<address id="1dpt5"></address>

            <em id="1dpt5"><nobr id="1dpt5"><nobr id="1dpt5"></nobr></nobr></em>
            <dfn id="1dpt5"><listing id="1dpt5"><menuitem id="1dpt5"></menuitem></listing></dfn>
            <form id="1dpt5"><nobr id="1dpt5"><nobr id="1dpt5"></nobr></nobr></form>
            <address id="1dpt5"></address>
            學術服務內容

            在線編輯 學術顧問

            咨詢率高的核心期刊

            經濟論文

            質性研究中的資料飽和及其判定

            時間:2022年01月26日 所屬分類:經濟論文 點擊次數:

            摘要在質性研究中,資料飽和通常被用以評估研究資料的充足性。但在研究實踐中,資料飽和卻存在概念模糊及操作性問題。作為某項質性研究所抽取的樣本量已滿足研究需要的標志,按照在研究過程中判定時點的先后順序,資料飽和可劃分為數據飽和、編碼或主題飽和、意義飽和及理

              摘要在質性研究中,資料飽和通常被用以評估研究資料的充足性。但在研究實踐中,資料飽和卻存在概念模糊及操作性問題。作為某項質性研究所抽取的樣本量已滿足研究需要的標志,按照在研究過程中判定時點的先后順序,資料飽和可劃分為數據飽和、編碼或主題飽和、意義飽和及理論飽和種主要形式。種形式的資料飽和各有其特定的內涵、評估方式和判定標準。研究認為,達到資料飽和的樣本量標準不應統一設定,其檢驗需嵌入具體的研究過程;資料飽和存在邏輯上的不確定性,適度追加抽樣有助于進一步確認;資料飽和作為考察研究質量的一項重要指標,并不適用于所有質性研究。

              關鍵詞質性研究,資料飽和,判別方式,判定標準

            資料研究

              引言

              自2018年月中國心理學會心理學質性研究專業委員會正式設立以來,采用質性研究及混合研究方法的論文大量增加。在質性研究中,與量化研究一樣,樣本充足是研究效度的基本保證(Curtisetal.,2000)。樣本量不足會影響研究質量,而樣本量過大又會浪費研究資源。資料飽和則是質性研究中樣本量適當的標志。研究過早終止數據搜集,達不到資料飽和,會導致研究結果缺乏必要的洞見性,淪為對原始數據的簡單呈現蘇達比,2006/2016)。

              達到資料飽和意味著在當前所搜集和分析的資料基礎上,進一步的數據搜集不會幫助研究者對故事或理論產生更深入的理解,因此沒有必要繼續搜集和分析數據(Corbin&Strauss,2014)。這里需要特別說明的是,與量化研究不同,質性研究中的資料搜集和資料分析并不是兩個截然劃分的研究階段,而是呈現循環往復的特點。質性研究中的資料飽和往往是在對前期所搜集的資料進行分析的基礎上所做出的判斷。而一旦資料搜集達到飽和,就意味著資料分析也同時告一段落。以往多以兩種方式判定質性研究的樣本量,或依據經驗法則,或通過資料飽和檢驗(Marshalletal.,2013)。

              基于經驗法則,已有研究總結出了不同類型質性研究適合的樣本量,但是這類文獻大多缺乏對基本原理的清晰描述,其所建議的樣本量標準往往差異很大。例如,在研究者給出的建議中,扎根理論研究的訪談樣本量范圍在5~35之間,而案例研究(casestudy)的樣本量范圍則是在4~30之間(Simetal.,2018)。更有研究者認為,由于質性研究的特征以及不同研究之間的差異性,為質性研究設置統一的樣本量標準缺乏理論與現實依據(Guestetal.,2006;Marshalletal.,2013)。

