1. 量化研究（Quantitative Research）

量化研究（Quantitative Research），又稱為量化取向或定量研究，是一種透過數字、統計與邏輯推理來驗證假設、描述現象或推論因果關係的研究取向，強調在可控或大樣本的情境中蒐集可量化的資料。

與質性研究著重深度理解與脈絡詮釋不同，量化研究關注的是數據的規律性、普遍性與重複性，透過問卷調查、實驗設計、次級資料分析或數理模型建構等方式，取得大量結構化數據，並運用統計方法進行分析與推論。

要怎麼設計量化研究邏輯，才能回答我的問題？

驗證因果的實驗設計（Experimental Design）
透過隨機分派與嚴格控制變因，檢驗變項之間的因果關係。
適合在可控情境下測試介入效果或理論假設。

接近實務現場的準實驗設計（Quasi-Experimental Design）
無法完全隨機分派，但仍嘗試控制干擾變因，探討可能的因果關聯。
適合教育、社會政策等無法完全操控現場的情境研究。

描述現況的橫斷調查（Cross-Sectional Survey）
在特定時間點大規模蒐集樣本資料，分析變項分佈與關聯。
適合快速掌握族群特徵、行為模式或社會趨勢。

追蹤變化的縱貫調查（Longitudinal Survey）
對同一群體進行長期追蹤，觀察變項隨時間變化的趨勢。
適合研究發展歷程、行為改變或政策影響。

探討關聯的相關研究（Correlational Study）
分析兩個或多個變項之間的統計相關性，但不主張因果關係。
適合發掘潛在連結或為後續因果研究提供線索。

量化研究操作方式

• 問卷調查（大樣本統計分析）
  透過大量樣本收集結構化數據，運用統計方法進行描述或關聯分析。用在了解族群特徵、行為比例或變項間的相關性。

• 實驗設計（控制變因、驗證因果關係）
  透過操弄自變項與控制其他條件，檢驗變項間的因果關係。常用於心理學、教育、行為科學等領域的實證研究。

• 次級資料分析（使用既有統計資料或數據庫）
  不自行收集新數據，而是分析政府統計、公開數據庫或既有調查資料。可以節省時間與成本，適合做政策評估或長期趨勢分析。

• 數理模型建構或模擬
  建立數學公式或電腦模型模擬現象運作機制。常用於經濟、工程、環境變遷等需預測或優化決策的研究。

• 適合：社會科學、行銷、教育、自然科學等，需要「測量」、「比較」、「驗證假設」的研究。

2. 質性研究（Qualitative Research）

質性研究（Qualitative Research），又稱為質化研究或定性研究，是一種探索人類行為、經驗與社會現象的研究取向，強調在自然情境中深入理解個體的主觀意義與脈絡。

與量化研究著重數據統計與普遍性不同，質性研究關注的是特定情境下的深層意涵，透過訪談、參與觀察、文件分析等方式，蒐集文字、影像等非數值資料，進行歸納與詮釋。

5個常見質性研究分析方法：

理解經驗的現象學（Phenomenology）
探討人們「如何經驗」某件事，而非事件本身的客觀事實。
研究者會邀請參與者深入描述內在感受，並嘗試擱置自身假設，捕捉真實經驗。

從資料中長出理論的紮根理論（Grounded Theory）
先大量蒐集資料，再透過編碼與歸納，讓理論自然浮現。
適合應用在快速變動或缺乏既有理論的新興領域。

走入文化現場的民族誌（Ethnography）
透過長時間的觀察與參與，理解文化背後的價值觀與行為邏輯。
適合深入研究特定族群、社群或組織的文化樣貌。

深入一個故事的個案研究法（Case Study）
針對單一個體或事件，運用多元資料來源進行全面剖析。
雖無法概括所有情況，但能提供深度洞見與實務啟發。

從現場出發解決問題的行動研究（Action Research）
研究者與現場參與者共同定義問題、實施改變並反思學習。
特別適合教育或組織發展等，需要持續優化實務操作的情境。

• 適合：人文、社會學、心理學、教育等，需要「探索」、「理解經驗」、「描述意義」的研究。