对读者大喊一声,快到我的碗里来:吸睛的论文引言应该怎么写(1)
2020年3月21日
超详细!社会科学狗必读的研究分类大放送!(2)
2020年3月28日

超详细!社会科学狗必读的研究分类大放送!(1)

芳老师今天给各位搞社会科学的同学——不管是新入坑的学术科研小白还是已经在坑底的“老司机”——献上这一篇文章,来掰扯掰扯研究的分类,包你们看完之后神清气爽,对自己的学术研究方向有更清楚的认识!

不少社会科学的研究者常常致力于解答这两种问题:① 哈,发生了什么事情?② 哈,为什么会发生这样的事?解答第一种问题的研究被称为描述性研究(Descriptive Research),回答第二种问题的研究被称为解释性研究(Explanatory Research)

描述性研究

有些同学认为描述性研究仅仅是在描述,没有任何创造性。错!好的描述性研究真的敲重要!举几个栗子,不少政府资助的研究,包括人口普查、社会指标、家庭的支出模式、时间分配研究、就业统计、犯罪统计等,大大地增加了我们对社会的结构、特点的了解。

描述可以是具体的,也可以是抽象的。一个相对具体的描述可能阐述了一个社区的种族混合,年龄的变化人口分布或工作场所的性别组合。也可以问一些更抽象的问题,例如“社会不平等是不是增加了呢?”历史上关于失业或贫困程度的准确描述在社会政策改革中起着至关重要的作用,真正有力度的描述性研究能够动摇现有的规则,从而引起改变。更进一步来说,好的描述性研究能carry解释性研究,回答“为什么”的问题。比如说,如果我们发现社会两极分化在过去20年中愈演愈烈,当然会希望了解这个现象背后的因由。但是,打住!

在问“为什么”之前我们必须要保证,社会两极化这个现象是真实存在的,并且保证衡量这个现象的维度是合适的。如果能解释这个社会现象,发展出详尽的理论当然是炒鸡好啦!但是如果咱们的基本前提是错误的(即社会并非两极化发展),那么试图解释不存在的现象的你就是silly man……

当然,有些作描述性研究的研究者最终变成了盲目的“真相收集器”。C.W. Mills(1959)把这种“收集真相”的研究称之为抽象经验主义(abstracted empiricism)。很多这样的没有侧重点、只是把所有事实的碎片一网打尽的调查,最终的下场往往是无法激起任何“为什么”的问题,也无法为进一步的理论化打下基础。当然啦,真正好的描述性研究具有非常高的学术意义和实践意义,只要同学萌避免沦为真相收集器就好!!!

解释性研究

解释性研究着重于问为什么。描述性研究会描述一个国家在一段时间内的犯罪率或比较不同国家或地区的犯罪率;而解释性研究,则会追问为什么犯罪率如此之高,为什么某些类型的犯罪在增加,或者为什么某些类型的犯罪率更高。回答“为什么”的问题涉及因果关系的解释。因果关系的解释认为现象为Y(例如收入水平)受X因子(例如性别)的影响(图1.1a)。

图1.1

一些因果解释可能会把我们拖进因果链的大坑,例如性别会影响我们学习的领域,进而影响职业选择,而职业选择与晋升机会有关,进而影响收入水平(图1.1b)。没玩够的同学,请选择提出更多涉及许多相互关联的因果链的复杂模型(图1.1c)!这个解释性研究啊真的是说来话长,你们如果嫌芳老师啰嗦也不要说出来,憋住就好了!

为了让大家真正搞清楚解释性研究这个概念,芳老师先给你们介绍它的五个葫芦娃中的三个:

预测(Prediction)、相关性(correlation)、因果(causation)

因果关系与相关性是容易被混淆的两个概念。 “一个事件跟随另一个事件而发生”或“两个因素共同变化”并不意味着两者之间有因果关系。毕竟,两个事件之间的联系也可能只是巧合,而非因果关系。再举一栗!火灾现场的消防车数量与火灾造成的损失之间有关联:消防车越多,损失越多。诶嘿,但我们心里都清楚,消防车和火灾的损失其实都归因于其他的因素,比如说火灾本身的严重性。这两者之间并无因果关系。接下来到了区分因果关系、相关性和预测这三者的时间了!

当两个事件或特征相关时,我们可以用其中的一个去预测另一个。在有些国家,就读私立学校的学生会比公立学校的学生取得更好的学业成绩。我们不能简单地说读私立学校和成绩好之间就有因果关系。不过如果知道了学生就读的学校类型,我们就能更好地预测学生的学业成绩。其实,大家发现了没鸭,好的预测并不依赖因果关系,准确预测的能力也没有证明因果关系。事实上,前面的预测并没有告诉我们为什么私立学校的学生做得更好。虽然我们可以观察到相关性,但我们不能观察到原因,我们必须推断原因。俗话说,透过现象看本质嘛~我们的推论是常常是不可靠的,所以我们在指出两个相互关联的事物间有因果性的时候,一定要慎重,只有在暗中观察了很久之后,才好下这个结论鸭。

必然因果关系(Deterministic Causation)和偶然因果关系(Probabilistic Causation)

必然因果关系的例子如,吸烟者否认烟草会致癌,因为他抽烟严重但没有患癌症。对应地也有偶然概率因果关系的例子,如研究机构指出吸烟者罹患癌症的机会增加。

必然因果关系是指:When X is present then Y will necessarily, inevitably and infallibly occur (Cook and Campbell, 1979:14).

比如水加热到100度,它就会沸腾。但实际上哪有这么简单的法则呢?我们总会在法则中加入种种的限制条件。因此,我们实际上会说在海平面上将水加热到100度总是会导致水沸腾。另一种情况是,我们在法则中会补上一句,只有在这些因素都相同的情况下,那么X将造成产生Y。简而言之,控制变量。

在社会科学里面谈这种严格的因果关系很奇怪对吧?人类社会行为的复杂性以及人类行为中那些充满主观性、多义性和自身意志的部分意味着我们永远不可能像编程那样,输入“如果满足了X、A还有B,则会产生Y”。其实社会科学中大多数因果思维模式都是偶然性的,而不是确定性的。也就是说,一个因素能够增加(或减少)特定结果的可能性。例如:种族会影响获得高级职位的可能性。我们可以通过增加具体条件来完善这种可能因果关系,比如在某种情况下,X可能/不太可能会影响Y。但是我们永远不会到达那个获得完整的或者确定性的解释。


好啦好啦o(* ̄︶ ̄*)o 喜欢芳老师的同学可以戳大本营,窥见芳老师帅气的身影!也希望各位同学可以赞同,点赞,收藏哦~点击三连,感谢三连鸭🙏🙏

最后,如果大家对于科研背景提升」、「论文发表」、「科研课题辅导」、「名校科研助理申请」有任何想法,欢迎戳一戳芳老师(一般人不告诉ta的客服微信:invisor003)️❤️❤️


参考资料:https://libguides.usc.edu/writingguide/researchdesigns

评论已关闭。