当前位置:首页 > 企业管理满意度 > 正文
阅读量: 1,496

质化研究方法及常模在员工满意度调查中的应用

2009年08月06日 | 作者: adminlin | 分类: 企业管理满意度 | 

一、什么是质化研究?

    (一)质化研究的涵义及其特征:

    质化研究也称质的研究,作为一种研究方法是与量化研究的方法并存的。根据北京大学陈向明教授在《质的研究方法与社会科学研究方法》一书的定义:质的研究是以研究者为工具,在自然情境下采用多种资料收集的方法对社会现象进行整体性探究,使用归纳法分析资料和形成理论,通过与研究对象互动对其行为和意义建构获得解释性理解的一种活动。质的研究的一般过程包括:确定研究现象、陈述研究目的、提出研究问题、了解研究背景、构建研究框架、抽样、收集资料、分析资料、得出结论、建立理论、检验效度、讨论推广度和道德问题、撰写研究报告等。

    应该指出的是,就什么是质化研究,目前学术界仍没有一个明确的定义。如KrathwohlD.R认为质化研究是用文字来描述现象,而不是用数字加以度量CreswellJ则把质化研究定义为质化研究是一种一致的质化范式设计,是在自然情境中以复杂的、独特的、细致叙述来理解社会和人的过程Burgess,R认为质化研究是理解人的现场研究,一般以参与观察、无结构访谈或深度访谈来收集资料RatnerC从文化心理学的视角指出,质化研究是从非普遍性的陈述、个案中获得印象和概括的过程,是文化心理方法学的基石。尽管学者们研究的视角不同,但我们可以从中把握质化研究的一些基本内涵特征:

    1、质化研究是一种有自然主义探究传统的描述性研究方法。它强调质化研究必须在自然情境下进行,对个人的生活世界以及社会组织的日常运作进行研究。质化研究认为个人的思想和行为以及社会组织的运作是与他们所处的社会文化情境分不开的。如果要了解个人和社会组织,必须将他们放置在丰富、复杂、流动的自然情境中进行考察。

    2、质化研究在研究方法上突出归纳法的作用。在数据收集与分析方面,使用由下而上的归纳方式,在原始数据的基础上建立分析类别。理论建构也是用归纳的方式,从数据中产生理论架设,然后通过相关检验和不断比较,让理论假设逐步得到充实和系统的。

    3、质化研究强调研究者与被研究者之间的互动。研究者与被研究者共同参与,到达对研究对象的深刻探究。

    4、质化研究是一种研究过程不断变化发展的动态研究方法。质化研究强调研究的现实性,根据现实的变化改变研究的方法。

    5、质化研究强调对意义的解释性理解。质化研究目的主要是对被研究者的个人经验和意义建构出解释性理解或领会,研究者透过自己亲身的经验,对被研究者的生活故事和意义建构出理解。

    简然,质化研究的主要特点是:在自然环境下,使用实地体验、开放型访谈、参与型与非参与型观察、文献分析、个案调查等方法对社会现象进行深入细致和长期的研究;分析方式以归纳法为主,在当时当地收集第一手资料,从当事人的视角理解他们行为的意义和他们对事物的看法,然后在这一基础上建立假设和理论,通过证伪法和相关检验等方法对研究结果进行检验;研究者本人是主要的研究工具,其个人背景以及与被研究者之间的关系对研究过程和结果的影响必须加以考虑;研究过程是研究结果中一个不可或缺的部分,必须详细加以记载和报道。

    (二)质化研究、量化研究及其在科学研究中的作用

    量化研究在逻辑实证主义的指引下,极大地推动了自然科学和社会科学的发展,特别是对社会科学的科学化进程起来重大的作用。但是,当量化研究方法被极度运用时,科学研究可能会进入一个误区,对于社会科学研究尤其如此。因为,事务的构面是复杂多样的,反映事务本质的东西也是多样的,既有量的表征也有非量化的表征。应该指出的是知识的生产和传播并不是一元的,在方法论上尤其如此。质和量的研究都有其特长和限制,事实上二者并不是相互排斥的,而是相互补充。

    在科学研究中这两种研究方法都有其适用性。量化研究适合于宏观层面,对大面积的社会现象进行统计调查;可以通过一定的研究工具和方法对研究者事先设定理论假设并进行检验;可以使用实验干预的手法对控制组和实验组进行对比研究;透过随机抽样可以获得有代表性的数据和研究结果;研究工具和资料收集标准化,研究的效度和信度可以进行准确的测量;适合对事情的因果关系以及相关变量之间的关系进行研究。但是量化研究在科学研究中的缺陷也是显然的,它只能对事物比较表面的、可以量化的部分进行测量,不能获得具体的细节内容;测量的时间往往只是一个或几个凝固的点,无法追踪事件发生的过程;只能对研究者事先预定的一些理论假设进行证实,很难了解当事人自己的视角和看法;研究结果只能代表抽样总体中的平均情况,不能兼顾特殊情况;对变量的控制比较大,很难在自然情境下收集资料。特别是对于社会科学的研究,如管理学、心理学、组织行为学、人类文化学等量化程度有限的领域的解释并不能令人十分信服,必须辅以质化研究,以求对社会现象更深刻的了解。

