在一項學術調查開始前必須經過擬定預算、決定調查方法、設計問卷、預試、問卷修訂、抽樣、訪員招募、訪員訓練等程序。面訪調查是所有調查中預算花費最高,程序最繁複的。
預算的擬定是最重要的,但也與調查的每個過程環環相扣。預算直接影響樣本數、抽樣方法、問卷長度、品質控管等個階段。確定有多少預算,及每個程序需要花多少經費,才能精準的掌握調查經費。而在執行的過程中,會遇到許多突發狀況,因此也需時時檢討,配合不同的狀況調整。
在面訪調查中,仍需考慮採用紙本調查或導入調查系統。紙本調查適用於結構簡單的短問卷,由於初期投入成本低,所以也適合非經常性執行的調查計畫。不過在問卷編輯時,也必須同時考慮後續資料處理的方式,才能使的調查更有效率。電腦輔助調查則是今年越來越流行的面訪調查執行方式。電腦輔助調查具有資料即時回傳、問卷彈性、品質佳等優勢。但初期需建置系統、購買電腦及人員訓練,投入成本較紙本調查高不少,因此比較適合經常性執行調查的單位採用。
問卷設計則設計研究專業,通常由研究人員負責。但從執行的角度,仍需注意題目安排的順暢度、語意、問卷結構等問題。問卷結構與訪問的操作直接相關,必須確認有足夠的資訊指引訪員應如何詢問,或系統能否設定。語意也是十分重要的,很多研究用語一般民眾並不容易理解,需要提醒研究人員轉換為口語的說法。另外,若受訪對象可能慣用其他語言(台語、客語、原住民語、英語...),也需同時考慮題目要如何表達。若受訪者對於問題中的定義或專有名詞不了解時,訪員該如何說明,也需提醒研究人員注意。
預試則是在問卷設計初步完成後的小測試。預試並沒有一定的執行方式及規模,可視問卷設計的需要進行。準備充分的預試能讓正式調查更為順暢,減少題目設計不當導致受訪者無法理解,或資料缺乏鑑別度等問題。而在預試結束後,則應針對發現的問題進一步修正問卷後定稿。
抽樣是一份嚴謹的學術調查中不可缺少的環節。如何抽樣是一門專業的學問,不在我們的討論範圍內。 通常是由研究人員決定抽樣方案,在執行層面僅需注意如何落實即可。
至於訪員招募與訓練則是另一個複雜的問題。面訪員需要當面拜訪受訪者,所以語言能力及社交能力十分重要。另外,在當地招募訪員,對於各地的街道分佈、人文環境較為熟悉,也比較容易找到受訪者。訪員最重要的目的是要能夠確實按照問卷的設計進行訪問,因此學歷不是重點,能夠理解並確實執行訪問的規定即可。面訪調查遭到拒訪或找不到人的機會很高,因此對於挫折的耐受度也是評估的重點之一。
問卷講解是訪員訓練的重頭戲,必須清楚地讓訪員了解問卷的重點及定義。此外,訪問工具的使用、訪問技巧傳授及練習,也是訪員訓練中不可或缺的。
2020年4月25日 星期六
2020年4月18日 星期六
大數據時代下的學術調查
拜網路與資訊科技之賜,人們的食衣住行都在有形或無形中都被記錄下來,也成為一個潛在的研究資源。大數據分析也逐漸在社會科學學術界流行起來。
人們去過那裡、買了什麼、花了多少錢、生過什麼病、看過什麼網站...。各種生活點滴都逃不過資料庫的紀錄。由於這些內容都是實際生活中的真實紀錄,因此相對於傳統調查,大數據資料可以避免人們因為記憶偏差或者主觀意識而忘記或隱藏部分內容。也由於大數據是全面紀錄所有人的活動,因此也降低了傳統抽樣調查可能因抽樣技術、無法接觸而產生的偏誤或代表性問題。加上分析工具的普及,也大幅降低了大數據分析的門檻。
當然,大數據也有所限制。正由於它的全面性,而產生了隱私及研究倫理的問題,也因此有了許多規範上的限制。很多時候,研究者往往只能取得一定比例的資料(但這種實驗室中抽樣,仍比田野訪問可以控制得多)。或者當所需資訊分屬於不同資料庫的時候,也會被限制或因技術問題(缺乏共同的key值)而無法串聯。
