定性研究的含义

（一）符号分析法1、概念：20世纪六七十年代，符号学成为最流行的文本分析方法。对于理解文本的意义，符号学研究方法有其独到之处。符号就是代表某种事物或思想的记号或标志。它具有三个要素：符号的形式、被符号所指涉的对象，以及人们提供的对符号意义的解释。符号学是研究符号的学科。各种形式的符号都是它的研究对象。分析媒介文本里的符号，目的不在于描述符号本身，而在于发现每个符号的能指和所指之间的关系。2、分析步骤：（1）文本里都出现了哪些符号，尽可能多地列举它们，考察每个符号的能指和所指，判断重要的符号体现的隐含义和意识形态。（2）考察文本里的符号如何组合在一起。（3）考察文本里符号采用了什么手法而被联系在一起，是否运用可隐喻或转喻手法。（二）文本分析法1、概念：文本分析法是研究媒体内容的多种方法的总称，它包含多个理论流派和思想资源，并无统一的操作程序。一般来说，它是研究者用来描述和解释媒介讯息的一种研究方法，侧重于描述文本的内容、结构和功能，解释层次的潜在意义，很少使用数字和统计手段来呈现研究结果。用文本分析法研究媒介内容，也经常被称为“解读”媒介内容。2、特点：文本分析法强调对媒介内容的深入理解，它的优势在于获得深入的隐含的意义。但文本分析法研究对象规模较小，代表性低。（三）深度访谈法1、概念：深度访谈是为搜集个人特定经验及其动机和情感所做的深入的访问。在自由交谈中，从被调查者的反应、态度、意见中探求深层的东西，因此要求经过特殊训练的专家主持。深度访谈法不采用问卷，但必须事先准备好“面谈必要”；访问不要求面面俱到，但要对主题有深入的探讨；提问顺序和方式可以根据被访者的具体情况而调整，目的是促使被访者深入、连贯、自主地表达自己的态度和意见。2、特点：（1）无结构的、直接的、一对一的访问（2）样本量较小（3）可获取详细资料（4）访问时间较长（5）要求访员有很高的访谈技术和刺探技术（6）虽有访谈提纲，但根据被访者反应，允许改变提问的措辞和顺序（7）结果依赖访员（8）可对被访者的非语言反应进行较长时间的观察3、访谈技术（1）阶梯前进，沿着一定的问题线探索（2）隐秘问题寻探，重点放在个人深切相关的“痛点”上（3）象征性分析，通过反面的比较来分析对象的含义4、评价（1）优点：资料详尽；深入被访者内心（2）缺点：结果依赖访员；随机性小样本，不能概括普遍性的结论（四）民族志法1、概念：或称田野调查法，源于人类学。研究者通常采取参与观察的方式，深入到特定团体生活中，持续相当一段时间，从而询问或观察所发生的事物，然后从内部观点对其意义做出说明。近期媒体民族志的重要领域包括：日常生活情景式的接收；节目类型与文化认识能力的分析；科技与消费。2、步骤（1）选择研究对象（2）提出民族志对象（3）通过参与性观察、个案方法等途径搜集民族志资料（4）进行民族志分析（5）书写民族志3、原则（1）从广义来说，民族志学研究关注所有的文化形式，包括日常生活、宗教和艺术；（2）由于研究者本身就是最基本的研究工具，因而必须进行长期的参与观察；（3）必须采用多重资料收集法，以核实观察中发现的资料。4、评价：（1）优点：从人物和事件生产的自然环境下进行研究，因而能够得到丰富、系统、详细具体的资料。可以研究一些不容易接近、较封闭的群体。（2）缺点：花费较高的费用和较长时间；结果高度依赖研究者的个人能力。（五）人种学方法起源于欧洲现象学家的研究成果。它主要是利用参与观察法和深度调查，同时非常强调日常会话，因为会话是日常互动最基本的媒介过程。人种学是在广义的文化概念下对特定的文化情境做深入的、解析性的描述，它以一种非常全面的方式从人类认识自己的多个角度来思考。其目的在于认识一个社会制度里的人的信念和习俗，强调使社会成员联结起来的共同点。该方法要求从个体出发，摒弃了自然科学中的严格控制，观察发生在自然情境中的现象。大量依赖对研究对象的观察、定性判断和描述；重视过程，旨在获得整体的画面；还涉及反复的、即时的理解手段以及在研究过程中不断进行自我调整。（六）焦点小组座谈法一般由一位训练有素的主持人组织，引导6—12个人针对某一主题开展自由讨论。焦点小组访谈法包括在特定的情境下收集有关调查对象的情景定义的资料。这种方法通常采用一种开放式提问，以便得出有关研究的媒介信息的高度自主的资料。访谈一般以事先确定的假设为中心，然后这些假设被用作访谈的焦点，主持人努力引导个人理解某个媒体信息，由深入细致的、自由型的访问引起，帮助回忆，然后通过调查或实验而获得的更加量化的资料加以检验。作为一种研究技巧，小组访谈法曾在二战期间用于宣传效果的研究。后来很长一段时间内都作为市场研究的方法，直到20世纪80年代至90年代，大众传播学开始关注意义生成和媒介内容与技术的阐明时，这种方法才得以在传播学领域中复兴。（七）投影技法这是一种间接的（隐蔽性的）定性研究方法，其主要特点是：有隐蔽的调查目的；用无结构的、非直接的询问方式；鼓励被调查者将自己对所关心问题的潜在动机、态度等投射出来；不要求被访者描述自己的行为；在解释他人的行为时，将自己的动机、态度等投射到有关情景之中；类似心理咨询分析患者的心理，分析被访者所投射的态度。主要包括：联想技法、完成技法、结构技法、表现技法四种类型。具体程序有：1、收集资料：收集资料时，可以采用各种方法，如深度访谈、文献分析等。2、分析定性资料3、辅助分析：主要是实地调查或访谈，对资料进行选择、筛选；用矩阵、图形或表格等形式重新安排资料等。4、分析程序：包括归纳法和理论建立法。5、定性研究报告：三种形式是单纯描述、分析讨论（以研究产生的概念为主）、实质说明（以期对理论有所贡献）。

【猎云网（微信号：）】6月13日报道 （编译：清酒）如果你也怀疑定性市场研究的价值，你一定能与Jesse Caesar一拍即合：“我一直是个富有创意的人，但是市场研究人员总是让人扫兴，他们总有办法让所有的漂亮作品都变得平平无奇，为大部分人所接受。”但是，在成为一名市场研究员后，Caesar的想法改变了。Caesar的职业转变使他逐渐对对产品及其在顾客生活中所扮演的角色有了敏锐的洞察力。Caesar说：“定性研究不是用来淡化想法的。而是为了激励、审查他们，并优化。从我与初创企业的合作经验来看，我认为这个概念被误解了。创始人可能会盲目崇拜数据，将定性研究作为一种生财资源，获益良多。好的定性市场研究能够激发洞察力，并为创意之火添砖加瓦。”下文中，Caesar全面概述了定性市场研究，及其能够提供的一些独特的解决方案。他概述了一些实用的建议，帮助初创企业选择适合自己产品的正确方法，并建立成功的研究。定义定性研究对于那些探索市场研究领域的人来说，“定性”似乎是一个难以理解且容易被误解的黑匣子。Caesar列出了定性和定量之间的关键区别，并揭穿了定性神话，同时说明了定性如何能够帮助企业集中精力解决问题。定性VS定量市场研究就好比一枚硬币，有定性和定量两面，正因如此才造成了混乱，它们都是非常实用的工具，但却适用于完全不同的场景，创始人通常不确定何时使用哪一种方法。定量市场研究工作从一个具有统计学意义的样本中得出了可投射的见解。例如在线问卷调查、满意度调查或A/B测试，当你有一组问题和变量时，情况是理想的。在回答诸如“客户愿意支付多少钱”等问题时，这是一个很有用的工具。因此，如果你只是想要人们从A、B、C选项中做出选择，那就选择定量分析。如果你更需要数字验证，并且你使用的是明确界定的指标，那就不要在定性研究上浪费时间和金钱。但尤其是在初创公司的早期阶段，这些指标和选项并不总是那么容易获取。并不是所有的问题都可以量化。对于那些更模糊的问题，比如“我的产品如何切入用户的生活”，你需要冒险进入定性研究领域。如果你想知道受访者在做什么或做了多少，那就进行定量研究。但如果你想知道他们为什么要这么做，定性研究可以让你有更深入的视角。不过，初创公司往往不会进行这样的艰苦跋涉，他们往往更喜欢钻研硬数据，并画出趋势线。创业者们对定量研究存在偏见，尤其是技术创业者，他们渴望获得可投射的、统计上有意义的数据，以便为决策提供依据。但数据存在局限性。你可以做无数A/B测试，但你依然不懂用户为什么选A。