Research methods 1

欢迎来到研究方法 1！

你有没有想过心理学家是如何「证明」他们的理论的？他们不是单靠猜测，而是拥有一套「研究方法」工具箱。你可以把这一章当作你的「心理学工具箱」。我们将学习如何设计一项研究、如何挑选合适的测试对象，以及如何在研究结束后解读这些数据。如果一开始觉得术语很多，请不用担心——我们会循序渐进地为你拆解！

第一部分：研究方法（我们如何收集数据）

1. 实验法 (Experimental Methods)

实验是心理学家唯一能断定一件事是否「导致」另一件事的方法。我们改变一个变量（自变量），看看它是否影响另一个变量（因变量）。主要有三种：

实验室实验 (Laboratory Experiments)： 在受控环境（如实验室）中进行。
例子： 通过要求学生在安静的房间内背诵单词来测试记忆力。
优点： 你对一切有高度的控制权。
缺点： 可能会感觉「不真实」（生态效度低），所以人们可能不会表现出自然的行为。

实地实验 (Field Experiments)： 在现实生活环境中进行，但研究人员仍会操纵某些变量。
例子： 研究人员在繁忙的购物中心「不小心」掉落书本，观察谁会伸出援手。
优点： 行为表现较自然。
缺点： 较难控制外界的「噪音」或干扰。

自然实验 (Natural Experiments)： 研究人员不干预任何变量，因为改变是自然发生的（例如一项新法规的通过）。
优点： 容许我们研究那些在伦理上无法刻意营造的情况（如自然灾害的影响）。
缺点： 你无法百分之百肯定「改变」是影响结果的唯一因素。

2. 观察法 (Observation Techniques)

这是研究人员观察并记录行为的方式，就像是墙上的「苍蝇」一样隐蔽。

自然观察 vs. 受控观察： 自然观察发生在受试者自己的环境中（如游乐场）；受控观察则发生在特定的空间内（如游戏室）。
隐蔽观察 vs. 公开观察： 在隐蔽观察中，人们不知道自己正在被观察（卧底）；在公开观察中，他们知道你在现场并拿着记录表。
参与观察 vs. 非参与观察： 在参与观察中，研究人员会加入该群体（例如加入一个邪教以进行研究）；在非参与观察中，研究人员则保持在群体之外。

3. 自我报告法 (Self-Report Techniques)

有时候，了解一个人想法最好的方法就是直接问他们！

问卷调查 (Questionnaires)： 一系列书面问题。可以是开放式（让受试者自由书写）或封闭式（是非题或 1-10 分评分表）。
访谈 (Interviews)： 面对面或电话访谈。可以是结构化（问题固定）或非结构化（更像自由交谈）。

4. 相关研究 (Correlations)

这是探讨两件事（共变量）之间的关系。
例子： 复习时间的长短与考试成绩是否有关？
重点： 相关性不等于因果关系！仅仅因为两件事同时发生，并不代表一件事导致了另一件事（例如：冰淇淋销量和鲨鱼袭击次数都在夏季上升，但冰淇淋并不会导致鲨鱼袭击！）。

快速复习： 实验法寻找因果关系，而相关法寻找关联性。

第二部分：科学程序（设计你的研究）

研究目的与假设 (Aims and Hypotheses)

研究目的 (Aim)： 研究人员打算研究什么的笼统陈述。
「我想看看咖啡是否会影响专注力。」

假设 (Hypothesis)： 一个明确且可测试的预测。它可以是：
1. 方向性假设 (Directional)： 精确预测将会发生的结果（例如：「咖啡会提升专注力」）。
2. 非方向性假设 (Non-directional)： 预测会有变化，但没有说明方向（例如：「咖啡会影响专注力」）。

抽样 (Sampling)（我们要测试谁？）

你无法测试世界上所有的人！母体 (Population) 是你感兴趣的整个群体。样本 (Sample) 是你实际测试的小群体。

随机抽样 (Random Sampling)： 每个人都有平等的被选中机会（就像从帽子里抽签）。这是最公平且无偏见的方法。
机会抽样 (Opportunity Sampling)： 你只问当时手边正好有谁（例如图书馆里的人）。这很简单，但通常有偏见，因为它不能代表所有人。

实验设计 (Experimental Designs)

