管理研究方法：理论、前沿与操作（第2版）课件 第4章 案例研究法

第4章：案例研究法讲课人：李彬北京第二外国语学院目录CONTENTS1234案例研究法概述案例研究法的类型案例研究方法的主要步骤案例研究法关键技术操作示例5生成式AI在案例研究法中的应用学习目标理解案例研究法的基本含义、主要特征和质量评价标准。掌握案例研究法的不同类型,能从不同哲学取向理解案例研究法各种类型之间的异同。掌握单案例研究与多案例研究在研究设计方面的异同。理解案例研究法的基本步骤,掌握每个步骤的主要特征。能够针对某个研究问题,进行案例研究法设计。能够针对某个研究问题,尝试做一个单案例研究或多案例研究。能够使用生成式AI对质性数据进行编码分析，并由人工进行检验。案例研究法概述01一、案例研究法的由来作为一种与质性研究法有密切关联的研究方法，以归纳逻辑和构建理论为主要特征的案例研究法逐渐成为管理学领域备受青睐的研究方法之一；在众多学术期刊中使用该方法的文章所占比例还不高，但由于该方法的独特性，使用该方法的文章往往更容易脱颖而出，在“质量”上更有优势。例如，在国际上两本公认的管理学顶级期刊AMJ、ASQ发表的文章中,使用质性和案例研究法的文章仅占12%,但在年度最佳文章中却占到了48%。在国内，案例研究法的使用和普及伴随着工商管理学科成熟发展而逐渐得到重视。二、案例研究法的定义与特征(一)案例研究法的定义殷(Yin，2014)认为，案例研究法是一种经验研究方法，它深入现实生活情境中正在发生的现象，特别是待研究的现象与其所处的情境之间的界限并不十分明显时。艾森哈特(Eisenhardt，1989)则提出，案例研究法是一种研究策略，其焦点是理解某种情境下的动态过程，案例研究目标包括描述情境、检验理论或者构建理论，其中构建理论是案例研究的主要目标。本章所指的案例研究法是理论构建型案例研究法(theory-buildingcase

study)，即本章所介绍的案例研究法是选取一个或多个案例，通过对一个案例或多个案例进行分析，提出新概念、概念间关系、过程机制以及背后的理论解释，从而实现构建理论目标的一种研究方法。二、案例研究法的定义与特征(二)案例研究法的主要特征1.主要以构建理论为目标

常被称为归纳式研究方法(inductiveresearchmethod)，通过对案例数据的归纳式分析，可以提出新概念、理论命题(概念间关系)、过程机制、演化机理等，这是案例研究法的独特之处。2.哲学基础和基本操作与定量研究方法有较大差异

