Quantitative research
Quantitative researchは一般的に実証主義/ポスト実証主義のパラダイムに関連しています。 通常、統計的な計算を行い、結論を導き出すことができるように、データを収集し、数値の形に変換することが含まれます。
プロセス
研究者は、1つまたは複数の仮説を立てます。 これは、調査したいもの（変数）間の可能な関係についての予測を含む、彼らが取り組みたい疑問である。 これらの質問に対する答えを見つけるために、研究者は様々な道具や材料（紙やコンピュータのテスト、観察のチェックリストなど）、そして明確に定義された行動計画も持っています。
データは厳密な手順に従って様々な手段で収集され、統計解析のために準備される。 今日では、高度な統計コンピュータ・パッケージの助けを借りて実施される。 この分析により、研究者は2つ以上の変数の間にどの程度の関係があるのかを判断することができる。 これは単純な関連性（例えば、日常的に運動している人は血圧が低い）かもしれないし、因果関係（例えば、毎日の運動が実際に血圧を下げることにつながる）かもしれない。 統計解析により、研究者は複雑な因果関係を発見し、ある変数が他の変数にどの程度影響を与えるかを判断することができます。
統計解析の結果は、標準的な方法でジャーナルに掲載され、最終結果はP値で示されます。 科学研究の専門用語に慣れていない人のために、査読付き雑誌の論文の末尾にある議論セクションは通常、研究結果を説明し、調査結果の意味をわかりやすく説明しています
原理
量的研究において、客観性は非常に重要です。 そのため、研究者は自分自身の存在、行動、態度が結果に影響を与えないように細心の注意を払います（例えば、研究している状況を変えたり、参加者に異なる行動を取らせたりすることで）。 また、偏りの可能性がないか、方法と結論を批判的に検討します。
研究者は、自分たちが測っていると主張するものを本当に測っているかどうかを確認するために、多大な努力を払っている。 例えば、BGMが老人ホームの入居者の落ち着きのなさに良い影響を与えるかどうかという研究であれば、研究者は、どんな音楽を入れるか、音楽の音量、落ち着きのなさとは何を指すのか、落ち着きのなさをどのように測定するか、何が良い影響とみなされるかについて明確にしなければならない。 これはすべて事前に検討し、準備し、コントロールしなければなりません。
結果に影響を与える可能性のある外的要因もコントロールしなければならない。 上記の例では、音楽の導入が他の変化（例えば、CDプレーヤーを持参した人が音楽セッションの後に住民とおしゃべりする）を伴わないことを確認することが重要であろう。なぜなら、結果を生むのは他の要因（すなわち、音楽ではなく社会的接触）であるかもしれないからである。 いくつかの可能性のある要因は常に除外することはできませんが、研究者はそれを認識する必要があります。
量的研究の主眼は演繹的推論にあり、一般的なものから具体的なものへと移行する傾向がある。 これはトップダウン・アプローチと呼ばれることもある。 結論の妥当性は、1つ以上の前提（事前の記述、知見、条件）が妥当であることに依存していることが示されます。 アリストテレスの演繹的推論の有名な例は、次のようなものであった。 すべての人間は死を免れない àソクラテスは人間である àソクラテスは死を免れない。 もし、議論の前提が不正確であれば、その議論は不正確である。 このような推論は、架空の人物であるシャーロック・ホームズもよく連想される。 しかし、ほとんどの研究では、研究のある段階で帰納的推論の要素も含まれている（詳細は質的研究の項を参照）
研究者は、特定のグループのメンバー全員（例えば、認知症の人全員、介護者、医療従事者など）にアクセスすることはほとんどない。 しかし、研究者は通常、これらの大きな集団について、研究から推論できることに関心がある。 このため、研究に参加する人々が、より広い集団の代表的なサンプルであることが重要である。 しかし、一般化がどの程度可能であるかは、研究に参加した人の数、その人の選び方、その人がより広い集団を代表しているかどうかにある程度依存します。 例えば、精神科医に関する一般化は、精神科医を対象とした研究に基づいて行うべきであり、心理学の学生を対象とした研究に基づいて行うべきではありません。 ほとんどの場合、ランダムサンプリングが好まれますが（潜在的な参加者が平等に参加できるように）、時には研究者が特定の特徴を持つ人々を一定数含むことを確実にしたい場合もあり、これはランダムサンプリングの手法では不可能です。 結果の一般化可能性は、人々のグループだけでなく、状況にも限定されます。 実験室での実験結果は、その研究が解明しようとする現実の状況を反映していると推測される。
結果を見るとき、P値が重要である。 Pは確率のことである。 特定の所見や観察された差が偶然によるものである可能性を測定します。 結果が0に近いほど、観察された差が偶然によるものである可能性は低くなります。 結果が1に近いほど、所見が偶然（ランダムな変動）によるもので、グループ/変数間に差がない可能性が高くなります。
質的研究
質的研究は、現実の社会的構築性を強調する社会構成主義のパラダイムに通常関連するアプローチである。 それは、矛盾した信念、行動、感情など、人間の行動や経験の深い意味や意義を記録し、分析し、明らかにしようとするものです。 研究者は、人々の経験について豊かで複雑な理解を得ることに関心があり、他の大きな集団に一般化できるような情報を得ることに関心があるわけではありません。 これは具体的なものから一般的なものへの移行を含み、ボトムアップ・アプローチと呼ばれることもあります。 しかし、ほとんどの研究プロジェクトは、ある程度の演繹的推論も含んでいます（詳しくは定量的研究の項を参照）。
質的研究者は、あらかじめ決められた仮説に基づいて研究を行うわけではありません。 しかし、探求したい問題やトピックを明確に特定し、調査の枠組みを提供する一種の包括的な理論である理論レンズによって導かれることがあります。
