【摘要】醫學教育改革與發展的推進需要高水平的醫學教育研究作為支撐。本文介紹了2014年在Medical Teacher上發表👩🏻💻，並作為歐洲醫學教育委員會提供給醫學教育工作者作為實踐指南的2篇醫學教育研究方法的論文🦿，其目的在於為我國醫學教育領域的研究者、管理者和教師提供參考🪕，以便使之理解醫學教育研究方法的特點，明白醫學教育研究中定量研究和定性研究方法在提供醫學教育證據上的不同貢獻⚀，便於根據所研究的問題選擇合適的醫學教育研究方法，更加科學和規範地開展醫學教育研究。本文的主體部分包括研究範式🗼👩🏿🍳、研究過程、定量研究設計⏏️、定性研究設計👴🏼、研究對象與樣本選擇、數據收集與分析等6個部分，期望能夠對開展醫學教育研究有所參考和借鑒🈵。 【關鍵詞】醫學教育；研究方法；定量研究💇🏼♂️；定性研究 基金項目：國家自然科學基金青年項目（71804005）🐠；北京大學醫學部學科建設項目（BMU2017YB005） 文獻來源🚵🏽♂️：中華醫學教育雜誌，2019，(39）2：81-91. 作者：吳紅斌 王維民 單位：100191北京大學醫學教育研究所（吳紅斌）； 北京大學醫學部（王維民） 通信作者：王維民，Email：wwm@bjmu.edu.cn 引用本文：吳紅斌🥻🚹，王維民.醫學教育研究中的定量和定性研究方法[J].中華醫學教育雜誌，2019, (39)2:81-91.DOI: 10. 3760/cam. j. issn. 1673-677X. 2019. 02. 001. |
5 研究對象與樣本選擇
5.1 研究對象總體
研究對象總體（population）指的是研究設計中所有的被研究者🕜🕎，研究者進行研究方案設計時，需要對研究對象總體進行確定🤾♂️，以保證研究結果具有普遍意義👨🏼🍳。研究對象中成員的共同特征，也就是總體的單位/元素是要被測量的。總體分為有限和無限2種。如果由固定數量的元素組成😣，研究者能夠確定其整體👨🏿🦲，則稱為有限總體。例如，有限的總體可能是某個醫EON4學生群體或者教師群體🪻。如果研究者理論上不能觀察到所有的元素，則稱為無限總體。
研究者無法接觸到研究對象總體時，通常用可接近群體替代。可接近群體也分為有限和無限2種🧖🏼，它是目標人群的一部分🚵🏽。例如🟤，目標群體可以是一個國家所有的醫學生，但是研究者只能接觸到一兩所特定院校的醫學生。研究者采用了群體的一個樣本來代表目標群體。
5.2 抽樣方法
樣本是從研究對象總體中選來進行研究的一部分，是研究對象總體的代表📋。樣本要具備代表目標群體所需要研究的所有元素。例如💪🏽⤵️，在對醫學生進行研究時🍬👨🏼✈️，需要考慮到不同性別🧑🏻🎓、種族和年級等🤹♀️，這是為了增強樣本的代表性。
研究者通常使用抽樣方法獲取樣本，以使樣本能夠較好地代表總體⛹🏿。抽樣方法包括隨機抽樣和非隨機抽樣2種☛。兩者最大的區別是，隨機抽樣中，總體中的每個元素被選做樣本的幾率是一樣的；而非隨機抽樣中👇🏼，每個元素被選中的幾率是不同的。顯然🏥🧑🏿🏭，通過非隨機抽樣選出的研究對象不能像隨機抽樣那樣有效地代表總體。此外🧛🏿，非隨機抽樣可能包括研究者沒有意識到的偏差，這被稱為抽樣偏差🌸。大多數醫學教育研究的研究對象是基於非隨機抽樣的🪂，這是因為隨機抽樣耗時且昂貴，在某些情況下並不可行。因此，無論是定量還是定性研究，非隨機抽樣更多地被使用🎰。