前者强调以理论构建为目标的建构主义，后者则强调以检验理论为目标的实证主义。哲学基础的不同导致了案例研究法与定量研究方法的“长相”也有本质区别。三、案例研究法的质量评价质性与案例研究内部也存在不同哲学导向的影响，导致评价的维度也有差异。诠释主义导向的质性与案例研究中，林肯和古巴(Lincoln&Guba,1985)强调自然主义状态下进行的质性研究法可以从信任度(credibility)、可转移性(transferability)、可依赖性(dependability)以及数据的可确认性(confirmability)维度来评价。实证主义导向的案例研究中，殷（Yin）借鉴定量研究方法中信度和效度的概念，给出了案例研究法的信度和效度评价。三、案例研究法的质量评价第一，构念效度。构念效度是指构念能够形成一套正确的、可操作的研究指标，关键是构念的操作化质量。第二，内在效度。内在效度是从现象、事件、数据中找出因果联系，即需要发现某一特定的条件、情境和原因引起另一特定的结果。吉尔伯特等(Gibbertetal.,2008)认为内在效度关键在于研究者是否为研究结论提供了足够有力且令人信服的因果论证和逻辑推理。第三，外在效度。外在效度是指所构建的理论不仅能解释研究情境中的问题，还可能解释其他情境中的问题，也就是具有情境的可转移性。案例研究不具有统计学意义上的普遍性，不能由个案推导出对整体的结论。案例研究具有“分析普遍性”，通过对样本的分析来揭示背后的“一般性”。案例研究法的信度的关键维度在于透明度、可信度和可重复性。四、案例研究法的应用(一)构建新理论案例研究法的一个重要应用就是构建理论，如对理论进行深化、繁衍、竞争和整合。案例研究法可以提出新概念、新理论命题、新理论模型、新过程路径、新作用机理等，非常适用于探索和解释新的实践和现象、重大现实问题和挑战。我国进入新时代发展阶段，企业管理实践日新月异，制度和文化环境的独特性以及互联网等新技术兴起等带来了新变化，需要针对这些实践问题构建符合我国本土化情境的管理理论。王永贵和李霞(2019)提出要构建中国特色企业管理学。案例研究法恰恰能够在提出和构建中国特色企业管理理论方面起到重要作用。四、案例研究法的应用(二)能将学术成果与实践紧密结合案例研究法强调理论与实践的紧密结合，研究问题的源头是实践，同时也要回归理论;数据分析过程包括对来自实践的案例数据进行分析，还包括促使这些数据分析“涌现”出新的理论，并与现有文献进行对话，实现数据与理论的紧密贴合和匹配。案例研究法是一种“从实践中来，到实践中去”“理论与实践全面融合”的研究方法，因此该方法很好地解决了学术研究与实践的关联性(relevance)问题。四、案例研究法的应用(三)价值更加多元化案例研究有更加多元的价值和用途，能够为高校教师在人才培养、教学、社会服务等方面做出贡献。在案例研究开展过程中，调研获得的案例资料可用于建立案例数据库，该数据库记录了案例企业的成长，如果能够长期追踪和记录，则对该企业或行业是具有宝贵历史价值的资料;还可以开发教学型案例，在课堂教学中供案例教学使用，参加全国甚至国际性的教学案例开发大赛等。与此同时，还可以与案例企业建立紧密、长久的联系，在后续持续观察调研、人才培养、教学实践基地建立、管理咨询、培训授课、设立奖学奖等方面都可能起到重要的促进作用。对于高校教师来说，案例研究的开展，其价值是多元和全方位的，对于当前“四有”好老师要求下的高校教师全面成长而言也是一种非常合适的研究方法。案例研究法的类型02一、实证主义导向与诠释主义导向(一)实证主义导向案例研究法实证主义导向案例研究法以艾森哈特和殷的研究为代表。实证主义导向案例研究的部分特征有时也类似于定量研究。如强调运用案例数据对构念进行测量,甚至有时还会发放问卷以获取定量数据来测量构念;也会提出一些研究命题,且命题的陈述为变量之间的关系。但不管是测量还是提出命题,仍然是以理论构建为目标的、归纳式的案例研究法,这与定量研究方法有着本质的区别。实证主义导向案例研究文章在写作上会较多地使用变量语言，如“变量”、“定义”、“命题”、“方差”或“相关性”等，在数据收集上重视访谈作为一手数据来源并辅以其他类型数据；文章中常会出现研究步骤、实验设计思想、复制逻辑、三角测量、理论抽样、理论构建、案例内分析、跨案例分析等内容。（井润田和孙璇，2021）一、实证主义导向与诠释主义导向(二)诠释主义导向案例研究法诠释主义导向案例研究法强调对现象的意义的理解，研究者和研究对象进行深度互动、对话，从而强化在认知上从表层到深层转化的过程，共同建构结果，经常运用民族志、扎根理论、实地观察等方法来获取和分析数据。对案例中现象的认知、意义、动机和原因等进行建构和诠释，对案例情境进行“深描”(thickdescription)，进而归纳提炼出过程机制、深层机理等。这种类型的方法对研究者的理论构建能力、数据背后的意义建构能力要求很高，井润田和孙璇(2021)总结出诠释主义导向案例研究文章在写作上一般会使用理论抽样、半结构化访谈、实地观察、构建数据结构等技术,也会详细阐述从一阶、二阶编码到聚合维度以及数据分析的过程,常常采用“过程”“结构”“涌现”“洞见”“理解”和“解释”等频率较高的词语二、单案例研究法与多案例研究法(一)单案例研究法1.单案例研究法的原理与特点单案例研究法强调要讲一个好故事，通过“讲故事”来构建新理论。这里的“好故事”不仅包括描述案例情境、展开故事情节等在内的“案例故事”，也包括从案例故事归纳提出的概念及概念间关系、过程机制等“理论故事”。单案例研究所选择的案例的特征可用“黑天鹅”与“灰犀牛”来说明。单案例研究通过深入、细致、全面详尽的考察和研究，不仅能够获得有关个案非常丰富、生动、具体和详尽的资料(通常采用深描的方式对案例情境进行深入描述)，也能抽象出一般性的概念或者命题,为后续进行大样本的定量研究提供概念和理论假设。管理学中的单案例研究法在对案例企业的情境、发展过程、行动行为描述及背后的社会、心理、政治等深层次原因与影响机理分析等方面具有天然优势。二、单案例研究法与多案例研究法2.单案例研究的类型根据殷(Yin,2014)的划分，单案例研究可以分为整体性单案例研究与嵌入性单案例研究。嵌入型案例包括如下类型：(1)极端(extreme)或不寻常(unusual)单案例

这种单案例类型较为常见，这类案例与现有的常识、规范或日常事件有较大差异。(2)启发性(revelatory)单案例

当研究者第一次有机会观察和分析先前无法研究的现象或事件,有资源、有条件关注、进入某个独特情境下的企业进行研究时,适合采用单案例研究法。二、单案例研究法与多案例研究法(3)纵向(longitudinal)单案例

纵向单案例研究是针对两个或多个不同时间点、时间段上的同一个案例进行研究，这类研究能揭示所要研究的案例是如何随着时间的变化而变化的。特别是通过把时间分成若干阶段，可以分析每个阶段案例的变化特征，对比各个阶段的特征以及各个阶段之间的关系。嵌入性单案例研究则相对较为复杂,主要是考察同一案例(总分析单位)的多个子分析单位，对不同的子分析单位进行进一步的分析。通过对这些子分析单位的分析，可以聚焦该案例的“内部细胞”，深入分析这些“内部细胞”的异质性和互动关系。当然，子分析单位的特征和互动关系也会反过来影响案例(总分析单位)，因此需要从“局部”回到“整体”，即在对子分析单位进行分析后，还要抽象、归纳以回归案例(总分析单位)。二、单案例研究法与多案例研究法(二)多案例研究法1.多案例研究法的原理与特点(1)多案例研究法的原理多案例研究的设计原理与多元实验的设计原理较为接近,依据的是复制逻辑(replicationlogic)，即将每一个案例视为一个独立的实验，多案例研究则是一系列相互关联的多元实验，通过这些不连续的实验对将要产生的理论进行重复、对比和扩展。多个案例中的每一个案例，或者产生与前一个案例所得出的推论相同的结果，被称为逐项复制(aliteralreplication)，或者产生与前一案例所得出的推论不同的结果，被称为差别复制(atheoreticalreplication，也称理论复制)。二、单案例研究法与多案例研究法(2)多案例研究法的特点多案例研究法由于兼顾了研究的“严谨性”和研究与实践的“关联性”,在理论的普适性、研究设计的外在效度方面具有优势。实证主义导向案例研究大部分采用多案例研究法，使得多案例研究在一些研究步骤上和文章形式上“形似”定量研究。多案例研究和单案例研究有各自的特点和优势，不能一概而论地认为多案例研究就比单案例研究“更好”，似乎能做多案例研究就不做单案例研究。在理论的普遍适用性方面，多案例研究比单案例研究更有优势，但作为理论构建型案例研究，在讲一个好故事，提出有洞见、有启发性的概念或理论方面，单案例研究往往有独特优势二、单案例研究法与多案例研究法2.多案例研究的类型(1)变异设计(variancedesign)