有了定性研究，你才有机会对你的公司、产品和正在解决的问题有更深入的理解。简而言之，定性研究更能抓住痛点。对用户的关怀往往是抽象的，定性研究则是给了企业更加明确的方向。定性研究是“填空题”，是探索性的，关于情感的研究，但它看起来特别的琐碎复杂，难以扩展，因此很容易被选择性遗忘。虽然这么做存在风险，但当我们牢记真实需求时，我们会构建更好的产品并解决问题。这是定量研究无法做到的，没有洞察力的数据是无意义的。由于定性研究处理的问题更加模糊，因此它也容易受到误解。以下是最普遍的几个错误观念：误解1：定性研究扼杀你的直觉。企业家天生就有一种逆潮流而动、创造全新事物的冲动。如果你有一个非常有力的切入点，或是一个特别有远见的创始人，那么就没有必要进行定性的市场研究。但定性研究并不是要减少这种激情。它是关于确认和找到表达它的最佳方式，迈出下一步。误解2：定性研究就是随机询问人们的意见。定性研究绝不是随机的。研究人员制作了一个筛选器，基本上是一个面试前的调查，用它来筛选最能代表你的目标的最佳参与者。Caesar告诫初创公司不要进行客户拦截面试。如果你能让街上的人停下来和你聊天，他们很少是你的目标客户。不过，如果你必须这样做，那就试着把自己定位在一个相关的位置，比如你是一个农产品品牌，就去杂货店，或者只接触那些从事相关行为的人。误解3：人们不知道或不诚实地说出他们真正想要的。一位强有力的主持人有很大的回旋余地，可以与参与者角力，当他们发现受访者胡言乱语时，可以及时控制。定性研究可以填补的知识空白。无论一家初创公司是处于萌芽阶段，还是在完善一个成熟的产品，以下是一些特别适合探索的问题：这个市场需要什么？用户痛点是什么？赛道上缺少什么？你们的产品如何满足这种需求？定性研究可以测试产品，即便只有一个原型产品，但从真正的消费者那里得到真实的反馈，可以帮助你在持续成功和发布后的失败之间做出区分。我应该如何介绍我的产品？你对用户做出了什么样的承诺？你是如何与他们联系的？在定性研究中，你可以测试目标对不同定位语句的反应。研究可以为你的广告、包装、网站信息、附属材料等提供信息，并帮助你的产品在发布前获得成功。定性研究也是一种可靠的防灾工具，如果你不花时间真正了解你的市场或你可能遗漏的一个视角，那么代价是极其昂贵的。目标客户如何理解我的品牌？我们应该如何融入人们的生活？产品的优缺点是什么？如果你想让自己的增长达到下一个水平，这一点尤其有用。定性研究不仅对头脑风暴、寻找产品/市场契合度等有用，即使是一家成熟的公司，也可以继续从中获益。定性研究的方法论你前进的方向取决于你的研究问题和你的产品，每一个问题都提供了一个独特的视角。在这里，Caesar解释了每一种研究工具，以及它们用来阐明用户信息的观察结果。焦点小组当人们想到定性研究时，他们通常会把焦点小组描绘成刻板、沉闷的场景。但实际上，你可以从群体动态中挖掘出最丰富的洞见。通常一个典型的焦点小组会议将持续两个小时，一个房间里大约有八个人，还有一个主持人引导对话。如果你想从不同的人那里得到关于某个特定任务或概念的反馈，并且你想从受控的环境中观察结果，那么就选择这种方式。如果你希望多个主题进行交互，焦点小组有可能是理想的。这种群体设置可以披露重要的摩擦，或者是构建战略性的想法。创企有时担心焦点小组会导致集体思维，即小组的参与者会遵从“集体思维”，而不分享自己的观点。但是一个有经验的主持人知道如何先发制人，在小组讨论之前，Caesar会让受访者把他们的想法或反应单独记录在一张纸上，并在讨论时鼓励其说出自己的想法。一对一沟通无论是书面概念还是数字演示，当你有很多内容要分享又想捕捉微妙的反应时，这是最好的选择。或者，如果你需要和专家或工作繁忙的专业人士谈谈，他们的日程安排很难确定。如果你的问题涉及敏感话题，这也是最好的开始方法。无论我们谈论的是健康、财富还是性，与一个人面对面交谈，更能让其敞开心扉。不过一对一面谈的时间和金钱成本会更高，企业需要作出权衡。人类学研究如果你想观察目标与产品在自然栖息地的互动，特别是在消费者的家里、工作地点或学校，或者在他们所在地区的商店里，人类学研究是理想的选择。在用户的语境中进行对话，往往会产生最引人注目的结果。你可以学习肢体语言和语调，在一个他们感到舒适的地方与他们见面。如果你有时间和金钱花在面谈上，那么你就能最接近你的目标。当然，定性研究是市场调查的一种形式。但它的核心是讲故事：你在以最亲密的方式学习用户和产品之间的故事。电话或现场视频采访虽然电话或视频访谈无法与受访者面对面接触，但确实是与众多用户对话的低成本方式。为了弥补物理距离或是视觉线索的缺失，你就更应该好好利用网络工具，包括提前对你的主持人和参与者进行技术检查、屏幕分享、录音、存档，以及一个虚拟的“密室”，这样你和主持人就可以在采访期间和中间进行沟通。在线异步讨论板用这种方法，你可以在网上发布关于你产品的问题，人们可以在一天的不同时间登录来回复。你将会得到一个非常广泛的地理分布目标。为了拉近距离，你可以试着让受访者在完成任务时上传自己的视频，或者拍照分享。加强定性市场研究一旦你确定了定性研究，并选择了调研方式，你就可以开始加速研究项目了。在Caesar的经历中，创业公司经常会陷入同样的陷阱，从缺乏专注到将偏见投射到调查结果上。为了从你的研究中得到最大的收获，请遵循Caesar的合格研究清单。盯住目标在你深入研究之前，先要对你要解决的问题有一个基本的了解。如果你没有问题，就不要做调查。定性研究不是寻找钉子的锤子。你会惊讶地发现，很多公司经常建议为了研究而进行研究，却没有考虑到它具体能帮助他们解决什么问题。你的目标直接影响到研究的各个方面，从研究的范围到你提出的问题。因此，你得提前花时间明确你想从中得到什么。例如，一个强大的目标可能是这样的：我们的目标是研究什么样的设计和元素能够吸引注意力，以优化包装设计和驱动货架偏好，并激励购买。一个好的目标陈述包括一个“为了”的陈述。你应该确切地知道这项研究将为企业带来什么，这将使随后的工作，包括最后报告的影响和建议，保持相关性并最终为其负责。计划执行——但是要对你的资源现实一点Caesar列出了创企进行研究时可以探索的三个选项：内部研究如果你真的处于创业初期，不想放弃风险投资，这一点尤其有用。它也给了你最大的代理权——你可以设定自己的时间表，并完全按照你的意愿来设计。但自己承担这项工作也有缺点。除了在产品开发过程中挤出时间进行这项工作的挑战，初创公司可能还会在寻找参与者方面遇到困难，或者在研究过程中抛开自己的偏见。规模更大的研究机构一个机构会让你在一个问题上有更多的负责人一起工作，并可能带来更多的资源。然而，你也可能是众多客户中的一员，甚至你只是大池塘里的一条小鱼，因此，该机构更有可能被排除在研究之外，或者降低研究的优先级。他们也往往有一个标准的剧本，所以你更有可能得到现成的东西。在最初的项目范围之外，只需要最少的咨询，就可以期待更事务性的方法。”独立研究者与独立研究者合作的最大好处是个性化的关注。咨询师或自由职业者会花时间了解你的问题，并用量身定制的方法来解决它们。在整个过程中，你会得到一个一致的接触点，但不会像大型商店那样有那么多的头脑风暴和合作。在投资高质量的定性研究之前，考虑一下你所拥有的资源，开源节流。一个处于早期阶段的初创公司仍然可以找到方法来解决有限的预算问题。与其雇佣供应商，不如联系销售团队中关系最好的人，列出一个目标清单。想办法缩小你的研究规模，这样你就能负担得起，但不会在准确性或质量上妥协。拒绝偏见一个陷阱是，人们进入市场调研时，对自己想看到的结果抱有先入之见。偏见让你看不到你观察到的人类行为的细微差别。你可以提出一个假设，但你必须接受它不成立。虽然所有的数据都容易被误解，但定性研究提出了额外的警告。像这样细致入微、以观察为导向的项目，更重要的是要勤奋，不要透过有色的眼镜来解读结果。你需要以绝对开放的心态进行定性的市场研究。如果你专注于某个结果，你会有选择地阅读对你有利的输出。研究的重点是要被它所折服，并激励自己做得更好。事实上，定性研究最有价值的地方在于它的洞察力颠覆了人们的预期。六大原则增强执行力一旦你决定了一个方法论并建立了你的研究，依靠这些原则来最大限度地发挥你的研究的影响，并调整你的讨论方向。