学术哲学的邀请（59）—重新发现质性研究：数据动员，而非假设动员*

缘起：首先，需要声明的是，我此刻做研究并非出于考核、绩效、指令或者职称所需，更是一种发心，或者一种兴趣与爱好，将外在诸多压力摒弃之后，反求内心。重新发现质性研究缘起于南开大学商学院任兵老师发起的案例研究方法论短期工作坊，我是想跟随任兵老师再以读博的心态重新学习和修行一下。我在群里报了名，随后任兵老师发给我四篇文章，这四篇文章以及任兵老师发起的短期工作坊我也分享到了“走出丛林·天科学社”以及“质性研究与Nvivo学习交流”两个群。

介入：在读第一篇文章的时候，我想我的角色是如何定位的？我怀着一种朝圣、好奇或者探索的心情，从学习者、学生、在读博士、研究者、质性研究从业者、质性研究体验者、学者、或者科研小白等众多角色中去感知我的角色定位，这是一种角色理论的呈现吗？这决定了我以何种面貌去“攻城拔寨”，去“品尝”这若干篇文章？或许我既是“果腹”，又是“初级厨师”，或者“大厨”，更或者是“美食家”，我需要在学术时空中的“明珠万斛光陆离”中去重新体验、重新发现、重新定位。

本心：我想从自我认知和体验出发，去感受质性研究的魅力所在，或者需要一种顿悟，一种对于方法论的“立地成佛”。我需要在质性研究的体验中完成理论的创新性，更形成学术的丰富性、启发性及其潜力。能够挖掘新的概念并形成有见解性和张力的新理论，更希望通过这种过程完成一种洗礼，可以重新完善驾驭理论或者方法论的思想和认知。通过这种不同的对话，打通知识的隔阂，将新的学术认知根植于与时俱进的学术探索中，而不是囿于已有学术知识和学术认知。

动员：在阅读过程中，并非是教条主义，而是首先激活自己的头脑和认知，让我以一种敏感性的触觉去接洽、去碰撞，而不是机械地复印和复述，我要的是一种融入、创新和吸收，更是一种价值化和行动化，即突破我原有知识结构和知识认知，突破原有知识的疆域和时空，形成一种学术内心的激潮澎湃。

以上述的情境介入到文献的碰撞中，我并没有摒弃原有知识的附着性，我本身是信息管理与信息系统专业，更是熟于信息系统与数据库开发、数据结构，这为后面文献中的相关术语及思想提供了积淀和源泉，知识从来都不会过时和孤立，过时和孤立只是知识载体本身的认知局限或者一种狭隘。

孪生：作者Gioia在文中说，采用严格的步骤开展质性研究，进而证明数据和新概念之间的联系。在研究中，真正做到参与式研究，并且进行角色置换，在局内人和局外人之间进行切换。我首先想到的是我们团队在进行质性研究时候，我并不甩手或者远离，而是以一种学习者的姿态和学生进行合作，我的学生或者我更喜欢称之为合作者，或许在这种合作者，我们完成了彼此相互影响、相互作用、相互提升的过程。我不远离研究，因为我需要这种体验，才能保持我研究的体验感和敏感性。我不想被自己淘汰。

作者在提到“初级归类”的时候，希望原原本本地坚持本土化语言，并且尽量不要尝试归类，这会促进范畴的数量在研究的前端爆发式增加，这一直也是我所鼓励和倡导的。在“其后的归类”中，更强调重视关注和解释我们观察现象所呈现的概念，而关注新兴概念可以跳出现有概念的束缚或者无需足够的理论参考，这里从我的质性研究体验出发，这里说的是理论参考与借鉴，而不是理论支持，这两者是截然不同的。

将“其后的归类”后的主题进一步提炼，形成“聚合维度”。当有了“初级编码”、“其后的归类”和“聚合维度”后，就形成了构建数据结构的基础，作者也把这一阶段称为可能是整个研究方法中的关键步骤。数据结构不仅将数据配置为合理的可视化形式，它还提供了如何从原始数据发展到概念和主题的图形表示——这是证明质性研究严谨性的关键组成部分。

构建数据结构的行为促使我们不仅从方法论上，更需要从理论上去考量这些数据，去考察数据、主题、概念、维度和文献之间的迭代关系，当然受文献或理论干扰会造成预设，这种预设会形成预设偏差或者认知偏差，需要行走在预设和悬置之间的独木桥上，而不至于坠落下去。

最终的目的是以数据结构为基础形成充满张力的归纳模式，从理论角度去呈现信息提供者的经验。这需要明确相关数据和理论之间的联系，作为模型构建者，不仅要解释概念、主题和维度，还要解释它们之间的动态互动关系。当然，文献我们并不能全部洞悉，这需要我们从试图“涵盖一切相关研究的文献综述”这一信念中逃离。

数据结构是将要构建的理论模型的解剖结构，这种数据结构既可以呈现概念的“ 深层结构”，又可以呈现它们相互关系的“深层过程”。这背后是数据与理论的联系，即数据结构中的“初级编码”、“其后的归类”和“聚合维度”之间的联系。

赋能：从上述论述中，即“数据—数据关系—数据结构—概念与理论—模型构建”，这样一种脉络中，我突然灵光一现，“ER图”、“DFD图”、“UML”、“信息系统开发”、“数据库设计”等在头脑中自然而然地“浮现出来”。我们的研究可以突破原有范式，或者提升原有范式，或者不受原有范式的约束，形成一种灵活、开放式创新的质性研究，用于呈现数据与理论之间的联系，进而发展新概念和新理论。

我可以将信息系统开发方法中的“生命周期法”、“原型法”、“面向对象”等方法，采用“结构化技术”、“面向对象技术”、“计算机辅助技术”等引入到质性研究中，例如结构化技术，可以用系统工程的思想和工程化的方法，按照用户之上的原则，结构化、模块化地进行分析。可以采用数据流图、数据字典和处理过程等开展分析；还可以采用面向对象的技术，通过对象、类和消息认识研究对象。分析过程是将研究对象问题空间分解成一些部分，找出这些部分的特点及其相互关系，并形成一个说明。

面向对象的分析要求把问题空间分解成一些类和对象，找出这些对象的特点以及对象间的关系，并由此产生一个模型说明。当然，这种分析面临的挑战有这三点：这需要考虑研究对象问题空间的理论、研究对象的信息以及需求的不断变化。面向对象的方法从信息集中汲取属性、关系、结构，以及对象作为问题空间中某种事物的实体的表示方法等概念，从面向对象的思想中汲取属性和方法的封装，属性和方法作为不可分割的整体。

*注：本文阅读的外文文献为：Gioia,  Dennis A , Corley, et al. Seeking Qualitative Rigor in Inductive Research: Notes on the Gioia Methodology.[J]. Organizational Research Methods, 2013.