henoe1
量化评价:以目标分解量化的评价手段 优点：简单 公平 缺点：以次充好质性评价：以评价对象的价值或特点作出判断的评价手段 优点：准确 缺点：人情社会 
定性研究与定量研究区别：1、着眼点不同。定性研究着重事物质的方面；定量研究着重事物量的方面。2、在研究中所处的层次不同。定量研究是为了更准确地定性。3、依据不同。定量研究依据的主要是调查得到的现实资料数据，定性研究的依据则是大量历史事实和生活经验材料。4、手段不同。定量研究主要运用经验测量、统计分析和建立模型等方法；定性研究则主要运用逻辑推理、历史比较等方法。5、学科基础不同。定量研究是以概率论、社会统计学等为基础，而定性研究则以逻辑学、历史学为基础。6、结论表述形式不同。定量研究主要以数据、模式、图形等来表达；定性研究结论多以文字描述为主。定性研究是定量研究的基础，是它的指南，但只有同时运用定量研究，才能在精确定量的根据下准确定性。这是二者的辩证关系。定量分析：优点：最大的优势是提供了描述性数据，比如允许我们捕捉用户群体的快照，但这些数据我们很难解释。定量的数据可以帮助你对整体用户行为和使用趋势有所了解缺点：对于定量分析而言，所有搜集来的数据和信息都可以被数字所衡量。定量分析仅仅是告诉了你查询到的数字。数字蕴含背后的意义难以知晓。定性分析：优点：可以为你提供定量研究无法为你提供的人类行为、情感和个性的细节。定性数据包含用户行为、需求、欲望、日常生活及用户案例相关的数据以及其他设计真正适合用户生活的其他重要信息。缺点：不含有数字的分析，很难达到准确以及深度。扩展资料定性分析与定量分析的关系定性分析与定量分析应该是统一的，相互补充的；定性分析是定量分析的基本前提，没有定性的定量是一种盲目的、毫无价值的定量；定量分析使之定性更加科学、准确，它可以促使定性分析得出广泛而深入的结论。相比而言，前一种方法更加科学，但需要较高深的数学知识，而后一种方法虽然较为粗糙，但在数据资料不够充分或分析者数学基础较为薄弱时比较适用，更适合于一般的投资者与经济工作者。但是必须指出，两种分析方法对数学知识的要求虽然有高有低，但并不能就此把定性分析与定量分析截然划分开来。事实上，现代定性分析方法同样要采用数学工具进行计算，而定量分析则必须建立在定性预测基础上，二者相辅相成，定性是定量的依据，定量是定性的具体化，二者结合起来灵活运用才能取得最佳效果。不同的分析方法各有其不同的特点与性能，但是都具有一个共同之处，即它们一般都是通过比较对照来分析问题和说明问题的。正是通过对各种指标的比较或不同时期同一指标的对照才反映出数量的多少、质量的优劣、效率的高低、消耗的大小、发展速度的快慢等等，才能为作鉴别、下判断提供确凿有据的信息。参考资料来源：百度百科-定性分析参考资料来源：百度百科-定量分析
区别：1、分析的内容不同定性分析主要采用的是文字语言的方式，对于产品的问题进行相关的描述，而定量分析主要采用的是数学语言，通过一系列的数据来对产品问题进行描述。2、采取的具体方法不同：定量研究一般采用演绎的方法来推理：假设是基于理论发展的，然后收集数据来检验假设。所以它从理论转向数据。定性研究通常采用一种归纳的方法来进行推理：观察（收集数据），它的方法通常是具体的：关注点是个性和独特性。联系：定性分析和定量分析两者既对立又统一，相互补充。任何一项定量分析，都必须以定性分析作为基础和前提，只有这样才能够明确分析的方向，不至于出现方向性的错误。没有定性的定量是一种盲目的、毫无价值的定量，定量分析使得定性分析更加科学、准确，它可以促使定性分析得出广泛而深入的结论。定性分析的优势：人类是真正的智慧，人类大脑拥有消化和合成多样化信息的能力（例如：投资者可以综合工业、经济、政治环境到公司产品、股份需求等的方方面面），这样的能力连最先进的计算机都难以匹敌。计算机依赖从外部输入指令，只是一个加法器。定量分析的优势：可以快速处理大量的数据；计算机没有情感。定性（基本面）分析、定量分析和技术面分析的关系：基本面分析提供了有关经济、行业和特定公司的发展趋势的重要假设，这些是良好的投资决策的基础。