Качественные и количественные исследования

В чем разница между качественными и количественными исследованиями?

Научные исследования направлены на поиск взаимосвязей между переменными в попытке объяснить явления, наблюдаемые во всем мире. Эти отношения идентифицируются на основе корреляций между зависимыми и независимыми переменными. Результат зависимых переменных зависит от чего-то другого. Например, вес ребенка, вероятно, зависит от нескольких факторов, таких как его диета, генетика и возраст. Независимые переменные не изменяются в результате манипуляций экспериментом. Скорее, это те вещи, которые изменяются или контролируются в ходе эксперимента. Рассмотрим приведенный ранее пример: зависит ли рацион питания ребенка от его роста? Нет. Рацион питания может быть изменен в зависимости от того, что установит родитель или врач, и, таким образом, он не зависит от веса.

Эти переменные можно далее классифицировать в зависимости от типа собираемых данных. Качественные переменные – это переменные, включающие категории или классификации. Напротив, количественные переменные — это переменные, включающие числовые значения. Понимание разницы между этими переменными позволяет студентам проанализировать следующий вопрос: что такое качественное и количественное исследование и насколько важно каждое из них? На этом уроке будет рассмотрено, как эти переменные используются в исследованиях, как они анализируются и как решить, какой метод использовать. Также подробно рассмотрены примеры качественных и количественных исследований.

Сбор качественных исследовательских данных

Вкус и цвет этих конфет

Вкус и цвет этих конфет считаются качественными переменными.

Качественные исследования рассматривают категориальные ценности, которые не могут быть представлены измеримым числом. Что значит качественный? Проще говоря, качественные относятся к признакам, которые нельзя применить к числовому значению. Его цель — описать переменные по их внешнему виду, типу или местоположению. Качественные переменные может быть трудно сравнивать друг с другом. Например, если бы измерялся цвет крыльев бабочки, как можно сравнить красный цвет с синим? Таким образом, качественные данные редко демонстрируют порядок ранжирования, имеющий какое-либо конкретное значение.

Также важно отметить, что качественные данные иногда могут быть представлены в цифрах. Если бы игральные кости были брошены десять раз, отдельные числа, выпавшие на них, были бы бессмысленными, поскольку их нельзя было измерить. Вместо этого эти числа представляют категории и, следовательно, не могут быть ранжированы на основе их значений.

Качественные данные подвержены предвзятости. Рассмотрим двух отдельных исследователей, изучающих цвет крыльев бабочек. То, что один исследователь считает красным, другому может показаться розовым или оранжевым. Таким образом, надежные качественные исследования часто требуют строгих определений переменных.

Некоторые примеры обычно собираемых качественных переменных включают:

  • Цвет
  • Расположение
  • Описательные чувства
  • Ранг, разряд или место в соревновании
  • Вид животного или тип объекта
  • Пол

Сбор данных количественных исследований

Количественные исследования учитывают числовые значения. Это ценности, которые можно измерить и сравнить. В рамках одной категории отдельные измерения легко сравнивать друг с другом, поскольку существует очевидное понимание того, что одно значение выше, ниже или равно другому значению. Часто считается, что количественные исследования имеют меньшую предвзятость, чем качественные исследования, но важно помнить, что их точность зависит от используемого инструмента.

Например, если целью исследования является измерение длины лепестков цветов, но имеется доступ только к измерительному устройству, наименьшей единицей измерения которого является дюйм, оно, скорее всего, не будет очень точным для маленьких цветов. Таким образом, могут возникнуть некоторые неточности, если инструменты, используемые для сбора количественных данных, плохо настроены или неадекватны.

Некоторые примеры обычно собираемых количественных переменных включают:

  • Количество особей
  • Высота, ширина, длина
  • Вес или масса
  • Температура
  • Протяженность времени
  • Скорость, ускорение

Метод смешанного подхода

Учёные обязаны проводить хорошие исследования. Это часто требует сбора нескольких типов данных, чтобы полностью понять взаимосвязь. Рассмотрим следующую гипотетическую ситуацию: Майкл — биолог-эколог. Есть два водоносных горизонта, которые снабжают водой его город. Водоносный горизонт на востоке собирает воду с неосвоенного участка земли, находящегося под защитой федерального правительства. Водоносный горизонт на западе собирает воду из промышленной зоны. Майкл задает следующий исследовательский вопрос: «Как промышленность влияет на качество воды

Это отличный вопрос, но он открытый. Во-первых, Майклу необходимо понять, как он хотел бы измерять качество воды. Будет ли он учитывать концентрацию загрязняющих веществ или количество растворенных твердых веществ? С точки зрения потребителя его могут интересовать цвет, вкус и запах. Очевидно, что для того, чтобы полностью ответить на этот вопрос, Майклу, вероятно, придется собрать несколько переменных и сравнить их.

