三角调查 — 交叉验证的调查设计
- 提出者
- Norman K. Denzin (triangulation concept); Alan Bryman (mixed-methods survey application)
- 年份
- 1978 (Denzin); widely operationalized in survey contexts from the 1990s onward
- 类型
- Mixed-methods data collection design
- 类别
- Data collection
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
三角调查(Triangulated Survey)刻意地将结构化调查工具与至少一个额外的数据来源结合起来——例如访谈、焦点小组、观察或第二次调查——以便各来源的发现能够相互交叉验证。该设计植根于 Denzin 的方法论三角测量概念,通过检查独立证据线是否汇聚于相同结论来增强可信度。它在应用社会学、教育学和健康研究中尤为常见。
方法背后的直觉
设想您让 500 名员工在李克特量表上评价工作压力,但您不确定这些数字是否真正捕捉了该情境下压力的含义。三角调查会增加,比如说,十几次后续访谈或一项观察内容。如果高压力评分者在访谈中的说法与其量表得分所暗示的内容一致,那么对调查工具和解释的信心都会增加。如果它们不一致,您就能了解到调查遗漏了什么要点——并可以相应地修正您的结论。
历史学
三角测量在社会研究中的概念由 Norman K. Denzin 在其 1978 年出版的《研究行为》(The Research Act)一书中系统化,该书区分了数据三角测量、研究者三角测量、理论三角测量和方法论三角测量。通过 1990 年代和 2000 年代的混合方法运动,将三角测量具体应用于调查设计变得广泛,Alan Bryman、John Creswell 和 Abbas Tashakkori 做出了重要贡献。Creswell 和 Plano Clark 的汇聚并行设计——一个著名的混合方法框架——正式确立了同时运行调查和定性两条线索并在解释时合并它们的逻辑。
何时使用
当单一调查工具可能无法完全捕捉研究中的构念时,或者当利益相关者需要比单一方法能提供的更高信心时——这在项目评估、政策研究和应用健康研究中很常见——应使用三角调查。当研究者怀疑存在应答偏差或社会期望效应,并且需要定性检查来验证模式时,它也是适用的。*不要*仅仅为了增加表面上的严谨性而使用它:如果研究问题是直接描述性的,并且该工具已经过验证,那么三角测量会增加成本和复杂性,而不会带来成比例的收益。当时间和预算无法支持真正的并行数据收集时,应避免使用——名义上的三角测量(在次要来源上偷工减料)比执行良好的单一方法调查更糟糕。
局限与注意事项
- 比独立的调查在时间、成本和分析专业知识方面资源密集得多。
- 当来源不一致时,调和它们需要可争议的解释判断。
- 三角测量的质量完全取决于每个来源的质量;设计不佳的次要来源会增加噪音而不是验证。
- 需要至少两种方法论传统的胜任能力,对研究团队提出了更高的技能要求。
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
- 通过显示独立数据源汇聚于同一结论来提高可信度。
- 检测调查工具中的测量问题,这些问题在单一方法设计中是看不见的。
- 揭示聚合调查统计数据所掩盖的情境细微差别和亚群体差异。
- 在一项研究中实现定量广度(大型调查样本)和定性深度(访谈)。
- 对于不信任任何单一数据来源的政策和实践受众来说,尤其具有说服力。
应用
- 项目评估结合前后调查分数与参与者访谈,以评估测量到的变化是否反映了真实体验。
- 卫生服务研究通过将量表数据与深入的患者叙述配对,验证患者报告的结果测量。
- 教育研究使用课堂调查以及观察协议来交叉核对自我报告的学生参与度。
- 组织研究结合员工调查与焦点小组,以调查调查确定的趋势的驱动因素。