              將資料飽和作為質性研究中停止數據搜集和分析的方法論原則被廣泛接納與使用(Saundersetal.,2018)。資料飽和甚至被奉為確定質性研究樣本量的黃金準則與行動指南(Guestetal.,2006),以及質性研究質量的保證書(Morse,2015)。如有研究者提出,在質性研究中,評估抽樣充分性的最常見標準是資料飽和(Fusch&Ness,2015;Morse,2015);同時,資料飽和也是評判質性研究學術論文質量的重要準則(Henninketal.,2017);恰當使用資料飽和標準可以提高質性研究的質量, 如嚴謹性、信效度等(Henninketal.,2019;O’reilly&Parker,2013;Simetal.,2018)。

              美國心理協會出版物和通訊委員會關于質性研究的期刊文章報告標準工作組在制定心理學質性研究期刊論文報告標準時也指出,研究者應該說明確定研究樣本量的依據,并建議對資料飽和進行檢驗(Levittetal.,2018)。盡管資料飽和的概念與作用受到質性研究者的廣泛認同并被不斷提及,但在實際操作過程中,這一概念和判定標準卻始終含糊不清(Henninketal.,2017),長期存在一系列概念性與操作化問題(Saundersetal.,2018)。

              一方面,資料飽和的概念源于扎根理論,最初以理論飽和(theoreticalsaturation)的形式出現(Glaser&Strauss,1967)。但隨著資料飽和作為質性研究樣本量判斷標準的推廣,又發展出多種指標,例如數據飽和(datasaturation)、編碼飽和(codesaturation)、主題飽和(thematicsaturation)、意義飽和(meaningsaturation)等。由于飽和的形式和標準多樣,不同形式和標準之間既有差異又相互聯系,關系錯綜復雜,以至于很少有研究者能夠系統深入地理解和掌握資料飽和的概念,在使用過程中常常出現混亂(O’Reilly&Parker,2013)。另一方面,在眾多研究報告中,研究者都聲稱該研究以資料飽和作為樣本量的判斷標準,且已達到資料飽和,但是卻極少說明達到的是哪種資料飽和、其判斷方式及合理性(Constantinouetal.,2017;Morse,2015)。

              有研究者因而提出,應增加對質性研究中資料飽和報告的透明度,在作者宣 稱達到了資料飽和的同時,需要提供更加細致的描述,明確資料飽和的形式、判定方式與依據,以便于讀者評估和進一步驗證,這也是對質性研究規范意識的基本要求(Fusch&Ness,2015;Henninketal.,2017;Kerretal.,2010;Malterudetal.,2016)。但由于以往研究尚缺乏對資料飽和判定及報告的操作化描述與實踐性指導(Carlsen&Glenton,2011;Henninketal.,2019),要求研究者做到這些并不現實。

              考慮到資料飽和對于質性研究的重要性及操作現狀,有必要對各種不同形式的資料飽和的定義、判定標準與報告方式加以探究與說明,以幫助研究者更好地理解與使用資料飽和的概念,使對質性研究樣本量的判斷有據可循,從而提高心理學中質性研究的規范性和研究質量。本研究基于對資料飽和相關文獻的研究及作者團隊長期開展質性研究的實踐經驗,試圖明確質性研究中資料飽和的概念,厘清不同形式的資料飽和,通過比較、明確不同形式的資料飽和之間的關系,探索質性研究資料飽和的判定及報告方式,以期為質性研究中資料飽和的判斷提供參考。

              2質性研究中

              種形式的資料飽和資料飽和是一項質性研究所抽取的樣本量已滿足研究需要的標志。最早提出資料飽和問題的是扎根理論,所采用的判斷標準是理論飽和(Glaser&Strauss,1967)。但隨著質性研究的發展,資料飽和的概念不再局限于扎根理論提出的理論飽和,而是進一步發展出了包括數據飽和、編碼或主題飽和、意義飽和等在內的多種形式的資料飽和概念。不同形式的資料飽和其意涵、指向、所使用的分析手段及判定標準各不相同(Saundersetal.,2018)。

              2.1理論飽和(theoreticalsaturation)

