歡迎來到心理學技巧！
歡迎來到心理學的核心動力室！你可能心想：「為什麼我想學習關於『人』的知識，卻要學習數學和研究方法？」答案很簡單：心理學是一門科學。為了理解人類思考與行為背後的原因，我們需要可靠的工具來衡量行為。
在本單元中，你將學習心理學家如何設計研究、處理數據以及如何保持專業操守（倫理）。將這些技巧視為你的「心理學工具箱」。一旦你掌握了這些，你就能一眼看出任何研究到底是嚴謹的科學，還是純粹的運氣猜測。如果剛開始覺得這部分「數學味」很重，不用擔心——我們會循序漸進地為你拆解！
1. 研究工具箱：我們如何收集數據
心理學家會根據研究目的使用不同的方法。以下是教學大綱中要求你掌握的主要方法：
A. 自我報告法 (Self-Report)：問卷與訪談
這基本上就是直接詢問受訪者關於他們自身的情況。
- 問卷 (Questionnaires)：書面問題。問卷可以使用封閉式問題（例如「是/否」或 1-5 分量表），這能為我們提供定量數據（數字）；也可以使用開放式問題，讓受訪者能進行詳細描述，從而為我們提供定性數據（文字）。
- 訪談 (Interviews)：可以分為結構式訪談（固定問題）、非結構式訪談（像聊天一樣）或半結構式訪談（兩者混合）。
B. 實驗法 (Experiments)
這是尋找因果關係的「黃金標準」。
- 實驗室實驗 (Laboratory Experiments)：在受控環境下進行。優點是控制力強，但可能會感覺「不真實」（低生態效度）。
- 田野實驗 (Field Experiments)：在現實世界中進行。過程更自然，但較難控制「外部」因素。
C. 觀察法 (Observations)
觀察人們的行為。
- 自然觀察 (Naturalistic)：在人們自己的環境中觀察。
- 受控觀察 (Controlled)：在預設的實驗室中觀察。
- 參與觀察 (Participant)：研究人員親自加入參與者的活動中！
- 公開觀察 vs. 隱蔽觀察 (Overt vs. Covert)：公開是指參與者知道你在觀察；隱蔽則代表你是「臥底」。
D. 相關研究 (Correlations)
旨在尋找兩個共變數 (co-variables) 之間的關係（例如：年齡和記憶力之間是否有聯繫？）。
- 正相關 (Positive Correlation)：兩者同時增加。
- 負相關 (Negative Correlation)：一個增加，另一個則減少。
- 零相關 (Zero Correlation)：兩者完全沒有聯繫。
小複習：請記住，相關性並不代表其中一件事導致了另一件事。它只顯示兩者有聯繫。例如，雪糕銷量和曬傷之間存在相關性，但雪糕並不會導致曬傷——是炎熱的太陽導致了這兩者！
關鍵總結：根據你的目標選擇方法。想要從 1,000 人身上獲取數字數據？使用問卷。想要找出導致某種行為的原因？使用實驗。
2. 規劃你的研究：藍圖
在開始之前，你需要一份計劃。以下是心理學研究的基本組成部分。
假設 (Hypotheses)：預測
假設是一個清晰、可驗證的陳述。
- 虛無假設 (Null Hypothesis)：預測沒有效果或沒有差異（例如：「年齡不會影響記憶力分數」）。
- 備擇假設 (Alternative Hypothesis)：預測將會產生效果。
- 定向假設 (Directional / One-tailed)：確切預測結果的走向（例如：「老年人的分數會較低」）。
- 非定向假設 (Non-directional / Two-tailed)：只說明會有差異，但沒有說明走向（例如：「年輕人和老年人的記憶力分數會有差異」）。
變數 (Variables)：變動的部分
- 自變數 (Independent Variable, IV)：你改變或操縱的事物。
- 應變數 (Dependent Variable, DV)：你衡量的事物。
- 干擾變數 (Extraneous Variables)：如果不加以控制，可能會破壞你研究結果的「麻煩」變數（例如在記憶測試時出現的噪音）。
抽樣 (Sampling)：選擇參與者
你如何從目標群體 (target population) 中挑選參與者？
- 隨機抽樣 (Random Sampling)：每個人都有相等的機會被選中（就像從帽子裡抽籤）。
- 機會抽樣 (Opportunity Sampling)：使用當時隨手可得的人（容易，但有偏見）。
- 志願抽樣 (Volunteer Sampling)：人們主動報名參加（通常會吸引某種特定「類型」的人）。
