基础但重要："例行公事“的描述性研究 | 【方法论】专题

编者按

在诸多发表在外文顶刊的定量研究文章中，学者们甚少关注描述性研究。对数据的描述性统计，要么被忽略而将更多的笔墨着重在复杂的回归模型中，要么就是用一小段文字进行简单的介绍从而证明样本采样的科学性。在这些研究中，过度关注于数据而产生的因果推断，而忽略了描述性研究可以帮助我们更好地理解隐含在数据背后的含义。

与外文顶刊中被忽略的描述性研究相反，中文期刊中发表了大量描述性研究的内容（尤其是国别政治研究）。这些描述性研究常常涉及诸如复制和翻译等缺乏原创性和新颖性的内容，而并未涉及对数据的清理、分类和管理。当然，这些研究在政策导向型研究中颇具价值，有助于对关键冲突点和问题进行情境化分析，从而帮助政策制定者了解复杂政策问题中的“何人-何事-何时-何地-如何”。

基础但重要：

"例行公事“的描述性研究

（原标题为：《描述性研究的必要性（A Case for Description）》，现标题为译者所拟）

左上Carolyn E. Holmes；右上Meg K. Guliford；

左下Mary Anne S. Mendoza-Davé；

右下Michelle Jurkovich

作者：

Carolyn E. Holmes, University of Tennessee

Meg K. Guliford, Drexel University

Mary Anne S. Mendoza-Davé, California State Polytechnic University

Michelle Jurkovich, University of Massachusetts

译者：

焦磊，山东大学

引文格式（MLA）：

Holmes, Carolyn E., et al. “A Case for Description.” PS: Political Science & Politics, vol. 57, no. 1, 2023, pp. 51–56.

内容提要

描述性研究——旨在解答“谁”、“什么”、“何时”、“何地”和“如何”等问题的工作，在社会科学研究的每个阶段都至关重要。无论是以数字形式还是叙述形式，通过概念、度量或案例进行创造性与分析性的描述过程，对于理解实际政治运作的研究至关重要。然而，我们这个领域往往倾向于将这类工作视为“仅仅是描述性的”（Gerring, 2012），认为其相较于假设驱动的因果推断而言是从属的或价值较低的。本文提出了描述性研究对政治科学四大关键贡献领域：在概念化过程中、在政策相关性上、在数据管理和利用中，以及在挑战根深蒂固的偏见和丰富我们领域的多样性方面。

“贬低描述性工作的基本假设是，数据并非探究的重点。相反，探究发生在数据之后。这一假设限制了研究人员对既有发现进行质疑或进一步构建的能力。”

“当针对所研究的问题或现象的数据尚不存在时，收集这些数据便是一项描述性工作。在已发表的研究项目中，这项工作往往被视为分析的附属部分而变得‘隐形’，即不被充分重视和展示。”

“若没有描述性工作从新的视角开辟出理解和思考概念与现象的新途径，我们将面临重蹈前几代社会科学家所制造的知识沉默的风险。”

“如果没有通过描述性工作从新的视角来开辟理解和思考概念与现象的新途径，我们就有重复前几代社会科学家所留下的沉默的风险。”

引言

强调对政治的“更科学”理解，这种理解与概括性和简约性相联系，并自行为革命以来主导了该学科，使得因果研究方法在理解社会世界中占据了优先地位。相反地，描述性探究在该学科中的作用和地位有所减弱，常被视为更为混乱、不重要或辅助性的。然而，跨越方法论、认识论和子领域界限的学者都从从事描述性工作中获益。因此，我们组织了一系列以描述作为社会科学事业为主题的协作研讨会和圆桌会议。这些会议为讨论社会科学中什么被视为描述以及它对研究过程有何贡献提供了基础。通过分享我们合作的见解，本文探讨了描述性研究的贡献，并就其在假设驱动探究及作为一种独立策略和方法的重要性提出了论据。

与因果研究的侧重点不同，描述性研究旨在回答“谁”、“什么”、“何时”、“何地”和“如何”的问题。描述既是一个创造性的过程，也是一个分析的过程。虽然描述常常涉及诸如复制和翻译等与缺乏原创性和新颖性相联系的做法，但描述并非中立或被动的，也不仅仅是转录或重现给定内容（Weinstein 2022）。这是因为描述涉及在数据的分类、意义构建和管理方面做出选择。

