논문 리뷰 : 사례 연구를 통한 이론 구축

Eisenhardt, Kathleen M (1989)

Building Theories from Case Study Research

Eisenhardt, Kathleen M. "Building theories from case study research." Academy of management review 14.4 (1989): 532-550.

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1504451

Building Theories from Case Study Research

Abstract

This paper describes the process of inducting theory using case studies—from specifying the research questions to reaching closure.

본 논문은 사례 연구를 활용하여 이론을 도출하는 과정을 설명하며, 연구 질문의 설정부터 결론 도출까지의 단계를 다룬다.

Some features of the process, such as problem definition and construct validation, are similar to hypothesis-testing research.

문제 정의와 구성 개념 검증과 같은 몇 가지 과정의 특징은 가설 검증 연구와 유사하다.

Others, such as within-case analysis and replication logic, are unique to the inductive, case-oriented process.

반면 사례 내 분석과 복제 논리와 같은 과정은 귀납적이고 사례 중심적인 접근 방식에 고유하다.

Overall, the process described here is highly iterative and tightly linked to data.

전반적으로, 본 논문에서 설명하는 과정은 고도로 반복적이며 데이터와 밀접하게 연결되어 있다.

This research approach is especially appropriate in new topic areas.

이 연구 접근법은 특히 새로운 연구 분야에 적합하다.

The resultant theory is often novel, testable, and empirically valid.

결과적으로 도출된 이론은 종종 참신하며, 검증 가능하고 경험적으로 타당하다.

Finally, framebreaking insights, the tests of good theory (e.g., parsimony, logical coherence), and convincing grounding in the evidence are the key criteria for evaluating this type of research.

마지막으로, 기존 틀을 깨는 통찰, 우수한 이론의 기준(예: 간결성, 논리적 일관성), 그리고 설득력 있는 증거 기반은 이와 같은 유형의 연구를 평가하는 핵심 기준이다.

Keywords: Theory development, Case studies, Theories, Research design, Research methods

Introduction

Development of theory is a central activity in organizational research.

이론 개발은 조직 연구의 핵심 활동이다.

Traditionally, authors have developed theory by combining observations from previous literature, common sense, and experience.

전통적으로, 연구자들은 기존 문헌에서의 관찰, 상식, 그리고 경험을 결합하여 이론을 발전시켜 왔다.

However, the tie to actual data has often been tenuous (Perrow, 1986; Pfeffer, 1982).

그러나 실제 데이터와의 연관성은 종종 미약했다 (Perrow, 1986; Pfeffer, 1982).

Yet, as Glaser and Strauss (1967) argue, it is the intimate connection with empirical reality that permits the development of a testable, relevant, and valid theory.

하지만 Glaser와 Strauss(1967)가 주장하듯이, 경험적 현실과의 긴밀한 연관성은 검증 가능하며 관련성과 타당성을 지닌 이론의 개발을 가능하게 한다.

This paper describes building theories from case studies.

본 논문은 사례 연구를 통해 이론을 구축하는 방법을 설명한다.

Several aspects of this process are discussed in the literature.

이 과정의 여러 측면은 기존 문헌에서 논의되어 왔다.

For example, Glaser and Strauss (1967) detailed a comparative method for developing grounded theory, Yin (1981, 1984) described the design of case study research, and Miles and Huberman (1984) codified a series of procedures for analyzing qualitative data.

예를 들어, Glaser와 Strauss(1967)는 근거 이론 개발을 위한 비교 방법을 상세히 설명했고, Yin(1981, 1984)은 사례 연구 설계에 대해 설명했으며, Miles와 Huberman(1984)은 질적 데이터 분석을 위한 일련의 절차를 체계화했다.

However, confusion surrounds the distinctions among qualitative data, inductive logic, and case study research.

하지만 질적 데이터, 귀납적 논리, 그리고 사례 연구 간의 차이에 대한 혼란이 존재한다.

Also, there is a lack of clarity about the process of actually building theory from cases, especially regarding the central inductive process and the role of literature.

또한, 사례로부터 이론을 실제로 구축하는 과정, 특히 중심이 되는 귀납적 과정과 문헌의 역할에 대한 명확성이 부족하다.

Glaser and Strauss (1967) and more recently Strauss (1987) have outlined pieces of the process, but theirs is a prescribed formula, and new ideas have emerged from methodologists (e.g., Yin, 1984; Miles & Huberman, 1984) and researchers conducting this type of research (e.g., Gersick, 1988; Harris & Sutton, 1986; Eisenhardt & Bourgeois, 1988).

Glaser와 Strauss(1967), 그리고 더 최근에는 Strauss(1987)가 이 과정의 일부를 개괄적으로 제시했지만, 이는 미리 정해진 공식에 가까웠다. 반면, 새로운 아이디어는 방법론 전문가들(예: Yin, 1984; Miles & Huberman, 1984)과 이 유형의 연구를 수행하는 연구자들(예: Gersick, 1988; Harris & Sutton, 1986; Eisenhardt & Bourgeois, 1988)로부터 등장했다.

Also, it appears that no one has explicitly examined when this theory-building approach is likely to be fruitful and what its strengths and weaknesses may be.

또한, 이러한 이론 구축 접근법이 언제 효과적일지, 그리고 그 강점과 약점이 무엇인지 명시적으로 검토한 사람은 없는 것으로 보인다.

This paper attempts to make two contributions to the literature.

본 논문은 기존 문헌에 두 가지 기여를 시도한다.

The first is a roadmap for building theories from case study research.

첫 번째는 사례 연구를 통한 이론 구축을 위한 로드맵이다.

This roadmap synthesizes previous work on qualitative methods (e.g., Miles & Huberman, 1984), the design of case study research (e.g., Yin, 1981, 1984), and grounded theory building (e.g., Glaser & Strauss, 1967) and extends that work in areas such as a priori specification of constructs, triangulation of multiple investigators, within-case and cross-case analyses, and the role of existing literature.

이 로드맵은 질적 방법(예: Miles & Huberman, 1984), 사례 연구 설계(예: Yin, 1981, 1984), 그리고 근거 이론 구축(예: Glaser & Strauss, 1967)에 관한 기존 작업을 통합하고, 사전 구성 요소 명세, 다수의 연구자 삼각측량, 사례 내 및 사례 간 분석, 그리고 기존 문헌의 역할과 같은 영역에서 이를 확장한다.

The result is a more nearly complete roadmap for executing this type of research than has existed in the past.

그 결과, 이는 과거보다 더 완전한 유형의 연구 수행을 위한 로드맵을 제공한다.

This framework is summarized in Table 1.

이 프레임워크는 표 1에 요약되어 있다.

Table l Process of Building Theory from Case Study Research

The second contribution is positioning theory building from case studies into the larger context of social science research.

두 번째 기여는 사례 연구를 통한 이론 구축을 사회과학 연구의 더 큰 맥락 속에 위치시키는 것이다.

For example, the paper explores strengths and weaknesses of theory building from case studies, situations in which it is an attractive research approach, and some guidelines for evaluating this type of research.

예를 들어, 본 논문은 사례 연구를 통한 이론 구축의 강점과 약점, 이 접근법이 매력적인 연구 방식이 되는 상황, 그리고 이 유형의 연구를 평가하기 위한 몇 가지 가이드라인을 탐구한다.

Background

Several pieces of the process of building theory from case study research have appeared in the literature.

사례 연구를 통한 이론 구축 과정의 여러 부분이 기존 문헌에 등장했다.

One is the work on grounded theory building by Glaser and Strauss (1967) and, more recently, Strauss (1987).

그중 하나는 Glaser와 Strauss(1967), 그리고 최근에는 Strauss(1987)가 제시한 근거 이론 구축 작업이다.

These authors have detailed their comparative method for developing grounded theory.

이 저자들은 근거 이론을 개발하기 위한 비교 방법을 상세히 설명했다.

The method relies on continuous comparison of data and theory beginning with data collection.

이 방법은 데이터 수집을 시작으로 데이터와 이론의 지속적인 비교에 의존한다.

It emphasizes both the emergence of theoretical categories solely from evidence and an incremental approach to case selection and data gathering.

이는 증거만을 기반으로 한 이론적 범주의 도출과 사례 선택 및 데이터 수집에 대한 점진적 접근 방식을 강조한다.

More recently, Yin (1981, 1984) has described the design of case study research.

더 최근에는 Yin(1981, 1984)이 사례 연구 설계를 설명했다.

He has defined the case study as a research strategy, developed a typology of case study designs, and described the replication logic which is essential to multiple case analysis.

그는 사례 연구를 연구 전략으로 정의하고, 사례 연구 설계의 유형론을 개발했으며, 다중 사례 분석에 필수적인 복제 논리를 설명했다.

His approach also stresses bringing the concerns of validity and reliability in experimental research design to the design of case study research.

그의 접근법은 실험 연구 설계에서의 타당성과 신뢰성 문제를 사례 연구 설계로 가져오는 것을 강조한다.

Miles and Huberman (1984) have outlined specific techniques for analyzing qualitative data.

Miles와 Huberman(1984)은 질적 데이터를 분석하기 위한 구체적인 기술들을 개괄적으로 제시했다.

Their ideas include a variety of devices such as tabular displays and graphs to manage and present qualitative data, without destroying the meaning of the data through intensive coding.

그들의 아이디어에는 집약적인 코딩을 통해 데이터의 의미를 훼손하지 않고 질적 데이터를 관리하고 제시하기 위한 표 형식의 디스플레이와 그래프 같은 다양한 도구들이 포함된다.

A number of active researchers also have undertaken their own variations and additions to the earlier methodological work (e.g., Gersick, 1988; Leonard-Barton, 1988; Harris & Sutton, 1986).

많은 활동적인 연구자들이 이전 방법론적 작업에 대해 자신들만의 변형과 추가 작업을 수행했다(예: Gersick, 1988; Leonard-Barton, 1988; Harris & Sutton, 1986).

Many of these authors acknowledge a debt to previous work, but they have also developed their own “homegrown” techniques for building theory from cases.

이들 중 다수는 이전 작업에 빚을 졌음을 인정하지만, 사례를 통해 이론을 구축하기 위한 자신들만의 “고유한” 기술도 개발했다.

For example, Sutton and Callahan (1987) pioneered a clever use of a resident devil’s advocate, the Warwick group (Pettigrew, 1988) added triangulation of investigators, and my colleague and I (Bourgeois & Eisenhardt, 1988) developed cross-case analysis techniques.

예를 들어, Sutton과 Callahan(1987)은 상주 반론자를 활용하는 독창적인 방식을 개척했고, Warwick 그룹(Pettigrew, 1988)은 연구자 삼각측량을 추가했으며, 나의 동료와 나는(Bourgeois & Eisenhardt, 1988) 사례 간 분석 기법을 개발했다.

Finally, the work of others such as Van Maanen (1988) on ethnography, Jick (1979) on triangulation of data types, and Mintzberg (1979) on direct research has provided additional pieces for a framework of building theory from case study research.

마지막으로, Van Maanen(1988)의 민족지학, Jick(1979)의 데이터 유형 삼각측량, 그리고 Mintzberg(1979)의 직접 연구에 관한 작업은 사례 연구로부터 이론을 구축하기 위한 틀에 추가적인 요소들을 제공했다.

As a result, many pieces of the theory-building process are evident in the literature.

그 결과, 이론 구축 과정의 많은 부분이 기존 문헌에 나타나 있다.

Nevertheless, at the same time, there is substantial confusion about how to combine them, when to conduct this type of study, and how to evaluate it.

그럼에도 불구하고, 이러한 요소들을 어떻게 결합할지, 언제 이러한 유형의 연구를 수행할지, 그리고 이를 어떻게 평가할지에 대한 상당한 혼란이 존재한다.

The Case Study Approach

사례연구 접근법

The case study is a research strategy which focuses on understanding the dynamics present within single settings.

사례 연구는 단일 환경 내에서 존재하는 역학을 이해하는 데 초점을 맞춘 연구 전략이다.

Examples of case study research include Selznick’s (1949) description of TVA, Allison’s (1971) study of the Cuban missile crisis, and Pettigrew’s (1973) research on decision making at a British retailer.

사례 연구의 예로는 Selznick(1949)의 TVA 설명, Allison(1971)의 쿠바 미사일 위기 연구, 그리고 Pettigrew(1973)의 영국 소매업체에서의 의사결정 연구가 있다.

Case studies can involve either single or multiple cases, and numerous levels of analysis (Yin, 1984).

