W10B. Раздел Methodology в research proposal

1. Краткое содержание

1.1 Назначение и обзор

Methodology section — часть research proposal, в которой вы объясняете, что будете делать и почему именно так. Центральная задача — убедить читателя, что research design адекватен вашей цели исследования и что выбранные методы позволят осмысленно интерпретировать результаты. Сильный раздел Methodology конкретен, логически выстроен и напрямую связан с целями, заданными ранее в proposal.

Ряд принципов задаёт качество изложения методологии. Будьте конкретны: размытые описания не дают оснований оценить дизайн. Пишите логично: читатель должен проследить цепочку от research question к выбранному подходу без провалов. Опирайтесь на примеры и обоснования из Literature Review, потому что выбор в Methodology должен опираться на прецеденты или gap, выявленные в литературе. Используйте Present и Future: вы описываете план, а не завершённую работу.

1.2 Семь вопросов при проектировании Methodology

Чтобы методология была связной, выполнимой и защитимой, ответьте на семь ключевых вопросов.

1.2.1 Research approach

Первый вопрос — какой research approach выбрать: inductive или deductive.

Inductive research design движется от частного к общему. Уместен при слабой литературе по теме и когда нужна гибкость корректировать ход по мере появления данных. Три этапа: (1) конкретное наблюдение явления, (2) распознавание закономерностей в данных, (3) формулировка общего вывода или рабочей теории.

Пример: исследователь наблюдает за производительностью сети во времени, собирает данные о простоях (конкретное наблюдение), замечает закономерности, связывающие факторы с частотой простоев (паттерны), и выстраивает теорию о причинах отказов сети (общий вывод).

Deductive research design начинается с существующей теории и движется от общего к частному. Используется для проверки теорий, которые обычно получены ранее индуктивно. Пять этапов: (1) выбрать существующую теорию, (2) сформулировать hypothesis из теории, (3) собрать данные, (4) проанализировать данные, (5) решить, принять или отвергнуть hypothesis.

Пример: из теории, что удалённые IT-сотрудники продуктивнее офисных, формулируется гипотеза «удалённые сотрудники продуктивнее», собираются данные о продуктивности до и после перехода на удалёнку, анализируются различия, гипотеза подтверждается или отвергается по статистической значимости.

На практике часто комбинируют оба подхода: сначала индуктивно строят рабочую теорию, затем дедуктивно проверяют или оспаривают её.

1.2.2 Practical considerations

Перед фиксацией дизайна оцените practical constraints: сколько времени на сбор данных и на написание; реально ли получить доступ к данным (корпоративные базы, респонденты, оборудование); хватает ли навыков — например, статистики или качественных интервью.

Игнорирование ограничений даёт теоретически красивый, но невыполнимый план.

1.2.3 Data collection methods

Третий вопрос — как вы будете собирать данные. Две основные категории:

• Surveys: interviews (лично, открытые вопросы, развёрнутые ответы) и questionnaires (рассылка участникам, часто закрытые вопросы для сопоставимых ответов).
• Observations: quantitative (систематический подсчёт или измерение) или qualitative (подробные полевые заметки и густое описание ситуации или процесса).

Метод должен соответствовать research question: интерпретация открытых явлений — чаще качественные подходы; проверка гипотез со статистикой — количественные.

1.2.4 Use of secondary data

Secondary data — данные, собранные не вами. Уместны при нехватке времени или ресурсов на первичный сбор. Источники: опубликованные датасеты, архивы организаций, государственная статистика, корпуса из прошлых исследований. Вклад вашего исследования — новый взгляд на данные или новый вопрос к ним.

1.2.5 Sampling method

Редко изучают всю population; обычно работают с sample — подмножеством, призванным её представлять. Способ отбора влияет на валидность и generalizability выводов.

Две широкие категории:

Probability sampling — у каждого члена population известная ненулевая вероятность попасть в выборку:

• simple random sample — полностью случайный отбор;
• systematic sample — через равные интервалы (например, каждый третий в списке);
• stratified sample — деление на подгруппы и пропорциональный отбор из каждой;
• cluster sample — деление на кластеры, случайный выбор кластеров и включение всех внутри них.

Non-probability sampling — не у всех равные шансы; быстрее и дешевле, но слабее обобщение:

• convenience sample — кто доступнее;
• purposive sample — целенаправленный отбор по критериям, связанным с RQ;
• snowball sample — респонденты приводят следующих из сети, полезно для труднодоступных групп;
• quota sample — фиксированные квоты по подгруппам.

1.2.6 Sample size

Универсального ответа «сколько наблюдений» нет. Уместный sample size в IT-исследованиях зависит от целей, требуемой точности, вариабельности population и метода отбора. При сомнениях используйте sample size calculator по желаемому confidence level и margin of error.

1.2.7 Data analysis

Последний вопрос — как вы будете анализировать собранные данные.

Quantitative analysis — числовые данные: статистика суммирует закономерности в выборке, оценивает параметры population и проверяет гипотезы с заданной уверенностью.

Qualitative analysis — нечисловые (non-numerical) данные: тексты, транскрипты, полевые заметки, изображения. Цель — повторяющиеся темы, смыслы и элементы, напрямую связанные с RQ.

В mixed-methods можно сочетать: количественно оценить масштаб явления, качественно объяснить механизмы или переживания.

1.3 Объяснение выбора

Типичная ошибка — перечислять методы без обоснования. Methodology — не меню приёмов, а аргумент. Для каждого элемента дизайна ясно объясняйте, почему он наиболее уместен к вашей проблеме. Если выбран deductive подход — какую теорию проверяете и зачем это важно. Если convenience sample — признайте это и объясните, почему probability sample в ваших условиях нереалистичен.

Обоснование показывает, что решения продуманы и информированы, а не случайны.

1.4 Признание ограничений

У любого дизайна есть ограничения: границы обобщения, возможные смещения, практические рамки. Заранее назовите и признайте их в Methodology. Это не слабость, а признак строгости. К каждому ограничению добавьте plan of action: как смягчите риск или почему исследование остаётся ценным несмотря на него. Читатель охотнее доверяет выводам, если видит, что границы работы продуманы.