学前教育科学研究方法教案(4)

二、目标总体和可抽样总体

1、目标总体就是研究者感兴趣或者想要研究的总体。但是，在绝大多数情况下这一总体是很难得到的，因此，研究者能够概化的那个总体就是可抽样总体，也就是说研究者的研究结果可以推广或者应用的总体，也有研究者称之为可获得总体。目标总体是研究者的理想选择，而可抽样总体则是研究者的现实选择。

三、概率抽样和费概率抽样

1、概率抽样通过碎计划的操作来抽选样本，使得总体中每个个体都有相同的被选为样本的机会。这样的抽样方法能避免抽样过程中人为因素的影响，保证样本的代表性。

2、费概率抽样是指不依据概率理论而选取研究样本的方法的总称。在非概率抽样中，总体中每个个体被抽中进入样本的机会是不同的，研究者会根据需要或者特殊目的来抽选少数具有代表性的个体作为样本。由于每个个体进入样本的概率是不同的，而且研究者的主观意志会影响样本的选择，所以无法说明样本是否重现了总体的结构特征，用样本来推断总体的情况也是不可信的。

3、概率抽样和非概率抽样的案例P95

第二节 抽样的概率理论

一、量性研究

1、量性研究 研究者通常是通过概率抽样的方式选择样本，样本的选择是为了代表更大的

总体，研究者关注的是总体，而非偶然抽取的样本，他们也更关心研究结果推广或应用到总体之中的程度。

案例：研究者想了解家长如何看待幼儿园收费问题。

研究者当然想调查全国每一位幼儿家长，但事实上这是不可能的，也许研究者智能设计一个仅有1000位幼儿家长的调查问卷。

2、强调总体效度

总体效度是指一项研究所获得的结果能被推广或应用到研究样本所属的总体之中的程度。可以说总体效度是判断和评价研究有效性的标准之一。

过去总体效度主要应用于实验性的量性科学研究中，比如测验某一种水稻品种的产量。但是随着社会科学的不断发展，总体效度也同样应用于其他量性研究的抽样逻辑上，比如测量人类某一个群体所具有的共同特征。

为了得到一个好的总体效度，研究者必须从确定的总体中随机抽取样本，以保证能将研究结果推广或应用到更多的总体中。

这就要求在取样的过程中，随机抽样的样本必须足够大，以避免和减少样本和总体之间可能产生误差的概率。

案例：假设太原市大约有40000名中学教师，他们大部分学历是大学本科，你从该总体中随机抽取了50位教师作为一个样本，你也许会偶然得到他们大部分学历是专科毕业的样本。但是，如果你抽取1000位教师的样本，得到的学历情况肯定会比50位教师组成的样本中得到的学历情况更接近总体。

当然也不是样本越大越好，在综合考虑时间、精力、财力的情况下，相对来说大样本具有更好的总体效度。至于样本规模后面将会详细讨论。

二、质性研究

案例：研究者想对一名幼儿教师的专业发展做一次质性研究，研究这可能会观察这位幼儿教师的教学活动和学习活动，研究这位幼儿教师的教案、教学笔记和反思笔记，对这位幼儿教师进行访谈等等。

在这一研究中研究者基本上只对他选定的作为个案的样本感兴趣，他研究这名幼儿教师是期望从中挖掘在教师专业成长方面能触动其他幼儿教师的东西，研究者并不期望能将从这位幼儿教师身上发现的结果推广到更大的幼儿教师总体中去，那样也将是毫无意义的。