这种类型的多案例研究设计在选择案例时标准是控制和排除与研究问题不相关的变量的变异，聚焦于找到多个案例之间的共同特征同时关注核心变量的变异，从而发现变量间的关系，清晰呈现概念间的因果关系链。艾森哈特的多案例研究设计较多采用此种类型。(2)竞争设计(racingdesign)

案例企业在起点具有相似的条件，但通过“竞争”，它们到达了某些自然状态下的“终点”，但从起点到终点的行为、路径等不同，产生的结果可能也不同。二、单案例研究法与多案例研究法(3)等结果设计(equifinalitydesign)类似于“殊途同归”,案例企业有相同或相似的结果,但起点的条件可能存在差异，实现结果的路径和机制也存在差异，因此目标就是挖掘造成同一结果的原因、过程、机制，这类研究设计较为常见。(4)极端案例设计(polardesign)研究者选择相互对比有极端特征的案例,比如高绩效和低绩效、快决策和慢决策等，通过创造和对比变异水平在两种极端情况下的相关结果的状态来构建理论。通常来说，这一类型在选择变量时要能够真正体现极端、可对比的特征。特别地，双案例研究法也常被学者采用，双案例研究是多案例研究的一种特殊类型，初学者或进入案例企业的机会较少的学者可以适当考虑双案例研究法案例研究法的主要步骤03案例研究法更多地体现为一套方法论，而不只是一项或某几项具体的分析技术或工具，因此需要对案例研究法的整体步骤进行全面把握。案例研究法的步骤主要包括：确定研究问题、准备理论基础、理论抽样与确定研究单位、数据收集、数据分析和理论对话。开展案例研究是一个循环的过程，是非线性的、不断迭代的，甚至可能反复迭代好几轮，这与定量研究方法有较大区别。案例研究法的主要步骤一、确定研究问题(一)案例研究法适合解决的研究问题第一，探索新概念、新构念。案例研究法的目标是构建理论，概念是理论的基石，新的概念、构念可以通过案例研究法来进行探索。第二，探索过程和机制。案例研究法可以对案例的复杂情境、长时段的变化过程等进行深描和归纳分析,在探索过程和机制相关问题方面具有优势。第三，探索未知现象、重大挑战等问题。“重大挑战问题”是指非常值得关注,同时有解决可能性的现实问题，这些问题因暂时无解且牵涉技术和社会层面的因素而显得非常复杂,需要跨学科的努力才能解决技术层面的问题,需要政治方面的参与才能解决社会层面的问题。一、确定研究问题(二)确定研究问题的几个策略1.运用“沙漏模型”来逐步聚焦研究问题首先,按照“沙漏模型”来确定研究问题。这和用定量研究方法确定研究问题的思路是一致的,即从领域到主题再到问题,范围逐渐缩小,在内容上逐渐聚焦。2.根据问题来源确定研究问题(1)从实践中寻找研究问题案例研究更加强调研究问题与实践的关联性,因此对案例研究法的使用者将实践观察和洞察、实践问题上升为理论问题,将实践中的资料抽象为理论命题等能力提出了更高要求。一、确定研究问题具体来看，可以从社会生活、新闻报道、行业杂志等方面找到企业经营管理中的热点、难点问题；在现实中与企业家交流,了解他们的真实困惑与深入思考，往往他们的思考会从另一个角度对学术研究有所启发;关注企业中反常规、反直觉的实践做法;获取普通人很难接触到的企业调研机会等。需要研究者深入与扎实地进行田野调查，能够与企业家、实践者进行正式和“非正式”的交流,通过“非正式”的交流往往能够获取更真实、更有价值、更有启发性的资料和视角。同时也要站在实践者的角度思考问题，有同理心的现实关照，才能真正理解在当时当地的情境下实践者为什么会做出那样的决策或行为。但在实践中发现的问题还不是“研究问题”或者“学术问题”，还需要将实践问题转化为研究问题，这就需要“从实践中来，到文献中去”。一、确定研究问题(2)文献是研究问题的重要来源阅读文献的主要目标是看该文献给出的研究结论或理论模型，只有对某几个聚焦领域有足够的理论储备，才能在应用案例研究法时做出理论构建。建议在阅读文献时着重关注如下方面：1)聚焦不同流派与观点间的矛盾冲突点,主要是理论观点之间的矛盾,也可以是实证研究结果之间的矛盾。2)聚焦演化过程和作用机制过程。3)文献得出的结论或构建的理论背后的假定或预设。通过识别和找出这些假定或预设,对后续进行文献比较分析以及理论对话起到基础作用二、准备理论基础经典的扎根理论强调研究者在进入现场调研前不要带有精准的理论预设，这对研究者的问题洞察、学术直觉或敏感度以及相关研究能力提出了很高的要求。因此，研究者仍然需要在进入现场调研前进行一定的理论储备。可以将理论视角看作“跑道”,引导研究者关注该“跑道”范围内的问题，使得研究者在研究过程中不至于偏离“跑道”甚至彻底跑偏。理论视角也可以视作“引导型”研究假设，有学者称之为“参照理论”，研究者根据这个理论关注其中的概念、收集相关的数据，并进行数据编码分析。对于初学者来说，需要尽量选择一个解释力范围较宽的中层理论视角，或者选择两个以上解释力范围相对较窄、目前还较新的理论视角。对于初学者来说，适当聚焦若干个自己擅长的理论(如3~5个)，持续深入地关注这些理论的内涵与外延、进展与应用、成果发表等，往往有助于做出更有深度的理论贡献。三、理论抽样与确定研究单位(一)理论抽样理论抽样与统计抽样有着本质的区别。其中，统计抽样是采用随机方式从总体中抽取具有代表性的样本,通过分析样本的特征来推断总体的特征；而理论抽样则是选择那些可能补充、修正现有理论或者拓展新兴理论的案例，所以就要有意识地选择那些能够为构建理论服务的案例。以统计抽样为代表的定量研究追求的是统计外推的普遍性，要求样本具有代表性，能够推断总体的特征，而以理论抽样为代表的案例和质性研究追求的则是分析的普遍性，通过对样本的分析来揭示背后的“一般性”，包括类型普遍性、结构普遍性和机制普遍性。三、理论抽样与确定研究单位单案例研究法的理论抽样选择的是“黑天鹅”“会说话的猪”等具有极端性、典型性、独特性且不同寻常的案例,而多案例研究法的理论抽样选择的是一组能够拓展理论的潜在贡献、具有相似或相反特征的多个案例。何时结束理论抽样?在理想的情况下，当理论达到饱和时，研究人员应该停止增加新的案例，理论饱和就是在某个时点上新获得的知识增量将变得很少，不再需要增加新的案例了。三、理论抽样与确定研究单位(二)确定研究单位