              在質性研究中,扎根理論最早提出了研究資料的飽和問題。扎根理論是在系統搜集資料的基礎上,尋找反映社會現象的核心概念,通過在這些概念之間建立聯系而形成理論的一種研究方法陳向明,2000)。扎根理論研究的主旨在于建構理論,作為研究結果,所建構的理論在其內部及其與外部相關理論之間需要獲得一致性和協調性。

              基于此,扎根理論的創始人Glaser和Strauss(1967)最早提出了理論飽和的概念,并將其解釋為如果繼續追加抽樣,不會再有新的類屬或相關主題出現。扎根理論中的理論飽和概念是指在數據搜集過程中已發展不出新的主題(issues)或理解(insights),所有相關概念類屬(conceptualcategories)的屬性及其之間的關系都已被探討、窮盡和確定,繼續獲取數據資料已不能揭示新屬性,也不能獲得對于新生理論(emergingtheory)更深入的理解,新的理論已全面、可信(Henninketal.,2017;Morse,2015)。

              Hennink等(2019)指出,理論飽和依賴樣本的充分性,要求研究者盡可能發現充足的、豐富的、合乎邏輯的、有意義的數據,以此支持新生理論。Saunders等(2018)則認為,當所有表征理論的概念都充分反映在了數據中時,便達到了理論飽和。扎根理論對理論飽和的判斷植根于質性研究循環往復、螺旋式演進的過程,與扎根理論對理論抽樣(theoreticalsampling)的要求緊密相關(Saundersetal.,2018)。

              在扎根理論研究過程中,資料搜集到一定程度,并且經歷了編碼、比較、歸類、再比較等資料分析過程之后,初步勾勒出了新生理論的輪廓,以此指導研究者進一步實施理論抽樣,然后基于新搜集的資料,檢驗、改進和完善新生理論,如此循環演進,逐步去除新生理論中的薄弱環節。這是一個將新生理論返回原始資料進行比較、驗證,不斷優化,使之完善的持續性過程陳向明,2000)。

              直到新生理論基本可以解釋所有的資料,研究者已不能從資料中繼續發掘新的表征理論的相關概念,而只是重復表征已有概念或屬性,這時便視為達到了理論飽和,可停止抽樣。有研究者指出,在扎根理論研究過程中,在理論抽樣的驅動下,概念類屬或新生理論循環演進,不斷完善,當概念類屬之間的關系及其含義逐漸清晰時,就達到了理論飽和(Morse,2015)。由此可以看出,理論飽和是基于理論完整性進行的飽和度判斷,判斷的時點在資料搜集和分析的后期階段,具有較高的理論概括性水平(Saundersetal.,2018)。

              2.2數據飽和(datasaturation)數據飽和是指隨著資料搜集的進程,不再有新的數據產生,逐漸出現了信息冗余。例如,在訪談中,研究者不斷重復聽到同樣的敘述,以此判斷已達到數據飽和,因而停止數據搜集(Grady,1998;Jacksonetal.2015)。數據飽和關注是否還會有新的信息出現,是在數據搜集階段對資料飽和的判斷。數據搜集處于整個研究過程的相對早期階段,研究者基于在隨后的資料分析階段,某些主題可能會出現這一預設做出判斷。但這種判斷往往并不準確,因為在數據分析過程中,各種編碼、編碼屬性及編碼之間的關系還會不斷變化,包括資料分析過程中編碼的合并、意義擴充、意義排除等(Saundersetal.,2018)。所以,僅以數據飽和作為資料飽和的判斷標準存在較為明顯的弊端。

              2.3編碼或主題飽和(codeorthematicsaturation)編碼或主題飽和有時也被稱為類屬飽和(categoriessaturation),這一概念表示在數據分析過程中,編碼或主題范圍已基本確定,從新搜集的數據中只能發掘出與已有編碼或主題相重復的內容,不再有新的編碼或主題出現,編碼書(codebook) 已相對穩定(Urquhart,2012;Henninketal.,2017)。

