做质性研究，何时才算达到饱和？这篇顶刊论文给出解法——界定、评估与报告：审阅429项来源，42%使用却未界定，仅40.5%记录评估方法，76.3%声称达到却无实质证据。设八个决策点，并区分四种饱和。然而宣布饱和不等于达到饱和：过早停止收集，留下不完整理论、报告不透明等会被后续研究继承。如果你也喜欢，请和小编一起来读吧！

Ozias A. Moore,College of Business, Lehigh University, 

621 Taylor Street, Bethlehem, PA 18015, USA

《The Leadership Quarterly》2026 Volume 37

Defining, assessing, and reporting saturation in qualitative research: 

Review and recommendations

摘 要

饱和度是定性研究的核心概念，通常指新数据收集不再产生额外洞见的临界点。尽管饱和度至关重要且应用广泛，但它仍然是一个模糊不清、定义不明确的概念，缺乏实践指导，导致不同研究和学科之间存在定义、方法论和认识论上的矛盾。对饱和度的定义、评估和报告的模糊性会影响研究的可信度，并对理论发展和检验产生不利影响。此外，不充分的饱和度实践会导致数据收集过早停止、理论框架不完整，以及对领导者-追随者动态和许多其他现象得出可能存在缺陷的结论。另外，当研究缺乏关于饱和度的透明度时，后续研究可能会继承并延续这些方法论上的局限性。为了应对这些挑战，我们回顾了429篇关于饱和度的文献，并提出了一个框架：一个系统的三步流程，用于定义、评估和提供饱和度的证据，其中包含八个关键决策点。我们通过可操作的最佳实践建议来落实这一框架，这些建议由结构化问题和相应的行动组成，使研究人员能够系统地定义、评估和报告饱和度，使其与自身的哲学视角、研究目标、方法选择和研究背景相契合。通过这一框架，我们加强了理论发展所必需的饱和度实践，加深了我们对领导力过程和背景的理解，并促进了可靠的理论发展和检验，从而推动了领导力及其他领域的研究。

关键词

饱和；扎根理论；透明度

可信度；理论发展

领导；定性方法

引言

在定性研究中，展现研究的可信度至关重要，这样读者才能对研究过程的每个阶段都充满信心，从理论发展和方法论选择到研究结果、解释和结论（Aguinis，2025；Köhler等，2023；O'Kane等，2021）。Pratt等（2020）将可信度定义为“读者评估研究者在研究开展过程中是否诚实以及其结论是否合理的程度”（第20页）。在定性研究中，建立可信度的常用方法是证明已达到数据饱和（Elo等，2014；Roy等，2015），这表明已收集到足够的数据。饱和的概念是方法论的基石，它主要源于格拉泽和施特劳斯（1967）的开创性定义，即分析过程中“无法发现额外数据，研究者无法由此发展出类别的属性”的点（第61页）。在此背景下，类别指的是从数据分析中涌现出的更高阶的分析概念，而属性则代表类别的特征，使研究者能够探索现象的全部变化范围（例如，通过提供来自不同数据源的例子；Charmaz，2012；Nelson，2017）。

尽管饱和度至关重要且应用广泛，但它仍然是一个模糊不清、定义不明确的概念，缺乏实际指导。虽然饱和度被广泛用于判断何时停止数据收集，但人们对其具体含义和操作方法仍然存在诸多困惑。这种困惑尤其令人担忧，因为确定和报告饱和度的证据对于确保信任、透明度和问责制至关重要——而这些正是定性研究的基本前提（Köhler et al., 2022）。领导力与管理研究以及包括社会学和健康科学在内的许多其他学科的研究人员，常常未能明确定义饱和度，未能提供评估饱和度的证据，也未能报告已达到饱和度的证据（Braun & Clarke, 2013 ; Fusch & Ness, 2015 ; Guest et al., 2006 ; MacPhail et al., 2016 ; O'Reilly & Parker, 2013 ; Saunders & Townsend, 2016）。对于研究领导者-追随者动态、领导力涌现和组织领导过程的领导力研究人员而言，这个问题尤为突出，因为证明已达到饱和度会直接影响理论贡献。

为了应对这些挑战，我们查阅了429篇关于饱和度的文献，发现其定义、评估和报告需要更加清晰一致。鉴于饱和度在定性研究中的关键作用，我们通过一个决策框架提供最佳实践建议：一个系统化的三步流程，用于定义、评估和提供饱和度的证据。该框架包含八个关键决策点，指导方法选择，并确保与研究者的哲学视角、研究目标和具体背景保持一致。 

我们的框架做出三项相互关联的贡献。首先，我们的建议有助于确保理论的可靠性，帮助研究人员采取系统性的步骤来确定饱和度。当研究人员能够透明地记录饱和度决策时，他们就为稳健的理论发展提供了必要的方法论基础。其次，当潜在的理论基础展现出可信度时，理论检验会更加可靠。通过恰当的饱和度评估来建立可信度和可验证性，研究人员可以构建经得起全面实证检验的理论。第三，我们的建议为定义、评估和报告提供了清晰的指导，同时又保持了研究人员的自主性，经验丰富的定性研究人员和新手研究人员都将从中受益。这些指导使研究人员能够证明其研究结果的合理性和可迁移性，从而增强组织研究领域的知识积累。

定义、评估和报告饱和度的挑战

要理解饱和度带来的挑战，首先需要认识到其利害关系。饱和度在定性研究中建立可信度方面起着基础性作用（Elo et al., 2014 ; Köhler et al., 2023 ; O'Kane et al., 2021 ; Pratt et al., 2020 ; Roy et al., 2015）。恰当的饱和度实践支撑着理论发展和检验的五项关键策略：透明度、可信度、可验证性、合理性和可转移性。表1定义了每项策略，解释了饱和度的作用，并列出了提供更多信息的参考文献。首先，饱和度通过要求明确记录方法论决策来确保透明度。其次，它通过确保全面呈现参与者的观点来建立可信度。第三，它通过客观的终止标准提供可验证性，这些标准可供他人验证。第四，它通过防止过早结束分析来增强合理性。最后，它有助于研究结果的可迁移性，使研究人员能够评估研究结果在不同情境下的适用性。鉴于这些关键问题，在定义、评估或报告饱和度方面的任何疏漏都会直接损害定性研究的可信度。

尽管饱和度在定性研究的可信度中起着至关重要的作用，但相关困惑依然存在。首先，饱和度的概念化和定义存在根本性的矛盾（例如，Leese等人，2021；Lowe等人，2018）。其次，关于如何达到饱和度以及需要提供哪些证据来证明饱和度，也存在方法论上的矛盾（例如，Guest等人，2017；Robinson，2014）。第三，关于能否达到饱和度，也存在认识论上的矛盾。例如，O'Reilly和Parker（2013）认为，由于独特的生活经历，定性研究中发现的主题可能是无限的，这挑战了饱和度是一个可定义、可实现的终点的假设（Guest等人，2017）。

为了理解这三个挑战如何影响研究成果，图 1展示了研究人员做出饱和度判断的四种可能情景。在单元格 1 中，研究人员正确地判断数据已达到饱和状态。这代表了一种理想情景，即研究人员已收集到足够的信息来丰富地描述现象，并有效地支持理论的构建和检验，从而可以恰当地结束数据收集。同样，在单元格 4 中，研究人员也做出了正确的判断，他们发现尚未达到饱和状态。这表明需要继续收集数据，以确保获得足够的信息来推动理论发展。

与统计假设检验中的I型错误（即假阳性）和II型错误（即假阴性）类似，单元格2和3展示了对饱和度的错误判断。单元格3代表假阳性错误，即研究人员在数据不足的情况下过早地宣布达到饱和。一些重要的例外或变异情况可能因此未被发现，而这些情况本可以进一步促进理论的发展和检验（Hymer & Smith，2024）。例如，Köhler等人（2025）描述了Fielding和Fielding（2000）如何重新分析一项开创性研究的数据，并发现了原始分析中未探讨的主题，这表明过早地宣布达到饱和会导致重要的见解被忽略。单元格2代表假阴性错误，即研究人员未能意识到已经达到饱和。在这种情况下，研究人员会继续不必要地收集数据，浪费宝贵的时间和资源。例如，在我们的回顾中（我们将在文章后面描述），我们发现一些研究报告称进行了广泛的数据收集（例如，对五家公司进行了 165 次访谈，每家公司收集了 100-150 页案例数据），这可能超过了达到饱和所需的数据量。

