一、追尋網路使用模式的典範
本系列研究與一般市場調查最大的不同之處,在於期望能夠真正追尋到「科學知識」,而不僅是描述零星的個案現象。
一項--通常是一系列--研究是否具有發展為突破性、開創性、「典範(paradigm)性」科學知識的可能?根據科學哲學的歷史,這樣的研究應該具備以下的三項特徵:
1. 研究的方法與過程是一種建立「典範」,挑戰與革命的過程。
2. 研究的目標是獲得一種以簡馭繁、「模式」化的敘述。
3. 研究的成果應能解釋、預測、與控制研究對象。
(一)典範
科學哲學史家Kuhn在探討科學的結構與革命的時候[30],一再強調科學只是從事相同研究者,一夥小社群中的共識—亦即「典範」(paradigm);而與大眾無關。
由於大眾本身沒有判斷科學的能力(或動機),大眾對科學的認識通常都來自當前的優勢科學小社群,形成一種二級傳播。
也就是說,大眾認識的科學,其實是當前優勢科學社群所定義的科學,是一種科學的「形象」而不是科學的本質。(注[1])
大眾很容易享受科學的結果,但很難瞭解科學的過程。大眾與科學,本質上是疏離的。
中國傳統智慧中其實早有相同的洞察,孔子說「中人不可以語上」,他並不是目中無人、孤芳自賞;也不是批評大眾資質不佳;而是大眾缺乏追求科學的動機,以及必須投入大量的時間精力。這也是Kuhn一再強調科學是個「小」社群的原因之一。
那麼,當前優勢科學社群所定義的科學,是否就是最真的科學呢?在一定的時間範圍、一定的環境框架下或許是如此。
Kuhn也點出,科學的發展無法自外於政治社會環境的發展。因此,當前優勢科學社群其實是與當前的資源分配相結合的社群。而所謂的當前優勢科學社群,就是掌握當時最多發展資源的研究社群。
在重大科學突破上,即Kuhn稱為科學「典範」的建立上,當前優勢科學社群主動演化的少,而被迫改變的多,這也是Kuhn所以詮釋科學的發展,是一種「革命」過程的原因。
把這項觀照移到市場研究領域來看,當前一般的市場研究很少被認為具備充分的科學性,但弔詭的是,一般人還是跟隨著一般的市場研究方法走,這就是優勢社群在潛意識中主導的作用。
市場研究的困境,實在已說明有再創典範的必要。先進國家固然有許多值得借鏡之處,但歷史上的典範突破並不是都發生在優勢國家。任何一位研究者,其實都有開創新典範的可能。
當然,典範的建立不是一蹴可幾,科學本身是一種不斷嘗試錯誤、求真的過程。嘗試可能發生錯誤,不嘗試卻永遠錯誤。
(二)以簡馭繁與模式
大眾和科學的疏離,是否因為科學很困難呢?
Kuhn在另外一本探討科學本質、科學基本張力的書中,提出了判別什麼才是良好科學理論的準則。[29]他指出:良好科學理論的條件之一,一定是形式很簡單。
也就是說,科學的困難不在結果,而在過程。這也就是說:科學是「知難行易」的。
以簡馭繁不是「簡陋」,而是能夠觀測到影響事件、或行為的「核心因素」,與核心因素間的「互動模式」。
如果把影響一個事件的所有因素通通都牽扯出來,就變成了蕪雜的個案描述,而不是科學。
當蘋果掉在牛頓頭上的時候,相關的因素很多,但牛頓卻觀測到了地心引力,而進一步發展出了最核心、簡明的「力的模式」:
f=ma
也從此奠基了現代物理學。
對一般人而言,可能只看到蘋果掉下來的「個案」與「現象」,也可能尋找了一些「表象」「具體可見」的解釋,如:「從綠變紅就會掉下來」「被鳥吃就會掉下來」;或是無法解釋,而尋求一些託之性靈宗教式的詮釋,如:「葉落歸根」「生命輪迴」等。(注[2])
但對牛頓而言,卻看到了不可見、但存在的「力」,而且發現了可測量的質量與加速度,描述出了形成「力」的「模式」。
