Quantitative Research utilizes mathematical, statistical, and computational tools to derive results. この構造は、問題がどの程度普及しているかを理解するために問題を定量化することで、研究されている目的に対する結論につながります。 研究に携わる人々によって問題が特定されると、その問題に関連する要因も特定することが可能になります。 実験や調査がこの研究方法の主な手段で、独立した要因や相互依存的な要因が存在する場合でも、特定の結果を作成します。
These are the quantitative research pros and cons to consider.
List of the Pros of Quantitative Research
1. 量的研究でデータ収集が迅速に行われる
量的研究のデータポイントは、調査や実験、リアルタイムでの収集が行われるため、調べる資料の収集に遅れが生じることが少ないです。 つまり、他の研究方法と比較すると、研究中の情報を非常に迅速に分析することができる。 また、システムを分離したり、変数を特定したりする必要性も、この選択肢ではそれほど高くありません。 このランダム性は、この研究を通じて提供された情報を、研究対象である人口集団の残りの部分に統計的に適用できるという事実において、さらなる利点を生み出します。 ランダム化したにもかかわらず、一部の属性が抜け落ち、全員に適用したときにエラーが発生する可能性はありますが、このタイプの研究の結果は、他の方法が必要とする時間の何分の一かで関連データを得ることを可能にします
3. 信頼性が高く、再現可能な情報を提供します
量的研究は、同じデータポイントをランダム化条件で調べたときに、一貫した結果を提供して自分自身を検証します。 他の結果では、異なる割合やわずかな差異を受け取るかもしれませんが、反復可能な情報は、将来の計画プロセスにおける確実性の基礎を作ります。 企業は、これらの結果に基づいて、地域社会の特定のニーズを満たすために、メッセージやプログラムを調整することができます。 このように、統計は信頼できるリソースとなり、意思決定プロセスに自信を与えてくれます。 量的調査で発見したことを一般化できます。 定量的な情報は、ターゲットグループを見るときに、具体性ではなく概観を提供するかもしれませんが、それによって中核となる主題、ニーズ、または欲求を特定することも可能です。 また、この手法で得られた知見は、参加者のグループだけでなく、このワークで見ている層全体に及ぶこともあります。 そのため、困難が生じる前に問題点を特定することができるのです。 この研究は匿名性が高い。
研究者は、デリケートなテーマを調査する際、匿名性が高いため、定量データを使用することが多い。 人々は、収集されたデータにおいて、具体的に自分自身を特定する必要はありません。 調査やインタビューが各個人に配布されたとしても、個人情報がフォームに入ることはありません。 この設定により、調査参加者の中には、自分を巻き込んだ議論について恥じたり、不安になったりする人がいるため、誤った結果が出るリスクが低くなります。 調査は遠隔で行うことができる
量的調査では、データを収集するために特定の場所に出向く必要はない。 電話で個人と話したり、オンラインで調査を行ったり、情報が一方から他方へ移動するような他の遠隔方法を使用することができます。 質問の数や難易度は参加者の数に影響しますが、参加者が実際に負担するのは時間だけです。 そのため、この選択肢は他の方法よりもずっと安くなります。
7. 量的研究では、より大きなサンプルからの情報を使用します。
定性的研究では、研究者が綿密なデータポイントを収集する必要があるため、小さなサンプルサイズを使用する必要があります。 これは、時間のかかるリソースを作成し、関係者の数を減らす。 量的研究の構造は、より広範な研究を行うことを可能にし、関係する主題についての一般論を作成しようとするときに、より良い精度を可能にします。 821>
List of the Cons of Quantitative Research
1.量的研究の短所：自由形式の質問ではなく、クローズエンドの情報を扱うので、結果を歪める変数も少なくなります。 定量調査では、回答に対するフォローアップができません。
定量調査には重要な限界があり、参加者がアンケートに記入した後、さらに質問がある場合は、再度聞きに行くことができません。 調査で提供された答えを探るチャンスは限られており、他の方法と比較すると、調べるべきデータポイントが少なくなります。 匿名性という利点はあるが、アンケートが結論の出ない、あるいは疑わしい結果を出した場合、データの妥当性を検証する方法がない。 多くの参加者が同じような回答をした場合、一般集団に当てはまらない形でデータが歪む可能性があります。
2. 参加者の特性が一般集団に当てはまらない可能性
量的手法を用いて集めた調査が一般集団に当てはまらない可能性が常に存在します。 情報がランダムなソースから来たように見えるため、誤った相関関係を導き出しやすいのです。 バイアスを防ぐ努力はしていますが、どんなランダム化されたサンプルの特性も、すべての人に当てはまるという保証はありません。 つまり、この方法を使用して提供される唯一の確実性は、データが参加を選択した人に適用されることです。
3 回答が真実かどうかを判断できない
定量法を使用する研究者は、調査、テスト、実験を通じて提供されるすべての回答が真実の基盤に基づいているという仮定で動作しなければなりません。 821>
Psychology Todayに掲載された2011年の研究では、人々が日常生活でどれくらいの頻度で嘘をついているのかを調べました。 参加者は、過去24時間の間についた嘘の数について話すよう求められました。 サンプルグループの40％が嘘をついたと回答し、中央値は1日あたり1.65の嘘をつきました。 22％以上の嘘は、サンプルのわずか1％がついたものでした。 この1％のグループからランダムサンプリングを行うとどうなるでしょうか。 量的調査には、考慮すべきコスト要因があります。 この事実から逃れることはできません。 定量的手法の中の実験や研究の価格を見ると、一つの結果の霧に10万円以上の費用がかかっています。 フォーカス・グループの実施でさえコストがかかり、政府や企業の参加者を4グループ集めただけで、最大6万ドルの作業費が必要になります。 コストの大部分は、調査したい対象者、対象が何であるか、作業をオンラインまたは電話で行うことができるかどうかにかかっています
5. 具体的なフィードバックの詳細にはアクセスできません。
例えば、市場に出したい新しい歯磨き粉について、定量調査を行いたいとします。 この方法では、特定の仮説 (たとえば、この歯磨き粉は他の製品よりも歯をきれいにするのに適している) を探ることができます。 統計を使って一般化することができます（例えば、70％の人がこの歯磨き粉の方がきれいになると言っているので、それがあなたの潜在顧客層ということです）。 しかし、製品を改良するのに役立つ具体的なフィードバックの詳細については、受け取ることができません。 もし、その歯磨き粉がスカンクの臭いのような味がして好きな人がいなければ、その70%の人はまだその製品を購入しないでしょう。
6. 不自然な環境になる可能性がある。
定量調査を行うとき、そのグループにとって不自然な環境で努力が行われることがあります。 この欠点が発生すると、実世界の例で発見されるものと比較した場合、結果が異なることがよくあります。 これは、研究者がこの方法を通じて得たい答えを助長する環境内で作業するため、無作為化された参加者であっても結果を操作できることを意味します。 しかし、その限界から、このオプションは、重要な決定を下す前に特定のデータポイントを探している場合、常に最良の選択とは限りません。
Louise Gailleはこの投稿の著者です。 彼女はワシントン大学から経済学の学士号を取得しました。 経験豊富なライターであることに加え、ルイーズは銀行と金融の分野で約10年の経験を持っています。 この記事をより良くするためのご提案がございましたら、こちらから弊社チームまでご連絡ください。