5.3 非隨機抽樣
方便性抽樣🔣🤳、目的抽樣和配額抽樣是常見的3種非隨機抽樣方法。
5.3.1 方便性抽樣
如果在可接近總體中選擇樣本是建立在方便和時宜之上的，就是方便性抽樣。盡管方便性抽樣可能效果不佳，但在許多學科領域如醫學教育領域的定量和定性研究中均被廣泛應用。例如🥏，醫學教師在教室中向學生分發關於計算機使用的自我報告問卷，以探究醫學生計算機使用的現狀和影響因素就屬於方便性抽樣。
5.3.2 目的抽樣
目的抽樣的樣本選擇是基於某種標準或某個目的🪖。目的抽樣為研究選擇“信息豐富的數據來源”，它在定性研究中被廣泛應用✭，但在定量研究中也可以用這種方法來收集數據👰🏿♀️。研究者在感興趣的人群中選擇有特定經歷或能夠提供研究現象豐富細節的個體時，經常采用目的抽樣🙍🏽♀️。在研究者構建特定的研究工具（如心理量表/問卷調查）時👨👨👧，也可以采用目的抽樣。
5.3.3 配額抽樣
配額抽樣需要在總體群體中先鑒定出亞群🙋🏻👩🏽🍳，樣本數量的選擇基於亞群來分配。比如，探究學生對溝通技巧的態度，需要從500名學生中選出150名學生作為樣本，而學生群體中60%的學生是女生，那麽配額抽樣就要保證在樣本中也有60%的女生，相對方便性抽樣👃🏽，配額抽樣的樣本代表性更高🏄♂️。
5.4 隨機抽樣
非隨機抽樣在定量和定性研究中均被廣泛使用，而隨機抽樣更多地應用在定量研究中。在隨機抽樣中，研究對象必須隨機選擇。換言之，每個研究對象都有同等機會被選中🦹🏼♂️。通過隨機抽樣，研究者能夠得到研究對象總體的一個有代表性的樣本。
隨機抽樣可以計算抽樣誤差。隨機抽樣在理論上得到了高度支持🪰，雖然研究者在實際情況下很難使用它們👩🌾。隨機抽樣的總體和樣本之間的任何差異都不受製於研究者的偏差🏄🏼🙋♀️。非隨機抽樣的數據結果相對而言信服力不夠，因為可能存在樣本偏差🤛🏼🏃🏻➡️。
5.5 樣本量
無論是定量還是定性研究，在樣本選擇時都需要確定樣本量。樣本大小的確定在定量和定性研究方法中並不一樣，以下分別進行說明。
5.5.1 定量研究中的樣本量
當設計一項研究時，總會面臨一個問題：需要多少個研究對象進行研究？如果樣本量太大，可能浪費資源；如果樣本量太小，又難以得到準確的研究結果🤢。沒有一個公式來估計一項調查研究中需要多少研究對象。通常大樣本量比小樣本量好👨🏻💻，因為抽樣誤差會減小，尤其是當一項研究中使用非隨機抽樣時。在對照研究中，如能預計組間存在較大的差異👏🏼，此時就不需要更大的樣本量👩🏿🚀；反之，如能預計組間差異很小🏌🏼，就需要更大的樣本量。在縱向研究中，可能存在失訪🖋，就需要相對更大的樣本量。研究的變量數目和所使用的統計程序的類型也會影響樣本量🍠。一般說來，每個變量應當考慮30個研究對象👩🏽🦲。應該註意到，抽樣偏差（sampling bias）和抽樣誤差（sampling error）是定量研究者必須關心的問題🧝🏼。
如果選擇樣本不仔細，就可能產生抽樣偏差。比如💂🏼，在一項研究中，如果有30%的男生對問卷進行了答復🚶🏻♂️，而可接近總體中有50%是男生，研究結果就可能存在偏差👩🏽🎤，因為樣本並不能代表可接近的總體。研究者需要報告答復率😳。同時，答復者和非答復者的差異（有時被稱為非應答偏倚）也要報告。抽樣誤差指的是從隨機抽樣中得到的數據和從目標人群總體中得到的數據之間的差異。樣本均值和總體均值的差異稱為均值的抽樣誤差。抽樣誤差總是存在的🧖🏽♂️，這與抽樣方法有關，相比隨機抽樣☝️，非隨機抽樣誤差較大🤦🏽♂️。