    质化研究从微观层面对社会现象进行比较深入细致的描述和分析,对小样本进行个案调查,研究比较深入,便于了解事物的复杂性;注意从当事人的角度找到某一社会现象的问题所在,用开放的方式收集数据,了解当事人看问题的方式和观点;对研究者不熟悉的现象进行探索性研究;注意事件发生的自然情境,在自然情境下研究生活事件;注重了解事情发展的动态过程;透过归纳的方式自下而上建立理论,可以对理论有所创新;分析数据时注意保存数据的文本性质,叙事方式接近一般人的生活。这在一定程度上克服了量化研究的刻板和将复杂多变的社会现象作形式化、凝固化、简约化和静态化处理的弊端。

在这里有必要澄清的问题是,质化研究并非就是非量化研究,质化研究也强调适度的量化方法。那种把社会科学研究方法分成一是量化研究,一是非量化研究的方法实质上是专断的二分法。质化研究和量化研究就如同光谱的两端,众多的方法都处于二者之间。事实上,质化研究经常性的对数据资料加以援引,所不同的是质化研究并不把数据当作唯一的推论依据,在质化研究中十分强调数据资料的系统背景和主观意义。

    (三)质化研究在员工满意度调查中的应用

    作为与量化研究方法并存的社会学研究方法论――质化研究,对于组织管理和人类行为的认知和解释的功能是十分强大的。这一点从质化研究的特性和其在科学研究中的作用可以知晓。具体来讲质化研究在员工满意度研究中的应用性问题,我认为可以从以下两个方面进行思考:

    1、分析研究思路的拓展

    要进行科学研究,就必须有科学研究的正确方法,在方法论上突破固有的局限,才能以更开阔的视野和更深邃的思维洞察事实的真相,找出正确的问题,并正确地分析问题和解决问题。

    员工满意度调查始于Hoppock1935)对job satisfaction的经典研究。这一时期无论是在心理学、组织行为学还是政治学,都笼罩在以芝加哥大学为主导的芝加哥学派所倡导的逻辑实证主义方法论之下。实验方法、量化研究一度成为科学研究的主导。与之相应,员工满意度调查基于心理学、心理测量和管理学的知识体系,并借助于计量研究的工具,开发了可以进行多维度分析的满意都调查量表。特别是借助于计算机软件的庞大计算能力和分析能力,员工满意度调查的量化研究得到了大规模的推广。其相关分析、聚类分析、因子分析和回归分析等技术为科学探讨员工工作满意度提供了准确的数学依据。

    但是,我们应该明晰人类行为的复杂性是无法可以用数字穷尽的。组织管理和组织行为更是显得复杂。因此,量化研究并不足以洞悉人类行为的方方面面。质化研究的引入,为我们开展员工满意调查研究提供了新的思路,通过质化研究与量化研究相结合的方式可以更精确更全面地放映员工态度和组织现状,为人力资源管理和组织诊断提供更科学的依据。

    2、质化研究方法在员工满意度调查中的应用

    从本质上讲,质化研究方法的探讨包括两个基本方面:一是方法论(或称哲学层面),一是具体方法(或称技术操作层面)。哲学层面的质化研究方法提供给我们的只是一个分析问题的思维框架,正如前面所言,质化研究拓展了我们的研究的视野。在这里我们主要讨论质化研究在技术操作层面上对员工满意度研究的借鉴作用。

    质化研究在技术操作上包括研究设计和操作执行规范。在研究设计上与量化研究一样都有自己的设计流程,二者在方法论上是一致的。质化研究对员工满意度研究的最大价值在于它在资料的收集方法和分析架构上弥补了量化研究的很多不足。一般情况下我们对员工满意度的研究多是基于调查量表而进行的。应用调查量表对企业员工施测得到的数据,并借助计算软件进行常规的统计分析。利用统计结论分别对所要探讨的问题进行数据分析,通过已有数据得出企业存在的问题。这种量化的研究方法在很大程度上的确能放映企业存在的问题,但这种信息的获得是建立在人为结果化的问卷之上的,一方面,这种结果化问卷制约了信息的自由获得,研究者与被研究者之间缺乏互动,使研究者无法感知被研究者当时的情境;另一方面,结构化问卷并不一定能放映被测者的真实想法,更重要的是研究者排斥在实地调研之外,无法通过研究者的经验和知识判断被研究者所提供信息的真伪,通过调查量表所得到的数据对实际情况的了解的深度也是十分有限的。

    质化研究在信息收集上可以弥补量化研究的不足。参与观察是质化研究常用的方法,观察者与被观察者一起生活、工作,在密切的相互接触和直接体验中倾听和观看被观察者的言行。这种观察的情境比较自然,观察者不仅能对当地的社会文化现象得到比较具体的认识,而且可以深入到被观察者文化内部,了解他们对自己行为意义的解释。深度访谈和焦点集团访谈也是质化研究常见的方法。通过对个别对象和群体的深入访谈,研究者可以在一个集体的环境中和参与者一起对研究的问题进行思考,大家透过互相补充,互相纠正,讨论的内容往往比个别访谈更具有深度和广度。

    在深入资料收集的基础上,质化研究通过已有的数据资料构架理论框架和分析框架,从而避免了量化研究中研究假设对研究结论上的束缚。这在一定程度上可以突破研究者已有的思维定势,能够站在更加客观、公正的立场对研究问题进行鉴定。

二、什么是常模,以及常模的数字是如何得出来的?

