变量概述

描述

在“变量”部分，研究的所有变量都以列表形式显示，按类型分类。最重要的变量属性（名称、量表、数据类型、数据格式、是否记录、是否重置）都会显示出来。每个变量都可以被选择，以便在屏幕右侧显示变量的属性并进行编辑。在发布研究并开始数据记录之前，建议检查/查看所有变量属性（例如，检查是否所有相关变量都被记录等）。

变量类型

在变量概述中，变量根据其主要类型进行划分。主要有 4 种变量类型：

• 自定义变量： 所有用户创建的变量。
• 对象变量： 与（问卷）对象一起创建的所有变量（例如复选框、滑块等）。
• 因子变量： 在试验组中作为因子功能的所有变量。
• 系统变量： 所有自动创建的变量（由 Labvanced 预创建）。

变量也根据其范围进行分类：

• 试验变量： 这些是每次试验记录的变量。通常是用户创建的，示例包括反应时间和参与者选择。
• 会话变量： 这些变量在每次会话中只记录一次，主要是 Labvanced 创建的。示例包括浏览器类型、屏幕大小和研究的开始/结束时间。
• 受试者变量： 这些变量在每个受试者中仅记录一次，并由 Labvanced 创建。对于同一受试者在多个会话中，这些变量保持不变，包括受试者 ID 等值。

研究人员通常只关注试验变量和会话变量。受试者变量对于纵向研究很有用。

删除变量

删除变量时应非常谨慎。在删除变量之前，请确保该变量未在您的研究中被使用。变量使用情况将在当前选定变量的属性中显示，位于屏幕右下角（您可能需要向下滚动）。虽然 Labvanced 尝试更新这些变量使用情况，但在删除变量之前，请检查不同的任务和框架，以查看变量是否真的没有被使用。

如果您百分之百不确定某个变量没有被使用，建议禁用该变量的记录。这样，变量将不会出现在数据视图中，但不会对您的研究造成损害。另一个选项是复制您的研究（复制所有变量和对象等），然后在研究的副本中删除该变量并进行测试。这样，您可以看到没有该变量的研究将如何进行。

如果删除了仍然在某处被使用的变量（例如在事件或对象中），可能会对您的研究造成不可逆转的损害！请小心！

共享变量

共享变量 是可以在会话和/或受试者之间共享的动态变量。这些变量存储在 Labvanced 服务器上。

在受试者之间平衡

想象一个有 10,000 张图像的研究，但每个参与者只能看到 100 张图像。然而，所有这十千张图像至少应该以随机顺序展示一次。因此，需要 100 名参与者来完成该研究。

共享变量可以用于 写入 一个数组，该数组存储尚未显示的图像编号。这确保参与者 2 不会看到参与者 1 看到的任何图像。这在刺激之间实现了受试者的平衡。为了防止因参与者中途退出而导致的不平衡，可以设置变量仅在参与者做出反应后记录图像为已查看。这确保了每张图像都能获得有效的反应，无论参与者是否完成研究。因此，研究将生成 随机、平衡且完整 的数据。

多会话（纵向）研究

共享变量可用于确保受试者在每次纵向研究会话中使用（或不使用）相同的设备。

在这种情况下，可以使用共享变量的另一个版本。在这种方法中，共享变量存储在参与者的设备上，仅在会话之间与参与者自身共享。但是，如果受试者使用私密浏览器或其设备存在故障，这将无法正常工作。

在另一个示例中，想象一个研究，每个参与者有两个会话。在每个会话中，将显示 100 张图像，但这两次会话之间的图像完全不同。图像从 10,000 张图像的语料库中随机选择。您可以随机抽取数字并将其保存到数组中，以便每个受试者选择这些图像，然后在下一个会话中检索该数组，以确保它们不会被第二次选择。

多用户研究

这些变量用于涉及多个参与者的研究，以将值从一个人发送到另一个人。此方法使用服务器存储在受试者之间分配变量。

回想上面的例子，一个有 10,000 张图像的研究，但每个参与者只能看到 100 张图像。这十千张图像都应该至少展示一次，并且呈随机顺序。

同样，可以使用共享变量来写入一个数组，该数组存储尚未显示的图像编号。在这个例子中，应该在研究初始化时随机抽取数字并写入数组。这个数组将包含多用户研究中每个参与者看到的图像。这确保参与者 2 不会看到参与者 1 当前看到的相同图像。

示例研究

想象一个示例研究，在该研究中，您的智力与一个平均智力为 100 分的人群进行比较。您的分数只有在与其他人进行比较时才具有相关性。为了进行这种比较，研究人员可以进行事后分析，或者可以给参与者实时反馈。

利用共享变量，参与者的分数可以被推送到一个充满值的数组中。该数组然后可以平均，并在研究结束时将百分位值返回给参与者。通过这种方式，随着更多个体参与研究，共享变量会动态更新，但分析是在研究期间进行，而不是在事后进行。