- 分層抽樣 (Stratified Sampling)：確保你的樣本能完美反映人口中的子群體（例如：50% 男性，50% 女性）。
記憶小撇步：把抽樣想像成煲湯。要判斷整鍋湯好不好喝，你只需要舀一湯匙。但那一湯匙必須包含每一種食材（蔬菜、湯底、鹽分），才能成為一個「具代表性」的樣本！
關鍵總結：一個好的研究需要有清晰的假設、受控的變數和具代表性的樣本，這樣研究結果才能推論 (generalized) 到其他人身上。
3. 心理學倫理：遊戲規則
心理學家必須遵守英國心理學會 (BPS) 的指引以保護參與者。
- 知情同意 (Informed Consent)：參與者必須同意參與，並清楚了解他們將會經歷什麼。
- 欺騙 (Deception)：除非絕對必要，否則應避免對參與者撒謊。
- 退出權 (Right to Withdraw)：參與者可以在任何時間退出研究。
- 免受傷害 (Protection from Harm)：參與者經歷的壓力不應超過日常生活中會遇到的程度。
- 保密 (Confidentiality)：保持數據私密且匿名。
你知道嗎？在過去，像米爾格倫（Milgram）的電擊研究那樣的實驗會給參與者帶來很大的壓力。現今的倫理準則嚴格得多，以確保每個人都能保持安全！
關鍵總結：符合倫理的研究尊重參與者的尊嚴和安全。如果一項研究不符合倫理，通常會被視為「劣質科學」。
4. 處理數據：關於數學的部分
當你獲得結果後，你需要使用描述統計 (Descriptive Statistics) 來描述它們。
集中趨勢測量 (Measures of Central Tendency)：平均值
- 平均數 (Mean)：將所有分數相加後除以分數的數量。（即「算術平均數」）。
- 中位數 (Median)：當分數按順序排列時，位於中間的分數。
- 眾數 (Mode)：出現次數最多的分數。
離散程度測量 (Measures of Dispersion)：分散狀況
- 全距 (Range)：最高分與最低分之間的差值。
- 標準差 (Standard Deviation)：一種更精確的方法，用來觀察分數圍繞平均值「散開」的程度。較低的標準差意味著大多數人的分數都非常接近。
推論統計 (Inferential Statistics)：決策
這幫助我們決定研究結果是純屬偶然還是具有顯著性 (significant)。你會遇到例如 Wilcoxon 符號等級檢定、Spearman 等級相關係數和 卡方檢定 (Chi-Squared) 等測試。
魔法數字通常是 \(p \leq 0.05\)。這意味著結果純屬僥倖的機率只有 5%（或更低）。如果 \(p\) 值很小，我們可以有 95% 的信心認為是我們的 IV 真正導致了 DV 的變化！
常見錯誤：學生常誤以為「顯著 (significant)」等於「重要」。在心理學中，它僅代表「統計學上不太可能是巧合」。
關鍵總結：描述統計總結數據；推論統計則告訴我們數據是否真正驗證了我們的假設。
5. 評估研究：它好嗎？
當你評估一項研究時，你需要觀察兩件事：信度 (Reliability) 和 效度 (Validity)。
信度 = 一致性
如果你再次進行這項研究，你會得到相同的結果嗎？
- 例子：如果一個浴室體重計在兩分鐘內先顯示 70kg，然後 80kg，接著 60kg，這就是缺乏信度。
效度 = 真實性/準確性
你衡量的是你宣稱要衡量的東西嗎？
- 內部效度 (Internal Validity)：研究控制得好嗎？IV 是否真的引起了 DV 的變化？
- 生態效度 (Ecological Validity)：這能反映現實生活嗎？
- 客觀性 vs. 主觀性：客觀性 (Objectivity) 基於事實和測量（很好！）。主觀性 (Subjectivity) 基於個人感受或觀點（有風險！）。
快速比較：
- 信度就像一個總是快 5 分鐘的時鐘。它是一致的（有信度），但它沒有反映真實時間（無效度）。
- 效度就像一個顯示精準時間的時鐘。
關鍵總結：一項出色的研究必須同時具備信度（一致性）和效度（真實性）。
成功清單：
- 我能指出研究中的 IV 和 DV 是什麼嗎？
- 我知道定向假設和非定向假設之間的區別嗎？
- 我能列出至少 3 條 BPS 倫理準則嗎？
- 我明白 \(p \leq 0.05\) 代表結果不太可能是偶然造成的嗎？
- 我能解釋信度和效度的區別嗎？
如果剛開始覺得很難，不用擔心！這些技巧會在你學習的每一個主題中反覆出現，你很快就會成為專家！