Mixed data analysis: Advanced integration techniques

定量分析(化学) 多元方法论 认知重构 一致性(知识库) 计算机科学 代表(政治) 定性分析 变量(数学) 定性性质 维数(图论) 数据科学 定性研究 数据分析 过程(计算) 数据挖掘 心理学 数学 社会学 人工智能 机器学习 社会心理学 社会科学 数学教育 法学 政治学 数学分析 化学 操作系统 色谱法 政治 纯数学
作者
Anthony J. Onwuegbuzie,John R. Slate,Nancy L. Leech,Kathleen M. T. Collins
出处
期刊:International Journal of Multiple Research Approaches [Dialectical Publishing]
卷期号:3 (1): 13-33 被引量:121
标识
DOI:10.5172/mra.455.3.1.13
摘要

The purpose of this paper is to provide a coherent and inclusive framework for conducting mixed analyses. First, we present a two-dimensional representation for classifying and organizing both qualitative and quantitative analyses. This representation involves reframing qualitative and quantitative analyses as either variable-oriented or case-oriented analyses, yielding a 2 (qualitative analysis phase vs. quantitative analysis phase) × 2 (variable-oriented analysis vs. case-oriented analysis) mixed analysis grid. We present a comprehensive list of specific qualitative (e.g. method of constant comparison) and quantitative (e.g. multiple regression) analyses that fit under each of the four cells. Next, we provide an even more comprehensive framework that incorporates a time dimension (i.e. process/experience-oriented analyses), yielding a 2 (qualitative analysis phase vs. quantitative analysis phase) × 2 (particularistic vs. universalistic; variable-oriented analysis) × 2 (intrinsic case vs. instrumental case; case-oriented analysis) × 2 (cross-sectional vs. longitudinal; process/experience-oriented analysis) model. Examples from published studies are presented for each of these two representations. We contend that these two representations can help mixed researchers – both novice and experienced researchers alike – not only classify qualitative, quantitative and mixed research, but, more importantly, can help them both design their mixed analyses, as well as analyze their data coherently and make meta-inferences that have interpretive consistency.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
小pan完成签到,获得积分10
1秒前
1秒前
漂亮的曲奇完成签到,获得积分10
2秒前
心灵美灵凡完成签到,获得积分10
2秒前
cc2004bj应助LYL采纳,获得10
3秒前
oldcar完成签到,获得积分10
3秒前
aishiying发布了新的文献求助30
4秒前
大个应助^O^采纳,获得10
4秒前
4秒前
5秒前
5秒前
FashionBoy应助针不戳采纳,获得10
6秒前
谢婉玉发布了新的文献求助10
6秒前
7秒前
7秒前
8秒前
自觉飞莲完成签到,获得积分20
9秒前
Britney完成签到,获得积分10
9秒前
vertin完成签到,获得积分10
10秒前
斯文败类应助czcz采纳,获得10
10秒前
10秒前
云书发布了新的文献求助20
10秒前
aishiying完成签到,获得积分10
12秒前
小蘑菇应助HHH采纳,获得10
13秒前
芋头发布了新的文献求助10
13秒前
烟里戏发布了新的文献求助10
13秒前
13秒前
YYQX发布了新的文献求助10
13秒前
phw2333发布了新的文献求助20
14秒前
彭于晏应助Rainbow采纳,获得10
15秒前
wang发布了新的文献求助10
15秒前
Jasper应助真实的火车采纳,获得10
16秒前
17秒前
管夜白完成签到 ,获得积分10
18秒前
19秒前
19秒前
我是老大应助人鱼采纳,获得30
20秒前
隐形曼青应助123采纳,获得10
20秒前
komorebi发布了新的文献求助10
20秒前
时间煮雨我煮鱼完成签到,获得积分10
21秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Modern Epidemiology, Fourth Edition 5000
Kinesiophobia : a new view of chronic pain behavior 5000
Molecular Biology of Cancer: Mechanisms, Targets, and Therapeutics 3000
Digital Twins of Advanced Materials Processing 2000
Weaponeering, Fourth Edition – Two Volume SET 2000
Signals, Systems, and Signal Processing 610
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 纳米技术 化学工程 生物化学 物理 计算机科学 内科学 复合材料 催化作用 物理化学 光电子学 电极 冶金 细胞生物学 基因
热门帖子
关注 科研通微信公众号,转发送积分 6018327
求助须知:如何正确求助?哪些是违规求助? 7606399
关于积分的说明 16158938
捐赠科研通 5165921
什么是DOI,文献DOI怎么找? 2765127
邀请新用户注册赠送积分活动 1746656
关于科研通互助平台的介绍 1635331