112 原住民特考三等 社會工作 社會工作研究方法 考古題詳解

核心觀念

統計推論是指研究者依據從母體抽取的樣本資料，運用機率與統計方法，推估母體特徵或檢驗母體假設，並將抽樣所造成的不確定性納入判斷。它的目的不是只描述手上這批受訪者，而是對未直接觀察的母體作有根據的推論。

樣本統計量是由樣本資料計算而得，例如樣本平均數 $\bar{x}$、樣本比例 $\hat{p}$；母體參數則是欲了解的母體特徵，例如母體平均數 $\mu$、母體比例 $p$。由於不同樣本會產生不同的統計量，推論時必須考慮抽樣誤差及估計的不確定性。

統計推論主要包括兩類：

1. 參數估計：用樣本統計量推估母體參數，可分為點估計與區間估計。
2. 假設檢定：依樣本資料判斷母體參數是否符合某項假設，並控制錯誤拒絕或錯誤保留假設的風險。

解題方法：進行統計推論的步驟

1. 界定母體與研究問題 先說明研究對象、範圍及欲推論的母體特徵。例如研究某地區原住民族家庭的社會支持程度，須先界定該地區、家庭資格與研究期間，並確認關心的是平均程度、比例，還是不同群體間的差異。

2. 設計抽樣並蒐集資料 依研究問題選擇適當的抽樣方法與樣本數。機率抽樣使母體成員有已知的被抽中機率，較能估算抽樣誤差並支持母體推論。抽樣框是否完整、拒訪與流失情形、測量工具是否可靠，皆會影響推論品質。樣本數大不必然代表樣本有代表性。

3. 選擇統計方法並檢查條件 依資料型態、研究設計與問題選擇估計方法或檢定方法，並檢查其適用條件，例如觀察值是否獨立、抽樣設計是否適當、模型假設是否合理。若資料來自群集抽樣、分層抽樣或加權樣本，分析時應反映抽樣設計。

4. 計算估計值與抽樣不確定性 點估計以樣本統計量推估母體參數；區間估計則提供一個合理範圍，並呈現估計精確度。以母體平均數的信賴區間為例，其概念形式為：

核心觀念

內容分析（content analysis）是有系統地蒐集、編碼與分析文字、影像、聲音或其他傳播內容的方法，用來描述資料中的特徵、比較不同內容，或推論內容所呈現的意義與脈絡。研究材料可包括訪談逐字稿、政策文件、新聞報導、社群貼文、照片、影片及公開紀錄。

內容分析可採量化取向，例如計算某類主題、詞語或人物出現的次數；也可採質性取向，分析文本中的主題、敘事、立場與脈絡。兩者皆須有明確的分析單位、分類架構與編碼規則，才能使分析過程可檢視、可重複。

解題方法：內容分析的進行步驟

作答時，宜依研究流程說明：先界定問題與材料，再建立分析架構、編碼資料，最後檢驗品質並解釋結果。

1. 界定研究問題與分析目的 說明欲回答的問題，例如「新聞如何呈現原住民族社會福利議題？」或「政策文件中對家庭照顧的描述是否隨時間改變？」研究問題應決定資料範圍及分析方式。

2. 界定資料來源與抽樣範圍 說明資料類型、來源、時間區間、納入與排除標準，以及抽樣方式。資料量龐大時，需設定可說明且具一致性的抽樣程序，避免只挑選符合研究者預期的內容。

3. 決定分析單位 明確界定實際編碼的單位，例如單一詞語、句子、段落、整篇文章、圖片或影片片段。另可區分脈絡單位與記錄單位：脈絡單位提供理解材料的背景，記錄單位則是實際分類或計數的最小單位。

4. 建立分類架構與操作性定義 依研究問題提出類別或主題，並為每一類訂定明確定義、判準及例子。類別應盡量涵蓋研究所需內容、彼此區分清楚，並讓不同編碼者能依同一規則判斷。分類架構可由理論或既有研究推導，也可先閱讀資料、歸納形成。

