case-study-expert

---|------|------|---------| | 探索性 | 生成假设 | 开放性 | 现象新颖 | | 描述性 | 描述现象 | 完整性 | 已有理论框架 | | 解释性 | 解释因果 | 验证性 | 因果机制研究 | ## 研究设计 ### 设计要素 ``` 研究问题 │ ↓ ┌─────────────────────────────────┐ │ 研究设计 │ │ ┌───────────────────────────┐ │ │ │ 理论框架 │ │ │ │ (命题/假设) │ │ │ └───────────────────────────┘ │ │ ┌───────────────────────────┐ │ │ │ 案例选择 │ │ │ │ (单案例/多案例) │ │ │ └───────────────────────────┘ │ │ ┌───────────────────────────┐ │ │ │ 数据收集 │ │ │ │ (多证据来源) │ │ │ └───────────────────────────┘ │ │ ┌───────────────────────────┐ │ │ │ 数据分析 │ │ │ │ (模式匹配/逻辑模型) │ │ │ └───────────────────────────┘ │ └─────────────────────────────────┘ │ ↓ 研究结论 ``` ### 单案例设计 **选择依据**: - **关键案例**: 测试理论的核心命题 - **极端案例**: 不寻常的极端情况 - **典型案例**: 代表常见情况 - **启示性案例**: 之前无法研究的情况 - **纵向案例**: 追踪变化过程 ### 多案例设计 **复制逻辑** (非抽样逻辑): ``` 案例选择 ├── 逐案例复制 │ ├── 案例A (预测相似结果) │ ├── 案例B (预测相似结果) │ └── 案例C (预测相似结果) │ └── 理论复制 ├── 案例D (预测不同结果) └── 案例E (预测不同结果) ``` ## 数据收集 ### 三角验证策略 | 数据来源 | 具体方法 | 优势 | |---------|---------|------| | 档案记录 | 文件、报告、记录 | 稳定、可重复 | | 访谈 | 开放式、焦点小组 | 直接视角 | | 直接观察 | 参与式、非参与式 | 真实行为 | | 参与观察 | 研究者参与 | 深入理解 | | 物理人工制品 | 工具、产品 | 实物证据 | ### 数据收集原则 1. **多证据来源**: 三角验证 2. **案例研究数据库**: 系统记录 3. **证据链**: 可追溯性 ## 数据分析 ### 分析技术 | 技术 | 描述 | 应用 | |------|------|------| | 模式匹配 | 比较经验模式与预测模式 | 验证理论 | | 解释构建 | 逐步构建因果解释 | 解释性案例 | | 时间序列分析 | 追踪随时间变化 | 纵向案例 | | 逻辑模型 | 因果链分析 | 过程追踪 | | 跨案例比较 | 多案例综合 | 理论构建 | ### 模式匹配示例 ``` 理论预测模式: 投入A → 过程B → 产出C 经验观察模式: 案例X: 投入A → 过程B → 产出C (匹配) 案例Y: 投入A → 过程B'→ 产出C (部分匹配) 案例Z: 投入A'→ 过程B → 产出C' (不匹配) 结论: 理论得到部分支持，需要修正 ``` ## 质量标准 ### 四个质量检验 | 检验 | 策略 | 技术 | |------|------|------| | **构念效度** | 确保测量准确 | 多证据来源、证据链 | | **内部效度** | 确保因果推断 | 模式匹配、解释构建 | | **外部效度** | 确保推广性 | 复制逻辑、案例分析 | | **信度** | 确保可重复 | 案例研究草案、数据库 | ### 提高研究质量 ``` 构念效度 ├── 多来源三角验证 ├── 证据链建立 └── 关键信息提供者审查 内部效度 ├── 模式匹配 ├── 解释构建 ├── 时间序列分析 └── 竞争性解释分析 外部效度 ├── 复制逻辑 ├── 分析性推广 └── 理论框架 信度 ├── 案例研究草案 ├── 案例研究数据库 └── 研究者培训 ``` ## Yin vs Stake 方法论比较 | 维度 | Yin (实证主义) | Stake (建构主义) | |------|---------------|-----------------| | 目的 | 验证理论 | 理解案例 | | 设计 | 预设设计 | 涌现设计 | | 分析 | 模式匹配 | 主题分析 | | 推广 | 分析性推广 | 自然推广 | | 角色 | 客观观察者 | 解释性研究者 | ## 使用示例 ``` 用户: 设计一个研究企业数字化转型的案例研究 AI: 我推荐采用多案例解释性设计： ## 研究问题 企业数字化转型如何影响组织能力？ 什么因素影响转型的成功与失败？ ## 案例选择(复制逻辑) 逐案例复制(预期成功): - 案例A: 大型制造企业 - 案例B: 中型零售企业 理论复制(预期差异): - 案例C: 传统企业(失败案例) - 案例D: 数字原生企业(对照) ## 数据收集(三角验证) 1. 半结构化访谈(n=30人/案例) 2. 企业内部文档(战略报告、会议记录) 3. 直接观察(工作场所观察) 4. 外部资料(行业报告、新闻) ## 分析框架 [模式匹配 + 跨案例比较] ``` ## 🖥️ Python 工具 ### 工具链 | # | 工具名称 | 功能描述 | |---|----------|----------| | 1 | case_selector.py | 案例选择工具，支持逐案例复制和理论复制逻辑 | | 2 | pattern_matcher.py | 模式匹配分析，验证经验模式与理论预测一致性 | | 3 | cross_case_analyzer.py | 跨案例比较分析，支持多案例综合与理论构建 | ### CLI用法 ```bash python tools/case_selector.py --criteria replication --output selected_cases.json python tools/pattern_matcher.py --input case_data.json --pattern theory_predicted python tools/cross_case_analyzer.py --input cases/ --method comparative ``` ## 🚫 绝对禁止原则 > **使用前必读**：以下原则是不可逾越的红线，违反将导致研究结论无效。 1. **禁止跳过研究伦理审查** — 未获IRB批准的实证研究不得用于发表 2. **禁止捏造或篡改数据** — 任何形式的数据造假均违反学术伦理 3. **禁止忽视研究局限性** — 必须在论文中诚实报告研究局限 4. **禁止剽窃他人研究成果** — 必须正确引用所有参考来源 5. **禁止选择性报告结果** — 阴性结果同样需要报告 6. **禁止使用不匹配的分析方法** — 必须根据研究问题选择合适方法 ## 参考文献 1. Yin, R.K. (2018). *Case Study Research and Applications*. 6th ed. 2. Stake, R.E. (1995). *The Art of Case Study Research*. 3. Eisenhardt, K.M. (1989). Building theories from case study research. *AMR*, 14, 532-550. 4. George, A.L., & Bennett, A. (2005). *Case Studies and Theory Development*. --- **技能版本**: 5.0.0 **方法论标准**: Yin (2018), Stake (1995) **创建时间**: 2026-03-15