사례 연구는 단일 또는 다중 사례를 포함할 수 있으며, 다양한 분석 수준을 가질 수 있다(Yin, 1984).

For example, Harris and Sutton (1986) studied 8 dying organizations, Bettenhausen and Murnighan (1986) focused on the emergence of norms in 19 laboratory groups, and Leonard-Barton (1988) tracked the progress of 10 innovation projects.

예를 들어, Harris와 Sutton(1986)은 소멸 중인 8개의 조직을 연구했고, Bettenhausen과 Murnighan(1986)은 19개의 실험실 그룹에서 규범의 형성을 연구했으며, Leonard-Barton(1988)은 10개의 혁신 프로젝트의 진행을 추적했다.

Moreover, case studies can employ an embedded design, that is, multiple levels of analysis within a single study (Yin, 1984).

또한, 사례 연구는 내재된 설계를 사용할 수 있는데, 이는 단일 연구 내에서의 다중 분석 수준을 의미한다(Yin, 1984).

For example, the Warwick study of competitiveness and strategic change within major U.K. corporations is conducted at two levels of analysis: industry and firm (Pettigrew, 1988), and the Mintzberg and Waters (1982) study of Steinberg’s grocery empire examines multiple strategic changes within a single firm.

예를 들어, 영국 주요 기업의 경쟁력과 전략적 변화에 대한 Warwick 연구는 산업과 기업이라는 두 가지 분석 수준에서 수행되었으며(Pettigrew, 1988), Mintzberg와 Waters(1982)의 Steinberg 식료품 제국 연구는 단일 기업 내에서의 다중 전략적 변화를 조사했다.

Case studies typically combine data collection methods such as archives, interviews, questionnaires, and observations.

사례 연구는 일반적으로 아카이브, 인터뷰, 설문지, 관찰과 같은 데이터 수집 방법을 결합한다.

The evidence may be qualitative (e.g., words), quantitative (e.g., numbers), or both.

증거는 질적(예: 단어)일 수도 있고, 양적(예: 숫자)일 수도 있으며, 두 가지 모두일 수도 있다.

For example, Sutton and Callahan (1987) rely exclusively on qualitative data in their study of bankruptcy in Silicon Valley, Mintzberg and McHugh (1985) use qualitative data supplemented by frequency counts in their work on the National Film Board of Canada, and Eisenhardt and Bourgeois (1988) combine quantitative data from questionnaires with qualitative evidence from interviews and observations.

예를 들어, Sutton과 Callahan(1987)은 실리콘밸리의 파산 연구에서 질적 데이터에만 의존했으며, Mintzberg와 McHugh(1985)는 캐나다 국립영화위원회 연구에서 빈도 수치를 보완한 질적 데이터를 사용했으며, Eisenhardt와 Bourgeois(1988)는 설문지에서 얻은 양적 데이터를 인터뷰와 관찰에서 얻은 질적 증거와 결합했다.

Finally, case studies can be used to accomplish various aims: to provide description (Kidder, 1982), test theory (Pinfield, 1986; Anderson, 1983), or generate theory (e.g., Gersick, 1988; Harris & Sutton, 1986).

마지막으로, 사례 연구는 다양한 목표를 달성하기 위해 사용될 수 있다: 기술 제공(Kidder, 1982), 이론 검증(Pinfield, 1986; Anderson, 1983), 또는 이론 생성(예: Gersick, 1988; Harris & Sutton, 1986).

The interest here is in this last aim, theory generation from case study evidence.

여기서 관심의 초점은 마지막 목표인, 사례 연구 증거를 통한 이론 생성에 있다.

Table 2 summarizes some recent research using theory building from case studies. 

표 2는 사례 연구를 활용한 이론 구축과 관련된 몇 가지 최신 연구를 요약하고 있다.

Table 2 Recent Examples of Inductive Case Study Research*

Building Theory from Case Study Research

사례 연구를 통한 이론 구축

Getting Started

시작하기

An initial definition of the research question, in at least broad terms, is important in building theory from case studies.

사례 연구를 통해 이론을 구축할 때는 연구 질문을 최소한 폭넓은 범위에서라도 초기 정의하는 것이 중요하다.

Mintzberg (1979, p. 585) noted: “No matter how small our sample or what our interest, we have always tried to go into organizations with a well-defined focus—to collect specific kinds of data systematically.”

Mintzberg(1979, p. 585)은 이렇게 언급했다. “우리의 표본이 얼마나 작든, 관심사가 무엇이든 간에, 우리는 항상 잘 정의된 초점과 함께 조직에 접근하여 특정 유형의 데이터를 체계적으로 수집하려고 노력했다.”

The rationale for defining the research question is the same as it is in hypothesis-testing research.

연구 질문을 정의하는 논리는 가설 검증 연구와 동일하다.

Without a research focus, it is easy to become overwhelmed by the volume of data.

연구 초점이 없으면 방대한 데이터 양에 압도되기 쉽다.

For example, Pettigrew and colleagues (1988) defined their research question in terms of strategic change and competitiveness within large British corporations, and Leonard-Barton (1988) focused on technical innovation of feasible technologies.

예를 들어, Pettigrew와 동료들(1988)은 대형 영국 기업 내에서의 전략적 변화와 경쟁력 측면에서 연구 질문을 정의했으며, Leonard-Barton(1988)은 실현 가능한 기술의 기술 혁신에 초점을 맞췄다.

Such definition of a research question within a broad topic permitted these investigators to specify the kind of organization to be approached, and, once there, the kind of data to be gathered.

이러한 폭넓은 주제 내에서의 연구 질문 정의는 연구자들이 접근할 조직 유형과 수집할 데이터 유형을 명확히 할 수 있도록 했다.

A priori specification of constructs can also help to shape the initial design of theory-building research.

구성 요소를 사전 명시하는 것도 이론 구축 연구의 초기 설계를 형성하는 데 도움이 될 수 있다.

Although this type of specification is not common in theory-building studies to date, it is valuable because it permits researchers to measure constructs more accurately.

이러한 유형의 명시는 현재까지 이론 구축 연구에서 흔하지 않지만, 연구자들이 구성 요소를 보다 정확하게 측정할 수 있게 한다는 점에서 가치가 있다.

If these constructs prove important as the study progresses, then researchers have a firmer empirical grounding for the emergent theory.

만약 연구가 진행되면서 이러한 구성 요소가 중요하다는 것이 입증된다면, 연구자들은 도출된 이론을 위한 더 견고한 경험적 근거를 갖게 된다.

For example, in a study of strategic decision making in top management teams, Bourgeois and Eisenhardt (1988) identified several potentially important constructs (e.g., conflict, power) from the literature on decision making.

예를 들어, 최고 경영진 팀의 전략적 의사결정에 대한 연구에서 Bourgeois와 Eisenhardt(1988)는 의사결정에 관한 문헌에서 몇 가지 잠재적으로 중요한 구성 요소(예: 갈등, 권력)를 식별했다.

These constructs were explicitly measured in the interview protocol and questionnaires.

이러한 구성 요소들은 인터뷰 프로토콜과 설문지에서 명시적으로 측정되었다.

When several of these constructs did emerge as related to the decision process, there were strong, triangulated measures on which to ground the emergent theory.

이러한 구성 요소 중 일부가 의사결정 과정과 관련하여 도출되었을 때, 도출된 이론을 근거로 할 수 있는 강력하고 삼각화된 측정치가 존재했다.

Although early identification of the research question and possible constructs is helpful, it is equally important to recognize that both are tentative in this type of research.

연구 질문과 가능한 구성 요소의 초기 식별이 유용하더라도, 이 두 가지가 이 유형의 연구에서 잠정적이라는 것을 인식하는 것이 똑같이 중요하다.

No construct is guaranteed a place in the resultant theory, no matter how well it is measured.

구성 요소가 아무리 잘 측정되었다 하더라도 도출된 이론에서 그것이 자리할 것이라는 보장은 없다.

Also, the research question may shift during the research.

또한, 연구 질문은 연구 중에 변할 수 있다.

At the extreme, some researchers (e.g., Gersick, 1988; Bettenhausen & Murnighan, 1986) have converted theory-testing research into theory-building research by taking advantage of serendipitous findings.

극단적으로, 일부 연구자들(예: Gersick, 1988; Bettenhausen & Murnighan, 1986)은 우연히 발견한 결과를 활용하여 이론 검증 연구를 이론 구축 연구로 전환했다.

Finally and most importantly, theory-building research is begun as close as possible to the ideal of no theory under consideration and no hypotheses to test.

마지막으로, 그리고 가장 중요한 점은 이론 구축 연구는 가능한 한 검토 중인 이론도, 검증할 가설도 없는 이상에 최대한 가깝게 시작된다는 것이다.

Admittedly, it is impossible to achieve this ideal of a clean theoretical slate.

물론, 완전히 깨끗한 이론적 출발점을 달성하는 것은 불가능하다.

Nonetheless, attempting to approach this ideal is important because preordained theoretical perspectives or propositions may bias and limit the findings.

그럼에도 불구하고, 이러한 이상에 접근하려는 시도는 중요하다. 왜냐하면 사전에 정해진 이론적 관점이나 명제가 결과를 편향시키고 제한할 수 있기 때문이다.

Thus, investigators should formulate a research problem and possibly specify some potentially important variables, with some reference to extant literature.

따라서 연구자들은 연구 문제를 공식화하고, 기존 문헌을 참고하여 잠재적으로 중요한 변수를 일부 명시해야 한다.

However, they should avoid thinking about specific relationships between variables and theories as much as possible, especially at the outset of the process.

그러나 특히 과정의 초기 단계에서는 변수 간 관계나 이론에 대해 구체적으로 생각하는 것을 가능한 한 피해야 한다.

Selecting Cases

사례 선정

Selection of cases is an important aspect of building theory from case studies.

사례 선정은 사례 연구를 통한 이론 구축에서 중요한 측면이다.

As in hypothesis-testing research, the concept of a population is crucial because the population defines the set of entities from which the research sample is to be drawn.

가설 검증 연구와 마찬가지로, 모집단 개념은 연구 표본이 추출될 개체 집합을 정의하기 때문에 매우 중요하다.

Also, selection of an appropriate population controls extraneous variation and helps to define the limits for generalizing the findings.

또한 적절한 모집단의 선택은 외부 변수를 통제하고 연구 결과를 일반화할 수 있는 한계를 정의하는 데 도움을 준다.

The Warwick study of strategic change and competitiveness illustrates these ideas (Pettigrew, 1988).

전략적 변화와 경쟁력에 대한 Warwick 연구는 이러한 아이디어를 보여준다(Pettigrew, 1988).

In this study, the researchers selected cases from a population of large British corporations in four market sectors.

이 연구에서 연구자들은 영국의 대형 기업들로 이루어진 모집단에서 4개 시장 부문에 해당하는 사례를 선정했다.

The selection of four specific markets allowed the researchers to control environmental variation, while the focus on large corporations constrained variation due to size differences among the firms.

4개의 특정 시장을 선택함으로써 연구자들은 환경적 변수를 통제할 수 있었으며, 대형 기업에 초점을 맞춤으로써 기업 간 크기 차이로 인한 변수를 제한할 수 있었다.

Thus, specification of this population reduced extraneous variation and clarified the domain of the findings as large corporations operating in specific types of environments.

따라서 이 모집단의 명시는 외부 변수를 줄이고 특정 유형의 환경에서 운영되는 대형 기업으로 연구 결과의 범위를 명확히 했다.

However, the sampling of cases from the chosen population is unusual when building theory from case studies.

그러나 사례 연구를 통한 이론 구축에서 선택된 모집단으로부터 사례를 샘플링하는 방식은 일반적이지 않다.

Such research relies on theoretical sampling (i.e., cases are chosen for theoretical, not statistical, reasons; Glaser & Strauss, 1967).

이러한 연구는 이론적 샘플링에 의존한다(즉, 사례는 통계적 이유가 아니라 이론적 이유로 선택된다; Glaser & Strauss, 1967).

The cases may be chosen to replicate previous cases or extend emergent theory, or they may be chosen to fill theoretical categories and provide examples of polar types.

사례는 이전 사례를 복제하거나 도출된 이론을 확장하기 위해 선택될 수 있으며, 이론적 범주를 채우고 극단적 유형의 예를 제공하기 위해 선택될 수도 있다.

While the cases may be chosen randomly, random selection is neither necessary nor even preferable.

사례는 무작위로 선택될 수도 있지만, 무작위 선택이 반드시 필요한 것도 아니며, 심지어 바람직한 것도 아니다.