在进行理论抽样选择案例的同时，还要根据所要研究的问题来确定研究单位。根据(Yin,2014)的研究，如果把案例企业作为研究单位，则是整体式案例研究；把案例企业内部的单元(如部门、高管团队、企业家等)作为研究单位，案例企业则是研究单位的情境，是嵌入式案例研究。嵌入式案例研究的理论抽样较为复杂，首先通过理论抽样来选择行业和该行业中的若干家案例企业，再通过理论抽样来选择这些企业内部下一层级的单元，但也有研究者在第一步选择案例企业时没有明确指出采用理论抽样方法，但在第二步时则采用理论抽样方法。四、数据收集案例研究法的数据收集与定量研究方法的数据收集有较大的差异。三角验证原则是案例研究法数据收集的最主要特点，其基本原理是希望通过不同来源、不同方式、不同角度获取的证据或理由相互印，为后续数据分析和提出命题起到重要的支撑作用。应瑛和刘洋(2010)提出可以从数据、受访者、理论和方法几个方面进行三角验证。其中较为常见的，一是数据的三角验证，即数据的不同来源和不同类型相互印证；二是受访者的三角验证，即从不同层次、不同利益相关者群体中选择受访者对同一问题进行印证。四、数据收集(一)收集多来源数据基于三角验证的目的，案例研究法需要收集多个来源的数据，包括访谈、参与式观察、非参与式观察、二手资料(如档案、文件、文献等)等。一般来看，访谈、观察、档案和文件是三类收集得最多、最常见的数据。其中，访谈数据和观察数据属于一手数据，前者的特点是研究者能够针对自己关心的问题从受访者那里获得直接的回答和相关信息，同时在交流过程中获得更为深入的理解和认识；后者的特点是研究者能够进入案例情境中，获取更加真实的、具有丰富情境信息的现场数据。档案和文件等二手数据的特点是可以反复阅读分析、覆盖面广并且可以进行量化分析。收集这三种数据要有一定的侧重，通过分清主次、主要数据结合次要数据的策略来进行。四、数据收集(二)数据收集主要步骤1.调研前需要进行的数据收集工作数据收集工作一定要围绕研究问题开展。因此，在调研前的准备中，要初步确定研究问题或者研究问题的大方向，如果暂时还不够清晰和聚焦，也可以选出不多于5个的研究选题作为备选，以便进入现场后灵活处理。当然，在准备理论基础阶段，也已经开始对研究问题进行准备。此时的数据收集主要是二手数据的收集，包括如下几个方面：一是关于案例企业的数据。在互联网上收集与该企业相关的资料，包括该企业的新闻报道、官网资料、高管讲话等;收集与该企业相关的书籍、研究报告等：进入论文数据库，查找与该企业相关的论文。此外，还可以查找该企业的创始人、高管等在一些高校课堂(如MBA课堂)的授课资料，以及在行业相关论坛上的发言等。二是文献数据。收集相关文献，以便更好地确定研究问题，以及准备相关理论视角。三是建议企业提供诸如企业“年鉴”(大事记)、重要会议上企业领导的讲话稿、企业文化手册、企业制度与规范、财务报表等数据。四、数据收集2.调研前需要做好确定访谈提纲等准备工作(1)访谈方法的准备工作