データ収集と分析へのアプローチは方法論的ですが、量的研究よりも柔軟性があります。 データは、参加者観察、詳細なインタビュー、フォーカスグループなどを通じて、参加者との観察や相互作用に基づき、テキスト形式で収集される。 データは数値化されず、統計的に分析されることもない。
データ収集は一度きりではなく、いくつかの段階を経て行われることがある。 研究者はプロセスを途中で変更することもあり、プロセス中に学んだことに基づいて、追加の問題を扱うことを決定したり、適切でない質問を取り下げたりする。 場合によっては、研究者は決められた人数にインタビューや観察を行うこともある。 また、データ収集と分析のプロセスは、研究者が新しい問題が出てこないと判断するまで続けられることもあります。
原則
研究者は、参加者にあらかじめ決められた回答（そのどれもが適切ではなく、参加者の思考、感情、態度、行動を正確に表していないかもしれない）から選択させるのではなく、ある程度の自由を与え、自発性を可能にする方法を用いる傾向があり、人々が自己表現できるように適切な雰囲気を作り出すよう努力する。 これは、定量調査ほど形式的でなく、厳密でないアプローチを採用することを意味するかもしれません。
人は常に自分の体験に意味を持たせようとしていると考えられています。 したがって、研究を研究者の見解や状況の理解に限定し、参加者の経験について何か新しいことを学べると期待するのは意味がないだろう。 その結果、使用される手法は、よりオープンエンドで、より狭く、より探索的なものになるかもしれない（特に、特定のテーマについてほとんど知られていない場合）。 研究者は、参加者が最初に答えたことを超えて、なぜ、どのように、どのような方法で、などと自由に質問することができるのです。 こうすることで、その後の質問は、今された回答に合わせて調整することができるのです。
質的研究は、多くの場合、参加者の数が少ない。 これは、綿密なインタビューなどの方法が時間と労力を要するためであるが、統計的な分析や結果から一般化を図るために、多くの人を必要としないためでもある。
質的研究に関わる人数が少なく、柔軟性が高いからといって、より多くの被験者を含み、より厳格な方法で実施される典型的な量的研究よりも「科学的ではない」わけではありません。 この2つのタイプの研究の目的と、その根底にある哲学的な前提が異なるだけです。 しかし、「研究を導く哲学」の項で述べたように、このことは、2つのアプローチを同じ研究に用いることができないことを意味するものではない。
研究（混合法）への実用的アプローチ
科学への実用的アプローチでは、研究問題に最も適していると思われる方法を使い、どのアプローチが最良かという哲学的な議論に巻き込まれないようにすることが重要です。 したがってプラグマティックな研究者は、量的・質的研究に典型的に関連する方法、技術、手順のどれを使ってもよいという自由を自分自身に認めている。 どの方法にも限界があり、異なるアプローチは補完し合うものであることを認識しているのです。
また、異なる技法を同時に、あるいは次々と使用することもあります。 例えば、数人の対面インタビューやフォーカスグループから始めて、その結果をもとにアンケートを作成し、統計的分析を行う目的で大規模なサンプルの意識を測定することもあります。
どの尺度が使われたかによって、収集されたデータは適切な方法で分析される。 ただし、定量データを定性データに変換することはあまり一般的ではありませんが、定性データを定量データに変換したり、逆に定量データを定性データに変換することも可能な場合があります。
異なるアプローチを混ぜることができるということは、三角測量を可能にするという利点があります。 三角測量は混合法研究の一般的な特徴である。 例えば、以下のようなことが含まれます。
- さまざまなデータソースの使用（データの三角測量）
- 複数の異なる研究者の使用（研究者の三角測量）
- 結果を解釈するための複数の視点の使用（理論の三角測量）
- 研究問題を研究するための複数の方法の使用（方法論の三角測量）
ある研究では、定性的方法と定量的方法が同時に使用されています。 また、最初に1つの手法が使用され、次に次の手法が使用される場合もあり、研究の後半ではおそらく最初の手法の結果を拡大することになります。 例えば、綿密なインタビューやフォーカス・グループ・ディスカッションを含む質的研究は、実験的尺度や態度尺度の開発に貢献する情報を得るために使用され、その結果は統計的に分析されるかもしれません」
Advocacy/participatory approach to research (emancipatory)
ある程度、擁護/参加型アプローチを採用している研究者は、これまで述べた研究へのアプローチでは疎外または脆弱なグループの人々のニーズや状況には対応していないことを感じています。 研究対象者の生活に肯定的な変化をもたらすことを目的としているため、そのアプローチは解放的と表現されることもある。 それは中立的なスタンスではありません。 研究者は政治的な議題を持ち、研究対象のグループに発言権を与えようとする可能性があります。 研究者は、自分の研究が直接的または間接的に何らかの改革につながることを望んでいるので、研究対象のグループをさらに疎外しないように、できればすべての段階で研究に参加させることが重要です。
研究者は、科学的研究で通常要求されるよりも中立的でない立場を採用することができる。 これは、研究参加者（研究は単に彼らに関するものではなく、彼らによるものであるという認識から、彼らは共同研究者と呼ばれることもある）と非公式に交流したり、一緒に生活したりすることも含まれるかもしれない。 研究結果は、より個人的な言葉で報告され、しばしば研究参加者の正確な言葉が使われる。 この種の研究は客観的でないと批判されるかもしれませんが、あるグループや特定の状況においては必要であり、そうでなければグループの様々なメンバーの思考、感情、行動にアクセスしたり、完全に理解したりすることができないことに留意すべきです。
社会的に弱い立場にある人たちが、社会で力を持つことはほとんどない。 そのため、研究者が研究対象のグループのメンバーであったり、グループのメンバーと共通点をもっていたりすることがある
。