变量研究方法.docx
- 文档编号:7542055
- 上传时间:2023-01-24
- 格式:DOCX
- 页数:13
- 大小:27.94KB
变量研究方法.docx
《变量研究方法.docx》由会员分享,可在线阅读,更多相关《变量研究方法.docx(13页珍藏版)》请在冰豆网上搜索。
变量研究方法
变量研究方法
一、确定研究变量
1.什么是研究变量
变量(variable)指在质或量上可以变化的概念或属性,是随条件变化而变化的因素或因个体不同而有差异的因素。
研究变量则是研究者感兴趣的,所要研究与测量的,随条件变化而变化的因素。
简单地说,变量就是会变化的、有差异的因素。
如,学生的语言水平随学习时间的推移而有所变化,每个学生在语言水平上也会体现出个体差异,因此我们把语言水平看作是一个变量。
变量是相对于常量而言的,常量是指在一个研究中所有个体都具有相同的状态或特征,一个概念具有一个值,如“华东师范大学”就是一个常量,是指地处上海的一所重点师范院校,不同的人对此的解释是相同的。
而变量则是指在一个研究中不同的个体具有不同的状态或特征,一个概念具有不同的值,如“教学”这个概念,不同的人对这个词的理解会有差异,尽管用的是同一个词,但教育部部长对“教学”的理解,研究人员对“教学”的理解,老师对“教学”的理解,学生对“教学”的理解,家长对“教学”的理解在实际含义上是有区别、有差异的。
例如,我们想比较两种不同的教学方法对小学5年级学生阅读能力的效果,在这个研究中,年级水平是一个常量,因为每个被试都是5年级学生,5年级对于每个个体来说具有相同的值,它在该研究中是不变的条件,大家都能理解它的含义,不会产生歧义。
因此,研究者不需要对这个概念进行界定。
而教学方法则可以按多种价值标准来衡量,不同的教学方法有不同的操作程序,因此它是变量。
另外,阅读能力也是个变量,对于每个被试而言,阅读能力有强弱之分,在测量上阅读成绩会有不同的分数,因此,研究者必需对变量进行解释。
在教育研究中,常量不是要研究的内容,研究要探讨的是变量之间的相互关系。
一项研究往往会涉及许多个变量及其相互关系,正如不同教学方法效果的比较研究,就被试来说,学业成绩、智力水平、学习动机、兴趣爱好、能力等因素在质和量上都会发生变化,都有差异,而且这些变量互相交织在一起。
如果要把一项研究所涉及的所有变量都拿来研究,事实上是不可能的,也没有必要,因此研究者必须事先确定要研究的主要变量,了解研究情境中变量的性质,并理清变量之间的关系。
2.研究变量的类型
在一个真实的研究情景中,常常会涉及许多个变量,变量的功能也各不相同,变量之间互相交织,互相影响。
其中有些变量是研究者要研究的,有些变量则是研究者不想研究的。
另外,变量与变量之间彼此关联,互相作用,在研究中的性质、作用和地位也各不相同,有主要的,有次要的;有主动的,有依附的;有连续的,有类别的。
因此了解研究情景中各个变量的性质,区分不同类型的变量,明白变量在一项研究中的关系,对研究者来说是非常关键的问题。
按形式划分,变量可以分为连续变量和类别变量。
凡是在本质上能以连续数值表示其特性的变量,称为连续变量。
如“学业成绩”以分数表示,“身高”以厘米表示,“年龄”以岁数表示。
凡不能以连续数值表示,而需以类别表示其特征的变量为类别变量,也称之为“不连续变量”。
如“性别”分男女,“学校规模”分大中小,“父母管教方式”分民主、独裁、放任等。
这种分类方式,对研究过程中统计资料的分析具有重要意义。
按来源划分,变量可分为主动变量和属性变量。
凡可以由研究者主动安排或操纵的变量为主动变量。
如“教学方法”、“奖励方式”、“噪声”等,这些变量是由研究者主动操作的。
而另一类变量代表研究对象的各种属性,包括生理属性、心理属性、社会属性、物理属性等。
这些变量研究者无法主动操纵,只能通过观察和测量来得知其特征,称为属性变量。
