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、比例、数据类型、数据格式、是否记录、是否重置)被显示。可以选择每个变量,以便在屏幕右侧显示该变量的属性,并进行编辑。建议在发布研究和开始数据记录前,审查/检查所有变量属性(例如,检查是否记录了所有相关变量等)。
变量类型
在变量概述中,变量按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: 在试验组内作为因子的所有变量。
- 系统变量: 所有自动创建的变量(由 Labvanced 预先创建)。
变量还按其范围进行分类:
- 试验变量: 这些是每个试验记录的变量。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仅记录一次,主要由 Labvanced 创建。示例包括浏览器类型、屏幕大小以及研究的开始/结束时间。
- 主题变量: 这些变量在每个主题中仅记录一次,由 Labvanced 创建。这些变量在多个会话中对同一主题保持不变,包括主题 ID 等值。
研究人员通常只会查看试验和会话变量。主题变量对于纵向研究很有用。
删除变量
删除变量时必须非常小心。在删除变量之前,请确保该变量在您的研究中未被使用。变量的使用情况会在当前选定变量的右下角的变量属性中显示(您可能需要向下滚动)。尽管 Labvanced 尝试更新这些变量使用情况,但请通过查看不同的任务和帧确认变量是否确实未被使用,然后再进行删除。
如果您不确定某个变量是否未被使用,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,但您的研究没有损坏的风险。另一种选择是制作研究的副本(复制所有变量和对象等),然后在研究的副本中删除相关变量并进行测试。这种方式可以让您看到研究在没有该变量的情况下的表现。
如果删除了仍在某处使用的变量(例如,在事件或对象中),这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 是可以跨会话和/或主题共享的动态变量。这些变量存储在 Labvanced 服务器上。
受试者之间的平衡
想象一下一个有 10,000 张图片的研究,但每位参与者只显示 100 张图片。然而,十万张图片中的每一张都应该至少显示一次,并且顺序是随机的。因此,需要 100 名参与者来完成研究。
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。这在刺激基础上平衡了受试者之间的刺激。为了防止因参与者退出而导致的不平衡,可以设置变量仅在参与者做出反应 之后 记录图像为已查看。这确保了每个图像都有有效的反应,无论参与者是否完成了研究。因此,研究将生成 随机、平衡和完整 的数据。
多会话(纵向)研究
共享变量可以用来确保主题在每个会话中使用(或不使用)相同的设备进行纵向研究。
在这种情况下,可以使用共享变量的另一种版本。在这种方法中,共享变量存储在参与者的设备上,并仅在不同会话中与参与者本人共享。但是,如果主题使用私人浏览器或设备出现故障,则此方法将不起作用。
在另一个例子中,想象一下每个参与者有两个会话的研究。在每个会话中,将显示 100 张图像,但两次会话之间的图像将完全不同。这些图像是随机从 10,000 张图像的语料库中选取的。您可以随机抽取数字并保存到数组中供每个主题选择图像,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中,以便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发变量。
回想一下上面的例子,一个有 10,000 张图像的研究,但每位参与者只显示 100 张图像。十万张图像中的每一张都应该至少显示一次,并且顺序是随机的。
同样,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。在这种情况下,应该在研究初始化时随机抽取数字并写入数组。该数组将包括在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
想象一下一个示例研究,其中您的智力与一个平均智力为 100 分的人群进行比较。您的得分在与他人相比时仅作为相对值相关。为了进行这种比较,研究人员可以进行事后分析,或者他们可以给参与者提供实时反馈。
通过使用共享变量,可以将参与者的得分推送到一个包含值的数组中。然后,可以对数组进行平均,并在研究结束时将百分位值推送回参与者。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的,而不是事后进行的。