Dissertation Methodology Examples 論文方法章範例

Supervisor 在 Proposal 或 Dissertation draft 留下一句「methodology needs more justification」，往往不是叫你多寫兩頁定義，而是要你證明：你的研究問題、資料來源、分析方式和結論，彼此真的接得上。以下 Dissertation methodology examples 以香港學生常見的商科、護理、工程及資訊題目示範，讓你知道方法章不應只是把 questionnaire、interview、SPSS 或 Python 名稱逐項列出。

Methodology 章節到底要交代甚麼？

一個有說服力的 Methodology，核心是讓讀者能複核你的研究決定。你要清楚說明採用甚麼 research philosophy、research approach 和 research design；研究對象是誰；如何抽樣和收集數據；用甚麼方法分析；以及如何處理 consent、匿名、資料保存與研究限制。

最常見失分位，是學生先決定「我要做問卷」，再硬把題目塞進量化研究。正確次序剛好相反：先確認你要回答的是「多少、是否相關、是否有差異」，還是「為何、如何、參與者怎樣理解」。前者通常較適合 quantitative method，後者多數需要 qualitative method；若兩種證據都不可缺，才考慮 mixed methods。

Dissertation methodology examples：商科量化研究

假設題目是：「社交媒體 influencer credibility 是否影響香港 Z 世代的購買意欲？」這類題目關心變數之間的關係，採用 positivism、deductive approach 和 cross-sectional survey 是合理選擇。方法章不能只寫「本研究派發問卷」，而要解釋問卷為何能在有限時間內收集足夠樣本，並量度 credibility、trust 和 purchase intention 等可比較的 constructs。

你可以寫明採用 convenience sampling，透過香港大專學生及 18 至 27 歲社交媒體使用者收集 200 至 300 份有效問卷。這不是完美抽樣，因為樣本未必代表全港消費者，但對資源有限的 undergraduate Dissertation 而言可行。關鍵是坦白承認 generalisability 有限，而不是把方便抽樣包裝成隨機抽樣。

分析部分亦要對應問題。先以 descriptive statistics 檢視年齡、使用平台及平均分，再用 Cronbach’s alpha 檢查量表內部一致性，最後以 correlation 或 multiple regression 測試假設。若你沒有足夠樣本、量表不是連續資料，或資料明顯不符合檢定假設，就不應為了「高級」而硬做 regression。SPSS、Excel 或 R 只是工具，分析選擇必須由數據類型決定。

護理與教育研究的質性範例

若題目改為「香港新畢業護士如何經驗輪班工作帶來的壓力？」研究目標不再是計算比例，而是理解個人經驗。此時可採用 interpretivism、inductive approach，以及 semi-structured interview。這種設計讓受訪者用自己的語言描述壓力來源、應對方式和職場支持，而研究者可追問原先未預見的內容。

方法章可交代採用 purposive sampling，招募 8 至 12 名具有一年或以下臨床經驗的註冊護士。樣本數目不是愈大愈好，重點是資料是否已達到 saturation，即新訪談不再帶來明顯新主題。每次訪談約 45 至 60 分鐘，取得書面 consent 後錄音、逐字轉錄，並以化名取代真實姓名及醫院資料。

分析可採用 thematic analysis。寫作時不要停在「將資料分類成主題」這一句，而要交代編碼流程：反覆閱讀 transcript、建立初步 codes、合併相關 codes、檢查主題是否能回應研究問題，再以受訪者原話支持詮釋。研究者 reflexivity 也值得交代，尤其當你本身是護理學生、教師或同業時，你的經驗可能幫助理解資料，也可能影響提問和解讀。

工程、建築及 IT 題目怎樣寫？

工程與 Computer Science Dissertation 經常出現另一個問題：學生花了大量篇幅描述系統功能，卻沒有交代如何驗證成效。假設你的 FYP 題目是「以 Python 建立建築工地安全帽偵測系統」，Methodology 可以採用 design science research 或 experimental design。你需要說明資料集來源、影像標註準則、training 和 testing data 的切分方式、模型架構，以及選擇該架構的技術理由。

評估不能只說「系統成功運行」。應預先定義 metrics，例如 precision、recall、F1-score、detection latency 和不同光線環境下的表現。若與既有模型比較，測試條件必須一致，否則結果沒有公平性。對於 quantity surveying、construction management 或物流題目，亦可使用 case study、BIM data analysis 或 simulation，但同樣要界定案例選擇、輸入參數和驗證方法。

混合方法不是兩種方法隨意相加

例如研究「香港 hybrid work policy 對員工生產力的影響」，你可先以問卷量度整體趨勢，再訪問少量受訪者解釋數字背後原因。這是 explanatory sequential mixed methods：quantitative 在前，qualitative 在後。方法章必須指出兩階段如何連結，例如訪談對象是否按問卷結果挑選、訪談發現如何解釋統計結果。

若你只是同時做問卷和訪談，卻沒有把兩類結果整合，這不會自動令研究更有深度，反而會令篇幅、時間和分析負擔全部增加。Deadline 很緊時，做好一種方法通常比勉強完成兩種方法更可靠。

寫 Methodology 時最容易被追問的四件事

第一，抽樣是否配合研究對象。研究香港全職工作者，卻只訪問三位同學，不能作出廣泛結論。第二，問卷題目或訪談問題是否由文獻支持。採用既有 validated scale 時，需交代來源及任何語言調整。

第三，倫理處理是否具體。不要只寫「資料會保密」，而要說明誰能接觸原始資料、保存多久、參與者可否中途退出，以及敏感資料如何匿名化。若涉及病人、未成年人、公司內部數據或 vulnerable participants，還要先確認學校 ethical approval 要求。

第四，限制是否誠實而不自我否定。小樣本、單一地區、self-reported data 和短期研究都可能造成限制；但你可說明它們如何影響結果解讀，並提出後續研究可如何改善。這比空泛地寫「本研究存在不足」更像真正的 academic writing。

讓方法章由「有做過」變成「站得住腳」

提交前，把每一個方法決定放回研究問題檢查一次：這個問題需要甚麼證據？我的樣本能否提供該證據？分析方法能否回答問題？倫理與限制是否已交代？只要其中一環答不清，Supervisor 很可能會質疑整份 Dissertation 的可信度。

如果你正同時應付工作、placement、FYP 或多份 Assignment，最值得爭取的不是一份套用式範例，而是針對自己題目、學科規範及學校要求的 Methodology feedback。AAHK 可協助你釐清研究設計、問卷或訪談框架、數據分析邏輯與學術表達，讓每一個研究決定都有理由可說，也經得起 supervisor 追問。