1. 谨慎提问问题是研究人员最有力的工具，尤其是当它们被精心设计和熟练使用时。Caesar警告公司不要向受访者提出过多的问题。诱惑是可以理解的。你正前所未有地接近人们的内心世界，所以你为什么不尽可能多问呢？。但你最终会发现，你得到的只是一些肤浅的答案。”当你在做市场调查时，你只有有限的时间和受访者在一起。无论你有15分钟还是3小时，明智地使用它们。巧妙地提出清晰有力的问题，确保你不会空手而归。2. 保持同理心一旦人们产生疲劳，就会抗拒参与过程，你要适当调整调查的长度。此外，你要营造一种有吸引力的氛围，让被试者坦诚相待。如果人们在焦点小组中心不在焉或感到不安，他们就会沉默不语，不给你反馈。另一方面，当他们看到你是一个热情、真诚的人，他们会敞开心扉，说出真相。3. 愿意暂停议程定性研究最强大的特点之一是它的流动性和即兴创作的开放性。不要被动地浏览一堆问题。如果你觉得一系列的问题并没有给你带来任何帮助，那就重新调整，你不能在静态调查中做到这一点。当然，你应该准备好一份讨论指南，但是如果你开始听到一些有趣或奇怪的事情，那就照着做。探索这条路。不要害怕脱离剧本，这就是魅力所在。4. 探索真相Caesar从他的导师Andy Greenfield那里学到了这种方法。“对真相进行三角定位意味着保持你想要解决的问题不变，然后采用不同的形式和练习来回答它们。提问没有一种“完美”的方式，因为人们的思维和表达方式不同。使你的途径多样化，以确保你最终到达真相。如果你的第一种方法不奏效，那就换一种方法。给你的调查对象布置一项任务，让他们画一幅画，然后谈论一下。你会经常发现它激发了一些新的东西。在更高的层次上，三角关系可能涉及多种方法的组合，以获得更完整的见解。Caesar说：“我曾与一家农业初创公司合作，想要了解是什么原因促使他们的购物者被某些特定的农产品所吸引。在焦点小组中，我们从不同品牌属性和利益的层次结构出发，对客户关心什么提出了很多见解。但在一项人种志研究中，当我们真正走进杂货店时，我们对决策过程有了更多的了解。通过观察这些相同的受访者，在不同的环境下，我们看到了这些见解在实际行动中，就在农产品货架上。”5. 侦察模式记住，定性研究不会给你一个硬性的、快速的数字。相反它会给你方向性的洞见。这并不是只做一次研究，然后在几周后提交一份报告。这是一个持续的过程。在所有的研究完成之后，退一步。你可能会注意到，人们一直在暗示同一个问题，或同一类型的问题。也许他们对某些东西有类似的反应，把这些点连起来，你会找到症结所在。6. 取得一致启动会议绝对是至关重要的。在开始接触供应商之前，请确保每个将受到研究影响的人都清楚问题所在、摩擦点和议程。让人们参与进来，让他们参与整个研究过程。至少，从市场营销（如果研究是面向传播的）和产品（如果它影响开发）的决策者那里获得一致意见。市场研究就是要获得不同的观点，对吧？但人们经常忘记的是，成功的市场研究是从内部开始的。说到底，除非你把结果社会化，否则这项研究不会有多大意义。如果你从第一天就让所有人都参与进来，他们应该会很兴奋地从这些发现中吸取教训，并朝着新的方向和解决方案不断摸索。这是定性市场研究真正证明其价值的时刻——想象力被点燃、思绪开始飞舞的时刻。

本文转载自【微信公众号：社科学术圈，ID:shkxquan】经微信公众号授权转载，如需转载与原文作者联系今天小编推荐的这篇文章，语言精练，实用性强。大部分的学术论文，基本遵循了“前言/背景介绍→文献回顾→研究方法/设计→研究结果→讨论”的框架。换句话说，当你在写作一篇学术论文时，完全可以按照上述路径架构自己的论文，然后在这个框架中，填充自己的具体研究内容就可以了。很多学者认为的“学术论文的八股文写作方法”，其实就是这个道理。1.前言/背景介绍 描述研究所涉及的相关社会背景和清晰阐述具体研究问题。如研究在哪里开展的，研究的社会背景和脉络是什么，以及本研究对该领域的实践和政策等方面的有什么重要意义。将本研究问题和具体的研究目标跟与此相关的社会问题、健康问题或相关知识、理论联系起来。简要论述为什么定性研究方法适用于该研究问题。2.文献回顾 首先，回顾与本研究问题相关的最新研究发现。其次，简要讨论相关的，尤其是研究对象相关理论视角。然后，指出在回应类似研究问题的复杂性时采用不同研究方法可能会遇到的局限。最后，总结以往研究的优点和不足。3.研究方法 研究方法部分应详细阐述开展本研究的原因、研究过程以及执行步骤。应注意，如果定性研究只是研究所采取的混合研究方法（mixed methods）的一个组成部分，那么在文章中应尽早明确这一点。描述研究者的价值判断或者所持观点和立场，包括可能会影响到研究过程和结果的研究者的个人特征和背景。描述作者的反身性（reflexivity）不仅能使读者清楚地认识到作者是如何看待研究对象和研究本身，而且对透明化（transparent）研究过程具有重要意义。此部分一般需交代以下各方面要求的内容，但也视具体研究而定，如不适用，请简述原因：01具体研究方法确定具体的研究视角或方法（例如传记法、叙事研究法、民族志法、扎根理论法、现象学法和影像发声方法等）。简要描述研究中用到的理论视角和关键概念（允许使用图表来帮助理解这些概念）。告诉读者关于选择研究方法的基本原理，为什么这个方法适合此研究问题，以及所选的研究方法将如何完成论文所描述的研究目标。02招募和抽样过程详细阐明研究成员是如何招募来的。如果研究的对象是人的话，他们是如何参与到本研究中的。清楚描述抽样方法和抽样的类型（如目的性抽样、方便性抽样、滚雪球抽样等）。汇报样本量以及样本的特征，被调查者是否存在中途退出或拒绝参与的情况，并解释为什么该样本量足够满足本研究需求。详细描述本研究抽样方法在内的研究单位、涉及物质环境及调查环境，但需要保护被调查者的隐私。描述样本饱和状态是如何执行、记录和实现的（例如，不再进一步收集新的数据，是因为增加的数据对产生的理论贡献很少，或对研究结果/主题几乎没有新的影响和变化）。03数据收集过程收集数据的方法。详细描述收集数据的方法（例如访谈法、观察法、文献资料法等），从而帮助读者了解该研究数据的潜在充分性（如对每一位被调查者不仅只是一次访谈，还在研究过程中进行了长期细致的观察）。谁收集数据。汇报数据收集者的信息，以及他们是否接受过相关定性研究训练等简要的背景信息。如何保证数据准确度。数据是否经过三角校正（triangulation，即有三个以上研究人员对定性数据和结果进行相互检验与核查）。假如是单个研究人员在单个时间点收集的数据，则应标注此研究局限。说明研究中是否采取了特殊的数据收集方法。详细介绍这些特殊的方法，解释为什么选择此方法，或是此方法与其他方法相比的优势之处。“在哪”及“何时”收集的数据。标注数据收集的地点，以及数据收集的时间。如果采用了多种数据收集方法，那么还需要汇报不同方法之间是如何相互补充的。04数据分析提供数据分析的详细步骤，以及得出结论的过程。对研究主题分析进行充分描述，以帮助读者更好地理解这些研究主题是如何产生的；这些信息是增强研究发现可信度的关键。描述用于提炼研究主题的标准。避免使用模糊的词语来表述数字或频率，比如若干（a number of）或者一些（some）；相反地，可以使用一些能相对清楚表达频次概念的词汇，例如很少（few）、许多（many）、最多（most）、大多数（a majority）。确定编码者（coder）的数量。如果有多个编码者，需解释编码者之间一般是如何保持一致的（编码标准），以及对不一致的编码是如何处理的。描述设计和检验编码过程的步骤。描述所有步骤中如何建立内部信度（interrater reliability）或者一致性（concordance）。描述如何提高研究结果的可信度（credibility）、可转换性（transferability）、可核查性（auditability）、可确定性（confirmability）或者其他方面的好的标准。