如何用量化方法研究質性理論

很久沒有寫研究筆記了，最近對這個很有感觸所以想寫一下

密大的社會系有兩個方向最強，一個是比較歷史特別是政治/文化社會學，這個次領域在別校社會系頂多一兩個做，但在密大可以一字排開還可以分區域，另一個就是人口學

我做的研究大致上想用量化方法做政治/文化的題目，但政治/文化的理論幾乎都是從質性研究中生成的，尤其是文化社會學，無論是最早期的涂爾幹，文化轉向的Swidler、Alexander等，或是文社魔王布爾迪厄、傅柯等，要用量化研究文社不是不行，但因為很多概念它本身就是設計給質性研究者用的，要操作化成量化的測量方式，需要花很多心力去做、研究設計

最近手上的兩個project都是這樣，所以文獻回顧就大量在閱讀這種質性理論量化測量的研究，開始發現他們有一種共同的策略，我稱之為用內容效度來換敏感度（trading content validity for sensitivity），內容效度指的是「你所測量的東西是否包含了概念的全部」，敏感度則是「實質變動要多大才能夠在你的測量工具上顯示出來，越小代表越敏感」。用更白話的說法就是，有精準的測量工具勝過測量時要面面俱到

道理在於，質性發展出來的概念通常有很多複雜的表現形式，但量化一篇文章往往只能選一到兩個表現形式，像是「政治知識」可以包含對於政治歷史、政治人物、政治制度、政策議題、政治哲學等的知識，或是「文化資本」可以表現在談吐、學歷、穿著、藏書上。測量上不可能每一個面向都涵蓋，也不是每一個面向都有簡單好用的測量方式，最可行的做法，就是在這之中選一個既夠重要又好測量的「高品質變項」。而只要能夠把抽象的質性概念轉換成可以客觀量測的變項，就可以發揮量化研究的優勢，用大樣本來驗證small N研究的假說，能做到這樣通常就是很大的貢獻了

舉例來說，政治學家Diana Mutz(2006)在Hearing the Other Side就把審議民主這個超級多面向的概念，用很多的論證去操作化成所謂的政治交叉暴露（crosscutting exposure），在Mutz看來，審議民主存在的核心理由（raison d'être）就是要讓政治意見相反的人互動交流，她的論證很精彩，有興趣的人可以去看看她的第一章。總之就是從一個複雜的理論中取了一個用既重要又好測量的東西

第二個例子，Shwed and Bearman(2010)想要研究STS理論的「黑箱」（black-boxing），黑箱也是一個很質性的概念，在Latour的定義下，黑箱指的是一個物件只看得到輸出與輸入，卻看不到內部的組成機制，就像很多電腦軟體，或是車子，我們只有在電腦或車壞了的時候才會發覺這個機制的存在。Shwed and Bearman就抓住這個「只有在爭議時才看得到」的點，去發展一個科學爭議的測量方法，他們用網絡分析裡的modularity（模組度）來分析學術文章的引用網絡，看網絡裡面有沒有很明顯的網絡集群(cluster)，或稱學說或派別，如果有明顯分隔的學說或派別，那就代表這個議題目前在學界尚存爭議，如果沒有，那就代表已經被視為理所當然、被「黑箱化」、看不到明確的派別，因為學界已經有共識。Shwed and Bearman也是很巧妙的找到黑箱的一個精髓，然後去結合網絡分析的概念，就成了一篇文章

不過跟Mutz不同的是，模組度並不像交叉暴露一樣有問卷調查變項的表面效度（face validity），因此Shwed and Bearman找了很多著名的科學爭議案例來證成模組度是真的能夠捕捉到科學爭議的存在與否，所以說測量的敏感度有時候還是要援引質性的個案研究來佐證

總之，這個研究小撇步我覺得很有趣，希望有一天我也能夠研發出一個厲害的概念操作化給大家驚嘆一下（好難）