心理学实验法

心理学实验法第一页，共十五页，2022年，8月28日近代心理學的實驗設主流是大樣本設計。在一個大樣本設計的實驗中，一個「實驗情境」就可能包含幾十個受試者；所以有的研究最後可能會用一百名以上的受試者。然而心理學研究並不是一開始就是這樣設計的。早期的心理學研究用的受試者很少，有的研究甚至只用一個受試者。這種只用很少受試者的實驗設計，被概稱為「小樣本設計」（small-ndesign）或「單樣本設計」（single-subjectdesign；因為因為許多實驗只用一位受試者）。第二页，共十五页，2022年，8月28日實驗設計的演變史

如單以研究的樣本數來看，心理學的研究歷史可以分為三個階段：以小樣本設計為主的年代（1930年代以前），以大樣本設計為主的年代（1930到1970年），重新接受小樣本設計的年代（1970以降）。造成早期的心理學家採用「小樣本設計」的原因有兩個。（一）早期的心理學家受到自然科學的影響極大，所以他們積極的做研究來描述實驗變項與行為之間的功能關係（亦即，描述「當一個變項發生變化時，行為跟著會產生什麼變化」），並提出「定律」（laws）來解釋變項與行為之間的因果關係。更重要的，他們認為一個有用、有效的定律必須是一個能解釋「個別」受試者行為的定律。（二）早期的心理學家已經注意到研究資料的隨機變異問題；亦即，受試者在研究中的行為常常不知道為了什麼，就改變了。例如，受試者面對著一盞小燈，實驗者告述受試者「當燈亮時，盡快的按燈前面的鍵」。在這麼簡單的實驗中，我們都會發現：（1）不同受試者的「按鍵時間」不同。（2）同一位受試者在兩次嘗試中的按鍵時間也不一樣。雖然當時統計學還在萌芽階段，「推論統計」的概念甚至還未出現，但是研究者已經知道「要估計一位受試者的反應，最好估計數是這位受試者所有反應的平均數」。所以，為了穩定評估一個變項對行為的影響，研究者便在實驗中讓受試者做許多嘗試，並用受試者在這些嘗試中的反應平均數來代表這名受試者在變項影響下的行為反應。在這兩種因素的影響下，早期的心理學研究者（例如，研究「制約學習」【conditioning】的Pavlov，以及研究「心理物理」【psychophysics】的Weber和Fechner，與研究「知覺與意識」的Wundt等）便很自然的在研究中採用某種「小樣本設計」來收集資料。那個時代的研究者最常用的「小樣本設計」是「獨立嘗試設計」（discrete-trialsdesign）與「個案研究」（casereport）。第三页，共十五页，2022年，8月28日實驗設計的演變史統計學家（例如，Fisher）在二十世紀初（1920、1930年代）發展出推論統計的概念。心理學家很快的發現，資料的隨機變異問題可以藉著推論統計的分析技巧加以處理。因為推論統計需要大量的受試者，以符合「推論統計對資料的假設」，及達到理想的「統計檢驗力」，所以從那個時期開始，「大樣本設計」（group-subjectdesign）便成為心理實驗的主流，而統計學也變成心理學家的必備知識了。「大樣本設計」成為心理學研究的常態後，「小樣本設計」的研究便很難在心理學的主流期刊上找到發表的空間了。然而，在這樣對「小樣本設計」不友善的環境中，仍然有一群以B.F.Skinner為首的行為學派心理學家仍然不做大樣本實驗，不用推論統計檢驗實驗結果的穩定性；他們繼續以小樣本設計的方式做研究。這些研究者除了一方面延續過去「小樣本設計」的研究方式，另一方面也從兩個方向增加研究結果的穩定性。（一）用電子儀器控制實驗的進行，使實驗環境和實驗過程變得更穩定，以減低資料的隨機變異。（二）發展一個比「獨立嘗試設計」更有效的實驗設計方式；這種被稱為「基準線設計」（baselinedesign；見Bordens&Abbotts，1988）的實驗方法是工具制約實驗最常用的設計。