例如，同行核检（peerdebriefing）、审核追踪（audit trail）、负性个案分析（negative case analysis）、长期的参与观察（prolonged engagement）、数据三角校正（datatriangulation）、内部成员校验（member checking）等。如使用了软件辅助分析数据，可考虑标注所使用的定性数据分析软件的类型。例如，如果软件的使用对于如何进行数据分析具有重要影响，那么标明软件的类型就是比较关键的信息。05研究伦理明确说明该研究是否获得相关伦理审查委员会（如Institutional Review Board，IRB）的审核和批准（或者豁免）。描述知情同意书的发放过程（如口头或书面形式）。简要描述如何保护被调查者的隐私，以及匿名化的具体措施，特别是在论文报告中应使用化名。此外，还应描述如何确保研究数据的安全。文章应避免汇报那些对了解调查方法或理解研究发现的不重要的信息，以防止不经意间暴露被调查者的身份。例如，当研究场所的相关信息并不是解释选择该研究方法的关键因素，那么应该避免长篇大论地对研究场所进行过于详细的描述。4.结果或发现 结果（或研究发现）部分应该呈现从分析中提炼出来的主题，换言之，这部分的内容不应只是简单的描述性内容，而应挖掘现象背后的东西，如：检验不同研究主题之间的关系，讨论某些现象之间的规律，而非简单地报告一系列主题。此外，应考虑是否能找到某些理论来帮助解释研究发现。指出研究发现之间的可能存在的复杂性，如果有可能，还应指出那些意想不到的研究发现。谨慎引用研究对象的语录以丰富文章，从而让研究对象自己“发声”来支持所要呈现的研究主题或对其他观点进行进一步阐释。确保引文充分和准确地表达想要呈现的主题、话题或概念等。确保研究发现和文章的阐释跟引文之间是相互联结的。研究的引文可以来自多种渠道和形式。例如，为了防止信息遗忘，研究人员可能引用来自数据刚收集完后的详细的田野笔记。必要的话，可加入能更好地帮助读者理解研究的图表。但是，这些图表不应该重复文本可以表达清楚的内容，而应该用于帮助阐明那些靠文本很难完全描述的某个概念或某种关系。这些图表应该清楚易懂，作者应清楚地标注图例或注释来帮助读者理解图表。5.讨论 总结研究发现，并将这些发现跟研究问题联系起来。讨论本研究的优势和不足。例如，有关定性研究普遍会遇到的抽样的局限性，或是相对较少的样本量或缺乏深度的数据也许会降低研究的推广性（transferability）。不过需要注意的是，在定性研究中，缺少普遍性或概括性（generalizability）并非是一种不足。阐述研究发现如何有助于丰富社会工作相关实践知识，或对发展相关政策起到的影响或贡献作用。解释研究发现可以应用到社会工作相关实践、研究或者公共政策领域的方法。描述研究发现是如何丰富和贡献相关领域知识，即描述研究发现是否与以往相关文献或理论相符合，或者对现有的知识或理论进行了补充。

定性分析定性研究是指研究者运用历史回顾、文献分析、访问、观察、参与经验等方法获得教育研究的资料，并用非量化的手段对其进行分析、获得研究结论的方法。定性研究主要是一种价值判断，它建立在解释学、现象学和建构主义理论等人文主义的方法论基础上。其主要观点是：社会现象不像自然现象那样受因果关系的支配，社会现象与自然现象有着本质的不同。定量分析定量研究的结果通常是由大量的数据来表示的，研究设计是为了是使研究者通过对这些数据的比较和分析作出有效的解释。定量研究是一种事实判断，它是建立在实证主义的方法论基础上的。实证主义源于经验主义哲学，其主要观点是：社会现象是独立存在的客观现实，不以人的主观意志为转移。在评价过程中，主体与客体是相互孤立的实体，事物内部和事物之间必定存在内在的逻辑因果关系。举个例子，比如我要分析影响车祸的道路因素，首先为了研究如何减少车祸发生的次数，首先通过饼图统计2010年车祸发生的严重情况，可以看到2010年一共发生车祸104029起，其中85.7%是轻微的，13%是严重的，1.3%是致命的。就2010年发生的这104029起车祸进行分析，首先选择城市或农村的地区因素进行分析，对比城乡哪里更加容易发生车祸，2010年发生的伤亡人数在5人以上的车祸有1142起，其中有670起发生在农村，说明农村比城市更容易的发生车祸。因此下面主要对农村发生车祸的道路因素进行分析，通过折线图观察不同道路等级对车祸的影响，发生车祸次数最多的道路等级是干线公路和部分重要的次干路，其发生车祸的次数远大于其他几种等级的道路。因此在固定道路等级为干线公路和部分重要的次干路的情况下，下钻到不同道路类型对车祸的影响，发现发生车祸次数最多的道路类型是单车道，其次是双车道，最少的是高速公路进出口。将道路类型固定为单车道，接下来通过散点图对比路口控制的不同以及光照条件对车祸的影响。得出最后的结论：①农村地区的路面条件较之城市，更加狭窄，因此司机在经过农村时要更加注意安全、②最容易发生车祸的是干线公路和部分重要的次干路的单车道，且不是在路口或自动交通信号附近，如遇这种类型的道路要格外注意、③不要因为是白天就放松警惕，白天其实比晚上更加容易发生车祸。其实定性研究有两个不同的层次，一是没有或缺乏数量分析的纯定性研究，结论往往具有概括性和较浓的思辨色彩；二是建立在定量分析的基础上的、更高层次的定性研究。在实际研究中，定性研究与定量研究常配合使用。在进行定量研究之前，研究者须借助定性研究确定所要研究的现象的性质；在进行定量研究过程中，研究者又须借助定性研究确定现象发生质变的数量界限和引起质变的原因。除非注明，否则均为DataFocus企业大数据分析系统,让数据分析像搜索一样简单原创文章，转载必须以链接形式标明本文链接。

定量研究其实没那么难，本文笔者通过对量化研究方法的一些最常见用例的介绍，以及对每个实例的成本和难度进行估计，来帮大家更好地去找我定量研究的方法。你是否需要有关产品用户体验的数字数据, 但却不确定应该如何做？许多从事用户体验及研究的专业人士倾向于定性方法论, 而这也这被广泛认为比定量 (量化) 研究更容易。但不得不承认，定性研究可能回避了较大的样本规模和量化相关的统计数据问题。而量化方法却是经验丰富的用户体验研究员的工具包中应当包含的重要组成部分。量化方法允许你：用数字为产品的可用性打上一个标签；数字有时比质量测试的结果更有说服力 (特别是当你试图说服像 CEO 这样的高管时)；比较不同的设计 (例如, 产品的新版本与旧版本, 或你的产品与竞争对手的产品)， 并确定你所观察的差异是否具有统计学意义, 而不是随机偶然；改进用户体验权衡决策。例如, 如果建议的设计改进预计会花费很大的成本来实现, 它值得做吗？如果你估计了更改将在一定程度上提高可用性，那么量化方法可以帮助你决定是否值得重新设计；将用户体验改进与组织目标和关键绩效指标联系起来 (从而显示你的投资回报并证明用户体验研究团队的价值）。定量研究，首要确定的是：到底需要哪种量化研究方法？在此，我们介绍一些目前最流行的量化研究类型：定量可用性测试 (基准测试)网络分析 (或 App Analytics)A/B 测试或多变量测试卡片分类树测试调查和问卷调查聚类定型数据可取性研究眼动测试每种方法都产生有价值的数量数据, 但这些技术在所收集的数据类型，以及所需的资源和工作量方面差别很大。本文列出了这些方法的最常见用例，并估计了每个实例的成本和难度。此外，应该知道，这些方法中都需要不同的最小样本量来确定统计意义。一、定量可用性测试（基准测试）用途：随时跟踪可用性、与竞争对手比较费用：中等收集难度：中等分析难度：中等方法类型：行为使用环境：基于任务虽然不经常使用，但定量可用性测试（有时称为可用性基准测试）很像定性可用性测试——用户被要求使用产品执行实际任务。两者之间的主要区别在于，可用性测试优先考虑观察，例如识别可用性问题。相比之下，量化可用性测试侧重于收集任务或成功时间等指标。一旦你收集了具有相对较大样本量（大约 35 个参与者或更多）的指标，你就可以使用它们跟踪产品的可用性随时间推移的进度，或者将其与竞争对手产品的可用性进行比较。你选择的可用性测试类型（面对面，远程主持或远程未经调度）将影响成本，由于定量和定性可用性研究的目标不同，测试的结构和使用的任务也需要不同。