Методология выборки событий - Event sampling methodology

Методология выборки событий (ESM) относится к дневниковому исследованию. ESM также известен как мгновенная экологическая оценка (EMA) или методология выборки опыта. ESM включает методы выборки, которые позволяют исследователям изучать непрерывный опыт и События путем проведения оценок один или несколько раз в день для каждого участника (n = 1) в естественных социальная среда.^[1][2] ESM позволяет исследователям изучать распространенность поведения, способствовать развитию теории и выполнять исследовательскую роль. Частые отбор проб событий, присущих ЭСМ, позволяет исследователям измерять типологию деятельности и обнаруживать временные и динамические колебания опыта (например, на работе или в отношениях). Популярность ESM как новой формы дизайн исследования увеличился за последние годы, потому что он устраняет недостатки перекрестных исследований, которые не могут обнаружить внутрииндивидуальные различия и процессы во времени и причинно-следственные связи.^[3] В ESM участников просят записывать свои опыт и восприятие в бумажном или электронном виде дневник. Дневниковые исследования позволяют изучать события, которые происходят естественно, но трудно исследовать в лаборатории. Для проведения выборки событий, SurveySignal и Expimetrics ^[4] становятся популярными платформами для исследователей социальных наук.

Некоторые авторы также используют термин «выборка опыта», чтобы охватить пассивные данные, полученные из таких источников, как смартфоны, носимые датчики, Интернет вещей, электронная почта и социальные сети, которые не требуют явного участия участников.^[5] Эти методы могут быть полезными, поскольку они предъявляют меньше требований к участникам, улучшая соблюдение требований и позволяя собирать данные за гораздо более длительные периоды, с меньшей вероятностью изменят изучаемое поведение и позволяют производить выборку данных с гораздо большей частотой и большей точностью. Многие вопросы исследования могут получить пользу как от активных, так и от пассивных форм выборки опыта.^[6]

Типы процедур выборки опыта

Существует три типа процедур ESM:

1. Контингент сигнала - какая-то форма уведомления, например SMS текстовых сообщений,^[7] или писк из пейджер или же наручные часы, уведомляет участников о записи данные через фиксированные или случайные интервалы.^[2] Преимущество этого типа ESM - минимизация отзыва предвзятость. Дополнительным преимуществом при использовании в сочетании со сбором данных в режиме онлайн является повышение скорости и своевременности ответов за счет отправки сигнала напоминания, если участник не отвечает в течение указанного времени.^[7]
2. Контингент событий - участник записывает любое наступление определенных заранее определенных событий. Эта форма наиболее полезна, когда мероприятие происходит нечасто. Это также обеспечивает гибкость для отслеживания событий, которые обычно изменяются сами по себе. Четкое определение интересующих событий важно для того, чтобы не искажать частоту и позволять участнику легко различать, произошло событие или нет.^[2]
3. Интервальный контингент - записывает данные по истечении определенного периода времени. Обычно участников просят самоотчет на интересующее поведение в заранее определенные интервалы^[8] которые определяются на основе либо теоретический или же логичный единиц времени.^[3] Выбор самого интервала важен для того, чтобы не привести к искаженному восприятию поведения, но также важно, чтобы это не обременяло участников.^[9] День - это наиболее часто используемая единица выборки.^[2]

Сильные стороны ESM

Использование ESM имеет много преимуществ. Во-первых, он подчеркивает возможные ситуации и роли, от которых может зависеть поведение. То есть служит демонстрацией взаимодействие между человеком и контекстом и дает представление о непредвиденных обстоятельствах поведения.^[8] Вторая сильная сторона ESM заключается в том, что она обеспечивает экологическую достоверность, поскольку данные собираются в естественной среде участника, и это позволяет повысить обобщаемость полученных данных. Еще одним преимуществом является то, что он предоставляет отличный инструмент для измерения индивидуальных различий и различий, которые возникают или изменяются с течением времени. Тот факт, что ESM позволяет избежать некоторых из типичных проблем ESM, является четвертой сильной стороной. При использовании типичных самоотчетов могут возникнуть проблемы с памятью или предвзятостью воспоминаний, когда участникам может быть трудно вспомнить прошлое. Последней сильной стороной ESM является то, что он служит демонстрацией полезности оценки с использованием нескольких методов. Результаты и применение ESM наиболее полезны, когда они используются, например, в сочетании с глобальными отчетами.^[8]

Ограничения ESM

У ESM есть несколько недостатков. Одним из недостатков ESM является то, что участники могут иногда воспринимать его как агрессивный и навязчивый. ESM также приводит к возможным предвзятость самоотбора. Возможно, только определенные типы людей готовы участвовать в этом типе исследования, создавая нерепрезентативную выборку. Еще одна проблема связана с сотрудничеством участников. Участники могут не заполнять свои дневники в указанное время, и были высказаны опасения, что разница в формате дневников может повлиять на соблюдение требований.^[10] Однако недавние исследования^[10] обнаружили, что на исследования, посвященные средним уровням, различиям между людьми и корреляциям между переменными, с меньшей вероятностью повлияет разница между методами электронного и бумажного дневников. Исследования показали, что некоторые участники воспринимают повторные начисления как налоги.^[3] Дальнейшие опасения связаны с тем, что ЭСМ может существенно изменить изучаемое явление. Могут возникнуть эффекты реактивности или прайминга, так что повторное измерение может вызвать изменения в опыте участников. Этот метод выборки данных также очень уязвим для общей дисперсии метода.