为了说明饱和度是如何定义、评估和报告的，以及这些做法如何影响我们解读以往研究和开展未来研究，我们可以考虑一项具有里程碑意义的领导力研究（根据谷歌学术搜索，该研究被引用超过2700次），该研究并未提供任何关于饱和度的信息。这一方法论上的缺陷造成了连锁反应：两项近期基于该研究的研究——一项分析了27份定性调查问卷，另一项基于42次访谈——同样未能充分解决与饱和度相关的样本量问题。无论是最初的研究还是后续研究，都没有对饱和度进行定义、评估或报告，导致读者无法判断是否可以通过更全面的数据收集获得关于领导力的更多见解。这个例子（我们本可以选择的众多例子之一）表明，饱和度报告不足会造成一个叠加问题：当基础研究缺乏关于饱和度的透明度时，后续研究会继承并延续这些方法论上的局限性，从而导致理论上的模糊不清。如果原始研究中没有明确的饱和证据，那么整个研究体系的可靠性就会受到质疑，因为每一项新的研究都代表着对一个可能并不完整的理论基础的延伸。因此，未能充分解决饱和问题不仅会影响个别研究，还可能破坏数十年来积累的知识。

本研究

方法

本次文献综述旨在探究已发表的研究中如何定义、评估和报告饱和度。我们分析了来自多个学科的429篇文献（完整列表见在线补充材料附录S1 ），并遵循Aguinis等人（2023）提出的系统方法论文献综述流程。我们采用主题分析和分类方法，对文献进行梳理，记录挑战，并提出应对这些挑战的见解。Tracy （2025）指出，这种系统分析对于建立方法论的可信度至关重要。通过这种分析，我们识别出了模式、差距和最佳实践，并以此为基础构建了后续的决策框架（即最佳实践建议）。

研究领域和期刊选择

我们的多学科审查涵盖了领导力和管理研究。但它也扩展到广泛运用定性方法的领域，包括社会学、社会工作、教育学、传播学、公共卫生和健康科学。

研究纳入标准

第一阶段：初步文献检索。我们首先使用 Business Source Complete 和 PsycINFO 数据库对 2010 年 1 月 1 日至 2021 年 6 月 1 日期间发表的文献进行了全面检索。使用的关键词为“饱和度” AND “定性研究” OR “定性方法” OR “定性数据”。此次检索在 Business Source Complete 数据库中检索到 4611 篇潜在文献，在 PsycINFO 数据库中检索到 977 篇。基于此次初步检索，我们旨在进行范围界定性综述，以了解文献的广度并识别关键主题和术语。尽管这提供了宝贵的背景信息，但我们认为，为了提高相关性和可操作性，需要采取更具针对性的方法。因此，我们回顾了过去几十年中重要的方法论和实质性文献，包括Charmaz (2005)、 Glaser 和 Strauss (1967 )以及Morse (1994)等被广泛引用的奠基性著作。此次初步的广泛综述为我们制定更精细、更有针对性的后续抽样策略提供了依据。尽管在此阶段确定的 5,588 个来源中的许多都被排除在最终数据集之外（我们将在下一节中详细描述），但我们保留了 18 部被高度引用的基础性著作（例如Charmaz，2005 年， Glaser 和 Strauss，1967 年， Morse，1994 年），因为它们对饱和度的发展和应用产生了核心影响。

第二阶段：样本选择。为了进一步优化样本，我们采用了更具针对性的策略，使用与第一阶段相同的关键词在谷歌学术上进行搜索。谷歌学术覆盖范围更广，涵盖多个学科，兼具广度和易用性，并且其引用指标也便于我们进行基于影响力的抽样。由于谷歌学术搜索结果数以千计，我们根据文献的总引用次数对其进行排名，从而限制了详细分析的范围。我们首先筛选标题和摘要，判断其与饱和度的相关性，然后根据引用次数对相关文章进行排名，最终确定了1000篇最具影响力的文献，以此平衡相关性和引用次数。这一两步流程确保了样本中所有高被引文章都与定性研究中的饱和度直接相关，从而排除了完全不相关的文章，例如经济学中的“饱和度”（即增长不再产生显著收益的临界点）或遗传学中的“饱和度”（即基因组经过反复突变，直至所有可能位点都至少发生过一次突变）。引用频率直方图显示，引用分布高度偏斜，少数文献对引用的贡献显著，这与许多其他使用引用分析的研究结果一致（例如， Ramani 等，2022）。例如，引用次数最多的文献是 Glaser 和 Strauss 的《扎根理论的发现》（1967 年； 2017 年再版），根据 Google Scholar 的数据，截至 2026 年 1 月，该文献的引用次数约为 179,400 次。此后，引用次数呈指数级下降。因此，我们参照Aguinis 等（2013）的方法，在 Google Scholar 搜索结果中选取引用次数至少为 90 次的前 400 个文献作为第一个样本，以确保纳入最具影响力的文献。经过详细审查，我们排除了18篇未探讨定性研究中饱和度问题的文章，例如上文提到的那些探讨遗传学、经济学或材料科学领域“饱和度”的文章。最终，样本1包含382篇文献。

第三阶段：补充定向抽样。由于我们基于引文的方法可能遗漏了一些近期发表但影响深远的、尚未被广泛引用的方法论指南，因此我们进行了补充定向抽样（样本2）。我们采用目的性抽样（ Gentles等人，2015）来寻找那些在权威著作（例如，《SAGE定性商业与管理研究方法手册》）中明确阐述饱和度方法论指南的文献。这种方法找到了18篇重要的补充文献。为了弥补可能存在的关键遗漏，我们根据样本1和样本2的结果，进行了进一步的目的性抽样（样本3），以弥补与饱和度评估和报告相关的具体空白。我们特别关注那些探讨定性研究质量标准和可信度的文章，即使它们的标题或摘要中没有明确使用“饱和度”一词。我们通过两步流程确定了这些补充文献。首先，我们查阅了样本1和样本2中文章的参考文献列表，寻找关于质量标准和可信度的常用方法论文献。其次，我们采用前向引文检索方法，识别引用这些基础方法论著作的新文章。例如，当我们发现多篇文章引用Lincoln和Guba（1985）或Tracy（2010）的著作作为可信度标准时，即使这些文献的标题或摘要中可能没有提及“饱和度”，我们也会直接查阅这些文献。这种前向和后向引文检索方法为样本3额外找到了11篇文献。

我们的多学科样本总共包含 429 篇文献：样本 1（n  = 382）、样本 2（n  = 18）、样本 3（n  = 11）和第一阶段（即 18 篇基础性文献）。这些文献包括实证文章、社论、方法论综述、书籍以及来自人类学、教育学、管理学、护理学、社会学、心理学、公共卫生和社会工作等学科的章节。在线补充材料（附录 S2）提供了完整的文献列表，并按类型（例如，实证文章、方法论/概念性文章、综述文章）进行了分类。

用于定义、评估和报告饱和度的编码

我们采用五阶段演绎归纳过程来识别、分类、完善和综合饱和度定义（Fereday 和 Muir-Cochrane，2006 年，Miles 等人，2014 年）。

定义饱和度

借鉴已有的概念定义方法（Locke，2003；Locke，2012；Podsakoff等，2016），我们首先采用演绎法，以方法论文献中已知的饱和类型（理论饱和、主题饱和、数据饱和）为基础，预先设定编码作为初始框架。然后，我们运用归纳法，探究不同学者对饱和的定义，最终提炼出四个概念框架，并确定了五个主要属性。

第一阶段：初始编码和校准

我们首先进行了一项校准练习，由两位合作作者独立查阅了200篇文章，使用关键词搜索（Ctrl+Command+F）查找所有出现“饱和度”、“数据饱和度”、“理论饱和度”、“主题饱和度”和“先验饱和度”的条目。每位编码员都审阅了标题、摘要和相关正文部分，以记录饱和度的定义。初步编码结果显示，对于文献中定义的分类，两位编码员的一致性达到了97%。

第二阶段：属性识别和分类

校准完成后，我们采用演绎-归纳分析法来识别与每个饱和度定义相关的潜在属性和主题。首先，我们各自独立地对一部分定义进行归纳编码，以识别新出现的属性。其次，我们会面比较各自的初始编码，基于我们独立识别出的模式制定一个共享的编码方案，并通过讨论解决任何分歧。第三，我们将这一基于共识的方案应用于所有定义进行编码，并计算评分者间一致性，结果达到96%。如此高的一致性源于我们上述详尽的校准过程，在该过程中，我们在最终编码阶段之前解决了分歧并建立了清晰的编码标准。这种方法符合定性编码中实现高可靠性的推荐做法（MacPhail等人，2016）。

第三阶段：属性的细化和组织

我们系统地记录了每一种饱和度定义，在保留原文语言的同时，识别出核心概念要素。然后，我们将识别出的属性归纳为主题集群（例如，归纳推理与演绎推理、涌现模式与预设模式、理论构建方法与理论检验方法）。我们区分了对特定饱和度定义至关重要的属性（即必要属性）和在不同定义中普遍存在的属性（即充分属性）。例如，理论抽样是理论饱和的必要条件，但在数据饱和中则不存在。同样，信息冗余在多种概念化中都作为充分属性出现，但在每种概念化中的表现形式各不相同。我们创建了一个结构框架来映射属性、主题和定义之间的关系。该框架指导了四种不同的饱和度概念化的综合。