二、网络分析（或 App Analytics）用途：检测或优先排序问题、监控性能。成本：低收集难度：低分析难度：高方法类型：行为使用环境：live分析数据描述了人们对你的实时产品做了什么：他们去哪里、他们点击了什么、他们使用了什么功能、他们来自哪里，以及他们决定离开网站或应用程序的页面。此信息可以支持各种用户体验活动。特别是它可以帮助你监控产品中各种内容：UI 或功能的性能，并确定哪些是真的不起作用。三、A / B 测试或多变量测试用途：比较两个设计选项成本：低收集困难：低分析困难：低方法类型：行为使用情况：live虽然你可以使用分析指标来监控产品的性能，但你也可以创建实验来检测不同的 UI 设计如何通过 A / B 测试或多变量测试来更改这些指标。在 A / B 测试中，团队创建同一 UI 的两个不同的实时版本，然后将每个版本显示给不同的用户，以查看哪个版本的性能最佳。例如，你可以创建相同号召性用语按钮标签的两个版本：“获取定价”与“了解更多信息”，然后，你可以跟踪按钮在两个版本中收到的点击次数。多变量测试类似，但涉及一次测试多个设计元素（例如，测试可能涉及不同的按钮标签，排版和页面上的位置。）这两个基于分析的实验都非常适合决定同一设计的不同变体，并且可以结束团队关于哪个版本最佳的争议，但这种方法的一个主要缺点是它经常被滥用。四、卡片分类用途：确定信息架构标签和结构成本：低收集难度：低分析难度：中等方法类型：态度（人们怎么说）使用环境：不使用产品在卡片分类研究中，参与者被给予内容项目（有时字面上写在索引卡片上），并要求以对他们有意义的方式对这些项目进行分组和标记。该测试既可以亲自进行，也可以使用实体卡进行，也可以使用卡片分类平台进行远程测试。这种方法为你提供了进入用户信息空间的心理模型的机会。他们使用什么术语？他们如何在逻辑上将这些概念组合在一起？对创建类似分组的参与者的百分比进行定量分析可以帮助确定大多数用户可以理解哪种分类方法。五、树测试用途：评估信息架构层次结构成本：低收集难度：低分析难度：中等方法类型：行为使用环境：基于任务，不使用产品在树测试中，参与者尝试仅使用你站点的类别结构来完成任务。它本质上是一种评估你的信息架构的方法，通过将其与 UI 的所有其他方面隔离开来。假设你的产品是宠物用品网站，这是你的顶级层次结构，你可能会要求参与者完成一项任务——找到狗项圈。树测试结果的定量分析将显示人们是否能够在信息层次结构中找到该项目的正确路径，以及有多少参与者选择了错误的类别。此方法可用于识别 IA 结构，标签和展示位置是否符合人们的期望。六、调查和问卷调查用途：收集有关您的用户他们的态度和行为的信息成本：低收集难度：低分析难度：低方法类型：态度使用环境：任何调查是一种灵活的用户研究工具。你可以在各种环境中管理它们：在实时网站、电子邮件或可用性测试之后进行短暂拦截调查等。它们可以产生定量和定性数据的组合——评级，多项选择题中每个选项的答案比例，以及开放式答案。你甚至可以将对调查的定性响应转换为数值数据。你可以创建自己的自定义调查，也可以使用许多已建立的问卷中的一个（例如，系统可用性量表或净推荐值得分）。调查问卷的一个优点是，你通常可以将结果与行业或竞争对手的分数进行比较，以了解你的工作情况。即使你创建自己的自定义调查问卷，也仍然可以跟踪你的平均分数以监控产品改进。七、聚类定性数据用途：识别定性数据中的重要主题成本：低收集难度：中等分析难度：中等方法类型：态度（人们怎么说）使用环境：任何这种技术不是数据收集方法，而是更多的定性数据分析方法。它涉及根据共同主题对来自定性研究（例如日记研究、调查、焦点小组或访谈）的观察进行分组。如果你有大量观察结果，则可以计算提及特定主题时的实例数。例如，假设你进行日记研究，要求参与者每次在日常生活中使用你的产品并进行一周报告，目的是了解他们在何种环境中使用你的产品。此方法可以识别特定主题或情况的普遍性或频率，例如，用户投诉的频率或 UI 问题。这种方法是从大量定性信息中挖掘数值数据的好方法，但它可能非常耗时。八、可取性研究用途：识别与您的产品或品牌相关的属性。成本：低收集难度：低分析难度：低方法类型：态度使用环境：基于任务定量可取性研究试图量化和衡量产品的某些质量，例如美学吸引力、品牌强度、语调。这些研究可以根据你的研究问题进行定制，但通常包括首先将参与者暴露给你的产品（通过向他们展示静止图像或要求他们使用实时产品或原型）。然后，你将要求他们通过从描述性词汇列表中选择选项来描述设计。随着样本量越来越多，一些趋势则开始出现。 例如：你可能有 84％ 的受访者将设计描述为“新鲜”。九、眼动测试使用：确定哪些 UI 元素分散注意力，可查找或可发现。成本：高收集难度：高分析难度：高方法类型：行为使用环境：基于任务眼球跟踪研究需要特殊的设备，来跟踪用户在界面上移动时的眼睛。 当许多参与者（30 个或更多）在同一界面上执行相同的任务时，有意义的趋势开始出现，你可以通过一些可靠性告诉页面的哪些元素会吸引人们的注意力。眼动测试可以帮助你确定需要强调或强调哪些界面和内容元素，以使用户能够实现其目标。运行眼球跟踪研究的一个主要障碍是高度专业化、极其昂贵且有些不稳定的设备以及需要大量的培训才能使用。在尝试确定使用哪种定量方法引导你的研究问题时，你需要了解什么？例如：我们的产品可用性如何随时间而变化？与竞争对手相比，我们的表现如何？我们哪个问题影响最大？我们应该如何优先排序？对于这些类型的问题你可能希望使用定量可用性测试、网站分析或调查。当你想要回答更具体的问题时，或许其他方法更佳。 例如：我们应该如何修复我们的全球导航类别？我们的大多数用户对我们的视觉设计有何看法？我们应该在仪表板中使用这两种设计方案中的哪一种？对于这些研究问题，你可能希望使用 A / B 测试、卡片分类、树木测试、编码定性评论，可取性研究或眼球跟踪。但是，这些建议中有一些灰色地带。 例如：出于安全或技术原因，A / B 测试可能不是贵公司的选项。如果是这种情况，你可以进行面对面的量化可用性研究来比较两个原型。但是，这不是定量可用性测试的典型用法，所以没有在这里讨论它。在研究问题之后，选择方法的第二个最有影响力的因素是成本。这些方法的成本会有很大差异，具体取决于你实施研究的方式。你使用的工具、你拥有的参与者数量以及研究人员花费的时间都将影响最终成本。低预算团队将依赖数字方法——远程可用性测试、在线卡片分类平台、如 OptimalSort、A / B 测试以及 Web 或应用程序分析。根据经验，现场方法（例如：面对面的可用性测试，面对面的卡片种类）往往更昂贵，因为它们需要更多消耗研究人员更多的时间。此外，他们可能需要旅行和设备租赁。眼动测试是这里列出的最昂贵的方法，应该只有具有大预算和研究问题的团队才能使用它。一旦选择了方法，就要了解它，并确保你获得有用的成果。警告：不能只收集指标并开始做出决策而不进行任何统计分析。仅收集来自 5 个用户的评级规模响应，取平均值并继续前进是不够的。对于此处讨论的每种方法，都建议最小样本量以获得可靠的数据并确定统计显着性。如果你不这样做，你无法保证你的发现不只是侥幸。无论你选择哪种方法，一定要考虑研究相关统计概念所需的时间。我保证，定量研究不像它看起来那么难，对于你的定量数据来说非常值得。作者：研如玉，神策数据·用户行为洞察研究院 公众号（ID：SDResearch）本文作者：Kate Moran文章来源：Nielsen Norman Group本文由 @研如玉 翻译发布于人人都是产品经理，未经许可，禁止转载题图来自Unsplash，基于CC0协议