鉴于描述在政治科学中的核心作用，对其历史（及其最终边缘化）进行简要讨论十分重要。政治科学的行为革命由Merriam（1926）阐述为一种与自然科学紧密相关的研究方法；Key将其视为使研究“更有效”的努力（1950）；Truman（1951）认为这是一种“关注实证方法……发展政治过程科学”的方式；Dahl（1961）则称之为“现代科学观”。这是一场库恩式的政治学研究范式转变。随着20世纪中后期计算机技术的发展，政治科学的行为转向与其将实证方法应用于数据以得出因果论证的实践深度关联。这一方法在Designing Social Inquiry（《社会科学中的研究设计》，King, Keohane, and Verba, 1994）等作品中对自然科学模型的详尽阐述中保持一致，同时也体现在提倡方法论多元主义的改革运动（Perestroika）中，尽管这场运动并未质疑主要基于假设驱动的因果论证的必要性。

对因果性的强调导致了描述性研究在我们领域的流行度下降，这一点可以从主要领域期刊上发表的描述性文章减少，或者此类工作常被冠以“仅仅是描述性”的说法（Gerring 2012）中观察到。我们在2022年调查了四家主要的政治科学期刊，发现共有32篇文章（即约占总文章数的约10.2%）中，学者们将描述作为主要的分析工具。尽管描述已被认为是解释过程中的“重要步骤”，但描述性工作仍被认为是为了服务于解释，而不是独立存在（例如，参见KKV 1994）。虽然我们的调查发现许多学者积极从事描述性工作，但它往往是为了服务于其他类型的研究。在21世纪初，许多学者发表了捍卫描述性工作在学科内部作用的文章，指出了描述性工作在理论构建（Shapiro 2002）、测量效度（Adcock and Collier 2001）和概念化（Wedeen 2002）等方面的贡献。然而，该学科仍然侧重于描述性工作在建立因果论证方面的作用，而不是将其视为一项独立的任务。据说，脱离推断服务的描述，“大部分趣味性会消失”（KKV 1994）。

我们并不赞同上述观点。研讨会参与者强调了描述性研究本身在几个重要的概念、理论和政策相关对话中的重要性。描述性研究对于政策指导型研究至关重要，这类研究常常回答关于政策问题动态以及提供有关背景和干预措施的专业见解的问题。在研究设计阶段，学者们会花费大量时间来详细阐述概念化、限定和测量方法，以明确其研究的参数范围。这有助于分享研究成果并复制研究。此外，在数据匮乏的环境中收集的数据（数据稀少或难以获取）、在数据丰富的环境中需要对研究领域有新理解的大数据干预，或者当重大变化迫使重新评估以前确定的概念或衡量标准时，描述性研究也可以被利用来理解这些数据。在这方面，描述性研究挑战了学科内的偏见。

本文通过强调描述性研究本身的独立作用来推动讨论向前发展。首先，我们概述了详尽描述在概念化过程中的重要性及其忽视所导致的争议与合作限制。其次，我们将展示描述性工作在支持数据存储库方面的重要性以及丰富描述如何帮助学者理解和掌握新的和新兴环境。第三，我们将探讨描述性研究对寻求信息丰富且精心编排的背景描述的政策制定者和媒体的好处。最后，我们将通过总结描述性研究当前在何处发挥作用以及如何增强该学科的方式，为这一领域的现状提供一个概述。