5.5.2 定性研究中的樣本量
定性研究中的樣本量受研究範圍🛠👨🏻⚖️、研究主題性質😺、數據質量、研究設計等因素的影響🌌。定性研究中的樣本量相對較小且非任意，其目的是對感興趣的現象獲得一個詳盡的描述😇🤽🏻♂️。比如🏄🏻，一個現象學的研究📓，選用的樣本可能是1個~10個研究對象；一項紮根理論研究可能采用10個~60個研究對象。定性研究中確定評估樣本量的關鍵因素是數據飽和原則。如前所述🧒🏼💊，定性研究者在數據收集過程中構建理論，在此基礎上，當來自新的研究對象不能再提供新的信息時，就認為樣本量已經足夠😥，達到了數據飽和。
6 數據收集與分析
6.1 數據收集
定性和定量研究中的數據收集並不一樣。數據收集需要與規範的研究設計和研究目的相匹配💶。有幾種常用的收集定性和定量數據的方法🧖🏼，在醫學教育中常用的收集方法是自填問卷（self-administered questionnaires）、 焦點小組（focus groups）和訪談（interviews）。自填問卷在定量研究方法中得到廣泛應用⛹🏼♂️，焦點小組和訪談在定性研究方法中得到廣泛應用。
6.1.1 自填問卷
問卷調查是在醫學教育研究中使用最多的方法🤙🏼。問卷可以是紙質的，也可以是電子的。自填問卷包含了研究對象需要回答的問題。應當保證問卷中的問題對確定的研究對象有意義，一個好的問題就是根據研究設計將其中的變量以可以測量的形式予以呈現🍕。好的問題之間應當反映變量之間的數據關系🧑🏽⚕️。
問卷問題分為2種類型，即封閉式和開放式問題👩🏽。調查者預先定義封閉式問題，不過這容易限製問題的範圍和深度▫️。開放式問題可以讓研究對象有機會自由地更有深度地予以回答🚈。相比開放式問題🛡🧨，封閉式問題的分析更加容易。使用這2種方法，研究者可以測量研究對象對研究現象的知識、看法🍊、態度🤸🏼、信仰和觀點等。問卷不宜太長，否則，研究對象可能會感到枯燥與無聊，甚至可能放棄問卷或者不回答完所有的問題🦂，導致缺失值和低回答率。一般來說，短問卷比長問卷得到答復的可能性更大👩🏿🍳。在問卷調查中，要註意到特殊群體，如老人和小孩🪩，他們可能並不適合采用自填問卷。
基於網絡的調查能夠簡化傳播和收集問卷的過程🏇🏼，並且可以減少數據錄入錯誤🧑🏽🦰🥱，而被廣泛應用於教育研究中🧑。不過相比於紙質問卷調查👆🏼，在線問卷的回答率要更低，需要更多的激勵措施。匿名問卷更可能收到真實的答復。
6.1.2 焦點小組
焦點小組是定性研究方法中經常使用的數據收集方法。焦點小組是一個半結構化的討論小組🐭，由一個小組領導主持🌶，在非正式的環境中進行，其目的是收集一個特定主題的信息。在焦點小組中，當研究對象互相交流時，對於感興趣的問題，小組成員會陳述各自的觀點👩🏿🔬。由焦點小組產生的數據是研究對象組成的小組共同構建的綜合數據，不代表每個研究對象的觀點🧖🏽♂️。一個焦點小組通常由7名~10名可以提供良好定性數據的研究對象組成。大多數研究只有很少的焦點小組🚖，但是他們能夠與其他收集數據方法，如個人訪談或問卷結合起來。這種混合方法在教育等社會科學研究中很受歡迎🖐🏼。
