112 年 國立臺北大學犯罪學研究所《社會科學研究法》

本題主要在探討統計學中的兩種重要錯誤類型：型一錯誤與型二錯誤，並將此概念應用於刑事司法審判的情境，同時要求考生思考降低這兩種錯誤的方法及其政策代價。

核心概念：

• 統計檢定中的假設檢定： 在統計學中，我們常進行假設檢定，目的是根據樣本資料來判斷母體是否符合某種假設。通常我們會設定一個虛無假設 (Null Hypothesis, $H_0$) 與一個對立假設 (Alternative Hypothesis, $H_1$)。
• 型一錯誤 (Type I Error)： 當虛無假設 $H_0$ 實際上是正確的，但我們卻根據樣本資料拒絕了 $H_0$，做出 $H_1$ 成立的結論時，就發生了型一錯誤。其發生的機率通常以 $\alpha$ 表示，即顯著水準 (significance level)。
• 型二錯誤 (Type II Error)： 當虛無假設 $H_0$ 實際上是錯誤的（即對立假設 $H_1$ 是正確的），但我們卻根據樣本資料未能拒絕 $H_0$，維持 $H_0$ 成立的結論時，就發生了型二錯誤。其發生的機率通常以 $\beta$ 表示。
• 統計檢定力 (Statistical Power)： 指的是當虛無假設 $H_0$ 實際上是錯誤時，我們能夠正確地拒絕 $H_0$ 的機率，即 $1-\beta$。

應用於刑事案件審判：
在刑事案件的審判中，我們通常設定的虛無假設是：
$H_0$:被告是無罪的。
對立假設則是：
$H_1$:被告是有罪的。

• 型一錯誤的適用： 當被告實際上是無罪的 ($H_0$ 為真)，但法院卻誤判其有罪時，這就是發生了型一錯誤。
  • 舉例： 一位無辜的民眾被指控犯下竊盜罪，經過審判後，法院卻因為證據不足或誤判，而判決他有罪。
• 型二錯誤的適用： 當被告實際上是有罪的 ($H_0$ 為偽，即 $H_1$ 為真)，但法院卻誤判其無罪時，這就是發生了型二錯誤。
  • 舉例： 一位確實犯下傷害罪的被告，經過審判後，法院卻因為證據有疑、檢察官舉證不足或法官判斷失誤，而判決他無罪。

降低兩種錯誤可能性的方法與政策代價：

| 錯誤類型 | 降低方法
* 政策代價： 提高審判的嚴謹度，例如要求更高標準的證據，或增加更多層次的審核，可能導致審判時間拉長，增加司法資源的消耗，使得司法體系效率降低，影響案件的處理速度。

本題要求考生根據 Sherman 團隊提出的證據等級標準，將犯罪學研究中常見的三種資料收集方法，歸類到相應的證據等級，並說明理由。這需要考生理解不同研究方法的科學性、可信度及控制變項的能力。

核心概念：

• 研究證據等級 (Hierarchy of Evidence)： 指的是不同研究方法在可信度、科學嚴謹性和因果推論能力上的高低排序。通常，隨機對照試驗 (RCT) 被認為是最高等級的證據，而個案研究或專家意見則被認為是較低等級的證據。
• 因果關係的判斷： 評估政策或方案成效時，關鍵在於能否確立政策與成效之間的因果關係，而非僅僅是相關關係。要建立因果關係，需要考慮時間順序、統計關聯性，以及排除其他可能的解釋（控制干擾變項）。
• 研究設計要素： 隨機分派、對照組、控制干擾變項、時間序列分析等，都是影響研究設計嚴謹度和證據等級的重要因素。

Sherman 團隊的五等級標準解析：

• (一) 等級一： 政策/方案與結果「統計上具有顯著高相關」。
  • 特點： 僅指出相關性，未提及因果關係的建立，也未提及控制變項或對照組。
• (二) 等級二： 未控制其他變項，無對照組，但政策/方案與結果在「時間序列上顯著相關」。
  • 特點： 引入時間序列的概念，顯示政策實施前後的變化，但缺乏對照組和對干擾變項的控制。
• (三) 等級三： 「實驗組與對照組比較後」，政策/方案與結果「統計上顯著差異」。
  • 特點： 引入對照組，能進行比較，但可能未嚴格控制干擾變項（例如，分派到實驗組與對照組的樣本可能本身就存在差異）。
• (四) 等級四： 「控制各種變項」，且「進行實驗組與對照組比較後」，政策/方案與結果「統計上顯著差異」。
  • 特點： 包含對照組，且能控制干擾變項，嚴謹度較高，接近準實驗。
• (五) 等級五： 「隨機分派樣本至實驗組與對照組」，政策/方案與結果「統計上顯著差異」。
  • 特點： 這是標準的隨機對照試驗 (Randomized Controlled Trial, RCT)，被認為是建立因果關係的黃金標準。

將犯罪學常用方法歸類：

1. 「個案或專家訪談」
   • 分析： 個案訪談或專家訪談屬於質性研究方法，主要用於深入了解特定情況、個人經驗或觀點。它們可以提供豐富的細節和理論啟發，但難以建立普遍性的統計關聯，更無法建立因果關係。訪談對象的選擇可能帶有偏見，且無法控制其他影響因素。
   • 歸類： 證據等級最低，通常只能視為等級一（僅能顯示相關性，且非常初步，甚至可能連統計顯著性都無法直接證明，但若要硬性歸類，其最弱的推論能力使其接近最低等級）。
   • 理由： 缺乏對照組、無法控制變項、無法進行統計檢定以建立顯著相關或差異，更不用說因果關係。其證明力非常有限，多用於探索性研究。