第四阶段：概念完善 

我们的分析表明，研究者的本体论、认识论、价值论和范式假设显著影响着饱和度的定义。这些哲学基础指导着研究目标和理论视角，对于确定饱和度的定义以及后续的评估和报告至关重要。哲学假设与饱和度概念化之间的关系是双向的：研究者的哲学取向塑造了他们对饱和度的理解，而他们选择的饱和度定义又强化了他们的方法论。表2列出了六种主要的哲学视角（价值论、本体论、认识论、范式论、后实证主义和解释主义），并提供了指导逻辑和反思性问题，以帮助研究者将饱和度概念化和定义与其哲学立场相协调。在编码过程中，我们还记录了与研究背景和理论方法相关的理由和假设，这些理由和假设用于定义每项研究中的饱和度，包括检查研究现象的哪些方面需要选择饱和度定义。

第五阶段：合成与定义制定

我们的研究最终确定并完善了四种不同的饱和概念：（1）理论饱和，（2）归纳主题饱和，（3）先验主题饱和，以及（4）数据饱和。基于Saunders等人（2018）的研究，每种概念都以其核心主题和主要侧重点为特征，反映了不同研究范式和方法论传统中的多样性。具体而言，理论饱和强调通过理论抽样来发展理论，力求充分发展理论概念及其相互关系。归纳主题饱和侧重于通过探索性发现来涌现新的编码或主题，而无需构建正式的理论。先验主题饱和则根据预先设定的理论框架评估数据，并利用现有类别来指导分析。最后，数据饱和以信息冗余为实际终点，判断何时新增数据不再提供新的信息，而与理论考量无关。表3综合了这四种概念化方法，提供了详细的定义、核心主题及其哲学基础。表中还包含供研究人员回答的问题。该综合表可作为决策框架，帮助研究人员选择最符合其哲学假设和研究目标的饱和度调查方法。

评估饱和度 

我们首先对已发表的研究是否明确评估了饱和度进行编码，这使我们能够记录声称达到饱和度但未提供任何评估方法的研究的普遍程度。我们分析了作者关于饱和度评估的说法，但并未试图确定单个研究是否“准确”达到了饱和度，因为评估此类说法需要获取每项研究的数据。相反，我们重点考察了作者如何报告他们的评估过程。此外，我们记录了所采用的具体方法，包括持续比较分析、团队共识、反例分析和理论抽样方法。然后，我们根据表1中描述的关键可信度策略，考察了这些实践。在整个过程中，我们记录了文章是否承认其评估方法的局限性，例如时间和资源限制、样本可及性问题或方法上的妥协。两位编码员独立分析了从我们的样本中随机抽取的100篇文章，以验证该编码方案的可靠性。各评估类别的平均一致率为92%，分歧通过讨论和协商解决。 

报告饱和度 

我们对文章是否提供了饱和的具体证据进行了编码（分为“是”、“否”或“部分”，其中“部分”表示证据不足但数量极少）。这种方法使我们能够量化文献中普遍存在的饱和主张与支持证据之间令人担忧的差距。然后，我们对研究人员用来证明达到饱和的证据类型进行了分类，包括样本量论证、主题/代码的频率表、证明主题一致性的逐字引述、反例分析以及其他形式的可信度检验。我们评估了所提供的证据是否足够详细，以确保其潜在的可验证性和可转移性，并重点关注饱和判定过程记录的透明度。此外，我们还检查了所报告的证据是否与作者对饱和的定义相符，并记录了概念化与证据不一致的情况。三位共同作者中的两位首先对80篇文章应用了这一编码维度，达成了89%的一致性。经过校准讨论后，其余文章由团队成员分别进行编码。

结果

定义、评估和报告饱和度的挑战 

图2总结了我们在饱和度三个阶段（定义、评估和报告）的主要发现。我们的审查揭示了普遍存在的不一致之处，并促使我们在框架中创建了决策点。具体而言，我们的分析基于 429 个来源揭示了关键的差距：42% 的来源使用了饱和度概念但未对其进行定义（而 58% 的来源提供了定义），这促使我们制定了关于哲学视角和饱和度定义的决策点 1 和 2。仅有 40.5% 的来源记录了其评估方法，这为我们关于评估程序的决策点 3-7 提供了依据。此外，76.3% 声称已达到饱和度的来源没有提供实质性证据，这影响了我们关于文档要求的决策点 8。在我们收集的 429 个来源中，方法论和概念性论文（n = 82）为最佳实践提供了理论基础，而实证研究（n = 287）则揭示了实际实施中面临的挑战。我们的迭代过程包括借鉴方法论文献中的专家共识，识别实证研究中的共同挑战，从两种来源类型中提取最佳实践，并将这些见解组织成一个合乎逻辑的决策序列。

图 2.文献综述：饱和度的定义、评估和报告方式概述

定义饱和度

首先，一般性定义通常参考格拉泽和施特劳斯（Glaser and Strauss，1967）最初的扎根理论概念化，即当不再出现新数据时，即达到饱和。这些定义往往未经针对具体研究背景或方法论的调整，从而削弱了透明度、可信度和可转移性。虽然不太常见，但具体的定义通过根据研究设计调整饱和概念并提供清晰的评估标准，展现出更高的精确性，从而增强了可验证性和合理性。例如，弗朗西斯等人（Francis et al.，2010）明确引用了格拉泽和施特劳斯的观点，并通过提出在基于理论的访谈研究中确定饱和的具体原则，扩展了最初的概念。其次，我们的综述确定了研究人员用于概念化饱和的五个主要属性。需要注意的是，所列百分比代表在定义饱和的文献中使用每个属性的比例，并且一些定义（36%）包含不止一个属性。首先，在定义饱和度的文章中（即62%的文献），最常见的属性是将饱和度概念化为信息冗余：当数据重复出现，不再产生新的见解时，即达到饱和。例如，Allen（2011）反复进行抽样、数据收集和分析，直到概念和主题开始重复出现，最终在10次访谈后达到饱和。其次，在定义饱和度的文献中，有27%提到了理论充分性，强调数据对于概念或理论发展的充分性。这与Charmaz和Belgrave（2012）的观点一致，他们将饱和度描述为“一个研究者用来适应自身定义的弹性范畴”（第23页），强调理论标准而非仅仅是数据驱动的标准。第三，24%的文献将饱和度操作化为缺乏新的编码或主题。例如，Fusch 和 Ness (2015)解释说，“没有新主题就意味着没有新数据和新编码”（第 1409 页）。第四，17% 的文献强调了全面理解的重要性，将饱和定义为对现象的完全理解。例如，Morse 等人 (2002)强调了足够冗余信息的重要性。第五，重复或验证是最不常见的属性（14%），侧重于确认现有发现，而不是探索新的维度。除了单个概念化之外，36% 的文献结合了多个属性，凸显了饱和的概念复杂性。Malterud (2012)也指出，批评进一步强调了这种复杂性，质疑饱和度的潜在认识论假设是否与质性研究的社会建构主义基础相符。总而言之，这些不同的概念化阐释了饱和度在不同认识论视角下的多面性。

最后，仅有26%的文献对饱和度的具体应用进行了实质性解释，大多数文献仅提供了如上所述的通用定义。这一结果证实并扩展了O'Reilly和Parker（2013）关于饱和度普遍缺乏透明度的观察。总体而言，结果显示，饱和度在多个方面存在透明度不足的问题：（1）缺少定义；（2）依赖通用定义；（3）定义与评估标准脱节。

评估饱和度

在评估实践中，普遍存在的一种做法是依赖现有方法论文献或先前研究中预先设定的样本量建议。Palinkas等人（2015）对这种常见做法提出了批评，强调定性研究常常依赖于通用指南，例如“现象学研究中多次访谈3-6名参与者，而扎根理论研究中则访谈20-30名参与者”（第3页），而不是提供具体的、情境驱动的证据。采用这些通用标准会损害研究结果的可验证性和可转移性（Lincoln & Guba，1985）。此外，这种程序上的墨守成规可能会导致数据收集过早结束，从而可能阻碍真正理论饱和的实现（Morse，2015）。

在明确记录了评估方法的研究中，涌现出几种主要方法。其中之一是持续比较分析法，即对不同参与者的数据进行迭代比较，直至不再出现新的概念（Malterud et al., 2016）。团队共识法也被采用，即多位研究人员独立编码数据，并在达到饱和状态时达成共识。例如， Shosha（2012）描述了一种共识过程，该过程涉及主要研究人员和一位独立研究人员的平行编码，以验证研究结果。反例分析（即寻找反证直至不再发现矛盾之处）在一些研究中有所隐含，但很少被明确描述。此外，一些研究人员明确强调了三角验证法在定性研究中建立可证实性、可转移性和可信度的作用（Bekhet and Zauszniewski, 2012 ; Fusch et al., 2017）。

