本课程将向您介绍社会科学定性研究背后的基本思想。您将学习定性研究中的数据收集、描述、分析和解释。定性研究通常涉及一个反复的过程。我们的重点是这一过程所需的要素：数据收集和分析。 光看视频是无法学会如何使用定性研究方法的，因此我们会在其他作业中强调通过观察和访谈收集数据，以及分析和解释收集到的数据。 显然，我们会讨论定性研究中最重要的概念，就像我们会讨论质量标准、良好实践、道德规范、写作分析方法和混合方法一样。 我们希望能消除一些偏见，并激发许多学生对定性研究的兴趣。

了解统计学对于理解社会和行为科学研究至关重要。在本课程中，您将学习到统计学的基础知识；不仅包括如何计算，还包括如何评估。本课程还将为您学习专项课程的下一门课程--《Inferential Statistics》（推断统计）做好准备。

在课程的第一部分，我们将讨论描述统计的方法。您将了解什么是案例和变量，以及如何计算中心倾向（平均值、中位数和模式）和离散度（标准偏差和 Variance）。接下来，我们将讨论如何评估变量之间的关系，并介绍相关和回归的概念。 课程的第二部分涉及概率的基础知识：计算概率、概率分布和 Sampling Distribution。您需要了解这些知识才能理解推断统计的工作原理。 课程的第三部分包括对推断统计方法的介绍--这些方法可以帮助我们判断我们在数据中看到的模式是否足以得出我们感兴趣的基本 Population 的结论。我们将讨论 Confidence Interval 和显著性检验。 通常情况下，您不仅要学习所有这些统计概念，还要接受培训，以便使用免费提供的统计软件自行计算和生成这些统计数据。由于技术问题，我们目前无法这样做。我们将尽快再次提供这种培训。

推断统计是根据 Sample 中发现的关系对 Population 中的关系进行推断。例如，推断统计帮助我们判断，我们在数据中看到的群体间差异是否足以支持我们的假设，即群体差异普遍存在于整个人群中。 我们将首先考虑显著性检验的基本原则：Sampling Distribution、检验统计量分布、P 值、显著性水平、功率以及 I 型和 II 型错误。然后，我们将考虑大量的统计检验和技术，帮助我们针对不同类型的 Data 和不同类型的 Research Design 做出推论。对于每一种单独的统计检验，我们都将考虑其工作原理、适合哪些数据和设计以及如何解释结果。

通常情况下，您还将学习如何使用免费提供的 R 软件进行这些检验。对于那些已经熟悉统计检验的人，我们将介绍 z 检验：我们将学习 1 和 2 比例的 z 检验、从属比例的 McNemar 检验、1 平均值（配对差异）和 2 平均值的 t 检验、独立性的 Chi-Square 检验、费雪精确检验、简单回归（线性回归和指数回归）和多元回归（线性回归和 Logistic 回归）、单向方差分析和因子方差分析以及非参数检验（Wilcoxon、Kruskal-Wallis、符号检验、符号秩检验、运行检验）。

期末研究项目包括与其他学员合作开展一项研究。你们将共同制定研究假设和设计，提出操作方法，创建操作和测量工具，收集数据，进行统计分析并记录结果。

在本课程中，您将经历整个研究过程，并能够帮助确定我们要研究的问题以及如何设计和开展研究。如果您希望将来能够批判性地评估社会和行为科学领域的科学研究，或设计和开展自己的研究，那么这将是一次宝贵的经历。