1.研究範式與哲學立場

在研究設計時，首要明確哲學立場。若採用實證主義（Positivism），表示重視可量化、客觀的數據驗證，適合檢證假設與尋求因果關係。例如針對台灣上市中小企業的數位行銷策略，若需驗證「內容行銷與顧客黏著度之間的正向關係」，則以問卷收集量化資料，應用統計方法檢驗假設。

若傾向詮釋學（Interpretivism），則強調主觀意義與社會脈絡，適合探討企業主及員工對數位轉型的經驗與認知。質性資料能揭示深層意義，如訪談了解業界人士如何看待轉型過程中的挑戰與契機。

若選擇混合方法（Mixed Methods），則需設計兩階段程序，例如「先質後量」：初期透過深入訪談萃取關鍵概念，發展量表後以問卷普查，並對資料整合。或採「先量後質」：先透過問卷調查，再針對特定發現邀請專家進行深入訪談。整合策略應包括數據交互驗證，提升研究信實度，並確保量化與質化資料的結論互補強化。

2. 樣本與抽樣設計

母體設定：以「台灣上市中小企業」為目標群體，適合研究企業數位轉型的趨勢與特徵。

抽樣方式：

• 分層隨機抽樣：依產業類別（如製造、服務、資訊科技等）分層，每層按比例隨機抽取，確保各領域意見被納入，提升研究代表性。
• 雪球抽樣：針對難以直接接觸的專業群體，透過介紹鏈接擴展樣本，特別適合收集關鍵從業者或領導者觀點。

樣本數計算：運用G*Power工具進行效能分析（假設效應量0.15、顯著水準α=0.05、統計力power=0.80），如迴歸分析所需樣本數約120，合理權衡資源與分析需求。

3. 測量工具研發與信效度測試

如採用既有量表（如Likert五點量表），需經中文化翻譯及「Back-translation」確保語意一致。之後進行預試（Pilot Test），建議發放30份以上問卷，蒐集初步資料進行信度與效度檢驗。

• 信度分析：計算Cronbach’s α（α≥0.70為可接受），若值過低應檢視題項刪除或重構。
• 效度分析：運用驗證性因素分析（CFA），判斷量表結構與理論一致性。根據分析結果針對題項加以優化，必要時進行題目命名修正。

此階段應全程保留語意明確的題項，並根據預試回饋修正測量工具，為正式大規模調查奠定基礎。

4. 資料收集流程與倫理考量

量化資料：建議利用Google Forms或Qualtrics建置問卷，同時設計完成獎勵（如抽獎、電子禮券），提升回收率及參與意願。針對數位問卷，應提供清楚的填答指引與隱私政策說明。

質性資料：進行深度訪談前，設計半結構式訪談大綱，明確記錄提問核心；進行訪談時需徵得受訪者書面或電子同意，錄音並逐字轉錄，確保資料原貌，

倫理遵循：全程依據個人資料保護法與學校人類研究倫理審查（IRB）規定辦理。所有資料必須去識別化（De-Identification）後儲存，並於論文附錄標示倫理審查通過之核准編號。資料存放需加密管理，確保受試者隱私權益。

5. 資料處理與分析工具

• 量化分析：應用SPSS進行描述統計、迴歸分析、ANOVA，以AMOS或SmartPLS進行結構方程式建模（SEM），驗證變項間的關係模型。
• 質性分析：NVivo或Atlas.ti作為編碼與主題歸納工具。Thematic Analysis包含開放編碼（標記意義單元）、軸心編碼（整合概念）、選擇性編碼（提煉主題與理論生成）。
• 透過系統性數據整理、驗證與主題發掘，為後續資料分析與討論提供理論基礎。

六、小結與交付件

方法章節完成後，應於附錄整理下列文件：

• 測量工具說明：包含所有題項出處、設計理念、答題方式說明。
• 預試報告：同時呈現統計信度、量表修改歷程。
• 倫理審查通過文件：提供審查編號與必要說明。
  完成上述交付件，即可進入正式資料收集階段，為「資料分析與討論」奠定堅實基礎。