采用理论抽样方法的研究强调策略性地选择参与者，以明确检验理论构念，直至达到理论饱和。例如，Jones 和 Alony (2011)将这种策略概括为两步抽样法：首先，尽量减少参与者之间的差异，以建立基础类别；然后，刻意扩大差异，以充分发展这些类别。尽管这种策略在方法论上清晰明了，但往往缺乏确定理论饱和点的明确标准。值得注意的是，一些研究者通过区分“代码饱和度”和“意义饱和度”（如Hennink等人(2017)所述），展现了对数据和背景的深刻理解（即可信度） 。这种区分体现了对主题类别的初步识别与对这些主题更深层次的概念理解之间的差异。此外，Guest等人(2017)系统地量化了主题的出现，而Francis等人(2010)则提出了基于连续访谈且在达到预设初始样本量后未发现新主题的精确停止标准，这些都为评估饱和度提供了可靠的框架。

报告饱和度

那些声称已达到饱和的研究，往往未能将其报告的证据与其既定的饱和定义或概念化相符，从而损害了方法论的透明度和一致性。那些报告了评估饱和方法的研究，通常采用以下四种方法之一：（1）预先设定的样本量论证；（2）迭代分析记录；（3）系统地追踪主题和编码；（4）饱和可信度方法。最常见的“证据”形式是声称已达到预先设定的样本量，并断言已达到饱和，但并未说明在具体研究背景下是如何实现的。

更具实质性的饱和度评估报告包括迭代分析描述和三角验证方法。例如，Deliens等人（2014）通过报告额外的焦点小组访谈，展示了对饱和度的迭代确认；而Shosha（2012）则描述了平行研究者评估。然而，即使是这类研究通常也缺乏关于系统性主题追踪的具体细节，或者缺乏确定何时不再出现新的相关信息的精确标准。值得注意的是，Nagpal等人（2012）等研究采用了三角验证和系统编码，描述了一个由经验丰富的定性研究人员独立验证所有编码和转录文本解释阶段的过程。他们通过呈现表格数据来提高透明度，表格数据标明了提及每个主题的参与者人数及其提及频率。这种系统性的记录方式通过提供多位分析者可验证的证据，强化了他们对饱和度的论断。

少数研究人员报告了用于确定饱和点的创新定量方法。例如，Tran等人（2017）在其关于水资源不安全问题的研究中记录了一种评估饱和度的特别复杂的方法。他们将饱和度概念化为数据收集收益递减的点，并开发了一种数学方法来客观地确定该点。他们的方法包括计算主题累积曲线的斜率，并利用该计算结果分析额外数据收集的成本效益比。通过绘制新识别主题的累积数量与已进行的访谈数量之间的关系图，他们可视化了新信息出现的速率，并确定了额外数据收集产生新见解最少的点。这种方法超越了主观评估，提供了可信、透明且可验证的饱和度证据。然而，尽管此例和其他例子展示了方法论的潜力，但它们仍然是明显的例外（Fugard和Potts，2015；Guest等人，2020；van Rijnsoever，2017）。

讨论：决策框架和最佳实践

我们构建了一个决策框架，将饱和度决策与其哲学和背景基础相结合。图 3总结了这一以背景为中心的决策过程，包括用于定义、评估和报告饱和度的具体决策点——每个决策点将在以下章节中详细描述。

图 3.定义、评估和报告饱和度的决策框架和最佳实践

第一步：定义饱和度

决策点 1：明确影响饱和度的哲学视角

对定性领导力研究的重要综述（Bryman，2004；Parry等人，2014）指出，涵盖价值论、本体论、认识论和范式方法的各种哲学视角如何直接影响研究者对饱和度的概念化。因此，在初步研究规划阶段（即研究设计的早期阶段，包括研究问题的选择、方法论、抽样和数据收集策略），研究者需要明确记录其哲学取向如何影响数据收集过程中的优先考虑因素（例如，意义深度与冗余度），并为其选择的饱和度定义提供清晰的理由。正如Cornelissen和Werner（2025）所指出的，“不同的方法论传统受不同的理论假设和不同的认识论规范的指导，这些规范关乎因果机制的核心要素”（第20页），这进一步强调了认识论立场如何从根本上塑造饱和度的定义。Bryman (2004)进一步阐述道，这些不同的框架将领导力视为通过语言、符号和意义建构过程而社会建构的。

这些多元的哲学视角表明，研究者基于截然不同的假设开展研究，从而影响着饱和度的定义。例如，在自传民族志研究中，研究者分析个人经历，由于研究者既是参与者又是分析者，传统的饱和度概念需要重新定义。同样，在人本主义方法中，由于优先考虑个体叙事和独特经验而非模式识别，饱和度可以通过叙事完整性、反思深度或洞见的结晶等替代标准来理解，而非数据冗余。Kempster和Stewart（2010）合作完成的关于领导实践的自传民族志研究，以及Learmonth和Humphreys（2012）关于学术身份的自传民族志研究，都体现了这种方法，其中反思深度和叙事连贯性作为分析充分性的指标，而非传统的饱和度标志。

尽管本体论和认识论经常被视为范式的组成部分而非独立视角，但明确地将它们视为不同的视角有助于提升方法论的透明度和反思性。引导研究者分别阐述每个哲学维度，可以确保哲学假设与关于饱和度的方法论决策之间达成审慎而连贯的一致性。此外，这种方法也符合Cornelissen和Werner（2025）的建议，即应将这些哲学考量视为影响方法论选择的不同但又相互关联的视角；因此，将它们归类为“视角”强调了每个维度（价值、现实、知识、范式）如何直接影响研究者对饱和度的定义。

为了将框架的决策点#1付诸实践，表2引导研究人员完成三个循序渐进的反思步骤，系统地将哲学基础与方法论选择相协调：指导逻辑、用于概念化饱和度的反思性问题以及用于定义饱和度的反思性问题。例如，一位重视理论深度（一种价值论承诺）的研究人员可能会使用第4列的问题来考虑理论饱和度，认为它是一种优先考虑涌现洞见而非实用效率的方法。同样，一位专注于涌现理论的解释主义研究人员会使用第4列的问题来评估理论饱和度是否比数据饱和度更合适。另一方面，一位务实的研究人员可能会采用数据饱和度来平衡深度与资源限制（Guest等人，2006）。至关重要的是，价值论上的错位，例如声称采用归纳发现却强加预先定义的类别，会损害方法论的透明度（Morse，2015）。反思性问题使研究人员能够明确地阐述他们的价值观如何影响饱和的概念化和定义。

基于这些价值取向的考量，关于现实本质的本体论假设（无论是客观的、主观的还是社会建构的）从根本上决定了饱和度侧重于 验证稳定现象 还是 捕捉动态意义。假设外部现实可以被近似描述，后实证主义研究者可能会使用 先验的主题饱和度 来验证预先设定的类别，并将饱和度视为经验充分性的检验点（Su，2018）。相比之下，解释主义研究者将现实视为共同建构的，则倾向于 理论饱和度， 通过参与者的互动来迭代地完善新出现的主题（Gephart，2018）。例如，一项关于多元文化团队中领导力认同的研究可能会持续收集数据，直到参与者的生活经验不再揭示文化协商的新维度（Fitzsimmons等，2013）。

除了这些基础视角之外，认识论立场（例如，知识是通过归纳、演绎还是迭代过程产生的）在很大程度上决定了饱和度分析是服务于理论构建、假设检验还是探索性目的。一项关于追随者韧性的归纳导向研究可能会使用 归纳主题饱和度 分析来识别涌现的模式，而无需进行正式的理论构建（Braun & Clarke，2006）；而一项检验领导力模型的演绎研究可能会采用 先验主题饱和度分析 来验证预先设定的结构（Klenke，2016）。混合方法研究者可能会将两者结合起来，在定性阶段使用归纳饱和度分析来指导定量测量（Creswell & Plano Clark，2018）。认识论上的不一致——例如在假设驱动的研究中使用归纳饱和度分析——会破坏分析的连贯性（Morse，2015）。

范式视角（例如后实证主义、解释主义或实用主义）进一步将饱和度锚定在更广泛的方法论传统之中。 后实证主义 研究者通过系统探究寻求近似真理，可能会将 先验主题饱和度 （用于检验类别）与 数据饱和度 （用于确保冗余）相结合，同时承认部分客观性的局限性（Guba & Lincoln，1994）。 解释主义 研究者优先考虑共同建构的意义，会将 理论饱和度嵌入 迭代的数据收集和分析循环中，以确保涌现的理论反映参与者的生活经验（Charmaz，2006）。 实用主义 研究者专注于解决现实世界的问题，可能会优先考虑 数据饱和度 ，以平衡可操作的洞见和可行性（Creswell & Poth，2016）。

