Causal Case Study Methods: Foundations and Guidelines for Comparing, Matching, and Tracing

در این بازسازی جامع روش‌های مطالعه موردی علی، درک بیچ، راسموس برون پدرسن و نویسندگان آنها تفاوت‌های هستی‌شناختی و معرفت‌شناختی این روش‌ها را ترسیم می‌کنند، پیشنهادهایی برای تعیین روش‌های مناسب برای یک پروژه تحقیقاتی ارائه می‌دهند و مرحله را توضیح می‌دهند. کاربرد گام به گام روش‌های انتخاب‌شده.

روش‌های مطالعه موردی علّی با مبانی منسجم و منطقی برای روش‌های مقایسه‌ای کوچک n، روش‌های همخوانی آغاز می‌شود. و ردیابی فرآیند، سپس انواع متمایز روابط علی را که هر روش برای آن مناسب است، مشخص کنید. در مرحله بعد، نویسندگان دستورالعمل های عملی برای استقرار هر یک از روش ها به صورت جداگانه و ترکیبی ارائه می دهند. آنها پژوهشگر را در هر مرحله از فرآیند تحقیق، با مسائل مربوط به شکل‌گیری مفهوم و فرمول‌بندی ادعاهای علّی به روش‌هایی که با تحقیقات موردی سازگار است، شروع می‌کنند. آنها سپس دستورالعمل‌هایی را برای استفاده از منطق بیزی به عنوان مجموعه‌ای از سؤالات عملی برای ترجمه داده‌های تجربی به شواهدی که ممکن است استنتاج‌های علّی را تأیید کنند یا نکنند، ایجاد می‌کنند. در کلاس های دانشگاه، دوره های تابستانی و زمستانی مدارس، و کارگاه های حرفه ای، در سراسر جهان.

In this comprehensive reconstruction of causal case study methods, Derek Beach, Rasmus Brun Pedersen, and their coauthors delineate the ontological and epistemological differences among these methods, offer suggestions for determining the appropriate methods for a given research project, and explain the step-by-step application of selected methods.

Causal Case Study Methods begins with the cohesive, logical foundations for small-n comparative methods, congruence methods, and process tracing, then delineate the distinctive types of causal relationships for which each method is appropriate. Next, the authors provide practical instruction for deploying each of the methods individually and in combination. They walk the researcher through each stage of the research process, starting with issues of concept formation and the formulation of causal claims in ways that are compatible with case-based research. They then develop guidelines for using Bayesian logic as a set of practical questions for translating empirical data into evidence that may or may not confirm causal inferences.

Widely acclaimed instructors, the authors draw upon their extensive experience at the graduate level in university classrooms, summer and winter school courses, and professional workshops, around the globe.