按变量间的关系划分,可以分为自变量、因变量、无关变量、调节变量、中介变量等。
在教育研究中,变量的分类体系很多,其中最重要的,应用最广泛的变量是自变量、因变量和无关变量。
(1)自变量
自变量(independentvariable)又称刺激变量。
是引起或产生变化的原因,是研究者操纵的假定的原因变量。
当两个变量存在某种联系,其中一个变量对另一个变量具有影响作用,我们称那个具有影响作用的变量为自变量。
自变量的变化水平完全取决于研究者的操纵与设计。
例如,研究学生智力与学业成绩的关系,学生“智力”的高低影响“学业成绩”,那么“智力”就是该项研究的自变量,是研究者要操纵的原因变量。
(2)因变量
因变量(dependentvariable)又称反应变量,也称依变量。
是受自变量变化影响的变量,是自变量作用于被试后产生的效应,是研究者要测定的假定的结果变量。
因变量的变化不受研究者的控制,它的变化是由自变量的变化所产生。
当两个变量存在某种联系,其中一个变量对另一个变量具有影响作用,我们称那个被影响的变量为因变量。
在一项研究中自变量好比是原因,因变量好比是结果。
例如,我们想研究噪声对学习效果的影响,“噪声”就是自变量,研究者可通过改变噪声的时间或强度等来操纵这个变量。
而“学习效果”则是因变量,它是“噪声”这个自变量作用于被试后产生的效应,是研究者要测量的结果变量。
(3)无关变量
无关变量(extraneousvariables)有时也称控制变量。
是指与特定研究目标无关的非研究变量,即除了研究者操纵的自变量和需要测定的因变量之外的一切变量,是研究者不想研究,但会影响研究进程的,需要加以控制的变量。
例如,研究两种不同的教学方法对学生学业成绩的影响,在这里“教学方法”是自变量,“学业成绩”是因变量,除此以外其它各种因素都是无关变量。
无关变量在这项研究中,可能会有教学时间、教学环境、学生的智力、原有的知识基础、家教辅导等等各种因素,这些因素会干扰自变量和因变量的对应关系。
当这些因素与自变量(教学方法)的作用混杂在一起时,往往导致人们难以确定两种教学方法效果的优劣,无法判断最终的研究结果(因变量)是来自教学方法(自变量),还是来自教学时间、教学环境、学生的智力、原有的知识基础、家教辅导等等其他各种因素(无关变量)。
如果研究者能有效的控制这些无关变量,研究结果就会比较明确可靠。
(4)调节变量
调节变量(moderatorvariable)是一种特殊的变量,具有自变量的作用,也称之为“次自变量”(secondaryindependentvariable)。
在实验中增加这种变量,目的是为了了解它怎样影响或改变自变量和因变量之间的关系。
有时候,自变量与因变量的关系会受到另一个变量的影响而改变,这第三个变量称之为调节变量。
例如,探讨A、B两种教学方法对提高学生学业成绩的效果,结果发现:
A法对智力高的学生比较有效;B法对智力低的学生较有效。
很明显,在这个研究中,教学方法是自变量,学生的学业成绩是因变量,但是研究的自变量和因变量的关系却可能受到第三因素——学生智力的影响,因此学生的智力水平就是一个调节变量。
当我们把一个因素看成自变量,我们关心的是它与因变量的对应关系;当我们把一个因素看成调节变量,我们关注的是它如何影响自变量和因变量的关系。
在研究设计时,一定要将可能的、重要的调节变量纳入研究框架中,这样在分析研究结果时才不至于产生偏差。
(5)中介变量
中介变量(interveningvariable)也称中间变量,是介于原因和结果之间,自身隐而不显,起媒介作用的变量。
中介变量是不能直接观测和控制的变量,它的影响只能从研究的自变量和因变量的相互关系中推断出来。
例如,研究兴趣与学业成绩的关系,自变量为对某门学科的兴趣,因变量为学科的测验成绩。
结果是学习兴趣浓厚,学业成绩相对要好。
当我们自问:
为什么学习兴趣浓厚导致学业成绩良好?
原因是什么?
这就是在问中介变量是什么?
