HoraceT和CliffAB(很抱歉,发表评论的时间太长了)恐怕我有一辈子的例子,这些例子也告诉我,如果我想避免冒犯他人,我需要非常小心他们的解释。因此,尽管我不想让你放纵,但我还是请你耐心等待。开始:
首先举一个极端的例子,我曾经看到一个建议的调查问题,该问题询问文盲的乡村农民(东南亚),以估计他们的“经济回报率”。暂时不考虑响应选项,我们可以希望所有人都认为这是一件愚蠢的事情,但是始终如一地解释为什么它如此愚蠢并非易事。是的,我们可以简单地说这是愚蠢的,因为受访者不会理解该问题,而只是将其视为语义问题。但这在研究环境中确实不够好。曾经有人提出过这个问题,这表明研究人员对于他们认为的“愚蠢”具有内在的可变性。为了更客观地解决这个问题,我们必须退后一步,透明地声明一个有关此类事情决策的相关框架。有很多这样的选择,
因此,我们透明地假设我们有两种基本信息类型可用于分析:定性和定量。并且两者通过一个转换过程相互关联,因此所有定量信息最初都是定性信息,但经过以下(过于简化)的步骤:
- 约定设置(例如,我们所有人都决定[不管我们如何看待它,我们都将白天的天空称为“蓝色”。)
- 分类(例如,我们根据此约定评估房间中的所有物品,并将所有物品分为“蓝色”或“非蓝色”类别)
- 计数(我们计算/检测房间中蓝色物体的“数量”)
请注意(在此模型下)没有步骤1,就没有质量这样的东西,如果您不从步骤1开始,就永远不会产生有意义的数量。
一经陈述,所有这些看起来都很明显,但是(我发现)正是这样的第一组原则被最普遍地忽略了,因此导致了“垃圾入场”。
因此,以上示例中的“愚蠢”变得非常明确,因为未能在研究人员和受访者之间建立共同的约定。当然,这是一个极端的例子,但更细微的错误同样会导致垃圾产生。我看到的另一个例子是对索马里农村地区的农民进行的一项调查,询问“气候变化如何影响您的生计?”暂时暂时不考虑应对方案,我建议即使是向索马里中西部的农民询问美国将严重无法使用研究者与受访者之间的共同公约(即所谓的“气候变化”)。
现在让我们继续到响应选项。通过允许受访者对一系列选择选项或类似结构的答案进行自我编码,您也将这个“约定”问题推到了质疑的这一方面。如果我们都在响应类别中坚持有效的“通用”惯例(例如,问题:您住在哪个城镇?响应类别:研究区域中所有城镇的列表[加上“不在此区域”]),这可能很好。但是,实际上,许多研究人员似乎为自己的问题和回答类别的微妙变化感到自豪,以满足他们的需求。在同一调查中,出现了“经济回报率”问题,研究人员还要求受访者(贫困村民)提供他们对哪个经济部门有所贡献:答复类别为“生产”,“服务”,“ “制造”和“营销”。显然,定性惯例问题再次出现在这里。但是,由于他使回答相互排斥,因此被调查者只能选择一种选择(因为“这样更容易注入SPSS”),而村民则例行生产农作物,出售劳动力,制造手工艺品并将一切都带走。本地市场本身,这位特殊的研究人员不仅与受访者有约定俗成的问题,还与现实有关。
这就是为什么像我这样的老乏味的人总是会推荐将编码应用于数据收集后的工作量更大的方法-至少您可以对研究人员持有的惯例进行足够的编码培训(并注意在“调查说明”是一个杯子游戏-现在就让我相信这个杯子吧。还要注意,如果您接受上述“信息模型”(同样,我并不是要声明您必须这样做),这也说明了为什么准常规反应量表的声誉不好。这不仅是史蒂文(Steven)惯例下的基本数学问题(即,即使对于平凡,您也需要定义有意义的原点,您不能对它们进行加法和平均等),而且,它们通常从未经历过任何等同于“量化”的透明声明和逻辑上一致的转换过程(即,上面使用的模型的扩展版本也包含“常规量”的生成[-这并不难去做])。无论如何,如果它不能满足定性或定量信息的要求,那么研究人员实际上声称是在框架之外发现了一种新型信息,因此,责任在于他们充分解释其基本概念基础(即透明地定义一个新框架)。
最后,让我们看一下抽样问题(我认为这与此处已经给出的其他一些答案是一致的)。例如,如果研究人员想应用构成“自由”投票人的惯例,则需要确保他们用来选择抽样制度的人口统计学信息与该惯例一致。这个级别通常最容易识别和处理,因为它在很大程度上由研究人员控制,并且通常是在研究中透明地宣布的假设定性惯例的类型。这也是为什么它是通常讨论或批评的水平,而更根本的问题却没有得到解决的原因。
因此,尽管民意测验人员会提出诸如“您打算在那个时候投票给谁?”之类的问题,但我们可能还可以,但其中许多人希望得到比这更多的“幻想”……