109 年 國立臺灣大學社會工作學系碩士班《社會工作研究方法（含社會統計）》

本題旨在評量考生對於質性研究設計的掌握程度，特別是針對特定研究主題（青少年表意權的實踐）的應用。考生需要能夠系統性地規劃一項質性研究，涵蓋研究的核心要素。

核心觀念： 質性研究設計、研究目的與問題、抽樣策略（質性研究）、資料蒐集方法、研究倫理與困難預防。

解題思路：

1. 研究目的與研究問題：

   • 目的： 質性研究的目的通常是深入理解現象、探索經驗、揭示意義。在此情境下，研究目的應聚焦於「深入理解青少年在安置機構中實踐表意權的經驗、挑戰與策略」。
   • 研究問題： 研究問題應具體、開放，引導深度訪談或觀察。例如：
     • 青少年在安置機構中，是如何理解與實踐他們的表意權的？
     • 在實踐表意權的過程中，青少年面臨哪些主要的挑戰或阻礙？
     • 安置機構的工作人員、政策或環境，是如何影響或支持青少年表意權的實踐？
     • 青少年認為哪些方式最能有效促進他們的表意權在機構中得到實踐？

2. 樣本與抽樣策略（質性研究）：

   • 母體： 居住於台灣各安置機構的青少年。
   • 抽樣策略： 質性研究常用目的性抽樣（Purposive Sampling），以獲取特定經驗的參與者。
     • 策略舉例：
       • 最大差異抽樣 (Maximum Variation Sampling)： 選擇來自不同類型安置機構（如：政府設立、民間團體、不同規模、不同服務重點）的青少年，以及不同年齡層、不同安置原因（如：兒少保護、家庭功能失調、行為偏差）的青少年，以涵蓋更廣泛的經驗。
       • 典型案例抽樣 (Typical Case Sampling)： 選擇在機構中「典型」地表意或被表意權影響的青少年。
       • 關鍵人物抽樣 (Key Informant Sampling)： 尋找在機構中對表意權議題較有經驗或了解的青少年。
   • 樣本數： 質性研究的樣本數較少，通常取決於資料飽和（Data Saturation）的原則，即當新蒐集的資料不再提供新的見解時，即可停止抽樣。可能約 10-20 位青少年，或更多，視研究複雜度而定。

3. 資料蒐集方式和過程：

   • 方式：
     • 深度訪談 (In-depth Interview)： 這是最常見且適合的方式。與青少年進行一對一的半結構式訪談，使用開放式問題，鼓勵他們分享個人經驗、感受與觀點。
     • 參與式觀察 (Participant Observation)： 研究者進入機構，觀察青少年在日常互動、會議、活動中的表意行為，以及工作人員與青少年的互動模式。
     • 文件分析 (Document Analysis)： 蒐集與機構政策、兒少權利相關的內部文件、會議記錄、申訴記錄等。
   • 過程：
     • 研究者角色定位： 說明研究者將扮演的角色（如：外部觀察者、友善傾聽者）。
     • 研究倫理審查與同意： 說明如何取得機構的同意，以及如何向青少年及其法定代理人（若適用）說明研究目的、內容、風險與權益，並取得知情同意。特別強調兒童的同意權。
     • 訪談執行： 準備訪談大綱，但保持彈性；訪談時建立信任關係，創造安全、支持的訪談氛圍；錄音並做筆記；訪談結束後進行訪談逐字稿的整理。
     • 觀察執行： 記錄觀察到的現象、時間、地點、人物互動，並反思研究者的主觀感受。
     • 資料分析： 質性資料分析通常是迭代的，可能包含：資料編碼（開放編碼、類別編碼、主軸編碼）、尋找主題與模式、建立理論模型。

本題要求考生比較「深度訪談」與「焦點團體」這兩種質性研究中常用的資料蒐集方法，並根據特定研究主題（青少年表意權的實踐）提出優先採用的建議，同時需考量其優缺點及倫理議題。

核心觀念： 深度訪談、焦點團體、質性研究方法比較、研究倫理。

解題思路：

首先，分別列出深度訪談和焦點團體的優缺點及倫理考量，然後再根據研究主題進行比較與選擇。

1. 深度訪談 (In-depth Interview)