              編碼或主題飽和關注在數據分析階段所產生的編碼或主題在類屬上的重復性,其判斷標準為在數據分析過程中再無新的編碼或主題出現。編碼或主題飽和與數據飽和相比可靠性有所進步。編碼已經進入對數據的分析,而主題則是編碼達到一定水平之后出現的結果。相比數據飽和僅僅根據數據或資料本身的重復性做出判斷,編碼或主題飽和已經將一定程度的分析納入其中。

              但以編碼或主題重復作為資料飽和的判斷依據仍然有問題,也容易出現虛假飽和,導致所獲取的信息或資料不足以建構起完善的理論。這是因為編碼或主題飽和僅僅提供了研究問題的大致輪廓,往往通過較少的訪談就能達到(Saundersetal.,2018)。因此,只達到編碼或主題飽和還不夠,仍需要增加更多數據,以便研究者充分理解問題的深度、豐富性和復雜性(Emmel,2015;Henninketal.,2017)。與數據飽和一樣,編碼或主題飽和僅僅評估了編碼或主題在類屬或出現頻度上的飽和,即只是基于所搜集材料的廣度和范圍進行飽和度判斷,缺少對于編碼或主題的意義評估。當某一主題首次從資料中浮現,研究者往往并不一定能達到對該主題的深入理解,還需要進一步搜集與分析數據,以發展對于主題或概念類屬更為豐富和深刻的認識(Henninketal.,2017;Kerretal.,2010)。

              2.4意義飽和(meaningsaturation)

              意義飽和是指在數據搜集和分析過程中,研究者已充分理解了所發展出的一系列編碼或主題,關于編碼或主題的含義及其之間的關系不再出現新的信息(Henninketal.,2017)。Hennink等(2017)認為,要達到意義飽和需要一個循環演進的抽樣、搜集資料、分析資料的過程,持續監測數據的多樣性、清晰度和深度,強調針對目前尚缺乏理解的信息、編碼或主題進行數據搜集。意義飽和是在數據搜集和分析過程中基于編碼或主題意義的完整性進行的資料飽和判斷,著重于對資料的深度理解。使用這一指標判斷飽和度,有利于發掘和呈現資料的完整意義。

              Hennink等(2017)比較了編碼飽和與意義飽和,結果發現,在總共進行的25人次的深度訪談中,在第次訪談達到了編碼飽和,亦即將所有編碼識別出來,確定了主要命題(thematicissues)的范圍。然而,需要16~24次訪談才能達到意義飽和,即研究者真正認識了編碼的含義,對研究問題有了豐富理解。Hennink等認為,編碼飽和僅代表著聽到過(hearditall),而達到意義飽和需要理解了(understanditall)。

              這再次說明,在進行飽和度檢驗時,僅僅依靠有些編碼或主題開始重復出現,不能繼續發現其他新的編碼或主題(Kerretal.,2010)作為判斷標準是不夠的,還應該繼續判定每一個編碼或主題的定義與內容是否得到了充足的發掘與認識,即對每一個編碼或主題的解釋維度或理解開始重復出現,不再發現對編碼或主題的其他解釋,編碼或主題因此達到了意義飽和。以上種形式的資料飽和,關注了質性研究資料搜集和分析過程中的信息冗余或理論內涵(Simetal.,2018),它們分別出現在研究過程的不同階段(Saundersetal.,2018)。

              數據飽和直接關注資料搜集過程;編碼或主題飽和則基于對數據的初步分析;意義飽和在數據搜集和分析質性研究數據搜集與分析常常同時或滾動進行的基礎上,進一步注重資料分析的深度;而理論飽和則關注更高水平的理論建構,強調在理論建構過程中對概念類屬及其屬性理論含義發掘的充分性。不同形式的資料飽和其判斷的側重點不同。數據飽和、編碼或主題飽和基于數據、編碼或主題的重復或出現頻度進行判斷;意義飽和基于編碼或主題的意義深度進行判斷;理論飽和基于新生理論中各概念屬性的完整性、新生理論的自洽性及新生理論與以往理論的一致性進行判斷。

