本文作者为中国大学公共管理学院副教授张楠迪扬，首发“公共管理评论”，由于原文太长，特作整理节选，特此分享。作者认为，社会科学研究的定性与定量方法之争由来已久，但定性与定量方法在服务于理解世界时，不存在本质的分歧，但作为研究工具具有不同的优点，而在运用方法之前，研究者须主动、深入了解研究对象，并对研究者的身份、基本概念、研究目的与研究方法有自觉意识，并此以为选择方法的依据。
社会科学研究在定性与定量研究方法上向来纷争不休。即便试图弥合争论的学者也带有明显的偏爱立场。就方法言方法，可能很难跳出争论。方法是研究工具，研究者选用工具是为了更好地理解我们所生活的世界。如果定量与定性方法承认研究者试图理解的是同一个世界，两种方法则不存在目的上的分别。至于如何对待认识论上的分歧，或许我们更应该回归研究本身，以及研究背后的哲学基础。哲学层面的元问题先于对因果的关注，先于对方法与技术的讨论。
理解与阐释：先于定性与定量之争的元问题
做研究的根本目的是理解世界，这是先于定性与定量方法之争元问题。不论定性与定量研究，其目的都是更好地理解我们所生活的世界。“理解世界”的含义可以分为两个层次，一是了解与阐释；二是分析并探究因果机制和影响。理解又分为两个层面：一是了解事实，二是理解意义。
理解的第一个层次是“了解事实”。研究者要了解事实，首先要明白何为“事实”，如何可以做到“面向事实”。“事实”是真真正正发生的事情。社科研究中，“事实”主要指人类行为与各种社会关系的总合。如何了解人类行为及各种社会关系呢？这需要研究者明确地认识自身与研究对象的关系，摆正有自觉意识的认识姿态。
近代西方哲学在认识论的脉络上有两派分野。第一派是“主客二分”，标志是笛卡尔开启的主体性认识论。笛卡尔的“我思故我在”确定了近代哲学主体性的存在，标志着主体性的觉醒。这是一种“主客体二分”的认识论。研究者将自我之外的研究对象当作客观存在与客体来认识和分析。主客二分的认识方式是一种以研究者的地位为主体的认识方式。
第二派是主体间性。现象学宗师胡塞尔开启了对认识论主体间性的讨论。胡塞尔认为，事实是存在本身所显现的样子。了解事实需要研究者从显现的事实那里，如事实本身所呈现的那样，来了解事实本身。如何以事实本身所呈现的方式认识事实？这就需要从事实的角度了解事实本身。胡塞尔提出了“主体间性”，强调研究者主体之外的人，不是只能成为主体思维对象的纯粹的、静止的客体，而是成为与研究者相同的认识主体。研究者应通过“移情”或“同感”等技术，感受其他主体本身的生存状态，并以其他主体自在的呈现方式作为研究的出发点。然而，即便处于对其他主体主动的、同情式的理解，胡塞尔的主体间性仍然遭遇了“主客二分”的批评。
海德格尔（Heidergger)）将胡塞尔认识论主体间性，推进到本体论的主体间性，强调主体间的交往与共在。这将以往的静态“事实”推进到动态的对“关系”的理解。哈贝马斯提出并推崇理解、沟通的交往主体间行为，注重对“事实”在社会关系层面上的理解，是社会科学研究中社会网络研究的哲学基础。
作为社会科学研究的认识论基础，第一派“主体论”强调研究者“以我为主”，第二派认识论主体间性强调“理解他人”，本体论主体间性强调“理解关系与互动”。实际研究中，研究者的三种身份应是融合的统一体，主动做出基于设身处地理解他人与社会关系的行为。
在具体推进方式上，了解事实遵循的原则是经典的“3W原则”，即发生了什么、参与主体有谁、如何发生的。这个原则的实际运用往往并非是线性的。研究者在研究之初尽量有意识地悬置“偏见”，悬置研究预设，尽情感知事实、感知资料，这是必要的研究步骤，更是宝贵的素质和能力。研究者也许最初确定的研究主题与最终确定做的题目完全不同，这是研究过程中常见的情况，既不必在感知到新课题时，为放弃本来的课题而慌张；更不能因噎废食，不做理论与经验准备就进入田野。真正有意思的研究题目很可能是在扎实的学术积淀与在田野中经验的碰撞中不期而遇的。