用户调研得来的数据该如何处理？笔者在本文给出了敏捷量化分析方法，可供同学们参考并交流。上一篇文章讲了B端用户调研的一些灵活方法，当收集到用户调研的数据之后，接下来就是做问题的整理、分析和优化了。实际工作中，用户调研阶段可能会已经花费了较长的时间，出于对时间成本、工作进度、问题时效性等多方面的考虑，总是希望能尽快的输出一个用户调研数据结果，给产品的迭代优化提出改进方向和计划。本问将会讲一种简单迅速的处理用户调研问题优先级的量化方法。一、用户调研数据分析思路数据收集整理→问题优先级排序→解决方案设计→解决方案的优先级排序二、步骤详细说明第一步：数据收集整理关于用户调研的数据收集、整理，每个企业、团队、产品经理等都有自己的记录分析的方法和规范体系，为了方便最后的敏捷量化分析，数据的收集整理请注意以下几点：团队内建立一个问题识别的规范体系，更加快捷地识别问题的严重性；标注出问题发生在哪里，如屏幕、模块、用户界面组件、流程等；清楚用户反馈问题时，正在参与的具体任务；一个简洁的问题描述。《量化用户体验》的参考示例表格：“1”代表此用户出现此问题，“0”代表没出现。第二步：问题优先级排序先来说一下，问题严重性评分的几个影响因素：任务的关键性：任务的未完成对业务及用户产生的影响；问题发生频率：在不同的参与者中这个问题发生了多少次；问题的影响：对于用户顺利完成任务的影响程度。具体优先级分析步骤：1）给测试中的每个任务设立关键性评分K。根据任务对于业务或用户的重要性来设置分值，可以结合实际工作情况，合理安排分支区间。我们实际工作中按5分制，即1、2、3、4、5。2）给任务中出现的每个问题，设立影响力评分I。参考标准一：5分：该问题阻碍了用户完成任务（障碍）3分：该问题导致用户产生挫败感或者延误任务的完成时间（严重）2分：对于完成任务的行为表现产生较小的影响（轻微）1分：参与者提出的建议（建议）参考标准二：5分：影响任务完成的行为3分：导致用户“偏离航线”的行为2分：用户表达出来的挫败感1分：用户说自己完成任务但实际未完成3）计算问题发生频率F=问题反馈人数/用户总人数。4）计算问题综合严重性评分S=关键性评分K*影响力分值I*发生频率F，并按评分S进行由大到小排序。对前面的表格进行优化后，示例如下（仅以两个用户示例）：模板下载详见文末，计算过程已在Excel加入公式自动实现计算操作（包括根据添加用户数量自动计算F，根据F自动计算S=K*I*F）。第三步：解决方案设计注意：有时解决方案十分明确，或者只有1~3种解决方案，可以通过综合考虑业务逻辑、交互体验、研发成本等方面问题，就可以确定解决方案，而不需要精确的数据化分析。但是当问题没有那么明显或者存在多种解决方案时，为了降低做出错误设计的风险，可以设计多种备选方案，分析选取最佳方案。对于每个问题，需要准备大量的解决方案（注意与开发、设计、需求、业务等成员合作讨论）。重新整理解决方案，确保描述具体详细。标记出方案可能解决的其他问题：在实践中，一个好的方案可以解决多个问题，好的解决方案是通用的。第四步：解决方案的优先级排序计算效力值E=解决问题1关键性评分*自定义加权数+解决问题2关键性评分*自定义加权数+…量化解决方案复杂度C（团队评估出的每个解决方案的复杂度）计算投资回报率（RIO）=效力值/复杂度（E/C）三、视觉工具(便利贴、白板等)——分析方法作为设计师或者产品经理，大家更喜欢团队人员，在一个会议室，使用便利贴或者白板来工作，这样分析更加方便、有趣、直观，也便于团队内部之间的合作。如下图：四、分析方法选择视觉工具分析快速随性，可以促进团队之间的协作，但也可能降低数据的准确性。敏捷量化的分析方法，数据直观，更方便整理问题排序。所以，要根据实际情况，选择最符合自己产品特点、用户调研方法、用户量和调研目标的方法。五、注意事项对于优先级的理解需要注意的是，根据上述方法得到的问题优先级排列是用研人员基于用户的测试而给出的参考结果，结果也可能会因为样本选择、统计方法等因素而出现误差。所以，这个优先级顺序并不是产品开发的实际优先级顺序。所以，用研应该和公司相关业务、运营、开发等成员，一起从用户的角度来理解这些问题的重要程度，再由相关人员决定实际的优先级排次序。使用的局限性在优先级阶段我们只关注了可用性问题，用户在测试过程中表现出来的态度以及行为并未涉及到。可以选择分开记录这类数据，使用它来补充和平衡测试结果。但是，我们在实际工作中，远程测试居多，也可以通过用户语气、停顿时间等做记录。在可用性测试中，当用户提到产品的某个或某些优点时，我们同样需要记下来，并在事后的报告中提及，特别是一些被多次提及的优点。有利于可用性测试等用户研究后续的合作、沟通；重视用户提及多的优点，为后续迭代做参考。六、最后陈述定性研究数据的分析还有许多种方法，本次只是分享了一种比较敏捷的量化分析方法，希望对大家的工作有帮助，更期待大家“批阅”后多提意见！模板下载链接：提取码：8ziz本文由 @Ace-老糊 原创发布于人人都是产品经理，未经作者许可，禁止转载。题图来自Unsplash，基于CC0协议。

习近平总书记在哲学社会科学工作座谈会上指出：“对现代社会科学积累的有益知识体系，运用的模型推演、数量分析等有效手段，我们也可以用，而且应该好好用。需要注意的是，在采用这些知识和方法时不要忘了老祖宗，不要失去了科学判断力。”这为我们在社会科学研究中把准研究方法和选择好研究方法提供了根本遵循。新时代，把准定性研究与定量研究的本质与联系，注重两者的有机结合，促进哲学社会科学“以我国实际为研究起点，提出具有主体性、原创性的理论观点”，“推进学科体系、学术体系、话语体系建设和创新”，“构建具有自身特质的学科体系、学术体系、话语体系”，具有重要的理论意义和实践价值。一、定性研究与定量研究的出场社会科学以人类的经济活动、政治活动和精神活动等社会现象为研究对象，从其产生开始，便有了自己相应的研究方法。从属性来看，定性研究和定量研究以及两者的有机结合，是其重要的研究方法。定性研究与定量研究或者说定性的方法与定量的方法，一直在科学发展的道路上随影而行。人类早期，科学整体发展水平不高，没有达到系统的程度，不能非常确定未知世界，图画简化、记号改造和文字描述，成为人们认知世界的主要方法；同时，手指计数、石子计数、结绳计数和刻痕计数等也运用在社会活动之中，成为人类早期将定性方法与定量方法相结合认识世界的雏形。一直以来，在社会科学研究中，对定性研究没有明确定义。但是，大致认为，所谓定性研究，主要是依据社会现象或事物具有的属性，从内在的规定性来研究现象或事物。定性研究，主要通过语言文字描述、现象分析归纳、图像展示说明等方式，从中寻找事物“质”的特征和规律。比如，标志着经济学诞生的《国富论》，以定性为主进行阐述，马克思的《资本论》采用大量定性研究进行分析，定性研究方法阐释出从整体上把握事物内在本质和规律的光辉思想。20世纪20、30年代，定性研究因社会调查方法得到发展，采用田野调查、参与观察等方式开展研究，加快了定性研究方法的步伐。通过定性研究，人们对研究对象有相对偏于感性的了解。假以将考察目光投向中国古代思想文化的辉煌殿堂，不难发现，儒家的解释系统成为了绝对主流。这至少源于相对封闭的农业社会，生产力不够发达，整个社会结构高度同质化，分析社会现象，更多从礼和文化的角度去考察。这也是部分学者认为，我国在很长时间里没有自身社会科学研究方法的原因。其实，这是相对现代社会科学的内涵以及具有多学科性、多方法而言得出的一种推论。近代以来，大批仁人志士在寻求国家与民族的图存路上，常常借用现代社会科学的方法研究中国社会问题，寻求解决良方。经过真理标准问题的大讨论，思想理论界空前解放。在“政治学、社会学等等需要‘补课’”的指引下，我国社会科学开启重建之路，面对改革开放的宏大场景，社会科学在研究社会问题时，更多使用的是定性研究方法，展示出许多抽象的理论推导和思辨阐述。一则，这是继承传统的研究方法；另一则，是社会科学与哲学、历史学和文学有着本土的人文基因和关系。相对定性研究来说，定量研究在社会科学研究中的应用迟缓许多，但是发展迅速。回顾科学发展的历程，人类对自然现象的观察、日常生活的需要以及为满足这种需要而从事的生产活动等构成了科学的起源。古代东方民族和古希腊对古代科学的萌芽均作出重要贡献。但直到伽利略摒弃神学的宇宙观，倡导数学实验方法，揭示出动力学、天文学的变换状态和存在规律，才开启近代科学以及定量研究之先河。近代科学快速发展，工业文明大步向前，社会现象纷繁复杂，实证主义迅速兴起，用“量”的表达、数学的语言研究社会对象越来越深、越来越广。