歡迎來到「研究課題」章節！
你好！這一章對於你在社會學科的成功絕對至關重要。研究方法是我們理解社會的工具，但這些工具並非完美無缺。
在這裡，我們將探討社會學家在設計和進行研究時，所面臨的挑戰、障礙以及必須作出的艱難抉擇（包括倫理和實務層面）。
理解這些研究中的課題（第 3.1.3.3 節）能讓你批判性地評估課程中遇到的每一項研究，並幫助你敏銳地發現社會學證據的強項與弱點。
第一部分：建立研究——規劃與概念
社會學家面臨的首要重大挑戰，就是定義研究對象以及選擇研究對象。
1.1 概念的操作化 (Operationalisation)
在你測量任何事物之前，必須先精確地定義它。操作化是一個將抽象的理論概念（如「社會階級」、「貧窮」或「幸福」）轉化為可以實際測量、量化或觀察的過程。
- 概念範例： 貧窮。
- 操作化定義： 以家庭收入是否低於國家收入中位數的 60% 來進行衡量。
為何這很重要： 如果兩位社會學家對「成功」的定義不同（一人使用收入指標，另一人使用工作滿意度），他們的研究結果將會截然不同。糟糕的操作化會摧毀一項研究的效度 (Validity)（見第二部分）。
快速複習欄：操作化
可以這樣想： 如果你說你想研究「美味的食物」，操作化就意味著你需要精確地定義你將「如何」測量「美味」——是透過辛辣程度、食材成分，還是正向評價的數量？
1.2 抽樣：母體與抽樣框
想要研究你感興趣群體中的每一個人幾乎是不可能的。因此，社會學家會選擇一個較小的群體，即樣本 (Sample)，來代表整個較大的群體，即母體 (Population)。
母體： 研究者希望從中得出結論的整個群體（例如：上海所有的青少年，或巴西所有的工廠工人）。
抽樣框： 從中抽取樣本的母體成員名單（例如：學校名冊或電話號碼清單）。
常見問題： 如果抽樣框不完整（例如使用過期的電話簿），產生的樣本將會產生偏差且不準確。
1.3 抽樣類型（研究者如何選擇）
所使用的抽樣方法類型對於達到代表性 (Representativeness) 至關重要。我們可將方法分為兩類：旨在實現統計隨機性的方法（較受實證主義者青睞），以及非隨機抽樣（通常受詮釋主義者偏好）。
A. 機率（隨機）抽樣方法：
- 隨機樣本： 抽樣框中的每個人都有平等的機會被選中。（就像從帽子裡抽籤一樣。）
- 系統抽樣： 從抽樣框中選擇每第 N 個（例如每第 10 個）人。
- 分層隨機樣本： 根據特徵（年齡、性別、族裔）將母體劃分為子群組（層）。然後從這些層中隨機選取與母體中出現的比例完全相同的樣本。（這通常是達到統計代表性的最佳方法。）
B. 非機率（非隨機）抽樣方法：
- 配額抽樣： 研究者為不同類別設定配額（例如 20 名男性、30 名女性、10 名 65 歲以上人士），當配額填滿後即停止抽樣。配額內的選擇過程是非隨機的。
- 多階段抽樣： 分階段進行抽樣。例如，首先隨機選取 5 個城市，接著在這些城市中隨機選取 10 所學校，最後在每所學校選取 5 名學生。
- 滾雪球抽樣： 研究者聯絡幾位符合研究標準的人，然後請這些人推薦其他同樣符合標準的對象。這對於研究隱蔽性群體（如非法藥物使用者、特定的宗教少數群體）至關重要。
1.4 代表性與可推論性
這兩個術語解釋了為何抽樣如此重要：
- 代表性： 樣本是否準確地反映了較大母體的特徵（年齡、階級、性別等）？
- 可推論性 (Generalisability)： 如果樣本具有代表性，那麼研究結果能否自信地應用（推論）到整個母體中？
重點摘要： 如果你使用極小的非隨機樣本（如滾雪球抽樣），你就會犧牲代表性，從而使研究發現很難推論到整個社會。
第二部分：評估結果——品質控管
數據收集完成後，社會學家必須確保其品質。這涉及檢查研究是否具備效度、信度，以及數據是否真正顯示出因果關係。
2.1 效度與信度
這是社會學數據品質的兩大支柱。千萬別把它們搞混了！
1. 效度 (Validity)：
這項研究是否測量了它「應該」測量的東西？它是否真實反映了社會現實？
定性方法（如非結構化訪談）通常具有較高的效度，因為它們能捕捉複雜的情感和真實的經驗。
類比： 有效的打靶練習意味著你的箭擊中了靶心（真相）。
2. 信度 (Reliability)：
如果有另一位社會學家使用完全相同的方法重複進行同樣的研究，他們會得到相同的結果嗎？一致性是關鍵。
定量方法（如結構化問卷和官方統計數據）通常具有較高的信度。
類比： 一個可靠的碼錶，每次測量同場比賽時都會給出相同的時間數據。
