变成被绝对证实的科学，而那些从中获益最多的研究人员，往往是那些对其声称最克制的人。
<CTA title="撰写立论稳妥的方法论部分" description="规划您的章节结构，引用您所信赖的方法论学家的观点，并根据您的研究设计核实每一项论点" buttonLabel="免费试用 Jenni" link="https://cn.app.jenni.ai/register" />
如果你在不同类型之间举棋不定，关于数据与方法三角互证的配套文章将向你介绍应该改变哪条轴线以及何时进行改变。无论你使用哪一种，其潜在的习惯都与主导任何方法论部分的习惯相同：准确说出你做了什么，用读者可以借以重现的语言表达，并确保你所依赖的每一个数据源都能承受你置于其上的重量。