В большинстве хороших исследований необходимо измерять множество переменных, как качественных, так и количественных данных. Это приводит к использованию смешанного метода, который включает оба типа данных. Преимущество этого типа исследования заключается в возможности выявить взаимосвязи между этими категориями. Возможно, вода, которая пахнет лучше, содержит больше растворенных твердых веществ, или более чистая вода на самом деле содержит больше болезнетворных микроорганизмов. Взаимосвязь между качественными и количественными данными широко распространена и хорошо документирована. Таким образом, исследования редко бывают строго качественными или количественными.

Качественный и количественный анализ

А) Две качественные переменные изображены на одном графике. Обратите внимание: чтобы отобразить эти переменные на графике, необходим счетчик. Б) Две количественные переменные изображены вместе на графике. Их можно отобразить на основе необработанных данных и назначить линию наилучшего соответствия.

После сбора данных их необходимо проанализировать, чтобы определить взаимосвязи. Это дополняется статистическим анализом, чтобы определить, являются ли переменные математически значимыми. Существует бесчисленное множество способов определения значимости, и каждый год разрабатывается все больше методов, позволяющих сократить время вычислений и количество ошибок.

Обычно исследователи пытаются определить значение p. Значение p сообщает исследователю, есть ли между двумя переменными взаимосвязь. Чем меньше значение p, тем более значима связь. Обычно значение p менее 0,05 считается значимой взаимосвязью, хотя это правило иногда меняется в зависимости от области исследования или типа исследования.

Количественные данные легко сравнивать. Он уже имеет числовое значение, поэтому его можно отобразить в виде графика в исходном или преобразованном состоянии. В зависимости от распределения или формы и распространения данных можно применить модель и провести статистический тест, чтобы определить, значимы ли переменные. Распространенным тестом является дисперсионный анализ (ANOVA). Этот тест сравнивает средние значения между популяциями, чтобы определить, являются ли их отношения значимыми. Существует несколько типов тестов ANOVA, которые можно применять в конкретных ситуациях.

Качественные данные должны быть преобразованы или изменены, прежде чем их можно будет проанализировать. Например, если исследователь измеряет цвет и форму цветов, как он будет сравнивать эти переменные? Первым шагом будет создание счетчиков. Затем исследователь может определить, сколько представителей каждой категории было идентифицировано. Возможно, они измерили 60 красных круглых цветков, 10 красных квадратных цветков, 50 синих квадратных цветков и 10 синих круглых цветков. Отсюда мы видим, что цветок скорее представляет собой красный круг или синий квадрат, чем наоборот. Затем исследователи могут применить тест хи-квадрат, чтобы определить, существенно ли различаются эти значения. Критерий хи-квадрат сравнивает измеренный результат выборки с ожидаемым результатом. Отсюда исследователь может определить, является ли связь между двумя качественными переменными значимой.

Качественное и количественное сравнение

Споры между качественными и количественными исследователями бушуют на протяжении нескольких поколений. Большинство отраслей науки сегодня согласны с тем, что хорошее исследование потребует владения обоими методами, чтобы по-настоящему понять взаимоотношения даже на базовом уровне. Однако, оба метода имеют свои преимущества.

Преимущество количественных данных состоит в том, что с ними легко работать в необработанном виде. Количественные данные можно легко отобразить в виде графика, а взаимосвязи выявить без особых математических усилий. Можно определить четкую линию наилучшего соответствия, что побуждает исследователей проводить дальнейшие исследования на ранних этапах сбора.

Иногда для того, чтобы полностью отразить взаимосвязь, требуются качественные данные, но существует риск предвзятости. Например, если вас беспокоит здоровье экосистемы, подсчет количества организмов может оказаться бесполезным для иллюстрации состояния окружающей среды. Возможно, в окружающей среде есть много видов (количественный подсчет), но, ничего не зная об этих видах, все равно трудно прийти к какому-то выводу. Таким образом, исследователь может захотеть классифицировать организмы по их типу. Сколько из них являются инвазивными, паразитарными или патогенными? Эта новая категория предоставляет гораздо больше информации для анализа, чем первоначально предполагалось.