这是你安排参与者分组的方式：

独立组设计 (Independent Groups)： 每组使用不同的人（A 组喝咖啡测试，B 组不喝）。
重复测量设计 (Repeated Measures)： 同一批人参与所有实验条件。
注意！ 人们在第二次测试时可能会因为熟练而表现更好（这称为顺序效应 Order effect）。我们使用平衡法 (Counterbalancing)（将组别拆分，一半先喝咖啡，另一半先不喝）来解决这个问题。
配对组设计 (Matched Pairs)： 你找到两个非常相似的人（例如双胞胎或智商相同的人），将其中一个放入 A 组，另一个放入 B 组。

变量与控制 (Variables and Controls)

自变量 (IV)： 你改变的项目（「原因」）。
因变量 (DV)： 你测量的项目（「结果」）。
额外变量 (Extraneous Variables)： 可能搞砸结果的「干扰」变量（例如记忆测试时窗外的噪音）。我们必须控制这些变量。
操作定义 (Operationalisation)： 使变量变得可测量。与其说「我正在测量『聪明度』」，不如说「我正在测量『一份 20 题智力测验的得分』」。

常见错误提示： 不要混淆 IV 和 DV！记住：我 (I) 改变 自 (I) 变量。

伦理：行为准则 (Ethics)

心理学家必须遵守职业道德。关键原则如下：
1. 知情同意 (Informed Consent)： 参与者必须在了解实验内容后同意参加。
2. 欺瞒 (Deception)： 除非绝对必要，否则不应对受试者撒谎。
3. 保护免受伤害 (Protection from Harm)： 受试者离开研究时的状态应与抵达时相同。
4. 保密 (Confidentiality)： 严格保守他们的数据隐私。
5. 退出权 (Right to Withdraw)： 受试者可随时退出实验。
6. 汇报 (Debrief)： 研究结束后告知他们实验的真实目的。

关键总结： 一项好的研究必须是有效度的（真实的）、信度高的（一致的）以及合乎道德的（公平的）。

第三部分：数据处理与分析

定量与定性数据 (Quantitative vs. Qualitative Data)

定量 (Quantitative)： 以数字形式呈现的数据。容易制成图表进行比较。
定性 (Qualitative)： 以文字形式呈现的数据（描述、感受）。内容更深层、细节更多，但较难总结。

一手与二手数据 (Primary and Secondary Data)

一手数据 (Primary)： 你为了自己的研究亲自收集的数据。
二手数据 (Secondary)： 已经存在的数据（例如使用政府统计资料或其他研究人员的工作成果）。
元分析 (Meta-analysis)： 「研究的研究」。研究人员查看针对同一主题的多项既有研究结果，从而得出一个宏观的结论。

描述性统计 (Descriptive Statistics)

这些有助于我们总结数据：

集中趋势量数 (Measures of Central Tendency)（「平均值」）：
1. 平均数 (Mean)： 将所有分数相加后除以分数总数。这是最灵敏的，但可能被极高或极低的分数「带偏」。
2. 中位数 (Median)： 将分数按顺序排列后的正中间数值。
3. 众数 (Mode)： 出现次数最多的分数。

离散程度量数 (Measures of Dispersion)（「分布」）：
1. 全距 (Range)： 最高分减去最低分。
2. 标准差 (Standard Deviation)： 一个较复杂的计算，显示分数围绕平均值「扩散」的程度。低标准差意味着大家的分数差不多；高标准差则意味着分数分布极散！

数据呈现 (Presenting Data)

条形图 (Bar Charts)： 用于分类数据（例如男生 vs. 女生）。柱子之间不接触。
折线图 (Line Graphs)： 展示事物随时间的变化。
散点图 (Scattergrams)： 用于相关研究。每个点代表一个人对两项不同事物的得分。

分布 (Distributions)

常态分布 (Normal Distribution)： 「钟形曲线」。大多数人集中在中间，极值很少（例如身高或智商）。
偏态分布 (Skewed Distributions)： 当数据向一侧偏移时。
- 正偏态 (Positive Skew)： 大多数分数较低（「尾巴」指向右侧的高数值区域）。
- 负偏态 (Negative Skew)： 大多数分数较高（「尾巴」指向左侧的低数值区域）。

偏态记忆法： 看图表的「尾巴」。如果尾巴指向右侧（正数方向），那就是正偏态！

关键总结： 统计数据能协助我们将混乱的数字堆变成关于人类行为的清晰故事。