Interpretation of data

👋 歡迎來到數據詮釋：解讀證據的藝術！

哈囉，未來的社會學家們！你們已經完成了最艱難的部分：選定課題、挑選研究方法（如問卷調查或訪談），並收集了海量的資訊。這些資訊——也就是你們的數據 (data)——現在就擺在你們眼前。

但數據只是原材料。本章節將帶領你們成為偵探，把原始的數字與文字轉化為對社會有意義的結論。我們將學習如何詮釋 (interpret) 這些數據——解釋它們代表什麼，以及為何它們如此重要。

如果起初覺得有些棘手，別擔心！我們將會逐步拆解如何處理數值數據（量化）與描述性數據（質化）！

第一部分：什麼是數據詮釋？

事實與發現之間的橋樑

數據詮釋 (Data Interpretation) 是審視研究中收集到的數據，並得出有意義結論的過程。這是研究的最後階段，你將在此把研究發現與最初的研究問題或假設聯繫起來。

為何詮釋至關重要

• 它能檢視你最初的假設 (hypothesis)（即你的推測）是對還是錯。
• 它能協助你向他人解釋社會模式與趨勢。
• 它讓你能夠提出建議（例如給政府或學校的政策建議）。

類比： 想像你在烤蛋糕。收集數據（研究方法）就像是在準備食材；而詮釋就是品嚐烤好的成品，決定它是不是太甜了、奶油加得夠不夠，或者已經完美無缺！

第二部分：分析量化數據（數字的世界）

量化數據 (Quantitative data) 是數值數據——那些你可以計算或測量的東西，通常透過大型問卷調查或統計數據收集。當詮釋這些數據時，社會學家會尋找模式與平均數。

識別模式與趨勢

第一步通常是將數字整理成表格或圖表（如長條圖或折線圖）。這能幫助你找出趨勢 (trend)：即事物發展或變化的總體方向。

例子： 如果你觀察過去 50 年的離婚統計數據，你可能會發現離婚數目呈現整體的上升趨勢 (upward trend)。

理解平均數（基礎統計）

為了簡化大量數據，社會學家會使用集中趨勢指標（平均數）。

1. 平均數 (Mean)

這是大多數人所理解的平均數。將所有數值加總，然後除以數值的個數。
例子： 若考試分數為 5, 8, 10，平均數即為 (5+8+10)/3 = 7.67。

2. 中位數 (Median)

這是將所有數值按從小到大排列後，位於正中間的那個數。
例子： 若薪資為 £10k, £20k, £100k。中位數是 £20k。（平均數會是 £43.3k，但由於有極端高值的存在，平均數反而會產生誤導！）

3. 眾數 (Mode)

這是數據集中出現頻率最高的數值。
例子： 若五個人回答的分數為 3, 3, 4, 5, 10，眾數就是 3。

詮釋小貼士： 務必考慮哪一種平均數最能代表你的數據。社會學在處理收入等數據時，通常偏好使用中位數，因為它不會受到極高或極低數值（極端值，outliers）的影響。

相關性與因果關係：必須避免的重大錯誤

這是詮釋量化數據時最常見的錯誤之一！

• 相關性 (Correlation)： 指兩件或多件事同時發生，或看起來有關聯。它們呈現連動關係。
• 因果關係 (Causation)： 指一件事情直接導致另一件事情發生。

類比： 隨著冰淇淋銷量上升（相關性 1），犯罪率也上升（相關性 2）。吃冰淇淋會導致犯罪嗎？絕對不會！真正的成因（因果關係）是天氣變熱了。詮釋者必須尋找背後的深層原因，而不僅僅是看到兩者的聯繫。

第三部分：分析質化數據（意義的世界）

質化數據 (Qualitative data) 由文字、描述、圖像或詳細的回答組成，通常透過訪談、焦點小組或觀察法收集。詮釋這些數據意味著深入挖掘其含義。

尋找意義：主題分析法 (Thematic Analysis)

