Een wetenschappelijke benadering
Kwantitatieve onderzoeksmethoden worden beschouwd als de voorkeursbenadering van academisch onderzoek, waarbij zelden kwalitatieve methoden worden toegepast wanneer de onderzoekssubjecten (meestal menselijke subjecten) weigeren te worden gecodificeerd in een robuuste analytische constructie. Zoals de naam impliceert, produceert kwantitatief onderzoek getallen die meting, beoordeling en gevolgtrekking vergemakkelijken.
Hypothetisch-Deductief
Voorstanders betogen dat de grootste kracht van kwantitatief onderzoek de duidelijke gronding in theorie is: hypothesen worden ontwikkeld om varianten op gevestigde theorieën te testen om ze te verfijnen op basis van die geïdentificeerde variabelen. Dit bewijst de gevestigde theorieën niet, maar verbetert ze eerder met aanvullende datasets die de oorspronkelijke resultaten ondersteunen of op één lijn brengen.
Gebruik makend van een steekproefpopulatie die veel groter kan zijn dan voor een kwalitatieve studie, kunnen gegevens vrij snel worden verzameld met behulp van enquête-instrumenten via e-mail of telefoon, en de beschikbaarheid van statistische software maakt een nauwkeurige en nauwkeurige gegevensanalyse mogelijk. Het potentieel voor onderzoeksbias is beperkt tot het ontwerp van de studie, het ontwerp van het enquête-instrument, en de interpretatie van gegevens, in tegenstelling tot het bredere risico van waarnemersbias in een kwalitatieve studie.
De voorspellende kracht van statistiek
Omdat kwantitatieve onderzoeksgegevens in numerieke vorm worden geleverd, kunnen we statistische tests toepassen op die gegevens om beschrijvende metingen te produceren die vervolgens kunnen worden gebruikt om voorspellingen te doen binnen de grenzen van de mate waarin de steekproefpopulatie als representatief voor een grotere populatie kan worden beschouwd. Beginnend met elementaire beschrijvende maten zoals gemiddelde, modus, mediaan, en standaardafwijking, kunnen wij een elementair gegevenskader vaststellen alvorens over te gaan tot meer inferentiële toetsen zoals t-toetsen, ANOVA’s, en multivariate maten zoals meervoudige regressieberekeningen (MRC).
De mate waarin de resultaten vervolgens kunnen worden gegeneraliseerd tot een bredere gevolgtrekking zal afhangen van de almachtige p-test die wordt gebruikt om de statistische geldigheid van de gegevens te bepalen. Als de p-waarde kleiner is dan 0,05, is de kans dat de gegevens het resultaat zijn van toeval kleiner dan 5 procent.
Ireproduceerbaarheid en vals-positieven
Het vermogen om specifieke variabelen af te bakenen bij de ontwikkeling van een hypothese geeft kwantitatief onderzoek een inherente reproduceerbaarheid. Aangezien u varianten van een gevestigde theorie test in plaats van een nieuwe theorie voor te stellen, zouden onderzoekers die uw studie met dezelfde protocollen proberen te valideren, in staat moeten zijn uw resultaten te repliceren. Als dat niet gebeurt, wordt het protocol onderzocht om na te gaan of het overeenkomt met het origineel, en als dat klopt, is de oorspronkelijke dataset de volgende op de lijst, ervan uitgaande, natuurlijk, dat de auteurs van de studie die u probeert te valideren bereid zijn die gegevens te delen.
Als de oorspronkelijke studie was gebaseerd op een vals-positief, waarbij de gegevensanalyse statistische significantie genereerde voor iets dat er niet echt was, is de kans dat je die resultaten kunt repliceren klein tot nihil, tenzij je de statistische analyse stap-voor-stap in kaart kunt brengen.