fw1201 研究方法選擇決策樹 v1.0
核心哲學
「方法論是研究的脊梁——選錯方法，再好的研究問題也站不起來。 沒有放諸四海皆準的「最好」方法，只有最適合你的研究問題的方法。 本工具幫你在動筆前，先想清楚這個最根本的問題。」
參考設計：agent-research-skills/research-planning（研究路徑規劃邏輯） 本工具為 tw-research-skills v4.0 的「方法論決策層入口」
Step 0：讀取參考資源
references/methodology_comparison_matrix.md— 三大典範對比矩陣references/mixed_methods_designs.md— 混合方法設計類型說明
Step 1：概念對齊確認卡
╔══════════════ 研究方法決策樹啟動 ══════════════╗
📌 任務：為您的研究問題推薦最適合的方法論
🎯 目標：方法論選擇報告 + 設計架構 + Skill 使用路徑
⏱️ 預計時間：10-15 分鐘完成決策
請簡述：
1. 研究主題（一句話）
2. 研究問題（初步想法即可）
3. 研究領域（教育/語言/心理/社會等）
╚══════════════════════════════════════════════╝
Step 2：方法論決策樹問卷（10 題）
依序回答以下問題（每題選擇最符合的選項）：
Q1：「您的研究目的是？
A. 測量、比較、預測（數字說話）
B. 理解、詮釋、探索（故事說話）
C. 驗證已有理論在新情境
D. 兩者都想要，尋求全貌」
Q2：「研究問題的核心動詞是？
A. 有多少、有何差異、何者較佳、有何影響（量化傾向）
B. 是什麼、如何發生、為什麼（質性傾向）
C. 如何改善、最佳方案是什麼（行動研究傾向）
D. 不確定」
Q3：「您想要的研究結論是？
A. 可推論到更大母群體的統計結論
B. 深度理解特定情境或個人
C. 兼顧廣度（可推論）與深度（理解）
D. 提出可操作的解決方案」
Q4：「您有多少時間收集資料？
A. 短期（1-3個月）→ 適合問卷/檔案分析
B. 中期（3-6個月）→ 適合訪談/觀察
C. 長期（6個月以上）→ 適合民族誌/縱貫研究
D. 使用既有資料集 → 適合次級分析」
Q5：「研究對象有多少人？
A. 大量（N > 100）→ 量化統計分析
B. 少量（N < 30）→ 質性深度研究
C. 中等（N = 30-100）→ 可量可質
D. 1-5人/個案 → 個案研究/紮根理論」
Q6：「您的研究對象屬於？
A. 可量化的變數（態度/成績/頻率等）
B. 難以量化的經驗/意義/過程
C. 介於兩者之間
D. 文本/語料/文件」
Q7：「您的研究領域偏向？
A. 自然科學典範（客觀、可測量、重複）
B. 人文詮釋典範（主觀、脈絡、意義建構）
C. 批判典範（揭露權力、促進改變）
D. 實用主義（以問題為導向，不拘方法）」
Q8：「您是否有明確假設？
A. 是，基於理論有明確的研究假設（量化傾向）
B. 否，以開放問題探索（質性傾向）
C. 有初步假設，但保持開放（混合）
D. 想從資料中浮現理論（紮根理論傾向）」
Q9：「您的研究目的含有介入/處遇嗎？
A. 是（教學介入/訓練/治療）→ 實驗設計
B. 否，只是描述現象
C. 探索性，不確定」
Q10：「您的資料類型會是？（可複選）
A. 數字/量表/測驗分數
B. 訪談逐字稿/觀察記錄
C. 文本/語料/文件
D. 圖像/影音
E. 已有的資料集/統計數據」
Step 3：方法論推薦報告
╔═══════════════════════════════════════════════════╗
研究方法選擇報告
研究主題：[研究主題]
回答分析：[答題模式摘要]
╠═══════════════════════════════════════════════════╣
推薦研究典範：[量化/質性/混合 + 信心度 XX%]
主要推薦方法：[方法名稱]
說明：[為何推薦此方法的具體理由]
替代方法：[備選方法]（若主要方法不可行時）
╠═══════════════════════════════════════════════════╣
研究設計架構：
[根據推薦方法生成設計架構，例如：]
量化研究設計：
研究典範：後實證主義
研究設計：調查研究（Survey Research）
資料收集：問卷（Likert 量表）
樣本規模：建議 N ≥ 100（統計考量）
分析方法：描述統計 + 相關/迴歸分析
推薦 Skill：tw-research-stat-consultant
質性研究設計：
研究典範：詮釋主義
研究設計：現象學研究
資料收集：半結構式深度訪談（8-15人）
分析方法：主題分析（Thematic Analysis）
推薦 Skill：tw-research-qualitative-analyzer
混合方法設計：
設計類型：解釋性序列設計（量化先行，質性解釋）
第一階段：問卷（N = 100+）→ 初步量化發現
第二階段：訪談（N = 6-12）→ 深度解釋
推薦 Skill：stat-consultant → qualitative-analyzer
╠═══════════════════════════════════════════════════╣
推薦的後續 Skill 使用路徑：
[根據推薦方法提供具體的 Skill 使用順序]
╠═══════════════════════════════════════════════════╣
方法論注意事項：
⚠️ [針對此研究的特殊提醒]
╚═══════════════════════════════════════════════════╝
Step 4：三大典範快速對比
┌──────────────────────────────────────────────────────┐
│ 量化 │ 質性 │ 混合方法 │
├──────────────────────────────────────────────────────┤
│ 目的：測量、預測 │ 理解、詮釋 │ 互補前兩者 │
│ 問題：有多少/有何差異 │ 是什麼/為何 │ 如何且多少 │
│ 設計：問卷/實驗/調查 │ 訪談/觀察 │ 序列/並行 │
│ 樣本：大樣本(N>100) │ 小樣本(<30) │ 兩階段 │
│ 分析：統計 │ 編碼/主題 │ 結合兩者 │
│ 推論：可推論到母群 │ 脈絡性理解 │ 多層次理解 │
│ Skill：stat-consultant │ qualitative │ 兩者組合 │
└──────────────────────────────────────────────────────┘
降級方案
若問題過於模糊，無法推薦：
- 建議先使用
tw-research-hypothesis-generator釐清研究問題 - 提供「探索性訪談 → 量化驗證」的序列混合設計作為保守選項