As Pettigrew (1988) noted, given the limited number of cases which can usually be studied, it makes sense to choose cases such as extreme situations and polar types in which the process of interest is “transparently observable.”

Pettigrew(1988)가 언급했듯이, 일반적으로 연구할 수 있는 사례 수가 제한적이기 때문에 관심 있는 과정을 “명백히 관찰할 수 있는” 극단적 상황이나 극단적 유형의 사례를 선택하는 것이 합리적이다.

Thus, the goal of theoretical sampling is to choose cases which are likely to replicate or extend the emergent theory.

따라서 이론적 샘플링의 목표는 도출된 이론을 복제하거나 확장할 가능성이 높은 사례를 선택하는 것이다.

Several studies illustrate theoretical sampling.

여러 연구는 이론적 샘플링을 보여준다.

Harris and Sutton (1986), for example, were interested in the parting ceremonies of dying organizations.

예를 들어, Harris와 Sutton(1986)은 소멸 중인 조직들의 작별 의식에 관심이 있었다.

In order to build a model applicable across organization types, these researchers purposefully selected diverse organizations from a population of dying organizations.

이 연구자들은 다양한 조직 유형에 적용할 수 있는 모델을 구축하기 위해 소멸 중인 조직들의 모집단에서 의도적으로 다양한 조직을 선택했다.

They chose eight organizations, filling each of four categories: private, dependent; private, independent; public, dependent; and public, independent.

이들은 네 가지 범주를 채우기 위해 8개의 조직을 선택했다: 민간 의존적, 민간 독립적, 공공 의존적, 공공 독립적.

The sample was not random, but reflected the selection of specific cases to extend the theory to a broad range of organizations.

표본은 무작위가 아니었지만, 이론을 다양한 조직 유형으로 확장하기 위한 특정 사례를 반영했다.

Multiple cases within each category allowed findings to be replicated within categories.

각 범주 내 다수의 사례는 해당 범주 내에서 연구 결과를 복제할 수 있게 했다.

Gersick (1988) followed a similar strategy of diverse sampling in order to enhance the generalizability of her model of group development.

Gersick(1988)은 집단 발전 모델의 일반화 가능성을 높이기 위해 유사한 다양한 샘플링 전략을 따랐다.

In the Warwick study (Pettigrew, 1988), the investigators also followed a deliberate, theoretical sampling plan.

Warwick 연구(Pettigrew, 1988)에서도 연구자들은 신중하게 계획된 이론적 샘플링 방식을 따랐다.

Within each of four markets, they chose polar types: one case of clearly successful firm performance and one unsuccessful case.

4개의 시장 각각에서, 연구자들은 극단적 유형을 선택했다: 명백히 성공적인 기업성과의 사례 하나와 비성공적 사례 하나.

This sampling plan was designed to build theories of success and failure.

이 샘플링 계획은 성공과 실패의 이론을 구축하기 위해 설계되었다.

Finally, the Eisenhardt and Bourgeois (1988) study of the politics of strategic decision making illustrates theoretical sampling during the course of research.

마지막으로, Eisenhardt와 Bourgeois(1988)의 전략적 의사결정 과정에서의 정치성 연구는 연구 진행 중의 이론적 샘플링을 보여준다.

A theory linking the centralization of power to the use of politics in top management teams was built and then extended to consider the effects of changing team composition by adding two cases, in which the executive teams changed, to the first six, in which there was no change.

권력의 중앙집권화와 최고 경영진 팀에서의 정치적 활용을 연결하는 이론이 구축되었고, 이후 팀 구성 변경의 영향을 고려하기 위해 초기 6개 사례(변경 없음)에 두 가지 사례(경영진 팀 변경 있음)를 추가하여 확장되었다.

This tactic allowed the initial framework to be extended to include dynamic effects of changing team composition.

이 전략은 초기 프레임워크를 팀 구성 변화의 동적 효과를 포함하도록 확장할 수 있게 했다.

Crafting Instruments and Protocols

도구와 프로토콜 설계

Theory-building researchers typically combine multiple data collection methods.

이론 구축 연구자들은 일반적으로 다양한 데이터 수집 방법을 결합한다.

While interviews, observations, and archival sources are particularly common, inductive researchers are not confined to these choices.

인터뷰, 관찰, 아카이브 자료가 특히 일반적이지만, 귀납적 연구자들은 이러한 선택들에 국한되지 않는다.

Some investigators employ only some of these data collection methods (e.g., Gersick, 1988, used only observations for the first half of her study), or they may add others (e.g., Bettenhausen & Murnighan, 1986, used quantitative laboratory data).

일부 연구자들은 이러한 데이터 수집 방법 중 일부만 사용하기도 하고(예: Gersick, 1988은 연구 초기 절반 동안 관찰만 사용), 다른 방법을 추가하기도 한다(예: Bettenhausen & Murnighan, 1986은 양적 실험실 데이터를 사용).

The rationale is the same as in hypothesis-testing research.

그 논리는 가설 검증 연구와 동일하다.

That is, the triangulation made possible by multiple data collection methods provides stronger substantiation of constructs and hypotheses.

즉, 여러 데이터 수집 방법을 통해 가능해지는 삼각측량은 구성 요소와 가설에 대한 더 강력한 입증을 제공한다.

Of special note is the combining of qualitative with quantitative evidence.

특히 주목할 점은 질적 증거와 양적 증거의 결합이다.

Although the terms qualitative and case study are often used interchangeably (e.g., Yin, 1981), case study research can involve qualitative data only, quantitative only, or both (Yin, 1984).

질적 연구와 사례 연구라는 용어는 종종 혼용되지만(예: Yin, 1981), 사례 연구는 질적 데이터만 포함하거나, 양적 데이터만 포함하거나, 두 가지 모두를 포함할 수 있다(Yin, 1984).

Moreover, the combination of data types can be highly synergistic.

게다가, 데이터 유형의 결합은 높은 시너지 효과를 낼 수 있다.

Quantitative evidence can indicate relationships which may not be salient to the researcher.

양적 증거는 연구자에게 명확히 드러나지 않을 수 있는 관계를 나타낼 수 있다.

It also can keep researchers from being carried away by vivid, but false, impressions in qualitative data, and it can bolster findings when it corroborates those findings from qualitative evidence.

또한, 연구자들이 생생하지만 잘못된 질적 데이터의 인상에 휩쓸리지 않도록 하고, 질적 증거와 일치할 때 연구 결과를 강화할 수 있다.

The qualitative data are useful for understanding the rationale or theory underlying relationships revealed in the quantitative data or may suggest directly theory which can then be strengthened by quantitative support (Jick, 1979).

질적 데이터는 양적 데이터에서 드러난 관계의 이론적 근거를 이해하는 데 유용하며, 양적 지원을 통해 강화될 수 있는 이론을 직접적으로 제안할 수도 있다(Jick, 1979).

Mintzberg (1979) described this synergy as follows:

Mintzberg(1979)는 이 시너지를 다음과 같이 설명했다.

“For while systematic data create the foundation for our theories, it is the anecdotal data that enable us to do the building. Theory building seems to require rich description, the richness that comes from anecdote. We uncover all kinds of relationships in our hard data, but it is only through the use of this soft data that we are able to explain them.” (p. 587)

“체계적인 데이터가 우리의 이론을 위한 기초를 만드는 동안, 이론 구축을 가능하게 하는 것은 일화적인 데이터이다. 이론 구축에는 풍부한 묘사가 필요한데, 이는 일화에서 나오는 풍부함이다. 우리는 단단한 데이터에서 다양한 관계를 발견하지만, 이를 설명할 수 있는 것은 오직 부드러운 데이터의 활용을 통해서이다.” (p. 587)

Also, of special note is the use of multiple investigators.

또한, 다수의 연구자를 사용하는 점이 특히 주목할 만하다.

Multiple investigators have two key advantages.

다수의 연구자는 두 가지 주요 장점을 가진다.

First, they enhance the creative potential of the study.

첫째, 연구의 창의적 잠재력을 향상시킨다.

Team members often have complementary insights which add to the richness of the data, and their different perspectives increase the likelihood of capitalizing on any novel insights which may be in the data.

팀원들은 종종 데이터를 풍부하게 하는 상호보완적인 통찰을 가지고 있으며, 그들의 다양한 관점은 데이터에 존재할 수 있는 새로운 통찰을 활용할 가능성을 높인다.

Second, the convergence of observations from multiple investigators enhances confidence in the findings.

둘째, 여러 연구자의 관찰이 일치하면 연구 결과에 대한 신뢰를 높인다.

Convergent perceptions add to the empirical grounding of the hypotheses, while conflicting perceptions keep the group from premature closure.

일치하는 관점은 가설의 경험적 근거를 강화하는 반면, 상충되는 관점은 그룹이 성급히 결론을 내리는 것을 방지한다.

Thus, the use of more investigators builds confidence in the findings and increases the likelihood of surprising findings.

따라서 더 많은 연구자를 사용하는 것은 연구 결과에 대한 신뢰를 높이고 놀라운 발견 가능성을 증가시킨다.

One strategy for employing multiple investigators is to make the visits to case study sites in teams (e.g., Pettigrew, 1988).

여러 연구자를 활용하는 한 가지 전략은 사례 연구 현장을 팀 단위로 방문하는 것이다(예: Pettigrew, 1988).

This allows the case to be viewed from the different perspectives of multiple observers.

이는 사례를 여러 관찰자의 다양한 관점에서 볼 수 있도록 한다.

A variation on this tactic is to give individuals on the team unique roles, which increases the chances that investigators will view case evidence in divergent ways.

이 전략의 변형은 팀원들에게 고유한 역할을 부여하여 연구자들이 사례 증거를 다양한 방식으로 볼 가능성을 높이는 것이다.

For example, interviews can be conducted by two-person teams, with one researcher handling the interview questions, while the other records notes and observations (e.g., Eisenhardt & Bourgeois, 1988).

예를 들어, 인터뷰는 두 명으로 구성된 팀이 수행할 수 있으며, 한 명의 연구자는 인터뷰 질문을 담당하고 다른 한 명은 메모와 관찰을 기록한다(예: Eisenhardt & Bourgeois, 1988).

Another tactic is to create multiple research teams, with teams being assigned to cover some case sites, but not others (e.g., Pettigrew, 1988).

또 다른 전략은 여러 연구 팀을 구성하여 일부 사례 현장을 담당하게 하고 다른 현장은 맡기지 않는 것이다(예: Pettigrew, 1988).

The rationale behind this tactic is that investigators who have not met the informants and have not become immersed in case details may bring a very different and possibly more objective eye to the evidence.

이 전략의 논리는 정보제공자를 만나거나 사례 세부사항에 몰입하지 않은 연구자가 매우 다른, 어쩌면 더 객관적인 관점을 증거에 가져올 수 있다는 것이다.

An extreme form of this tactic is to keep some member or members of the research team out of the field altogether by exclusively assigning to them the role of resident devil’s advocate (e.g., Sutton & Callahan, 1987).

이 전략의 극단적인 형태는 연구팀의 일부 구성원을 현장에서 완전히 제외하고, 이들에게 전담 반론자의 역할을 부여하는 것이다(예: Sutton & Callahan, 1987).

Entering the Field

현장 진입

A striking feature of research to build theory from case studies is the frequent overlap of data analysis with data collection.

사례 연구를 통해 이론을 구축하기 위한 연구의 두드러진 특징은 데이터 수집과 데이터 분석이 자주 겹친다는 것이다.

For example, Glaser and Strauss (1967) argue for joint collection, coding, and analysis of data.

예를 들어, Glaser와 Strauss(1967)는 데이터의 공동 수집, 코딩 및 분석을 주장한다.

While many researchers do not achieve this degree of overlap, most maintain some overlap.

많은 연구자들이 이러한 수준의 중복성을 달성하지 못하지만, 대부분은 어느 정도의 중복성을 유지한다.

Field notes, a running commentary to oneself and/or research team, are an important means of accomplishing this overlap.

현장 노트는 자신과/또는 연구팀을 위한 실시간 주석으로, 이러한 중복성을 달성하기 위한 중요한 수단이다.

As described by Van Maanen (1988), field notes are an ongoing stream-of-consciousness commentary about what is happening in the research, involving both observation and analysis—preferably separated from one another.

Van Maanen(1988)이 설명했듯이, 현장 노트는 연구에서 일어나고 있는 일에 대한 의식의 흐름 형태의 지속적인 주석으로, 관찰과 분석이 포함되며, 가능하면 이를 서로 분리하는 것이 바람직하다.

