Planning and conducting research

简介：心理学的蓝图

欢迎！心理学家在探索我们为何会做梦或如何学习之前，必须像建筑师一样为研究绘制「蓝图」。这就是所谓的规划与进行研究 (planning and conducting research)。在本笔记中，我们将探讨研究人员如何决定研究课题、选取参与者，以及如何设计实验以确保结果公平且准确。如果刚开始看到这些术语觉得眼花缭乱，别担心——我们会把它们拆解开来，逐一攻破！

1. 研究目的与假设：我们在寻找什么？

每项研究都始于一个想法。但在科学界，我们必须对这些想法进行精确的定义。

• 研究目的 (Research Aim)：这是研究人员打算调查内容的广泛陈述，也就是研究的「宗旨」。例如：「调查音乐是否有助于学生集中精神。」
• 研究问题 (Research Question)：这是将「研究目的」转化为一个具体的问题。例如：「听莫扎特音乐是否能提升 12 年级学生的考试成绩？」

假设 (The Hypothesis) —— 预测结果

假设是一个清晰、可测试的预测，说明你认为将会发生什么。主要分为两类：

• 研究假设 (Alternative Hypothesis)：预测变量之间存在某种关系或差异。
• 虚无假设 (Null Hypothesis)：预测变量之间没有任何关系或差异。它基本上是说，你发现的任何结果都只是偶然。记忆小撇步：「Null」听起来像「Nil」，也就是零差异的意思！

选择方向

撰写研究假设时，你需要决定具体程度：
• 单尾假设 (One-tailed/directional hypothesis)：你准确地预测结果会朝哪个方向发展。例如：「喝咖啡的学生分数会比没喝的更高。」
• 双尾假设 (Two-tailed/non-directional hypothesis)：你认为会有差异，但不确定具体是什么方向。例如：「喝咖啡与没喝咖啡的学生在分数上会有差异。」

温馨提示：如果过往研究显示了结果的趋势，请使用单尾假设；如果是全新的研究领域，请使用双尾假设！

重点总结：研究目的是「目标」，而假设是「预测」。你永远需要一个虚无假设，以保持科学上的「中立性」。

2. 母体与抽样：谁参与了研究？

心理学家通常想了解所有人（目标母体 Target Population），但他们不可能测试数十亿人！因此，他们会挑选一个较小的群体，称为样本 (Sample)。

抽样技巧

• 随机抽样 (Random Sampling)：目标母体中的每个人都有平等的机会被选中（就像从帽子里抽签）。这非常公平，但在大型群体中很难实施。
• 方便抽样 (Opportunity Sampling)：直接询问当下能找到的人。例如：在午餐时间询问自助餐厅里的人。这种方法很快，但可能无法代表所有人。
• 自愿抽样 (Self-selected/Volunteer Sampling)：人们主动报名参加，通常是为了回应广告。例如：在公共休息室张贴海报。你会得到愿意配合的参与者，但他们可能都是某种「特定类型」乐于助人的人。
• 滚雪球抽样 (Snowball Sampling)：你先找到一个人，然后让他「招募」他的朋友，再由这些朋友招募更多人。这非常适合寻找「隐藏」群体，例如非法街头赛车俱乐部的成员。

常见错误：千万别搞混「目标母体」（你关心的整个群体）和「样本」（你实际测试的那群人）。

3. 实验设计：如何分组？

如果你要比较两件事（例如「听音乐」与「安静」），该如何分配受试者？

• 独立组设计 (Independent Measures)：不同的人分在不同组别。一组进行「音乐」任务，另一组完全不同的人进行「安静」任务。
比喻：一场比赛中，A组穿 Nike 跑步，B组穿 Adidas 跑步。
• 重复测量设计 (Repeated Measures)：相同的人在两个情况下都进行任务。他们先在音乐环境下完成任务，之后再回来在安静环境下重做一次。
比喻：你周一试穿 Nike，周二试穿 Adidas，看看你更喜欢哪一个。
• 配对样本设计 (Matched Participants)：不同组别使用不同的人，但根据智商或年龄等特质进行「配对」，使两组尽可能相似。

重点总结：独立组设计可避免参与者感到厌烦或因练习而进步（顺序效应 Order Effects），但重复测量设计更适合排除「个人差异」对结果的影响。

4. 研究设计：时间的维度

有时心理学家想了解人们随时间的变化：
• 纵向研究 (Longitudinal Research)：在长时间（数年甚至数十年）内追踪同一群人。就像是他们人生的「电影」。
• 横断研究 (Cross-sectional Research)：同时观察不同年龄组的人（例如同时观察 5 岁、10 岁和 15 岁的群体）。就像是比较不同年龄层的「快照」。

5. 变量：因与果

要成为一门科学，我们必须准确地测量事物。

• 自变量 (Independent Variable, IV)：研究人员改变或操作的变量（「因」）。
• 因变量 (Dependent Variable, DV)：研究人员测量的变量（「果」）。
• 无关变量 (Extraneous Variables)：这些是可能干扰结果的「烦人」额外因素，如果不加以控制，会搞砸你的结果。包括：
1. 研究者变量：研究者的肢体语言是否不经意间泄露了答案？
2. 情境变量：房间太热吗？环境太吵吗？
3. 参与者变量：其中一名参与者是否天生更聪明或更疲惫？

操作型定义：精确至上

别被「操作型定义 (Operationalisation)」这个词吓到！它只是指将变量定义得非常明确，以便进行精确测量。
例如：与其说测量「智力」，不如将其定义为「在 20 分钟智商测试中取得的分数」。

快速回顾框：
IV = 我所改变的。
DV = 我所测量的。
操作型定义 = 我具体是如何测量的？

6. 设计观察法与自我报告法

并非所有研究都是实验，有时我们只是通过观察或询问来收集数据。

观察法 (Observations)

• 行为类别 (Behavioural Categories)：将一连串的行为拆解成检查表。与其记录「孩子在玩耍」，不如在「踢球」、「奔跑」或「大喊」等选项中打勾。
• 事件取样 (Event Sampling)：统计特定行为发生的每一次次数（例如：每次有人微笑时记录一次）。
• 时间取样 (Time Sampling)：仅在特定间隔记录行为（例如：每 60 秒观察一次参与者在做什么）。

自我报告法 (Self-Reports：问卷与访谈)

• 开放式问题 (Open Questions)：参与者用自己的话回答（提供丰富细节）。
• 封闭式问题 (Closed Questions)：固定答案，如「是/否」或勾选框（容易转化为图表）。
• 评分量表 (Rating Scales)：用于测量态度或感受。
1. 李克特量表 (Likert Scale)：通常为 5 点量表，从「非常不同意」到「非常同意」。
2. 语义差别量表 (Semantic Differential)：在两个相反词之间进行评分（例如：快乐 [ ] - [ ] - [ ] - [ ] 悲伤）。
3. 数字评分量表 (Numerical Rating Scale)：例如将疼痛程度从 1 分评到 10 分。

你知道吗？李克特量表是以心理学家 Rensis Likert 的名字命名的。这是测量某人「有多喜欢」或「有多讨厌」某事物最常用的方法！

最终重点总结：研究规划的核心在于控制与清晰度。如果研究人员对研究目的明确、样本公平，并能完美定义变量，那么他们的研究就更有可能获得科学界的认可。