6.1.3 訪談
大多數定性研究是基於訪談的。定性研究的訪談目的是探索和描述確定的受訪者的經歷與所研究現象的關系。定性訪談研究可以分為2種類型：半結構化訪談（semi-structured interviews）和深度訪談（in-depth interviewa）🕝，深度訪談通常為非結構式訪談（unstructured views）。
在半結構化訪談中，訪談者預先選定問題🥒，形成訪談提綱，然後根據訪談提綱提問。不過，大多數定性研究使用的是深度訪談👩🏻🦲。當研究者對所研究主題知之甚少時🅱️，這種方法非常有用。深度訪談的重點是“調查者與那些對研究主題有了解或有經歷的人的交流”🕺🏻。通過這種訪談，研究者探索到調查對象的經歷、 動機和見解🤦🏿♀️，學會用他人的角度看世界🥭，而不是自己的觀點🔀👳🏿♀️。在深度訪談中，調查者首先詢問一些開放式的問題🏹，然後引向深入。比如，“你所經歷的PBL是什麽樣的🍂？你能對我闡釋一下你的經歷嗎？”後續的問題則基於受訪者的答復。這些問題為PBL討論提供了深入的機會📸。訪談內容需要逐字記錄並加以分析。
6.2 數據質量
對收集的數據進行分析前，需要對數據質量進行檢測👨👩👧。信度（reliability）和效度（validity）是定量研究中對數據質量進行檢測的2個關鍵指標，信度與效度直接關系到數據質量。
信度是指結果的一致性🧋🙎🏽♂️、 穩定性和可靠性，信度反映結果的可復製性。如果重復多次測量👇🏿，結果差異很小，這說明數據的信度較高🫵🏻。效度指測量工具或手段能夠準確測出所需要測量事物的程度👨🏽🎨，測量結果與所要考察的內容越吻合✋🏻，效度越高🏂。如研究者在進行研究時可以問自 己🧔🏽♂️😟，這個測量工具（如調查問卷或調查問卷中的題項設計）真正測量的是什麽🤽🏼♂️，與研究主題是否相關🤮，以及測試的分數是否能夠準確反映所需要測量的內容😺。
需要註意的是👨🏼🦲，信度與效度不完全同向，效度高並不一定信度就高🌹，信度高也並不一定效度就高，定量研究中的數據測量，已經有許多相應的測量理論與方法🥼，如經典測試理論、 概化理論和項目反應理論，它們均可以揭示測量工具的信度和效度。這些方法已經在社會科學的多個領域得到廣泛應用。
定性研究和定量研究均重視數據的質量。由於定性研究的認識論和本體論假設與定量研究不同，定性研究者用“可信性”（credibility）、“可靠性”（dependability）🪢、“一致性”（conformability）、“可遷移性”（transferability）來衡量數據質量。可信性是指對數據的真值和對其解釋的信任。可靠性是用於評估研究結果可信性的另一個標準，研究者應該考慮當再次訪談同一位參與者或調查類似的情況下🧕🏽，研究結果是否會被復製👩🏼🏫。一致性與基於研究對象觀點的研究結果的準確性有關。因此🍵😼，研究結果應該清楚地以研究對象的視角為基礎，而不是研究者的想象🦑。研究結果不應當受研究者的動機、 興趣🧑🏻💻、偏見或觀點所影響。研究者應該了解自己的偏見，以確定研究結果的一致性🕒。可遷移性（有時稱為適用性）是確定研究結果如何遷移或適用到其他環境中🚺。
