AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

混合方法研究

创建 2026-08-24 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

混合方法研究（Mixed-methods research） — 在单一研究中有意结合定量与定性两条脉络的设计与实践，使它们的优势互补、弱点互抵。在教育中的人工智能中，混合方法设计被广泛使用，因为 AI 的效应既可测量（学习增益、参与）又富含意义（信任、能动性、身份）—— 而单靠一份调查或一次访谈都无法同时捕捉两者。

值得思考的问题

  • 假设一份调查显示学生对一个 AI 工具满意度高，但考试成绩没有提高。哪个数字是“对”的？本页主张，结合定量与定性脉络能让彼此解释对方 —— 一次访谈如何能解释数字单独不能解释的东西？
  • 一种常见观点认为，数字是客观的、访谈是轶事的，所以定量证据更优越。本页却把两者视为互补 —— 数字带来广度与精确，词语带来深度与意义。一个缺乏情境的数字何时比一次访谈更具误导性？
  • 有一种设计模式（序贯解释式）先收集定量数据，再用访谈来解释出人意料的结果。你能想到一个教育结果，它在数值上令人困惑，直到定性叙述揭示了机制？
  • 三角互证是核心价值：当独立脉络收敛时，信心上升，而当它们分歧时，这一差异本身便是有信息量的。你可曾有过关于同一事物的两个证据来源相互矛盾 —— 你从冲突中学到了什么？
  • 混合方法能同时捕捉效应（多少学习增益）与意义（信任、身份、能动性）—— 这些是单靠一次调查或一次访谈都无法捕捉的。如果你要研究一个 AI 工具是否帮助学生，你会把哪些定量与定性问题配对，以什么顺序？

引言

混合方法设计把定量方法的广度、精确与因果力，与定性方法的深度、情境与意义整合起来。其价值主张是三角互证：当独立脉络收敛于同一结论时，信心增加；当它们分歧时，这一差异本身便是有信息量的。

常见设计模式

  • **序贯解释式（QUAN → qual）。**先收集定量数据，再用定性数据解释或情境化出人意料或显著的定量发现。一项关于 GenAI 与可持续学习的混合方法研究把三波调查与教育者访谈配对，以解释从增强到过度依赖的定量模式。

  • **序贯探索式（QUAL → quan）。**定性工作建构理论、生成假设，或为随后作定量检验的工具设计提供依据。一项 ChatGPT 采纳的定性分类学产出了可为后续调查设计提供依据的类别。

  • **带测量不变性的探索式序贯。****Bu 与 Li（2026）**编码访谈以识别该模型的四个维度，据此建构一份 22 条目的工具，然后在 642 个分析样本上检验其跨性别与学科领域的配置、度量与标量不变性 —— 展示了一条定性脉络如何喂入一份调查工具，以及一个不变性检验如何确认构念在群体间行为一致。

  • **收敛/并行式。**定量与定性脉络同时运行、在分析中整合。胜任力悖论研究并行使用教师焦点小组、学生调查与后续访谈；信任–效用差距研究结合关于物理专业学生 AI 采纳的调查与访谈证据。

混合方法在知识库中的体现

  • 解释机制。Same AI, different pathways: Unpacking mechanisms of AI-mediated learning across discipline-institution contexts结合脉络以拆解 AI 中介学习在学科–机构情境中的机制，那里单看定量差异是不透明的。

  • 以经验补充结果数据。AI 导学安全把定量伤害指标与关于教学伤害的定性叙述配对；The Competence Paradox: Negotiating Ease, Risk, and Creative Identity in Text-to-Image Generative AI Use Among Art and Design Students把定量调查结果与关于身份协商的定性叙述配对。

  • **整合而不合并。****Wang 与 Zhao（2026）**协调一份调查（N = 131）、对 66 篇批判性参与文本的人工编码，以及来自不同样本、从不合并的编程日志（N = 1,423），把无 AI 痕迹分支赋予一个边界检验角色而非确证角色 —— 每条脉络被赋予一个独特的推断任务，而非并排报告。

  • 设计与评价。一项关于 GenAI 反馈设计的多站点实验把实验结果测量与来自学习者的定性反馈结合，把定量效应估计与设计指引整合起来。

  • **大型试验内部的过程证据。****Mata 等（2026）**把对管理者的系统观察与讨论，与一项横跨八个学期、8,708 名学生、功效足以检测 0.05 个标准差效应的四年随机评价配对，使同一研究既解释了维持一个聊天机器人项目的组织条件，又报告了关于 GPA 与坚持性的紧致有界零结果。

  • **对一项政策现象作三角互证。**一项对 EdTech 中学生隐私推迟的研究，把十二次半结构化访谈与一份由两名编码者按评分者间信度（平均 Cohen's κ = 0.781）打分的 48 平台文件审计配对，用访谈解释隐私为何被推迟、用审计显示推迟所产生的披露模式 —— 这是一种收敛式设计，任一脉络单独都无法支撑该主张（Nair 与 Greenstadt，2026）。

优势与局限

  • **优势：**三角互证提高信心；定量的广度加定性的深度；能解释意外结果、贯通机制与量级；同时产出效应与意义；非常适合复杂、有情境的 AI 教育现象。

  • **局限：**复杂、资源密集、方法上要求高；若脉络只是并排报告而非真正融合，整合可能流于浅表；仍继承各脉络的弱点（例如调查中的自陈偏差、访谈中的研究者依赖）；要求在两条方法论传统上都具备熟练度。

  • **一项限界推断的聚类限制。****Alshehri 等（2026）**指派两个完整班级（n = 31，n = 22），因此只有两个聚类时，所报告的 t 检验忽略了类内嵌套，而多层模型不可估计，使显著性检验对该设计能支撑的东西过于乐观。

与更广的方法图景的关系

混合方法居于定量与定性传统之间，借鉴两者的优势，同时增加了有意整合的设计纪律。它是对“AI 教育现象既有效应又富含意义”这一认识的方法论回应 —— 而该领域在广度与深度结合时前进最快（参见AIED 研究方法）。它连接到教育测量（定量工具）、AIED 理论发展（定性理论建构）与AIED 评价（整合结果与经验证据）。

关联概念

关联文章

元数据

研究设计Survey
研究方法与评价混合方法研究, 质性研究, 量化研究, 教育人工智能的研究方法
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。