心理研究问卷

问卷是一种数据收集方法，可以直接从参与者那里收集关于他们的感知、偏好、意见、经历等的定量和定性数据。通过 Labvanced，问卷研究可以简单或动态，您可以在下面了解您可以做什么，以及其他研究者使用的问卷设计。

关键主题： 多功能问卷研究设计和数据收集 问卷元素和对象 随机化 添加参与者反馈 分支逻辑与高级设计 数据输出 样本问卷 - 公开实验库

研究人员如何在 Labvanced 中利用问卷

Labvanced 中的问卷以以下方式被使用：

1. 人口统计信息： 收集人口统计信息
2. 评估 / 量表： 管理评估和量表，例如使用李克特量表
3. 分支： 使用参与者的回答进行分支并指定实验应如何进行。
4. 高级逻辑： 使用高级编码自定义实验。
5. 与其他 Labvanced 特性结合： 如眼动追踪、多用户研究、API 等

多功能问卷研究设计和数据收集

Labvanced 为研究人员提供了多种处理通过问卷呈现和收集数据的方法。

在问卷中的刺激呈现

刺激呈现是指在实验中向参与者展示任何元素以引发响应。这些元素可以是：

• 图像
• 文本
• 视频
• 音频

在 Labvanced 中使用的矩阵问卷对象与情感识别。

数据收集与问卷

参与者可以使用不同的格式对刺激或问题作出响应，从而允许定性和定量数据收集。这些格式包括但不限于：

• 李克特 / 矩阵
• 选择题 / 单选按钮 / 复选框
• 开放回答
• 范围 / 滑块

为了进行更深入的分析，Labvanced 支持高级数据收集功能。这些功能包括：

• 鼠标追踪
• 音频录制（参与者自由谈话并录制自己）
• 视频录制（参与者的视频，如果启用）
• 注视（通过我们的同行评审的基于网络摄像头的眼动追踪器）

尝试这个 动态编辑文本演示，如上所示，参与者被要求编辑问卷输入字段内容，而他们的击键和鼠标点击被追踪。

📕 案例研究：通过拖放进行项目排名

Rasse et al. (2023) 在他们的研究中以不同的视角处理问卷研究，使用了一种拖放设计，其中图像刺激需要按照特定方式进行排列。参与者被要求通过拖拽图像来对特定地标的出现顺序进行分类，并将其排名从 1 至 8。这种方法展现了一种有趣的问卷方法，通过要求参与者拖放排名项目（图钉）到相应的图像，问卷变得互动化。

拖放任务；Rasse 等 (2023)。

问卷元素和对象

问卷是如何创建的？

Labvanced 提供 30 多个可自定义元素（即 对象），可以满足任何研究需求，从简单的调查到复杂的动态表单。

以下是 Labvanced 提供的一些与问卷相关的对象的概述：

在问卷设计中使用的一些流行问卷对象的示例。

📕 案例研究：滑动任务与评估社会吸引力

在 Valuch et al. (2023) 的研究中，研究人员结合图像展示和李克特量表，以确定照片中的微笑如何影响美学。在任务 1 (a) 中，参与者必须快速滑动以决定“丢弃”或“保留”图像。在后来的任务中，他们需要使用 7 分李克特量表对图像的吸引力进行评分。研究人员还增加了一个屏幕持续时间限制，图像的展示时间最多为 1000 毫秒（实验 1）或 750 毫秒（实验 2）：

利用图像刺激后跟随李克特基础的美感评分的吸引力评估任务的概述；Valuch et al. (2023)。

Labvanced 通过允许您结合各种对象/元素和功能，为问卷研究提供卓越的实验灵活性，以使您的独特实验设计成为现实。无论是设计简单的问卷还是复杂的设置，Labvanced 提供的可能性是无穷无尽的。

📕 案例研究：以问答格式进行音频展示

在 Matzinger et al. (2023) 的研究中，研究人员展示了音频刺激，然后跟随问卷对象。该研究的目的是评估以波兰语为母语的人如何评估母语和非母语的波兰语说话者在其知识、信心和意愿方面的表现。问题和答案以音频格式随机呈现，参与者使用 Labvanced 中的范围 / 滑块元素，在 0 到 100 的标签下对说话者的知识或信心进行评分。