在后实证主义传统中，假定现实是外部的但不可完全认知的研究者通常会采用 先验主题饱和度 来系统地验证预先设定的类别（Miles et al., 2014）。例如，一项检验领导力胜任力模型的研究可能会收集数据，直到所有预先设定的维度（例如，果断性、同理心）都得到充分的体现。然而，后实证主义研究也可能在探索阶段采用 归纳式主题饱和度， 以便在演绎检验之前识别出意料之外的模式。

最后，解释主义研究者将现实视为社会建构，因此优先考虑 理论饱和， 以发展基于参与者叙述的、情境丰富的理论（Guba & Lincoln，1994）。例如，一项关于危机中伦理领导力的研究可能会延长数据收集时间，直到领导者的叙述不再揭示任何关于不确定性下决策的新见解（Hadley et al.，2011）。然而，解释主义者也可以在大规模研究中利用 数据饱和来应对实际限制，前提是他们能够反思性地记录饱和标准如何与其建构主义理念相契合（ Charmaz，2006）。这种哲学立场影响着抽样决策，研究者通常会选择那些能够深入探索领导力动态和理论深度，而非追求跨多个情境的广度的情境。例如，这种对情境因素和情境动态的强调常常引导解释主义研究者通过单一或多个案例研究来考察特定组织环境中的领导力。

决策点二：根据指定的哲学视角确定饱和度的定义

为了便于理解框架中的决策点#2，表3详细阐述了四种饱和度概念：（1）理论饱和度，（2）归纳主题饱和度，（3）先验主题饱和度，以及（4）数据饱和度。此外，表2将它们与决策点#1中概述的六个相互关联的哲学视角（即价值论、本体论、认识论、范式论、后实证主义和解释主义）相对应。这种对应关系为研究人员提供了一个结构化的框架，以便将方法论选择与哲学基础相协调。

尽管某些饱和度定义自然与特定范式相契合，但它们并非完全局限于任何特定的哲学视角。根据研究设计、方法选择和研究目标的不同，可能会出现重叠。例如，解释主义研究者可能将饱和度定义为理论理解达到足够细致的程度，而后实证主义者则可能强调充分填充预先定义的类别。

研究者也可以采用超越严格范式界限的饱和度概念，前提是这种调整能够得到反思和透明的论证。例如，解释主义研究者可以在多方法研究的特定阶段运用数据饱和度，同时保持整体哲学的一致性。同样，具有不同价值论立场的研究者在确定何为“足够”的数据时，必然会存在差异，无论他们更注重意义的深度、理论的精确性还是实际的实用性。在阐明这些哲学考量之后，我们现在将详细考察每一种饱和度定义。

第一个概念化，即理论饱和，源于扎根理论（Glaser & Strauss，1967）。扎根理论最初兴起于后实证主义范式，旨在系统地从数据中发现理论。然而，扎根理论经历了显著的演变，并受到不同哲学诠释的影响。Strauss和 Corbin（1990）采用了一种与解释主义传统相一致的主观主义认识论，他们强调系统化的编码程序，体现了对分析严谨性和透明度的关注。随后，Charmaz（2006）发展了建构主义扎根理论，在解释主义传统的基础上，更加明确地强调理论洞见的共同建构，而非其客观发现。重视意义共同建构和迭代式理论发展的研究者通常采用这一定义，以确保研究结果能够从参与者的叙述中自然而然地涌现（Charmaz，2006）。例如，理论饱和度指导着一项研究，该研究旨在探索领导者如何在多元文化团队中应对伦理困境，直至不再出现新的文化协商维度。这可能涉及一个迭代过程：访谈20-35位跨国团队领导者，在每组3-4次访谈后分析他们的叙述，修订访谈方案以探究新出现的概念，并持续进行，直至最后一组访谈不再产生实质性的新理论见解。从价值论角度来看，这种方法体现了对理论深度和参与者驱动的洞见的重视，重视揭示隐藏的复杂性而非效率（Charmaz，2006）。从本体论角度来看，它假设现实是社会建构的，当参与者的生活经验不再揭示新的解释层面时，即达到饱和。从认识论角度来看，它符合归纳逻辑，优先考虑涌现的洞见而非预设的框架（Charmaz，2008）。在各种研究范式中，后实证主义研究者有时会在探索阶段、演绎验证之前运用理论饱和，以保持其对假设检验的重视（Guba & Lincoln，1994）。通常，这涉及结构化的编码方案、评分者间信度指标以及明确的理论类别发展标准。解释主义者仍然是理论饱和的主要倡导者，他们利用理论饱和来确保理论能够反映不断变化的参与者现实（Corbin & Strauss，2008）。鉴于理论饱和需要迭代抽样和反思性记录，一个关键的方法论考量是如何平衡分析深度与实际可行性。

第二种概念化方法，即归纳式主题饱和，指的是分析过程中不再产生新的编码或主题的阶段；正如Saunders等人（2018）所指出的，“饱和似乎仅限于分析层面”（第1895页）。这种方法对于新兴领域的探索性研究尤为重要，因为这些领域可能尚未建立正式的理论框架。例如，研究虚拟环境中“数字领导力”的文献（Banks等人，2022）可以运用归纳式主题饱和来识别领导者如何适应技术介导的互动模式，而无需构建正式的理论命题。该方法还能通过产生可操作的实践见解来服务于务实的研究目标（Klenke，2016）。例如，关于追随者韧性的研究可以运用这种方法系统地识别实践者可以实施的应对策略，而无需抽象到正式的理论框架（Braun & Clarke，2006）。从价值论角度来看，归纳式主题饱和度重视在不同情境下系统地识别模式。从本体论角度来看，它假定存在主观现实，并能捕捉到多种不同的解释。从认识论角度来看，它优先考虑模式识别而非形式化的理论构建，这适用于那些着重探讨应对策略而非构建韧性模型的追随者韧性研究。从范式角度来看，它与解释主义和实用主义方法相契合，其中解释主义者强调参与者的能动性，而实用主义者则寻求可操作的洞见（Klenke，2016）。后实证主义者可能会在探索阶段使用归纳式主题饱和度，例如在进行演绎检验之前，识别危机沟通中的“透明度”等初始主题（Miles等，2014）。重要的是，归纳式主题饱和度能够通过系统地识别有意义的模式来发展有意义的知识，从而为后续的理论发展或实际应用奠定基础。解释学家可以将其应用于参与式行动研究，在包容性领导力研究中突出边缘群体的声音（Charmaz，2006）。然而，研究人员可以通过确保新出现的模式形成连贯的分析叙事，而不是肤浅或脱节的分类，来防止主题碎片化（Morse，2015）。

第三种概念化方法，即先验主题饱和度，强调对预定义代码或理论的验证，这对于演绎法和后实证主义研究至关重要（Miles et al., 2014）。从价值论角度来看，它体现了对理论验证或实际应用的重视，例如验证预定义的领导力能力，如“压力下的决策能力”（Guest et al., 2006）。从本体论角度来看，它假定存在客观或稳定的现实，因此非常适合用于检验危机领导框架的研究，因为在这些研究中，预定义的能力必须得到透明的呈现（Guba & Lincoln, 1994）。从认识论角度来看，它与演绎逻辑相一致，正如在关于变革型领导力的假设驱动型研究中所见，这些研究证实了“激励性动机”等代码在不同行业的适用性（Bass & Riggio, 2006）。从范式上看，它是后实证主义和实用主义研究的核心。实用主义者将其应用于项目评估，以确保干预措施与预先设定的结果相符（Creswell 和 Plano Clark，2018；Patton，2015）。后实证主义者则依赖它进行假设检验，例如验证企业伦理决策中“道德推理”的表现形式（Miles 等，2014）。解释主义者很少采用它，除非是在探索如何挑战或重塑“文化智能”等概念（Denzin 和 Lincoln，2011）。研究人员可以在遵循预设框架的同时，灵活地调整分类，以应对复杂情况的出现，从而避免遗漏参与者细致入微的体验（Charmaz，2006；Morse，2015）。