One key to useful field notes is to write down whatever impressions occur, that is, to react rather than to sift out what may seem important, because it is often difficult to know what will and will not be useful in the future.

유용한 현장 노트를 작성하는 한 가지 핵심은 발생하는 모든 인상을 기록하는 것이다. 즉, 무엇이 중요해 보이는지를 걸러내기보다는 반응하는 것이다. 이는 미래에 어떤 것이 유용하고 유용하지 않을지를 알기 어려운 경우가 많기 때문이다.

A second key to successful field notes is to push thinking in these notes by asking questions such as “What am I learning?” and “How does this case differ from the last?”

성공적인 현장 노트의 두 번째 핵심은 “내가 무엇을 배우고 있는가?” 또는 “이 사례는 이전 사례와 어떻게 다른가?“와 같은 질문을 통해 생각을 확장하는 것이다.

For example, Burgelman (1983) kept extensive idea booklets to record his ongoing thoughts in a study of internal corporate venturing.

예를 들어, Burgelman(1983)은 기업 내 벤처 연구에서 자신의 지속적인 생각을 기록하기 위해 광범위한 아이디어 노트를 작성했다.

These ideas can be cross-case comparisons, hunches about relationships, anecdotes, and informal observations.

이러한 아이디어는 사례 간 비교, 관계에 대한 직감, 일화, 비공식적인 관찰 등이 될 수 있다.

Team meetings, in which investigators share their thoughts and emergent ideas, are also useful devices for overlapping data collection and analysis.

연구자들이 자신들의 생각과 도출된 아이디어를 공유하는 팀 회의는 데이터 수집과 분석을 겹치게 하는 데 유용한 도구이다.

Overlapping data analysis with data collection not only gives the researcher a head start in analysis but, more importantly, allows researchers to take advantage of flexible data collection.

데이터 분석과 데이터 수집을 겹치게 하는 것은 연구자에게 분석을 앞서 시작할 기회를 제공할 뿐만 아니라, 더 중요한 것은 연구자가 유연한 데이터 수집의 장점을 활용할 수 있도록 한다.

Indeed, a key feature of theory-building case research is the freedom to make adjustments during the data collection process.

실제로, 이론 구축 사례 연구의 주요 특징은 데이터 수집 과정에서 조정을 할 수 있는 자유이다.

These adjustments can be the addition of cases to probe particular themes which emerge.

이러한 조정은 도출된 특정 주제를 탐구하기 위해 사례를 추가하는 것을 포함할 수 있다.

Gersick (1988), for example, added several cases to her original set of student teams in order to more closely observe transition point behaviors among project teams.

예를 들어, Gersick(1988)은 프로젝트 팀 간 전환점 행동을 더 면밀히 관찰하기 위해 원래의 학생 팀 사례 집합에 몇 가지 사례를 추가했다.

Additional adjustments can be made to data collection instruments, such as the addition of questions to an interview protocol or questions to a questionnaire (e.g., Harris & Sutton, 1986).

추가 조정은 인터뷰 프로토콜에 질문을 추가하거나 설문지에 질문을 추가하는 것과 같은 데이터 수집 도구에 대해 이루어질 수 있다(예: Harris & Sutton, 1986).

These adjustments allow the researcher to probe emergent themes or to take advantage of special opportunities which may be present in a given situation.

이러한 조정은 연구자가 도출된 주제를 탐구하거나 특정 상황에서 발생할 수 있는 특별한 기회를 활용할 수 있게 한다.

In other situations, adjustments can include the addition of data sources in selected cases.

다른 상황에서는 조정이 선택된 사례에서 데이터 출처를 추가하는 것을 포함할 수 있다.

For example, Sutton and Callahan (1987) added observational evidence for one case when the opportunity to attend creditors’ meetings arose, and Burgelman (1983) added interviews with individuals whose importance became clear during data collection.

예를 들어, Sutton과 Callahan(1987)은 채권자 회의에 참석할 기회가 생겼을 때 하나의 사례에 관찰적 증거를 추가했고, Burgelman(1983)은 데이터 수집 중에 중요성이 명확해진 개인들과의 인터뷰를 추가했다.

Leonard-Barton (1988) went even further by adding several experiments to probe her emergent theory in a study of the implementation of technical innovations.

Leonard-Barton(1988)은 기술 혁신의 구현에 관한 연구에서 도출된 이론을 탐구하기 위해 여러 실험을 추가하는 데까지 나아갔다.

These alterations create an important question: Is it legitimate to alter and even add data collection methods during a study?

이러한 변경은 중요한 질문을 제기한다: 연구 중에 데이터 수집 방법을 변경하거나 추가하는 것이 정당한가?

For theory-building research, the answer is “yes,” because investigators are trying to understand each case individually and in as much depth as is feasible.

이론 구축 연구에서는 답이 “예”이다. 왜냐하면 연구자들은 각 사례를 개별적으로 이해하려고 하며, 가능한 한 깊이 있게 이해하려고 노력하기 때문이다.

The goal is not to produce summary statistics about a set of observations.

목표는 일련의 관찰에 대한 요약 통계를 생성하는 것이 아니다.

Thus, if a new data collection opportunity arises or if a new line of thinking emerges during the research, it makes sense to take advantage by altering data collection, if such an alteration is likely to better ground the theory or to provide new theoretical insight.

따라서 연구 중에 새로운 데이터 수집 기회가 생기거나 새로운 사고방식이 등장하면, 그러한 변경이 이론을 더 잘 근거짓거나 새로운 이론적 통찰을 제공할 가능성이 있다면 데이터 수집을 변경하는 것이 타당하다.

This flexibility is not a license to be unsystematic.

이러한 유연성은 비체계적인 태도를 허용하는 것이 아니다.

Rather, this flexibility is controlled opportunism in which researchers take advantage of the uniqueness of a specific case and the emergence of new themes to improve resultant theory.

오히려 이러한 유연성은 연구자들이 특정 사례의 독창성과 새로운 주제의 도출을 활용하여 결과 이론을 개선하는 통제된 기회주의이다.

Analyzing Within-Case Data

사례 내 데이터 분석

Analyzing data is the heart of building theory from case studies, but it is both the most difficult and the least codified part of the process.

데이터 분석은 사례 연구를 통한 이론 구축의 핵심이지만, 가장 어려우면서도 가장 체계화되지 않은 과정이다.

Since published studies generally describe research sites and data collection methods, but give little space to discussion of analysis, a huge chasm often separates data from conclusions.

출판된 연구는 일반적으로 연구 현장과 데이터 수집 방법을 설명하지만, 분석에 대한 논의는 거의 다루지 않기 때문에, 데이터와 결론 사이에 큰 간극이 존재하는 경우가 많다.

As Miles and Huberman (1984, p. 16) wrote: “One cannot ordinarily follow how a researcher got from 3600 pages of field notes to the final conclusions, sprinkled with vivid quotes though they may be.”

Miles와 Huberman(1984, p. 16)은 이렇게 적었다: “연구자가 3600페이지의 현장 노트에서 생생한 인용으로 장식된 최종 결론에 도달한 과정을 일반적으로 따라갈 수 없다.”

However, several key features of analysis can be identified.

그러나 분석의 몇 가지 주요 특징을 식별할 수 있다.

One key step is within-case analysis.

한 가지 주요 단계는 사례 내 분석이다.

The importance of within-case analysis is driven by one of the realities of case study research: a staggering volume of data.

사례 내 분석의 중요성은 사례 연구의 현실 중 하나인 방대한 데이터의 양에 의해 결정된다.

As Pettigrew (1988) described, there is an ever-present danger of “death by data asphyxiation.”

Pettigrew(1988)가 설명했듯이, “데이터 과다로 인한 질식사”라는 위험이 항상 존재한다.

For example, Mintzberg and McHugh (1985) examined over 2500 movies in their study of strategy making at the National Film Board of Canada—and that was only part of their evidence.

예를 들어, Mintzberg와 McHugh(1985)는 캐나다 국립영화위원회의 전략 수립에 대한 연구에서 2500편이 넘는 영화를 조사했는데, 이는 그들의 증거의 일부에 불과했다.

The volume of data is all the more daunting because the research problem is often open-ended.

연구 문제가 종종 개방형이기 때문에 데이터의 양은 더욱 압도적이다.

Within-case analysis can help investigators cope with this deluge of data.

사례 내 분석은 연구자가 이러한 데이터 홍수를 처리하는 데 도움을 줄 수 있다.

Within-case analysis typically involves detailed case study write-ups for each site.

사례 내 분석은 일반적으로 각 사례 현장에 대한 상세한 사례 연구 작성물을 포함한다.

These write-ups are often simply pure descriptions, but they are central to the generation of insight (Gersick, 1988; Pettigrew, 1988) because they help researchers to cope early in the analysis process with the often enormous volume of data.

이러한 작성물은 종종 단순히 순수한 서술에 불과하지만, 연구자들이 분석 과정 초기에 종종 방대한 데이터의 양을 처리하는 데 도움을 주기 때문에 통찰력을 생성하는 데 중심적이다(Gersick, 1988; Pettigrew, 1988).

However, there is no standard format for such analysis.

그러나 이러한 분석에 대한 표준 형식은 없다.

Quinn (1980) developed teaching cases for each of the firms in his study of strategic decision making in six major corporations as a prelude to his theoretical work.

Quinn(1980)은 6개 주요 기업의 전략적 의사결정에 대한 연구에서 각 기업에 대한 교수 사례를 이론 작업의 전초 단계로 개발했다.

Mintzberg and McHugh (1985) compiled a 383-page case history of the National Film Board of Canada.

Mintzberg와 McHugh(1985)는 캐나다 국립영화위원회에 대한 383페이지 분량의 사례 역사를 작성했다.

These authors coupled narrative description with extensive use of longitudinal graphs tracking revenue, film sponsorship, staffing, film subjects, and so on.

이들 저자는 서사적 설명을 매출, 영화 후원, 인력 배치, 영화 주제 등을 추적하는 종적 그래프의 광범위한 사용과 결합했다.

Gersick (1988) prepared transcripts of team meetings.

Gersick(1988)은 팀 회의의 전사본을 준비했다.

Leonard-Barton (1988) used tabular displays and graphs of information about each case.

Leonard-Barton(1988)은 각 사례에 대한 정보를 표 형식과 그래프로 제시했다.

In fact, there are probably as many approaches as researchers.

사실, 연구자 수만큼 접근 방식이 있을 가능성이 높다.

However, the overall idea is to become intimately familiar with each case as a stand-alone entity.

그러나 전반적인 아이디어는 각 사례를 독립적인 실체로서 친밀하게 이해하는 것이다.

This process allows the unique patterns of each case to emerge before investigators push to generalize patterns across cases.

이 과정은 연구자가 사례 간 패턴을 일반화하려고 하기 전에 각 사례의 독특한 패턴이 드러나도록 한다.

In addition, it gives investigators a rich familiarity with each case which, in turn, accelerates cross-case comparison.

게다가, 이는 연구자들에게 각 사례에 대한 풍부한 친숙함을 제공하며, 이는 결과적으로 사례 간 비교를 가속화한다.

Shaping Hypotheses

가설 형성

From the within-site analysis plus various cross-site tactics and overall impressions, tentative themes, concepts, and possibly even relationships between variables begin to emerge.

사례 내 분석, 다양한 사례 간 전술, 그리고 전체적인 인상에서부터 잠정적인 주제, 개념, 그리고 변수 간 관계가 도출되기 시작한다.

The next step of this highly iterative process is to compare systematically the emergent frame with the evidence from each case in order to assess how well or poorly it fits with case data.

이러한 반복적인 과정의 다음 단계는 도출된 프레임을 각 사례의 증거와 체계적으로 비교하여 사례 데이터에 얼마나 잘 부합하는지를 평가하는 것이다.

The central idea is that researchers constantly compare theory and data—iterating toward a theory which closely fits the data.

핵심 아이디어는 연구자들이 이론과 데이터를 지속적으로 비교하며 데이터에 밀접하게 부합하는 이론으로 반복적으로 나아간다는 것이다.

A close fit is important to building good theory because it takes advantage of the new insights possible from the data and yields an empirically valid theory.

데이터에서 얻을 수 있는 새로운 통찰을 활용하고 경험적으로 유효한 이론을 도출하기 때문에 데이터와의 밀접한 부합은 좋은 이론을 구축하는 데 중요하다.

One step in shaping hypotheses is the sharpening of constructs.