威廉·配第、奥古斯特·孔德、埃米尔·迪尔凯姆等均在其著作中大量运用定量的方法分析经济社会等现象，尤其是经济学的后边际革命爆发，越来越多的定量分析被应用到经济理论研究中；萨缪尔森将数学分析方法引入经济学，其影响延续至今。这些研究方法为后来社会科学的研究和学科建立，提供了许多有价值可借鉴的具体定量研究方法。定量研究试图在一定的假定条件下，借助工具、公式或模型推理将研究对象的各组合要素的相互关系以及外部条件对研究对象的影响揭示出来，以期对研究对象有相当精准的认识和分析。数学基础和计算机应用基础，在社会科学的定量研究中起了非常重要的作用，成为了定量分析研究对象不可或缺的手段。方法、模型和指标构成了定量分析的主干要素。二、定性研究与定量研究的起伏宏观上讲，大千世界，气象万千，社会现象，林林总总，凸显世界的复杂性，这使得定量研究难以精确计量研究对象中各因子的相互关系，必易导致定量研究的或然性。微观上讲，社会个体的独特性，特别是个体情感、精神等研究，一般较难采用定量方法加以研究。方式上看，在社会科学研究中，只看到连串数学公式、得出系列数字结论，易导致见物不见人，驶离研究初衷。这也是定性研究可成为社会科学最基本的研究方法的重要缘由。当然，纵览近些年社会科学通过定性获得的研究成果，定性研究也在经历着从传统到现代、从阐释理论到对接现实等的转化与应对。定量研究诞生以来，主要经历过实验法、测量法、问卷法和数学模型法等多种量化研究方法的演变与综合，发展至20世纪70年代达到一个高峰。期间，面向现实世界、重视实践、主张实证和理性的风气异常兴盛，促进了自然科学的许多研究方法转化成了社会科学的研究方法。一些综合性、应用性、交叉性的社会学科，采用定量方法进行研究，解决了许多实际问题。目前在研究中，因其借用定量方法取得的大量新颖、精细且具备数字说服力的成果，也难完全以客观姿态接纳传统定性方法研究出的深刻思想成果。可以说，定量研究在一定程度上打破了定性研究传统思维模式，促进了研究的技术化。但是，无论提出怎样合理的假设，建立多么精致的模型，估算参数，验证理论，预测未来，仍然还是其不足之处。随着人类生产力总体水平不断提升，自然科学技术也为社会科学的研究提供了许多素材。社会问题与科技问题结合愈发密切，有时甚至科技问题直接演变成社会问题，对其的研究，需要借助定量研究去精准探究；与此同时，由于社会生产、生活的急剧网络化、大数据化、信息化、复杂化和快速化，对有关社会问题采取定性研究，也不能完全适应社会的需求以及解决认识问题。三、让定性研究与定量研究相得益彰习近平总书记指出：“哲学社会科学研究范畴很广，不同学科有自己的知识体系和研究方法。对一切有益的知识体系和研究方法，我们都要研究借鉴，不能采取不加分析、一概排斥的态度。”我国哲学社会科学涵盖历史、经济、政治、文化、社会、生态、军事、党建等众多领域，这些领域都有其相应知识体系和话语表达，都应增强问题意识，坚持问题导向，要坚持用科学的方法分析和研究问题。定量研究与定性研究，在社会科学研究中都有用武之地。只是针对不同研究对象、借助不同学科视角、发现不同问题和达到不同研究目标而采用的不同方法而已，没有孰优孰劣。从这点上讲，两种方法应在哲学社会科学的研究方法中相得益彰。过度仰仗定量，易在学术研究方面过度模型化，势必导致认识世界的价值理性缺失；过度仰仗定性，易在研究内容方面出现空泛化，势必导致认识世界的精准度不够。没有定性的定量，容易导致盲目的定量；没有定量支撑的定性，容易产生无本质的定性。在定量分析基础上的定性分析，更能因接近事物的属性而得出科学的结论；在定性分析基础上的定量分析，更能把握社会的变化动态和趋势走向，有利于科学得出事物的“质性”。无论是归纳与演绎、实证与思辨、证实论与证伪论，还是解释与理解，都预示着研究思维的理性进步。社会科学的时代属性、价值本性和民族特性，决定了我们在新时代面临信息化加速发展，原本在工业化时代建立起来的许多社会科学的研究范式、研究方法，必然受到学科分立、方式转换、话语创新等方面的影响。此时，我们要认清每种方法具有不同的特征和功能。对于有些定量研究，分析严谨，数据清晰，但我们更要注意其根本思想和原理意蕴。因为，西方有些流派和理论背后，藏有自己的问题意识，而快速发展的中国的诸多问题，不在西方学术视野之内。对于有些定性研究，看起来，理论先进、论证充分，但我们不能简单横向移植，要注意其论述的立场和基本价值取向。因为，我们要有我们的自主性、主体性和独立性。新时代，许多传统学科再展新颜、新兴学科不断涌现、前沿学科快速变革、交叉学科蓬勃发展、冷门学科焕发生机。在繁荣发展我国哲学社会科学的进程中，需要把马克思主义的方法与各门具体社会科学的研究方法结合在一起，同时还要借鉴西方社会科学研究的优秀成果和方法，不断创新研究，才是我们应走之路，而不必只是在纠结定性研究与定量研究的孰优孰劣中兜圈子，不必在对定性研究产生固化与偏见、对定量研究产生痴迷与排斥中迷失了方向。其实，不管是定性研究还是定量研究，要根据社会科学的研究内容、研究目标和学科特点而定，其目的都是为了更好地结合中国实际、中国经验和中国社会，解决我们正在做的事情中遇到的一系列重大社会问题。【本文系湖北省高等学校哲学社会科学重大项目“新形势下进一步完善湖北高校网络意识形态建设研究”（18ZD019）阶段成果】（作者单位：三峡大学马克思主义学院）来源：中国社会科学网　作者：曾德贤精彩推荐：推动形成全面开放新格局中非抗疫合作成效显著百年中国艺术歌曲创作述论欢迎关注中国社会科学网微信公众号 cssn_cn，获取更多学术资讯。

数据分析就是你每天SQL的数据库吗，还是每天捣鼓的Excel函数？在我的前一篇文章里写到，选择指标时，要定量指标要跟定性指标相结合，才发挥它的作用；作为数据分析师以能在千万杂乱数据信息中，找到有价值的信息而骄傲。数据量越大，你找到的信息越有价值，你的分析就越具有价值。日常的数据分析一般地是选择定量的数据，定性的数据一般是比较少，而且不是直接处理，必须要经过各种调研、访谈、分享、记录等得来的，需要的是整理的功夫，而不是算法分析的技巧。在精益管理理念里，却对定性分享很重视，尤其是项目的启动阶段；刚好今天看了看到这样的观点，对是否是数据驱动着人去做决策有点疑惑，我认为这种怀疑是合理的。毕竟人在寻找数据的过程中，很多时候都是为了证明自己的决策是对的，那么如此收集数据，将会对不能证实自己观点的数据选择性地丢弃。实际上，这是一种无意识偏见会让他在决策上偏离了数据驱动的决策方法；这种方法也叫数据启发式方法，具体的就是指，决策者沉浸在数据中，最终达到一个情感临界点并做出决策。这样的决策确实是跟数据有关，但并非是数据驱动产生，它来源于决策者早已存在的偏见。消除数据偏见的方法就是，原则在数据之前，比如你选定了一个原则流程，不管在之后收集到什么样的数据信息，都要按照这个流程来走，即使是这个数据与你的目标是相悖的，也要坚持。如果不坚持，得要考虑清楚不坚持的成本是什么。史上做定性分析最厉害的，我认为是写出《湖南农民运动报告》的作者，论调研、访谈没人跟得上他，当然，作为社会学家，跟他同时代的写出《江村经济》的费孝通除外。在读他的选集的过程中，给我最大的感受是，几乎每一篇都体现了，他对时代问题和时代阶段的定义和矛盾解析。别人认为战争可以速战速决的，他认为时代和环境要求当前只能选择持续战，并最终赢得战争。别人认为战争还可以打个十年八年的，他认为只需三年就可以结束了。总结起来就是，面对问题，他可以重构问题，定义发展阶段，并能辩证地看待矛盾。他具有这种高瞻远瞩来自于哪里？就是来自于定性分析。为什么这么说，因为定性指标与趋势有关，他通过调研、访谈、座谈等形式收集信息，并试图在人们的反馈中找寻规律，从而梳理出事情的真相。为此，还要有超强的总结能力，不然，如果没有超强的总结能力，北大图书馆的书是白读了。他通过各种访谈对象那里发现事情的原委，并且归纳他们需求的共同之处，因为这指引着正确的方向。最后，大规模的定量检测这些规律。前段时间，解构先生我也曾对公司的一些同事做过一些访谈，我发现自己还是有很多改善的地方，所以，最近在跟一些同事聊天时，总是在练习，渴望自己可以游刃自如地运用这些技巧。