研究设计

目录

研究问题

一个好的研究问题应该减少某个领域的问题空间，也就是说，研究问题的答案应该可以排除某一组似是而非的可能性。
不好的研究问题有多种多样：

• 为先入之见寻找支持，哪怕最可笑的想法，也能找到很多支持它的证据
• 提无法回答的问题

• 提出一个无用的问题，一个问题能够被回答，并不代表它有价值

  关于研究问题一些有用的问题

• 你是否在试图寻找什么，而不是证明什么？？
• 你采集的数据是否会让你自己感到惊奇？？

• 你是否会基于数据认识到，你以前对某个领域的认识是错误的？？

  方法选择：

  大部分的研究使用本领域的传统研究方法。但令人遗憾的是真正花时间和精力学习本领域研究工具的人少之又少。一个有效的检验方式是详细列出你研究计划的每一步，然后就其中几个步骤问自己“为什么？？”

  数据采集的方式

  “问卷”或“访问”一般被认为是数据采集方式的同义词。但这两种类似的方式很容易失败。两者在实验结论是否能推论到样本之外的其他族群上存在着严重问题，通常两者还会在样本是否具有代表性遇到问题。
  从人群中获得信息的技术很多，其中大多数技术，无论用于研究哪类问题，都要比问卷和访问来得有效。我们应该对这些主要技术有充分的了解认识，并从中选择适合你的技术。这些技术包括：参与观察、阴影投射、直接观察、关键事件技术、场景设想、结构化访谈、非结构化访谈、深度访谈、集体访谈、卡片分类、阶梯技术、凯利方格技术以及其他种类的内容分析手段。
  你可以利用统计学的知识来分析，得到的结果在多大程度上具有偶然性。你同样也可以利用统计学的知识来估计，扩大样本可以在多大程度上是你获得更多发现。超过一定程度之后，增加样本数量就知识浪费资源了。
  认识到增大样本规模并不会神奇地将不良数据转化成优良数据也是重要的。如果你采集的是不良数据，那么增加样本数量，采集更多的数据意味着你拥有了更多不良数据。并且浪费了更多被你“折磨”的受调查者的时间。
  n=1到n=5：案例研究
  典型例子：对某组织的深入研究、概念展示、“白色乌鸦”型研究（也就是论证一种听上去匪夷所思的效应应是存在的）
  n=5到n=20：试点研究或小规模研究（pilot study or small study）
  典型例子：从少量样本中采集丰富数据扩展形式的概念展示。
  n=20到n=50：研究（study）
  典型例子：田野实验、正式实验
  n>=50:调查研究
  典型例子：收集某种特殊条件、信条等的影响范围的信息
  调查通常只涉及简单的信息收集，不涉及对调查对象的实验性操纵。这种样本规模的实验也不是没有可能进行，但它涉及的运算非常繁琐。

学派

多数领域都存在着“整洁派”和”邋遢派”的区分。
”整洁派“关注形式，提供对所在领域的有条理的、抽象的描述；
”邋遢派“关注对事实的真正理解，虽然他们可能无法将事实有条有理地表达出来。
整洁派通常在学术圈拥有更高的可信度，因为他们会使用令人望而生畏的数学论证。邋遢派通常在实业界拥有更高的可信度，因为他们积累了很多实际经验，能讲很多很多”战争故事“。有些人则介于两个派别之间，既能讲故事，又有能力做高深的论证，这些人往往成为领域内的”领袖“。

数据采集方式

采集数据的方式很多，熟悉多种数据采集方式是个好主意，它能使你的研究轻松很多。

数据分析方法

分析数据的方式多种多样，可以根据不同目的使用不同方式来分析同一组数据。在做任何统计分析是常用到的分析方法：内容分析、编码分类、时间序列、语言分析、因果断言、记号语言学、解构法、实地理论

三条黄金法则：

不要说谎；
不要故作幽默；
不要惊慌失措而在压力下吐露真相。
在说话时要谦逊有理，既不说太多也不说太少。 你的使命不是娱乐或者迷惑听众——那是嘉宾演讲者该做的事情。你在第一次学术会议上的主要目的是积累经验，以便你知道你在第二次学术会议上做什么。