Podejście naukowe
Jakościowe metody badawcze są uważane za preferowane podejście do badań akademickich, z rzadkimi przydziałami dla metodologii jakościowych, które mają być wykorzystane, gdy podmioty badawcze (częściej niż nie, podmioty ludzkie) odmawiają skodyfikowania w solidny konstrukt analityczny. Jak sama nazwa wskazuje, badania ilościowe produkują liczby, które ułatwiają pomiar, ocenę i wnioskowanie.
Hypothetico-Deductive
Zwolennicy twierdzą, że największą siłą badań ilościowych jest wyraźne ugruntowanie w teorii: hipotezy są opracowywane w celu przetestowania wariantów na ustalonych teorii w celu ich udoskonalenia w oparciu o te zidentyfikowane zmienne. Nie udowadnia to ustalonych teorii, ale raczej poprawia je dzięki dodatkowym zestawom danych, które wspierają oryginalne wyniki lub są z nimi zgodne.
Korzystanie z populacji próby, która może być znacznie większa niż w przypadku badań jakościowych, dane mogą być zbierane dość szybko przy użyciu narzędzi ankietowych za pośrednictwem poczty elektronicznej lub telefonu, a dostępność oprogramowania statystycznego pozwala na precyzyjną i dokładną analizę danych. Potencjalna stronniczość badania jest ograniczona do projektu badania, projektu narzędzia ankietowego i interpretacji danych, w przeciwieństwie do szerszego ryzyka stronniczości obserwatora w badaniu jakościowym.
Siła predykcyjna statystyki
Ponieważ dane z badań ilościowych są dostarczane w formie liczbowej, możemy zastosować testy statystyczne do tych danych, aby uzyskać miary opisowe, które mogą być następnie wykorzystane do tworzenia prognoz w granicach stopnia, w jakim populacja próby może być uważana za reprezentatywną dla większej populacji. Zaczynając od podstawowych miar opisowych, takich jak średnia, tryb, mediana i odchylenie standardowe, możemy ustanowić podstawowe ramy danych przed przejściem do bardziej inferencyjnych testów, takich jak t-testy, ANOVAs i wielorakie środki, takie jak obliczenia regresji wielokrotnej (MRC).
Stopień, do którego wyniki mogą być następnie uogólnione do szerszego wnioskowania będzie zależał od wszechmocnego testu p, który jest używany do określenia ważności statystycznej danych. Pod warunkiem, że wartość p jest mniejsza niż 0,05, szansa, że dane były wynikiem przypadku jest mniejsza niż 5 procent.
Reprodukowalność I Fałszywe Pozytywy
Możliwość określenia konkretnych zmiennych w rozwoju hipotezy zapewnia badaniom ilościowym nieodłączną odtwarzalność. Ponieważ testujesz warianty ustalonej teorii, a nie proponujesz nową teorię, badacze, którzy próbują zatwierdzić twoje badania z zastosowaniem wszystkich tych samych protokołów, powinni być w stanie zreplikować twoje wyniki. Jeśli tak się nie stanie, protokół jest sprawdzany pod kątem zgodności z oryginałem, a jeśli to się sprawdzi, oryginalny zestaw danych powinien być następny na liście, zakładając oczywiście, że autorzy badania, które próbujesz zwalidować, są skłonni podzielić się tymi danymi.
Jeśli oryginalne badanie było oparte na fałszywym wyniku pozytywnym, gdzie analiza danych wygenerowała istotność statystyczną dla czegoś, czego tak naprawdę nie było, prawdopodobieństwo, że będziesz w stanie zreplikować te wyniki będzie niewielkie do zera, chyba że będziesz w stanie odwzorować analizę statystyczną krok po kroku.