• 優點：
  • 深入性： 能夠深入探究個人經驗、感受、想法、動機，獲得豐富細膩的資料。
  • 彈性： 研究者可根據受訪者的回答，彈性調整問題，深入追問。
  • 隱私性： 提供一個私密的空間，讓受訪者能自在地表達敏感或個人化的議題，較不易受他人影響。
  • 聚焦個人： 適合探究個人獨特的經驗、觀點，或當議題較為敏感、個人化時。
  • 較少社會壓力： 受訪者較不受團體動力影響，可以獨立表達意見。
• 缺點：
  • 耗時耗力： 進行訪談、整理逐字稿、分析資料等過程都較為耗時。
  • 研究者 bias： 研究者的引導或提問方式可能影響受訪者的回答。
  • 難以觸及群體觀點： 較難了解群體中的互動、共識或衝突。
  • 樣本數限制： 由於耗時，一次能進行的訪談數相對較少。
• 倫理議題：
  • 知情同意： 需清楚告知研究目的、訪談內容、資料使用方式、保密原則，並取得受訪者同意。
  • 隱私與保密： 確保訪談內容不被洩漏，保護受訪者身份，特別是在探討敏感議題時。
  • 避免傷害： 訪談過程中若觸及創傷經驗，需謹慎處理，提供支持或轉介資源。
  • 權力關係： 研究者與受訪者之間可能存在權力不對等，需注意避免剝削或壓力。

2. 焦點團體 (Focus Group)

• 優點：
  • 互動性： 群體成員之間的互動可以激發新的想法、觀點，產生「集體智慧」。
  • 效率： 在一次會議中可以蒐集多位參與者的意見，較有效率。
  • 觀察群體動態： 能夠觀察參與者如何互動、協商、辯論，了解群體共識與分歧。
  • 探索社會規範與觀點： 適合了解特定群體對某議題的普遍看法、態度或社會規範。
  • 參與者回饋： 參與者可能會對其他人的發言做出回應，提供更豐富的觀點。
• 缺點：
  • 較不深入： 難以像深度訪談那樣深入探究個人獨特的、細膩的經驗。
  • 群體壓力： 較強勢或意見較多者可能主導討論，壓制其他人的發言；參與者可能因為社會期許而壓抑真實想法。
  • 難以控制： 討論可能偏離預設主題，或出現參與者之間難以處理的衝突。
  • 隱私性較差： 參與者可能不願意在團體中分享過於私密的資訊。
  • 資料分析複雜： 除了個人發言，還需分析群體互動的動態。
• 倫理議題：
  • 知情同意： 需告知研究目的、討論內容、資料將被記錄與分析，以及參與者之間彼此的資料也可能被知曉。
  • 保密性： 雖然研究者承諾保密，但無法完全控制參與者在團體外如何談論討論內容。需強調參與者之間的保密責任。
  • 避免傷害： 需確保討論不會引發過度的衝突或對特定參與者造成傷害。

本題共包含三個小題，分別測試考生對於抽樣方法、量表信效度檢驗以及敘述性統計的理解與應用能力。

核心觀念： 抽樣方法（機率抽樣）、抽樣誤差、信度、效度、敘述性統計（平均數、標準差）、樣本代表性。

---

(1) 抽樣方法

研究主題： 了解台灣大學生創新能力。
目標樣本數： 600 位大學生。
抽樣方法選擇： 考量到要代表「台灣的大學生」這個較大的母體，且希望樣本具有客觀的代表性，因此應採用機率抽樣 (Probability Sampling)。在實際操作上，考量到線上問卷的便利性，以及研究者可能無法直接取得所有大學生的名冊，需要選擇一個可行的機率抽樣方法。

• 建議採用的抽樣方法： 分層隨機抽樣 (Stratified Random Sampling) 或 集群隨機抽樣 (Cluster Random Sampling)，再輔以系統抽樣 (Systematic Sampling) 或單純隨機抽樣 (Simple Random Sampling)。

  • 較可行且代表性較佳的組合：分層隨機抽樣 + 系統抽樣

• 詳細說明：

  • 母體 (Population)： 台灣所有在學大學生。

  • 抽樣架構 (Sampling Frame)： 這是母體所有單位的列表。理想情況下，應取得台灣所有大學（公立/私立、綜合大學/科技大學等）的學生名冊。但這通常非常困難。