傳統學術調查在大數據的風潮下,必要性的確受到了擠壓。但我仍為並不會沒落,而是轉型與大數據相輔相成持續擴大。大數據的優勢在於事實資料的搜集,對於人們的想法的了解則較為薄弱。雖然研究上可以透過實際行為推測人們的決策,或利用內容分析了解人們的想法。但前者的推估較為間接,內容分析也因為只能搜集到特定族群的內容(例如會在網路上發表意見的人),而可能存在偏誤。因此,在可與大數據資料串連的情形下,學術調查便沒有必要再搜集實施資訊, 而著重於人們觀點、態度資訊的搜集。其次,大數據資料之間的串連限制也是學術調查可以協助的部份,可以透過問卷調查補充缺少的部分內容。
另外,學術調查也非只能作為大數據分析的輔助,仍然依據研究目的而定。畢竟取得及分析大數據資料仍需要相當的成本。在目的及成本效益的考量下,採用學術調查方式進行研究,有時仍是比較經濟的選擇。
人們去過那裡、買了什麼、花了多少錢、生過什麼病、看過什麼網站...。各種生活點滴都逃不過資料庫的紀錄。由於這些內容都是實際生活中的真實紀錄,因此相對於傳統調查,大數據資料可以避免人們因為記憶偏差或者主觀意識而忘記或隱藏部分內容。也由於大數據是全面紀錄所有人的活動,因此也降低了傳統抽樣調查可能因抽樣技術、無法接觸而產生的偏誤或代表性問題。加上分析工具的普及,也大幅降低了大數據分析的門檻。
當然,大數據也有所限制。正由於它的全面性,而產生了隱私及研究倫理的問題,也因此有了許多規範上的限制。很多時候,研究者往往只能取得一定比例的資料(但這種實驗室中抽樣,仍比田野訪問可以控制得多)。或者當所需資訊分屬於不同資料庫的時候,也會被限制或因技術問題(缺乏共同的key值)而無法串聯。
傳統學術調查在大數據的風潮下,必要性的確受到了擠壓。但我仍為並不會沒落,而是轉型與大數據相輔相成持續擴大。大數據的優勢在於事實資料的搜集,對於人們的想法的了解則較為薄弱。雖然研究上可以透過實際行為推測人們的決策,或利用內容分析了解人們的想法。但前者的推估較為間接,內容分析也因為只能搜集到特定族群的內容(例如會在網路上發表意見的人),而可能存在偏誤。因此,在可與大數據資料串連的情形下,學術調查便沒有必要再搜集實施資訊, 而著重於人們觀點、態度資訊的搜集。其次,大數據資料之間的串連限制也是學術調查可以協助的部份,可以透過問卷調查補充缺少的部分內容。
另外,學術調查也非只能作為大數據分析的輔助,仍然依據研究目的而定。畢竟取得及分析大數據資料仍需要相當的成本。在目的及成本效益的考量下,採用學術調查方式進行研究,有時仍是比較經濟的選擇。
2020年4月12日 星期日
緣起
在學術單位從事調查工作已超過十個年頭。累積了不少經驗,也經歷了許多甘苦。
開始撰寫這個Blog,就是希望將自己這十多年的所見所聞記錄下來,做為人生的一個紀錄。也算是發發工作上的牢騷。
我的工作,是負責一個學術追蹤調查計畫的執行。因此,這個Blog將著重於執行層面的紀錄。雖然仍可能涉及一些抽樣、加權等較為技術或理論的部分,但並非此Blog的重點。
追蹤調查計畫顧名思義,是針對同一群受訪者不斷的追蹤,一次又一次的進行訪問。除了與常見的一次性學術調查相同,在一開始需進行問卷設計、抽樣及訪問外,後續還涉及與受訪者長期的關係維護,應是學術調查中最複雜的一種形式了。
我從事的調查工作,是以面對面訪問為主。因此,後續的很多內容也多為面訪的經驗。當然,為了能長期維持完訪率,後續我們也將調查形式擴及網路、電話、視訊訪問,不過,那又是另一個故事了 .....
開始撰寫這個Blog,就是希望將自己這十多年的所見所聞記錄下來,做為人生的一個紀錄。也算是發發工作上的牢騷。
我的工作,是負責一個學術追蹤調查計畫的執行。因此,這個Blog將著重於執行層面的紀錄。雖然仍可能涉及一些抽樣、加權等較為技術或理論的部分,但並非此Blog的重點。
追蹤調查計畫顧名思義,是針對同一群受訪者不斷的追蹤,一次又一次的進行訪問。除了與常見的一次性學術調查相同,在一開始需進行問卷設計、抽樣及訪問外,後續還涉及與受訪者長期的關係維護,應是學術調查中最複雜的一種形式了。
我從事的調查工作,是以面對面訪問為主。因此,後續的很多內容也多為面訪的經驗。當然,為了能長期維持完訪率,後續我們也將調查形式擴及網路、電話、視訊訪問,不過,那又是另一個故事了 .....
訂閱:
意見 (Atom)