投籃、開車、發射飛彈…看似無關的事情,要把它作好會牽扯數十、甚至千百因素的事情,但其最基礎、影響最深遠的知識,其實都是簡明的「力」而已。
(三)解釋、預測、控制
Kuhn說,科學典範的改變(transformations) 通常是革命的,而非和平的;經常是強迫優勢社群接受的,而非優勢社群主動認同的。而這個強迫的力量,就是新興典範能夠普遍在應用方面具體實現,發生「可以解釋、預測、控制」必然的效果。
物理科學研究,發生「解釋、預測、控制」的效果,經常是必然的。生命科學,過去常是或然的,但在2000年發現基因排序的真像後,未來也有可能成為必然的。
但在社會科學研究方面,過去的各種理論經常是偶然的。要踏出科學「可解釋」的第一步,相關的研究發現至少必須是「穩定一致」的,不能夠是偶然的。在社會科學領域中,似乎只有近代經濟學被肯定為科學,也因為近代的貨幣主義,發現了貨幣是影響經濟行為的「核心因素」,進一步建構可解釋的貨幣理論模式,終於能夠產生相當程度穩定的預測與控制能力。
市場研究發展迄今,除了一些區域性的發現外,可以說還沒有任何一個能證明為「以簡馭繁、穩定一致」的知識典範。如果市場研究一旦能夠成為科學,就應能「解釋」「預測」使用行為,甚至在將來能夠經由公共政策或市場策略「控制」或「導引」(注[3])使用行為的發展方向。
(四)反省與發展之必要
本系列研究的嘗試與追尋,雖不必如Kuhn所說的追求「革命」般的強烈,但也不能不追求反省與發展。
前章表 2 中顯示了不同研究的一致與衝突。衝突現象可能來自於不同的研究方法。如何解釋、解決並統合以上研究大異其趣的部分,以下將討論並建議本研究方法之四大發展,包括:
4. 界定網路使用者定義與測量方法
5. 估計使用者數目的加權程序
6. 建構未來成長的預測程序
7. 提出衡量抽樣準確率的「代表性4率」
二、界定網路使用者定義與測量方法
「誰是網路使用者?」這項定義將影響相關研究的方法與結果。
事實上一般使用者從未被正式定義過,CommerceNet/Nielsen的一般使用者定義,是指受訪者在6個月內曾經接觸、存取過(access)網路﹐還包括了借用別人帳號的使用者﹐乃屬於較寬鬆的定義。
Find/SVP則對合格使用者(qualified internet users,後來或稱為活躍使用者active users),下了2項嚴謹的定義︰
(1) 擁有E-Mail帳號者。
(2) 經常使用一種以上之應用軟體。
雖然其他研究未必嚴格遵守這些定義,卻提出了兩種概念供思考。同時也解釋了為何CommerceNet之調查結果中使用者之比率較高,原來該調查其實採用了一般使用者的定義。一般而言,除非使用者需要使用某一應用程式,不然不會申請網路帳號,故Find/SVP之二項條件其實可以併為一項。因此本研究將是否擁有網路帳號(電子郵件帳號)作為判斷合格使用者之標準。一般使用者則指只是偶爾上一次網,甚至借用他人之帳號者,他們的行為與網路老手將大為不同。
根據歷年累積的資料顯示,一般使用者的行為是可能變動的;而合格使用者的行為卻是相對穩定的,亦即很可能是一個具有核心價值的觀測變項,也很可能具備建構行為模式的科學基礎。
三、估計使用者數目的加權程序
幾乎之前所有的調查都只訪問受訪家庭中接電話的那一人,但很有可能該戶中有兩位以上的使用者。如果受訪者不是使用者,而該戶中卻有其他使用者,那麼使用者數目的調查也有誤差。
大部分的調查以兩種方式彌補這種誤差,第一、經由人口、或其他自變項予以加權,第二、設計加權公式,以估計使用者人數。至於加權公式則視研究人員經驗及判斷而有不同,這是為什麼各調查統計結果差異甚大的另一個原因。甚至,在同一個單位不同時間的調查中,也會發現不同的結果。