孔飞力的《叫魂：1768年中国妖术大恐慌》摘获了1990年美国“列文森中国研究最佳著作奖”，成为多年来政治学科理解帝制中国的经典必读书目。然而孔飞力在1984年来到北京，在第一历史档案馆翻阅史料时，完全没有想到会写出这本书。他最初计划的研究对象是清政府内部的通信系统，而“剪辫案”只是他分析清政府通信体系影响政策运作的一个证明性案例。随着对资料的不断深入理解和反复阅读，孔飞力很快就转而专门研究“叫魂案”及其背后所揭示的权力运行机制。孔飞力对研究主题的转变恰是在不断增加对史实了解的情况下做出的决定。
诚然，可以作为学科训练的技能包括撰写访谈提纲、访谈与观察、收集资料的方法等，然而，掌握了相同技术的不同研究者观察同一事物的所得仍然不同。技术训练能保证初学者不犯简单错误，但进入田野，能收获什么，取决于研究者的个体差异，一千个读者心中有一千个哈姆雷特。这是定性研究方法难教、难学的部分，需长期浸润、耳濡目染、积累感受，才可触类旁通。但同时也是研究之所以可以丰富有趣之处。
马林诺夫斯基和土著打成一片的田野工作者形象
“理解”的第二个层面是理解意义。阐释与分析即赋予事实以意义，这是社会科学研究的重要环节。阐释意义要求将事实还原到其本来的情景。“看到”不等于“看见”。如果研究者没有意识到自己与研究对象的关系，并努力从事实本身出发理解事实，则可能任凭自己的猜想阐释事实。猜想中可能包括知识结构、性格、经历等诸多原因导致的偏见，就容易犯张冠李戴的错误，把统计相关解释成因果相关，或者主观赋予统计相关以因果意涵。理解意义绝不是闭门造车，或在匮乏经验支持的前提下分析数据可以实现的。理解意义要求研究者必须深入现实、深入实践，长期观察、反复揣摩。但时间并不是“理解意义”的保证。绝大多情况下，我们并不能期许长期泡在田野里一定会有惊天动地的发现。但几乎可以肯定的是，脱离现实情景的论断，很有可能成为空中楼阁。因此格尔茨强调要将文化当成一个文本看待，用“深描”阐释文本的意义。有关“深描”的意义，最经典的是格尔茨的“眨眼”例子。同是“眨眼”的动作，所表达的意义可能截然不同，可能是无意地抽动眼皮，可能是向密友投去的暗号，可能是恶作剧模仿，也可能是小丑在舞台上表演示意，或更多其他含义。到底是什么意义，需要深入理解情景（Context），理解这个动作发生的文化及社会背景。“深描”是典型的人类学研究方法，通过对细节的洞见对意义进行阐释。格尔茨的另一本念书《尼加拉：十九世纪巴厘剧场国家》是他对“深描”方法的操作示范。通过对细节进行其所在情景的分析，格尔茨揭示了巴厘人带有展示和表演形式的权力关系。在格尔茨的研究之前，书中揭示的这种关系长期为西方世界所忽视，是学术界的盲区。
概念与分类
苏格拉底以降，知识是关于一般和典型的思考，以便指导未来，降低人类社会对不确定性的焦虑和不安。而任何对知识的追求与讨论都始于概念。概念先于任何有关方法的定量与定性之争。概念是我们理解世界的基本工具和出发点。定量与定性研究都会面对界定概念与分类的工作，因此理解概念与分类的哲学基础十分重要。
社会科学研究的起点是对论断与观点的文献回顾，较少讨论不同研究者对核心概念本身含义的共识和争论。很多情况下，研究者假设大家已经对核心概念有共识。实际上，大家不过是使用同样的词语自说自话。这种情况下，我们则把研究置于一个巨大而模糊的想象空间。概念的内涵需要辨析，以确保不同研究者在同一个概念平台上交流和争论。
然而，辨析概念的过程是极端痛苦的。苏格拉底之死就是一个辨析概念致死的故事。苏格拉底喜欢通过诘问的方式辨析概念的含义。比如，苏格拉底希望年轻人做正直的人。关于对“正直”的定义，苏格拉底通过举例提出临时定义，然后在不断对年轻人的诘问过程中，补充新的内容，去掉冲突的内容，扩大或缩小概念的内涵外延，直到达到满意的结果。作为鼻祖的苏式归纳法在社会科学研究多派方法中都可找到踪影。但也正是因为如此，很多青年人在被苏格拉底穷追猛问的过程中瞠目结舌，因自己暴露出的“无知”恼羞成怒。雅典人更认为苏格拉底是戕害年轻人思维的罪魁祸首。可见，人们在寻找严肃交流基础的第一步就遭到了巨大阻碍。然而人类社会正是在用各种概念构建人文、社会科学领域的知识大厦。
