第五节　研究设计

社会学家已经应用了大量的研究方法和研究设计。一些社会学家用的研究设计是实验设计。实验设计是实验的组织者把实验对象分成不同的组，并且对比不同组在不同变量上的特征差异。例如，如果我们想了解开发的新的数学课程是否比旧的更好，我们可以选择40个学生作为我们的实验样本。用随机抽取的方法，抽20个学生使用旧的数学课程，另外20个学生使用新的数学课程。然后针对这两组各20个学生进行测试，观察哪一组掌握更多的数学概念。基于随机抽取的方法，将40个学生分为两组，我们假定来自两组学生个体所产生的差异性被均匀地分派到这两组学生中，两组学生任何成绩上的差异均来自不同的课程设计产生的不同的教学效果。当然，这种假设过于苛刻，也有可能不成立。

研究变量相关性的研究设计也是社会科学领域最常用的研究方法之一。这种研究设计中，参与者并非总是被随机分配在不同的组，而且研究者并不干涉参与者的活动，通常仅作为观察者记录和收集他们关注的变量所涉及的相关数据，分析并判断测量参与者特征的不同变量之间的相关度有多大。例如，如果我们想了解员工的劳动生产率和他们的睡眠之间的相关度有多大，那么我们可以选择100个员工作为样本，测量他们工作状态的劳动生产率，然后指定一周，测量他们平均每晚的睡眠时间。可能结果是员工的睡眠时间和劳动生产率之间存在强相关关系。因此，逻辑上我们就证明了结论的合理性，因为有更多休息时间的员工工作更努力且效率更高。但是，值得注意的是，即使这个结论是合理的，相关性研究也只能告诉我们变量之间是否存在相关性，但不能告诉我们变量之间存在确定的因果关系。因为，有可能是两个变量互为因果的关系：因为员工在工作中效率更高，才使他们有更多时间回家休息。

实验设计无疑是一种好的研究设计，因为这种设计可以将可能导致因变量变化或者变异的特定自变量分离出来。在上面的例子中，我们控制了数学课程设计效果的自变量，以此推断使用不同类型数学课程设计的教学效果对学生成绩产生的影响。实验设计最主要的缺陷是研究假设很严苛，通常不适用于现实情境。在上边的实验例子中，我们不能保证是否只有数学课程设计这一种因素影响了学生的成绩，也许还存在其他影响因素，比如；我们的两组学生存在预先存在的数学学习能力的差异性，与课程设计无关的数学老师的教学方式差异，这两个因素同样会影响学生的成绩。相关性研究设计的优势是通常比实验研究更易于操作，它相对容易纳入很多变量，允许研究者同时检测多个变量。相关性研究的主要缺陷是在做结论的时候必须非常小心谨慎，避免做出涉及因果关系性的结论。