Описательное исследование — Дизайн описательного исследования
- Автор метода
- Francis Galton, Karl Pearson (early empirical tradition); formalized in social science by Fred Kerlinger
- Год
- Late 19th century; formalized in social/behavioral sciences ~1960s–1980s
- Тип
- Non-experimental quantitative research design
- Семейство
- Survey / observational design
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Описательное исследование представляет собой неэкспериментальный количественный дизайн, который систематически документирует характеристики, частоты или распределения переменных в определенной популяции в заданный момент времени.
Оно отвечает на вопросы «что есть» — кто, что, когда, где и сколько — без манипулирования переменными или вывода причинно-следственных заключений. Это один из наиболее широко используемых дизайнов исследований в социальных, поведенческих, медицинских и образовательных науках.
Интуиция метода
Представьте себе перепись населения: она ничего не манипулирует; она просто спрашивает «Кто здесь живет, сколько им лет, чем они занимаются?» Описательное исследование работает в том же духе. Вы определяете популяцию или явление, выбираете репрезентативную выборку, измеряете интересующие переменные с помощью таких инструментов, как опросы или структурированные наблюдения, а затем обобщаете результаты с помощью средних значений, частот и процентов. Цель — точный, систематический портрет текущего положения дел, а не объяснение, почему все обстоит именно так. Как только этот портрет создан, на его основе могут строиться будущие аналитические или экспериментальные исследования.
История
Систематическое описание популяций имеет древние корни, от римских цензов до анализа Биллей о смертности в Лондоне Джоном Граунтом в 1662 году. В социальных науках дизайн был формализован по мере того, как исследователи в области социологии, психологии и образования начали использовать структурированные анкеты и теорию выборок в конце XIX и начале XX веков. Влиятельная книга Фреда Н. Керлингера «Основы поведенческих исследований» (1973, 1986) дала дизайну каноническое изложение в поведенческих науках. К концу XX века описательные опросы стали основой эпидемиологии общественного здравоохранения, образовательных исследований и оценки политики по всему миру.
Когда применять
Используйте описательное исследование, когда цель состоит в документировании текущего состояния, распространенности или распределения одной или нескольких переменных в популяции, и когда не требуется причинно-следственное утверждение. Это дизайн выбора для оценки потребностей, базовых обследований, эпидемиологических исследований распространенности, маркетинговых исследований и отчетов о статусе оценки программ. Он подходит на любом этапе исследовательской программы, но особенно ценен, когда о явлении существует мало предварительных данных. Не используйте описательное исследование, когда цель состоит в проверке того, вызывает ли одна переменная другую (используйте экспериментальные или квазиэкспериментальные дизайны), в понимании причин возникновения закономерностей (используйте объяснительные или качественные дизайны) или когда выборка слишком мала или нерепрезентативна, чтобы поддержать даже оценки частоты.
Ограничения и замечания
- Невозможно установить причинно-следственные связи — даже сильные ассоциации между описанными переменными не означают, что одно вызывает другое.
- Поперечные срезы могут не отражать стабильные характеристики популяции, если явление колеблется во времени.
- Данные самоотчетов (опросы) подвержены смещению ответов, эффектам социальной желательности и ошибкам при воспоминании.
- Дизайн обеспечивает широту, а не глубину; он не может объяснить механизмы или значения, стоящие за задокументированными закономерностями.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Напрямую отвечает на практические вопросы «сколько» и «какая доля», которые информируют политику и распределение ресурсов.
- Относительно эффективно в проведении: стандартизированные инструменты и большие выборки достижимы в рамках реалистичных бюджетов и сроков.
- Предоставляет документированную базовую линию, с которой можно сравнивать будущие измерения или вмешательства.
- Широко обобщаемо при использовании вероятностной выборки — результаты могут представлять целевую популяцию с рассчитываемой погрешностью.
- Этически прямолинейно: никакое лечение не задерживается, никакая группа экспериментально не манипулируется.
Применение
- Опросы распространенности в области общественного здравоохранения, измеряющие долю населения с определенным заболеванием, рискованным поведением или статусом вакцинации.
- Оценка потребностей в образовании, документирующая уровни успеваемости учащихся, рабочую нагрузку учителей или доступность ресурсов в школах.
- Организационные опросы, описывающие удовлетворенность сотрудников, вовлеченность или воспринимаемую рабочую нагрузку перед разработкой вмешательства.
- Маркетинговые исследования, устанавливающие предпочтения потребителей, осведомленность о продукте или демографические характеристики целевой аудитории.
- Базовые исследования оценки программ, фиксирующие состояние ключевых результатов до вмешательства, чтобы можно было измерить последующие изменения.
- Эпидемиологические исследования, документирующие распределение факторов риска по демографическим подгруппам для выявления приоритетных целей вмешательства.
Как это работает
Как это работает
Сформулируйте четкий исследовательский вопрос, который определяет, что нужно описать, у кого и за какой период времени. Определите ключевые переменные (например, демографические характеристики, установки, показатели распространенности) и целевую популяцию. Точно определенный вопрос предотвращает размывание границ и направляет все последующие решения относительно выборки и измерения.