              總的來說,數據飽和、編碼或主題飽和著眼于所搜集資料的廣度,意義飽和、理論飽和則著眼于研究資料的深度(Saundersetal.,2018)。意義飽和與理論飽和更接近,但二者又有本質區別。意義飽和關注的是編碼或主題的意義深度;而理論飽和則進一步關注由編碼或主題發展而來的新生理論的完整性、預測性與解釋力。此外,理論飽和的概念源自并主要適用于扎根理論,而意義飽和則不限于扎根理論的語境,適用于對更多類型的質性研究資料飽和的判斷(Henninketal.,2017)。

              3資料飽和的判定方式及標準

              3.1理論飽和的判定

              如前所述,理論飽和的概念來源于扎根理論。在扎根理論研究中,理論的發展與完善需要建立在系統地搜集和分析資料的基礎上,是通過數據搜集與數據分析的相互作用實現的。扎根理論主要的分析方式是在資料與資料之間、理論與理論之間重復進行比較,基于資料和理論的相關性提煉出概念類屬及其屬性,又被稱為不斷比較的方法(陳向明,2000)。不斷比較是扎根理論研究的主要特征,理論飽和就依賴于不斷進行的比較過程(Bowen,2008)。

              在一系列比較完成之后,研究者勾勒出新的理論,并與早期搜集的資料、新搜集的資料進行持續比較,從而完善理論。當研究者發現理論可以解釋大部分或所有原始資料或新資料時,即可判斷該研究達到了理論飽和。Bowen(2008)以一項扎根理論研究為例,根據扎根理論研究的要求,進行了數據搜集、編碼分析、理論抽樣、持續比較等操作,并詳細說明了對理論飽和的判定標準。他認為,滿足以下個條件方可認定研究資料達到理論飽和:

              1)相關概念類屬反映在70%以上的訪談中;2)受訪者認同研究結果,對研究結果有較好的反饋;3)與前人研究結果相契合;4)新的受訪者開始重復敘述與之前受訪者相似的內容。Bowen還建議,如果使用諸如70%作為資料飽和的判定標準,最好與其他形式的飽和標準結合使用。

              3.2數據飽和的判定研究者根據資料搜集階段訪談對象所敘述的內容以及對資料分析階段可能出現的主題預設進行數據飽和度預判。當研究者重復聽到同樣的敘述,便開始考慮是否做出研究達到了數據飽和的判斷(Jacksonetal.2015)。如前所述,在資料分析過程中,研究者的早期理解可能發生巨大變化,僅僅基于上述特征就判斷研究達到資料飽和是不可靠的。但將數據飽和應用于對單次訪談的資料飽和評估,或對個體生命歷程進行分析如個體心理傳記等之類的質性研究中似乎是可行的。

              3.3編碼或主題飽和的判定編碼或主題飽和是質性研究使用較多的資料飽和形式,對與此相關的判定標準的研究和討論也最詳實。

              3.3.1以實證研究結果作為判定依據有研究采用回顧性實證分析的方式,系統呈現了資料飽和度的評估、報告和驗證過程,總結了研究達到編碼或主題飽和所需的樣本量。如Guest等(2006)總共進行了60次深度訪談,在訪談結束后,以每次訪談為一組,依據主題和重要主題的發展程度依據主題所包含的編碼數量確定重要主題判斷飽和度。結果發現,采用主題分析,前次訪談結束后,主題的基本要素就已經呈現。在第12次訪談之后確定了88%的主題與97%的重要主題,編碼書的結構趨于穩定,很少再需要更改,研究達到了主題飽和。