가설을 형성하는 한 단계는 구성 요소를 정밀화하는 것이다.

This is a two-part process involving (1) refining the definition of the construct and (2) building evidence which measures the construct in each case.

이 과정은 (1) 구성 요소 정의를 정교화하고, (2) 각 사례에서 구성 요소를 측정하는 증거를 구축하는 두 부분으로 이루어진다.

This occurs through constant comparison between data and constructs so that accumulating evidence from diverse sources converges on a single, well-defined construct.

이는 데이터와 구성 요소 간의 지속적인 비교를 통해 이루어지며, 다양한 출처에서 수집된 증거가 단일하고 잘 정의된 구성 요소로 수렴되도록 한다.

For example, in their study of stigma management in bankruptcy, Sutton and Callahan (1987) developed constructs which described the reaction of customers and other parties to the declaration of bankruptcy by the focal firms.

예를 들어, Sutton과 Callahan(1987)은 파산 낙인 관리에 대한 연구에서 초점 기업의 파산 선언에 대한 고객 및 기타 이해 관계자의 반응을 설명하는 구성 요소를 개발했다.

The iterative process involved data from multiple sources: initial semi-structured telephone conversations; interviews with key informants including the firm’s president, other executives, a major creditor, and a lawyer; U.S. Bankruptcy Court records; observation of a creditors’ meeting; and secondary source material including newspaper and magazine articles and firm correspondence.

이 반복적 과정에는 다양한 출처의 데이터가 포함되었다: 초기 반구조화된 전화 대화, 기업 대표, 다른 임원, 주요 채권자, 변호사를 포함한 주요 정보제공자와의 인터뷰, 미국 파산 법원 기록, 채권자 회의 관찰, 신문 및 잡지 기사, 기업 서신 등의 2차 자료.

The authors iterated between constructs and these data. They eventually developed definitions and measures for several constructs: disengagement, bargaining for a more favorable exchange relationship, denigration via rumor, and reduction in the quality of participation.

저자들은 구성 요소와 이러한 데이터를 반복적으로 비교했다. 결국 몇 가지 구성 요소에 대한 정의와 측정치를 개발했다: 탈퇴, 더 유리한 교환 관계를 위한 협상, 소문을 통한 비난, 참여 품질 감소.

This process is similar to developing a single construct measure from multiple indicators in hypothesis-testing research.

이 과정은 가설 검증 연구에서 여러 지표로부터 단일 구성 요소 측정치를 개발하는 것과 유사하다.

That is, researchers use multiple sources of evidence to build construct measures, which define the construct and distinguish it from other constructs.

즉, 연구자들은 여러 출처의 증거를 사용하여 구성 요소를 정의하고 다른 구성 요소와 구별하는 측정치를 구축한다.

In effect, the researcher is attempting to establish construct validity.

결과적으로 연구자는 구성 타당성을 확립하려고 시도한다.

The difference is that the construct, its definition, and measurement often emerge from the analysis process itself, rather than being specified a priori.

차이점은 구성 요소, 그 정의, 그리고 측정치가 종종 사전에 명시되는 것이 아니라 분석 과정 자체에서 도출된다는 것이다.

A second difference is that no technique like factor analysis is available to collapse multiple indicators into a single construct measure.

두 번째 차이점은 다중 지표를 단일 구성 요소 측정치로 축소하기 위해 요인 분석과 같은 기법이 사용되지 않는다는 점이다.

The reasons are that the indicators may vary across cases (i.e., not all cases may have all measures), and qualitative evidence (which is common in theory-building research) is difficult to collapse.

그 이유는 지표가 사례마다 다를 수 있고(즉, 모든 사례가 모든 측정치를 가지는 것은 아니다), 이론 구축 연구에서 흔히 사용되는 질적 증거는 축소하기 어렵기 때문이다.

Thus, many researchers rely on tables which summarize and tabulate the evidence underlying the construct (Miles & Huberman, 1984; Sutton & Callahan, 1987).

따라서 많은 연구자들은 구성 요소의 근거가 되는 증거를 요약하고 표로 정리한 표에 의존한다(Miles & Huberman, 1984; Sutton & Callahan, 1987).

For example, Table 3 is a tabular display of the evidence grounding the CEO power construct used by Eisenhardt and Bourgeois (1988), which included qualitative personality descriptions, quantitative scores from questionnaires, and quotation examples.

예를 들어, 표 3은 Eisenhardt와 Bourgeois(1988)가 사용한 CEO 권력 구성 요소의 근거가 되는 증거를 표로 나타낸 것이다. 여기에는 질적 성격 묘사, 설문지에서 나온 양적 점수, 인용 예가 포함되어 있다.

Table 3 Example of Tabulated Evidence for a Power Centralization Construct

The reasons for defining and building evidence for a construct apply in theory-building research just as they do in traditional hypothesis-testing work.

구성 요소를 정의하고 근거를 구축하는 이유는 이론 구축 연구에서 전통적인 가설 검증 연구에서와 동일하게 적용된다.

That is, careful construction of construct definitions and evidence produces the sharply defined, measurable constructs which are necessary for strong theory.

즉, 구성 요소 정의와 증거의 신중한 구축은 강력한 이론에 필요한 명확하게 정의되고 측정 가능한 구성 요소를 생성한다.

A second step in shaping hypotheses is verifying that the emergent relationships between constructs fit with the evidence in each case.

가설 형성의 두 번째 단계는 구성 요소 간에 나타나는 관계가 각 사례의 증거와 부합하는지 확인하는 것이다.

Sometimes a relationship is confirmed by the case evidence, while other times it is revised, disconfirmed, or thrown out for insufficient evidence.

관계가 사례 증거에 의해 확인되기도 하고, 다른 경우에는 수정되거나, 반박되거나, 증거가 불충분하여 폐기되기도 한다.

This verification process is similar to that in traditional hypothesis-testing research.

이 검증 과정은 전통적인 가설 검증 연구와 유사하다.

The key difference is that each hypothesis is examined for each case, not for the aggregate cases.

주요 차이점은 각 가설이 사례 전체가 아니라 각 사례별로 검토된다는 것이다.

Thus, the underlying logic is replication, that is, the logic of treating a series of cases as a series of experiments with each case serving to confirm or disconfirm the hypotheses (Yin, 1984).

따라서 기본 논리는 복제이다. 즉, 일련의 사례를 일련의 실험으로 간주하며 각 사례가 가설을 확인하거나 반박하는 역할을 한다는 논리이다(Yin, 1984).

Each case is analogous to an experiment, and multiple cases are analogous to multiple experiments.

각 사례는 하나의 실험에 해당하며, 여러 사례는 여러 실험에 해당한다.

This contrasts with the sampling logic of traditional, within-experiment, hypothesis-testing research in which the aggregate relationships across the data points are tested using summary statistics such as F values (Yin, 1984).

이는 데이터 포인트 간의 총체적 관계를 F 값과 같은 요약 통계를 사용하여 검증하는 전통적인 가설 검증 연구의 샘플링 논리와 대조된다(Yin, 1984).

In replication logic, cases which confirm emergent relationships enhance confidence in the validity of the relationships.

복제 논리에서는 나타난 관계를 확인하는 사례가 관계의 타당성에 대한 신뢰를 높인다.

Cases which disconfirm the relationships often can provide an opportunity to refine and extend the theory.

관계를 반박하는 사례는 종종 이론을 정교화하고 확장할 기회를 제공할 수 있다.

For example, in the study of the politics of strategic decision making, Eisenhardt and Bourgeois (1988) found a case which did not fit with the proposition that political coalitions have stable memberships.

예를 들어, 전략적 의사결정의 정치성에 대한 연구에서 Eisenhardt와 Bourgeois(1988)는 정치적 연합이 안정적인 구성원을 가진다는 명제와 맞지 않는 사례를 발견했다.

Further examination of this disconfirming case indicated that the executive team in this case had been newly formed at the time of the study.

이 반박 사례에 대한 추가 검토는 해당 사례의 경영진 팀이 연구 당시 새롭게 구성되었음을 나타냈다.

This observation plus replication in another case led to a refinement in the emergent theory to indicate that increasing stabilization of coalitions occurs over time.

이 관찰과 또 다른 사례에서의 복제는 시간이 지남에 따라 연합의 안정성이 증가한다는 이론의 정교화로 이어졌다.

At this point, the qualitative data are particularly useful for understanding why or why not emergent relationships hold.

이 시점에서 질적 데이터는 나타난 관계가 유지되는지 여부를 이해하는 데 특히 유용하다.

When a relationship is supported, the qualitative data often provide a good understanding of the dynamics underlying the relationship, that is, the “why” of what is happening.

관계가 지지될 때, 질적 데이터는 종종 관계의 근본적인 역학, 즉 왜 이런 일이 발생하는지를 잘 이해할 수 있게 한다.

This is crucial to the establishment of internal validity.

이는 내적 타당성을 확립하는 데 필수적이다.

Just as in hypothesis-testing research, an apparent relationship may simply be a spurious correlation or may reflect the impact of some third variable on each of the other two.

가설 검증 연구에서와 마찬가지로, 명백한 관계는 단순히 가짜 상관관계일 수 있거나 다른 두 변수 각각에 영향을 미치는 제3의 변수의 영향을 반영할 수 있다.

Therefore, it is important to discover the underlying theoretical reasons for why the relationship exists.

따라서 관계가 존재하는 근본적인 이론적 이유를 발견하는 것이 중요하다.

This helps to establish the internal validity of the findings.

이는 연구 결과의 내적 타당성을 확립하는 데 도움을 준다.

For example, in her study of project groups, Gersick (1988) identified a midpoint transition in the lives of most project groups.

예를 들어, 프로젝트 그룹에 대한 연구에서 Gersick(1988)은 대부분의 프로젝트 그룹의 생애에서 중간 전환점을 발견했다.

She then used extensive qualitative data to understand the cognitive and motivational reasons why such abrupt and precisely timed transitions occur.

그녀는 그러한 급격하고 정확히 시점화된 전환이 발생하는 인지적, 동기적 이유를 이해하기 위해 광범위한 질적 데이터를 사용했다.

Overall, shaping hypotheses in theory-building research involves measuring constructs and verifying relationships.

전반적으로 이론 구축 연구에서의 가설 형성은 구성 요소를 측정하고 관계를 검증하는 과정을 포함한다.

These processes are similar to traditional hypothesis-testing research.

이러한 과정은 전통적인 가설 검증 연구와 유사하다.

However, these processes are more judgmental in theory-building research because researchers cannot apply statistical tests such as an F statistic.

그러나 이론 구축 연구에서는 연구자가 F 통계와 같은 통계적 검증을 적용할 수 없기 때문에 이러한 과정이 더 판단적이다.

The research team must judge the strength and consistency of relationships within and across cases and also fully display the evidence and procedures when the findings are published, so that readers may apply their own standards.

연구팀은 사례 내 및 사례 간 관계의 강도와 일관성을 판단해야 하며, 연구 결과가 발표될 때 증거와 절차를 충분히 공개하여 독자가 자신의 기준을 적용할 수 있도록 해야 한다.

Enfolding Literature

문헌 통합

An essential feature of theory building is comparison of the emergent concepts, theory, or hypotheses with the extant literature.

이론 구축의 핵심 요소는 도출된 개념, 이론, 또는 가설을 기존 문헌과 비교하는 것이다.

This involves asking what is this similar to, what does it contradict, and why.

이는 “이것이 무엇과 유사한가?”, “무엇과 모순되는가?”, “왜 그런가?“라는 질문을 포함한다.

A key to this process is to consider a broad range of literature.

이 과정의 핵심은 광범위한 문헌을 고려하는 것이다.

Examining literature which conflicts with the emergent theory is important for two reasons.

도출된 이론과 상충하는 문헌을 검토하는 것은 두 가지 이유에서 중요하다.

First, if researchers ignore conflicting findings, then confidence in the findings is reduced.

첫째, 연구자가 상충되는 결과를 무시하면, 연구 결과에 대한 신뢰가 감소한다.

For example, readers may assume that the results are incorrect (a challenge to internal validity), or if correct, are idiosyncratic to the specific cases of the study (a challenge to generalizability).

예를 들어, 독자들은 결과가 틀렸다고 가정하거나(내적 타당성에 대한 도전), 맞더라도 연구의 특정 사례에만 해당한다고 가정할 수 있다(일반화 가능성에 대한 도전).

Second and perhaps more importantly, conflicting literature represents an opportunity.

둘째, 어쩌면 더 중요한 점은 상충되는 문헌이 기회를 제공한다는 것이다.

