質化研究的研究問題
針對不同種類的研究問題，研究者會利用各種不同的研究方法、資料來回答。許多研究方法的書都列了研究問題種類與研究方法的對照表，我下面列的是摘自 Yin (2009) 的 case study reserach (這本書有 kindle 版)。
| Methods | Form of research question | Requires control of behavioral events? |
質化研究
質化研究樣本的選擇
最近因為研究需要，買了 Qualitative data analysis: An expanded sourcebook 這本書來作參考資料，發現這本書有許多作質化資料分析的指引，非常明確，也讓我收獲很大。不過這本書我應該是沒辦法短時間從頭讀完，就是需要的時候當作指引。
今天要來談的是質化研究樣本的選擇。質化研究與量化研究不同的地方很多，其中有一點就是樣本上。雖然不一定說質化研究樣本比較小，但這往往是常態。要如何在小樣本裡回答你的研究問題，這就要好好思考了。所以說：質化研究的樣本選擇通常比較有目的性，而非隨機選擇。
那找樣本的方式有哪些呢？作者整理了 Krzel (1992) 、 Patton (1990) 與其它人的研究，列成一張表格。我限於版面不太好輸入表格，就羅列於下。前面是取樣方法，後面是目的及特色。
- Maximum variation 最大化差異：紀錄不同差異並尋找重要的重複類型 documents diverse variations and identifies important common patterns
- Homogeneous 同質化：聚焦，減少，少化，並輔助團體訪談
- Critical case 關鍵個案：允許邏輯上的普遍化並最大化這些資訊到其它個案
- Theory based 理論依據：尋找理論相關的例子、解釋並闡述
- Confirming and disconfirming cases 證明或駁斥個案：闡述一開始的分析，尋找例外，並尋求變化
- Snowball or chain 雪球法：從知道有可能知道哪些個案會提供大量資訊的人來尋找
- Extreme or deviant case 極端個案：從極端不尋常的現象來學習
- Typical case 典型個案：強調什麼是正常的或平均。
- Intensity 強度：資訊豐富的個案可強力表明某個現象，但並非極端的 (information-rich cases that manifest the phenomenon intensely, but not extremely)
- Politically important cases 重要的個案：吸引注意或避免不需要的注意
- Random purposeful 有目的隨機：增加可信度
- Stratified purposeful 有目的分層：突顯次群體；方便比較
- Criterion 標準：所有的參與者都符合標準；對確保品質有用
- Opportunistic 機會：根隨新發現 (following new leads，這句我不太會翻)；利用不可預期
- Combination or mixed 多種及混合：三角檢測 (triangulation)、靈活性，符合多種興趣與需要
- Convenience 方便取樣：省時間、金錢、精力，但可能缺乏可信度 (credibility)
翻譯的不太好，而且書中的描述還很多，就無法一一列舉，就只是提供一個筆記，讓有需要的人知道去哪找資源。
參考文獻
Miles, M.…
NVivo: 內容與memo無法編輯？
最近在用 NVivo 的時候，發現了一件非常吊詭的事情：在 source 裡新增 memo，怎麼樣都無法編輯。就算打開舊的內容，也出現了沒有辦法編輯的問題。查了半天，終於真相大白了。
在 NVivo 裡面有一個滿實用的功能：code stripes，可以讓你看到你現在的文件，採用了哪些 codes。問題就來了：如果你使用了這個功能，sources 裡面的東西就會無法編輯了。所以如果你出現無法編輯的問題，先試試把 code stripes 這個功能關掉。
…NVivo: 內容與memo無法編輯？ Read More »
質化分析步驟
與之前寫的文章：質化研究分析技巧(一)：Pattern matching、質化研究分析策略 不同，此篇質化分析步驟是 Merriam (2009) 所提供一步一步的指引，對於入門者來說挺有幫助的，所以在此記錄下來。
在分析之前，要先了解質化分析的目的。Merriam (2009) 認為「質化分析的目的是從資料中找出有意義的過程」(頁175) (Data analysis is the process of making sense out of the data)，而分析的主要方式不外乎是歸納 (inductive) 與比較 (comparative)。分析就是在眾多資料之中找出所有有意義的片段，而這些片段是可以回答你的研究問題的。
那如何作呢？Merriam (2009) 提出了五個步驟：category construction、sorting categories and data、naming the categories、how many categories、becoming more theoretical。
Category construction 類別建置
這個過程是在你閱讀第一份質化資料的時候開始。當你在閱讀的過程中，你會作些筆記和評論，這些有趣的地方可能就是你研究的重點。這個類別建置的過程，也有人稱為編碼 (coding)。因為是一開始分析，所以你會儘可能的為每段有用資料都編碼。因為你採取了一個較為開放的態度，這種編碼方式稱為開放性編碼 (open coding)。
在編碼的過程中，你可能會結合數個類別成為一個新的類別，這種方式稱為主軸性編碼 (axial coding) 或分析性編碼 (analytic coding)。當你編碼完第一份資料時，再進行到下一份資料。如果你不是用像 NVivo、HyperResearch 或 Atlas.ti…
NVivo 教學：資料編碼 (coding)
NVivo 提供了多種編碼 (coding) 的方式，但基本概念都是用節點 (nodes) 的方式來達成。節點可以想成是一個類別 (category)，也就是你基本的編碼。NVivo 提供 free nodes 和 tree nodes 兩種模式，最大的區別就是前者沒有樹狀階層，而後者有。所以依照 Merriam (2009) 的建議，初步分析，也就 category construction 這個階段，我會使用 free nodes 來進行快速分類。如果分類底下的內容愈來愈多，我就會試著依照文獻和我的研究問題，將我的 free nodes 轉換成 tree nodes，更方便我組織想法。
Free nodes 沒什麼好說的，在你的資料裡，將你要 coding 的地方選起來，按右鍵選擇 code selection，之後看你的類別選取是已存在的 nodes 還是新 nodes。
所以整體畫面看起來就如下圖。
Tree nodes 比較麻煩，要先建立 nodes 或是從 free nodes 移過去才行。coding 的步驟與 free nodes 相同，便不再多說。
最後在跟大家分享一個我在 NVivo 的設置。在 NVivo 裡，如果你要用 tree nodes，常常會顯得空間不夠，要捲上捲下才能作 coding。此外，coding 是按右鍵來選 code 的方式也不是很有效率。
我的作法是將版面配置稍作修改，從 coding 在上、內容在下改變成 coding 在左、內容在右。這樣的好處有二：1) 儘可能顯現出較多的 codes；2) 在 coding 時，方便你用 drag and drop 的方式。
改成左右欄之後如下圖，我選取好要 coding 的部分，用拖放到 tree nodes，會比按右鍵選取來得省事。
如果有人有更好的方法，還請不吝分享~
參考書目
Merriam, S.…
NVivo 教學：資料編碼 (coding) Read More »