变量标签

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）被显示。可以选择每个变量，以便在屏幕右侧显示和编辑该变量的属性。

重要提示： 在发布研究并开始数据录制之前，建议查看/检查所有变量属性（例如，检查是否记录所有相关变量等）。

变量类型

在变量概述中，变量按其主要类型分类。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： 所有与（问卷）对象一起创建的变量（例如复选框、滑动条等）。
因子变量： 在试验组内作为因子运作的所有变量。
系统变量： 所有自动创建的变量（由Labvanced预创建）。

变量还按其作用域分类：

试验变量： 这些是每个试验中记录的变量。通常是用户创建的，一些示例包括反应时间和参与者选择。
会话变量： 这些变量在每个会话中仅记录一次，主要是Labvanced创建的。一些示例包括浏览器类型、屏幕大小和研究的开始/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于同一主题保持不变，包括主题ID等值。

研究人员通常只查看试验变量和会话变量。主题变量对于纵向研究是有用的。

删除变量

删除变量时应极其小心。在删除变量之前，请确保该变量在您的研究中没有被使用。变量的使用情况显示在屏幕右下角当前选定变量的变量属性中（您可能需要向下滚动）。虽然Labvanced尝试更新这些变量的使用情况，但在删除之前，请通过查看不同的任务和框架来检查变量是否真的未被使用。

如果您对变量不被使用的确定性不足100%，建议禁用该变量的记录。这样，该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，您可以看到在缺少该变量的情况下研究将如何进行。

如果删除了仍在某处使用的变量（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。

学科间平衡

想象一下一个研究，它有10,000张图片，但每个参与者只显示100张图片。不过，所有的10,000张图片应该至少显示一次，并按随机顺序进行显示。因此，需要100名参与者来完成研究。

共享变量可用于写入一个数组，该数组存储尚未显示的图片的编号。这样确保参与者2不会看到参与者1所看到的任何图片。这在刺激基础上在主题之间平衡刺激。为了防止因参与者退出而导致的不平衡，可以将变量设置为仅在参与者作出响应后记录图片为已查看。这确保每张图片有可用的响应，无论参与者是否完成研究。因此，研究将产生随机化、平衡和完整的数据。

多会话（纵向）研究

共享变量可用于确保主题在每次会话中使用（或不使用）相同的设备进行纵向研究。

在这种情况下，可以使用另一种版本的共享变量。在这种方法中，共享变量存储在参与者的设备本地，并且仅在会话之间与参与者自己共享。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张图片，但这两次会话之间的图片完全不同。这些图片是从10,000张图片的语料库中随机挑选的。可以随机抽取号码并将其保存到数组中，以便每个主题选择图片，然后在下一个会话中检索该数组，以确保它们不会被选择第二次。

多用户研究

这些变量用于包含多个参与者的研究，以在一个人和另一个人之间发送值。这种方法使用服务器存储以在主题之间分发变量。

记住上面的例子，一个研究有10,000张图片，但每个参与者只显示100张图片。所有的10,000张图片应该至少显示一次，并按随机顺序进行显示。

同样，可以使用共享变量写入一个数组，该数组存储尚未显示的图片的编号。在这种情况下，应在研究初始化时随机抽取数字并写入数组。然后，数组将包含多用户研究中每个参与者看到的图片。这确保参与者2不会看到参与者1当前看到的相同图片。

示例研究

想象一下一个示例研究，其中您的智能与平均智能为100分的人群进行比较。您的分数仅在与他人相比较时作为相对值才有意义。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。

通过使用共享变量，参与者的分数可以被推送到一个充满值的数组中。然后可以对数组进行平均，并将百分位值推送回参与者在研究结束时。通过这种方式，随着更多的人参与研究，动态更新共享变量，但分析是在研究期间进行的，而不是事后进行的。