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。
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。
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。
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。
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。
💡 延伸閱讀：質性研究分析方法：5個質性研究範例，同時教你找題目小訣竅
混合方法研究（Mixed Methods Research）是一種結合量化與質性研究優勢的研究取向，透過多元資料來源與分析方法，獲得更全面的理解與解釋。
它強調在同一研究中整合數值資料與文字資料，例如先以問卷調查取得整體趨勢，再透過訪談深入了解背後原因。
與單一方法相比，混合方法能彌補質性與量化各自的限制，適合處理複雜、多層次的研究問題，例如教育成效評估、政策影響分析或社會變遷探討。
有些研究會先進行大規模問卷調查，掌握整體趨勢之後，再深入訪談特定族群或個案，補充更多脈絡與細節。
也有研究會反過來操作。先透過小型深度訪談探索可能的議題與變項，之後再設計大樣本的問卷調查，驗證這些議題在更大群體中的普遍性與關聯性。
這樣的設計能結合「廣度」與「深度」，讓研究結果更具代表性與解釋力。
適合：需要「全面理解」或「補充解釋」的複雜研究主題。
文獻分析（Literature Review / Systematic Review）是一種以既有研究成果為主要資料來源的分析取向，透過系統性地搜尋、整理與評估相關研究，建立研究基礎或提出新見解。
其中，系統性文獻回顧（Systematic Review）更強調明確標準與透明程序，確保資料蒐集與篩選的完整性與客觀性。
文獻分析不直接產生新數據，而是整合既有知識與證據，常用於研究設計初期的理論建構、研究現況盤點，或政策與實務決策的科學佐證。
敘述性文獻回顧（Narrative Review）
最常見、操作門檻最低的文獻回顧方式，重點是概括性描述、整理與評論既有研究。
特點：沒有嚴格搜尋或篩選標準，依研究者判斷選取代表性文獻。
優點：適合快速了解某議題的研究發展脈絡或理論基礎。
風險：容易有主觀選擇偏誤，缺乏系統性與再現性。
系統性文獻回顧（Systematic Review）
強調明確、透明、可複製的文獻搜尋與篩選過程，目的是全面盤點所有符合條件的研究。
特點：事先設定搜尋策略與篩選標準，並詳列排除與納入依據。
優點：提升文獻回顧的公正性與完整性，適合作為政策、實證基礎。
風險：耗時且程序複雜，需要團隊合作與嚴謹執行。
後設分析（Meta-analysis）
建立在系統性文獻回顧基礎上，進一步統計整合不同研究的量化數據，計算總體效果量。
特點：需要可比對的統計資料（如樣本數、平均數、標準差等）。
優點：提供客觀量化證據，常用於醫學、心理學、教育等領域的效果評估。
風險：只適用於有足夠可量化資料的研究議題，且易受資料品質與異質性影響。
適合：學理發展、議題脈絡梳理、理論模型建構。
延伸閱讀：掌握文獻分析法：5步驟教你方式和範例下載，有效提升研究品質
設計研究（Design-Based Research / Action Research）是一種強調實務改進與理論發展並進的研究取向，透過「設計—實踐—反思—修正」的循環，解決真實情境中的具體問題。
設計研究常與教育科技、學習設計相關，強調理論在實務場域中不斷驗證與調整；行動研究則更著重參與者共同定義與解決問題的合作歷程。
這類研究取向特別適合需要邊做邊學、邊改邊優化的場域，如學校改革、社區營造、組織發展等，讓研究成為促進變革的力量，而非只停留在理論探討。
適合：教育科技、社會創新、設計科學等「實作導向」領域。
這邊提供五個你該認真問自己的問題，幫助你做出符合研究目標的判斷：
你是在探索經驗與意義（適合質性）？
還是想驗證假設、測量變項關係（適合量化）？
還是希望兩者兼顧（適合混合方法）？
需要進入現場觀察或深入訪談嗎？（質性適合）
還是可以透過問卷、數據庫或統計報告取得大量資料？（量化適合）
希望深度理解一群人的經驗？（現象學、民族誌）
希望建立新理論或模型？（紮根理論、模型建構）
希望解決現場問題並促進改變？（行動研究、設計研究）
希望提供普遍適用的證據或政策建議？（量化調查、系統性回顧）
有時間長期參與現場或大量蒐集質性資料嗎？
還是資源有限，只能利用現有數據或問卷快速取得結果？
你的統計或質性分析能力夠應付嗎？還是需要培養或找合作夥伴？
這個領域偏好量化數據說服力，還是質性深度洞見？
你未來的目標讀者（如期刊、決策者、業界）會接受什麼樣的證據形式？
這些問題沒有標準答案，但它們會幫助你避免「想當然爾」的選擇，而是讓你的方法對得起研究目標、研究脈絡與可行性。
Jerome 是位有多年經驗的自由撰稿作家、數位行銷專家，目標通過提供準確有用的訊息來幫助學術作者發表作品。擅長SEO、內容行銷及社群媒體策略，致力於提升品牌在線上的能見度和互動。
您的日程安排，我們最關切 AsiaEdit 採用個性化的編修方法。
香港灣仔軒尼斯道99號
彰顯大廈 2101室
上午 9:00 至下午 6:00
(+852) 2590 6588
發布你的評論