Сильные стороны и ограничения

Ранее были описаны сильные и слабые стороны обоих методов. Большинство исследователей пытаются включить оба типа исследований, чтобы полностью понять взаимосвязь.

К сильным сторонам качественных исследований относятся:

  • Выявление переменных, которые нельзя объяснить числовыми значениями, например, видов или рас.
  • Может использоваться для лучшего понимания чувств или поведения участника, чего не могут дать цифры.

Слабые стороны качественных исследований:

  • Для интерпретации необходимо математически преобразовать в количество или частоту.
  • Может быть предвзятым

Сильные стороны количественного исследования:

  • Измерения более точны, чем категории, которые могут зависеть от наблюдателя-исследователя.
  • Можно легко сравнить математически в исходном состоянии или с помощью простых преобразований.

Слабые стороны количественного исследования:

  • Нельзя объяснить поведение, понятно только то, что определенные события действительно происходят.
  • Измерения точны настолько, насколько позволяют методы измерения.

Какой стиль метода исследования мне следует использовать?

Качественные исследования стали важным аспектом исследований в качественной  социологии. Эта отрасль социальных наук фокусируется на том, почему люди действуют именно так, а также на чувствах, связанных с поведением людей. По этой причине многие области психологии включают более качественные исследования.

В других отраслях науки решение о том, какой метод использовать, зависит от задаваемого вопроса. Решите, лучше ли эта связь объясняется корреляцией между числовым значением, основанным на измерении, или для полного объяснения ситуации требуется категориальный дескриптор.

Некоторые распространенные примеры количественных экспериментов включают в себя:

  • Эффективность лекарств
  • Данные переписи населения

Некоторые распространенные примеры качественных экспериментов включают в себя:

  • Социальные эксперименты
  • Опросы мнений клиентов
  • Исследования, включающие поведение или действия определенных демографических групп.

Краткие итоги урока

В научном эксперименте собранные данные можно классифицировать как качественные или количественные данные. Качественные данные классифицируют переменные на основе любого дескриптора, которому не присвоено числовое значение. К количественным переменным относятся те, которые можно измерить. Исследователи предпочитают смешанный метод, который использует оба типа данных для ответа на вопрос.

Количественные данные часто менее предвзяты и их легче понять при рассмотрении статистических взаимосвязей. Обычно значимость (например, значение p) для качественных данных можно определить с помощью дисперсионного анализа (ANOVA). Эти данные сравнивают средние значения нескольких популяций, чтобы определить, существует ли связь между значениями.

Качественные данные должны быть преобразованы в количество или частоту, прежде чем их можно будет проанализировать. Исследователи обычно сравнивают категории качественных данных, используя критерий хи-квадрат, который сравнивает наблюдаемые результаты выборки с ожидаемым результатом, чтобы определить, существует ли связь между категориями. Качественные данные нашли место в качественной социологии, целью которой является объяснение поведения и чувств людей.

Общие количественные переменные включают:

  • Количество особей
  • Высота, ширина, длина
  • Вес или масса
  • Температура
  • Протяженность времени
  • Скорость, скорость, ускорение

Общие качественные переменные включают:

  • Цвет
  • Расположение
  • Описательные чувства
  • Ранг, разряд или место в соревновании
  • Вид животного или тип объекта
  • Пол

Часто задаваемые вопросы

Что является примером количественного исследования?

Количественное исследование — это исследование, которое измеряет или подсчитывает переменную, присваивая ей числовое значение. Классическим примером количественного исследования является перепись населения, которая учитывает множество аспектов жизни каждого гражданина.

В чем разница между качественным и количественным?

Качественные данные фокусируются на описательных переменных, которые невозможно измерить или присвоить числовое значение. Примером этого является цвет фруктов или чувства человека к определенному раздражителю. Количественные переменные поддаются измерению. Они включают в себя такие переменные, как рост, вес или скорость.

Каков пример количественных и качественных данных?

Понимание разницы между качественными и количественными данными означает понимание того, что качественные переменные являются описательными, в то время как количественные переменные измеряются и получают числовое значение. Примером качественных данных является цвет, а примером количественных данных — рост в дюймах.

Поделитесь материалом
Автор статьи: Наталья Венедиктова
Наталья Венедиктова
Историк-исскусствовед, специалист в области истории, географии и искусства. Много путешествовала, изучала эволюцию художественных стилей, культурные контексты произведений и влияние искусства на общественные и исторические процессы.
Наталья Венедиктова опубликовал статей: 315

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *