A Abordagem Científica
Os métodos de pesquisa quantitativa são considerados a abordagem preferida para a pesquisa acadêmica, com pouca permissão para metodologias qualitativas a serem utilizadas quando os sujeitos da pesquisa (na maioria das vezes, sujeitos humanos) se recusam a ser codificados em uma construção analítica robusta. Como o nome indica, a pesquisa quantitativa produz números que facilitam a medição, avaliação e inferência.
Hipotético-Dedutivo
Advocates argumentam que a maior força da pesquisa quantitativa é o fundamento claro da teoria: são desenvolvidas hipóteses para testar variantes em teorias estabelecidas, a fim de refiná-las com base naquelas variáveis identificadas. Isso não prova as teorias estabelecidas, mas as melhora com conjuntos de dados adicionais que suportam ou se alinham com os resultados originais.
Utilizando uma população de amostra que pode ser muito maior do que para um estudo qualitativo, os dados podem ser coletados rapidamente usando ferramentas de pesquisa via e-mail ou telefone, e a disponibilidade de software estatístico permite a análise precisa e precisa dos dados. O potencial de viés de pesquisa é limitado ao desenho do estudo, desenho da ferramenta de pesquisa e interpretação dos dados, em oposição ao risco mais amplo de viés do observador em um estudo qualitativo.
O Poder Preditivo da Estatística
Dados quantitativos de pesquisa são entregues em forma numérica, podemos aplicar testes estatísticos a esses dados para produzir medições descritivas que podem então ser usadas para fazer previsões dentro dos limites do grau em que a população da amostra pode ser considerada representativa de uma população maior. Começando com medidas descritivas básicas como média, modo, mediana e desvio padrão, podemos estabelecer um quadro de dados básicos antes de passarmos para testes mais inferenciais como testes t, ANOVAs e medidas multivariadas como cálculos de regressão múltipla (MRC).
O grau em que os resultados podem ser generalizados para uma inferência mais ampla dependerá do todo-poderoso teste p que é usado para determinar a validade estatística dos dados. Desde que o valor de p seja inferior a 0,05, a chance dos dados serem o resultado do acaso é inferior a 5%.
Irreprodutibilidade e Falso-Positivos
A capacidade de delinear variáveis específicas no desenvolvimento de uma hipótese fornece uma pesquisa quantitativa com uma reprodutibilidade inerente. Como você está testando variantes de uma teoria estabelecida ao invés de propor uma nova teoria, pesquisadores que tentam validar seu estudo com todos os mesmos protocolos em vigor, devem ser capazes de replicar seus resultados. Quando isso não acontece, o protocolo é examinado para verificar se coincide com o original, e se isso for verificado, o conjunto de dados original deve ser o próximo na lista, assumindo, naturalmente, que os autores do estudo que você está tentando validar estão dispostos a compartilhar esses dados.
Se o estudo original fosse baseado em um falso positivo, onde a análise de dados gerasse significância estatística para algo que não estava realmente lá, a probabilidade de poder replicar esses resultados seria pequena para nenhum, a menos que você fosse capaz de mapear a análise estatística passo a passo.