第四种概念化方法，即数据饱和，明确地指出与研究问题相关的分析代码或主题的冗余，当不再出现新的有用信息时，数据收集就会停止。这在实用性研究或大规模研究中很常见（Guest et al., 2006）。相比之下，信息冗余则广义地指参与者重复的回答，这些回答未必直接有助于分析主题或代码的形成。当研究人员仅仅因为遇到相似的回答就声称已达到数据饱和，而没有系统地分析这些回答与其正在形成的分析框架之间的关系时，这种区别至关重要。为了避免过度简化，冗余阈值应该得到透明的论证，潜在的主题空白也应该明确地加以解决，尤其是在意义深度至关重要的情况下（Morse, 2015）。从价值论的角度来看，数据饱和强调的是实际效率。例如，在关于远程领导力的跨国研究中，研究人员可能会在约30名参与者报告了类似的信任建立策略后结束访谈，从而在有意义的见解和实际考量之间取得平衡。从本体论角度来看，数据饱和度非常适合那些假定存在客观外部现实的研究（Guba & Lincoln，1994），例如旨在识别零售业领导者中反复出现的管理实践的调查。从认识论角度来看，数据饱和度与注重信息充分性而非深度的实用主义方法密切相关。例如，混合方法研究通常会将数据饱和度与统计分析相结合，以平衡定性细节和定量客观性（Creswell & Plano Clark，2018）。从范式角度来看，数据饱和度与后实证主义和实用主义设计相一致。后实证主义者在大规模调查中运用数据饱和度，以确保研究结果的普遍适用性（Guest et al.，2006），例如观察财富500强企业领导者的“适应性决策”。解释学家可能会谨慎地在拥有大量数据集的研究中应用数据饱和度（Charmaz，2006），例如分析 100 个工作场所包容性叙述以识别广泛的模式，然后再对选定的案例进行深入分析。

总之，每种饱和度概念化都代表了一种独特的方法论途径，并具有特定的哲学基础。研究人员在选择和论证其饱和度框架时，可以仔细考虑这些维度，以确保研究的可信度。作为第一步的结论，研究人员应明确阐述其选择的饱和度定义，以确保在进行饱和度评估之前概念清晰。

步骤二：评估饱和度

如图 3所示，评估饱和度的第一步是制定饱和度评估计划。该计划概述了基于研究者选择的饱和度定义、研究背景、数据收集计划和迭代分析的饱和度评估的具体步骤。Kerr等人 (2010)强调了这些因素之间复杂的相互作用，指出在这一相互交织的过程中，实现饱和度的细微差别可能会被掩盖。我们概述了阐明这些细微差别的方法和决策点，以帮助研究者根据其选择的饱和度定义进行饱和度评估。

饱和度评估计划应明确研究人员如何迭代分析信息以确定何时达到饱和。例如，如表3所示，理论饱和是指继续收集数据不再产生新的理论见解，从而无法进一步发展类别的属性或维度及其关系。基于此定义，第一步是记录研究团队认为能够解释研究背景下现象的理论基础。接下来，应采用归纳法收集数据并进行迭代分析。随着分析的进行，新的见解会被记录下来，理论基础或工作理论也会相应修订。这种迭代循环会持续进行，直到不再出现新的理论见解且理论修订停止，这标志着理论饱和。类似地，在评估归纳主题饱和度时（即，当进一步编码不再产生新的主题或对现有主题进行有意义的完善时，表明理论已达到稳健性），研究人员首先会对初始收集的信息进行迭代分析，然后继续收集和分析数据，直到不再发现新的主题为止。

在使用先验主题饱和度时，研究人员首先在收集数据之前确定主题和属性类别。随后，分析数据直至获得足够的证据支持这些主题和类别。这是一个非线性过程。例如，假设数据是访谈记录。访谈1-5可能为类别1和3提供了显著的证据，但对类别2的证据却很少。然而，访谈6-9可能重复了对类别1和3的支持信息（表明类别已饱和），为类别2提供了额外的证据，并且现在又提到了对类别4的支持。因此，研究人员可以确定两个类别已饱和（不再寻找支持这些类别的证据），但继续分析，直到其他类别也达到（或未达到）饱和为止。

最后，对于数据饱和度而言，分析单位是指在无法发现新信息且达到饱和状态之前所需的数据单位（例如，访谈次数、案例研究次数、焦点小组讨论次数）。但是，如表3所示，这不仅仅是样本量的问题；主题穷尽仍然是必要的，尽管它可能与相关理论相关，也可能无关。为了使这些评估程序可操作化，接下来我们将提出研究人员在评估过程中需要考虑的五个关键决策。

决策点 3：设定初始样本量

这一决策点首先在于平衡样本量的灵活性，以便在实际限制条件下实现真正的饱和。研究人员不应将样本量视为固定不变的参数，而应将其视为一个动态变化的参数，根据不断涌现的数据模式进行调整。为了贯彻这一原则，我们建议研究人员预先确定初始样本量，同时明确预留灵活性，以便进行后续的迭代数据收集。例如，旨在评估理论饱和度的研究人员最初可以设定8名参与者的访谈样本量。如果在分析这8次访谈后仍未达到饱和，研究人员可以逐步扩大样本量，例如，增加4次访谈。这种方法与Parry等人（2014）针对定性研究的建议相一致，即迭代抽样对于实现理论饱和至关重要。

对于观察性研究和实地研究而言，样本量的考量不仅限于参与者人数，还包括时间维度和情境维度。研究人员可能会设定一些初始参数，例如观察时长（例如，40 小时的课堂观察）、事件类型（例如，10 次领导团队会议）或观察周期（例如，三个完整的项目周期）。例如，一项关于危机领导力的研究最初可能计划观察五次危机应对会议，但如果出现新的领导行为，则可能延长观察时间。其原则始终如一：设定初始参数，同时保持灵活性，以便在达到数据饱和之前扩展数据收集。

Guest等人（2020）提出了一种评估归纳式主题饱和度的方法，并提出了类似的建议：设定一个基准样本量或初始样本量进行分析。我们建议的主要区别在于， Guest等人（2020）设定的基准样本量是基于完整的数据集（即所有数据均已收集）。相比之下，我们在数据收集之初就设定了初始样本量，以便可以迭代地收集数据直至达到饱和。我们的目标是减少饱和度之后收集的不必要数据量。我们认识到，这并非总是可行。某些数据收集安排可能会规定必须进行的访谈数量（例如，一家公司可能要求对所有中层管理人员进行访谈）。在这种情况下，Guest等人的方法与我们的决策点#3类似，即在样本总数中确定最初要分析的单元数量。

尽管历史计量学研究使用原始文献而非访谈，但迭代抽样的原则仍然适用，直至不再出现新的主题。Parry等人（2014）强调，“由于史料来源及其所提取的材料不同，历史计量学研究的样本量差异很大”（第145页）。例如，一项历史计量学研究可能仅使用10个样本，聚焦于一位领导人（Mumford & Van Doorn，2001），而另一项研究则可能使用多达80个样本，考察不同的领导人（O'Connor等人，1995）。在历史计量学研究中，明确样本量意味着要明确报告所分析的单位、领导人或事件的数量（Parry等人，2014）。例如，Ligon等人（2008）进行了一项历史计量学研究，分析了魅力型、意识形态型和实用型领导人的传记。他们抽取了 120 位领导者作为样本，从领导者类型（魅力型、意识形态型、实用型）与导向（定义为House 和 Howell (1992)描述的社会化与个性化的区别）交叉创建的六个类别中各选出 20 位领导者。

对于民族志和观察性研究而言，样本量方面的考量与访谈研究有所不同。例如，Michel（2011）对投资银行家进行的为期9年的民族志研究，以及Kempster和Stewart（2010）共同完成的关于领导力发展的自传式民族志探索，都涉及较长时间的观察和反复的数据收集，而非预先设定的参与者人数。这些研究表明，民族志抽样侧重于时间深度和情境沉浸，而非参与者数量。与基于访谈的研究类似，这类研究也允许根据新出现的理论见解进行迭代扩展。

为了预先确定主题饱和度，首先要确定代码、类别和主题，然后收集与这些数据类型相关的信息数据。在此，研究人员再次预先设定初始分析的样本量，因为他们意识到，如前所述，不同主题的饱和度可能出现在不同的数据单元数量上。

这引出了对数据饱和的解释，该解释可用于支持其他三种饱和概念。也就是说，研究者可能事先确定了编码、类别和主题，但会运用数据饱和的原则来判断某个编码或类别何时达到饱和，从而加深对主题的理解，直至没有新的编码或类别信息能够增进这种理解（即，先验主题饱和）。在描述数据饱和时，研究者区分了两个组成部分：编码饱和（即研究者“已了解所有信息”）和意义饱和（即研究者“已完全理解所有信息”）（Aldiabat & Le Navenec，2018）。当对数据进行进一步分析后不再提供任何新信息时，就发生了编码饱和；而当对数据进行进一步分析后不再对所探讨的理论或主题产生任何新的见解时，就发生了意义饱和。因此，代码饱和很可能在意义饱和之前发生（Aldiabat & Le Navenec，2018）。