概念化与连贯性

在社会科学中，概念及其应用、发生率和度量是基础性的；然而，良好的概念性工作需要描述。关键概念的参数——例如，多少死亡事件构成一场内战，或者多少次选举更迭构成了一个民主国家——界定这些参数至关重要，以确保研究的一致性在时间和地点之间以及不同研究者之间得以保持。例如，在跨国数据集中，什么样的死亡被计为战场死亡？这些计数是一项描述性工作，并且在不同的数据集中差异显著（Restrepo, Spagat and Vargas 2006）。在他们比较数据集对平民死亡人数统计的研究中，Broache等人（2022）发现多个备受瞩目的数据集存在明显的遗漏，它们基于可疑来源进行统计，结果在关键案例中导致了不系统的低估。他们指出，“当数千名平民死亡未被计入时，政治科学家对战争的理解——以及由此得出的结论和影响——在最坏的情况下是有害的，在最好的情况下也是不完整的。”然而，使用这些数据的研究往往仅在脚注或文献回顾引用中触及此类辩论。

贬低描述性工作的基本假设是数据并非探究的核心，而是探究发生在数据收集之后。这一假设限制了研究人员对已有发现提出质疑或进一步发展其成果的能力。随着一些作品名义上挑战关键概念（如内战、自由主义和民主）的动力学，但由于衡量标准或定义之间的不可比性而未能相互交流，这种可能性随之增加。

描述性工作能够定义新的概念，比如涂鸦在表达异议与抗议的作用（Lerner 2021），以及国家形态在网络空间中的形成（Yad, Raymond, and Muratbek 2022）。描述性研究还能够澄清或重新语境化对我们学科至关重要的概念，诸如规范（Jurkovich 2020）、公民身份（O’Brochta 2022; Porisky 2022）以及抗议活动中变化的框架和身份认同（Sosa-Villagarcia 2022）。建立新概念本质上也是一种描述性努力（Biswas 2022; Chan 2022）。若缺乏与社会世界实证研究相结合的描述，那么“社会事实将处于不确定状态——不足以得出分析性的科学结论。先前未知的现象在被研究者描述之前就已经存在，而且正是通过描述，即使是非科学的语言，人们才了解到这些现象”（Reiling 2022）。

政治科学中的概念是其在分析中应用或测量的先决条件，细心的概念化是一种固有的描述性练习。学者们必须先考虑“是什么？”的问题，然后才去问“有多少？”，即含义在前，测量在后；质量在前，数量在后（Collier and Gerring 2009）。最近一篇概念化文章中，Zaks（2023）强调了这一紧张关系：“学者们正在探索叛军向政党过渡现象的原因和后果，但在对该现象到底是什么达成一致意见（或展开讨论）之前就已如此。”此外，尽管有多种可辩护和有效的途径来定义“民主”，但如果一位学者采用亨廷顿（1991）的两次更迭测试，另一位则采用达尔（2008）关于多元统治的可观测维度，他们在没有清晰阐述各自的概念框架及其使用的支持理由时，很可能无法相互理解。要使整个学科内的学术成果具有可理解性，了解我们所研究概念的定义及其演变和扩展都是必要的。

管理数据：大数据和小数据

数据收集、管理和维护过程对于跨越方法论和本体论范式的社会科学研究至关重要。无论是在严格实证主义意义上，将数据视为“知识的基本构建块”，不涉及研究者或现象的主观性（Taylor 1971），还是在解释性意义上将其视为一组在特定情境中生成并具有相互主观意义的富含含义的观察（Schatz 2009），数据始终是后续分析的描述性基础。然而，数据的收集和管理很少被当作政治学研究的核心内容来讨论，它们往往被置于定性项目的方法部分，或是介绍新定量研究数据集的文章中。

然而，不同方法论路径下的数据塑造了政治科学家所追求的研究类型以及这些研究所能取得的结果。已收集和整理好的数据的存在从根本上可以影响研究人员提出的问题（Cappella-Zielinski and Grauer 2022），因为“如果缺乏高质量的数据，研究人员会完全放弃对关键研究问题的探究与解答，从而在关键议题的研究上留下明显的空白”（Konken 2022）。

现有的数据集，正如概述其创建过程的文章中常提到的那样，是通过许多不同的判断进行编纂而成的，它们将复杂的社会世界转化为固定的数据库点（例如，参见Boix, Miller, and Rosato 2013）。然而，这些选择在后续分析中常常被忽视。例如，Eck和Hultman（2007）关于针对平民暴力的数据集统计了美国国际恐怖主义事件中的死亡人数（如9·11袭击事件），但并未包括国内恐怖主义或国家暴力行为（如警察暴行）造成的死亡。没有扎实的描述性工作，这种关键的理解就不可能实现。