鑑於以上原因,本研究採取以下三個步驟:
訪問開始: 詢問受訪者是否家中有其他使用者,若有,則請使用者接受訪查,若不在時則須約定受訪時間。
訪問結束: 詢問受訪者家中還有幾位使用者,幾位有網路帳號。
分析階段: 將前二步驟之結果表,導出家庭使用者與受訪使用者的比率。
以上之調查步驟依據更具體的資料,提供了更準確的與估計方法。儘管估計時人為的經驗與判斷無法避免,Cyber Dialogue[22] 從方法論的哲學基礎上,提出了「寧可保守」的建議,並指出有相當多的調查中,網路相關活動的統計可能過分樂觀了。
四、建構未來成長的預測程序
對於預測網路的未來,各項研究中亦有兩種方法。大多數研究利用歷史資料及主觀判斷,其預測之根據多為線性。這個預測的方法很簡單,但是否可用線性的模式預測人類行為頗值得懷疑。本研究建議「創新使用行為模式」或稱「S-型使用模式」能獲得較佳的結果,此一理論可追溯到1940年代Ryan[42] 及1960年代Katz[28] 、Bohlen[18] 對農民接受農產品新品種、醫師採用新藥物以及大眾傳播行為的研究,原稱為「創新傳佈」(Diffusion of Innovation)論,至1970年後經Rogers et al.[40] [41] 歸納為「創新傳播」理論 (Communication of Innovation)。這個理論延伸應用在資訊科技領域的研究,則有1970年代Gibson & Nolan[27] 的四階段電子資料處理部門成長(EDP growth)與1990年代Nolan et al.[38] 的資訊科技接受使用(IT adoption)理論。以上相關理論的共通的基本假設為,新事務的使用者會經歷一種S-型曲線,反應從「認知」、「試用」、「評估」到「使用實施」的過程。
本研究者根據這個思潮的源流與內涵,建議可取其間共通之處稱為「創新使用行為模式」或「S-型使用模式」,同時,建議解釋S-型曲線為:新使用者根據常態分配增加,所形成的累積曲線,如此便可以根據過去成長的人數,與歷經的時間區段,計算預測出未來的發展。
所以本研究建議並建構以下三項預測步驟:
測試並分析歷史資料,觀察其如何符合S-型曲線的階段。
發現並決定從認知到接受的各階段臨界點。
根據前一階段所需要的時間區段,預測下一階段的時間區段。
以上的預測方法可期望更接近使用者的真實行為。
五、衡量抽樣的準確率與代表性
樣本代表性「檢定的指標」是什麼?它是一般調查者幾乎都沒有注意到的問題。
在調查報告中常看到的「完成率」、「有效率」、「成功率」…到底是什麼意義?彼此的異同為何?具體的操作定義為何?似乎仍然基於各研究者的自由心證。
一如Dillman[24] , Kuiz[31] 指出,「電訪問完成率」迄今尚無統一的定義,常用的電話調查完成率定義為:
完成率 =回應訪問樣本/(總樣本-未曾接通電話的樣本)
亦即:
=回應訪問樣本/(回應樣本+拒絕樣本)
這項定義不僅過於簡化,而且容易引起語意混淆,無法清楚區別什麼是「完成」樣本。
第一、樣本的結果不僅於回應、拒絕、未接通。
Cochran [19]指出,一項調查可能還因以下原因而無法完成:
(1) 樣本戶中無人。
(2) 沒有適當人選。
(3) 樣本拒絕受訪。
Cochran反映的還是傳統造府調查的問題,卻仍然無法涵蓋因為社會演變、新技術發展而產生實務上會面臨的各種問題。譬如:採用隨機尾數抽樣而產生的空號,家庭調查時接到工商電話,工商調查的對象已結束營業或行方不明,一個樣本戶卻有多個號碼,接到答錄機、傳真機或語音信箱等。
第二、逕行排除「未曾接通電話的樣本」會導致重大誤差。