此外，研究者有時使用三角互證（triangulation）和成員檢查（member check）來驗證研究結果➙。三角互證是指使用不同的方法（如定性或定量方法）以檢查研究結果的有效性，並盡量減少研究中的錯誤來源。三角互證也將有助於研究者更好地理解事實⏏️。在成員檢查中🟦，研究者要求研究對象回顧研究者提供的研究結果和解釋🚣🏼♂️。這對研究者來說是一個很好的機會來證實其研究的意義和對研究的解讀🧔🏿。
6.3 數據分析
研究者需要分析數據以便為解釋研究現象提供證據。定量數據分析與定性數據分析的不同之處在於前者更多地基於數字而不是文本。定性研究者一般不關心數值或統計中解釋的結果。
6.3.1 定量數據分析
定量研究者使用數值和統計程序來組織和解釋數據。定量數據測量可以分為4種類型🧜♀️，分別為名義、定序、間隔和比率，前兩者對應為分類變量，後兩者對應為連續變量。名義測量包括命名觀察（數據）而沒有任何順序或結構，如性別、種族或血型等。定序測量中數據可以按照一定標準或屬性進行排序，如社會階層可以根據收入劃分為低、中、高🫨，數值編碼中分為1、2、3🤱。雖然不能準確推斷低收入人群和中等收入人群的差異，但可以推斷1小於2、2小於3或3大於1和2。在此，需要註意的是數值之間的差異沒有實際意義。在間隔測量中😻，研究者可以對數據進行排序並推斷出數值之間的差異。間隔測量中零點是任意的💗，其值並不意味著不存在，如0攝氏度並不表示沒有熱量🐿。比率測量與區間測量相同，但其零點是絕對的。例如🏪，血壓為0的人是不存在的👱♀️，只有間隔和比率數值可以進行數學運算（如相加或相除）。所有可用於比率數據的統計程序都可以用於間隔數據。在研究中了解數據的測量水平有助於統計分析。統計分析可以劃分為描述統計和推斷統計兩大類。描述統計的目標是描述或概括一組特定數據特征🕵🏽🤭，它涉及頻率分布、 數據分布特征等。在推斷統計中，研究者試圖去挖掘數據之外的信息🖖🧎♂️➡️，它可以分為估計和假設檢驗。估計是研究者根據樣本數據來估計總體的特征，分為點估計和區間估計🔌。而假設檢驗則是根據樣本數據對總體的假設進行檢驗，經常用到的假設檢驗有獨立樣本t檢驗、單因素方差分析、卡方檢驗和回歸分析等。SPSS統計軟件包是在社會科學研究中經常用到的統計軟件‼️，此外SAS🏔、Stata、Eviews等也得到 廣泛使用。對於定量研究中研究結果的解讀，應該在研究者比較以前和現有的研究數據並進行討論後產生⌛️。如果研究結果不支持以前的研究🕵🏿♂️，對其可能的原因應當予以討論和解釋。研究對象的性質在任何時候都必須記住💆🏿💍，要避免研究對象被不恰當地泛化☝️😰。最後，需要明確研究結果對於醫學教育及其未來研究主題的意義👏🏽。根據研究結果的解釋，推薦進一步研究的可能方向🧛🏻♂️。
6.3.2 定性數據分析
與定量數據分析不同，定性數據的分析沒有特定的公式或規則。在定性數據分析中💻，研究者專註於意義而不是可測量的現象。同時，研究者對感興趣的現象提供詳細的描述，而不是測量特定的變量。內容分析法（content analysis approach）是分析定性數據常用的方法。數據收集開始後，可以隨時分析數據🤌🏻。研究者的任務是通過仔細閱讀所有的文字記錄來理解數據。例如，40分鐘的訪談可能會產生20頁~25頁的文本。對此🧜🏿♂️，應當進行分析🏌🏽，以便掌握參與者對感興趣現象的看法。定性研究者應該發展其歸納推理能力，以便分析定性數據🔃🤙🏼。研究者的總體任務是將意義上相似的數據聚合在一起📿，以便生成主要類別。