概念之上有分类。基于概念的分类是划分的观念，是一种简化或者降维，归根结底依旧源于人类对复杂世界掌握的渴望，以及对复杂中不确定性的抗拒和排斥。“分类”设置了一个社会的基本范畴，严格约束着人们的心灵及思维活动，并成为一切社会关系的基础。
亚里士多德首先提出了分类思想。然而，涂尔干认为，“分类绝不是人类由于自然的必然性而自发形成的”。虽然模糊中我们可以感到不同事物的相似之处，但“一个类别就是一组事物；可事物却从来没有依据这样的形式进行归类而呈现在我们的视野中。”因此，涂尔干提出他有关分类的核心问题：究竟是什么使人们采取这种方式来安排他们的观念的，人们又是在哪儿发现这种独特配置的蓝图的。
涂尔干在《原始分类》中分析了澳洲、祖尼人、苏人，以及中国的原分类范畴。比如，祖尼人将首先将空间分成东、西、南、北、上、下、中七个方位，祖尼文化的其他分类都建立在七分方位的基础上。类似祖尼文化的当代案例并不少，如果不能了解与理解这种文化的分类基础，恐怕后续因果分析会无限尴尬。对基本概念和分类匮乏情景理解的定性因果分析可能会强词夺理，定量分析至多止步于统计相关的张冠李戴。
加里·格尔茨和詹姆斯·马里奥在《两种传承》中提出了定量与定性方法在分类方式上的分野。两位作者同时认为，定性研究者通常坚持不同类属的边界应该互斥，并通过语义学的方法界定类属；定量研究者则以编码方式模糊不同类属之间的边界，试图使不同概念变得更有连续性。其实这并非两种方法的分歧，而是不同简化程度的分别。
当对一个变量做二值（0-1）处理时，定量与定性都对变量做了非此即彼的分类。而对同意类属进行不同程度的分类，虽然定量处理的连续感更强，但依然要做出类别划分。纯粹的连续变量不涉及分类。而更易成为争论焦点的或许是分类标准，因为这在很多时候体现的是研究者的眼光。大数据时代，目前海量的自然语言文本分析的热点包括主题模型（LDA）以及利用主题模型进行情感分析等。具体技术层面涉及数据挖掘、机器学习等。但大数据时代更多的是要求人们提高甄别数据、收集与分析数据的技能，这并未冲击范畴在哲学层面上的讨论。
理论建构：基于扎根方法
理论建构是社会科学研究的主要目的，因为理论可以让我们以清晰、确定的方式理解世界。理论是一组充分发展的概念及概念间关系的陈述，构成可用于解释或预测现象的统合型架构。目前的社会科学研究中，定性研究更多承载着建构理论的功能。这主要是因为一个理论通常涵盖多个概念、多种关系、多个因果关系、多条因果路径与机制，需要与之相匹配的研究方法也具备较为宏观的视野和宽广的涵盖范围，这恰是定性方法的长处。
理论建构是一个对复杂事实抽象与概括的过程。源于人类学的扎根理论（“必记本”注：Grounded Theory），这是目前较成系统、应用较为普遍的建构理论的定性方法。扎根理论是由斯特劳斯（Strauss）和格拉斯（Glaser）创立的。扎根理论的本意是将研究者的分析、逻辑推演与理论建构建立在“资料”的基础上，把“根”扎在“资料”中，扎在田野里。扎根理论认为，研究者在研究之前并不真正了解事实，无须一般理论预设，而是需要在田野中进行访谈，收集资料，经过多级编码过程，逐渐提取核心概念与框架，最终实现对研究对象解释性框架的建立。
建构理论不可能是一次性研究行为，扎根理论强调长期、反复出入田野，通过资料收集不断丰富对事实的了解，修正与精炼研究问题。这对研究者来说是个极其痛苦和奢侈的过程，不仅耗时长，而且与研究者所希望达到的对研究的掌控感相悖。但经过这个过程发现真正触及心灵、令自己喜悦的研究问题，才是更有冲击力的好问题。
美国耶鲁大学的詹姆斯・斯科特（James Scott）是政治学系屈指可数的政治人类学家，他的名著《弱者的武器：农民反抗的日常形式》（The Weapon of the Weak: Everyday Forms of Peasant Resistance）分析了人们对马来西亚农民日常抗争形式的认识，这是他长期扎根马来西亚农村与当地农民深入互动的结果。