本題要求考生設計一份專家問卷，以測量「臺北市中正區的治安」這項指標。考生需要列出三個具體的問題，並解釋設計這些問題的理由，這考驗考生對問卷設計原則、專家問卷的特性以及如何具體化抽象概念的理解。

核心概念：

• 專家問卷 (Expert Survey)： 是一種研究方法，透過訪談或問卷方式，收集在特定領域具有專業知識、經驗或見解的專家意見。其目的是利用專家的知識來評估、預測、診斷或提出建議。
• 問卷設計原則：
  • 明確性 (Clarity)： 問題必須清晰、易懂，避免模糊不清的詞彙。
  • 針對性 (Specificity)： 問題應聚焦於要測量的特定指標或概念，避免過於寬泛。
  • 可行性 (Feasibility)： 問題應是專家能夠回答的，而不是要求他們進行超出其能力的預測或分析。
  • 客觀性 (Objectivity)： 問題應盡量避免引導性或主觀偏見。
  • 操作化 (Operationalization)： 將抽象概念（如「治安」）轉化為可觀察、可測量的具體問題。
• 「治安」的維度： 「治安」是一個多面向的概念，包含但不限於：犯罪率高低、犯罪類型（如竊盜、暴力犯罪、詐騙）、民眾安全感、執法效率、社區環境（如照明、巡邏）、社會秩序、交通安全等。

設計專家問卷問題的考量：
在設計關於「臺北市中正區治安」的專家問卷時，我們需要考慮：

1. 專家的角色： 這些專家可能是警察、學者、社區領袖、里長、長期居住或工作於該區的居民代表等。他們對治安的看法可能從不同角度切入。
2. 測量的指標： 如何將「治安」量化或標準化？可以從犯罪發生率、民眾感受、執法狀況等方面著手。
3. 問題的格式： 可以是開放式問題（讓專家自由回答），也可以是封閉式問題（如李克特量表，讓專家評估同意程度；或評分題，讓專家給予分數）。本題要求列出「問題」，可偏向於開放式或引導性的問題，讓專家能提供具體意見。

三個專家問卷問題範例與理由：

1. 問題一：
   「請您根據您在臺北市中正區的專業觀察或經驗，列舉您認為目前該區最為嚴重的三項治安問題，並簡要說明原因。」
   • 理由：
     • 聚焦與操作化： 直接詢問「最嚴重的三項治安問題」能將抽象的「治安」概念具體化為可識別的問題。要求列舉前三項，有助於專家篩選出最關鍵的議題。
     • 專家知識應用： 專家能結合其專業知識（如犯罪統計、趨勢分析、執法經驗）來判斷哪些問題最為突出。
     • 開放性與深度： 要求簡要說明原因，能讓專家提供更深入的分析，了解問題的成因，而非僅停留在現象描述。這有助於後續的政策制定。

本題要求考生說明在進行田野調查 (Field Research / Ethnography) 時，如何確保研究的信度 (Reliability)。這涉及到研究者在資料收集、分析和詮釋過程中的嚴謹性與客觀性。

核心概念：

• 田野調查 (Field Research)： 是一種質性研究方法，研究者親身進入研究對象的自然環境中，透過觀察、參與、訪談等方式，長時間深入地收集資料，以理解特定群體、文化或社會現象。
• 信度 (Reliability)： 在研究方法論中，信度指的是研究結果的一致性與穩定性。一個可靠的研究，如果在相同的條件下重複進行，應該會得到相似的結果。在質性研究中，信度的概念與客觀性、可重複性、一致性相關，但其詮釋方式與量化研究略有不同。質性研究更強調研究者在詮釋資料時的一致性，以及不同研究者在分析相同資料時的一致性（即「觀察者間信度」）。
• 效度 (Validity)： 則是研究測量到其真正想測量的概念的程度。在質性研究中，通常會同時關注信度和效度，並有時會使用「真實性」(Trustworthiness) 這個總稱來涵蓋研究的品質。

確保田野調查信度的方法：

在田野調查中，確保信度的方法主要圍繞著資料的準確性、系統性以及研究者的嚴謹性。以下是一些關鍵方法：

1. 詳細且系統的田野筆記 (Detailed and Systematic Field Notes)：

   • 說明： 研究者必須在田野調查現場，盡可能詳細、客觀且即時地記錄觀察到的現象、對話、行為、環境細節以及研究者自身的感受和初步詮釋。筆記應包含日期、時間、地點、參與者、事件描述、引述等。
   • 理由： 詳實的筆記是資料的主要來源，也是後續分析和驗證的基礎。系統化的記錄有助於研究者回顧和比較不同時間點的觀察，從而確保記錄的一致性。

2. 多重觀察者或參與者檢核 (Multiple Observers or Triangulation of Data Sources)：

   • 說明：
     • 多重觀察者 (Multiple Observers)： 如果可能，讓多位研究者同時進入田野，各自記錄觀察，然後比較筆記，找出差異並討論原因。這有助於減少單一研究者偏見造成的影響。
     • 資料三角檢驗 (Triangulation of Data Sources)： 結合來自不同來源的資料來驗證觀察結果。例如，除了直接觀察，還可以透過訪談、文件分析、照片、錄音等方式，從不同角度印證同一現象。
   • 理由： 多重觀察者可以提高觀察結果的一致性（觀察者間信度）。資料三角檢驗則能增強研究結果的真實性，若不同來源的資料能相互印證，則該發現的信度更高。

3. 長時間的參與觀察 (Prolonged Engagement)：

   • 說明： 研究者在研究場域中停留足夠長的時間，與研究對象建立信任關係，深入理解其文化、規範和行為模式。