在访谈方面，我们提前发给案例企业的对接人关于本次访谈的主题，需要该企业配合安排的高层管理者、中层管理者及基层管理者和员工等，在该企业确定访谈人员名单，针对每个访谈对象设计一份访谈提纲，并提前1~2天发给访谈对象，确保访谈有针对性和取得好的效果。访谈提纲包括结构化、半结构化和非结构化三种，其中半结构化是目前常用的访谈提纲形式，可以根据需要临时增加一些不在访谈提纲内的问题。

访谈问题主要包括循证性问题（如“法庭询问式”问题,即聚焦具体的事件、行为的真实和细节描述，如问“企业在此次数字化转型中有哪几次重大决策?您在这几次决策中负责哪些工作?您能否举几个例子来说明一下?”)和主观判断性问题(如“您认为此次能够实现数字化转型的主要原因有哪些?”)四、数据收集(2)观察方法的准备工作观察方法主要是参与式观察和非参与式观察。如举例中，包括作为真实消费者对JT酒店集团的产品和服务的亲身体验和在体验过程中与该酒店的员工、管理者进行交谈，作为外部专家参加企业产品研发、项目决策、战略制定等会议的讨论(参与式观察)，到该企业的产品研发、战略制定、员工培训、文化宣讲等多个现场进行旁听(非参与式观察)。四、数据收集3.调研期间的数据收集工作进入企业现场后，采用“事先安排+临时调整”的策略进行数据收集工作。其中，访谈过程中除了安排好现场录音(需要受访者同意)、现场记录(安排一名研究助理进行记录,只记录关键信息，以避免后续编码过程中的关键信息与数据丢失)等工作外，访谈者还要进行访谈过程的记录，一是记录访谈对象回答中的关键信息(如关键词句)，二是边问边听边随时记录访谈对象回答后的思考。因为访谈一般为半结构化访谈，因此可以随时根据访谈对象的回答临时追加访谈提纲未提及的问题。做好备忘录和初步讨论工作。由于在整个调研过程中会随时产生新的调研发现，因此需要在每天调研结束后做好当天的备忘录工作，备忘录主要记录当天的观察、心得、思考、后续工作建议等内容。如有时间，建议研究团队成员针对各自的备忘录进行交换，并进行讨论。四、数据收集做好所收集数据的整理工作。数据收集结束后就要尽快进行数据整理工作，一般建议先建立案例研究数据库对多方面数据进行整理，如右图所示。四、数据收集数据整理完毕，建议进行初步的数据编码(如采用扎根理论的开放式编码方式，先进行贴标签、描述式的编码工作，初步对数据进行粗加工)。如果是全部调研结束后进行编码，一般是在72小时内完成初步的编码工作(如开放式编码、一阶编码等)，否则将会影响后续数据编码的质量。加上后续的编码工作，全部数据编码工作约花一周的时间。事实上，数据收集与数据分析同时展开，此时的数据整理工作与后面的数据分析工作进行了衔接。四、数据收集5.数据收集工作需要提示的关键点第一，案例研究法收集的数据来源多、种类多且数据量庞大，有时数据收集工作需要持续较长时间，因此需要通过建立案例研究数据库来引导和规范数据收集过程，数据库一般表现为文件包形式，特别是可以利用通用的电脑办公软件，或者采用NVivo、ATLAS.ti等质性分析方法软件来辅助，当前也可以使用AI大模型来辅助完成。第二，数据收集是为数据分析的开展提供证据,能够进行证据链的展示。按照刘洋(2022)提出的经验做法，数据收集要注重服务于“研究问题—数据库—特定数据的引用—案例报告—论文的发现”各个环节之间严密链条的建立，还要注意特定论点呈现所需系列证据和物件共同形式的证明链条的建立。五、数据分析案例研究中数据分析的严谨性是困扰学者的“老大难”问题：一是因为案例研究的数据分析过程和大样本定量研究的相对程式化、结构化过程有着很大的不同，似乎显得不那么程式化或结构化；二是案例研究中存在基于不同科学哲学的、多种流派的数据分析方法，显得更加复杂和多样化。本部分将分别从单案例研究和多案例研究两个方面来概述数据分析这一步骤。五、数据分析(一)单案例研究的数据分析1.单案例研究的数据编码原理较为常见的数据编码方法是扎根理论的编码方法，应用较为广泛的是科宾和斯特劳斯(Corbin&Strauss)的程序化扎根理论编码方法，包括开放式编码、主轴编码和选择式编码。其中，开放式编码是将数据进行概念化、抽象化，形成概念或范畴。主轴编码则类似于通过一个“轴”将范畴连接起来的过程。“轴”有较多类型，常用的是“因果条件(情境)—中介条件—行动或互动策略—结果”。选择式编码则是利用范畴之间的假设或者关系进一步构建理论的过程。需要说明的是，如果一篇文章明确提出采用扎根理论的编码方法，就要遵循扎根理论中某个流派的范式要求和规范严格操作。五、数据分析本章重点介绍一种对初学者来说更易于操作的数据分析方法——Gioia分析方法。乔亚(Gioia)是美国宾西法尼亚州立大学的教授,他独创的在扎根理论基础上改进的数据分析方法、数据结构展示和过程模型等成为案例研究领域新近出现的研究方法(毛基业,2020)。单案例研究的数据分析还要注意几个方面：一是尽快编码，距离调研结束的时间越近,编码的效果越好。更为重要的是,编码尽量“一气呵成”，一个单案例的编码一般需要一周左右的时间,其中2~3天处理文本，1~2天进行第一阶段数据初步编码(一般在数据收集结束后72小时内完成)，1~2天进行第二阶段数据深度编码及其他工作。