5. 編製編碼手冊並試編碼 將類別定義、判斷規則與疑難情形整理成編碼手冊，先用部分資料試編碼。若發現類別含混、重疊或遺漏，應修訂架構及規則，再進入正式編碼。

6. 正式編碼與檢驗編碼品質 依一致規則編碼全部資料。若由多人編碼，應以一部分共同資料比較判斷結果，檢驗編碼者間信度；一致性不足時，須釐清規則、訓練編碼者並重新編碼。質性分析亦須保留分析脈絡、紀錄編碼決策，提升分析的透明度與可信度。

7. 整理、分析及解釋結果 量化分析可呈現類別次數、比例、趨勢或類別間關聯；質性分析可整理主題、論述模式、矛盾及脈絡。最後回到研究問題解釋結果，說明資料與抽樣範圍的限制，不把文本中的表述直接等同於現實中的行為或成效。

大數據時代的價值和重要性

第一，提升大規模資料的整理與分析能力。 網路與數位媒體每天產生大量文字、影像及影音資料。

核心觀念

次級資料分析（secondary data analysis），是研究者利用原先為其他目的蒐集、或由其他研究者蒐集的既有資料，重新整理、分析與詮釋，以回答新的研究問題。資料來源可以是政府統計、行政紀錄、既有調查資料、研究資料庫、機構服務紀錄或公開檔案。

它不同於初級資料蒐集：初級研究者會依當前研究問題設計工具並蒐集新資料；次級資料分析則以既有資料為基礎，研究者不一定參與原始資料的蒐集。題目未涉及特定法條，無須援引法規。

解題方法

作答可依「定義—實用性—限制」三部分展開。定義要交代資料的既有性與重新分析的目的；實用性要以社會工作研究情境說明資料如何協助回答問題；限制則從資料與研究問題的適配性、資料品質、倫理及分析能力等面向說明。

在社會工作研究中的實用性

1. 節省時間與經費：不必重新招募樣本、設計問卷或進入現場蒐集資料，適合資源有限的研究者，也能縮短研究時程。
2. 分析大規模或長期資料：政府調查與行政資料常涵蓋較大樣本或多個年度，可用來觀察社會問題的分布與變化，補足單一機構或小型研究的範圍限制。
3. 回答新的研究問題：既有資料可用不同理論觀點或分析方法重新檢視，發掘原研究未處理的關係。
4. 協助方案評估與政策規劃：例如研究者運用社福機構過去數年的服務紀錄，分析接受家庭支持服務者的服務使用情形及後續結果，作為調整服務流程或評估方案成效的參考。若資料含有適當的服務前後指標，也可比較介入前後變化；但單純觀察到變化，不能直接推論變化必然由方案造成。

次級資料分析的限制

核心觀念

「抽樣誤差」是因為只調查母體中的一部分樣本，而以樣本統計量推估母體參數所產生的隨機誤差。它描述的是：在既定抽樣設計下，若反覆抽取樣本，樣本估計值會因抽樣而有多大程度的變動。

題目所稱「信心水準為 $95\%$、抽樣誤差約為 $\pm1.31\%$ 之內」，意指依調查採用的抽樣設計及估計方法，在相應假設成立時，母體比例估計值的 $95\%$ 信賴區間約為「估計值上下各 $1.31$ 個百分點」。例如估計比例若為 $40\%$，信賴區間約為 $38.69\%$ 至 $41.31%。

此處的「抽樣誤差」不是調查結果與真實值必然相差的幅度，也不包含漏訪、拒訪、填答錯誤、測量偏誤或資料處理錯誤等非抽樣誤差。

解題方法

抽樣誤差通常由估計量的標準誤推得。對比例估計，$95\%$ 信賴區間的半寬可寫為：

其中 $\hat p$ 是樣本比例，$\operatorname{SE}(\hat p)$ 是依抽樣設計計算的標準誤。若母體比例未知，常以 $p=0.5$ 代入，因為 $p(1-p)$ 在 $p=0.5