最后，初始样本量应根据研究的预期复杂性和背景来选择。Small （2009）提供了针对各种抽样和数据收集策略确定样本量的指导原则。关键在于通过灵活地确定样本量来保持研究者的自主性，使数据能够指导研究人员判断何时收集到足够的信息，同时又要遵守实际的限制条件。当限制条件限制了灵活性时，透明的文档应包括：（a）限制条件的具体性质（例如，资金限制、访问限制、时间限制）；（b）这些限制条件如何影响抽样决策；以及（c）对达到饱和度的潜在影响。这些文档对于维护研究的可信度至关重要，并且限制条件应为系统性的饱和度评估提供参考，而不是取代饱和度评估。

如上所述，研究人员可以预先确定初始样本量，但定性研究的迭代性质意味着，这个初始估计值只是一个起点，而非最终结果。这种灵活性对于实现真正的饱和至关重要，而非仅仅基于预先设定的数字来宣称饱和。在实践中，这意味着需要在灵活性的理想与研究限制的现实之间取得平衡，并始终记录这些决策如何影响饱和度评估过程。例如，实地合作伙伴可能会限制访谈或焦点小组的数量，或者资金、时间或编码员可用性等实际限制可能会限制额外数据的收集。在这种情况下，透明地记录这些限制及其对饱和度的影响对于维护研究的可信度就显得尤为重要。

决策点 4：选择编码方法

一旦确定了初始样本量，在数据收集之前、期间和之后对主题和子主题进行编码对于评估饱和度至关重要。编码是研究人员系统地追踪主题的出现、发展和最终稳定（这是达到饱和度的关键指标）的主要机制。为了有效地追踪饱和度，研究人员应记录这一主题演变过程，包括对主题进行叙述，阐明它们如何共同回应研究问题，并突出主题和子主题对深入理解所研究现象的贡献（Vaismoradi et al., 2016）。Parry et al. (2014)强调，编码过程必须透明、系统且迭代。

在历史计量学研究中，材料抽样程序采用源自传统定性方法的编码策略，使得材料抽样阶段与来源抽样阶段对于推断的可靠性同样至关重要（Parry et al., 2014）。材料抽样通常遵循以下四种框架之一：（a）绩效抽样，明确地从历史记录中选取重要的领导者绩效事件（Simonton, 2003）；（b）基于来源的抽样，系统地选择代表特定领导者类别的材料（例如，传记）（O'Connor et al., 1995）；（c）基于事件的抽样，围绕关键的历史事件或互动进行组织（Ligon et al., 2008）；以及（d）随机抽样或代表性抽样，当需要对不同历史领导者或情境进行概括时（Parry et al., 2014）。

不同的编码方法也可供选择，我们建议研究人员根据研究目标和方法论契合度来选择合适的方法。开放式（分类式）编码是指根据数据的含义为其分配标签或代码，将相似的数据归类，并在分析过程中不断完善这些代码（Corbin 和 Strauss，2008；Miles 等，2014）。接下来进行聚焦式（主题式）编码，理想情况下由两位未参与数据收集的编码员进行，以确认反复出现的主题，从而提高信度和解释效度（Gioia 等，2013；Miles 等，2014）。最后，轴向式（关系式）编码识别主题之间的相互关系，并将它们与现有的理论框架联系起来，从而确保分析的连贯性（Corbin 和 Strauss，2008；Gioia 等，2013）。如果限制条件影响材料选择，那么我们建议研究人员明确描述用于选择子样本的具体程序，包括编码事件的数量以及纳入和排除的明确标准，如Ligon 等人 (2008)所述。

除了上述方法外，田野笔记还可以提供评估饱和度所需的额外信息。田野笔记可分为五种类型：观察笔记、联系笔记、个人笔记、方法论笔记和理论笔记（参见Le Navenec，1993，第 76-77 页）。观察笔记是对实际观察到的事件的描述，包括视觉观察和听觉观察。联系笔记记录了与参与者通话或线上会议相关的信息，以及从参与者提供的资料（例如媒体剪报）中收集的信息。联系笔记也可能记录与研究领域内其他具有学术或背景知识的人员的对话。个人笔记包括研究人员对所开展的田野调查工作的意义的反应、反思和经验。方法论笔记包括研究人员关于方法论指导、可考虑的替代方法以及预见的可靠性威胁的记录。理论笔记包括与数据收集同时进行的初步数据分析，以及通过推断和解释从其他相关笔记中获取意义的尝试。这些工具可作为额外的数据点，用于分析是否已达到饱和状态。应与主要数据点（例如，访谈记录、案例研究、焦点小组笔记）一起进行迭代分析。

决策点 5：进行初步饱和度评估

在对初始数据集进行编码后，研究人员会根据决策点#3中设定的初始样本量，使用评估工具和决策点#4中选择的编码方法的笔记，对信息进行迭代编码，以确定饱和度。在此阶段，初步饱和度评估是一个关键节点，研究人员需要系统地评估他们选择的饱和度定义是否已通过目前收集的数据得到满足。例如，Hennink等人（2017）指出，编码饱和度可能在九次访谈后达到。然而，如果未达到饱和度，我们建议再进行2-3次访谈，并以这种迭代方式分析数据，直到达到编码饱和（即不再获得新信息）。此外，Guest等人（2020）建议明确归纳主题饱和度是指未获得任何新信息，还是获得少量新信息（例如5%或更少），并提供计算大于零的新信息量的说明。然而，研究人员应注意，不要在代码饱和时就停止分析。研究人员需要评估他们是否已完全理解主题（主题饱和）或理论（理论饱和）。如果尚未达到完全理解，则需要收集和分析更多数据，直至达到这种理解。这需要根据具体情况判断，但步骤相同。我们建议分批收集数据，并进行迭代分析，直到研究人员确信不会再有新的发现为止。是否需要额外数据，可以根据研究问题的复杂性或样本分层情况来判断。

编码员可以单独或组合使用多种工具来确定初始饱和度。许多研究人员使用主题编码手册，要求编码员记录发现的（或预先定义的）编码及其相关细节，例如“编码名称、定义、类型（归纳或演绎）、关于清晰度或完整性的注释以及先前已建立编码的出现情况”（Hennink 等，2019，第 1486 页）。对这些编码进行迭代完善需要清晰地记录变更（例如，访谈次数、焦点小组会议）。研究人员还可以使用饱和度网格（例如，Brod 等，2009；Nelson，2017），该网格垂直列出编码，水平列出参与者，并标记编码的出现情况以直观地评估饱和度。此外，图形表示也可以直观地展示饱和度的进展（例如，Galvin，2015）。

决策点 6：进行饱和度可信度检查

在最终确定饱和度之前，我们建议研究人员建立饱和度可信度。饱和度可信度是定性研究中可信度的关键维度。它指的是研究人员确信其饱和度判断准确反映了所研究现象的程度，而非过早的分析结束或研究疲劳所致。建立饱和度可信度至关重要，因为它验证了数据收集的停止代表的是真正的理论或主题穷尽，而非任意的终止点。如果没有可信度检验，研究人员可能会做出错误的饱和度判断（图1中的单元格3 ），从而可能错过通过进一步数据收集而产生的关键见解。

基于表1中呈现的可信度策略及其与饱和度的联系，饱和度可信度作为一种策略，通过确保饱和度声明的透明性、可证实性和合理性，与更广泛的可信度框架相联系。因此，饱和度可信度检验是研究人员用来验证这种信心的系统性验证程序，例如三角测量法、结晶法、反思性日志、反例分析、成员检验和审计追踪（Birt等人，2016；Creswell和Poth，2016；Fusch等人，2018；Tracy，2010）。

三角测量法通过确认多位研究者、理论框架或数据类型之间的一致性来增强饱和度可信度（Tracy，2010）。相比之下，结晶法使“研究者能够运用多种视角和体裁来考察关系性主题”（Ellingson，2014，第1页），并“对问题形成更复杂、更深入，但仍具有一定局限性的理解”（Tracy，2010，第844页）。结晶法允许将更多解释主义的定性方法纳入研究。我们建议研究者采用多种数据收集方法，或在不同时间使用相同的方法，以验证是否已达到饱和。此外，成员检验（与参与者或组织专家一起审查结果）可以增强关于饱和度的可信度（Birt等，2016）。

研究人员还可以在这个决策点考察反例或进行反事实分析。反例分析是指识别和检验数据中与整体模式显著不同的异常值（Creswell & Poth，2016）。例如，如果研究有效的领导实践，反例可能是指已实施的实践并未带来预期的积极结果。研究人员可以运用反事实推理来理解为什么某个变量在这些情况下没有产生预期的结果（Antonakis et al.，2014）。这可能涉及调查某些变量是否在正面案例中存在而在反例中缺失。此类分析可以为饱和度结论提供信息或进行修正（Birt et al.，2016）。如果通过可信度检验确定尚未达到饱和，研究人员将重新开始数据收集和分析的迭代过程，但这次会掌握数据可能缺失以及需要进一步了解的信息。这种意识应该能够使研究人员修改数据收集方案和分析策略，以帮助他们达到饱和状态。