              Guest等(2017)采用類似方法分析了40個焦點小組訪談獲取的資料,結果發現,經過個焦點小組訪談即可確定84%的主題,6個焦點團體訪談之后確定了90%的主題。Francis等(2010)探究了在基于理論的訪談研究中概念性類屬(conceptualcategories)的飽和,結果發現在經歷了17人次的深度訪談之后,研究整體上達到了類屬飽和。Coenen等(2012)在研究中采用了最大變異抽樣,驗證焦點團體訪談中達到飽和所需要的樣本量,結果發現經過個焦點小組訪談,研究達到了編碼飽和。

              Hennink等(2017,2019)分別對半結構化深度訪談與焦點團體研究中所需的樣本量進行了回顧性分析,結果發現,在總共進行的25次深度訪談中,第次訪談達到了編碼飽和;而在進行的10個焦點團體訪談中,第次訪談就已達到編碼飽和。類似的還有,研究者發現,在相對具有同質性的群體中,通過16個樣本即可獲得足夠的共同主題,在跨文化背景下則需要20~40個樣本(Hagaman&Wutich,2017); 在對較抽象概念的探索中,通過對12個樣本的訪談即可提取出92%的編碼(Andoetal.,2014)。

              上述研究大多采用后期回顧的分析方式,以研究獲取的全部編碼或主題為基數,通過計算某次訪談之后所獲取的編碼或主題在總數中的占比來判斷資料飽和度,旨在基于多次實證研究的結果及研究者長期積累的經驗,為后續研究提供標準參照。但是,在實際操作中,對于飽和度的判斷是過程性的,即需要在資料搜集與分析的循環過程中評估飽和度,以便確定在何時停止抽樣;仡櫺苑治鱿喈斢谑潞舐斆骰蝰R后炮。

              盡管此類研究得出了眾多關于樣本量的實證經驗,但正如很多研究者強調的,不能將其研究結果作為一般化取樣要求直接應用于其他質性研究。因為資料飽和受到研究問題、研究目的、樣本特征、取樣均質性、訪談方式、編碼特征、研究者以及數據特征等眾多因素的影響,應根據研究的方法論特征、認識論立場以及研究資源等因素慎重確定樣本量(Guestetal.,2006,Henninketal.,2017)。

              3.3.2以是否還有新的編碼或主題出現作為判定依據

              有研究者傾向于追求數量化的指標,通過對比新獲得的信息量與已獲得的信息量判斷資料飽和,即當某次訪談中新出現的編碼數占已確定的編碼總數的比例達到一定標準,即可判斷研究達到資料飽和。Guest等(2020)發現,在質性研究的數據搜集過程中,大部分新信息出現在早期,短期內通常遵循漸進曲線,在進行了一定量的數據搜集或分析之后,出現的新信息數量急劇下降。

              因此他們選擇前次或次、次搜集到的基礎數據集作為分母,以之后的每次或次訪談所獲得的新信息量為分子,以5%或0%作為閾限值,判斷資料飽和,即當新進行的次訪談所獲得的新信息數量占前次訪談所獲取的信息總量的比例小于5%,即可判斷研究達到了編碼或主題飽和。其中,對飽和閾限值(5%或0%)的選擇參照了量化研究的顯著性指標值的設定。Guest等提出,上述具體標準的選擇是自主的,質性研究者可以根據研究現實自行確定。通過計算新出現信息與已獲信息之間的比率來判斷資料飽和比較容易操作。

              研究者還可以借助于圖表的輔助,根據研究推進過程中新編碼或主題的出現做出符合研究目的的判斷(Guestetal.,2020;Henninketal.,2017,2019)。例如Hennink等人使用條形圖表示編碼或主題在廣度上的飽和,以新出現的編碼數量為縱坐標,以訪談順序為橫坐標,條形圖的高度表示在歷次訪談中獲得的新的編碼或主題的數量(Henninketal.,2017)。