因果关系与机制
因果关系是构成理论的重要组成部分。探究与验证因果关系、阐释因果关系毫无疑问是社会科学研究关注的核心之一。大卫·休谟（David Hume）开启了思想界对因果关系的探讨与界定。在《人类理解和道德原则研究》中，休谟提出因果关系需满足的两个条件：恒随性（定义1），即原因是一个物象随后的物象；反事实性（定义2），即第一个物象不出现，第二个物象将永远不会出现。虽然，休谟对因果关系的界定遭到了若干批评，但这无疑是研究因果关系的重要开端。特别是统计方法被广泛应用到社会科学研究后，因果关系需满足三个条件：恒随性（定义1），反事实性（定义2），统计相关性（定义3）。
很多学者认为因果关系的核心是因果机制。因为建立因果关系后，人们很自然会问因果关系是如何发生的。这个问题会让展示统计相关后对机制进行随性想象的研究陷入尴尬。因果机制是原因的效应传递到结果的过程，这一过程被社会学家认为是理解因果的必要信息。任何发展较好的理论都会讨论因果机制。因果机制应该如何识别并分析，定性与定量方法似有不同。定性研究者认为，大样本统计发现如果不能获得经验支持，则无法证明存在因果机制，统计发现只能是统计相关。比如，科利尔（Collier）和赫夫勒（Hoeffler）费伦（Fearon）和莱廷（Laitin）通过对跨国数据的分析，发现人均GDP与内战呈现显著负相关。科利尔和赫夫勒认为，贫穷影响经济机遇，进而增加内战发生几率。费伦和莱廷认为，国家避免内战的能力是其间的因果机制。桑班尼斯通过深度个案研究认为，两者提出的机制解释均缺乏经验事实，人均GDP很可能只是在与其他变量的交互作用下发生影响。因此，定性研究者认为个案内分析（Within-Case Analysis）与过程追踪（Process Tracing）可以发现原因导致结果的经验证据。定量研究也在做着同样的努力，探究中介变量（Mediator）的影响，构建结构方程模型（SEM）的分析是对传导机制与影响路径的研究。
然而，少有研究分析原因传递到结果的“过程”到底是什么。这一过程是多因串联传递的因果链条，还是一个只能由先后发生的细节填充的“因”与“果”两点间的距离？KKV认为因果机制不要求对因果性有新的解释。但在一对因果关系被证明之前，很难说“因”与“果”之间的所谓“机制”是否真的应该被当作“机制”，这其间还蕴含着多少未知的丰富内容。比如，《两种传承》中提到一个研究案例：长期的跨国定量研究显示，经济发展和民主正相关。这一论断被政治学、社会学认为是最稳健的发现之一。然而《两种传承》的作者认为，这个研究对于任何人来说都是未完成的，它留下了一个黑箱，而且“不允许学者去评估其他备选的机制理论……定性研究者必须用详尽的分析来充盈黑箱……为了区分出在因果关系被建立之前的机制，人们必须走出统计相关，走向定性分析”。
这涉及《两种传承》中提到的另一个问题：对称性与非对称性。作者认为定性方法具有非对称性，原因是定性研究强调殊途同归，多种原因可导致同一结果；定量研究因其单因果性而具有对称性。这是作者所认为的定量与定性方法在因果关系与机制上的分野。实际上，两位作者犯了并未统一比较前提的错误。严格意义上，这并非定性与定量方法在认识论上的差别。单一定量研究和单一定性研究的涵盖面不同。定性方法追求宏大视野，目的是建构理论，尤善多因素、多维度分析，可纵横捭阖；单一定量研究通常关注一个主要感兴趣的自变量对因变量的影响。
当然，单一研究通常建构多个模型，自变量的数量依然是有限的。这是定量研究的局限，然而模型的“简洁”正是统计与量化研究之美。这也是定量研究实现渐进式知识积累的方式，通过对不同自变量细致的测量与分析，并测算其对因变量的影响，获得一种可度量的确定性。如果把探究同一因变量的不同研究汇总，很难说定量研究是《两种传承》作者所认为的“对称”。在这个意义上，定量与定性方法并不存在认识论上的冲突。
因果推论