当针对正在审查的问题或现象不存在数据时，收集数据本身就是一项描述性任务，这项任务在已发表的研究项目中往往变得不可见，因为它被视为分析的附属环节。然而，对于新兴现象的研究——比如哈萨克斯坦社交媒体作为抗议工具（Wood 2022）、浪漫小说粉丝之间的在线民主组织（Fattore 2022）、围绕跨性别运动员参与的组织活动（Murib 2023）以及印度新兴的政治咨询行业（Sharma 2022）——需要描述性工作来理解新颖的情境和动态。其他一些长期存在但研究不足的主题领域，如拉丁美洲军队的家庭休假政策（Perera 2022）和地方性监管政治（Wright 2022），也需要新的数据收集。对于边缘化和异常现象【如犯罪活动和网络（Nussbaum 2022）、革命美学（Wade 2022）、大规模暴力行为实施者的意图（Garrity 即将出版）以及民兵组织的出现（Avery 2022）】的理解，数据收集可能是不可或缺的。在每种情况下，包括为后续分析标准化观测在内的数据收集本质上是一项描述性工作。它涉及资源的投入，如用于访问和记录、标准化及编码数据的资金和时间，但在出版物中却很少成为关注焦点。这项工作的隐形意味着那些选择创建此类数据仓库的研究人员承受着显著的额外负担，而他们的描述性工作则因此被低估而变得无形。

随着“大数据”在政治科学领域的兴起（例如参见Brady 2019），定义感兴趣变量或现象的能力对于利用大量数据来理解社会和政治世界至关重要。创建和维护诸如美国竞选电子邮件（Cepuran 2022）、国际法委员会会议记录（Holthoefer 2022）、总统议程设定（Eissler 2022）以及国际气候治理（Zebek 2022）等密集型现象的数据集是一种挑战，不是因为缺乏数据，而是由于数据的丰富。从现有数据中筛选和整合数据也是一种描述性工作，因为它要求研究者在一个新的数据环境中理解和定义（或在新的数据环境下重新定义）感兴趣的新型现象或概念。

当我们的学科更重视数据的应用而非其创造时，我们在研究对象、价值认知乃至最终理解上都将面临重大损失。无论研究人员是在既定数据集的参数内操作，从数据匮乏环境中创建自己的数据集，还是管理和利用大型新型数据形式或数据点，描述都为深入理解社会和政治世界提供了基础。呼吁重视描述性工作，并非意在鼓励无休止地沉迷于数据收集的细枝末节，或在每个项目中都重复造轮子。相反，这一呼吁旨在邀请我们重新评价数据收集和管理的基础性工作，将其视为社会科学的根本而不是附属部分。

政策相关性和面向公众的研究

尽管政策或公共相关性作为政治科学目标的话题偶尔会被讨论（例如参见Rogowski 2013），但只要我们有志于为政策制定过程或广大公众提供信息，描述就构成了这一过程的核心组成部分。政策制定者和大众媒体经常要求得到由政治科学家提供的、经过深入研究和精心编纂的事件与状况描述，因为这些专业知识有助于对关键冲突点和问题进行情境化分析（Seay 2022；Shively 2022）。政策制定者和公众希望了解复杂政策问题中的“何人-何事-何时-何地-如何”，这一点在诸如气候政策等领域尤为明显（Albistegui Adler 2022）。详尽的定性描述可以帮助政策制定者避免过分关注异常值，或者通过关注不同背景下的文化或制度差异来改变事件的框架（Peh 2022）。

通过生成数据样本的摘要，统计描述可以揭示随时间的趋势或说明数据样本的中心趋势、范围以及异常值。此外，专家可以通过构建描述性叙事来理解导致某一公众关注焦点或政策挑战的关键先决条件和关键时刻（Lakin 2022），或在不同的结果解释之间做出裁决（Harbin 2022）。这项工作之所以重要，在一定程度上是因为“描述性统计、案例研究以及其他类似材料对于通常通过离散操作原则（或理论）以及描述性证据进行学习和推理的政策制定者和公民来说，可能具有更大的价值和可及性”（Shively 2022）。

