← → 翻页 · ESC 鸟瞰

📚 CIE AS · 研究方法全部页面 · 点击跳转

01 / 21
CIE AS · 研究方法 RESEARCH METHODS

研究方法
Research MethodsThe Psychologist's Toolkit

CIE 9990 Paper 2 专属。🐱巧手猫拿出工具箱——实验、相关、个案、调查，加上抽样、伦理、数据分析。学会它，你就能评价任何研究。

实验设计抽样伦理数据统计
研究方法

~ 心理学家的工具箱 ~

CIE 9990 · AS Level · Paper 2→ 按 → 开始
导读 MAP
02 / 21

心理学家
怎么找答案

🧪 实验

控制变量，找因果。最严谨。

🔗 相关

找关系，但不能说因果。

👤 个案

深入一个人（如 H.M.）。

📋 调查

问卷/访谈，量大但浅。

💡 核心：没有"最好"的方法——只有"最适合研究问题"的方法。问"X 导致 Y 吗"用实验；问"X 和 Y 有关系吗"用相关。

1.1 · 实验设计 EXPERIMENTAL DESIGN
03 / 21

控制变量
找因果关系

🔬 关键要素

自变量 IV：研究者操纵的变量。

因变量 DV：被测量的结果。

额外变量 Extraneous：可能干扰 DV 的因素（须控制）。

混淆变量 Confounding：已实际与 IV 混在一起、改变结果的变量。

控制方法：随机分配、标准化程序、counterbalancing 平衡。

实验设计 IV DV

~ IV / DV / 控制变量 ~

🧪 三种实验设计

独立组（independent groups）：每组被试只做一种条件。✓ 无顺序效应；✗ 需更多人、有个体差异。

重复测量（repeated measures）：同一批被试做所有条件。✓ 省人、无个体差异；✗ 顺序效应（需 counterbalancing 平衡）。

配对组（matched pairs）：两组被试按关键特征配对。折中方案。

💡 区分（考点）：问"X 导致 Y 吗"用实验；问"X 和 Y 有关吗"用相关。相关 ≠ 因果。🧋奶茶测评：A组只喝全糖、B组只喝半糖=独立组；同一批人先全糖后半糖=重复测量（需AB/BA平衡"喝腻"顺序效应）。

1.2 · 实验类型 TYPES OF EXPERIMENT
04 / 21

四类实验
生态效度逐级升高

🧪 实验室实验 Lab

人工环境、严格控制 IV/DV，随机分配。

✓ 内部效度最高、可重复；✗ 生态效度最低（人为）。

🌳 现场实验 Field

自然环境中操纵 IV，仍控制 DV。

✓ 生态效度高；✗ 难控制混淆变量。如 Piliavin 地铁助人。

🌱 自然实验 Natural

IV 自然发生（如政策、灾害），研究者无法操纵。

✓ 真实、伦理友好；✗ 无法随机分配、难断因果。

⚖️ 准实验 Quasi

基于既有分组（如性别/年龄），无法随机分配。

✓ 研究真实差异；✗ 个体差异可能混淆 IV。

~ 四类实验设计对比：实验室 / 现场 / 自然 / 准实验 ~

💡 考点：区分"自然实验"（IV 自然发生）vs"准实验"（按既有特征分组，无法随机分配）。生态效度：实验室 < 准 < 现场 ≈ 自然。

1.4 · 假设 HYPOTHESES
05 / 21

怎么写假设

🎯 备择假设 Alternative

方向性（directional）：预测方向。"A 组成绩高于 B 组"。→ 需理论依据支持才敢写方向。

非方向性（non-directional）：只说"有差异"，不定向。"A、B 组成绩有差异"。

⊘ 零假设 Null

H₀：假设 IV 对 DV 无影响。"两组成绩无差异"。

统计检验就是为了决定是否拒绝 H₀。p < 0.05 → 拒绝零假设。

💡 写法口诀：假设必须可检验、可证伪，且明确点出 IV 与 DV。例：低剂量咖啡因（IV）会缩短反应时（DV）——这是方向性假设。

1.3 · 抽样方法 SAMPLING
06 / 21

怎么选被试

🎲 随机抽样 Random

目标人群中每个人都有同等机会被选中。

✓ 最有代表性；✗ 实操难、耗时。

🎯 机会抽样 Opportunity

谁在就用谁（街头拦截、学生样本）。

✓ 快、便宜；✗ 偏差大（代表性差）。

👥 志愿抽样 Volunteer

登广告招募自愿者。

✓ 伦理友好；✗ 自我选择偏差。

📊 分层抽样 Stratified

按人口比例（性别/年龄）分组后随机抽。

✓ 代表性好；✗ 复杂。

抽样方法

~ 抽样与代表性 ~

⚠ 样本偏差 (sampling bias)：Milgram 经典"语音反馈"实验为 40 名 20–50 岁美国男性；Asch 线条判断约 123 名美国男大学生——规模小且性别/地域单一 → 代表性差 (low population validity)。先问"这能推广到谁"。🏋️健身房门口测"全国运动时长"→全是爱运动的人，结论严重偏高。

