1.定性研究的一些基本理念：
定性观察表明某样东西存在或者不存在
定性的方法是基于观察的；发现不同之处，然后分类；它是描述性的
定性的方法假定分类是准确的，（为了集中注意力观察）而严重忽略关联
2.定性研究一般：
将人的价值放在首位
采用观察、讲故事、叙述的方式
着重于持续设计
对于文字评审持怀疑态度（在后面有一页中Michael提到书面的知识经常比脑子中的知识要滞后；并不是所有的文档都同等重要，所以有所侧重很重要；对于测试人员你的任务不仅仅是描述（场景），而是也要运用批判性思维（来提问和补充）；你的认知框架是你通过学习构造的，而不是已经存在只待被发现的。）
定性分析的一些实用方法包括：概念映射（Concept mapping）（如脑图、图表、草图、甚至卡通画等方式），记笔记（memoing）（如编写和收集会议纪要、整理个人想法概要等），编码(coding)（将观察到的内容分类、对细节和隐含意义进行描述）*我理解这里的编码不是指用程序语言编码，而是更广义、更抽象的建模
关注观察和度量过程中的可信度和正确性
Michael提到他对度量的理解。他说度量问题实际上是一个正确性和一个可靠性的问题。社会科学似乎比自然科学更看重这两点，也许这是因为好的定性研究更寻求一些惊人的发现和有争议的东西，所以正确性和可靠性尤为重要。
Michael指出有两种正确性：内建的正确性和外在的正确性。内建的正确性从这些角度来看问题，如我们观察到的事物本身是否是某种事物的一个实例？从定量的角度，它是1还是0？而外在的正确性指如果我们看到了这个，是否可以将其泛化到那个？例如：一个运输工具（飞机、单车）有多大？内建的正确性包含它们本身的尺寸，而外在的正确性包含它们相对其它东西的大小。又如，一个测试用例应该有多大？如果从内建的正确性和外在的正确性两个角度来看这个大小，你会发现这个问题的答案并没有太多的意义。
关于可靠性，Michael比较了可靠性和可重复性的差异。他说虽然长久以来科学家们相信可重复性（而不是可靠性）和可证实性（而不是新的发现）是科学的重要特征，但作为测试人员我们的角色是发现新的信息，而这需要多样性和提出新的问题。
3.定性和定量的方法分别适用哪种场景呢？
一般我们使用定性方法去理解某样东西；而使用定量方法去将我们的理解告知他人。Michael指出它认为那些关于定性和定量是矛盾的说法都是混淆视听的。任何一种定量的度量都是为了对某样东西进行定性的理解。定量的度量如果不和对某个东西的定性理解关联起来将没有太大的用处。
4.对于软件测试的理解
Michael认为优秀的测试不仅仅是计算机科学的一个分支。它包括了计算机科学、数学、领域知识等。如果我们仅仅关注程序和功能的话，就会忽视测试的价值和与人相关的一些关系。在Michael看来优秀的测试更像人类学，因为它们都是交叉学科的、关注全系统（而非系统里某个模块的）、需要探究的、像讲故事一样的。。。
我特别喜欢Michael讲的“测试就是组织、编辑、讲述和证实三个故事。”
第一个故事是关于产品的状态的（对你的不同客户而言，它怎么失效的或者它什么情况下它可能失效。。。）
第二个故事是关于你是如何测试产品的（你如何配置、操作和观察的；你有什么目前为止还没有测试的；你有什么压根不打算测试的。。。）
第三个故事是关于你的测试是否足够好（你测试的风险和开销如何；测试中什么让测试变得更慢或者更难了；产品的可测试性如何；你还需要什么、建议什么。。。）
Michael认为测试应该关注持续学习。测试人员需要代表客户，通过不断的学习来帮助维护产品的价值。整个测试过程是一个从测试设计、执行、发现、探究、学习、报告这个循环去不断去探索价值和风险的过程。
最后Michael指出既然测试的目标是揭示质量相关的信息（也就是定性的信息），我们加强在定性研究方面的能力将非常必要。
版权声明：本文出自 zdlzx 的51Testing软件测试博客：http://www.51testing.com/?56882
原创作品，转载时请务必以超链接形式标明本文原始出处、作者信息和本声明，否则将追究法律责任。