政治学领域的描述性研究现状

作为一门严肃对待社会与政治世界的学科，政治科学得益于描述如何帮助我们理解我们如何反映或再现世界上存在的偏见。谁的声音被听见或在学科中占据显著位置的问题，不仅基于谁在发声，还基于谁被倾听和重视。描述承认了世界的复杂性（Barkin 2022），为那些曾受到关注或参与社会科学家感兴趣现象的人的经验提供了空间（Hooser 2022）。过于关注既定概念或假设前几代人的默认模型具有普适性，往往会导致对边缘化群体（例如黑人女议员）应用概念沉默或缺陷模型，当他们与同侪比较时（Brown 2014）。正如Avant所论，“过分推崇理论化而非描述……会分散对我们尚未在该领域内体现的事物的注意力。这使得发现新见解变得更加困难，并且甚至会阻碍尝试。”正如Michener, SoRelle和Thurston（2022）所主张的，描述能够“纳入难以接触人群的声音和经验……收集并重视描述性研究……揭示关于人们生活的我们未知的信息；调整我们的视角，使专注于边缘化群体的研究不再被视为狭隘或缺乏理论基础……”。

如果没有从新的视角出发通过描述性工作来探索和塑造理解和解释概念与现象的新方式，我们将面临重蹈前几代社会科学家沉默覆辙的风险。如Thomas（2022）所述，“我们在本领域的研究设计和社会科学研究实践中用来描述我们观察到的现象，与其说是与权力中心场所框定的社会世界的存在论和认识论方式分离的，不如说它们是相互关联的，因此，我们的方法论实践植根于产生它们的物质主义取向和历史背景之中。”通过珍视描述性工作，特别是关注多种多样的声音，我们可以开始看清这些内在偏见的轮廓，并努力对抗其影响（Rublee 2022）。

在政治科学中为新声音腾出空间，描述性工作也有潜力以创新的方式重新塑造我们学科的形象，因为“关注什么问题，即使它们无法与为什么完全分开，也会促使学者更多地理解社会与政治互动。这将激发更大的开放性去发现打破传统智慧的模式……注意到新的模式也能培养创造性的方式来思考它们。关注描述本身有助于学者避免陷入对于解决现实世界问题而言不足的模型中”（Avant 2022）。相反，忽视描述会使学科处于一种危险境地，即“环境鼓励学者发展过多因果理论来证明其工作是‘创新的’。这也造成了要么开发高度理想化的证据，要么不断回归同一已确立的证据池，而不是寻求更广阔的视野”（Shively 2022）。描述性工作可以拓宽学者对政治甚至是数据的认知范围，无论是绿地的定义、位置和可获取性（Cantwell-Chavez 2021）、艺术在政治中的作用（Weinstein 2022）、非洲政教关系的定义与演变（Longman 2022），还是情感在外交政策中的贡献（Kowert 2022）。描述性工作还能促进跨学科交流，并扩大合作的可能性（Hyder 2022）。

结论

理解社会和政治世界是社会科学研究的根本任务，我们组织的一系列圆桌会议和研讨会呼吁关注描述性工作的重要性：通过描述性工作，我们的领域得以发展概念、管理和利用数据、与政策制定者和公众对话，并挑战固有的偏见。回答“谁”、“什么”、“何时”、“何地”和“如何”的问题——既与因果探究相辅相成，又具有独立性——对于我们在学术和面向公众工作中保持学科的持续相关性和连贯性至关重要。几十年来，描述性工作一直被视为对政治研究分析方法的辅助而被边缘化。然而，正如本文所主张的，描述性工作在研究过程的所有阶段——概念化、测量和数据管理——以及不同类型的研究所中都是必不可少的，无论是纯学术研究、面向公众的研究还是与政策相关的研究——它有助于挑战内嵌的偏见并为学科的新视野创造空间。在整个研究过程中深入理解我们试图解释的世界至关重要。

(因篇幅限制，参考文献从略）

〇 编辑、排版：焦磊

〇 审校：郭瑞涵  大兰