可能的答案是学生注意力的集中,或投入学习的时间增加等等。
理解中介变量对形成研究结论具有重要意义,因为推断中介变量可引出普遍性结论。
兴趣本身是不会增加学业成绩的分数的,但兴趣可引起学生的注意力,增加注意力可以提高学习效果。
认识到这一点,那么即使不采用提高兴趣的形式,只要采取各种能吸引学生注意力的手段,便可以提高学业成绩。
中介变量通常用来解释自变量和因变量关系的理论框架,反映研究者如何看待或说明自变量和因变量之间的关系。
中介变量的构建在很大程度上取决于研究者对所研究现象采取的理论立场,因此,探讨中介变量对最终形成理论具有重要意义。
二、研究变量之间的相互关系
通常研究要探讨的是自变量与因变量的对应关系,自变量是研究者要安排或操纵的因素,因变量是研究者要观察或测定的因素。
自变量的变化能引起或影响因变量的变化,而因变量的变化依赖于或取决于自变量的变化。
从这个意义上说,自变量和因变量的关系可以看作为某种因果关系,即自变量是假定的原因,因变量则是假定的结果。
在一项研究中,除了自变量和因变量之外,还可能有许多变量介入到研究过程中来,并且干扰自变量和因变量的对应关系,这些变量统称为无关变量。
无关变量是研究者要控制的因素,因为如果不排除这些无关因素的干扰,便难以解释自变量与因变量的对应关系。
自变量、因变量和无关变量三者之间的关系可用下图解释,见图4-1
原因结果
自变量
操纵
因变量
无关变量
测定
控制
自变量、因变量
图4-1自变量、因变量和无关变量三者关系示意图
从图中我们可以看到,研究的目的是探讨自变量与因变量的对应关系,图中用实线表示,研究的焦点最终集中在因变量的测定上。
自变量和无关变量都可能成为产生因变量效果的原因,当自变量和无关变量混淆在一起时,我们难以判断自变量与因变量的一一对应关系。
为了达到研究目的,获得准确的测定结果,必须对无关变量进行有效的控制,尽可能排除无关变量对因变量测定的影响,图中虚线表示无关变量会影响因变量的测定结果,需要加以控制。
要推断自变量和因变量之间是否存在因果关系,通常要同时满足以下三个条件:
一是具有共变关系。
即自变量和因变量要共同变化,自变量变化了,因变量也要随之而变化;二是具有时间顺序关系,即自变量的变化必须发生在因变量变化之前,因变量的变化取决于自变量的变化;三是对无关变量的控制,即排除无关因素对自变量和因变量对应关系的影响,使自变量和因变量的关系“凸现”、“纯化”。
自变量、因变量、无关变量、调节变量都是具体的,可观测的变量,而中介变量则是假设的、潜在的概念变量,它不能直接观测,只能从自变量或调节变量对因变量所产生的作用中推导出来。
通常像成就感、动机、新颖性、挫折等常被用来解释学习过程中一些变量关系的中介变量。
为了更好地理解各种变量的作用,可用下图4-2表示它们之间的关系。
原因关系结果
自变量(操纵)
(纳入)(推断)(测量)
调节变量中介变量因变量
(控制)
无关变量
时间
图4-2研究变量相互关系示意图
在图中自变量、因变量、无关变量的关系照旧,调节变量是从无中分离出来的一种变量,它的作用相当于一个次要的自变量,并与自变量一起作为原因纳入研究。
中介变量是原因和结果之间,自变量和因变量之间的可能中介,它的存在会对自变量、调节变量的效果的解释产生影响。
例如,课堂教学中采用多媒体教学和口头讲授教学效果的比较研究
假设:
采用多媒体教学效果优于口头讲授教学效果
自变量:
授课的方式(多媒体教学与口头讲授教学)
因变量:
学习效果的测量(可以是统一的考试)
无关变量:
授课时数、内容、学生原有水平、练习时间等
调节变量:
性别、智商
中介变量:
注意力、新颖性
三、控制研究变量的方法
教育研究中,“控制”这个术语表示研究者对整个研究过程的把握与操纵。
从广义上说,控制表示研究者能够操纵或选择自变量的变化水平;选择因变量以及测量因变量的方法;控制研究过程中的无关变量。
从狭义上说,控制是指对影响自变量和因变量之间对应关系的无关变量的处理和控制。
控制在教育研究过程中具有重要作用,它是决定研究结果是否确实可靠的重要因素。
控制研究变量包括三项内容:
对自变量的操纵;对因变量的测量;对无关变量的控制。
(一)对自变量的操纵
自变量是研究者主动操纵、直接控制的变量。
自变量的变化完全取决于研究者的操纵。
按自变量的性质,可分为刺激变量(stimulusvariable)和机体变量(organicvariable)两类:
刺激变量是指促使个体产生反映的一切事物。
可以是来自外部环境的能量变化,也可以是来自个体内部的生理变化。
如果自变量属于刺激类的变量,那么研究者就能直接操纵这个变量,改变他的数量或强度。
例如,探讨噪声对学习的影响,噪声就是刺激类的自变量,研究者可以直接控制操纵噪声的强度,来研究对学习可能会有怎样的影响。
大多数研究的自变量属于刺激类自变量。
对研究变量的操纵往往涉及次数、强度、方式、程序、介入时间、延续时间等。
机体变量指个体的生理特征,如个体的性别、年龄、身高、体重、血型、体形等,也包括个体的心理特征,如智力、学历、性格等。
当自变量属于机体变量时(如年龄、性别、性格等),由于研究者无法改变个体独有的生理心理特征,因此无法直接操纵机体变量,只能采取选择的手段来控制自变量。
例如,我们想探讨学生的智力与数学能力之间的关系,由于智力是机体变量,我们无法直接对学生的智力进行操纵和控制,用人为的方式将智力中等的转变为智力高的,或将智力高的转变为智力低的。
因此,只能采用选择的方法。
如,进行一次智商测验,从总体中选取智力水平高、中、低的被试进行研究。
控制自变量需要考虑以下一些具体问题[1]:
1、选定的自变量是否可以操纵?
可以操纵的自变量是指研究者能够控制、调节、操作并有规律地变化的条件。
如实验中的文字、声音、作业难度、时间等都是可以由研究者主动操纵控制的条件。
而不可操纵的自变量是研究者无法控制和改变的条件,如性别、年龄、发展水平等。
一般可操纵的自变量可采用实验研究方法。
2、确认自变量的数有几个?
只有一个自变量的研究称为单因素研究,两个或两个以上自变量的研究称为多因素研究。
研究中自变量越多,需要控制的因素也就越多,设计的方案就越复杂,但研究结果的内容也就更丰富,意义更深刻。
3、确认自变量的水平(层次)需要多少个?
实验研究在操纵自变量时,至少要有两个水平(层次),即自变量“有”还是“没有”,“出现”还是“没出现”,如,药物治疗多动症,有“服药”和“没服药”两种水平。
有时为了比较用药量的最佳治疗效果,可以将自变量的水平分为多个等级,如分为没有服药的;服1毫克药的;服2毫克药的、服3毫克药的四种水平,然后观察服药后的行为表现。
多因素设计涉及自变量的数和水平,通常以数字表示实验设计模式。
如,2X2设计,这是因素设计中最简单的模式。
它的含义是实验自变量数有两个,即“X”前后的数,而数值则意味着“X”前的自变量有两种水平,“X”后的自变量也有两种水平。
如果是2X3X2设计,就意味着这个实验有三个自变量,第一个自变量有两种水平,第二个自变量有三种水平,第三个自变量有两种水平。
2X3X2设计要比2X2设计复杂得多,因为2X3X2设计要组合成12个组,即2X3X2的乘积;而2X2设计只需4个组。
因此,因素设计中自变量数越多,数值越大,研究也就越复杂。
(二)对因变量的测量
因变量涉及研究的最终结果,因此如何选择最佳的因变量以及如何精确地测量它的变化成了研究者最为关心的问题。
一般,因变量的测定同因变量本身的复杂程度有关;同研究要达到的精确程度有关;同现有的测量工具、测量手段有关;同研究的定性定量水平有关。
因变量的一个重要特征是它可以通过直接或间接的方式被观察、被测量,并且可以转化为数据形式。
如,测验分数、考试成绩、评定等级、反映时间、答题正误的百分比等。
因变量的测定关键是要有合适的测量指标,指标通常涉及测量方法、工具、材料、次数、时间、插入点的安排等。
确定测量指标时,以下几个方面可以考虑:
敏感性所选指标对自变量的变化有较高的分辨能力。
如,用称米的秤作为测量工具去称黄金首饰就不合适,因为称米的秤作为测量因变量的工具灵敏度不高,最好能用精密的天平作为测量工具去称黄金首饰。
黄金首饰重量上的细微变化在天平上会敏感地感受到,在测量量表上会有明显的变化。
又如五分制评分与百分制评分相比,百分制敏感性较高,精确程度也较高。
一般而言,因变量的测量工具应选敏感性高的、精确程度高的指标体系。
客观性所选指标可以观察、可以测量,具有可靠性和准确性,指标的解释不以研究者或被试的主观意志为转移。
在教育研究中个体行为错综复杂,一个刺激可能会产生各种各样的反应。
例如,巴甫洛夫的经典条件反射实验,以铃声作为刺激物(自变量)观察狗的唾液分泌(因变量)。
事实上,狗对铃声情景条件会有很多反应:
摇尾、抖腿、竖耳、警觉、逃跑、汪汪叫、唾液分泌等。
为什么巴甫洛夫选择唾液分泌反应作为测量的因变量而不选择其他指标呢?
