ptreezh ---|------|------|---------| | 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
- 多证据来源: 三角验证
- 案例研究数据库: 系统记录
- 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
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。
- 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
- 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
- 禁止忽视研究局限性 — 必须在论文中诚实报告研究局限
- 禁止剽窃他人研究成果 — 必须正确引用所有参考来源
- 禁止选择性报告结果 — 阴性结果同样需要报告
- 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
- Yin, R.K. (2018). Case Study Research and Applications. 6th ed.
- Stake, R.E. (1995). The Art of Case Study Research.
- Eisenhardt, K.M. (1989). Building theories from case study research. AMR, 14, 532-550.
- 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