    (一)常模概论

    常模,即解释测验分数的参照系,是指一个有代表性的样组在某种测验上的表现情况,或者说,是一个与被试同类的团体在相同测验上得分的分布状况与结构形式。简单地说是根据对被试集团的标准化样本的施测,可获得一个具有代表性的结果,就叫常模。它可以作为评判个别差异的依据和比较的标准。所测集团的标准化样本的平均值,通常被视为该测验的常模。举个简单的例子,假如我们按照标准化量表对某行业内的大多少企业进行员工满意度调查时,发现这个行业的员工满意度无论从时间序列上讲还是广度上讲,行业员工满意度得分均值一般在7585之间,我们把这种分值分布情况称为该行业员工满意度常模。如果行业内某企业员工满意度调查得分低于75,我们认为这个企业的员工表现出不满意状态;反之,则为满意或非常满意状态。

    因标准化时所选取的样本不同,常模的种类也不同。最常见的有年龄常模、性别常模、年级常模、全国常模、地区性常模等等。

    一般而然,在建立常模时测验开发者、测验使用者在评估测验品质好坏和测验的适合性时应注意以下几个问题:

    1、常模样本的代表性

    常模样本的各项特征是否能代表其所要推论的群体,例如要建立全国性企业员工工作满意度常模,在抽样时仅仅选取科技产业的在职员工施测,则其代表性就令人值得怀疑。

    2、常模样本的大小

    常模样本如果太小,通常不具有足够的稳定性,容易出现误差。也就是说如果在抽取一群类似样本进行施测时,前后两次测试分数的分布状况可能不同,即再测信度低。因此,样本要适度,不能太少。

    3、常模的亲近性

    随着社会环境的改变,整体心理特征、态度、行为观念和知识技能也随之变迁,常模有可能失去其代表性。因此,必须及时修正。

    (二)常模数字是如何得出的

    在建立常模时,由于采取不同的区分标准会有不同的计量方式,通常用的有以下几种:

    1)均数:是常模的一种普通形式。某一受试所测成绩(粗分,或称原始分)与标准化样本的平均数相比较时,才能确定其成绩的高低。

    2)标准分:均数所说明的问题还是有限的。只看均数,不注意分散情况,所得受试者的信息非常有限。如用标准分作常模,便可提供更多的信息。标准分能说明受试者的测验成绩在标准化样本的成绩分布图上在何位置。标准分(Z)=受试者成绩(X)与样本均数(x)之差(即Xx)除以样本成绩标准差(SD)。简化成Z=(Xx)/SD。这样一来,不仅说明受试者的成绩与样本比较在其上或其下,而且还说明相差几个标准差。许多量表采用这种常模或由此衍化出来的常模。例如:在Wechsler氏量表中,离差智商=100+15(X-x )/SD便是这一种。离差智商与标准分常模的不同之处在于:一是标准分均数为0。而离差智商均数为100。即Z=X在标准分时为0,在离差智商时为100;二是标准分的SD值随样本而定,而离差智商中是令标准差为15(Stanford Binet 16)

    3T分:T分常模是标准分衍化出来的另一种常用常模。例如MMPI便采用此种常模。它与离差智商的不同之处,是所设的均数值及标准差不同。T分计算的公式:T=50+10(X-x)/SD

    4)百分位(percentile  rankPR):这是另一类常用常模,比标准分应用得早,且更通用。它的优点是不需要统计学的要领便可理解。习惯上将成绩差的排列在下,好的在上,计算出样本分数的各百分位范围。将受试者的成绩与常模相比较。如相当百分位50P50),说明此受试者的成绩相当标准化样本的第50位。也即是说,样本中有50%的人数,其成绩在他之下(其中最好的至多和他一样),另外50%人数的成绩比他的好。如在P25,说明样本中25%的成绩在他之下(或至多和他一样),另有75%人数的成绩比他的好。以此类推。  

    5)划界分(cut off score):在筛选测验中常用此常模。如教育上用100分制时,以60分为及格分,此即划界分。而入学考试时的划界分因考生成绩和录取人数而异。

    当然,在现实生活中常模的类型比此更复杂,获得常模数字的方法也是多种多样的。但有一点必须把握,常模它不仅要有广泛的代表性,并能体现很好的再测信度,这是建立常模的基础。




想获取更多信息,或者咨询相关业务可以关注我们的微信公众平台:SMR_gz

或者扫描下面二维码


微信平台二维码-50.jpg

好文章就要一起分享!

更多