1.5 · 研究伦理 ETHICS
07 / 21

被试的
权利高于一切

✅ 四大原则

知情同意（informed consent）：被试知道要做什么。

保密（confidentiality）：数据匿名。

退出的权利（right to withdraw）：随时可走，无惩罚。

防伤害（protection from harm）：身心不能受长期伤害。

⚠ 欺骗与事后说明

欺骗（deception）：有时实验必须隐瞒目的（如 Milgram）。需伦理委员会批准。

事后说明（debriefing）：实验结束后告知真相、确保被试离开时状态良好。

→ Milgram/Zimbardo 都因伦理问题推动了现代规范。

💡 伦理 vs 科学价值：研究有欺骗时，需权衡"科学价值 vs 被试权益"。现代伦理委员会（IRB）必须事先批准。动物研究还需遵守 3R 原则：替代 (Replacement) / 减少 (Reduction) / 优化 (Refinement，即减轻痛苦、改善动物福利)。🔓事后说明=密室逃脱式实验后，研究者像剧透一样解释"其实在测 XX"，确保你笑着离开。

1.6 · 信度与效度 RELIABILITY & VALIDITY
08 / 21

结果可信吗？有效吗？

🔄 信度 Reliability

定义：重复测量能得到一致的结果。

例：今天测 IQ 120，下周测 119 → 高信度。

检验：test-retest（重测）、inter-rater（评分者间）。

→ 信度是稳定性。

🎯 效度 Validity

定义：测量的是真正想测的东西。

例：浴室体重秤每次都显示 60kg（高信度），但你实际 70kg（低效度）→ 测得一致但测错了。

三种类型（勿混用）：内部效度（因果可信）、外部效度（推广到其他人群/情境）、生态效度（任务贴近真实生活）。

→ 效度是准确性。

💡 关键：信度是效度的必要不充分条件——可以稳定但测错东西，但不能不稳定还测对。实验室实验内部效度高但生态效度常受质疑。

2 · 数据与统计 DATA & STATS
09 / 21

数据怎么分

📊 定量 vs 定性

定量（quantitative）：数字。如电压、反应时、正确率。→ 可统计、可比较。

定性（qualitative）：文字。如访谈、观察记录。→ 深度好、丰富，但难量化。

📐 集中趋势与离散

平均数 mean：÷个数，受极端值影响。

中位数 median：中间值，不受极端值影响。

众数 mode：最常出现的值。

全距 range：最大值−最小值。

标准差 SD：离散程度。SD 大=分布散。

正态分布

~ 正态分布曲线 ~

🔢 测量层级 → 选哪个集中量数

称名 nominal（类别，如性别）→ 众数；等级 ordinal（有名次，如赛跑名次）→ 中位数。

等距 interval（如温度℃）/ 等比 ratio（如反应时，有真零点）→ 平均数可用。

💡 考点：CIE 可能要求计算 mean/median/mode，或解释某研究应选哪个。有极端值时用中位数，分类数据用众数。

2.1 · 相关 CORRELATION
10 / 21

相关不是因果

📈 正相关

两变量同向变化。学习时间↑，成绩↑。

r > 0，越接近 +1 越强。

📉 负相关

两变量反向变化。压力↑，睡眠↓。

r < 0，越接近 −1 越强。

➖ 零相关

两变量无关。鞋码与 IQ。

r ≈ 0。范围 −1 ≤ r ≤ +1。

正相关 + 负相关 − 零相关 0

⚠ 第三变量陷阱："冰淇淋销量↑ 溺水↑" → 真因是夏天。"鞋码大的孩子阅读更强"→ 真因是年龄。相关只能说明有联系，不能说明谁导致谁。

2.2 · 观察法 OBSERVATION
11 / 21

怎么看行为

👀 四种维度

自然 vs 控制：在自然情境 vs 实验室。

参与 vs 非参与：研究者是否加入被观察群体。

公开 vs 隐蔽：被观察者是否知情。

取样：时间取样（按时段）vs 事件取样（按事件）。

📋 行为清单 + 信度

先制定行为分类表（behavioral categories），再计数。

需多名观察者 → 检验 inter-observer reliability（评分者间一致性）。

⚠ 警惕观察者偏差（主观期待影响记录）。

💡 评价：✓ 高生态效度、记录真实行为；✗ 难重复、无法确定因果、伦理（隐蔽观察）受质疑。

2.3 · 自陈法 QUESTIONNAIRE & INTERVIEW
12 / 21

问卷与访谈
怎么问得准

📝 问卷 Questionnaire

利克特量表（Likert）：1–5/1–7 打分，量化态度。

封闭式（选选项）vs 开放式（自由作答）。

✓ 快、量大、可量化；✗ 社会赞许偏差。

🗣️ 访谈 Interview

结构化：固定问题，可比较。

半结构化：有大纲可追问。

非结构化：像聊天，深度高。

✓ 深度、灵活；✗ 费时、难量化。

💡 共同陷阱：① 引导性/诱导性问题（措辞左右答案）；② 社会赞许性（被试美化自己）；③ 自我报告≠真实行为。

2.4 · 个案研究 CASE STUDY
13 / 21