回到我们的数据分析话题上来，如果是在创业阶段，最容易犯的错误是，在不是本阶段关注的指标，却把它作为最重要的关注指标来处理，把创业项目引导到消耗创业资源上面。作为创业或者项目的前期，要找到需要解决的问题，或者已经开启了项目，那么是如何验证项目的正确性呢？这里用到精益管理里的一些流程；一、知道哪些问题是足以让人感到头疼的，能让用户彻夜不眠的，这种问题可以从人性，也可以从现实中考虑。比如，人都是懒惰的，你提供的产品，是不是足够让我的懒惰，得以光明正大的享受你的方便的。比如，在没有汽车时，你提供了汽车，让我不用远途走路。再比如，我很想吃饭，但我不想下楼吃饭，那你能不能提供一个产品给我用，可以让我不用下楼，就有人送饭上来；二、是不是有一群人存在这些问题，如果只有一个人存在，那也只是个案，那也形成不了市场；因为只给一个人解决问题，那是咨询师的事情，给一群人解决事情，才是产品存在的意义，才是一个逐渐形成的潜在市场。所以，做定性分析，需要访谈很多人，需要找出最能代表的典型。三、有没已有方案存在。如果前面两个问题已经存在，那么在市场上，或者项目出现之前，已经有方案在解决了，只是没成熟，或者人们还没足够认可。但无论当前的解决方案是什么，这种解决方案都是你想要重新建构方案或产品，投入到其中最大的阻碍，因为对于人们来说，它才是最容易的解决方法；记得前百度产品人俞军总结的产品经理方法，可以说明这点。比如他把之前总结的12条军规，压缩为三条军规，其中第一条，产品价值分析法：用户价值=（新体验-旧体验）-换用成本从这个公式看，定性分析所带来的方案或产品，是不是用户价值要比其它的更高，如果不是，用户也会用脚投票；那么定性分析会带来什么？读过本文，你也会有你的答案。欢迎说出你的观点。

2019年12月，美国企业研究所发布报告《美国家庭日记：民族志研究能否协助公共政策？》。该报告收录了使用民族志观察、深度访问等定性研究方法考察贫困和社会流动受阻原因的最新研究，并探讨了如何借助定性研究改善公共政策制定。本报记者围绕定性与定量研究方法的特点及其在社会科学和政策研究中的应用等问题采访了有关学者。政策研究经历两次革命美国企业研究所经济政策研究员阿帕尔娜·马瑟（Aparna Mathur）和美国巴克内尔大学社会学与人类学助理教授詹妮弗·M.席尔瓦（Jennifer M. Silva）谈到，在美国，关于贫困和社会流动性的政策研究主要采用高度依赖大规模代表性调查和行政数据的定量研究方法。定量研究关注有关人们的信念和行为的大量且多样化的信息组，并旨在从中归纳出变量之间的数字关系以预测未来行为。据美国约翰斯·霍普金斯大学经济学教授罗伯特·A.莫菲特（Robert A. Moffitt）介绍，过去50年里美国社会科学研究特别是政策导向研究发生了两次数据收集和分析革命。第一次革命是大规模、具有人口代表性的家庭调查的发展，如当前人口调查和国民健康访问调查，它们收集了数百项关键的社会经济变量信息，样本规模足够大，能够较准确地估算总人口层面的统计数字和关联。结合家庭面板调查（在不同时间点对相同的样本家庭进行多次访问），这些调查彻底改变了研究人员对低收入美国人的就业、收入、家庭结构、迁移动态的了解。第二次革命是大规模计算技术和大容量存储能力的发展，这使数据的高速下载、存储、分析成为可能。个体层面的家庭调查与快速分析方法的结合创造了人们预料之外的海量知识积累。与此相关的还有社会实验和随机控制实验的兴起。社会实验的提议源自20世纪六七十年代美国计量经济学家盖伊·H.奥卡特（Guy H. Orcutt）等人针对负所得税的研究。随机控制实验需要大规模数据收集、大规模样本、合适的计算方法，是考察针对低收入人群的社会政策有何影响的重要工具，通常被认为能够提供对某一政策的真实因果效应的最佳评估。定量与定性各有优劣美国佛罗里达州立大学高等教育成功中心创立主任、高等教育讲席教授胡寿平告诉本报记者，定量、定性以及定量定性混合研究方法是社会科学研究的基本方法。定量研究方法被普通大众和许多决策者视为更具科学性和客观性的方法，定性研究方法则不得不花费时间和精力去为其科学性和价值辩护。总体来讲，定量研究方法更适用于较成熟的研究领域，它对研究假设的验证较为直接有力；定性研究方法对于人们知之较少的研究领域较有价值，它有利于产生研究假说。定量研究方法有利于验证因果关系或产生一般性、普遍性的结论，定性研究方法有利于对独特个体和独特现象的理解。定量和定性研究方法在人文社会科学领域都有较为广泛的应用，但也因学科学术传统和具体研究问题而异，还受到研究目的、时间资源、研究经费等因素影响。一般而言，小规模研究项目倾向于采用定性和定量方法中的一种，大规模且有较充足经费支持的项目倾向于采用定量定性混合研究方法。胡寿平表示，政策制定的优劣取决于所用证据的严谨度、科学性、综合性、匹配性。定性研究方法强调当事者的观点、感受、经历，也较为关注脆弱群体，对政策制定的合理性有积极作用，但由于当事者受限于自身的利益、眼界、目标，在一些情况下有必要批判性地解读和利用定性研究。定量研究中与脆弱群体相关的结果可能被数据中的“大势”掩盖，定性研究则能弥补这方面的缺陷。在政策评估中，定量方法可帮助建立或否认因果关系，定性方法可帮助进一步理解因果关系存在与否的原因。总之，各种研究方法均有其优点和不足，应对具体研究问题、目标、资源和时间环境等因素综合考量。大数据催生“定性大数据”大数据的兴起和迅速流行深刻地影响着科学研究进程。胡寿平说，随着数据收集渠道和能力的迅速扩张以及计算能力的提升，大数据成为定量研究的一个热门领域，这对定性研究或多或少会有影响。公众可能会更相信大数据和定量研究方法的科学性和实用性，从而忽视定性研究方法的合理性和贡献，决策者也会更倾向于以大数据和定量研究发现为决策基础而忽略定性研究结果。大数据为定量研究方法的更广阔应用创造了条件，两者显得更加“适配”，但定性研究方法的目的、优势、适用领域不会因此而过时或消失。相反，定性研究可减少基于大数据的定量研究给脆弱人群造成的负面后果。当然，由于资源有限，大数据的流行也许会使传统定性研究项目更难获得资源支持。英国爱丁堡大学社会学教授琳恩·杰米森（Lynn Jamieson）和英国经济与社会研究理事会国家研究方法中心研究员萨拉·卢思韦特（Sarah Lewthwaite）提出，定性研究的一个不足是耗时较长，研究者个人甚至团队难以快速处理大量的定性数据。传统的、严格的分析方法要求研究人员在一定程度上“沉浸”于数据中，即使有软件的辅助，仍需花费较长时间。这一问题激起了社会科学家对大数据的兴趣以及采用定量方法分析量化数据组的偏好，进而催生了将定量研究的宽度与定性研究的深度结合起来的“定性大数据”。据胡寿平介绍，“定性大数据”指大规模多角度地应用定性研究方法收集和建造的定性数据库，是与基于数量化的大数据并生的一个新概念。它的优势是大规模、多角度、全方面地观察理解系统内成员的互动以及系统和个体之间的互动，为更全面地理解个体、组织、系统和政策影响创造了条件。马瑟和席尔瓦表示，定量研究的根本目标包括普遍适用性、效率、可复制性、透明度，这与新兴的大数据“不谋而合”——大数据分析的目的是让数字“自己说话”，以无偏见的方式展示和预测人类行为模式和趋势。尽管量化数据组规模持续扩大并覆盖更多的人类经验领域，数据分析技术也越来越高速和复杂，社会科学研究人员和公共政策专家对定性研究的兴趣不减反增。定性研究以“发现逻辑”为基础，尝试以被研究者的视角看待世界，目的不是证明或证伪有关行为驱动因素的某一理论，而是从人们在日常生活中创造并分享的意义系统出发提出新理论。马瑟和席尔瓦强调，研究人员“浸入”被研究者的生活是为了揭开驱动其行为、指导其决定的“意义世界”，挖掘出量化数据显示的人口学模式的驱动机制。在大数据时代，研究人员应寻求以最优方式运用所有研究方法，填补现有知识的空白并提供更好的政策参考，而非执着于某一种方法。来源：《中国社会科学报》2019年1月8日总第1853期 作者：本报记者 王悠然获取更多学术资讯 请关注中国社会科学网官方微信公众号cssn_cn