The juxtaposition of conflicting results forces researchers into a more creative, framebreaking mode of thinking than they might otherwise be able to achieve.

상충되는 결과의 병렬 배치는 연구자가 기존에는 도달할 수 없었을 창의적이고 틀을 깨는 사고방식으로 나아가도록 한다.

The result can be deeper insight into both the emergent theory and the conflicting literature, as well as sharpening of the limits to generalizability of the focal research.

그 결과, 도출된 이론과 상충되는 문헌에 대한 더 깊은 통찰을 얻을 수 있을 뿐만 아니라, 해당 연구의 일반화 가능성의 한계를 명확히 할 수 있다.

For example, in their study of strategy making at the National Film Board of Canada, Mintzberg and McHugh (1985) noted conflicts between their findings for this highly creative organization and prior results at Volkswagenwerk and other sites.

예를 들어, 캐나다 국립영화위원회의 전략 수립에 대한 연구에서 Mintzberg와 McHugh(1985)는 이 매우 창의적인 조직의 연구 결과와 Volkswagenwerk 및 다른 장소의 이전 결과 간의 상충점을 발견했다.

In the earlier studies, they observed differences in the patterns of strategic change whereby periods of convergence were long and periods of divergence were short and very abrupt.

이전 연구에서 그들은 전략적 변화 패턴에서 수렴의 기간이 길고 발산의 기간이 짧으며 매우 급격하다는 차이를 관찰했다.

In contrast, the National Film Board exhibited a pattern of regular cycles of convergence and divergence, coupled with a long-term trend toward greater diversity.

반면, 캐나다 국립영화위원회는 규칙적인 수렴과 발산의 주기와 더 큰 다양성을 향한 장기적인 추세를 보였다.

This and other conflicts allowed these researchers to establish the unique features of strategy making in an “adhocracy” in relief against “machine bureaucracies” and “entrepreneurial firms.”

이와 다른 상충점은 연구자들로 하여금 “기계적 관료제”와 “기업가적 조직”에 대비하여 “임시 조직”에서의 전략 수립의 독특한 특징을 규명할 수 있도록 했다.

The result was a sharper theory of strategy formation in all three types of organizations.

그 결과, 세 가지 조직 유형 모두에서 전략 형성에 대한 더 명확한 이론이 도출되었다.

Similarly, in a study of politics, Eisenhardt and Bourgeois (1988) contrasted the finding that centralized power leads to politics with the previous finding that decentralized power creates politics.

마찬가지로, Eisenhardt와 Bourgeois(1988)는 중앙집권적 권력이 정치를 초래한다는 연구 결과와 분권적 권력이 정치를 초래한다는 이전 연구 결과를 비교했다.

These conflicting findings forced the probing of both the evidence and conflicting research to discover the underlying reasons for the conflict.

이 상충되는 결과는 증거와 상충되는 연구를 조사하여 갈등의 근본적인 이유를 발견하도록 강요했다.

An underlying similarity in the apparently dissimilar situations was found.

겉보기에는 다른 상황에서 근본적인 유사성이 발견되었다.

That is, both power extremes create a climate of frustration, which leads to an emphasis on self-interest and ultimately politics.

즉, 권력의 양 극단은 좌절감을 조성하며, 이는 자기 이익을 강조하게 되고 결국 정치로 이어진다.

In these extreme situations, the “structure of the game” becomes an interpersonal competition among the executives.

이러한 극단적인 상황에서 “게임의 구조”는 경영진 간의 대인 경쟁이 된다.

In contrast, the research showed that an intermediate power distribution fosters a sense of personal efficacy among executives and ultimately collaboration, not politics, for the good of the entire group.

반면, 연구는 중간 정도의 권력 분배가 경영진들 사이에서 개인적 효능감을 촉진하고, 결국 정치가 아닌 전체 그룹의 이익을 위한 협력을 촉진한다는 것을 보여주었다.

This reconciliation integrated the conflicting findings into a single theoretical perspective, and raised the theoretical level and generalizability of the results.

이 조정은 상충되는 결과를 단일 이론적 관점으로 통합하였고, 연구 결과의 이론적 수준과 일반화 가능성을 높였다.

Literature discussing similar findings is important as well because it ties together underlying similarities in phenomena normally not associated with each other.

유사한 연구 결과를 논의하는 문헌도 중요하다. 이는 일반적으로 서로 관련이 없다고 여겨지는 현상들 사이의 근본적인 유사성을 연결해 주기 때문이다.

The result is often a theory with stronger internal validity, wider generalizability, and higher conceptual level.

그 결과는 종종 더 강한 내적 타당성, 더 넓은 일반화 가능성, 그리고 더 높은 개념적 수준을 가진 이론으로 이어진다.

For example, in her study of technological innovation in a major computer corporation, Leonard-Barton (1988) related her findings on the mutual adaptation of technology and the host organization to similar findings in the education literature.

예를 들어, 주요 컴퓨터 회사의 기술 혁신에 대한 연구에서 Leonard-Barton(1988)은 기술과 주체 조직의 상호 적응에 대한 자신의 연구 결과를 교육 문헌에서의 유사한 결과와 연결했다.

In so doing, Leonard-Barton strengthened the confidence that her findings were valid and generalizable because others had similar findings in a very different context.

이를 통해 Leonard-Barton은 자신의 연구 결과가 타당하고 일반화 가능하다는 신뢰를 강화했는데, 이는 다른 사람들이 매우 다른 맥락에서 유사한 결과를 얻었기 때문이다.

Also, the tie to mutual adaptation processes in the education setting sharpened and enriched the conceptual level of the study.

또한 교육 환경에서의 상호 적응 과정과의 연결은 연구의 개념적 수준을 명확히 하고 풍부하게 했다.

Similarly, Gersick (1988) linked the sharp midpoint transition in project group development to the more general punctuated equilibrium phenomenon, to the literature on the adult midlife transition, and to strategic transitions within organizations.

마찬가지로, Gersick(1988)은 프로젝트 그룹 개발에서의 급격한 중간 전환을 더 일반적인 단속 평형 현상, 성인 중년기 전환에 대한 문헌, 조직 내 전략적 전환과 연결했다.

This linkage with a variety of literature in other contexts raises the readers’ confidence that Gersick had observed a valid phenomenon within her small number of project teams.

다양한 맥락에서의 문헌과의 이러한 연결은 Gersick이 적은 수의 프로젝트 팀에서 타당한 현상을 관찰했다는 독자의 신뢰를 높인다.

It also allowed her to elevate the conceptual level of her findings to the more fundamental level of punctuated equilibrium and strengthened their likely generalizability to other project teams.

또한 그녀가 발견한 결과의 개념적 수준을 더 근본적인 단속 평형 수준으로 격상시키고, 이를 다른 프로젝트 팀에 일반화할 가능성을 강화했다.

Finally, Burgelman (1983) strengthened the theoretical scope and validity of his work by tying his results on the process of new venture development in a large corporation to the selection arguments of population ecology.

마지막으로, Burgelman(1983)은 대기업에서의 새로운 벤처 개발 과정에 대한 자신의 연구 결과를 집단 생태학의 선택 논의와 연결함으로써 자신의 연구의 이론적 범위와 타당성을 강화했다.

The result again was a higher conceptual level for his findings and enhanced confidence in their validity.

그 결과 그의 연구 결과는 더 높은 개념적 수준에 도달했고, 그 타당성에 대한 신뢰를 강화했다.

Overall, tying the emergent theory to existing literature enhances the internal validity, generalizability, and theoretical level of theory building from case study research.

전반적으로, 도출된 이론을 기존 문헌과 연결하는 것은 사례 연구를 통한 이론 구축의 내적 타당성, 일반화 가능성, 이론적 수준을 향상시킨다.

While linking results to the literature is important in most research, it is particularly crucial in theory-building research because the findings often rest on a very limited number of cases.

결과를 문헌과 연결하는 것은 대부분의 연구에서 중요하지만, 사례 수가 매우 제한적인 경우가 많은 이론 구축 연구에서는 특히 중요하다.

In this situation, any further corroboration of internal validity or generalizability is an important improvement.

이러한 상황에서 내적 타당성 또는 일반화 가능성의 추가적인 입증은 중요한 개선이다.

Reaching Closure

결론 도출

Two issues are important in reaching closure: when to stop adding cases, and when to stop iterating between theory and data.

결론에 도달할 때 두 가지 문제가 중요하다. 사례 추가를 언제 멈출지와 이론과 데이터 간의 반복을 언제 멈출지에 대한 것이다.

In the first, ideally, researchers should stop adding cases when theoretical saturation is reached.

첫 번째로, 이상적으로는 이론적 포화 상태에 도달했을 때 사례 추가를 중단해야 한다.

(Theoretical saturation is simply the point at which incremental learning is minimal because the researchers are observing phenomena seen before, Glaser and Strauss, 1967.)

이론적 포화는 연구자가 이전에 관찰한 현상을 다시 관찰하게 되어 추가 학습이 최소화되는 지점을 의미한다(Glaser와 Strauss, 1967).

This idea is quite similar to ending the revision of a manuscript when the incremental improvement in its quality is minimal.

이 개념은 원고의 품질에서의 추가적인 개선이 최소화될 때 개정을 끝내는 것과 매우 유사하다.

In practice, theoretical saturation often combines with pragmatic considerations such as time and money to dictate when case collection ends.

실제로, 이론적 포화는 종종 시간과 비용과 같은 실용적인 고려 사항과 결합되어 사례 수집 종료 시점을 결정한다.

In fact, it is not uncommon for researchers to plan the number of cases in advance.

사실, 연구자가 사례의 수를 미리 계획하는 경우는 드물지 않다.

For example, the Warwick group planned their study of strategic change and competitiveness in British firms to include eight firms (Pettigrew, 1988).

예를 들어, 워릭 그룹은 영국 기업의 전략적 변화와 경쟁력에 대한 연구에서 8개의 기업을 포함하도록 계획했다(Pettigrew, 1988).

This kind of planning may be necessary because of the availability of resources and because time constraints force researchers to develop cases in parallel.

이러한 계획은 자원 가용성과 시간 제약 때문에 사례를 병렬적으로 개발해야 할 때 필요할 수 있다.

Finally, while there is no ideal number of cases, a number between 4 and 10 cases usually works well.

마지막으로, 이상적인 사례 수는 없지만, 일반적으로 4개에서 10개 사이의 사례가 잘 작동한다.

With fewer than 4 cases, it is often difficult to generate theory with much complexity, and its empirical grounding is likely to be unconvincing, unless the case has several mini-cases within it, as did the Mintzberg and McHugh study of the National Film Board of Canada.

4개 미만의 사례로는 복잡성이 높은 이론을 생성하기 어려운 경우가 많고, 캐나다 국립영화위원회에 대한 Mintzberg와 McHugh의 연구처럼 사례에 여러 미니 사례가 포함되어 있지 않는 한 경험적 근거가 설득력이 없을 가능성이 높다.

With more than 10 cases, it quickly becomes difficult to cope with the complexity and volume of the data.

10개 이상의 사례는 데이터의 복잡성과 양을 처리하는 것이 빠르게 어려워진다.

In the second closure issue, when to stop iterating between theory and data, again, saturation is the key idea.

두 번째 결론 도출 문제, 즉 이론과 데이터 간의 반복을 언제 멈출지에 대해서도 포화 상태가 핵심 개념이다.

That is, the iteration process stops when the incremental improvement to theory is minimal.

즉, 이론에 대한 추가 개선이 최소화될 때 반복 과정이 멈춘다.

The final product of building theory from case studies may be concepts (e.g., the Mintzberg and Waters, 1982, deliberate and emergent strategies), a conceptual framework (e.g., Harris & Sutton’s, 1986, framework of bankruptcy), or propositions or possibly mid-range theory (e.g., Eisenhardt and Bourgeois’s, 1988, mid-range theory of politics in high-velocity environments).

사례 연구에서 이론을 구축한 최종 산출물은 개념(Mintzberg와 Waters, 1982, 의도적 및 emergent 전략), 개념적 프레임워크(Harris & Sutton, 1986, 파산의 프레임워크), 또는 명제나 중간 범위 이론(Eisenhardt와 Bourgeois, 1988, 고속 환경에서의 정치에 관한 중간 범위 이론)일 수 있다.

On the downside, the final product may be disappointing.

단점으로, 최종 산출물이 실망스러울 수도 있다.

The research may simply replicate prior theory, or there may be no clear patterns within the data.