許多研究已經證明,「未曾接通的樣本」-亦即不容易找到的受訪者,在人口特徵和社經地位上,和容易找到的受訪者往往有顯著的不同。把這種樣本從比率的分母剔除,實際上會降低樣本代表性。
「未曾接通的樣本」應包括:無人接聽,或無適當人選,超過時效仍然無法連繫者。沒有找到受訪者是調查者的責任,也是誤差的重大來源。
本研究者建議:找到受訪者稱為「連繫樣本」,找不到的稱為「失連樣本」。
第三、把「拒絕」視為「未完成」是詮釋上的疏失。
「拒絕」表達的是:受訪者接到了訪員的電話,或是見到了訪員,但是知道是某些調查之後,不願意回答就掛斷了電話、關上了門。這個動作,事實上,已經表達了他的態度,我們必須認識「拒絕」就是一種態度:消極的、沒興趣的、或是沒意見的態度。在全體受訪者的態度結構中,他們的代表性,是值得分析的。他們不應該被視為未完成、失敗的樣本。
吳統雄曾經指出:人類的本性,本來就不是對所有事情都有興趣的;民意結構中,占最大比例的就是「疏離者」。觀察拒絕的數字,可以看出積極民意,如何以少數引導多數;追蹤拒絕數字的消長,可以經由分析疏離者被動員的程度,預測危機事件的滋生與發展。
第四、沒有考慮與處理樣本的更新(或替代)問題。
「抽出的樣本不可替代」是一個統計理論的鐵則,卻也是在實務上經常被忘記的事實。許多調查在很難找到受訪者,或被受訪者拒絕後,就逕行以其他樣本替代,導致真正的「未接通」與「拒絕」的數字混淆。
但在一種特殊的情形:由於母群清冊不明、或錯誤:譬如隨機尾數抽樣的空號、家庭電話簿中的工商電話、工商電話中的行號已結業…等,導致抽出的樣本實際上不在母群之內。
本研究者建議:在母群之內的樣本稱為「有效樣本」,而不在母群之內的樣本稱為「無效樣本」。「無效樣本」必須經過查證確認,切不可與「找不到受訪者」混淆。這時,研究者應可根據資源的有無,決定是否「更新」無效樣本。
第五、未釐清「回應」與「拒絕」的界限
受訪者回答所有的問題才算「回應」嗎?實務上,這樣的比率有限。回答幾題算回應?超過百分之50嗎?回答完應變項,沒有答覆自變項算嗎?什麼又是「拒絕」?一開始就掛斷是拒絕嗎?答了1題、2題、3題…以後掛斷呢?
本研究者建議:調查者應該在問卷中自訂一個-或一組核心問題(項目)作為「回應標準」,有答的算「回應」,未答的計「拒絕」。這樣不致膨脹回應率,使得核心的資料低於表面數字;也不致於嚴苛,浪費了資料。
第六、沒有考量合格-「過濾問題」的狀況。
在某些調查中,受訪者如果回答了核心問題,但是基於某些原因說謊,反而會誤導資料與分析結果。這時就要考慮實施「過濾問題」技術:如在選舉行為調查中,過濾受訪者行政區與選區的配合。
本研究者建議:在實施「過濾問題」技術時,通過「過濾問題」的稱為「合格樣本」,未通過的則為「不合格樣本」。
本研究者依據以上的討論,建議將定義不清楚的「完成率、成功率」視為籠統的概念,而將樣本分析分作具體精確的「4率」,其標準與操作定義如下:
有效樣本 |
在調查母群之內 |
|
無效樣本 |
不在調查母群之內 |
|
更新樣本 |
更新無效樣本 |
|
總樣本數 |
﹦原始抽出樣本數(+更新樣本數) |
|
有效率 |
﹦有效樣本數/總樣本數 |
|
連繫樣本 |
找到受訪者 |
|
失連樣本 |
找不到受訪者 |
|
連繫率 |
﹦連繫樣本數/有效樣本數 |
|
回應樣本 |
回答核心問題 |
|
拒絕樣本 |
未回答核心問題 |
|
回應率 |
﹦回應樣本數/有效樣本數 |
|
合格樣本 |
通過過濾問題 |
|
失格樣本 |
未通過過濾問題 |
|
合格率 |
﹦合格樣本數/有效樣本數 |
以上的4率,連繫率、回應率、合格率,應與樣本代表性有關,有效率則與調查的成本效益有關。其意義如下:
1、連繫率
是影響樣本代表性最重要的指標。
連繫率高表示高比例的受訪者都經過最起碼的調查與測量;而未能連繫到的樣本,產生的誤差,只能歸咎於調查者。
2、回應率
表示獲得可量化資料的程度。同時,反映受訪者中積極、對問題參與性高的比例。
值得注意的是,有些調查是以「回應樣本數」作為報告數字的分母,在某些調查主題中,會產生膨脹數字的效果,甚至會將極少數的積極民意膨脹為優勢民意。
3、合格率
反映通過過濾問題,獲得較誠實、可信資料的程度。
這個指標是當有設計過濾問題時,才會產生。
4、有效率
當發生無效樣本時,一定會浪費連繫的成本,甚至會再增加更新樣本的成本,所以與調查的成本效益有關。有效樣本數,則應作為其他指標的分母。
有效率(注[4])也可以反映母群清冊的良窳。
六、研究設計
本研究基於以上研究方法,於1996至2000進行了一系列的調查,在1996年進行的第一次調查,樣本為大台北地區之1500戶,1997年為台灣地區的3000戶,1998年為台灣地區的2000戶,1999年為臺灣地區1600戶,2000年為臺灣地區3000戶,2001年為臺灣地區4000戶。(如表 3 )
表 3 內抽樣地區之台灣地區包括台灣省及大台北地區。
表 1.抽樣地區與訪問期間
年度 |
抽樣地區 |
設計原始樣本數 |
訪問期間 |
|
2001 |
全台灣 |
4000 |
8月31日-10月26日 |
|
2000 |
全台灣 |
3000 |
4月25日-5月31日 |
|
1999 |
全台灣 |
1600 |
5月5日至25日 |
|
1998 |
全台灣 |
2000 |
12月10日至1999年1月10日 |
|
1997 |
全台灣 |
3000 |
4月25日至5月10日 |
1996 |
大台北地區 |
1500 |
5月5日至25日 |
(一)抽樣設計
1、母群範圍(抽樣地區):
今(2001)年的母群為全臺灣地區,並按地理區域依家戶比例進行抽樣。
2、抽樣方法:尾數隨機撥號
臺灣地區電話不登記比例,估計在都會已超過50%,在鄉鎮地區也達到33%-全體三分之一以上[14] ,亦即母群清冊不完整的情形相當顯著,若採用一般的電話簿抽樣法,將嚴重傷害抽樣隨機性與樣本的代表性。因此採用可涵蓋所有樣本的隨機撥號法,應有相當必要。
在經過實證研究後,在各種隨機撥號法中,建議採用本研究者所發展的資訊系統隨機尾數法,而以單尾數或雙尾數為優先適用。
本資訊系統所提供樣本資料庫,將以電話簿抽樣為來源,以電話簿的區域碼(area codes)與群碼為基礎,資料庫內含隨機尾數抽樣公式,可輸出末尾隨機雙數或單數,減少不登記者的誤差。
3、戶中抽樣:
(1)訪問目標樣本法
如果戶中有1人以上使用網路,則一定要訪問到使用者之一。
(2)戶中抽樣法的選擇
抽樣法的選擇,不外考慮「成本與效益」,故比較分析如下:
|
優點 |
缺點 |
適用類型 |
成本 |
隨機戶中抽樣法 |
個人行為重於家庭行為 目標對像在家庭中為多數 |
當目標對像在家庭中為少數時,目標受訪者數必然比下述方法大幅減少,受訪者資料深度將降低。 |
選舉 大眾型產品市場調查 |
約為下述方法的1.7倍。 |
訪問目標樣本法 |
家庭行為重於個人行為 目標對像在家庭中為少數 |
採用本方法對「非目標受訪者」的資料精度預料將提高,但可能不是本研究最需要調查的問題。 |
網路使用 分眾型產品市場調查 |
|
根據去年資料,合格網路使用者仍只佔人口23.1%,當前使用者極可能仍為少數,故本計畫建議不必使用抽樣隨機選擇程序表,而採用訪問目標樣本法。有關「戶中抽樣」進一步的討論,可參考吳統雄[13] 的論文。