二是编码工作量巨大，一般都是团队共同完成，3~5人组成调研和数据分析团队。采用“背对背”方式(即两个人先分头编码，再互相讨论)。三是编码初期不必担心编码出来的标签、范畴等过多,要有耐心和细心处理这一工作，动手的工作要更多些；而在后续编码工作中应逐渐把这些标签、范畴等建立起连接，聚合并抽象为概念，并建立概念间的关系，动脑思考的工作要更多些。五、数据分析2.单案例研究的数据展示在写作上，单案例研究文章在数据分析后要有较为详细的数据展示部分。这部分要展示数据结构图(并不是必需的)、证据引用和理论模型图，最主要的是展示一个完整的故事描述,从而体现单案例研究在丰富的质性数据和情境描述上的优势。故事描述可以采用叙述性语言，分门别类地引用受访者的语句和其他相关支持性证据，同时也可以引用既有文献中的理论进行论述和给出新的理论解释，一般“夹叙夹议”，体现出案例证据与理论之间的紧密联系和匹配。五、数据分析(二)多案例研究的数据分析多案例研究数据分析的基本思路是，先进行案例内分析，再进行跨案例分析和提出命题1.进行案例内分析案例内分析就是对理论抽样出的几个案例中的每一个案例进行描述和分析，艾森哈特(Eisenhardt,1989)认为这是多案例研究分析方法构建理论的重要步骤。案例内分析并没有统一的、程序化和结构化的分析模式，但基本的原则和方向是围绕研究问题对每个案例进行分析，得出每个案例各自的、独特的模式，从而为跨案例分析中的案例比较和提炼命题提供好的基础。五、数据分析2.进行跨案例分析与提出命题(1)跨案例分析的基本思路跨案例分析是通过不同案例之间的对比寻找跨案例模式,而逻辑基础就是复制逻辑，即把一系列案例当成一系列实验，每个案例都可以支持或不支持假设，每个案例都类似一个实验，多个案例类似多重实验。(2)提出命题的基本原理在跨案例分析中，要不断在产生理论、案例数据和文献之间循环往复,在这一过程中提炼概念和测量、概念间关系(命题)。首先,要对构念进行定义和测量。其中,定义和测量都是基于案例情境,而不是完全基于文献。其次,在每个案例内归纳和分析构念之间的关系。通过复制逻辑，把每个案例作为一个独立的实验,采用对比和迭代等形式来提出理论命题。在实际操作中，是从“证据链”、逻辑推导和现有文献的反复比较、迭代中得出相关命题，它们之间要能够形成良好的匹配。五、数据分析(3)跨案例分析的数据展示对于数据分析之后的数据展示方面,组成理论的每个命题都是由若干个案例的数据推导出来的。然而,多案例研究不可能像单案例研究那样把推导出命题的每个案例的“证据链”完整、全面地展示(如案例情境、故事主体和具体细节等),“如果研究者就每个案例都面面俱到，理论就会被淹没，文章的长度也会快速增长”。因此，艾森哈持和格雷布纳提出，可以使用概括性的表格或其他视觉手段来给出“证据链”,补充正文中故事描述的局限性，增强理论实证基础的严密性和深度。通过将构念测量、典型证据等放在一个表格里，便于读者清晰地看到命题提出的证据链,理解命题的提出过程，这种方式已是当前多案例研究常见的操作方法。五、数据分析需要说明的是:第一，在数据分析中提出若干命题只是构建理论的一种方式，在当前国内外高质量期刊中已较为普遍。但需要清楚的是，理论构建方式多种多样，并不一定要提出命题。但对于初学者来说，提出命题这种方式由于更加结构化和程序化，可能更容易上手操作。第二，命题是理论与数据的关键桥梁，是理论的组成部分，但命题并不是理论。在提出若干命题后，还需要对这些命题体现出的因果关系进行解释，通过与现有文献中的理论对话，对理论(命题)适用的边界和条件等加以分析，这些综合起来才是一篇案例研究文章完整的理论构建过程。六、理论对话与现有文献建立联系和对话，是案例研究实现理论构建这一目标的关键环节。尽管定量研究也有此步骤，但案例研究基于有限的一个或几个案例所得出的结论,往往更需要在理论对话环节体现理论贡献大小，从而提高理论的普适性。如果提出的新构念、新命题、新理论模型与现有文献对话不足，则会让读者认为“自说自话”,案例故事讲得再好，构建的理论再“新颖”(可能只是修辞上、形式上的新颖)，理论贡献也很难判断。(一)理论对话的总体思路所谓“理论对话”,就是基于研究问题和文献综述提到的理论缺口或矛盾之处，论述文章的研究发现与原有文献理论之间的关系,如深化、拓展(繁衍)、竞争、整合原有理论等。案例研究法构建的理论存在着“合法性”和“差异性”的问题；从案例研究文章的写作来看,文献综述、研究发现、讨论三个部分都是能够体现理论构建的主要部分,也都体现了理论对话。六、理论对话(二)理论对话的具体内容1.弥补原有研究中的理论缺口

弥补原有研究中的理论缺口是理论对话内容的一个重要方面。例如，案例研究常常从“how”(如何)的角度来发现理论问题并进行集中的理论对话[如Martin&Eisenhardt,2010、Hampel&Tracey(2018)],或者采用纵向案例研究法从过程机制角度来发现理论问题并进行理论对话[如王凤彬和张雪(2022)]。这种理论对话方式是当前案例研究中的主要方式。