因果推论是证明因果关系的过程。定性与定量方法在证明因果关系上的方式显著不同。定性方法是以自然语言为分析工具，通过逻辑推理的方式分析研究者收集的资料与数据。在KKV看来，相当数量的定性研究，由于没有达到因果推论的标准，仍停留在描述阶段。他们认为很多描述性推断研究刻意回避进行因果推论，他们更希望自己手头掌握的能够不言自明。然而，KKV也承认，量化研究虽然可以获得精准性（Precision），但未必可以获得准确性（Accuracy）。获得准确性在根本上要依靠研究者的洞见。
对于符合因果推论的标准，社会科学研究中，即便对定量方法来说也是十分困难的。古希腊哲学家赫拉克利特有言：人不能两次踏入同一条河流。对于一个给定的个案，历史不可能重演。这是目前统计学对于个案反事实在因果推断上的基本认识。用定量思维方式表述，因果推断的基本问题是：不可能观测到同一个单元的Yt(i)与Yc(i)的值，因此，不可能观测到t对i的影响。实验法是定量方法回应反事实问题的主要工具，包括自然实验、准实验法、中断或其他强有力的设计。然而，无论是定量方法基于概率论的平均主义，还是定性方法的“最小重写原则”（“必记本”注：Minimum Rewrite Rule），归根结底是对反事实问题的无奈。
展示统计相关与估计参数是定量方法大显神通的领域。各类定量研究方法课程主要传授的是这部分内容，建立回归模型分析感兴趣的自变量对因变量的影响。展示统计相关的分析主要包括收集数据与分析数据。
第一，收集数据。定量研究数据一般为结构性数据。传统的收集方式主要包括问卷调查、结构性访谈、公开数据、授权数据等。大数据时代，数据挖掘成为新型数据获取方式。如以问卷收集数据，还涉及问卷设计、录入、编码等。
第二，分析数据。万变不离其宗，社会科学研究应用各式统计模型的主要目的是寻找差异和关联。亦或是比较并验证两组之间是否存在显出差异；亦或是验证自变量与因变量是否存在显著的统计相关，以及估计自变量对因变量的影响程度（参数估计）。各式模型主要用于分析三类数据：截面数据、纵贯数据和空间数据。截面数据是较为常见的数据类型，此外还包括附着时间维度的纵贯数据，附着空间维度的地理空间数据。根据因变量类型、特点、数据分布特征等，选择适当的回归模型。由于各类模型要求数据满足统计学意义上的假设，但社会科学研究的数据一般包含复杂的多重因素，很难还原自然科学实验室环境中无噪声的数据，或在获取数据本身就存在困难。
如何让社会科学数据“减噪”，减小数据缺陷对分析的干扰，尽可能满足统计模型的假设要求，从而让统计估计结果更具解释力，这是大量统计学家、社会科学研究者不断修正模型、提出新的研究方式的主要目的。比如，多层回归模型（Multi-level Model）是对嵌套数据分析的修正；双重差分模型（DID）是社会科学领域实验研究的一个进步。当然，相当数量的统计技术用于描述数据特点、分布，以展示趋势，为进一步统计分析奠定基础。比如，空间分析中常用空间自相关分析、空间回归、地理加权回归等探索性空间分析技术实现的就是这一目的。
生于公元前634年的泰勒斯，是西方世界第一个哲学家。也许并非巧合，泰勒斯也是数学家。他提出命题的思想，通过逻辑证明以确保命题的正确性。始自泰勒斯，西方哲学就在纷繁变化的现象中寻找永恒不变的本质。在因果推断的道路上，定量方法展现了人类在理解世界时，对清晰度、确定性的极致要求，以及对寻求广泛适用的规律的热切与渴望。
数据驱动与理论驱动：知识发现与深层拷问
大数据时代，面对浩如烟海的数据洗礼，不少社会科学研究者提出了数据驱动（Data-driven）式研究。与传统理论驱动（Theory-driven）相比，数据驱动是以数据为知识发现的驱动力。研究者在了解数据面貌之前不应让任何理论预设干扰思考与判断。海量数据是任何个人意义上的人凭肉眼或自然能力很难全面掌握的，那么借助计算机技术呈现的数据的描述性特征，可以带来很多让人眼前一亮的发现。