决策点 7：做出最终饱和度决定

最后，研究人员需要判断是否已达到饱和。为了支持这一结论，我们建议记录每个决策点。例如，关于决策点 3：设定初始样本量，记录内容应包括用于评估饱和度的初始样本量、是否达到饱和、样本量的迭代增加情况，以及关于为何（或未）达到饱和的佐证信息。这些佐证信息可以是决策点 4：选择编码方法中选定的编码方法的编码表或饱和度网格。它还可以包括决策点 5：进行初步饱和度评估中评估的记录，例如研究人员笔记中关于如何确定何时达到饱和的摘录。重要的是，应提供可信度检验的证据，以增强读者的信任。成员检验程序和结果、反例分析以及三角验证数据等详细信息可以包含在论文的评估文档部分。

如果未达到饱和状态，研究人员可以评估实际因素（例如时间、资金、资源），以确定是否需要收集更多数据。例如，研究人员在分析了 50 位高管的数据后，可能发现没有出现新的领导风格。然而，情境差异仍然存在，这就需要决定这些差异是否足够显著，值得收集更多数据。如果条件允许，应收集更多数据。如果实际限制导致无法进一步收集数据，研究人员应评估其研究结果是否仍然具有理论或实证价值。如果研究结果仍然具有足够的价值，研究人员应公开透明地报告限制因素如何影响饱和状态的结论；否则，他们可以考虑暂停研究，直到获得更多数据为止。

步骤 3：报告饱和度

报告研究局限性，这些局限性可能影响饱和度结果

最后，研究人员需要解决以下问题：(a) 可能影响饱和度的抽样策略局限性；(b) 影响饱和度评估过程的方法学限制，包括在决策点#3：设定初始样本量中记录的限制；(c) 数据收集过程中遇到的挑战；以及 (d) 影响达到饱和度的后勤问题。常见的限制可能包括参与者可用性受限、回应偏差或难以接触到某些特定人群。通过详细说明这些限制，研究人员可以提高其研究的可信度，并为未来的研究提供宝贵的方法学见解（Brutus et al., 2013）。这种透明度为后续研究奠定了基础，使当前的饱和度结论能够置于研究的实践和方法论框架内。

整合所有内容：关于如何“实施”饱和营销的可操作建议

为了使我们的决策框架更具可操作性，并改进研究人员进行饱和度评估的方式，表4总结了定义、评估和报告饱和度的步骤和决策点。这种系统化的方法指导了框架所有组成部分的方法选择，并包含示范研究和方法资源，这些资源为不同研究背景下可靠的饱和度实践提供了模型。通过用明确的行动取代模糊的指导，这些建议解决了定性研究中长期存在的一个障碍：饱和度报告不一致，这模糊了从数据到理论的路径。该表也可用作期刊编辑和审稿人评估稿件的实用工具，以及研究方法教师的教学工具。清单形式使得我们能够通过具体、可评估的标准而非主观判断，系统地评估定性研究在处理饱和度方面的表现。

为了说明决策框架和表 4中可操作建议的实际应用，我们将其应用于 Pradies (2023) 发表在《管理学会期刊》(Academy of Management Journal) 上的一项最新研究。我们选择这项优秀的研究，旨在突出明确处理饱和度决策的实际益处。该应用案例展示了如何回顾性地运用我们的框架来评估以往研究中的饱和度实践，从而揭示方法论执行方面的优势以及提高饱和度报告透明度的机会。此外，我们还利用表 4在在线补充材料（附录 S3 ）中创建了表 S3，其中提供了关于此应用案例的更多详细信息。

对理论发展和检验的启示

上一节的应用案例表明，即使在执行良好的定性研究中，我们的框架也能识别出方法论上的缺陷。现在，我们将探讨系统性饱和实践对推进理论发展的更广泛意义。

首先，我们决策框架的核心贡献在于，它协调了能够确保可信度（即透明度、可信度、可验证性、合理性和可转移性）的饱和策略与研究者的自主性。换言之，我们刻意避免使用僵化的模板。表1中概述的饱和可信度策略，结合研究者的自主性和灵活性，确保了理论洞见的可靠性，从而增强了研究者推进理论发展和检验的能力。回顾图3中总结的框架和最佳实践，在步骤1中，研究者通过阐明其研究视角并确定合适的分析方法，建立哲学和方法论基础，确保饱和概念化建立在连贯的认识论承诺之上，而非任意的约定俗成。对于研究二元或集体过程（例如，领导者与追随者的互动；Uhl-Bien，2006）的领导力研究者而言，这一步骤尤为重要，因为不匹配的哲学假设可能导致对领导力现象的关系性和情境性本质的过度简化。在第二步中，研究者通过预先设定的编码方法、明确的标准、三角验证法和透明的饱和度判定来进行系统评估。这种方法可以避免过早的理论封闭（即如图1所示的假阳性和假阴性），确保数据收集能够捕捉到情境的细微差别和替代解释，从而降低理论发展不足或错位的风险。在领导力研究中，这种程序上的清晰性对于厘清复杂的动态关系至关重要，例如领导者身份、追随者意义建构和情境线索之间的相互作用（DeRue & Ashford，2010）。过早达到饱和状态可能会掩盖对理解适应性或共享型领导过程至关重要的新兴模式。最后，在步骤3中，研究人员通过全面报告证据、可信度方法、理论贡献和局限性来记录饱和状态的实践。这种透明度增强了研究结果的可信度，并有助于更精确地扩展研究，而这正是定性理论检验中一个长期存在的挑战（Gioia et al.，2013）。对于经常面临情境变异性的追随者研究（Carsten et al.，2010），这种记录有助于更精确地区分普遍适用的理论主张和特定情境下的边界条件，从而推进关于追随者能动性和领导结果共同构建的讨论。

其次，该框架的关键理论意义在于其迭代结构，它承认饱和过程很少是线性的。随着研究的推进，研究者通常会重新审视之前的决策，从而形成一种动态的互动，确保方法论的连贯性，并降低基于不足数据构建理论或过早宣布饱和的风险。当研究者在这些递归决策中保持内部一致性时，理论洞见的可靠性将显著提高，从而直接增强后续理论检验和发展的有效性。

第三，我们的框架旨在解决定性研究方法中标准化与灵活性之间的矛盾（Gioia et al., 2013 ; Hansen et al., 2023），并通过包容不同的定性范式，同时提供结构化且适应性强的指导，来提升认识论的包容性。McDermott （2023）曾告诫人们不要采用普适的饱和度标准。因此，我们跨范式的“支架式”方法使研究人员能够在不损害自主性的前提下，将饱和度实践与其认识论基础相契合。 这种灵活性对于理论发展至关重要，它允许根据具体情境进行调整，同时又能保持研究的可靠性。例如，在检验变革型领导理论（Bass & Riggio, 2006）时，系统的饱和度评估可以阐明理想化影响和个体化关怀如何在不同情境下相互依存地展现，从而减少中介模型中概念混淆的情况。通过以系统化的标准取代不透明的饱和度评估方法，我们的框架最大限度地减少了过早的分析结论，从而遏制了方法论上的模糊性向下传递至有缺陷的理论假设的“涓滴效应”。这对于新兴理论，例如隐性追随者理论（Sy，2010），尤为重要，因为在这些理论中，不明确的饱和度标准可能会导致在衡量领导者对追随者典型性的感知时出现误差。

第四，通过将概念指导与具体的评估标准相结合，我们的框架的实用性（表4）得到了提升。这种双管齐下的方法——结合灵活的哲学框架和系统的评估工具——弥合了理论理解与实际应用之间的鸿沟，为新手和经验丰富的研究人员（包括期刊审稿人和编辑）提供了可靠的饱和度决策的概念基础和透明研究实践的实用工具。通过提高饱和度实践的可信度，该框架强化了理论构建和检验的基础。

总结发言

我们对 429 篇文献的审查揭示了饱和度实践中的关键缺陷：42% 的文献在未明确定义饱和度的情况下使用了饱和度概念，仅有 40.5% 的文献描述了其评估饱和度的方法，76.3% 的文献声称已达到饱和度，但缺乏佐证。这些发现凸显了建立一个决策框架的必要性，该框架用于定义、评估和报告饱和度，以解决以下关键缺陷：定义模糊、评估不一致以及饱和度报告不透明，这些缺陷会损害其可信度（即透明度、可信度、可验证性、合理性和可转移性不足）。我们的建议旨在维护研究者的自主性，并有助于确保理论的合理发展和更可靠的理论检验。最终，如图 3所示，我们的框架以及表 4中总结的可操作建议，将赋能研究者和研究使用者，使其能够在领导层及其他领域生产和使用可信赖的知识。通过为饱和度实践提供清晰的指导，我们希望能够加强方法论基础，从而使定性研究能够进一步推动理论和实践的发展。

~详细了解请点击阅读原文~

☟