Quantitative Research Methods for Communication

出版者:Oxford University Press, USA

作者:Jason S. Wrench

页数:512

出版时间:2008-01-23

价格:USD 59.95

装帧:Paperback

isbn号码:9780195337471

具体描述

This book takes a unique approach to quantitative research by showing students that numbers do not have to be intimidating. The hand-on approach introduces students to the scientific methods behind quantitative research and explans how faces are discovered via research. Along with providing a history of social science researhc, the authors illustrate the usefulness of understanding quantitative research methods. The case studies and data sheets provided throughout, are excellent pedagogical examples and outline studies that are of interest to many students.

用户评价

从批判性思维的角度来看待这本书，它在讨论不同研究范式的优劣时表现得尤为成熟和客观。传播学领域素来存在量化与质化之争，这本书并没有偏袒任何一方，而是清晰地阐述了定量方法的优势——即普适性、可复制性和精确性——同时也毫不避讳地指出了其局限性，比如过度简化复杂的人类经验，或者在控制了所有变量后可能遗漏了重要的背景语境。这种平衡的视角，对于培养研究生的全面视野至关重要。特别是关于因果推断的部分，作者对实验设计和准实验设计的区分，以及对混淆变量（confounding variables）的控制策略的讲解，非常具有启发性。我记得它分析了某个媒介干预实验中，由于样本选择偏差导致的结果偏差，并提供了如何通过倾向性得分匹配（Propensity Score Matching, PSM）等方法进行事后补救的思路。这种对研究局限性的坦诚和提供解决方案的积极态度，远胜过那些只展示成功案例的教材。

我个人认为，这本书最强大的地方在于它将“研究伦理”和“结果报告规范”融入到了方法论讨论的各个环节。在现代学术界，研究的透明度和可信度日益受到重视，这本书没有将伦理和报告单独列为一个章节了事。它在讨论抽样时，会提醒我们注意对弱势群体的代表性问题；在讨论数据收集时，会强调知情同意的重要性；而在结果呈现时，则详细说明了如何清晰、诚实地报告效应大小（effect sizes）和置信区间（confidence intervals），而不是仅仅依赖于P值。这种系统性的伦理意识植入，体现了作者对负责任的科学研究的深刻理解。对于准备进行毕业论文或博士论文研究的读者来说，这本书不仅教你“如何做研究”，更重要的是教你“如何做一个好的、负责任的研究者”。读完之后，你会感到自己的研究框架更加扎实，对学术共同体的责任感也油然而生，这远比学会几项统计技能更有价值。

这本书在统计软件应用方面的介绍，可以说是亮点中的亮点。很多教材往往只停留在理论层面，但真正动手操作起来，面对SPSS、R或Stata等软件的界面时，新手常常会感到无从下手。然而，这本书巧妙地将软件操作步骤融入到具体的数据分析章节中，而不是堆砌枯燥的菜单说明。比如，在讲解因子分析时，它不仅解释了什么是共同度和特有度，还配上了截屏和详细的输出结果解读指南，教我们如何识别潜在因子，并确保模型的拟合度。更令人称道的是，它对数据清洗和预处理的重视。在实证研究中，数据质量往往决定了研究的成败，而这本书花了相当的篇幅来讨论缺失值处理、异常值检测以及如何规范化数据，这些都是实战中极其重要的环节。对于那些想要将自己的传播学研究投稿到高水平期刊的读者而言，掌握这些技术细节是不可或缺的。它确保了我们的研究不仅在理论上站得住脚，在技术操作上也无可指摘，这无疑极大地提升了研究成果的说服力。

看到你提到了《定量研究方法在传播学中的应用》（Quantitative Research Methods for Communication），我作为一名对这一领域感兴趣的读者，有几点想法想分享。首先，这本书的结构安排非常贴合实际研究的流程。从最基础的变量定义、测量信度与效度，到复杂的数据收集技术，再到最后的数据分析和结果解释，它提供了一个非常清晰的路线图。我尤其欣赏它在方法论选择上的详尽讨论，比如在解释回归分析和方差分析的适用场景时，作者并没有简单地罗列公式，而是深入探讨了背后的理论假设以及在传播学语境下如何选择最恰当的模型。这对于初学者来说至关重要，因为它避免了“把锤子当成唯一的工具”的误区。书中大量的案例分析，大多取材于媒介效果、受众行为和信息传播等热门议题，这让抽象的统计概念变得触手可及。例如，它如何通过结构方程模型（SEM）来分析社交媒体使用与态度形成之间的复杂路径，讲解得非常细致入微，让读者能够清晰地看到从理论构建到实证检验的完整过程。这种注重实践操作和理论基础相结合的方式，使得这本书不仅仅是一本工具书，更像是一本引导读者进行严谨学术探索的导师手册。

这本书的语言风格和行文节奏，给我一种非常“英美学术传统”的感觉——严谨、逻辑性强，但又不失一定的可读性。它没有使用过于晦涩难懂的数学推导，而是倾向于用直观的解释和图示来传达复杂的统计概念。例如，解释中心极限定理时，它使用了大量关于抽样分布的图形模拟，让人能迅速抓住核心思想，而不是陷于复杂的概率论证明中。此外，本书在引用前沿文献方面也做得很好，时不时会穿插一些近几年在顶级传播学期刊上发表的经典研究作为例证，这使得内容保持了时代感和前沿性。对于已经具备一定统计基础的研究者而言，这本书可以作为一本极佳的“进阶参考书”，用来巩固和深化对高级模型的理解，比如多层次模型（Hierarchical Linear Modeling, HLM）在分析嵌套数据（如学生嵌套在班级中，班级嵌套在学校中）时的强大应用，书中对HLM的解释就非常到位，结构清晰，层次分明，让人感觉复杂的问题被有效地拆解了。