- 政策研究使用全国调查数据以及定性案例研究来解释区域或人口统计差异。
- 量表验证研究使用两个独立措辞的调查工具来测量相同的构念,以评估汇聚效度。
使用方式
使用方式
研究者在数据收集开始前指定三角测量策略:哪个调查工具将作为主要来源,将添加哪些补充来源(访谈、焦点小组、二手数据集、专家评分、观察),将如何比较这些来源,以及整合是在收集阶段、分析阶段还是解释阶段进行。对比较逻辑进行预注册可以防止事后合理化。
主要调查使用标准调查程序对目标样本进行管理——在可行的情况下进行概率抽样,为计划的分析提供足够的样本量,进行项目预测试,并关注无应答问题。该调查产生结构化或半结构化的应答,构成数据集的主干。
一个或多个补充数据来源并行或依次收集。常见的补充包括对部分调查受访者的目的性访谈、代表关键受访者群体的焦点小组、行政记录或一项独立开发的并行调查,涵盖具有不同项目措辞的相同构念。次要来源应能够独立地解决相同的研究问题。
并排检查主要调查和每个补充来源的发现。汇聚——当两个来源指向同一结论时——会增加信心。分歧——当它们冲突时——在分析上是有价值的:它标志着测量问题、情境细微差别或仅靠调查就会遗漏的亚群体差异。研究者明确记录一致和不一致的模式。
研究者根据两个来源得出一个综合解释,解释汇聚或分歧对研究问题的意义。综合报告应清楚说明哪些结论基于汇聚证据,哪些结论基于单一来源,以及如何解决任何分歧或将其作为悬而未决的问题。
常见陷阱
- 将汇聚视为自动确认——两个有缺陷的工具如果一致,就会产生汇聚偏差,而不是有效发现;只有当来源的误差结构真正独立时,汇聚才令人放心。
- 将定性部分仅仅作为说明——如果访谈数据被选择性引用以支持调查结果,而不是独立分析,那么三角测量就是表面功夫,而不是实质性的。
- 样本不匹配——如果调查涵盖广泛的人群而访谈涵盖狭窄的便利性子样本,分歧可能反映的是抽样差异而不是测量差异。
- 事后三角测量——在看到调查结果后决定添加补充来源,会将确认偏差引入来源选择和数据解释中。
- 低报比较逻辑——三角调查只有在方法部分明确说明了比较来源的规则时,才是可复制的。
常见问题
三角调查与混合方法研究有何不同?
三角调查是混合方法设计的一个具体实例,其中主要数据收集工具是调查,并添加了至少一个额外来源进行交叉验证。混合方法是一个更广泛的类别;三角调查是其中的一种常见配置,其特点是汇聚比较逻辑,而不是顺序解释性或探索性设计。
三角测量能保证更有效的结果吗?
不一定。三角测量仅当每个来源具有独立的误差结构并且本身得到严格实施时才能提高有效性。两个有偏差的工具如果一致,就会产生汇聚偏差,而不是有效发现。关键在于确保次要来源能够合理地捕捉主要调查可能犯的错误。
需要多少个次要来源?
一个独立的额外来源就足够了,而且很常见。除非研究问题特别需要多重视角,否则增加更多来源会增加分析复杂性,而不会带来成比例的有效性收益。次要来源的质量和独立性远比其数量重要。
当调查和访谈结果不一致时,我该怎么办?
分歧是信息性的,而不是失败。调查可能的原因:样本是否不同?访谈问题是否触及了构念的不同方面?一个来源是否存在社会期望效应而另一个不存在?透明地报告分歧,提出最合理的解释,并承认哪些问题仍未解决。
三角调查能用于纯粹的定量研究吗?
可以。三角测量不需要定性部分。研究者可以通过向同一样本管理两个独立开发的测量相同构念的调查工具,并检查其汇聚性来执行三角测量。这被称为方法内三角测量,在量表验证研究中很常见。
相关方法
参考文献
Denzin, N. K. (1978). The Research Act: A Theoretical Introduction to Sociological Methods (2nd ed.). McGraw-Hill.
打开出版物文献已复制。Bryman, A. (2016). Social Research Methods (5th ed.). Oxford University Press.
ISBN:9780198722236已复制。