为什么顶尖学者都在用“案例研究”写理论？——读Eisenhardt由案例研究构建理论

在 1989 年那篇经典的《由案例研究构建理论》里，Eisenhardt 将案例研究从“讲故事”提升为“构建理论的科学方法”，为管理学和组织研究提供了一个极具创造力的研究范式。今天，当人工智能、数字平台、无边界组织等全新现象不断涌现，案例研究的重要性不但没有下降，反而变得比以往任何时候都更为关键。

那么，案例研究为什么能构建理论？它如何保证严谨性？又如何产生真正可推广的理论框架？

一、案例研究不是“描述现象”，而是“生成理论”

很多研究者对案例研究存在误解：它只能用于探索、深描、讲述多个事件之间的因果片段，难以形成普适理论。但 Eisenhardt 在文章开篇就强调：案例研究的核心任务，就是构建理论。

原因在于：当研究者走入真实组织场景、交谈关键成员、阅读内部档案、观察日常流程时，会接触到大量“现有理论无法解释的新现象”。这些现象并不是模型里控制的变量，而是复杂、动态且充满冲突的真实实践。正是在这些“理论盲区”中，新的理论种子开始生长。

案例研究因此具有一个独特优势——它允许理论从数据中自然涌现，而不是被预设框架所限制。这是量化方法所难以做到的。

尤其是在技术和管理快速变动的时代，研究者既不知道哪些变量重要，也不知道关系方向是什么。在这些领域，案例研究成为孕育新理论的“温室”。

二、不是谁都能写案例——这是一个高度严谨的科学流程

很多人以为案例研究只是“写故事”，但 Eisenhardt 将它定义为一种系统化、结构化的方法论，强调严格的研究程序和逻辑链条。她给出的步骤几乎成为今天案例研究的标准流程。

（1）提出具有理论张力的问题

案例研究必须从一个“值得解释的新问题”开始。问题应该具有足够的不确定性、理论缺口或学术价值。研究者不是为了研究一个企业，而是为了回答一个理论问题。

（2）理论抽样：选择能“长理论”的案例

案例不是随机抽样，而是根据“理论需要”来选。选择那些：情境对比强烈、现象冲突明显、变量呈现极端差异、能产生解释张力的案例。这就是“理论抽样”。目的不是代表性，而是为了获得足够的“理论触发点”。

（3）多来源资料：跨验证而不是单一口述

严谨的案例研究必须采集：深度访谈、现场观察、内部文件、外部报道和历史记录等多材料，并进行“交叉验证”。这样才能确保资料的可信性，而不是只依赖受访者的叙述。

（4）单案例分析：理解每个案例的独特逻辑

研究者必须先深入理解每个案例的因果结构、过程机制和关键事件。这种“深刻理解”形成了理论建构的基本单元。

（5）跨案例分析：找相似、找差异、找模式

Eisenhardt 的最大贡献之一，是提出跨案例分析的几种技术，例如：在案例之间不断比较、寻找相似模式、寻找反例和例外以及持续迭代变量、关系和理论框架。这种分析方式让理论不再只是单案例叙事，而能够达到更高的抽象层级。

（6）理论构建：让概念和关系从数据中“长出来”

研究者需要在数据和理论之间不断往返，逐步形成核心概念、理论范畴、变量关系、命题和理论模型。这是一个高度创造性的过程，也是案例研究的精髓所在。

（7）理论饱和：当新数据不再创造新见解

当新增案例已无法再扩展理论，研究者即可停止采样，进入最终理论定稿。整个过程强调“理论与数据并行推进”，而不是先定理论再找数据。

三、案例研究的独特力量：创造新理论，而不是验证旧理论

Eisenhardt 指出案例研究有三大无可替代的优势：

（1）强大的理论创新能力

量化数据更适合检验“已有理论”。但如果是 AI 决策、算法治理、智能组织等“新现象”，现有理论往往解释不了。此时，案例研究的开放性、灵活性和创造性能够捕捉：新变量、新关系、新机制、新路径、新逻辑。这正是理论创新最关键的部分。

（2）提供丰富的情境与机制解释

量化研究给出“结果”（what），案例研究提供“过程”（how）和“原因”（why）。在组织研究中，机制解释往往比结果更重要。

（3）适用于快速变化和复杂系统

越来越多领域已经无法用简单变量解释，例如：组织演化、创新过程、平台生态系统和数字化和智能化场景等。这些都需要动态、多层次、机制导向的解释框架，案例研究恰好具备这种能力。

四、但案例研究也有风险：严谨性靠方法保障，而不是靠讲故事

Eisenhardt 也指出案例研究的局限。例如容易被研究者偏见影响、可推广性需要慎重、编码耗时、资料庞杂以及分析过程难以标准化等。因此，案例研究必须：

• 多研究者独立分析

• 数据与理论持续往返

• 使用三角验证

• 明确边界条件

• 在案例之间寻找反例

• 保持理论抽象度

换句话说：案例研究不是随意的故事写作，而是高度结构化的科学研究。

五、为什么在 AI 时代，更要重视案例研究？

我想用文章之外的现实补上一句：今天很多管理学前沿问题，是无法用量化方法单独解释的。例如：大模型如何改变组织知识结构？AI 参与决策如何重塑权力关系？组织如何在算法与人之间进行能力分工？这些问题极度复杂、变化极快、充满过程性和机制性。量化可以做验证，但理论要靠案例研究来发现。

Eisenhardt 的方法论在今天愈发重要。

结语：案例研究，是理论的起点，而不是学术的“备胎”

通过这篇文章，Eisenhardt 给所有研究者传递一个重要信息：理论不是用统计方法“跑”出来的，而是在真实世界中被发现、被提炼、被构建出来的。案例研究提供的，不是结论，而是一种“看见新理论”的能力。在一个充满新商业模式、新技术、新组织形态的时代，这种能力变得前所未有的重要。

参考：

<