下图显示了问卷项目的示例：

参与者利用 Labvanced 中的滑块 / 范围对象对说话者的知识或信心进行评分，其中 0 = 一点也不懂/没有信心，100 = 非常懂/非常有信心：

问卷随机化

在 Labvanced 中，有几种方法可以确保实验的完整性，例如通过随机化。您可以随机化问题中的项目顺序、试验的顺序，以及整个问卷或任务的顺序。

项目特定随机化

允许您随机化列出选项的顺序。

任务随机化

您可以使用随机化分隔符对所选任务/块进行随机化，或在参与者之间打乱所有任务/块。

添加参与者反馈

您可以通过向实验中添加参与者反馈，让参与者了解他们是否正确回答了问题。

📕 案例研究：以答案反馈为中心的教程研究

在 Kessler et al. (2023) 的研究中，研究人员试图确定教程干预如何帮助复杂问题解决。教程问题包括多项选择答案。根据参与者的选择，提供详细的反馈，因为研究表明这比简单显示正确答案更有利于学习。下图（左侧）显示了教程问题，图像（右侧）显示了选择错误答案（红框）与正确答案（绿框）时提供反馈的示例。

教程问题（左）和选择选项后提供的详细答案反馈，绿框表示正确解释，红框表示错误答案和解释（右）；Kessler et al. (2023)。

画布框架 & 页面框架

Labvanced 为您提供设计问卷的灵活性，有 2 种模式/框架类型，每种类型都有其独特的功能。选项包括：

• 画布框架： 问卷元素可以使用拖放自由定位，刺激的大小和所有元素将随着屏幕大小缩放。该框架类型提供了高度的可定制性，通常可用于更复杂的场景。
• 页面框架： 问卷元素会自动流动并在下方排列，内置随机化选项，问卷在像素中定义最大宽度，使其更易于使用，并使纯问卷的外观更美观。

📕 案例研究：视觉叙事和参与者反馈

在一些情况下，例如当儿童是参与者时，呈现多项选择答案和文本反馈可能没有使用图像进行更视觉化的方式更有效。对于这种设计，研究人员可以使用画布框架并添加事件，使风格化的反馈以任何形状或形式出现。

例如，在 Schuhmacher et al. (2023) 的研究中，研究人员在视觉叙事任务后提出问题，儿童通过图像逐步获得反馈。

通过 Labvanced 的画布框架为儿童参与者添加视觉反馈；
Schuhmacher et al. (2023)。

高级问卷设计

分支逻辑

分支允许您控制问卷的流程并确定哪些问题呈现给参与者。我们的高级系统处理分支和动态响应，使您能够为每个参与者创建不同的问卷路线。这种灵活性使您能够捕捉详细而细致的数据，准确满足您的研究要求。

问卷中的高级逻辑

如有需要，您可以使用高级事件逻辑或代码自定义 Labvanced 中的问卷研究设计。下面给出了一些示例：

问卷数据输出

虽然您可以收集每个问卷项目的选择，但 Labvanced 允许您超越基本数据，例如对这些分数进行计算。这在处理涉及反向评分的问卷和量表时尤其重要，或者选择具有不同价值评分系统的情况。

使用 Labvanced 常见的计算包括：

• 总分
• 正确答复
• 针对类别和子类别的制表

例如，下面的图像显示了问卷选择 q，其李克特量表范围为 1-5，且该选择的相应分配数值为 q-value。total 列显示如何根据选择 q 及其值 q_value 计算分数：

示例：参与者的选择 (q) 通过李克特量表具有特定的值 (q_value)，并且如何在试验中累加该分数 (total)。

📕 案例研究：问卷值作为表现的预测因子

问卷的另一个常见情境是将数据作为认知相关任务表现的预测因子。

例如，Wöstmann et al. (2021) 旨在确定对噪声的耐受性与个性的关联。该研究使用的问卷/量表包括：

• BFI-S： 人格问卷，评估五大人格维度
• 人口统计 信息也收集了关于音乐能力的数据
• WNSS： 噪声抵抗问卷
• SSQ： 听说能力问卷
• ANL： 可接受噪声水平测试
• DTT： 改编的数字三元组测试以确定噪声中的言语接收

研究结果显示，较低的神经质和较高的外向性独立地解释了自我报告的噪音抵抗力更高，以及口语听力能力和可接受的背景噪声水平。

在 Labvanced 中施用的问卷/量表并用作噪声敏感性预测因子；Wöstmann et al. (2021)。

问卷中的反应时间

反应时间允许您测量参与者选择响应的速度或他们提供书面输入/答案所花费的时间。

反应时间可以在实验持续期间用于多种用途和多种方式，包括：

• 完成整个问卷/调查所花费的总时间
• 回答一个问题所花费的时间
• 与某些其他事件（如图像刺激出现/消失）相关的选择响应所花费的时间

从我们的库导入问卷

您可以通过从 Labvanced 的 公开实验库 直接导入现有的量表和问卷来节省时间。它有超过 600 个模板，可以根据您的研究需求进一步自定义。

强迫症量表修订版 (OCI-R)