(3)抽選與預約受訪者
如果家庭使用者不在,則使用CATI進行線上預約。
4、誤差控制:
抽樣出入與抽樣把握設計,根據研究預算與吳統雄[10] 的設計方法。約在95%的把握下,出入在3%至5%之間。
5、不可替換樣本/延長訪問時間
本研究基於樣本代表性的考量,嚴格限制不得替換樣本。
鍥而不捨,連繫率達到90%以上,即預訂達成有效樣本4000,連繫樣本3600以上。
樣本選定之後不能輕易更換,但是電話訪問不免會遇到打不通的情形,過去(以及現在)的許多調查,便逕行替換部分樣本。這個作法其實會傷害資料的品質。
會發生打不通的原因,存在於兩個程序:
抽樣:抽出來的電話號碼不是家庭電話,尤其「隨機撥號」更容易碰到空戶。
訪問:沒有人接聽電話,或找不到適當受訪者。
因抽樣所發生的空號問題,屬於抽樣效率、作業成本的問題,空號的電話其實原來並不在母群範圍之內,所需要的是更新、補正式的替換,在理論上來說,並不影響樣本數與代表性的關係。
而在訪問過程中,如果只因為找不到而替換,就影響了原始樣本平均受訪的機會,從而降低抽樣隨機性。尤其社會行為變遷的影響,當前第一輪訪問能夠找到受訪者的情形,通常低於25%,如果逕行替換掉75%,對樣本代表性影響實在很大。
Deming[147]指出:替換樣本有增大樣本數的效果,卻不能完全避免因為替換引起的誤差,更不能代替原始樣本。所以非不得已時--譬如經費考量,或調查重視的是「只分析樣本」,而非「推論母群」--不得更換樣本。
譬如說,抽出了1000個樣本,隨後替換了750個樣本,最後訪問了1000個樣本。這並不表示達成了1000個樣本數代表性的100%,而只是1500個樣本數的25%。
從統計來說,高受訪率、高品質的小樣本,代表性往往可能高於低受訪率、低品質的大樣本。可是對非專業研究人員而言,往往很難體會,而以為樣本數愈大愈好。一遇到找不到受訪者,立刻就要替換樣本。同時,不可替換樣本法,由於必須鍥而不捨的追蹤,在人力、時間、經費…等成本上,比可替換樣本法要高出許多。對非專業研究人員而言,也往往沒有機會深思:為何小樣本比大樣本的經費還高。(注[5])
委託單位經常以為投入了費用,就要看到源源不斷的樣本,事實上,化時間、經費去追蹤很難找到的樣本,效果可能更好。
另外,有的調查機構,對訪員採取論件計酬制,如果管理不善,訪員遇到難找的受訪者,也有可能任意替換樣本。
本研究以延長訪問時間、增加訪問時段、連續追蹤不易找到的受訪者的方式來提高連繫率,而不以增加替代樣本來腫大樣本數。
6、樣本數
影響樣本數的因素有兩類,第一類是數理統計的因素,包括:抽樣出入、抽樣把握、母群變異數和樣本資料型態。
當樣本為隨機抽出,在某一臨界樣本數(依據人文社會科學的研究經驗,通常是3000)以下時,樣本數愈大,代表性愈能明顯提高。不過,其間並不呈直線正比關係。同時,超過此一臨界樣本數後,樣本數即使再大,代表性提高的程度卻極微小。
決定樣本數的第二類因素,則是研究經費與調查成本的因素。
本研究故依據FRP規定,規畫預訂達成有效樣本數為4000。
但因實施隨機尾數法,按照研究經驗無效比例相當大,一般在20-35%左右,故預期總樣本數將超過5000。
(二)測量與問卷設計
1、問卷結構
調查問卷包括可供系列比較的主要結構與各年強調的特色。主要結構可分為三部分,以測量不同的問題:
8. 確認受訪者是否為網路使用者。
9. 使用者: 測量使用者對於網路及資訊應用程式的瞭解;詢問上網的地點、時間、工具、設備、網路、伺服器、最喜愛的資源、服務、資訊類別、使用歷史、使用困難、使用網路作為其他替代行為、使用電子商務的相關行為,及電子郵件的個數與地址。