Выберите выборку из целевой популяции, используя вероятностную (случайную, стратифицированную, кластерную) или целенаправленную стратегию, в зависимости от того, является ли целью обобщение на уровне популяции или углубленное описание конкретной группы. Размер выборки должен быть достаточным для получения стабильных оценок; решения принимаются на основе расчетов мощности или установленных эмпирических правил для выбранных статистических методов (например, n ≥ 30 на подгруппу).
Соберите данные с помощью стандартизированных инструментов — структурированных анкет, рейтинговых шкал, протоколов систематического наблюдения или архивных записей. Стандартизация гарантирует, что каждый участник измеряется одинаково, что делает индивидуальные баллы напрямую сопоставимыми. Пилотное тестирование инструмента на ясность и надежность перед полным развертыванием снижает ошибку измерения.
Проанализируйте данные с помощью описательной статистики: частот, процентов, средних значений, медиан, стандартных отклонений и доверительных интервалов. Когда выборка была сформирована с использованием вероятностных методов, эти статистические данные могут сопровождаться оценками погрешности. Перекрестные таблицы и графические представления (столбчатые диаграммы, гистограммы) передают распределения по подгруппам.
Представьте результаты таким образом, чтобы они напрямую отвечали на исследовательский вопрос, используя таблицы и графики для передачи распределений, а не сплошной текст. Четко укажите ограничения — особенно невозможность вывода причинно-следственных связей — и обсудите, как описательный профиль соотносится с предыдущими оценками или теоретическими ожиданиями. Закончите конкретными рекомендациями для аналитических или экспериментальных исследований, которые мотивируют полученные результаты.
Частые ошибки
- Смешение описания с объяснением — сообщение о том, что две переменные сосуществуют в описательных данных, и подразумевание причинно-следственной истории является распространенной и серьезной ошибкой; описательные результаты мотивируют причинные гипотезы, но не проверяют их.
- Использование удобной выборки, но обобщение результатов, как если бы это была вероятностная выборка — результаты самовыбранной онлайн-выборки не могут быть экстраполированы на более широкую популяцию без соответствующих оговорок.
- Недооценка смещения из-за неответов — если значительная доля выборки не отвечает, отвечающие могут систематически отличаться от не отвечающих, искажая портрет.
- Сбор слишком большого количества переменных «на всякий случай» без четкого исследовательского вопроса — это увеличивает длину инструмента, повышает нагрузку на респондента и приводит к размытому отчету, который плохо отвечает на любой вопрос.
- Представление только средних значений при игнорировании вариабельности — среднее значение мало что говорит без стандартного отклонения или доверительного интервала; всегда сообщайте о разбросе наряду с центральной тенденцией.
Часто задаваемые вопросы
Является ли описательное исследование всегда количественным?
Нет. Термин «описательный» используется как в количественных, так и в качественных исследованиях. В качественной работе описательный подход (например, описательная феноменология, плотное описание в этнографии) документирует опыт или обстановку в повествовательной форме. Эта карточка библиотеки фокусируется на описательном исследовании в его количественной, основанной на опросах форме, которая дает числовые сводки переменных в определенной популяции.
В чем разница между описательным и корреляционным исследованием?
Оба являются неэкспериментальными, но различаются по цели. Описательное исследование характеризует распределение одной или нескольких переменных (сколько, насколько, какая доля). Корреляционное исследование идет на шаг дальше, изучая статистическую связь между двумя или более переменными (увеличивается ли X при увеличении Y?). Описательное исследование может сообщать только средние значения и частоты; корреляционное исследование сообщает коэффициенты, такие как Пирсон r или Спирмен rho.
Могу ли я делать причинно-следственные выводы из описательного исследования?
Нет. Описательное исследование документирует ассоциации и распределения, но не контролирует смешивающие факторы и не назначает участников случайным образом в условия. Любой причинно-следственный язык («X вызывает Y») необоснован и является логической ошибкой. Описательные результаты должны представляться как эмпирические наблюдения, мотивирующие причинные гипотезы, которые должны быть проверены в экспериментальных или квазиэкспериментальных дизайнах.
Насколько большой должна быть выборка?
Это зависит от требуемой точности ключевых оценок и вариабельности популяции. Для пропорций распространенным эмпирическим правилом является n = 384 для погрешности ±5% при 95% доверии в большой популяции. Для сравнения подгрупп часто рекомендуется не менее 30 на подгруппу. Используйте формальный анализ мощности или точности (например, для погрешности) до сбора данных, а не полагайтесь на удобство.
Какое программное обеспечение обычно используется для анализа описательных исследований?
SPSS и R являются наиболее распространенными вариантами в социальных и медицинских науках для вычисления частот, средних значений, стандартных отклонений и перекрестных таблиц. Stata широко используется в экономике и эпидемиологии. Для сбора онлайн-опросов Qualtrics или SurveyMonkey экспортируют данные непосредственно на эти платформы. Excel подходит для простых таблиц частот, но ему не хватает статистической строгости, необходимой для взвешенных оценок или сравнений подгрупп в больших опросах.
Похожие методы
Источники
Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage.
ISBN: 978-1452226101Скопировано.Kerlinger, F. N. (1986). Foundations of Behavioral Research (3rd ed.). Holt, Rinehart and Winston.
ISBN: 978-0030417498Скопировано.