主要是唾液分泌具有较高的一致性,即狗对在同一刺激情况下产生的众多反应中,唾液分泌反应的变异程度最小,因此,一致性程度较高,可靠性或准确性也较高。
稳定性所选指标在重复测验中数值接近,能获得稳定一致的结果。
例如,某个智力测验的确能够测量个体的智力,在反复多次测量中所得的数据资料差不多,那么这个智力测验具有较高的信度和效度。
而老师随堂出的测验卷则由于难以重复,缺乏可比性,稳定性较差。
测量工具的稳定性一般通过求重复测量的相关系数来确定。
经济性所选指标应观测方便,数据转换容易,能节省时间和精力。
例如,用测量体重作为指标来测量人是否有高血压就不是合适的指标。
用称小学生书包重量作为指标来研究学生的负担就不是一个合适的指标。
因此,如何选择最佳的因变量以及如何精确地测量因变量的变化是研究者最为关心的问题,这关系到研究成果的精确性和可靠性。
在选择因变量时要注意:
1、尽可能采用直接测量。
如测量身高、体重用尺和秤,测量血压用血压仪,万不得已才用间接测量,如有研究者想测量学生课堂学习注意集中的程度,一时又难以找到直接测量学生注意力的方法,他就采用间接测量的方法,用录音机录下汽车喇叭声、鸟叫声、钢琴声、哨声、自行车铃声等,每种声音持续时间10秒,各种声音之间有间隔。
上课后,研究者在教室外以学生听觉阈限之上的同一音量播放录音。
课后立即要求学生用再认法和回忆法在问卷上回答上课时所听到的声音。
以此间接地测量学生注意力集中程度。
[2]
2、采用权威的测量工具。
测量工具多种多样,测验量表各不相同,通常要选择公认的工具和量表,最好是标准化测验,有常模参照的。
这样可以保证测量的效度。
如要测学生智商用韦克斯勒儿童智力测验量表;研究学生人格关系用卡特尔人格量表(16PF)或明尼苏达多相人格量表(MMPI)。
3、测量指标的合适性。
在自行设计如何测量因变量的过程中,要使自变量对因变量的变化影响最大化,使因变量能敏感地显示自变量的变化,使这种变化的范围更宽广、更合适。
测量要避免天花板效应和地板效应。
例如要研究噪声对学生解答数学问题的影响作用,噪声是自变量,解答数学问题的成绩是因变量。
如果研究者将数学测验设计得非常简单、容易,不论被试接受何种水平的噪声,都可轻易解答,获得高分,从而无法区别出不同水平的噪声对解答数学问题的影响。
这一结果并不表明噪声对解答数学问题没有影响,而是由于测量指标过于偏窄、集中,没有区分度的缘故。
同样道理,如果研究者设计的数学测验特别难,所有的被试都得零分或低分,也同样不能显示不同水平的噪声对解答数学问题的影响。
4、采用多种测验方式。
为了保证因变量测量的效度,提高测量的准确性和可靠性,可采用多项测验方式,互相印证自变量对因变量的作用。
也可以进行重复测验确认自变量与因变量之间的因果关系。
(三)对无关变量的控制
控制无关变量是教育研究设计中最重要的、也是最复杂的内容。
为了避免研究过程中变量的相互混淆,必须对无关变量进行控制。
控制的基本原则是尽可能减少无关变量对自变量和因变量的干扰,具体方法有以下几种:
1、消除
控制无关变量的最彻底的方式是不让无关变量介入到研究情境中去,完全排斥在自变量和因变量对应关系之外。
例如研究智力(IQ)对短时记忆的关系,研究者意识到:
短时记忆除了受到被试的智力影响外,也可能受到被试的年龄、性别、教育程度、环境因素如噪声的影响,为了消除噪声这一无关变量的影响,研究者对被试短时记忆的测量放在隔音室中进行。
2、恒定
有些无法排除的无关变量,可以采取使这些变量在研究过程中保持恒常不变,即所有的被试都接受相同的无关变量,把变量变为常量。
