社会科学中的研究设计
本页为Gary King等人所著Designing Social Inquiry Scientific Inference in Qualitative Research的笔记。中文译名《社会科学中的研究设计》。
社会科学中的“科学”
科学的研究必须要：
- 以推论为研究目的。描述性推论或因果性推论。
- 采用公开的研究程序。明确、系统且被同行公认。
- 结论是不确定的。这是指对结果的不确定性有充分估计。
- 科学研究的内容是关于方法的。能把所有科学研究整合起来的是其采用的方法，而不是那些用于研究的材料。
社会科学试图弄清那些我们认为或简单或复杂的社会状况。复杂性可能使推论具有不确定性，但不会使它们变得不科学。即使研究对象是复杂的，研究者通过提高理论质量、数据质量和数据利用效率也能够用科学的方法研究它们。
研究者应尽量在实际操作前完善研究设计。这可以使得研究者在着手研究设计的时候，就能预测后续可能碰到的问题。
**研究设计通常包含：研究问题、理论、数据和对数据的利用。**它们并没有明确的优先顺序。
卡尔·波普尔：“发现新思想的过程包含着非理性因素。”
高质量的研究问题应该遵循两条标准：
- 具有现实意义，研究项目应该提出对现实世界真正重要的问题。
- 具有学理意义，应该通过提高研究者作出科学解释能力的方式对文献产生具体贡献。
- 选择学者在文献中十分重视，但是此前没有人做过系统研究的假设。
- 选择一个虽然在文献中被公认但仍然值得怀疑的假说，以此探讨假说正确与否或找到替代性理论。
- 试图解决现有学术界关于某一问题的争论或为争论的一方提供进一步证据。
- 对于研究进行设计以阐明或评估文献中那些无可质疑的假说。
- 找到并确认一个在已有文献中被忽视的重要问题，然后进行系统性研究，由此对该领域做出贡献。
- 证明一个文献中为某些目的而设计的理论或证据可以用来解决另一个文献中存在的问题。
社会科学理论是对研究问题的答案做出一种合理且准确的猜测，同时还要提供可以证明答案正确性的相关证据。理论往往意味着特定的描述性或因果性假设。就一个研究问题来说，理论必须与已获得的证据一致。
- 选择那些可能错误的理论。
- 选择一个可以产生较多预期现象的理论。
- 理论要尽可能具体。
“数据”是系统收集到的关于世界的信息要素。提高数据质量的准则有：
- 记录和报告产生数据的过程。
- 收集尽可能多的可观测现象。
- 最大限度地提高测量效度。
- 确保收集数据的方法是可靠的。
- 确保所有数据及分析工作可以被复制。
数据利用方面，
- 尽量利用数据获得“无偏”的，即正确的推论。
- 最大限度地使用数据中的描述性及因果性信息。
研究设计的其他事项：
- 利用可观察的现象将理论和数据联系起来。
- 最大化解释力。
- 汇报推论的不确定性。
- 怀疑精神和竞争性假设。