              編碼或主題的發展過程。從中可以發現,首次訪談獲取了大量編碼,隨后的訪談明顯呈現收益遞減的特征。從第16人次的訪談開始,連續出現不能提供任何新信息的情況,這表示編碼或主題的范圍已經基本確定,可以做出研究達到編碼或主題飽和的判斷。如果繼續進行訪談,雖然并不完全排除會有新信息出現的可能性,但質性研究并不追求對研究資料窮盡式的獲取,只需獲取相對足夠的資料達到對概念與理論的發展和驗證即可。

              4討論

              在質性研究中強調資料飽和具有三方面意義。其一,評估研究資料的充足性,以指導抽樣過程。其二,幫助研究者判斷對研究問題及相關概念的認識是否深入,是研究質量的體現。其三,幫助研究者在論文中報告研究取樣的充分性,接受讀者的審查,也便于后續研究者進一步跟進研究。但在實際操作過程中,不同形式的資料飽和常常被混淆,不恰當的評估方式或模糊操作等問題普遍存在。

              4.1質性研究達到資料飽和的樣本量標準不應統一設定,其檢驗需嵌入具體研究過程對于資料飽和的判定,某些實證研究的結果或統計學方法試圖在研究之前就給出達到資料飽和的樣本量標準。但是,如前所述,質性研究的資料飽和受諸多因素的影響,其中每項研究都有其個性或特殊性。例如,在訪談研究中,主題與受訪者緊密相連,受訪者的身份和所處的語境幫助賦予主題意義和重要性,主題是受訪者的屬性,二者相互對應(Byrne,2015;Hammersley,2015;Simetal.,2018)。

              而在資料分析過程中,主題也不是一成不變的,主題的命名、內涵、外延及其對研究問題的理論貢獻都在不斷發展,特定主題的重要性及其與研究問題的相關度也隨之改變(Hammersley,2015)。因此,對研究問題探索的深度與樣本量之間并非服從簡單的線性關系,受訪者人數不能單獨作為判斷資料飽和的依據(Simetal.,2018),達到研究資料飽和的樣本量因此不能在研究開始之前確定(Braun&Clarke,2021)。在具體研究過程中,研究者應基于本研究的特點,綜合考慮多種資料飽和形式。

              如使用編碼或主題飽和評估研究資料的廣度和范圍,使用意義飽和評估編碼或主題被探索的深度。如果該研究以建構理論為目的,還應該通過持續性比較對理論飽和加以檢驗。將檢驗嵌入研究過程,綜合使用多種形式的資料飽和,在國外也有一些研究案例,如數據飽和與理論飽和結合使用(Goulding,2005;Morse,2015)。

              4.2質性研究的資料飽和存在邏輯上的不確定性,適當追加抽樣有助于進一步確認資料飽和是基于已獲取的數據對未來訪談數據獲取情況所做出的預測。這里邏輯上的不確定性是指,根據當前資料搜集和分析的情況預測繼續進行數據搜集和分析的必要性,這種預測在一定程度上依賴于研究者的主觀判斷,其準確性并未得到進一步的證明(Saundersetal.,2018)。盡管研究者可以清晰地記錄和呈現資料搜集與分析過程,為研究的資料飽和提供證據,但質性研究的資料飽和很難說是一個絕對準確的判斷。正因為資料飽和在邏輯上存在不確定性,有研究者認為,應該在資料達到或基本達到飽和之后再適當追加抽樣,以對資料飽和加以驗證。

              例如,Jassim和Whitford(2014)在進行了10次訪談之后,發現研究資料已經達到了主題飽和,但仍繼續追加了次訪談,以對資料飽和進行確認。類似的方式也被其他研究者所采用(Bragaruetal.2013;Jacksonetal.,2000;Vandecasteeleetal.,2015)。但Saunders等(2018)指出,過度抽樣的做法在一定程度上也存在問題,可能會造成資料飽和概念的模糊性。盡管如此,適當追加抽樣仍不失為應對資料飽和邏輯不確定性的有效策略。通常在做出研究資料飽和或基本飽和的判斷之后,研究者可以根據需要再繼續針對同質性樣本追加2~3次個體訪談或1~2次焦點小組訪談,對資料飽和做進一步的確認。