第四页，共十五页，2022年，8月28日實驗設計的演變史因為心理學「派典」（paradigm）的轉變，1960年代以後的心理學家對心理學的使命、研究議題、研究方法的看法都和行為學派的學者不同，所以行為學派學者使用「基準線設計」所做的實驗也從心理學的主流期刊消失，他們的研究只會出現在類似JournalofExperimentalAnalysisofBehavior（可譯為「行為的實驗分析期刊」）這種行為學派學者自行籌組的期刊上。當然，研究派典轉變的影響所及並不只限於行為學派，各種「小樣本設計」的研究都很少出現在主流的心理學期刊中。近年來，這種輕視「小樣本設計」的現象似乎有所轉變。一些重要的期刊也逐漸接受「小樣本設計」的研究；一些重要的心理學家相繼的以這種設計收集研究資料。第五页，共十五页，2022年，8月28日獨立嘗試設計Bordens和Abbotts（1988）指出，「獨立嘗試設計」有四種特徵：（一）受試者在每一種實驗情境中，都要做多次的實驗嘗試，而每個實驗嘗試都會產生一個實驗資料。研究者會將同一個實驗情境中的所有資料平均起來，並以平均數做為這個實驗情境的代表。（二）所有和實驗無關的變項都被嚴格的控制，以防止它們影響受試者的表現。（三）盡可能控制不同實驗情境的出現順序，以防止「傳遞效果」（carryovereffect）的發生。（四）為了檢驗實驗的外部效度，研究者會收集兩位以上受試者的資料，以提供受試者間的比較。第六页，共十五页，2022年，8月28日基準線設計當Skinner和他的學生以「基準線設計」研究「制約學習」後，「基準線設計」幾乎成為「小樣本設計」的同義詞了；也就是說，當人們聽到「小樣本設計」時，他們心中想的其實是「基準線設計」。一個小樣本設計的制約學習研究至少需要ABA三個階段，因為這樣研究者才能確定B階段的結果不是由其它混淆變項造成的。ABA設計又被稱為「反轉設計」（reversaldesign），是一種最基本的「基礎線設計」，有時研究者為了增加對研究結果推論的準確度，會在ABA後面再加上幾個階段。例如，Hart等（見下頁）就為了更清楚的顯示工具制約的效果，在ABA之後再加上一個B階段，形成一個ABAB的設計。第七页，共十五页，2022年，8月28日一個「基準線設計」的研究例子Hart曾經和他的同僚以工具制約的方法，矯正一個四歲大孩子的愛哭習慣（1964）。這個名叫Bill的小孩在幼稚園裡面只要受到一點點挫折，就哭。Hart等認為Bill的愛哭行為並不是因為他害怕或無助，而是因為他每次哭都可以取得別人的注意，所以Bill學到用哭來解決問題。為了檢驗這個想法，這些研究者決定以一個ABAB的設計，矯正Bill的行為。首先，研究者嚴格的定義「哭」的行為為：（一）哭的聲音大到50英尺外，仍可聽到，（二）哭的行為持續5秒鐘以上。接著他們將整個研究的期間分為四個階段（一階段10天），並請老師紀錄Bill在這段時間內，每一天從上學到放學之間的哭鬧次數。在研究的第一個階段（A階段）中，研究者做的是「建立Bill一天哭泣次數的基準線」。在這段時間內，研究者基本上並未對Bill做任何「處理」，老師仍然以過去的態度對待Bill；只要Bill一哭，老師就過去安慰他，滿足Bill的需要。從下表，我們可以看出，Bill在第一階段中平均每天會哭七次左右。接著研究進入第二個階段（B階段）中，這時研究者開始以制約的手段減少Bill的哭泣次數。每當Bill哭的時候，如果老師發現Bill沒有受傷，和其他學生之間也沒有什麼嚴重的紛爭後，老師就會盡快的離開，刻意忽視Bill的哭泣行為。但是，每當Bill以其它較恰當的方式處理和同學的紛爭時，老師就會馬上給予注意與褒獎。我們可以從下一頁的表中看出，Bill在這段時間內的哭泣次數快速的減少，在最後幾天中，一天甚至一次都不哭。