However, case studies do not strive

However, case studies do not strive for this type of external validity. There are two types of generation: statistical and theoretical. Statistical generalization is achieved by using representative randomsamples. On the basis of statistical probability we generalize our findings to a wider population that our sample is designed to represent.
Theoretical generalization involves generalizing from a study to a theory. Rather than asking what a study tells us about the wider population (statistical generalization) we ask, ‘What does this case tell us about a specific theory (or theoretical proposition)?’ In Chapter 13 I argued that case study designs are fundamentally theoretical. They are designed to help develop, refine and test theories. They do this using the logic of replication.
Replication
Tounderstand the concept of theoretical generalization it is necessary to understand the logic of replication in research design (Yin, 1989). This is the logic that lies at the heart of generalizing from experiments. Since experiments typically do not use representative probability samples they provide no basis for statistical generalization to a wider population. An experiment might employ an excellent design that ensures a high degree of internal validity but unless it is based on a probability sample we do not know if those findings will occur in the wider population. There may be something about the particular sample that means that the findings will apply only to the people who participated in the experiment.
Experiments using non-probability samples argue for external validity on the basis of replication logic. That is, if the experiment can be repeated again and again under the same conditions and produce the same results we can be confident that the experimental results will hold up more

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม กรณีศึกษาไม่มุ่งมั่นชนิดนี้มีผลบังคับใช้ภายนอก มีอยู่สองชนิดรุ่น: สถิติ และทฤษฎีการ สถิติ generalization จะทำได้ โดยใช้ randomsamples ตัวแทน โดยใช้ความน่าเป็นสถิติที่เราทั่วไปผลการวิจัยของเราให้กว้างประชากรตัวอย่างของเราถูกออกแบบให้แสดงGeneralization ทฤษฎีเกี่ยวข้องกับ generalizing ให้เป็นทฤษฎีจากการศึกษา แทนที่จะถามว่า การศึกษาบอกเราเกี่ยวกับประชากรกว้าง (สถิติ generalization) เราถาม 'กรณีนี้บอกอะไรเราเกี่ยวกับทฤษฎีเฉพาะ (หรือข้อเสนอทฤษฎี) บ้าง' ในบทที่ 13 ฉันโต้เถียงออกแบบกรณีศึกษาทฤษฎีพื้นฐาน พวกเขาถูกออกแบบมาเพื่อช่วยพัฒนา ปรับปรุง และทดสอบทฤษฎี พวกเขาทำนี้ใช้ตรรกะของการจำลองแบบจำลองแบบTounderstand แนวคิดของทฤษฎี generalization จึงจำเป็นต้องเข้าใจตรรกะของการจำลองแบบในการออกแบบการวิจัย (ยิน 1989) นี่คือตรรกะที่หัวใจของ generalizing จากการทดลอง เนื่องจากการทดลองโดยทั่วไปใช้ตัวแทนความน่าเป็นตัวอย่าง จะให้พื้นฐานไม่สำหรับ generalization สถิติประชากรกว้าง การทดลองอาจใช้การออกแบบที่ยอดเยี่ยมที่ระดับสูงมีผลบังคับใช้ภายใน แต่ถ้าอยู่บนค่าตัวอย่างความน่าเป็น เราไม่ทราบถ้าพบเหล่านั้นจะเกิดขึ้นในประชากรกว้าง อาจมีบางสิ่งบางอย่างตัวอย่างเฉพาะที่หมายความ ว่า ผลการวิจัยจะใช้กับคนที่เข้าร่วมทดลองเท่า นั้นทดลองใช้ตัวอย่างไม่ใช่ความโต้เถียงสำหรับใช้ภายนอกโดยใช้การจำลองแบบตรรกะ นั่นคือ ถ้าทดลองสามารถทำซ้ำอีกครั้งและอีกครั้งภายใต้เงื่อนไขเดียวกัน และให้ผลลัพธ์เดียวกัน เราสามารถมั่นใจว่า ผลการทดลองจะถือค่าเพิ่มเติม

ผลลัพธ์ (ไทย) 2:

อย่างไรก็ตามการศึกษากรณีที่ไม่ได้มุ่งมั่นสำหรับประเภทของความตรงภายนอกนี้ มีสองประเภทของรุ่นคือสถิติและทฤษฎี สถิติทั่วไปจะทำได้โดยใช้ randomsamples ตัวแทน บนพื้นฐานของความน่าจะเป็นสถิติที่เราพูดคุยการค้นพบของเราที่จะมีประชากรที่กว้างขึ้นว่ากลุ่มตัวอย่างของเราถูกออกแบบมาเพื่อเป็นตัวแทน.
ทั่วไปทฤษฎีที่เกี่ยวข้องกับการ generalizing จากการศึกษาทฤษฎี แทนที่จะถามว่าการศึกษาบอกเราเกี่ยวกับประชากรที่กว้างขึ้น (ทั่วไปสถิติ) เราถามว่ากรณีนี้บอกอะไรเราเกี่ยวกับทฤษฎีที่เฉพาะเจาะจง (หรือข้อเสนอทฤษฎี)? ในบทที่ 13 ผมแย้งว่ากรณีการออกแบบการศึกษาเป็นพื้นฐานทางทฤษฎี พวกเขาได้รับการออกแบบมาเพื่อช่วยพัฒนาปรับแต่งและทฤษฎีการทดสอบ พวกเขาทำเช่นนี้ใช้ตรรกะของการจำลองแบบ.
จำลอง
Tounderstand แนวคิดของทฤษฎีทั่วไปมันเป็นสิ่งจำเป็นที่จะเข้าใจตรรกะของการจำลองแบบในการออกแบบการวิจัย (หยิน 1989) นี่คือตรรกะที่อยู่ในหัวใจของ generalizing จากการทดลอง ตั้งแต่การทดลองมักจะไม่ใช้ความน่าจะเป็นตัวอย่างที่เป็นตัวแทนพวกเขาให้พื้นฐานสำหรับลักษณะทั่วไปสถิติประชากรที่กว้างขึ้นไม่มี การทดลองอาจจ้างออกแบบที่ยอดเยี่ยมที่ช่วยให้ระดับสูงของความถูกต้องภายใน แต่ถ้ามันจะขึ้นอยู่กับความน่าจะเป็นตัวอย่างที่เราไม่ทราบว่าผลการวิจัยที่จะเกิดขึ้นในประชากรที่กว้างขึ้น อาจจะมีบางสิ่งบางอย่างเกี่ยวกับตัวอย่างนั้นหมายความว่าผลการวิจัยจะใช้เฉพาะกับผู้ที่มีส่วนร่วมในการทดลอง.
การทดลองโดยใช้ตัวอย่างที่ไม่น่าจะเป็นเหตุผลสำหรับความตรงภายนอกบนพื้นฐานของตรรกะการจำลองแบบ นั่นคือถ้าการทดลองสามารถทำซ้ำอีกครั้งและอีกครั้งภายใต้เงื่อนไขเดียวกันและผลลัพธ์เดียวกันเราสามารถมั่นใจได้ว่าผลการทดลองจะถือมากขึ้น

ผลลัพธ์ (ไทย) 3:

อย่างไรก็ตาม การศึกษาไม่มุ่งมั่นของความตรงภายนอกชนิดนี้ มีสองประเภทของรุ่น : สถิติและทางทฤษฎี การสถิติได้โดยใช้ตัวแทน randomsamples . บนพื้นฐานของความน่าจะเป็นทางสถิติเราอนุมานผลของเราให้กว้างขึ้นประชากรตัวอย่างของเราถูกออกแบบมาเพื่อแสดง .
เกี่ยวข้องกับทฤษฎีการ Generalizing จากการศึกษาทฤษฎี แทนที่จะถามว่าการศึกษาบอกเราเกี่ยวกับกว้างประชากร ( วิชาสถิติ ) เราถามว่า " แล้วกรณีนี้บอกเราเกี่ยวกับทฤษฎีที่ระบุ ( หรือทฤษฎี ) ) ในบทที่ 13 ผมแย้งว่า กรณีศึกษาการออกแบบพื้นฐานทางทฤษฎี พวกเขาถูกออกแบบมาเพื่อช่วยพัฒนาปรับแต่งและทฤษฎีการทดสอบ พวกเขาทำเช่นนี้โดยใช้ตรรกะของซ้ำ ซ้ำ

เข้าใจแนวคิดของทฤษฎีการจำเป็นเข้าใจตรรกะของคำตอบในการออกแบบการวิจัย ( Yin , 1989 ) นี่คือตรรกะที่อยู่ที่หัวใจ Generalizing จากการทดลองเนื่องจากการทดลองมักจะไม่ใช้ตัวแทน น่าจะเป็นตัวอย่างให้ไม่มีพื้นฐานทางสถิติ การเป็นประชากรที่กว้างขึ้น การทดลองอาจจ้างออกแบบที่ยอดเยี่ยมที่ช่วยให้ระดับสูงของกฎหมายภายใน แต่ถ้ามันอยู่บนพื้นฐานของความน่าจะเป็นตัวอย่างที่เราไม่รู้ว่าข้อมูลเหล่านั้นจะเกิดขึ้นในบริเวณกว้างประชากรอาจจะมีอะไรที่เกี่ยวกับเฉพาะตัวอย่างที่แปลว่าข้อมูลจะใช้เฉพาะกับผู้คนที่เข้าร่วมในการทดลอง การทดลองใช้ตัวอย่างความน่าจะเป็นไม่เถียง
ความตรงภายนอกบนพื้นฐานของตรรกะการทำซ้ำ นั่นคือถ้าการทดลองสามารถทำซ้ำอีกครั้งและอีกครั้งภายใต้เงื่อนไขเดียวกัน และสร้างผลลัพธ์เดียวกันที่เราสามารถมั่นใจได้ว่าผลการทดลองจะถือขึ้นเพิ่มเติม