你知道嗎？ 你可能會擁有可靠但無效的數據。範例： 一位研究者測量鞋碼作為智力的指標。這具備「信度」（鞋碼保持不變），但完全「無效」（因為它並未測量智力）。
2.2 因果關係與相關性
這是人們在解釋研究結果時最常犯的錯誤之一！
- 相關性： 兩個變數之間存在關係或關聯。它們同時出現或同時變化，但其中一個未必會導致另一個。
- 因果關係： 一個變數直接影響或導致另一個變數發生變化（即因果效應）。
經典範例： 研究常顯示夏季冰淇淋銷售量與溺水率之間存在相關性。吃冰淇淋會導致人們溺水嗎？當然不會。隱藏的變數是氣溫。高溫導致冰淇淋銷售量增加，也導致游泳/溺水人數增加。這兩者之間有相關性，但沒有因果關係。
社會學家（尤其是實證主義者）致力於建立因果關係，但在複雜的社會生活中要隔離單一成因非常困難。
重點摘要： 永遠記住兩者的區別：Causation（因果關係）= Cause and Effect（因與果）。Correlation（相關性）= 它們僅僅是 Co-exist（共同存在）。
第三部分：偏差與實務問題
即使設計得再完美的研究，也可能因為人際互動或後勤限制而被破壞。
3.1 偏差與誤差的來源
社會學家必須意識到他們的存在或社會期待如何扭曲數據。
A. 研究者/訪談者偏差
當研究者的個人價值觀、期望或非語言線索（如點頭或皺眉）影響參與者的回答或對數據的詮釋時，就會發生這種偏差。研究者在潛移默化中引導參與者做出特定回答。
B. 霍桑效應 (Hawthorne Effect)
這是一個著名的問題，常出現在實驗或觀察中。
霍桑效應指參與者僅僅因為知道自己正被觀察或研究，而改變或改善了自己的行為。
類比： 當老闆走進辦公室時，你工作會比老闆離開時更努力。因此，該研究測量的並非自然行為，這會降低研究的效度。
C. 社會期許偏差 (Social Desirability)
這是指參與者以他們認為會讓自己看起來更好，或更「符合社會規範」的方式來回答問題，而非說出真心話。
範例： 一個人可能會在關於回收頻率或慈善捐款的調查中撒謊，因為他們想展現出良好公民的形象。這會大幅降低數據的效度。
3.2 實務問題
這些是影響所有研究計畫的常見日常問題。
- 時間： 縱向研究（跨越多年進行的研究）可能需要數十年時間，投入巨大。即使是基本研究也需要時間來取得准入、收集數據和進行分析。
- 資金： 大多數大型研究需要巨額資金用於人員、交通、設備和出版。資金不足可能迫使研究者使用較便宜、效度較低的方法（例如小規模、無代表性的樣本）。
- 取得准入： 要獲得研究某些群體（例如門禁社區、犯罪幫派或某些企業董事會）的許可可能非常困難。
重點摘要： 實務問題往往迫使研究者在理想方法上做出妥協，這通常會影響數據的品質（信度或效度）。
第四部分：倫理考量（道德羅盤）
研究必須在道德上被接受。社會學家有義務保護他們的參與者。英國社會學協會 (BSA) 對倫理行為提供了嚴格的指引。
倫理問題關乎研究的道德正確性及其對參與者的潛在影響。
4.1 核心倫理原則
1. 知情同意 (Informed Consent)
參與者必須完全了解研究的性質、他們將被要求做什麼、這些資訊將如何被使用，並且必須自願同意參與。
問題： 從弱勢群體（兒童、身心障礙者）身上取得同意，或者在進行隱蔽觀察（公開研究目的會破壞研究）時，可能無法取得同意或存在倫理困難。
2. 保密性與匿名性
保密性 (Confidentiality)： 研究者知道參與者的身份，但承諾不向任何人透露。
匿名性 (Anonymity)： 研究者或其他任何人都不知道參與者的身份，因此無法追溯數據來源。（這是最高層級的保護。）
3. 參與者福祉
研究者必須確保參與者免受生理、心理或情感上的傷害。這是重中之重。
問題： 詢問創傷性經歷（如暴力或歧視）時必須謹慎，確保在造成困擾時能提供支援。
倫理問題總結
如果覺得這些很複雜也不用擔心，只要記住這四個核心概念：
知情同意 (Informed Consent)、保密性 (Confidentiality)、匿名性 (Anonymity) 和 參與者福祉 (Participant Wellbeing)。
章節總結：關鍵重點
評估任何社會學研究，意味著要提出批判性問題：
1. 樣本是否具有代表性？
2. 研究是否真正具有效度（測量了它打算測量的東西）？
3. 是否存在潛在偏差（霍桑效應或社會期許偏差）？
4. 研究者是否遵循嚴格的倫理指引（知情同意、匿名性、福祉）？
精通這些問題，就是進行批判性社會學分析的基石！