它有什么作用?
混合方法研究是一种系统的研究设计,在其中,定量和定性数据在同一项研究中被收集和分析。由 Creswell 和 Plano Clark (2003, 第3版 2018) 正式确立,它提供了三种主要的设计变体——同期、顺序和转化——并通过两种数据流的三角验证来加强研究发现。
方法背后的直觉
数字本身可以告诉您数量或频率;词语本身可以告诉您原因或方式。混合方法研究以一种原则性的方式结合两者,从而使一种数据类型的弱点被另一种数据类型的优势所抵消。与其在调查研究和访谈研究之间进行选择,不如同时设计这两种研究,规划它们如何相互关联,并让综合证据回答单一数据流无法解决的问题。
历史学
混合方法作为一种正式的研究方法,在 20 世纪 80 年代和 90 年代随着研究者对定量和定性传统之间范式战争的挑战而出现在社会科学和健康科学领域。John W. Creswell 和 Vicki L. Plano Clark 的奠基性著作,首次出版于 2003 年,现已出至第三版 (2018),系统化了定义该领域的“设计类型学”和整合策略。该方法借鉴了与 Dewey 和 James 相关的哲学实用主义——它认为研究问题,而非认识论的忠诚度,应该驱动方法的选择。混合方法现已广泛应用于健康、教育、社会和行为研究。
何时使用
当单一数据类型——单独的定量或定性——不足以完全解决研究问题时,混合方法研究是适用的。它适用于探索性目的(其中定性发现必须先于工具开发)、解释性目的(其中统计结果需要情境化阐述)、比较性目的(其中结果必须在不同群体和情境中进行检查)以及需要广度和深度的描述性目的。适用的变量类型涵盖连续型、分类型、文本型和有序型数据。横断面和纵向结构均受支持。先决条件是,每个数据流都必须有可行的独立抽样和分析计划,并且必须采纳实用主义立场——接受多种认识论框架。
局限与注意事项
- 需要同时精通定量和定性传统,这在单一研究者身上很少见,通常需要团队合作。
- 需要为每个数据流进行独立且有时相当大的抽样和数据收集工作,增加了成本和时间。
- 整合点必须明确规划;规划不当的整合会产生两个平行研究,而不是真正的混合方法设计。
- 定量和定性认识论之间的范式张力必须有意识地进行导航;实用主义是标准的解决方案,但并非普遍接受。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 结合了定量证据的广度和可推广性与定性证据的深度和情境丰富性。
- 跨数据流的三角验证增加了对研究发现的信心,并可能揭示不一致之处,从而促使更深入的调查。
- 灵活的设计类型(同期、顺序、转化)使研究者能够将整合策略与具体的研究问题相匹配。
- 在单一连贯的研究中解决了更广泛的研究目的——探索、解释、比较和描述。
应用
- 健康科学:结合临床试验结果与患者体验访谈,以解释依从性和退出原因。
- 教育研究:使用调查数据识别成就模式,并进行后续访谈以理解根本原因。
- 社会和政策研究:定量测量现象的发生率,然后通过定性探索生活经历,为干预设计提供信息。
- 组织研究:整合员工调查结果与焦点小组叙事,以分析工作场所文化和变革。
使用方式
使用方式
研究者选择三种核心设计类型之一。在同期设计中,定量和定性数据流同时收集,并在解释阶段进行整合。在顺序设计中,一个数据流影响另一个数据流——要么定量结果指导目的性定性抽样(解释性顺序),要么定性发现塑造后续调查的工具(探索性顺序)。转化设计将上述任一设计置于解放性或理论驱动的框架内。在此阶段,整合点——无论是合并发生在设计、分析还是解释阶段——都会被明确规划。
为每个数据流执行独立的研究抽样和数据收集计划。定量数据流使用结构化工具(调查、测试、记录)和一个足够大的样本量以进行预期的统计分析。定性数据流使用目的性抽样,结合访谈、观察或文件,其样本量由理论饱和度驱动,而非统计效力。最小的组合样本量指导为 n ≥ 20,但每个数据流必须单独满足其自身的充分性标准。
每个数据流使用适合其自身的方法进行独立分析——定量数据使用统计技术,定性数据使用主题、内容或解释性分析。这种独立性维护了每种方法的完整性,并防止过早整合扭曲任何一组发现。
在预先规划的整合点将两组数据的分析结果汇集起来。常见的整合策略包括合并(并列呈现结果)、连接(使用一个数据流的输出作为另一个的输入)和嵌入(将一个数据流嵌套在更大的设计内)。矩阵、联合显示和叙事编织是使整合明确且可审计的标准工具。
研究者解释整合后的证据整体含义——注意数据流的汇合点(三角验证)、分歧点(需要解释)以及组合揭示了单一数据流无法单独揭示的内容。实用主义认识论,它接受不同的方法可以回答同一研究问题的不同方面,支撑着这一步骤。
常见陷阱
- 将两个数据流视为完全独立的研究并独立报告——在设计、分析或解释阶段进行真正的整合是混合方法设计的决定性特征。
- 未能预先指定整合点:在数据收集之前确定数据流是合并、连接还是嵌入,并在方法部分记录下来。
- 将定量抽样逻辑(例如,为了效力而进行随机抽样)应用于定性数据流——定性抽样是目的性的,由理论饱和度驱动,而非统计代表性。
- 在其中一个数据流真正依赖于另一个数据流结果时使用同期设计——在这种情况下,顺序设计是合适的选择。
- 忽略分歧性发现:当两个数据流不一致时,这种分歧本身就是一项需要解释而非压制的发现。
常见问题
混合方法与仅仅同时使用调查和访谈有何不同?
混合方法设计的决定性特征是计划好的整合——两个数据流被设计成在指定点(设计、分析或解释)相互关联。在同一项目中进行调查和访谈而不整合其发现是多方法研究,而非混合方法研究。整合可以采取合并结果、使用一个数据流的输出为另一个提供信息或将一个数据流嵌入另一个数据流的形式。
我应该使用哪种设计类型——同期、顺序还是转化?
当您希望同时收集两种数据类型并在解释阶段进行比较或合并时,请选择同期设计。当定量结果需要定性阐述时,选择顺序-解释性设计;当定性见解必须先于工具开发时,选择顺序-探索性设计。当解放性理论(例如,女权主义、批判种族理论)构成整个研究的框架,并且两个数据流都服务于该理论目的时,选择转化设计。
每个样本需要多大?
每个数据流必须独立满足其自身的充分性标准。定量数据流需要一个为计划的统计检验(功效分析)设计的样本量。定性数据流使用目的性抽样,其样本量根据理论饱和度确定——通常为 6-30 名参与者,具体取决于同质性和方法,而非固定数量。两个数据流的总样本量至少为 n ≥ 20 是一个粗略的下限,而非目标。
采用实用主义立场意味着什么?
实用主义认为,研究问题,而非认识论的忠诚度,应该决定方法的选择。在实践中,这意味着接受定量和定性数据都可以为同一现象贡献有效知识,真理主张通过其实际后果进行评估,并且研究者不必在实证主义和解释主义之间选择固定的哲学承诺。
相关方法
参考文献
Creswell, J.W. & Plano Clark, V.L. (2018). Designing and Conducting Mixed Methods Research (3rd ed.). Sage.
ISBN:978-1483344379已复制。