量性研究.docVIP

課題一：從觀察到研究題目 重溫：去年我們曾經歷了什麼？ 過去在專題研習的過程中，你學到了什麼呢？ 如果我們要進行專題研習，首先需要訂下專題研究的題目。究竟怎樣才是好的題目？我們可以參考好題目的5大原則： 重要 公眾討論的熱點 可以執行的 非眾所週知或毫無爭議 非靠常識直覺 進行研究時，我們如何尋找有用的資料？ 多樣化的資料 資料的性質：量化及質化 如果要進行訪問，有什麼訪問的技巧需要注意？ 如果要進行問卷調查，我們要如何設計問卷？ 問題的類型 設計題目的規則 最後，我們撰寫報告時需要怎樣寫？需要什麼內容？ 封面、標題、目錄 掫要引言 研究結果、統計圖表的設計及分析 這樣，一個專題研習的基本架構便完成了。 從觀察到研究題目 專題研習 – 發現我們的世界 專題研習讓我們透過觀察四周的人、事、物，探索世界，發現新的知識。許多時候，知識原來就在我們的生活之中，有待我們發現。 例如我們看到海洋的顏色在不同的天氣的時候便會有不同的改變(觀察)，我們便可以猜想，海洋的顏色是映照天上的顏色而來的(推論因果的關係)。 又例如，班中平日很喜歡玩遊戲機的同學，普遍地他們的欠交功課情況比較嚴重(觀察)(不同意？)，因此我們便猜想，對遊戲機的熱衷程度對準時交功課有負面的影響(推論因果的關係)。我們先觀察到一個現象，然後猜想它的成因。 相關與因果關係：推論因果關係是否合理？這是一個十分專業、極難的工作。 在上述的遊戲機熱衷程度例子中，我們只是「猜想」遊戲機熱衷程度是欠交功課的原因(因果關係)，但如果需要一個嚴謹的因果關係證明，即使是專業的研究人員也是不容易的事。(在量化研究中，證明兩項因素存在因果關係的背後，是大量高深和複雜的數學/統計學運算) 因此，在表示兩項因素之間的關係時，我們可先說明它們是「相關」的。 以「同學遊戲機的熱衷程度」與「同學成積」為例，假設我們選定了某些同學參與研究，調查他們遊戲機的熱衷程度及平均分，然後把他們按遊戲機的熱衷程度分為四組別，得出以下的數據： 同學遊戲機的熱衷程度 (4為最高、1為最低) 4 3 2 1 同學的成積(平均分) 23.4 34.5 45.6 56.7 按照上面的資料，我們可以看見，同學對遊戲機的熱衷程度越高，他們的平均分越低；相反，同學對遊戲機的熱衷程度越低，他們的平均分越高。這樣，似乎這兩項因素是有關係的，一個越高，另一個便會越低，我們可以說，這兩項因素是相關的。(雖然沒有嚴謹的統計學證明) 又例如： 受訪者平均每天笑的次數 少於5次 5-10次 10-20次 20次以上 受訪者平均每天洗手的次數 2.8 3.0 3.1 3.2 按照上述的資料，我們可以看見，每天平均笑的次數越多，他們平均每天洗手的次數也越高；相反，每天平均笑的次數越少，他們洗手的次數越少。這樣，這樣，似乎這兩項因素是有關係的，一個越高，另一個便會越低，我們可以說，這兩項因素是相關的。(雖然沒有嚴謹的統計學證明) 也許你不滿足於上述的表述，你可能猜想兩個因素之間可能有著因果的關係。(例如：是否因為對遊戲機的熱衷程度較高，因此便影響了學業成積)但正如前述，如果需要一個嚴謹的因果關係證明，即使是專業的研究人員也是不容易的事。因此，一般的情況下，我們在中學環境的研究，只需要引用足夠的數據和資料，加上合理的推論便可以接受。事實上，平日很多的例子都可以用簡單的邏輯及資料加以說明。 舉例說：同學對遊戲機的熱衷程度極高，很容易花去很多時候打機，而因為沒有足夠的精神和時間去完成功課，因此欠交功課，這也是很合理的推論。 但有些時候，相關的因素也不一定存在因果關係，遇到這些情況，我們不必要勉強為因素加上任何因果解釋。例如：我們似乎看見每天笑的次數與每天洗手的次數相關，但是我們不會猜想「笑得多會令人洗多些手」或「洗多些手會令人笑多些」這類不合理的結論吧。(也許這個研究的數據只是巧合吧了) 當然，多些數據支持(例如打機時間、休息時間、做功課時間等)，可以讓推論更加合理。(這樣，便不單是你主觀地胡亂猜測了。) 總括來說，兩項因素相關，並不等同於兩項因素有因果的關係。 圖一：因素A與因素B相關。 圖二：因素A導致因素B。 如何發現？如何改變？ - 找出問題、相關因素、成因及改善方法 你可曾想過，平日四周發生的事件，有什麼因素與它是相關的？ 例如： 颱風逼近時，為什麼天氣會十分悶熱？有什麼因素導致這種現象？ 某電器專賣店在旺角的某一街道內，竟有數間大型分店，為什麼會有這種情況？ 波鞋街內不同的店舖都只是賣波鞋，但為什麼有這麼大的競爭下，大家都竟然繼續賣波鞋？ 為了解決一些問題，很多人都會想出不同的方法，但你可能會問，這些方法是真是假？是否真的有效？ 例如： 坊間有人說：食巧克力對提升成績有幫助？ 為了使人減少用膠袋，超市會對要求索取膠袋的顧客收額外費用