定量分析能够让投资者对各种基本面的趋势进行全面的分析，而其他方法则很难如此兼顾。技术分析提供了对各种投资品种的投资预期的汇总分析，并提供了关于投资时机的线索。定性分析与定量分析应该是统一的，相互补充的；定性分析是定量分析的基本前提，没有定性的定量是一种盲目的、毫无价值的定量；定量分析使定性分析更加科学、准确，它可以促使定性分析得出广泛而深入的结论。定量分析是依据统计数据，建立数学模型，并用数学模型计算出分析对象的各项指标及其数值的一种方法。扩展资料：定性分析必须通过一系列的试验去完成，如果试验结果与预期相符，称为得到一个“正试验”，或称试验阳性，也就是说某组分在试样中是存在的；反之，得到一个“负试验”或试验阴性表示某组分不存在。组分存在与否的根据是：①物质的物理特性，如颜色、臭味、比重、硬度、焰色、熔点、沸点、溶解度、光谱、折射率、旋光性、磁性、导电性能、放射性、晶形等，有时可利用放大镜或显微镜获得物质组分的重要线索（见化学显微术）；②物质在起化学反应时，特征颜色、荧光、磷光的出现或消失，沉淀的生成或溶解，特征气体和特征臭味的出现，光和热的产生等；③生物学现象，例如只要存在痕量的某些重金属元素，就能促进或抑止某些微生物的生长；也可以利用酶的特殊选择性去检出物质，如尿素酶能使尿素分解为二氧化碳和氨，但不与硫脲、胍、甲基脲作用。定量分析的理论基石是实证主义。从研究的逻辑过程看，定量分析比较接近于假说－演绎方法的研究，既保留重视观察实验、收集经验资料的特点，又保留重视逻辑思维演绎推理的特点，应用假说使得观察实验方法和数学演绎形式结合起来。正因为这样，定量分析往往比较强调实物的客观性及可观察性，强调现象之间与各变量之间的相互关系和因果联系，同时要求研究者在研究中努力做到客观性和伦理中立。参考资料：百度百科---定性分析参考资料：百度百科---定量分析
定量研究定量研究的优势在于可以提供描述性的数据，比如允许我们一览用户总体。但是解释它们则会遇到困难（不知道为什么）。在研发产品的环境下，这一数据缺失会导致产品设计的严重错误。例如，调查发现，大部分用户喜欢3D展示，这可能会导致产品团队考虑将3D展示整合进产品中。但是，如果大部分用户只是喜欢裸眼3D，或只是在电视上观看体育赛事或动作片时才喜欢3D展示。那么，带上3D眼睛在移动设备上观看数据的可视化呈现就不是一个合理的设计方向。此外，只有对如何使用和理解定量数据有着深刻领会的人才应当实施一项定量研究。在定量研究中，你可以通过操纵样本量来改变p值（p值说明了你的研究发现是随机性结果的可能性），但你需要足够的样本量以获得足够的统计检验力，以确定结果是否准确。如果因为样本量太小导致你的研究统计检验力过低，你可能没法达到统计显著性，即便结果是准确的。另一方面，如果在小样本的情况下你就达到了统计显著性，你无需再增加样本量，不管怎样结果都是真实的。通过增加样本量，你可以提高研究的统计检验力，但到一定程度，结果（统计显著性）可能是没有意义的。在这种情况看下，你需要考察效应量（effect size）——告诉你研究变量对变异影响程度的统计量。总而言之，统计显著性告诉你研究结果是否是真实的，而效应量告诉你它们的重要性有多大。通常情况下，如果你能够在小样本的条件下达到统计显著，这说明效应量是相当大的。解释你的数据时需要同时考虑统计显著性和效应量。定性研究数据收集后，研究者不是进行数据分析而是从数据中寻找趋势。这时候，研究者会寻找在不过研究参与者之间含义相似的陈述。一个经验法则就是，从一个参与者那里听来的话是一段轶事，从两个参与者那里听来的话可能是巧合，从三个人那里听来的话可能就是一个趋势了。你发现的趋势可以知道产品研发、商业决策和市场策略。由于你不能通过计算p值和效应量来验证趋势，你在应用它们时要格外小心。而且，你应该通过不断进行的定性研究项目来继续验证这些数据。定量定性，齐头并进你可以使用定性研究来发现影响研究变量的因素，然后利用这些信息来构思定量研究以评价这些因素如何影响用户偏好。同时，你也可以通过定性研究来建立趋势，然后用定量研究来验证它。