    • 替代方案（較實際）：
      • 第一層： 取得全國大學名單，並依據其規模（學生人數）、類型（公私立、綜合/技職）進行分層。
      • 第二層： 在各層內，盡可能取得該層大學的學生名單。若無法取得完整名單，則可能需要採取更複雜的抽樣設計，例如先抽樣學校，再從學校抽樣系所，最後從系所抽樣學生。
      • 考量到線上問卷，更實際的做法可能是：
        1. 分層： 依據大學類型（如：頂尖大學、區域型大學、技職大學）或地區進行分層。
        2. 在各層內，透過網路管道（如：學校公告、學生社群、合作大學）招募參與者。 這已接近配額抽樣或便利抽樣，但可以透過「分層」來盡量維持類別的比例。
        3. 更嚴謹的機率抽樣（若有資源）：
           • 先抽樣學校： 依據大學的規模、類型進行分層，然後在各層內隨機抽取若干學校。
           • 再抽樣系所： 在抽出的學校內，再隨機抽取若干系所。
           • 最後從系所名單中進行隨機抽樣（單純隨機或系統抽樣）。

  • 抽樣單位 (Sampling Unit)： 台灣的大學生個體。

  • 選取此抽樣方法的理由：

    • 代表性 (Representativeness)： 分層抽樣能確保樣本在重要變項（如：大學類型、地區、科系類別）上能盡量符合母體比例，降低抽樣誤差，提高樣本對母體的代表性。
    • 效率 (Efficiency)： 相較於單純隨機抽樣，分層抽樣在相同樣本數下，若層間變異較大，可獲得更精確的估計。
    • 可行性 (Feasibility)： 結合線上問卷，可以在一定程度上實現分層目標，例如透過不同管道招募不同類型的學生。若有資源，則可進行多階段抽樣。

  • 優點：

    • 提高樣本代表性： 確保各子群體（層）在樣本中得到適當的比例。
    • 減少抽樣誤差： 在層內變異小、層間變異大的情況下，估計會更精確。
    • 可進行層內分析： 能夠對各層進行獨立分析。

  • 缺點：

    • 抽樣架構困難： 取得完整的母體名單（抽樣架構）可能非常困難，尤其是在台灣大學生群體。
    • 執行複雜： 相較於單純隨機抽樣，執行步驟較為繁瑣，需要更多規劃。
    • 可能出現不符比例的情況： 如果招募管道不均，即使是分層抽樣，也可能出現某些層的參與者比例與母體不符的情況。
    • 若使用便利抽樣或配額抽樣的變形，則無法保證機率抽樣的客觀性。

• 更簡化的機率抽樣（若資源有限）：

  • 系統抽樣 (Systematic Sampling)： 若能取得一份大學生名單（例如某大學的學生名冊），可計算抽樣間隔 k = N/n (N為總人數，n為樣本數)，然後從隨機起始點開始，每隔 k 人抽取一人。
  • 優點： 執行相對簡單，且通常能獲得與單純隨機抽樣相似的代表性。
  • 缺點： 需有完整的名單；若名單有週期性排列（例如：學號編排有規律），可能導致樣本偏差。

---

(2) 量表信效度檢驗與標準

核心觀念： 信度 (Reliability) 指測量工具本身的一致性與穩定性；效度 (Validity) 指測量工具是否真正測量到其欲測量的構念。

• 信度檢驗統計量：

  • 內部一致性 (Internal Consistency)：
    • Cronbach's Alpha ($\alpha$)： 最常用來衡量量表題目之間的一致性程度。數值介於 0 到 1 之間。
    • 值越高，表示題目越能測量同一個潛在構念。
  • 重測信度 (Test-Retest Reliability)： （若時間允許）同一批受試者在不同時間點進行兩次測量，計算前後測得分的相關係數。
  • 複本信度 (Parallel-Forms Reliability)： （若有複本量表）編製兩個內容相似但題目不同的量表，讓同一批受試者施測，計算兩份量表得分的相關係數。
  • 評分者信度 (Inter-Rater Reliability)： （若量表評分涉及主觀判斷）兩位或多位評分者對同一批受試者進行評分，計算評分者之間的一致性。常用統計量有 Kappa 值、組內相關係數 (ICC)。

• 效度檢驗統計量：

  • 內容效度 (Content Validity)： 主要透過專家判斷來評估量表題目是否涵蓋了欲測量的所有重要面向。通常不使用統計量，而是依賴專家意見。
  • 結構效度 (Construct Validity)：
    • 探索性因素分析 (Exploratory Factor Analysis, EFA)： 用於找出量表潛在的構念（因素），並檢視題目是否能分群到預期的因素上。
    • 驗證性因素分析 (Confirmatory Factor Analysis, CFA)： 用於檢驗預設的因素結構是否符合資料。

