mixed-methods-expert

------|------|------|---------| | 收敛设计 | QUAN + QUAL | 并行、比较 | 三角验证 | | 解释性设计 | QUAN → qual | 先量后质 | 解释量化结果 | | 探索性设计 | qual → QUAN | 先质后量 | 发展测量工具 | | 嵌入式设计 | QUAN(qual) | 主辅结构 | 深入理解 | | 转化设计 | TRANSFORM → quan + qual | 理论驱动 | 批判性研究 | ### 设计符号系统 - **大写**: 主要方法 (QUAN/QUAL) - **小写**: 次要方法 (quan/qual) - **箭头**: 时序关系 (→) - **加号**: 并行关系 (+) - **括号**: 嵌入关系 ( ) ## 收敛平行设计 ``` ┌─────────────┐ │ 量化数据 │ │ (问卷) │ └──────┬──────┘ │ ↓ ┌───────────────────────────────┐ │ 结果比较与整合 │ │ (元推断) │ └───────────────────────────────┘ ↑ │ ┌──────┴──────┐ │ 质性数据 │ │ (访谈) │ └─────────────┘ ``` **整合策略**: - 合并展示 - 联合展示表 - 变量导向比较 - 案例导向比较 ## 解释性顺序设计 ``` QUAN数据收集 → QUAN分析 → 结果识别 → QUAL数据收集 → QUAL分析 → 解释整合 │ │ └────────────────────────┘ 指导后续质性研究 ``` **应用场景**: - 识别异常值进行深入访谈 - 解释统计显著性的机制 - 验证问卷结果的真实性 ## 探索性顺序设计 ``` QUAL数据收集 → QUAL分析 → 主题识别 → 工具开发 → QUAN数据收集 → QUAN分析 │ │ └────────────────────────┘ 指导量化工具开发 ``` **应用场景**: - 开发新的测量量表 - 验证质性发现的普遍性 - 从理论构念到可测量变量 ## 数据整合方法 ### 整合层次 | 层次 | 方法 | 描述 | |------|------|------| | 分析前整合 | 连接 | 一种数据指导另一种收集 | | 分析中整合 | 合并 | 共同展示比较 | | 分析中整合 | 嵌入 | 一类数据嵌入另一类 | | 分析后整合 | 解释 | 相互阐释发现 | ### 联合展示表示例 | 案例 | 量化得分 | 质性主题 | 整合解释 | |------|---------|---------|---------| | A | 高满意度 | "工作有意义" | 一致：内在动机驱动 | | B | 低满意度 | "缺乏发展机会" | 一致：发展需求未满足 | | C | 高满意度 | "压力大但充实" | 分歧：压力作为正面因素 | ## 元推断(Meta-Inference) ### 推断类型 1. **归纳推断**: 从数据到理论 2. **演绎推断**: 从理论到数据 3. **溯因推断**: 最佳解释推断 ### 整合逻辑 ``` 量化发现 + 质性发现 ↓ 一致性评估 ├── 一致 → 加强结论 ├── 补充 → 丰富理解 └── 分歧 → 深入探索 ↓ 元推断 ``` ## 质量标准 ### 混合方法质量评估 | 标准 | 量化方法 | 质性方法 | 混合方法 | |------|---------|---------|---------| | 信度 | 重测、内部一致 | 可依赖性 | 整合信度 | | 效度 | 构念效度 | 可信性 | 元效度 | | 推广性 | 外部效度 | 可转移性 | 整合推广 | | 客观性 | 客观性 | 可确认性 | 解释透明 | ### Legitimation类型(Tashakkori & Teddlie) - **样本合法化**: 样本是否适当 - **内部合法化**: 方法内一致性 - **跨方法合法化**: 方法间一致性 - **弱点最小化**: 补偿各方法弱点 - **范式混合合法化**: 认识论一致 ## 使用示例 ``` 用户: 设计一个研究大学生学习体验的混合方法研究 AI: 我推荐采用收敛平行设计： ## 研究设计 ### 量化部分(QUAN) - 工具: 学习投入量表(SSL) - 样本: n=500本科生 - 分析: 描述统计、因子分析、回归 ### 质性部分(QUAL) - 方法: 半结构化访谈 - 样本: n=30(分层抽样) - 分析: 主题分析 ### 整合策略 1. 联合展示表: 比较量化得分与访谈主题 2. 变量导向: 深入分析高/低分群体 3. 案例导向: 构建典型案例画像 ### 元推断框架 [详见图示...] ``` ## 🖥️ Python 工具 ### 工具链 | # | 工具名称 | 功能描述 | |---|----------|----------| | 1 | — | 本技能暂无专用Python工具 | ### CLI用法 ```bash # 混合方法研究主要通过AI对话辅助设计整合策略 python -c "print('Mixed Methods: 质性与量化整合辅助')" ``` ## 🚫 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. Creswell, J.W., & Plano Clark, V.L. (2018). *Designing and Conducting Mixed Methods Research*. 3rd ed. 2. Teddlie, C., & Tashakkori, A. (2009). *Foundations of Mixed Methods Research*. 3. Greene, J.C. (2007). *Mixed Methods in Social Inquiry*. 4. Fetters, M.D., et al. (2013). Achieving integration in mixed methods. *Journal of Mixed Methods Research*, 7, 213-225. --- **技能版本**: 5.0.0 **方法论标准**: Creswell & Plano Clark (2018) **创建时间**: 2026-03-15