與計算數字不同，詮釋質化數據需要主題分析法。這意味著要識別出參與者陳述中出現的關鍵主題 (themes) 或反覆出現的想法。

主題分析法步驟：

1. 閱讀與再閱讀： 徹底熟悉所有的訪談記錄或田野筆記。
2. 編碼 (Coding)： 瀏覽文字並標記出重要的短語或句子。為每個標記的部分貼上簡短的標籤（即「編碼」）。例子：如果參與者說「我覺得學校忽視我」，你可能會將其編碼為「疏離感 (Alienation)」。
3. 歸納主題： 尋找經常出現的編碼，並將它們分組歸納為更大的主題。例子：「疏離感」、「缺乏資源」和「感到不公」可能都被歸納在「邊緣化經驗」這個主題之下。
4. 詮釋： 解釋這些主題如何回應你的研究問題。

你知道嗎？ 質化分析對於理解量化結果的效度 (validity) 至關重要。如果問卷調查顯示了一種趨勢，質化訪談則能從參與者的角度解釋這種趨勢為何存在。

主觀性的挑戰

質化詮釋有時會因其主觀性 (subjectivity) 而受到批評。因為社會學家決定了哪些文字要編碼、哪些主題要歸組，因此存在一種風險：研究者可能會不自覺地強調支持自己觀點的內容，而忽略其他部分。

為了對抗這種情況，社會學家必須具備反思性 (reflexivity)——意味著他們需要不斷反思自己的背景或信念如何影響了詮釋過程。

第四部分：得出結論與評估

當你分析完數字與意義後，必須將所有內容整合在一起得出結論。

檢視假設

結論的第一個任務是清楚說明你的數據是支持 (supports) 還是反駁 (refutes)（與之背道而馳）你最初的假設。

• 若數據支持假設：利用研究中的證據（引用原文或統計數據）清楚解釋其方式與原因。
• 若數據反駁假設：解釋為何你的推測不正確，以及數據實際告訴了你什麼。這同樣是極具價值的研究發現！

概括 (Generalization)：將發現應用至更廣闊的世界

詮釋的關鍵部分在於評估你的發現是否可以概括化 (generalized)。

概括 (Generalization) 是指研究特定群體（樣本, sample）所得出的結果，能夠應用於更廣大總體人口的程度。

• 使用大型、具代表性樣本（如隨機抽樣）的量化研究通常較容易概括化。
• 專注於小型、特定群體的質化研究（如個案研究）則較難概括化，但能提供更深刻的洞察。

如果你的樣本很小或非常特定（例如：僅訪談了某所學校的 10 名 11 年級男生），你必須在結論中清楚指出：概括能力有限。

第五部分：客觀性與倫理的重要性

社會學家的倫理責任不會在數據收集完成後就結束，它會延續到詮釋階段。

避免社會學偏見

偏見 (Bias) 發生在研究者的個人價值觀、政治觀點或預期影響了對數據的詮釋時。這會導致研究結果不可靠且缺乏效度。

必須避免的常見錯誤： 挑選數據 (Cherry-picking)。永遠不要忽略那些反駁你想要證明內容的發現。一位優秀的社會學家必須呈現完整的圖景，即便這與他們的個人信念或利益相違背。

倫理報告與透明度

詮釋必須符合倫理。這意味著：

1. 透明度： 清晰地解釋你如何得出結論（例如：展示質化數據的編碼方法）。
2. 誠實： 報告研究的所有限制（例如：樣本數過小、問題中潛在的偏見）。
3. 保護隱私： 確保引用的言論或統計數據無法追蹤到個別參與者（維持保密性, confidentiality）。

透過保持客觀，社會學家確保了研究具備效度 (validity)——它真實地反映了社會世界中正在發生的事。

快速複習：詮釋基本術語

你已經掌握了研究過程的最後一哩路！能夠準確且符合倫理地詮釋數據，正是優秀社會學家的標誌。請持續練習這些技能，祝你順利！