2.进行更高阶理论对话

在理论对话的基础上，引入现有研究还未涉及的其他理论领域，甚至是更高阶的理论领域。例如可以与所“瞄准”文献中的理论视角(一般为中层理论)的“核心假设”进行对话(看是否能够拓展、修正或推翻)，或者与更高阶、抽象的理论进行对话(可能涉及理论背后的本体论、认识论等哲学层面问题)，这无疑会将理论对话推向更深层次，理论贡献也可能会更大。六、理论对话3.讨论所构建理论的适用条件和范围这主要是与所构建理论的普遍适用性、情境化程度有关。例如，通过理论抽样得出的案例样本，都有行业、企业或团队等层次的情境化特点，例如是互联网行业、中小企业、平台企业、初创企业、传统服务企业、研发团队、线上销售平台部门等，在分析这些案例的情境化特点时，理论都存在一定的适用条件和范围。因此，需要对这些情境化特点进行理论构建，抽象到一个相对普遍适用性程度，从而让理论的适用条件、范围更有针对性，同时也能够回应和解决理论的普遍适用性问题。4.绘制理论模型图在当前的案例研究文章写作中，研究者常常会绘制一个理论模型图，用于更加形象和直观地表示所构建的理论，体现理论贡献。根据兰利(Langley,1999)的划分，理论模型图可以划分为变异(variance)和过程(process)两种模型图。案例研究法的关键技术操作示例04一、单案例研究法的数据编码分析操作本节重点介绍一种对初学者来说更易于操作的数据分析方法——Gioia分析方法。该方法有三个基本假设：一是受访者作为案例研究企业(或组织)中的成员熟知自己的工作目标，可以说明自己正在做的工作如何做以及为什么做。因此应当让当事人(受访者)用自己的话语描述他们的经历,他们才是该案例情境下的“专家”。二是要在结论中体现当事人的声音(乔亚称之为“一阶概念”)和研究者的声音(乔亚称之为“二阶主题”)，但最终还是基于当事人的体验。三是数据分析的核心是数据结构，是从数据到理论的桥梁。一、单案例研究法的数据编码分析操作(一)形成“一阶概念”研究者的一个主要工作就是把受访者用他们自己的语言所传达的经验完整地记录下来,形成“一阶概念”。一阶概念通常依赖于半结构化访谈获取的数据,需要从这些原始数据(语句、段落)中直接摘取、或对它们贴标签,尽量体现受访者的“声音”。一阶概念不是学术意义上的概念,而是对受访者原话贴的标签或者直接引用受访者原话中的某些关键词或语句。此外，一阶概念不一定是某个词语，也可以以短语、短句的形式出现。事实上，这一部分和扎根理论中开放式编码的原理是类似的。一、单案例研究法的数据编码分析操作具体来看，对访谈数据逐句或逐段贴标签，如表所示，将相同意思的语句表述进行归纳总结，提炼出若干“一阶概念”。对应每个二阶主题，一阶概念的数量一般为2~4个，这是因为一阶概念的作用是为后面提炼二阶主题起到基础性作用，因此数量以适度为宜。一、单案例研究法的数据编码分析操作(二)形成二阶主题二阶主题是由一组一阶概念合并而来，但这种合并不是简单的语句之间意思的合并，而是在反复与现有文献对比的基础上，用与理论相关的术语(如概念)将其诠释出来，从而形成“二阶主题”。二阶主题通常依赖现有文献，其“命名”要体现出与现有理论的趋同和差异。也就是说，提炼出的若干二阶主题既要有与现有理论接近的，从而体现所得的结果有理论基础，也要有与现有理论不一致的，从而体现所得的结果的新贡献。一、单案例研究法的数据编码分析操作(三)形成聚合维度此步骤和第二步的原理是一致的，就是将若干二阶主题继续归纳整合为更高阶的维度，而这些维度的特点是更加抽象和具有概括性，并作为后续提出的理论模型的重要组成部分，因此更加需要在数据和理论(文献)中反复迭代得出。事实上，虽然分为3个步骤，但如前所述，案例研究法需要在数据和理论之间进行反复迭代和对比，因此整个数据编码分析的过程会在3个步骤之间反复进行。一、单案例研究法的数据编码分析操作(四)给出数据结构图和证据展示表一、单案例研究法的数据编码分析操作(五)画出模型图在编码分析的基础上，针对所提出的二阶主题和聚合构念的关系(注意,此时没有一阶概念)，结合一定的逻辑(如该文的逻辑是“分拆前的身份认同—认同变革过程—分拆后的身份认同”)或者参照理论[其他理论逻辑，如常用的VSR(变异—选择—保留)演化理论模型]来进一步制作理论模型，一般为过程模型或动态模型，如该文进一步画出了如图所示的过程模型，可以看出，模型中的三个高阶概念与数据结构图中的聚合。二、多案例研究法的命题提出操作(一)案例内分析中的概念定义和测量首先要针对概念进行定义。例如，马丁和艾森哈特这篇文章的研究问题是多业务组织如何实现高绩效的跨业务单元协作。该文章首先将跨业务单元协作绩效定义为“某个特定的跨业务单元协作的产出”。之后，根据不同来源的数据来测量概念，并在此基础上建立每个案例中概念间的关系，从而为跨案例分析提出命题做好准备。概念测量在艾森哈特的系列文章中较为常见，基本原理就是通过赋值和打分产生的定量化数据结合语句评价的定性数据等不同来源数据进行测量。