Кроме того, важно подумать о том, используется ли соответствующая зависимая переменная в проекте ESM. Например, было бы логично использовать ESM для ответа на исследовательские вопросы, которые связаны с зависимыми переменными, которые сильно меняются в течение дня. Таким образом, такие переменные, как изменение настроения, изменение уровня стресса или непосредственное влияние определенных событий, лучше всего изучать с помощью методологии ESM. Однако маловероятно, что использование ESM даст значимые прогнозы при измерении того, кто выполняет повторяющуюся задачу в течение дня, когда результаты носят долгосрочный характер (например, ишемическая болезнь сердца) или по своей сути стабильные переменные.

Статистические методы

Возможный техники для анализа данных из ESM важно учитывать. ESM производит большой объем данных, что является одной из проблем, но есть также соображения, которые необходимо учитывать при принятии решения по анализу, например: гнездование, серийная зависимость, а также дисбаланс в количестве и дисперсии точек данных.^[2] Варианты варьируются от расчета композитов до регресс анализ или моделирование с помощью многоуровневые или иерархически вложенные модели.^[2] Наиболее часто используемые варианты моделирования дневниковых данных включают:^[9] Программное обеспечение для иерархического линейного моделирования (HLM),^[11] MLWin,^[12] и векторная авторегрессия.^[13]

Смотрите также

• Метод выборки опыта
• Дневниковые исследования

Рекомендации

1. Чиксентмихайи, М. (июль 2014 г.). Валидность и надежность метода выборки опыта. Журнал нервных и психических заболеваний. 175. Нью-Йорк: Спрингер. С. 526–36. Дои:10.1097/00005053-198709000-00004. ISBN  978-94-017-9087-1. PMID  3655778.
2. Рейс, Х. Т., и Гейбл, С. Л. (2000). Event-sampling и другие методы изучения повседневного опыта. В Х. Т. Рейс, К. М. Джадд, Г. Т. Рейс, К. М. Джадд (ред.), Справочник по методам исследования социальной психологии и психологии личности. (стр. 190–222). Нью-Йорк, Нью-Йорк США: Издательство Кембриджского университета.
3. ван дер Крике, L; Blaauw, FJ; Эмеренсия, AC; Шенк, HM; Slaets, JP; Bos, EH; de Jonge, P; Jeronimus, BF (2016). «Временная динамика здоровья и благополучия: краудсорсинговый подход к мгновенным оценкам и автоматизированному созданию персонализированной обратной связи (2016)». Психосоматическая медицина. 79 (2): 213–223. Дои:10.1097 / PSY.0000000000000378. PMID  27551988. S2CID  10955232.
4. "Expimetrics".
5. Нильсон, Д. М .; Smith, T. A .; Sreekumar, V .; Деннис, S .; Седерберг, П. Б. (2015). «Гиппокамп человека представляет пространство и время во время восстановления воспоминаний реального мира». Труды Национальной академии наук. 112 (35): 11078–11083. Bibcode:2015ПНАС..11211078Н. Дои:10.1073 / pnas.1507104112. ЧВК  4568259. PMID  26283350.
6. Blaauw, FJ; Шенк, HM; Jeronimus, BF; ван дер Крике, L; de Jonge, P; Айелло, М; Эмеренсия, AC (2016). «Давайте возьмем Physiqual - интуитивно понятный и универсальный метод объединения сенсорных технологий с мгновенными экологическими оценками (2016 г.)» (PDF). Журнал биомедицинской информатики. 63: 141–149. Дои:10.1016 / j.jbi.2016.08.001. PMID  27498066.
7. Хофманн, В., и Патель, П. В. (2015). SurveySignal: удобное решение для выборочного исследования опыта с использованием собственных смартфонов участников. Компьютерное обозрение социальных наук, 33, 235-253. http://journals.sagepub.com/doi/pdf/10.1177/0894439314525117
8. Scollon, C .; Kim-Prieto, C .; Динер, Э. (2003). «Выборка опыта: перспективы и недостатки, сильные и слабые стороны». Журнал исследований счастья. 4 (1): 5–34. Дои:10.1023 / а: 1023605205115. S2CID  145310487.
9. Bolger, N .; Дэвис, А .; Рафаэли, Э. (2003). «Дневниковые методы: запечатление жизни такой, какой она проживается». Ежегодный обзор психологии. 54: 579–616. Дои:10.1146 / annurev.psych.54.101601.145030. PMID  12499517. S2CID  29202034.
10. Green, A. S .; Rafaeli, E .; Bolger, N .; Shrout, P.E .; Рейс, Х. Т. (2006). «Бумага или пластик? Эквивалентность данных в бумажных и электронных дневниках». Психологические методы. 11 (1): 87–105. Дои:10.1037 / 1082-989x.11.1.87. PMID  16594769. S2CID  7126703.
11. Брик А.С., и Рауденбуш С.В., Congdon RT. 1996 г. HLM: иерархическое линейное и нелинейное моделирование с помощью программ HLM / 2L и HLM / 3L. Чикаго: Scientific Software Int.
12. Проссер Р., Расбаш Дж., Гольдштейн Х. 1996. МЛНРуководство пользователя. Лондон: Inst. Educ.
13. Krieke, LV; Jeronimus, BF; Blaauw, FJ; Вандерс, РБ; Эмеренсия, AC; Шенк, HM; Вос, СД; Snippe, E; Wichers, M; Вигман, JT; Bos, EH; Wardenaar, KJ; Jonge, PD (2016). «HowNutsAreTheDutch (HoeGekIsNL): краудсорсинговое исследование психических симптомов и сильных сторон (2015)» (PDF). Международный журнал методов психиатрических исследований. 25 (2): 123–144. Дои:10.1002 / мпр.1495. ЧВК  6877205. PMID  26395198.