              4.3資料飽和作為考察研究質量的一項重要指標,并不適用于所有質性研究質性研究是一個傘概念(umbrellaconcept),包含各種不同的研究方法,如扎根理論、現象學研究、話語分析、主題分析、民族志、敘事研究、焦點團體、生命史與心理傳記等何吳明,鄭劍虹,2019)。有研究者認為,資料飽和的概念并不適用于敘事分析、解釋現象學分析等(Marshall&Long,2010;O’Reilly&Parker,2013;vanManenetal.2016)。主題分析、扎根理論、焦點團體等采用歸納思維,從眾多受訪者那里搜集信息,關注理論發展的充分性,因此比較符合資料飽和的操作性定義;而心理傳記、敘事分析等則聚焦于個體,更加關注個體故事的完整性,現有的資料飽和概念似乎并不包含此類含義(Saundersetal.,2018)。

              至于解釋現象學分析,雖然也會采用提煉主題、明確主題間關系等方式進行資料分析,但更重視獲取完整、豐富的個體關于生活經驗的理解,具有特則取向,強調對每個案例進行詳細的審視侯力琪等,2019),這類研究是否適用于資料飽和的概念,還需要進一步探索和商榷。因此,有研究者擔心,如果將資料飽和這一概念無差別地應用到所有質性研究中,可能導致失去其一致性效用(Saundersetal.,2018)。

              未來需要進一步關注對不同類型質性研究的資料充足性的考察、判斷與檢驗。結語質性研究并非是在傳統實證研究的框架內新增的一種研究方法,而是代表了心理學中的一種全新方法論。它在研究選題、文獻綜述、研究關系的建立、資料搜集、資料分析、結果與討論、效度檢驗、研究報告等各個環節,都表現出與實證研究不同的特點。資料飽和及其檢驗只是其中一個研究環節。只有針對質性研究過程中的每一環節開展深入細致的研究,才能提高質性研究操作的規范性,從而提高研究質量。

              參考文獻

              陳向明.(2000).質的研究方法與社會科學研究北京:教育科學出版社.何吳明,鄭劍虹.(2019).心理學質性研究:歷史、現狀和展望.心理科學,42(4),10171023.

              侯力琪,唐信峰,何麗,賈曉明.(2019).解釋現象學分析在中國的運用:系統評價及指南.心理科學進展,27(11),18261841.

              劉甜芳,楊莉萍.(2018).基于年齡建構的老化心理——一項深度訪談研究報告.心理科學,41(5),12071213.

              蘇達比,R.(2006).扎根理論之所非(曾憲聚,韓巍譯).見徐淑英,任兵,呂力(編).(2016).管理理論構建論文集.(pp.145162).北京:北京大學出版社.

              張猛,李玲娟.(2018).基于改進的Jaccard相似系數矩陣的社團劃分算法.南京郵電大學學報自然科學版),38(6),96102.

              Ando,H.,Cousins,R.,&Young,C.(2014).Achievingsaturationinthematicanalysis:Developmentandrefinementofacodebook.ComprehensivePsychology,3,17.

              Blaikie,N.(2018).Confoundingissuesrelatedtodeterminingsamplesizeinqualitativeresearch.InternationalJournalofSocialResearchMethodology,21(5),635641.

              作者:楊莉萍亓立東張博

            免费婬乱男女婬视频在线观看
            <address id="1dpt5"></address>

                      <em id="1dpt5"><nobr id="1dpt5"><nobr id="1dpt5"></nobr></nobr></em>
                      <dfn id="1dpt5"><listing id="1dpt5"><menuitem id="1dpt5"></menuitem></listing></dfn>
                      <form id="1dpt5"><nobr id="1dpt5"><nobr id="1dpt5"></nobr></nobr></form>
                      <address id="1dpt5"></address>