二、多案例研究法的命题提出操作这里对构念进行测量的目的与定量研究方法有较大差异。定量研究方法的构念测量一般会有精确的数值，从而便于之后进行变量间关系的分析(如自变量对因变量影响程度大小的分析)，而此处的构念测量主要是对构念进行分类。如高绩效和低绩效，从而为后续构建构念之间的关系打好基础。另外,此处的构念定义和测量是在数据分析过程中逐渐形成的,而不是逻辑演绎的,因为这些构念测量指标与案例高度契合，随着案例情境不同而有所不同,因此与定量研究的测量方法有较大不同，如定量研究使用因子分析将多个指标汇总为某个构念的测量指标。二、多案例研究法的命题提出操作(二)提出命题并检验命题是否与案例证据匹配1.构念的定义与测量2.案例内分析归纳出初步命题3.跨案例分析进一步确认命题生成式AI在案例研究法中的应用05强调新兴科技在研究方法中的应用以及多方法的混合使用是当前研究方法发展的前沿趋势，特别是生成式人工智能（GenAI）在质性与案例研究中的应用是关注的焦点之一（Nguyen，etal.,2026）然而，由于质性与案例研究法与定量研究方法相比所具有的独特性，即作为一种以研究者为“工具”、强调“主体间性”和“意义诠释”的研究方法（尤其是诠释主义导向的案例研究法），AI技术在该研究方法中的应用尚未深入到整个研究设计和研究过程当中，但在对质性数据的分析方面，特别是对数量巨大的文字数据进行编码方面，应用生成式AI技术的过程和效果测评成为研究的重点（Naeem等，2025）；因此本节具体介绍AI技术在案例研究法中的应用前沿，从作用与优势、局限与风险、对策与建议三个方面展开。一、生成式人工智能在质性数据分析方面的作用与优势现有研究围绕生成式人工智能在质性数据分析方面的作用与特色方面进行了初步探索。例如，可以进行质性数据的主题分析，生成式AI作为解释和分析任务的虚拟研究助理。此外，利用生成式人工智能可以执行扎根理论中数据分析的步骤。二、生成式人工智能在质性数据分析中的局限与风险尽管生成式人工能力在质性数据分析中能够起到重要作用，且存在优势和特色，但现有研究也指出了过程中存在的局限与研究者的认知风险。会产生不准确或虚构的内容（幻觉）、难以把握文本的深层次语境和细微含义，以及输出结果可能存在不稳定性等局限。这是因为其基本原理是基于概率统计生成的“貌似合理”的文本，而不是真正理解数据背后的社会和组织的意义（Sunetal.,2025)。人工智能在质性数据分析中存在局限：一是AI的认知深度局限，难以捕捉情境化社会因素，易受过度泛化与样本偏差影响；二是算法透明度缺陷，生成式AI模型的“黑箱”特性导致其结果可追溯性不足，且结果有效性可能随任务复杂度上升而衰减；三是理论建构依赖性，AI生成的类目需人工验证概念一致性，无法替代人类的价值判断与理论敏感性，研究者本身的理论建构能力和阐释性依然是质性研究不可或缺的部分（唐晴和张士琴，2025）。三、生成式人工智能在质性数据分析中的对策与建议主要思路是提出了将生成式人工智能与人工相结合的“人机协同”混合编码策略模式。用“多轮、人-机-人协同校验”的方式，将AI当作质性分析的加速器与灵感触媒，在保障研究方法与学术伦理的前提下可以确保分析质量。此外，也提出了将编码任务转化为提示词并逐步调试最佳问题、加入定义和举例能帮助模型理解复杂主题，在分析长文本时采用“分步过滤”和“不同角度的提示词”来不断迭代，实现自动化批量分类等建议（Thanetal.,2025）。在AI驱动的环境下进行严谨的主题分析的“RIPES”框架，其中反思性（relexivity）是核心原则，要求研究者批判性地审视自身立场、假设以及AI工具本身的偏见和设计前提，以维持分析的可信度；解释（Interpretation）是强调对数据深层含义的批判性解释，尤其是在处理次级数据时要兼顾情境和新理论框架来产生新见解；程序一致性（Procedural）强调分析过程的系统性和透明度，包括清晰的编码策略和选择决策记录，对可重复性非常重要；评估（Evaluation）是一个持续的过程，涉及对数据源的质量、相关性和局限等进行评估，以防范解释性偏差；情境性（Situaedness）是要求研究者关注数据产生时的社会文化、历史、制度和关系等背景，以避免对数据进行去情境化、可能失真的分析。通过上述框架性策略来强化“人机协同”式的混合编码策略（Ozuemetal.,2025）。三、生成式人工智能在质性数据分析中的对策与建议结构化提示词以指导ChatGPT逐步完成主题分析流程，包括：熟悉数据与选取引文、筛选关键词、编码、主题开发、概念化和构建概念模型。然而也强调了需要注意的方面：一是仍然需要进一步结合人工的核验以确保理论一致性与减少算法偏见，二是在分析前和分析过程中的提示词和提问中，需要向AI给出研究背景、初步的理论框架（可一个以上，形成替代性解释）及方法论的依据，从而增强结果的透明度和可重复性。生成式AI进行质性与案例研究数据分析是方法改进与完善的前沿趋势，诸多研究都在探索尝试，今后需要进一步探索和深化生成式AI作为“智能体研究助理”角