10. 非使用者: 測量非使用者是否知道網路;測量是否具備相關的設備及潛在的動機成為使用者及為什麼;詢問為何尚未成為使用者,以及是否可能改變,為什麼。
訪談最後均搜集人口資料。
2001年特別強調的特色包括:
11. 強調「在家」上網之使用概況。
12. 連網機制為何?-dial up、cable modem、ADSL... 等。
13. 相關媒體使用行為。
14. 家中主要收入者的側影,與其對家庭使用行為之影響。
問卷中設有2項核心問題,第一個是配合本研究系列之歷史資料,有關受訪者家庭是否有上網經驗的問題。第二個則是配合2001年研究特色,強調受訪者是否「在家」上網的問題。
2、預試、訪員訓練、訪員手則(FAQ)
問卷草案先召開專家會議審議、修訂。
再挑選60人,進行小型的預試,根據預試受訪者的反應,再次修訂問卷。
其次執行兩次訪員訓練,除熟悉訪問的目的、流程、問題與解決外,並練習國語、臺語訪問。
將訪訓過程中發現的歧議與共同解決方案,整理成「訪員手則(FAQ)」,以提升訪員信度。
(三)訪談與監察
方法:電話訪談
監察:執行線上監聽,以確認訪問者按照規範作業。
(注[1])有關追尋科學知識的過程,其實是本研究者在學習與探索中,逐漸領悟的道理。後來讀到Kuhn的著作,應屬「英雄所見略同」之感。但每每介述這方面的觀念時,都必須把「身為哈佛物理博士、歷史教授、廿世紀思想家的Kuhn」搬出來作護身符,這也算是「形象認知」理論的一種應用吧!
(注[2])自有人類文化的數千年以來,無數人看到蘋果掉下來,實際上的反應是「沒有反應」「沒有任何感覺」,如果是沒有成名之前的牛頓,告訴他說這個現象的科學解釋是「力」,他可能還覺得荒誕可笑。這並不是個譬喻,伽利略為了追求知識而遭受審判,便是歷史上明確的例證。當時主導「知識資源」的優勢社群-教庭,不止於認為伽利略荒誕可笑,更認為他大逆不道。
弔詭的是,伽利略藉著認罪「否定自己」而茍且偷生,最後獲得了歷史的平反與稱頌。而比伽利略更早發現相同知識的布魯諾,卻因為不肯妥協而被教庭所殺,以致絕大多數的世人,都不知道他的貢獻。
這些例證,也是對「典範」是屬於極少數人的再印證。
(注[4])在應用統計上,在分析某一變項時,其中某一樣本的變項值如果不為「迷失值(missing data)」,則此樣本稱為「有效個案(valid case)」,有效個案占所有樣本的百分比亦稱為「有效率」。
「迷失值」的產生原因有二:第一、人工登錄資料發生錯誤;其次、問卷設計階段考慮不周全,發生了沒有預期的回應資料。如果在具備知識管理能力的資訊系統協助之下,「迷失值」將不再可能產生。故本研究者建議放棄「有效率」舊有的內涵與定義,而採用本文的定義。
(注[5])這種情形在調查實務上,問題特別大。譬如,作者所發展的選情預測方法,在1993年的縣市長選舉中,已廣為各民意調查機構所採用。國民黨並在這次選舉後,開始採用民意調查作為提名的依據之一,其所委託的研究機構主持人,就是擔任本研究者從前協同研究的同儕,亦聘請本研究者擔任顧問,協助建立調查系統,並以本研究的架構為參考對象。
本文作者在校內所主持的公益研究,依然獲得準確的結果;但是,黨部的委託機構卻無法獲致相同的成果,發生了「複製力」的問題。也就是在理論架構之外,還有研究方法與研究執行的問題。其中最大的問題之一,就是替換樣本。
因為訪問的第一輪,當時運氣最好的訪員,大概也只能接觸到半數的受訪者,按照調查規範,訪員就要停工準備第二輪。在場觀察的委託單位代表,便覺得不滿意,認為是受託單位不夠努力,而有所抱怨。在這種壓力下,只好不斷替換樣本,打不通就換,愈換愈多,其實也就愈來愈不準。