第八页，共十五页，2022年，8月28日一個「基準線設計」的研究例子Bill在研究期間，每天的哭泣次數（修改自Kantowitz,Roediger&Elmes,1991）第幾天階段一12345678910哭泣次數56711785847階段二11121314151617181920哭泣次數6543010010階段三21222324252627282930哭泣次數1235774576階段四31323334353637383940哭泣次數3120001000第九页，共十五页，2022年，8月28日「小樣本設計」實驗的邏輯對一個「大樣本設計」的研究，我們可以從研究的「建構效度」、「統計效度」、「內部效度」和「外部效度」來檢驗研究的良窳，其實我們也可以將藉用這種檢驗的方式，來討論「小樣本設計」實驗的邏輯。「建構效度」指的是，實驗變項和研究者所希望探討之心理學概念之間的配合性。「建構效度」顯然和研究者採取的實驗設計無關，無論研究者採用「大樣本設計」或「小樣本設計」都可能發生問題。避免「建構效度」發生問題的方法是研究者廣泛的收集相關文獻，小心分析文獻記錄，然後對變項做出學界普遍接受的定義。第十页，共十五页，2022年，8月28日「小樣本設計」實驗的邏輯任何一個研究者都希望他的實驗可以驗證「獨變項和依變項之間的因果關係」而達到這個希望的先決條件是實驗具有內部效度，因為只有在一個具有「內部效度」的實驗中，研究者才能檢驗變項之間的因果關係。然而「小樣本設計」的實驗似乎比較難達到這個目的，因為「小樣本設計」無法用推論統計來分析實驗結果，所以研究者無法估計實驗的隨機誤差，這樣一來當實驗效果不是很明顯的時候，研究者就不知道實驗效果是否真的出現了。Bordens和Abbotts（1988）卻指出，使用「小樣本設計」的研究通常都具有三種特質；這些特質使得研究者可以從實驗結果推論變項之間的因果關係。（一）重複測量。（二）嚴格控制混淆變項。（三）研究對依變項具有重大影響力的獨變項。第十一页，共十五页，2022年，8月28日「小樣本設計」實驗的邏輯「小樣本設計」根本不存在「統計效度」的問題，因為：（1）嚴格控制實驗情境會減低資料的隨機變異，且研究的獨變項通常具有明顯的效果，所以「小樣本設計」的研究根本不需要使用推論統計來分析資料。（2）既然「小樣本設計」不使用推論統計，自然沒有「統計檢驗力」與「資料不符合統計程序假設」的問題。第十二页，共十五页，2022年，8月28日「小樣本設計」實驗的邏輯因為「小樣本設計」只用一個或少數幾個受試者，所以受試者個人的因素對實驗結果的影響就變的非常的重要；這當然會影響研究結果的外部效度。），「小樣本設計」的實驗透過兩種方式檢驗實驗發現的「外部效度」。第一種是透過「受試者間的重複驗證」（inter-subjectreplication）。第二種驗證實驗「外部效度」的管道是來自科學社群的互動活動。第十三页，共十五页，2022年，8月28日小樣本設計的優點與缺點在優點方面，「小樣本設計」的研究者為了減低實驗的隨機變異和控制混淆變項，他們會：（一）廣泛收集相關文獻，以瞭解實驗可能含有哪些混淆變項，所以他們對研究議題的瞭解會更深入，更廣泛。（二）小心分析實驗情境，所以他們比較清楚實驗進行過程中可能會發生的各種事情。「小樣本設計」也有一些的限制。（一）因為「小樣本設計」要對受試者重複測量，所以這種設計不適合研究任何會造成「持久」效果的獨變項。例如，某研究者希望探討「大腦某個部位破壞後，對人們察覺能力的影響」。理想的實驗是讓受試者在兩種狀況下（「大腦完好」和「大腦受傷」），做多次嘗試。實驗時，為了控制各種因為「順序」帶來的混淆變項，最好以「獨立嘗試設計」的方式是將兩類嘗試隨機的穿插安排（例如，第一個嘗試是在「大腦完好」時做，第二個嘗試是在「大腦受傷」時做，第三個嘗試也是在「大腦受傷」時做，第四個嘗試又回到「大腦完好」時做，等等）。但是，因為「破壞大腦」具有持久的效果，所以這個研究者無法將兩類嘗試隨機安排。（二）當獨變項不會對依變項造成強烈的影響時，實驗效果就有被混淆變項掩蓋的可能。對於這類的實驗，我們最好做「大樣本設計」的研究，用統計方法來幫助分析實驗效果。第十四页，共十五页，2022年，8月28日個