ptreezh ------|------|------|---------| | 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
- 归纳推断: 从数据到理论
- 演绎推断: 从理论到数据
- 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
# 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。
- 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
- Creswell, J.W., & Plano Clark, V.L. (2018). Designing and Conducting Mixed Methods Research. 3rd ed.
- Teddlie, C., & Tashakkori, A. (2009). Foundations of Mixed Methods Research.
- Greene, J.C. (2007). Mixed Methods in Social Inquiry.
- 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