Table of Contents



Qualitative data analysis / Miles & Huberman (1994)

Citation - Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis: an expanded sourcebook (2 ed.). Thousand Oaks: Sage Publications. Miles, M. B.、Huberman, A. M.(2005)。質性研究資料分析(Qualitative data analysis: An expanded sourcebook, 2nd ed.)(張芬芬譯)。台北:雙葉。

Keyword - qualitative_research, research_methodology

Ch1. Intro

Qualitative Strategy

Qualitative research types

Date Analysis Flow model

資料分析的連貫模式(p.24,27)

QDA flow model

data reduction

資料簡化(data reduction)(pp. 24-25)

data display

資料展示(data display)(pp. 25-26)

conclusion drawing and verification

[結論]引出與驗證(p.26-28)

Ch2. Data collection: Focusing and Bounding

本書作者傾向嚴謹研究設計,而非彈性研究設計。兩種質性研究設計取向都各有其支持者。 作者認為嚴謹設計的好處,在於:(1)可以達到較佳的概念化檢測工作;(2)實作上較為經濟有效率;(3)有效減少資料量,適合多個案研究;(4)較可能得到可概化的研究結果。

基本格式 範例問題
因果研究
是否,A引起B
是否,A對C的影響,大於B對C的影響
非因果研究
What is A
是否,A位於B狀況 治療中心是否符合地方需求?
非因果政策性研究
A的意涵為何 何謂「特殊教育兒童」與「治療」
為何B支持A
非因果性評鑑研究
何種特性使A成為好的
A對B重要嗎
非因果性管理研究
A的成本效益是否大於B
如何降低A但同時提高B

(N. L. Smith, 1987, p.311)

Case

Sampling

instrumentation

Ch3. Data collection: Design

連結質性資料與量化資料

資料分析的管理

前提:Kavle (1988) 寫了一篇16頁的文章,分析一個問題:「我要怎樣分析我蒐集到的一千頁訪談稿?」答案是:「你絕對不能做出會讓你問出那種問題的訪談。」

運用電腦

資料管理

人力/時間規劃

與研究參與者訂約

Ch4. Analysis: Early

摘要

編碼

思考

報告

持續分析

Ch5. Displays: Exploring & Description

* 圖表格式 矩陣表(metrics): 以行、列為架構的資料表格,每個表格的資料格(cell)內,含括相關資料或概念。 * [note] 一般使用矩陣表的行列變項為名目尺度,少數會發展為次序尺度。 網絡圖(networks):由「結點(node)」,以及結點與結點之間的「連結線」所構成的二維空間圖形。 * [note] 網絡圖的二維向量可以是隨意的,也可以是有特定概念面向引導的。隨意的二維並無尺度可言,概念面向引導的,可以發展出名目、次序、等距、比率等不同尺度。越精準的尺度,其繪製可能越接近資訊視覺化(information visualization)的研究工作。

半排序圖表

脈絡圖

檢核表

轉寫為詩

時間排序

事件一覽表

關鍵事件圖

事件-狀態網

活動紀錄圖

決定模式樹狀圖

成長梯度圖

時間排序表

角色排序

概念排序

Ch6. Displays: Explaining & Predicting

解釋性結果矩陣

個案動因發展表

因果網絡圖

進行預測與測試預測

Ch7. Displays: Cross-case: description

半排序

概念排序

個案排序

時間排序

複合排序

Ch8. Displays: Cross-case: Ordering & Explaining

個案排序的結果矩陣

個案排序的預測-結果矩陣

變項x變項矩陣

因果模式圖

因果網絡圖

Ch9. Displays: Matrix

Ch10. Making conclusions: Drawing & Verifying

產生意義的技術

檢測與驗證的技術

  1. 檢核代表性
    • 代表性可能的錯誤:
      • 菁英謬誤:過度依賴田野中的菁英份子所提供的報導資訊。
      • 戲劇化的事件:研究者容易只觀察戲劇化的事件或活動,而將之過度概化推論。
      • 似真性(plausibility)類推:只選擇與自己解釋相符的人物、事件或活動。
    • 避免代表性錯誤的技巧:
      • 增加個案數量;
      • 尋找對照個案[見,(5)外圍者;(6)極端個案;(7)驚異處;(8)尋找負面證據]
      • 將個案分類,找出貧乏的類別。[分層抽樣]
      • 從研究的人或現象中,隨機抽樣。
  2. 檢核研究者效應:研究者對個案的影響所產生的偏差、個案田野對研究者產生的影響偏差。
  3. triangulation:去求證各個單獨的觀察,與該研究發現之間,是否一致?或者,至少不與該研究發現衝突。
  4. 估量證據的品質:根據資料本身的效度,決定使用資料的權重。
  5. 檢核外圍者的意義
  6. 運用極端個案
  7. 追蹤驚異處
  8. 尋找負面證據
  9. 進行「if-then」測試:以if-then命題,為研究所建立的解釋邏輯論題,進行預測與檢驗。
  10. 排除虛假關係:發現中介變項
  11. 複製一項發現
  12. 檢測相競爭的解釋
  13. 報導人的回饋

研究結論的品質標準

實作紀錄

Ch11. Ethical issue

Ch12. Reporting

Ch13. concluding remarks

Note

.

file link - Google Schloar