如要比较二种不同教学方法效果的优劣,当研究者意识到教师的性别、年龄、相貌、语言风格、业务水平等无关变量会对教学方法的效果带来影响时,可以让一位老师分别担任实验班和对照班的教学,这样教师的性别、年龄、相貌、语言风格、业务水平等无关变量对这两个班来说就能保持恒定。
采用恒定方式控制无关变量的通常做法:
对实验条件的控制,同一时间、同一地点、同一主试进行;对研究对象的控制,选择智力、性别、年龄、程度相同的被试进行;对实验过程的控制,按照同一的研究程序、同一的研究步骤进行。
3、均衡
当无关变量无法消除,也不能保持恒定时,研究者可以采取均衡的方法来控制无关变量。
通常的做法是设置实验组和控制组,让无关变量产生的作用对实验组和控制组都一致,都保持平衡。
也就是说,实验组和控制组在实验条件上都相同,唯一不同的是实验组接受实验处理,而控制组不接受实验处理。
采用设控制组的方法是控制无关变量常用的方法,它可以控制很多无关变量,而且简单、方便。
均衡控制与恒定控制有相似之处,只是控制手段不同,采用恒定控制时,无关变量在组内以及组间都没有变化;采用均衡控制时,无关变量在组内有变化,但是变化所产生的作用在各组间是相等的。
[3]例如,通过随机取样获得被试20人,其中男性12人,女性8人,要分成两组进行实验。
由于性别可能会对因变量产生作用,所以需要控制这个无关变量。
当然可以采用恒定控制的方法,以男性或者女性为被试,但这样会减少样本数量,同时也会限制实验结果的概括性,这时可以采用平衡控制方法。
将男性12人随机分成两组,一组为实验组,一组为控制组;女性8人也随机分成两组,分别加入实验组和控制组。
这样每一组内性别变量有变异(6男4女),而两组间的性别为平衡均等。
4、抵消
有些实验研究,被试需要在各种不同的实验条件下接受重复测量,由于重复测量,练习、迁移、干扰、疲劳、热身等作用会影响因变量的测量效果,研究者可以采用抵消的方式来控制这类无关变量。
例如在一项关于比较A、B两种训练方法效果哪个更好的实验研究中,A、B两种训练方法无论哪个先做,都会对后做的效果产生影响。
研究者可以采用一组按照A、B顺序安排实验,另一组则按照B、A顺序安排实验,最后将两组A的实验结果相加,两组B的实验结果也相加,再对A、B进行比较,得出结论。
通过轮组设计可以抵消实验顺序的影响。
5、随机
随机是科学研究必须遵循的基本原则。
随机化控制是研究者最常用的控制无关变量的方式,也是最有效的控制无关变量的方式。
随机化指被试的随机取样、随机分组、随机分配实验处理等。
通过随机化可以控制大量的无关变量,通过随机化可以把研究中的很多差异平均地分配到每个个体身上去,从而创造均等。
只要在研究中采用随机化程序,无论是已知的还是未知的无关变量,无论无关变量会产生什么样的作用,它对实验组和控制组的影响都可以假定为是相等的。
对无关变量的控制,研究者应该首先考虑采用随机化控制,尤其是在无法确定有哪些无关变量会对研究结果造成影响或不能确定采用什么方法控制无关变量时。
6、盲法
被试之间存在个别差异,这种差异会对研究结果造成影响,当然要严格控制。
有时,被试知道自己在实验组或了解实验真实意图,有可能作出反常行为。
如表现出情绪高涨,加倍努力,或设法迎合研究者的口味等,从而影响实验效度。
有时主试也是无关变量,也会对研究结果造成影响。
如主试的年龄、性别、身份、地位、态度、情绪等都会影响被试的学习、记忆、学业成绩、心理测量等。
甚至主试的偏见、期望不但会影响作为人的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 变量 研究 方法
![提示](https://static.bdocx.com/images/bang_tan.gif)