提高定性数据的再利用效率
2020年07月13日 09:30 来源:《中国社会科学报》2020年7月13日第1965期 作者:本报记者 赵琪

  在社会科学研究中,定性数据的再利用可以最大限度地提高现有数据的使用效率,创新研究方法。定性数据再利用存在哪些优势?如何更加规范地重新使用定性数据?围绕上述问题,本报记者采访了相关专家学者。

  激发数据有效性

  英国林肯大学社会与政治科学学院副教授安娜·塔兰特(Anna Tarrant)6月8日在伦敦政治经济学院官网撰文表示,在过去的20年里,很多学术研究机构都非常重视对数据的收集和存储,并为此进行了大规模投资。由此产生的定性数据不仅记录了人类生活的各个重要方面,同时这些数据也是一种创造性资源,将人类与其所处的社会环境再次联系起来。因此,数据共享、数据的再利用逐渐受到学者青睐,并被视为普遍的、成本较低的、激发数据有效性的可行性方法。

  塔兰特提到,尽管定性数据的再利用为新知识的生成提供巨大潜力,但也对研究人员传统的工作方法提出了更多挑战。例如,如何获得数据样本、如何整理出有用的数据、如何从不一样的视角对这些数据进行解读等。学者将这种定性数据的二次分析解释为:由同一研究者或不同研究者对原有研究过程中收集的数据进行再分析,以探索新的问题或使用不同分析策略的方法。定性数据的二次分析侧重于对原始数据中未被涉及的部分进行分析;对原有研究主题进行更加深入的分析;对原始数据中没有被充分重视的数据进行分析;通过搜集新的数据并与原有数据整合后,对原有研究主题进行改进和创新。

  英国利兹大学社会学系副教授凯尔琳·休斯(Kahryn Hughes)对本报记者表示,对定性数据二次分析并不是一项简单的工作,需要以大量的理论工作为基础,并不断对数据间的复杂关系进行精准检查。此外,在数据的二次分析过程中,还要弄清首次研究与二次研究之间的关系,以及原有定性数据的意义与它们的有用程度。这些问题关系到二次研究在多大程度上受限于现有的数据集。研究人员在重新分析数据的过程中,还要具有重新整理数据顺序、重新塑造数据集的能力。现有的定性数据集不可避免地存在一定的缺陷,正是这种缺陷推动研究者产生新的见解。

  休斯提到,社会科学研究的特点是将新的理论方法与现实世界相结合。当前,受全球疫情影响,很多高校把研究和教学工作转移到线上。这对需要进行田野实验的社会研究领域的学生来说影响很大。在特殊时期,学生们利用已经存在的定性数据,进行数据的再加工和利用,能有效提高研究能力。其中涉及的方法包括:用新的技术方法对原有数据进行分析,针对原有的定性数据集提出新的研究问题,扩大原有研究样本,提出更多可能的研究方向。

  规范数据二次分析方法

  尽管定性数据的二次分析存在很多优势,但不能忽视在二次分析过程中存在的一些问题。例如,研究人员无法区分定性数据首次分析与二次分析间的差异;两次的研究方法和范围趋于相似,无法体现定性数据二次分析的意义。

  在美国阿拉巴马大学社会研究学院副教授妮可·鲁吉亚诺(Nicole Ruggiano)看来,定性数据的二次分析应该注重在数据使用中规范道德标准,即在使用这些数据前应该注意对其进行审查,并获得数据提供者的批准。在定性数据的二次分析中可能出现新的研究问题和新的研究焦点,但研究人员不能因为这些数据是原有研究项目中使用过的,就先入为主地认为自己可以将其用于二次分析。

  鲁吉亚诺表示,为了提升定性数据二次分析的有效性,未来在数据收集中应该增强数据可访问性,培训研究人员使用计算机辅助定性分析软件,进一步了解定性研究方法。社会科学研究者在收集定性数据时,可以通过扩大收集范围,拓宽定性数据的相关性,为未来可能的二次研究做准备。研究人员还可以共建开放数据库,以扩充数据数量,提高数据质量。

  美国韦恩州立大学社会学系学者塔姆·佩里(Tam Perry)提到,未来在对定性数据进行二次分析前,应该先明确两项内容:一是二次研究者是否参与以及如何参与首次的研究项目;二是与首次分析相比,二次分析结果是否具有新的性质,是否是一种新的分析方法或方向。只有这样,才能建立一种新的研究范式,这也是定性数据二次分析的意义。研究人员在对定性数据进行二次分析时,应注意研究方法的严谨性,对数据进行严谨的重新编排整理后,找到新的研究视角,了解现有数据的局限性,制定适当的数据二次分析方法。

责任编辑:崔岑
二维码图标2.jpg
重点推荐
最新文章
图  片
视  频

友情链接: 中国社会科学院官方网站 | 中国社会科学网

网站备案号:京公网安备11010502030146号 工信部:京ICP备11013869号

中国社会科学杂志社版权所有 未经允许不得转载使用

总编辑邮箱:zzszbj@126.com 本网联系方式:010-85886809 地址:北京市朝阳区光华路15号院1号楼11-12层 邮编:100026

Baidu
map