免費開始練習
普考申論題 105年 [社會工作] 社會工作研究方法概要

第 一 題

📖 題組:
四、請試述下列名詞之意涵:(每小題 5 分,共 25 分) ㈠次序尺度(ordinal scale) ㈡準實驗設計(quasi-experimental design) ㈢德菲法(Delphi method) ㈣電腦輔助面訪調查系統(CAPI) ㈤多元共線(multi-collinearity)
📝 此題為申論題,共 5 小題

小題 (一)

次序尺度(ordinal scale)

思路引導 VIP

看到「次序尺度」,應直覺聯想到測量尺度的四個層次(名義、次序、等距、等比)。作答時需精確點出其具備「分類」與「排序」功能,但「間距不等且無絕對零點」的統計特性,並務必舉一個社工實務的量表例子(如滿意度或風險等級)來佐證實務應用能力。

🤖
AI 詳解
AI 專屬家教

「次序尺度」(ordinal scale)是指測量變項的一種尺度層次,不僅具備將觀察值分類的特性,類別之間更具有邏輯上的「等級、大小、高低或強弱」之排序關係。 特徵包含:(1) 具備相對順序性,可比較數值的大於或小於(>、<)。(2) 類別之間的距離(數值差距)不一定相等,無法確切得知各等級間的實際差異大小。(3) 不具備絕對零點,故無法進行加減乘除等代數運算。 實務應用為社會工作評估或問卷調查中常見的量表測量。例如:在針對高風險家庭的服務評估中,社工將家庭危機程度評定為「低度危機、中度危機、高度危機」;或是測量案主對單親培力方案的滿意度(非常不滿意、不滿意、普通、滿意、非常滿意),皆屬於次序尺度的應用。

小題 (二)

準實驗設計(quasi-experimental design)

思路引導 VIP

考生看到此題應先對比「真實驗設計」的核心要件,點出「準實驗設計」最主要的差異在於缺乏「隨機分派」。作答時除了給予精確的學理定義與特徵外,務必結合社會工作實務場域(如受限於倫理的方案評估)進行舉例,以展現實務應用能力。

🤖
AI 詳解
AI 專屬家教

「準實驗設計(quasi-experimental design)」係指在無法完全滿足真實驗設計嚴格條件(特別是缺乏「隨機分派」)的情況下,所進行的實驗研究設計。特徵包含:(1)未採用隨機分派(non-random assignment)來決定實驗組與控制組(或稱比較組);(2)仍具備自變項的介入(操弄)與測量設計,試圖檢驗因果關係;(3)多在自然實務情境中進行,故外部效度較高,但控制干擾變項的內部效度較真實驗設計弱。 社會工作實務應用多見於方案成效評估。例如:在評估「高風險家庭親職教育方案」成效時,基於社會工作不忍拒絕服務的專業倫理,無法將高風險家庭隨機分派至不提供服務的控制組。因此,研究者可將「接受方案」的家庭設為實驗組,並尋找「背景條件相似但在等候名單(waiting list)上」的家庭作為比較組,藉此評估方案介入的實際成效。

小題 (三)

德菲法(Delphi method)

思路引導 VIP

看到「德菲法」,應立即聯想到「專家共識」、「匿名性」與「多回合問卷」。作答時須點出其核心操作程序(匿名、反覆、回饋、統計共識),並結合社工實務情境(如:建構評估指標)來說明此方法在缺乏客觀數據時的應用價值。

🤖
AI 詳解
AI 專屬家教

「德菲法(Delphi method)」指一種旨在取得專家群體共識的系統性研究方法與結構化溝通技術。透過反覆施測多回合的匿名問卷,讓專家在不受權威或同儕壓力下表達意見,最終收斂出具體的結論。 其核心特徵包含: (1) 匿名性:專家彼此不相見、不知對方身分,避免群體迷思或權威主導現象。

小題 (四)

電腦輔助面訪調查系統(CAPI)

思路引導 VIP

看到「CAPI」,先拆解英文字母意涵(電腦、輔助、個人、面訪),點出訪員攜帶電子設備進行面對面訪問的特徵。接著說明其在研究上的優勢(自動跳答、防呆除錯、省去建檔時間),最後舉一個社工實務情境(如街友調查)來具體說明。

🤖
AI 詳解
AI 專屬家教

「電腦輔助面訪調查系統(CAPI, Computer-Assisted Personal Interviewing)」指訪員在進行面對面訪談時,利用筆記型電腦或平板電腦等電子設備來呈現問卷題目,並直接輸入受訪者答案的資料收集方法。 其特徵與優勢包含:(1) 自動跳答設計:系統能依前題答案自動跳至對應題目,適合複雜邏輯的問卷;(2) 即時檢誤功能:可設定數值範圍或防呆機制,減少漏答或人為筆誤;(3) 提升研究效率:訪談結束即完成資料數位化,省去傳統紙本問卷後續的人工登錄與建檔時間。 實務應用上,例如在進行「街友生活狀況與需求調查」時,社工員可手持平板至外展地點進行面訪,運用 CAPI 即時且精確地記錄龐雜的健康與就業數據,加快資料分析速度以利及時研擬處遇方案。

小題 (五)

多元共線(multi-collinearity)

思路引導 VIP

看到「多元共線」,應立刻聯想到多元迴歸分析中自變項之間的關係。請先精確定義其為『自變項間存在高度相關』,接著說明其會導致估計失真或難以釐清個別變項影響力的後果,最後務必結合社工研究實務(如:測量收入與社經地位)作為具體舉例以獲取高分。

🤖
AI 詳解
AI 專屬家教

「多元共線(multi-collinearity)」是指在多變量統計分析(特別是多元迴歸分析)中,兩個或兩個以上的「自變項(預測變項)」之間存在高度的線性相關現象。特徵與影響包含:(1)導致迴歸係數的標準誤膨脹,使模型估計值不穩定;(2)難以精確區分並解釋個別自變項對依變項的獨立影響力;(3)可能出現整體模型檢定顯著,但個別自變項檢定卻不顯著的矛盾結果。社會工作實務研究應用為:當評估「影響高風險家庭兒童復原力的因素」時,若研究者在模型中同時放入「家庭每月總收入」與「主要照顧者社經地位」兩個自變項,因兩者在現實中高度相關,即可能產生多元共線問題,導致無法確知究竟是單純的經濟條件還是整體的社經地位影響了兒童復原力;實務上常透過計算變異數膨脹因子(VIF)來偵測,並以剔除或合併變項的方式來解決。

升級 VIP 解鎖