清华美院副教授向帆及团队利用公开资料收集了全国美展2276张获奖作品，通过对作品的颜色、主题、人物数量、性别、获奖作者年龄一系列指标进行分析，研究团队识别出少数民族女性、沙发、牛是具有统计意义的高频获奖因素。这个项目赢得了Science杂志主办的数据故事比赛，其他获奖者包括美国国家实验室NASA、拉莫斯国家实验室、Climate.gov国家气象实验室等分析航天、太空等数据的科学家。该项目的数据量可能未必算作大数据，但很好地体现了大数据时代的分析思维。大数据时代不再是资源匮乏的时代，但缺乏看到价值与有趣之处的慧眼。大数据时代欢迎“脑洞大开”。
研究者所做的事情“其实就是把你靠肉眼观察，无论多么辛苦都看不到的东西，想办法转化为你能看到的，并且愿意看的东西。”这应该是大数据时代对我们的最大冲击之一。以前难以看到的，现在不仅可见，而且这种知识发现不再局限在象牙塔，开始成为一种大众参与和狂欢的机制。大量数据处理技术仍然在帮助我们在混乱中实现分类，降低复杂程度，发现趋势、识别模式，以便缓解认知世界的焦虑感，增加生存的安全感。更进取一些，为了预测，或对当下及未来采取主动行动。
然而，在获得新技能的同时，我们还是要问，然后呢？当带着赤子之心寻找宝物后，当喧嚣归于沉静，研究者还是要回到对元问题拷问中。
数据驱动不等于不需要理论。没有理论，我们可能很难知道应该怎样驱动数据。没有理论关怀的数据发现与描述虽然具有大视野、大场景的冲击力，但同时可能很难挣脱浅显的缰绳。
同样道理，从理论假设开始的研究也有可能会成为思维的枷锁，束缚研究者的手脚，而数据恰恰是摆脱理论桎梏的经验基础。因此，理论驱动与数据驱动并非互斥，关键在于研究者是否能够具备方法论的自觉意识。
选择定性还是定量：直面骨感现实
定性与定量方法的气质迥然不同。很多时候，选择定性还是定量不像是在选择方法，更像在选择立场。选了立场，坚守的时间长了，就存在退出成本，更加难以进入彼此的语境和思维方式，最终成了两者之间的芥蒂。这或许也是为什么定性与定量方法之间存在长年的争论。实际上，两种方法只是学者们在理解世界不同阶段时使用的不同方法，并不存在本质上的冲突。
理想状态的研究是研究者可以自如穿梭于定量与定性方法，可获得支持研究的完美数据。然而这种情况在社会科学研究中几乎不可能发生。现实情况往往是资源有限、时间有限、数据有限、能力有限。任何研究者都在一种“主客双限”的情况下展开研究。不同研究者可能根据现实条件选择研究方法。这都无可厚非。无论是定量与定性研究都是理解世界的渠道，而不同研究者所要理解的是同一个世界，这是交流得以存在、知识得以积累的前提。
作为研究方法，定性与定量有各自擅长的方面，定性方法在对细节的挖掘、对情景的理解、对事实的参悟、对过程的追踪与诠释上是定量方法不能比拟的；定量方法在对研究对象的量化测量、对一般规律的验证也是定性方法难以企及的。方法选择上，我们不应该因为某些方法“成为趋势”，或渐受追捧，就跟风式追随，而是要认真考虑自己的研究适用什么方法。盲目扩大个案研究结论适用范围的定性研究是不负责任的，缺乏对事实基本理解与尊重的大样本定量研究是鲁莽而武断的。当然，这首先需要在技能的修习上获得选择和使用方法的自由。
在理解世界的过程中，我们始终在路上。为了更好地理解世界，研究者从概念出发，基于概念进行分类，并在此基础上建构理论，验证理论，获得知识积累。作为帮助人们理解世界的工具，定性与定量方法各自服务于这一过程的相应阶段。无论研究者使用何种方法，都需要有四种自明意识：①自明与研究对象的关系（身份自明）；②自明所用基本概念内涵与外延（概念自明）；③研究将完成哪个阶段性任务，描述与阐释、理论/分析框架建构，还是因果关系验证（研究阶段自明）；④所选方法是否合适（方法自明）。在方法论自明的前提下，无论选择什么方法，都需要研究者带着近乎“笨拙”的执着精神，反复出入现实、不断积累、沉淀与追问。虽然验证一个常识对于知识积累有一定意义，但真正可以打动人心并被载入知识史册的，永远只会是思想性洞见。
转自：“考博早知道”微信公众号
如有侵权，请联系本站删除！