연구가 단순히 이전 이론을 복제하거나, 데이터 내에서 명확한 패턴이 없을 수 있다.

The steps for building theory from case studies are summarized in Table 1.

사례 연구를 통해 이론을 구축하는 단계는 표 1에 요약되어 있다.

Comparison with Other Literature

다른 문헌과의 비교

The process described here has similarities with the work of others.

여기에서 설명된 과정은 다른 연구들과 유사한 점이 있다.

For example, I have drawn upon the ideas of theoretical sampling, theoretical saturation, and overlapped coding, data collection, and analysis from Glaser and Strauss (1967).

예를 들어, 나는 Glaser와 Strauss(1967)의 이론적 샘플링, 이론적 포화, 겹치는 코딩, 데이터 수집 및 분석에 대한 아이디어를 참고했다.

Also, the notions of case study design, replication logic, and concern for internal validity have been incorporated from Yin (1984).

또한 사례 연구 설계, 복제 논리, 그리고 내적 타당성에 대한 관심은 Yin(1984)의 아이디어를 통합했다.

The tools of tabular display of evidence from Miles and Huberman (1984) were particularly helpful in the discussion of building evidence for constructs.

Miles와 Huberman(1984)의 증거를 표 형식으로 표시하는 도구는 구성 요소에 대한 증거를 구축하는 논의에서 특히 유용했다.

However, the process described here has important differences from previous work.

그러나 여기서 설명된 과정은 이전 연구와 중요한 차이점이 있다.

First, it is focused on theory building from cases.

첫째, 이 과정은 사례를 통한 이론 구축에 초점을 맞추고 있다.

In contrast, with the exception of Glaser and Strauss (1967), previous work was centered on other topics such as qualitative data analysis (e.g., Miles, 1979; Miles & Huberman, 1984; Kirk & Miller, 1986), case study design (Yin, 1981, 1984; McClintock et al., 1979), and ethnography (Van Maanen, 1988).

반면 Glaser와 Strauss(1967)를 제외하고, 이전 연구는 질적 데이터 분석(Miles, 1979; Miles & Huberman, 1984; Kirk & Miller, 1986), 사례 연구 설계(Yin, 1981, 1984; McClintock et al., 1979), 민족지학(Van Maanen, 1988)과 같은 다른 주제에 중점을 두었다.

To a large extent, Glaser and Strauss (1967) focused on defending building theory from cases, rather than on how actually to do it.

Glaser와 Strauss(1967)는 사례에서 이론을 구축하는 방법을 설명하기보다는 이를 옹호하는 데 중점을 두었다.

Thus, while these previous writings provide pieces of the process, they do not provide (nor do they intend to provide) a framework for theory building from cases as developed here.

따라서 이전 연구들은 과정의 일부를 제공하지만, 여기에서 개발된 것처럼 사례에서 이론을 구축하기 위한 프레임워크를 제공하지는 않는다.

Second, the process described here contributes new ideas.

둘째, 여기에서 설명된 과정은 새로운 아이디어를 제시한다.

For example, the process includes a priori specification of constructs, population specification, flexible instrumentation, multiple investigators, cross-case analysis tactics, and several uses of literature.

예를 들어, 이 과정은 구성 요소의 사전 명시, 모집단 명세, 유연한 도구 사용, 다수의 연구자 참여, 사례 간 분석 전술, 그리고 문헌의 다양한 활용을 포함한다.

Their inclusion plus their illustration using examples from research studies and comparison with traditional, hypothesis-testing research synthesizes, extends, and adds depth to existing views of theory-building research.

이러한 요소들의 포함과 연구 사례를 활용한 예시, 그리고 전통적인 가설 검증 연구와의 비교는 이론 구축 연구에 대한 기존 관점을 종합하고 확장하며 깊이를 더한다.

Third, particularly in comparison with Strauss (1987) and Van Maanen (1988), the process described here adopts a positivist view of research.

셋째, 특히 Strauss(1987)와 Van Maanen(1988)과 비교했을 때, 여기에서 설명된 과정은 연구에 대해 실증주의적 관점을 채택한다.

That is, the process is directed toward the development of testable hypotheses and theory which are generalizable across settings.

즉, 이 과정은 검증 가능한 가설과 다양한 상황에서 일반화 가능한 이론의 개발을 목표로 한다.

In contrast, authors like Strauss and Van Maanen are more concerned that a rich, complex description of the specific cases under study evolve and they appear less concerned with development of generalizable theory.

반면, Strauss와 Van Maanen과 같은 저자들은 연구 중인 특정 사례의 풍부하고 복잡한 설명이 발전하는 데 더 관심을 가지며, 일반화 가능한 이론 개발에는 덜 관심을 보인다.

Discussion

The process of building theory from case study research is a strikingly iterative one.

사례 연구를 통한 이론 구축 과정은 매우 반복적인 특성을 가지고 있다.

While an investigator may focus on one part of the process at a time, the process itself involves constant iteration backward and forward between steps.

연구자는 한 번에 과정의 한 부분에 초점을 맞출 수 있지만, 과정 자체는 단계 간의 지속적인 전진과 후퇴를 포함한다.

For example, an investigator may move from cross-case comparison, back to redefinition of the research question, and out to the field to gather evidence on an additional case.

예를 들어, 연구자는 사례 간 비교에서 연구 질문의 재정의로 돌아가 추가 사례에 대한 증거를 수집하기 위해 현장으로 나갈 수 있다.

Also, the process is alive with tension between divergence into new ways of understanding the data and convergence onto a single theoretical framework.

또한 이 과정은 데이터를 이해하는 새로운 방식으로의 확장과 단일 이론적 프레임워크로의 수렴 간의 긴장으로 가득 차 있다.

For example, the process involves the use of multiple investigators and multiple data collection methods as well as a variety of cross-case searching tactics.

예를 들어, 이 과정은 여러 연구자와 다양한 데이터 수집 방법, 그리고 사례 간 탐색 전술의 활용을 포함한다.

Each of these tactics involves viewing evidence from diverse perspectives.

이러한 각 전술은 다양한 관점에서 증거를 보는 것을 포함한다.

However, the process also involves converging on construct definitions, measures, and a framework for structuring the findings.

그러나 이 과정은 또한 구성 요소 정의, 측정치, 그리고 연구 결과를 구조화하기 위한 프레임워크로의 수렴을 포함한다.

Finally, the process described here is intimately tied with empirical evidence.

마지막으로, 여기서 설명된 과정은 경험적 증거와 밀접하게 연결되어 있다.

Strengths of Theory Building from Cases

사례를 통한 이론 구축의 강점

One strength of theory building from cases is its likelihood of generating novel theory.

사례를 통한 이론 구축의 한 가지 강점은 새로운 이론을 생성할 가능성이 높다는 점이다.

Creative insight often arises from the juxtaposition of contradictory or paradoxical evidence (Cameron & Quinn, 1988).

창의적인 통찰은 종종 상충되거나 역설적인 증거의 병렬 배치에서 발생한다(Cameron & Quinn, 1988).

As Bartunek (1988) argued, the process of reconciling these contradictions forces individuals to reframe perceptions into a new gestalt.

Bartunek(1988)이 주장했듯이, 이러한 모순을 조화시키는 과정은 개인이 인식을 새로운 게슈탈트로 재구성하도록 강제한다.

Building theory from case studies centers directly on this kind of juxtaposition.

사례 연구를 통한 이론 구축은 이러한 유형의 병렬 배치에 직접적으로 초점을 맞춘다.

That is, attempts to reconcile evidence across cases, types of data, and different investigators, and between cases and literature increase the likelihood of creative reframing into a new theoretical vision.

즉, 사례, 데이터 유형, 연구자 간, 그리고 사례와 문헌 간의 증거를 조화시키려는 시도는 새로운 이론적 비전을 위한 창의적인 재구성 가능성을 높인다.

Although a myth surrounding theory building from case studies is that the process is limited by investigators’ preconceptions, in fact, just the opposite is true.

사례 연구를 통한 이론 구축과 관련된 신화 중 하나는 이 과정이 연구자의 선입견에 의해 제한된다는 것이지만, 실제로는 정반대가 사실이다.

This constant juxtaposition of conflicting realities tends to “unfreeze” thinking, and so the process has the potential to generate theory with less researcher bias than theory built from incremental studies or armchair, axiomatic deduction.

이러한 상충되는 현실의 지속적인 병렬 배치는 사고를 “해동”시키는 경향이 있으며, 따라서 이 과정은 점진적인 연구나 이론적 연역보다 연구자의 편견이 적은 이론을 생성할 가능성이 있다.

A second strength is that the emergent theory is likely to be testable with constructs that can be readily measured and hypotheses that can be proven false.

두 번째 강점은 도출된 이론이 쉽게 측정 가능한 구성 요소와 반증 가능한 가설로 검증될 가능성이 높다는 점이다.

Measurable constructs are likely because they have already been measured during the theory-building process.

측정 가능한 구성 요소는 이론 구축 과정에서 이미 측정되었기 때문에 가능하다.

The resulting hypotheses are likely to be verifiable for the same reason.

결과적으로 도출된 가설도 같은 이유로 검증 가능성이 높다.

That is, they have already undergone repeated verification during the theory-building process.

즉, 이들은 이론 구축 과정에서 반복적인 검증을 이미 거쳤다.

In contrast, theory which is generated apart from direct evidence may have testability problems.

반면, 직접적인 증거와 별개로 생성된 이론은 검증 가능성 문제를 가질 수 있다.

For example, population ecology researchers borrowed the niche concept from biology.

예를 들어, 집단 생태학 연구자들은 생물학에서 니치(niche) 개념을 차용했다.

This construct has proven difficult to operationalize for many organizational researchers, other than its originators.

이 구성 요소는 원저자를 제외한 많은 조직 연구자들에게 운영화하기 어려운 것으로 입증되었다.

One reason may be its obscure definition, which hampers measurability:

이유 중 하나는 측정 가능성을 저해하는 모호한 정의일 수 있다.

”… that area in constraint space (the space whose dimensions are levels of resources, etc.) in which the population outcompetes all other local populations” (Hannan & Freeman, 1977, p. 947).

”… 제약 공간(자원의 수준 등 차원이 있는 공간)에서 해당 집단이 다른 모든 지역 집단을 능가하는 영역” (Hannan & Freeman, 1977, p. 947).

One might ask: How do you measure an area in constraint space?

이는 “제약 공간에서 영역을 어떻게 측정할 것인가?“라는 질문을 낳을 수 있다.

A third strength is that the resultant theory is likely to be empirically valid.

세 번째 강점은 결과적으로 도출된 이론이 경험적으로 유효할 가능성이 높다는 점이다.

The likelihood of valid theory is high because the theory-building process is so intimately tied with evidence that it is very likely that the resultant theory will be consistent with empirical observation.

이론 구축 과정이 증거와 밀접하게 연결되어 있기 때문에 결과적으로 도출된 이론이 경험적 관찰과 일치할 가능성이 매우 높다.

In well-executed theory-building research, investigators answer to the data from the beginning of the research.

잘 수행된 이론 구축 연구에서는 연구자가 연구 초반부터 데이터에 답한다.

This closeness can lead to an intimate sense of things—“how they feel, smell, seem” (Mintzberg, 1979).

이러한 밀접함은 현상에 대한 친밀한 감각—“그들이 어떻게 느껴지고, 냄새가 나고, 보이는가” (Mintzberg, 1979)—을 이끌어낼 수 있다.

This intimate interaction with actual evidence often produces theory which closely mirrors reality.

이러한 실제 증거와의 친밀한 상호작용은 종종 현실을 밀접하게 반영하는 이론을 만들어낸다.

Weaknesses of Theory Building from Cases

사례를 통한 이론 구축의 약점

However, some characteristics that lead to strengths in theory building from case studies also lead to weaknesses.

그러나 사례 연구를 통한 이론 구축의 강점으로 이어지는 몇 가지 특성은 약점으로도 이어진다.

For example, the intensive use of empirical evidence can yield theory which is overly complex.

예를 들어, 경험적 증거의 집중적인 사용은 지나치게 복잡한 이론을 낳을 수 있다.

A hallmark of good theory is parsimony, but given the typically staggering volume of rich data, there is a temptation to build theory which tries to capture everything.

좋은 이론의 특징은 간결성이다. 그러나 보통 방대한 양의 풍부한 데이터를 고려할 때, 모든 것을 포착하려는 이론을 구축하려는 유혹이 존재한다.

The result can be theory which is very rich in detail, but lacks the simplicity of overall perspective.