目的抽样：研究者选择与研究目的相关的案例作为样本的抽样方法，样本的取样是很少的，有时候会选择一个案例作为样本，研究者选择一个或几个案例作为样本的目的不是为了得到

总体效度，而只是为了对所研究对象获得更深入的理解。

案例：研究者想了解幼儿园新教师的实践知识是如何形成和发展的，其在幼儿园新教师的成长中发挥着怎样的作用。

如果研究者决定采取个案研究法进行研究，这就需要目的抽样，从幼儿园新老师中选择一位教师作为研究对象。假设研究者初步锁定几所幼儿园的几位新入职幼儿教师，当研究这进一步确定研究对象时，他需要考虑幼儿园和幼儿教师对于这项研究的参与态度，幼儿园和幼儿教师兑与研究的配合程度。如果某位幼儿教师比较矜持、不善交流和沟通，总是被动的参与研究，那么研究者可能放弃说服他作为研究对象参与到研究中来。相反如果以为幼儿教师性格积极外向，渴望参加并愿意接受研究者所提出的要求，这位幼儿教师就会被选为研究对象，作为研究样本。同样，假如研究者认为还有必要选取以为从事幼儿教育多年的“老教师”参与到研究中，与新老师形成对话，研究者也可以依据目的抽样法，选取一位“老教师”作为研究的样本。

总的来说，目的抽样是非概率抽样，是质性研究中的一种抽样方式，与量性研究中的概率抽样是不同的，他不是为了得到总体效度而设计的，其目的是为了获得对研究样本的深入理解。

三、样本规模与抽样误差

（一）样本规模：概率抽样和非概率抽样的样本规模

样本规模也称样本容量，是指样本中所包含的个体数量。

在非概率抽样中，样本规模一般很小，一个或几个样本就可以满足研究所需的样本量。 概率抽样中多大的样本才能满足研究的需要？

统计学中样本通常以30为界，30及其以上的个案就是大样本，30以下的个案称为小样本。但是对于教育科学研究中的抽样来说30个个案样本通常是不够充分的。

总的来说，在随机抽样的情况下去，样本容量越大，他就越有可能代表总体，但这并不是说样本容量越大越好，因为样本容量的大小不仅影响其自身的代表性，而且与调查的人力物力息息相关。容量太小的样本会削弱研究的代表性和研究效果，而容量太大的样本则会耗费大量的人力物力，不但增加工作量，而且会影响研究的顺利完成。因此，在样本的确定上合适的就是最好的。

总之 合理的样本容量应该是研究者在合适的时间、精力、财力的耗费下能够获得尽可能大的样本。在一般的教育科学研究中，实际上并不会要求很高的精确度，在综合考虑各种因素的情况下，研究者一般是根据经验来确定样本容量大小

以下是供参考的样本容量范围

需要说明的是，以上只是依据经验确定的样本规模，其精确程度是需要考量的。

（二）抽样误差和抽样偏差

抽样误差是指样本统计值与总体的参数之间存在的误差。由于样本的性质和规模与总体的性质和规模是存在差异的，这样在用样本的统计值去推算总体的参数值时会有偏差，这时抽样误差就产生了。

案例：假如我们从总体2000名的5岁幼儿中抽取一个容量为300的随机样本，并以此样本来测量幼儿的智力发展水平，如果测试的平均水平是108，那么我们是否可以说总体的平均水平正好是108呢？这是不行的，但我们可以相信总体的平均水平在108左右。

在总体的平均分和样本的平均分之间存在的偏差就是抽样误差。100枚硬币同时落在地上正面朝上的不一定刚好是50个

在随机抽样中，由于随机波动原因，抽样误差是一个变动量，而随着随机样本容量的增大，作为变动量的抽样误差是会逐渐减少的。

在抽样的过程中，常常会因为误抄、数据登录差错、计算错误、违规操作等人为原因而产生误差，但这种误差并非抽样误差

一般来说抽样误差是不可避免的，只是存在误差大小的问题，而抽样偏差是可以避免的。 抽样偏差是指所抽取样本不能代表其所要代表的总体的情况，这时抽样偏差就出现了。 案例：我们想从总体为2000名的5岁幼儿中抽取一个容量为300的随机样本来测量幼儿智力发展水平，假如我们抽取的30 …… 此处隐藏：2794字，全部文档内容请下载后查看。喜欢就下载吧 ……