在分類過程中，研究者將訪談記錄分解成有意義的小單元，並使用編碼系統來識別有意義的單元。在編碼過程中，每個單元根據其表示的內容被賦予一個標簽。為了識別主要類別，代碼根據其共性進行類聚，然後將這樣的數據組標記為類別。每項研究通常有10個~15個類別🗡➞。最後🏌🏻，類別形成相關主題。數據飽和度在每個主要類別已經滿時達到，也就是說，新的信息不會添加到該類別中。一些替代方法可以用於分析定性數據🐆，所選擇的方法取決於研究問題和研究者的範式。現象學、 人種誌和紮根理論研究需要進行具體的數據分析👨🏽💼。定性分析軟件包可以幫助管理和加速定性數據分析過程🏃♀️✬，如ATLAS、NVivo軟件。但需要註意的是，這些應用軟件並不能在研究者沒有付出“創造力、思考✖️🧑🏼🎤、嚴謹分析和大量的辛勤工作” 前生成代碼和類別。研究者的任務是編碼👩🏿🏭、 歸屬類別或主題，應用軟件只是幫助實現💔🤪。在定性研究中🪬，對編碼、 類別和主題的解釋依賴於研究者的主觀解釋🪨🐥。因此🧘🏿，定性結果的可信度和研究者的研究水平非常相關。定性研究中結果的解釋可以有多種形式。對於定性研究結果的可遷移性需要加以註意。與定量研究相同🧑🏻🌾🍡，定性研究結果對於醫學教育實踐、政策和未來研究的影響要在研究中體現。
7 結語
采用科學的研究方法對於醫學教育研究至關重要👀🔴，本文對醫學教育研究中的研究方法進行了較為全面的闡述🤽♀️🧎🏻。需要補充的是☦️，在實際研究過程中還需要註意研究中的倫理問題，在倫理中要遵循尊重研究對象🧟、有益原則、不傷害原則和公正原則等。總的來說，在醫學教育研究中需要明白🏘：①定量研究和定性研究並不矛盾，而是相輔相成，其目的都是為了解決問題。②定量研究遵循實證主義範式，其研究的領域被視為客觀現實👃🏿✋；定性研究遵循自然主義或建構主義範式🙋🏽，其研究領域被視為社會建構的主觀現實。③定性研究歸納性地構建和解釋模型和理論，而定量研究演繹性地檢驗理論。④當對所感興趣的現象缺乏了解時，建議用定性的方法來探究和理解這種現象。⑤在定量研究中，研究結果的準確性取決於測量工具的有效性和可靠性👨🏻✈️🧜♀️；而在定性研究中🧑🦼，研究結果的可信度很大程度上依賴於研究者的水平。⑥定量研究者依賴於從統計過程中獲得的描述統計或推斷統計結果，而定性研究者則依賴於參與者真實話語的分析來描述和支持所確定的主題🧑🏿🚒👨🏻🦯。⑦所有的研究都必須考慮基本的倫理原則，以確保參與者無論是在收集數據的過程中，還是在展示結果的過程中都不會受到傷害。
盡管定量研究與定性研究有所不同☸️，但這2種方法都可以為醫學教育提供新的證據🙇🏽♂️🥬，提高醫學教育理論和實踐的科學性和可信度，從而為醫學教育改革提供支撐。對於醫學教育研究者而言🧑🏿🔧，選擇正確的研究方法，回答所需要或所感興趣的研究現象或問題是其面臨的挑戰。研究方法選擇的關鍵在於對其能夠有正確的理解和整體性的掌握。本文的目的就在於幫助醫學教育研究者在選擇正確的研究方法時盡可能減少困難。對於研究方法的一些具體細節👩🚀🫸🏼，由於篇幅所限，文中表述可能並不到位，但結合參考文獻或文中的相關關鍵術語💡，本文希望能夠為同道提供進一步學習和探究的途徑👾。
利益沖突 所有作者均聲明不存在利益沖突
作者貢獻聲明 吳紅斌🤸♂️：文章撰寫；王維民：提出研究思路
參考文獻略