그 결과 매우 세부적인 이론은 풍부하지만, 전체적인 관점의 단순함이 결여될 수 있다.

Theorists working from case data can lose their sense of proportion as they confront vivid, voluminous data.

사례 데이터를 기반으로 작업하는 이론가들은 생생하고 방대한 데이터를 접하면서 비례 감각을 잃을 수 있다.

Since they lack quantitative gauges such as regression results or observations across multiple studies, they may be unable to assess which are the most important relationships and which are simply idiosyncratic to a particular case.

회귀 결과나 여러 연구에 걸친 관찰과 같은 정량적 척도가 부족하기 때문에, 이들은 어떤 관계가 가장 중요한지, 어떤 관계가 특정 사례에만 해당하는 특수한 것인지 평가하지 못할 수 있다.

Another weakness is that building theory from cases may result in narrow and idiosyncratic theory.

또 다른 약점은 사례를 기반으로 이론을 구축하는 것이 협소하고 특수한 이론으로 이어질 수 있다는 점이다.

Case study theory building is a bottom-up approach such that the specifics of data produce the generalizations of theory.

사례 연구 이론 구축은 데이터의 구체성이 이론의 일반화를 생성하는 하향식 접근법이다.

The risks are that the theory describes a very idiosyncratic phenomenon or that the theorist is unable to raise the level of generality of the theory.

위험은 이론이 매우 특수한 현상을 설명하거나 이론가가 이론의 일반성 수준을 높이지 못한다는 것이다.

Indeed, many of the grounded case studies mentioned earlier resulted in modest theories.

실제로, 앞서 언급한 많은 근거 기반 사례 연구는 소박한 이론으로 귀결되었다.

For example, Gersick (1988) developed a model of group development for teams with project deadlines, Eisenhardt and Bourgeois (1988) developed a mid-range theory of politics in high-velocity environments, and Burgelman (1983) proposed a model of new product ventures in large corporations.

예를 들어, Gersick(1988)은 프로젝트 마감 기한이 있는 팀을 위한 그룹 개발 모델을 개발했고, Eisenhardt와 Bourgeois(1988)는 고속 환경에서의 정치에 관한 중간 범위 이론을 개발했으며, Burgelman(1983)은 대기업에서의 신제품 벤처 모델을 제안했다.

Such theories are likely to be testable, novel, and empirically valid, but they do lack the sweep of theories like resource dependence, population ecology, and transaction cost.

이러한 이론은 검증 가능하고, 참신하며, 경험적으로 유효할 가능성이 높지만, 자원 의존성, 집단 생태학, 거래 비용과 같은 이론의 포괄성을 결여하고 있다.

They are essentially theories about specific phenomena.

그들은 본질적으로 특정 현상에 관한 이론이다.

To their credit, many of these theorists tie into broader theoretical issues such as adaptation, punctuated equilibrium, and bounded rationality, but ultimately they are not theories about organization in any grand sense.

이론가들 중 다수는 적응, 단속적 평형, 제한된 합리성 등 더 넓은 이론적 문제와 연결을 시도했지만, 궁극적으로 이는 조직에 대한 거대한 의미의 이론은 아니다.

Perhaps “grand” theory requires multiple studies—an accumulation of both theory-building and theory-testing empirical studies.

아마도 “거대한” 이론은 이론 구축과 이론 검증 경험적 연구의 축적을 필요로 할 것이다.

Applicability

적용 가능성

When is it appropriate to conduct theory-building case study research?

이론 구축 사례 연구를 수행하기에 적절한 시점은 언제인가?

In normal science, theory is developed through incremental empirical testing and extension (Kuhn, 1970).

정상 과학에서는 이론이 점진적인 경험적 검증과 확장을 통해 개발된다(Kuhn, 1970).

Thus, the theory-building process relies on past literature and empirical observation or experience as well as on the insight of the theorist to build incrementally more powerful theories.

따라서 이론 구축 과정은 점진적으로 더 강력한 이론을 구축하기 위해 과거 문헌과 경험적 관찰 또는 경험뿐만 아니라 이론가의 통찰에 의존한다.

However, there are times when little is known about a phenomenon, current perspectives seem inadequate because they have little empirical substantiation, or they conflict with each other or common sense.

그러나 현상에 대해 거의 알려지지 않았거나, 현재의 관점이 경험적 입증이 부족하여 부적절해 보이거나, 서로 상충되거나 상식과 모순될 때가 있다.

Or, sometimes, serendipitous findings in a theory-testing study suggest the need for a new perspective.

또는 때로는 이론 검증 연구에서의 우연한 발견이 새로운 관점의 필요성을 시사할 수 있다.

In these situations, theory building from case study research is particularly appropriate because theory building from case studies does not rely on previous literature or prior empirical evidence.

이러한 상황에서 사례 연구를 통한 이론 구축은 이전 문헌이나 선행 경험적 증거에 의존하지 않기 때문에 특히 적합하다.

Also, the conflict inherent in the process is likely to generate the kind of novel theory which is desirable when extant theory seems inadequate.

또한, 이 과정에 내재된 갈등은 기존 이론이 부적절해 보일 때 바람직한 새로운 이론을 생성할 가능성이 있다.

For example, Van de Ven and Poole (in press) have argued that such an approach is especially useful for studying the new area of longitudinal change processes.

예를 들어, Van de Ven과 Poole(출판 예정)은 이러한 접근 방식이 새로운 종단적 변화 과정 연구에 특히 유용하다고 주장했다.

In sum, building theory from case study research is most appropriate in the early stages of research on a topic or to provide freshness in perspective to an already researched topic.

요약하면, 사례 연구를 통한 이론 구축은 주제 연구의 초기 단계에서 또는 이미 연구된 주제에 신선한 관점을 제공하기에 가장 적합하다.

Evaluation

평가

How should theory-building research using case studies be evaluated?

사례 연구를 활용한 이론 구축 연구는 어떻게 평가되어야 하는가?

To begin, there is no generally accepted set of guidelines for the assessment of this type of research.

우선, 이 유형의 연구를 평가하기 위한 일반적으로 수용된 지침은 없다.

However, several criteria seem appropriate.

그러나 몇 가지 기준이 적절해 보인다.

Assessment turns on whether the concepts, framework, or propositions that emerge from the process are “good theory.”

평가는 이 과정에서 도출된 개념, 프레임워크, 또는 명제가 “좋은 이론”인지 여부에 따라 달라진다.

After all, the point of the process is to develop or at least begin to develop theory.

결국, 이 과정의 목적은 이론을 개발하거나 최소한 이론 개발을 시작하는 것이다.

Pfeffer (1982) suggested that good theory is parsimonious, testable, and logically coherent, and these criteria seem appropriate here.

Pfeffer(1982)는 좋은 이론이 간결하고, 검증 가능하며, 논리적으로 일관되어야 한다고 제안했으며, 이러한 기준은 여기에서도 적절해 보인다.

Thus, a strong theory-building study yields good theory (that is, parsimonious, testable, and logically coherent theory) which emerges at the end, not the beginning, of the study.

따라서 강력한 이론 구축 연구는 간결하고, 검증 가능하며, 논리적으로 일관된 이론을 연구 초반이 아니라 연구 말미에 도출한다.

Second, the assessment of theory-building research also depends upon empirical issues: strength of method and the evidence grounding the theory.

둘째, 이론 구축 연구의 평가는 경험적 문제, 즉 방법론의 강점과 이론의 근거가 되는 증거에 의존하기도 한다.

Have the investigators followed a careful analytical procedure?

연구자들이 신중한 분석 절차를 따랐는가?

Does the evidence support the theory?

증거가 이론을 뒷받침하는가?

Have the investigators ruled out rival explanations?

연구자들이 경쟁 설명을 배제했는가?

Just as in other empirical research, investigators should provide information on the sample, data collection procedures, and analysis.

다른 경험적 연구에서와 마찬가지로, 연구자는 표본, 데이터 수집 절차, 분석에 대한 정보를 제공해야 한다.

Also, they should display enough evidence for each construct to allow readers to make their own assessment of the fit with theory.

또한, 각 구성 요소에 대한 충분한 증거를 제시하여 독자가 이론과의 적합성을 스스로 평가할 수 있도록 해야 한다.

While there are no concise measures such as correlation coefficients or F values, nonetheless thorough reporting of information should give confidence that the theory is valid.

상관 계수나 F 값과 같은 간결한 측정치는 없지만, 정보에 대한 철저한 보고는 이론이 유효하다는 신뢰를 제공해야 한다.

Overall, as in hypothesis testing, a strong theory-building study has a good, although not necessarily perfect, fit with the data.

전반적으로, 가설 검증 연구와 마찬가지로, 강력한 이론 구축 연구는 데이터와 적합성이 좋으며 반드시 완벽할 필요는 없다.

Finally, strong theory-building research should result in new insights.

마지막으로, 강력한 이론 구축 연구는 새로운 통찰을 제공해야 한다.

Theory building which simply replicates past theory is, at best, a modest contribution.

단순히 과거 이론을 복제하는 이론 구축은 기껏해야 소박한 기여에 그친다.

Replication is appropriate in theory-testing research, but in theory-building research, the goal is new theory.

재현은 이론 검증 연구에서는 적절하지만, 이론 구축 연구에서는 새로운 이론이 목표다.

Thus, a strong theory-building study presents new, perhaps framebreaking, insights.

따라서 강력한 이론 구축 연구는 새로운, 아마도 틀을 깨는 통찰을 제시한다.

Conclusions

The purpose of this article is to describe the process of theory building from case studies.

이 글의 목적은 사례 연구에서 이론 구축 과정을 설명하는 것이다.

The process, outlined in Table 1, has features which range from selection of the research question to issues in reaching closure.

표 1에 요약된 이 과정은 연구 질문의 선택부터 결론 도출 문제에 이르기까지 다양한 특징을 가지고 있다.

Several conclusions emerge.

몇 가지 결론이 도출된다.

Theory developed from case study research is likely to have important strengths like novelty, testability, and empirical validity, which arise from the intimate linkage with empirical evidence.

사례 연구에서 개발된 이론은 참신성, 검증 가능성, 경험적 타당성과 같은 중요한 강점을 가질 가능성이 높으며, 이는 경험적 증거와의 밀접한 연결에서 비롯된다.

Second, given the strengths of this theory-building approach and its independence from prior literature or past empirical observation, it is particularly well-suited to new research areas or research areas for which existing theory seems inadequate.

둘째, 이 이론 구축 접근법의 강점과 기존 문헌이나 과거의 경험적 관찰에서 독립성을 고려할 때, 이는 새로운 연구 분야나 기존 이론이 부적절해 보이는 연구 분야에 특히 적합하다.

This type of work is highly complementary to incremental theory building from normal science research.

이러한 유형의 연구는 정상 과학 연구에서의 점진적인 이론 구축과 상호 보완적이다.

The former is useful in early stages of research on a topic or when a fresh perspective is needed, while the latter is useful in later stages of knowledge.

전자는 주제 연구의 초기 단계나 신선한 관점이 필요할 때 유용한 반면, 후자는 지식의 후반 단계에서 유용하다.

Finally, several guidelines for assessing the quality of theory building from case studies have been suggested.

마지막으로, 사례 연구를 통한 이론 구축의 질을 평가하기 위한 몇 가지 지침이 제안되었다.

Strong studies are those which present interesting or framebreaking theories which meet the tests of good theory or concept development (e.g., parsimony, testability, logical coherence) and are grounded in convincing evidence.

강력한 연구는 간결성, 검증 가능성, 논리적 일관성과 같은 좋은 이론 또는 개념 개발의 기준을 충족하고 설득력 있는 증거에 기반을 둔 흥미롭거나 틀을 깨는 이론을 제시하는 연구이다.

Most empirical studies lead from theory to data.

대부분의 경험적 연구는 이론에서 데이터로 이어진다.

Yet, the accumulation of knowledge involves a continual cycling between theory and data.

그러나 지식의 축적은 이론과 데이터 간의 지속적인 순환을 수반한다.

Perhaps this article will stimulate some researchers to complete the cycle by conducting research that goes in the less common direction from data to theory, and equally important, perhaps it will help others become informed consumers of the results.

아마도 이 글은 일부 연구자들이 데이터에서 이론으로 가는 덜 일반적인 방향의 연구를 수행하여 이 순환을 완성하도록 자극할 것이며, 동일하게 중요한 점은 다른 연구자들이 결과에 대한 정보에 정통한 소비자가 되는 데 도움을 줄 수 있을 것이다.