本題要求考生設計一個研究計畫，用以評估一門課程對學生創新能力提升的成效，並進一步探討其推論至母體的可能性。這需要考生掌握實驗設計或準實驗設計的原理，以及相應的統計分析方法。

核心觀念： 研究設計（實驗設計、準實驗設計）、因果推論、統計分析（t檢定、ANOVA、迴歸）、外部效度（推論至母體）。

解題思路：

要證明課程的「成效」，即因果關係（課程導致創新能力提升），最理想的研究設計是隨機對照實驗 (Randomized Controlled Trial, RCT)。若無法隨機分派，則可考慮準實驗設計。

1. 研究設計：

   • 首選：隨機對照實驗 (Randomized Controlled Trial, RCT)

     • 設計類型： 前測-後測隨機對照設計 (Pretest-Posttest Control Group Design)。
     • 說明：
       1. 參與者招募： 招募一批大學生作為研究對象。
       2. 隨機分派： 將這些學生隨機分配到兩個組別：
          • 實驗組 (Experimental Group)： 接受欲設計的「提升創新能力課程」。
          • 對照組 (Control Group)： 不接受此課程，可能接受標準課程、另一門無關課程、或不接受任何額外課程（依研究目的決定）。
       3. 前測 (Pretest)： 在課程開始前，對實驗組和對照組的所有學生施測「大學生創新能力量表」（即前題中提到的量表）。
       4. 介入 (Intervention)： 實驗組學生上「提升創新能力課程」，對照組學生則進行對照組的活動。
       5. 後測 (Posttest)： 課程結束後，再次對兩組學生施測「大學生創新能力量表」。

   • 備選：準實驗設計 (Quasi-Experimental Design)

     • 設計類型： 若無法進行隨機分派（例如，學生已自行分班或選課），則可考慮：
       • 非隨機對照組前測-後測設計 (Nonequivalent Control Group Pretest-Posttest Design)： 選擇已存在的兩個班級或群體，一個接受課程（實驗組），另一個不接受（對照組）。由於非隨機，兩組在研究開始時可能已存在差異，需要更謹慎的統計分析。
       • 單組前測-後測設計 (One-Group Pretest-Posttest Design)： 僅有一組學生，在課程前後進行測量。此設計最弱，無法排除時間經過、成熟、歷史事件等外在因素對結果的影響，較難建立因果關係。

2. 執行方法：

   • 定義課程內容： 明確界定「提升創新能力課程」的具體內容、時長、教學方式（如：講座、工作坊、小組討論、專案實作等）。
   • 確保一致性： 課程教學應盡可能一致，避免不同老師、不同批次的教學品質差異過大。
   • 施測標準化： 確保前後測的量表施測過程、環境、指示盡可能一致，以減少測量誤差。
   • 追蹤與記錄： 記錄學生的課程參與度、學習情況等額外資訊，有助於解釋結果。

3. 統計分析方法：

   • 目標： 證明實驗組的創新能力得分相較於對照組，在課程後有顯著提升，且此提升歸因於課程。

   • 步驟 1：驗證組別隨機分派的有效性 (僅適用於 RCT)

     • 方法： 使用前測分數來比較實驗組與對照組之間是否存在顯著差異。
     • 統計分析：
       • 獨立樣本 t 檢定 (Independent Samples t-test)： 比較實驗組和對照組在前測創新能力得分上的平均數差異。若 p 值大於 0.05，表示隨機分派成功，兩組在介入前是相當的。
       • 若 p 值小於 0.05： 表示隨機分派可能未完全成功，兩組在前測時已有顯著差異。此時，應使用 ANCOVA（見下文）來控制前測分數的影響。

   • 步驟 2：評估課程成效 (核心分析)

     • 方法 1：獨立樣本 t 檢定 (比較後測得分)
       • 統計分析： 比較實驗組和對照組在後測創新能力得分上的平均數差異。若 p 值小於 0.05，表示兩組在課程結束後的得分有顯著差異，課程可能有效。
       • 局限性： 此方法未考慮到兩組在前測時可能存在的差異。
     • 方法 2：配對樣本 t 檢定 (比較得分變化量)
       • 統計分析： 計算每位學生的「得分變化量」（後測得分 - 前測得分）。然後，對實驗組和對照組的「得分變化量」分別進行配對樣本 t 檢定（或獨立樣本 t 檢定，若比較兩組的變化量平均值）。比較實驗組的得分變化量是否顯著大於對照組。