深入一个人（或少数）

🔬 方法学特征

对个体/小群体长期、深入、多角度研究。

多源资料：深度访谈 + 档案 + 观察 + 测验。

纵向追踪：随时间变化。

经典：H.M.（海马切除）、Genie、Sperry 裂脑人。

⚖️ 评价

✓ 深度极高、揭示罕见/独特现象、为理论提供丰富细节。

✗ 无法推广（n=1）、耗时、依赖研究者解释、记忆/回忆偏差。
→ 个案 ≠ 个例（anecdote），前者系统、后者随意。

💡 价值：个案研究常用于检验或生成理论——H.M. 证实了"陈述性长时记忆依赖海马"，是双分离逻辑的经典证据。

2.5 · 推断统计 INFERENTIAL STATS
14 / 21

结果显著吗？

📐 p 值与显著性

p 值：结果"纯凭偶然"出现的概率。

显著性水平常取 p < 0.05（5%）→ 差异不太可能由偶然造成 → 拒绝零假设。

p 越小越显著，但"显著≠重要"。

⚠ 两类错误

I 型错误（假阳性）：本无差异却判为有差异。

II 型错误（假阴性）：本有差异却漏判。

检验分参数检验（如 t 检验，要求数据满足正态/等距）与非参数检验（要求低、适用更广）。

💡 关键：描述统计（mean/SD）只"总结"；推断统计才"下结论"——判断差异是真实还是偶然。写报告时务必报告 p 值。

3 · 研究报告 RESEARCH REPORT
15 / 21

APA 报告
六段式

① 摘要 Abstract

全文浓缩：目的/方法/结果/结论，约150字。

② 引言 Introduction

文献回顾 → 提出研究问题与假设（IV/DV）。

③ 方法 Method

设计/被试/材料/程序——须可重复。

④ 结果 Results

描述+推断统计、图表，不解释。

⑤ 讨论 Discussion

解释结果、与假设对照、评价、推广。

⑥ 参考文献 References

APA 格式列出所有引用文献。

💡 Method 段是 CIE 高频考查点：须写清实验设计、被试（数量/抽样）、标准化程序、控制变量，让他人能精确复制你的研究。

3 · 方法总评 COMPARISON
16 / 21

四种方法
各有长短

🧪 实验

✓ 找因果、控制严谨
✗ 人工环境、生态效度低

🔗 相关

✓ 真实变量、伦理友好
✗ 不能说因果

👤 个案

✓ 深度极高、独特信息
✗ 无法推广、耗时

📋 调查

✓ 量大、便宜
✗ 自我报告偏差、浅

💡 三角验证法（triangulation）：用多种方法研究同一问题，互相印证——这是现代心理学提高可信度的重要策略。

考点速记 KEY TERMS
17 / 21

CIE Paper 2
必考术语

📊 IV / DV

自变量（操纵）/ 因变量（测量）。

🔄 Reliability vs Validity

信度（一致性）vs 效度（准确性）。

🎯 Ecological validity

生态效度：能推广到现实生活吗？

⚖️ Deception + Debriefing

欺骗 + 事后说明。伦理核心。

自测 + 真题 SELF-TEST & EXAM
18 / 21

自测 + CIE 真题范例

① 自测

独立组 vs 重复测量设计各有什么优缺点？

信度和效度的关系是什么？

为什么"相关不是因果"？举个例子。

📝 真题范例

Explain one strength and one weakness of the experimental method. [6 marks]

Strength：能控制变量、确定因果关系。如 Loftus & Palmer (1974) 仅改变问题中的动词（IV：smashed vs hit）测量车速估计（DV），证明措辞影响估计。
Weakness：生态效度低——看视频 ≠ 真实目击车祸。

💡 常见错误：① 混淆随机抽样（选人）和随机分配（分组）。② 说"样本偏差"不说明为什么是问题。③ 忘记伦理评价。

学习建议 STUDY TIPS
19 / 21

怎么学
最有效

📚 策略

① 方法-研究配对：每种方法配一个具体研究。

② 伦理清单：每个研究过一遍伦理四原则。

③ 统计练习：手算 mean/median/mode。

✏️ 答题

① Paper 2 考方法学为主。

② 评价要具体：不说"样本有偏差"，说"全是美国男大学生，无法代表女性和其他文化"。

③ IV/DV 要写清：阅卷按此给分。

💡 核心：研究方法是 CIE 的"工具箱"——理解了它，你就能评价任何研究。这是从"记知识"到"会思考"的关键一步。

结语 END
20 / 21

CIE AS Level
全部完成！

🎉 5 卷 · 四大取向 + 研究方法——你已经走完了整个 CIE 9990 AS Level 考纲。从生物取向的神经元到研究方法的统计分析，你都懂了。

参考 REFERENCES
21 / 21

本册
参考来源

📚 教材与文献

Cambridge International AS & A Level Psychology Coursebook (CUP) · CIE 9990

CIE 9990 Syllabus (2024–2026) · 官方考纲文档