Przejdź do treści
Wróć do wyników wyszukiwania

Metoda próbkowania doświadczeń w warunkach mobilnych — Ekologiczna ocena w czasie rzeczywistym w codziennym życiu

Autor metody
Mihaly Csikszentmihalyi & Reed Larson
Rok
1983
Typ
Intensive longitudinal data collection technique
Rodzina
Data collection

Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku

Rozmiar czcionki

Do czego służy?

Metoda próbkowania doświadczeń (ESM) to technika intensywnego, podłużnego zbierania danych, w której uczestnicy odpowiadają na krótkie, powtarzalne kwestionariusze dostarczane na ich smartfony w losowych lub zaplanowanych odstępach czasu w ciągu dnia.

Poprzez uchwycenie myśli, uczuć, zachowań i kontekstu w momencie ich wystąpienia lub w jego pobliżu, ESM minimalizuje błąd retrospektywnego przypominania i zapewnia obraz fluktuacji psychologicznych i behawioralnych w codziennym życiu o wysokiej rozdzielczości.

Intuicja stojąca za metodą

Tradycyjne ankiety proszą ludzi o refleksję nad dniami lub tygodniami — proces podatny na zniekształcenia pamięci i dominację szczytowych lub niedawnych doświadczeń. ESM omija ten problem, zadając krótkie, ukierunkowane pytania wielokrotnie w ciągu dnia, dokładnie wtedy i tam, gdzie toczy się codzienne życie. Pomyśl o tym jak o powtarzanych „migawkach” doświadczenia, a nie o pojedynczym zdjęciu panoramicznym wykonanym po fakcie. Wynikiem są dane śledzące zmienność wewnątrzjednostkową w czasie i kontekście, umożliwiające badaczom zadawanie nie tylko pytań „jaki jest mój przeciętny nastrój?”, ale także „jak zmienia się mój nastrój w zależności od różnych czynności, osób i miejsc?”

Historia

Metoda próbkowania doświadczeń (Experience Sampling Method) została opracowana przez Mihaly Csikszentmihalyi i Reeda Larsona na Uniwersytecie w Chicago na początku lat 80. XX wieku jako sposób badania optymalnego doświadczenia i psychologii życia codziennego. Ich publikacja walidacyjna z 1987 roku w Journal of Nervous and Mental Disease stanowiła podstawowe dowody psychometryczne. Artykuł Shiffmana, Stone'a i Hufforda z 2008 roku w Annual Review of Clinical Psychology usystematyzował równoległą tradycję Ekologicznej Oceny w Czasie Rzeczywistym (Ecological Momentary Assessment) w badaniach zdrowotnych. Powszechne przyjęcie smartfonów od końca lat 2000. przekształciło ESM z protokołu opartego na pagerach w skalowalną metodologię mobilną.

Kiedy stosować

Używaj ESM, gdy Twoje pytanie badawcze dotyczy zmienności wewnątrzjednostkowej, chwilowych stanów lub dynamiki zachowania w naturalnych kontekstach — pytań takich jak: jak afekt fluktuuje w codziennych czynnościach, jak stres narasta w ciągu dnia pracy, lub jak interakcje społeczne wpływają na nastrój w czasie rzeczywistym. Jest dobrze przystosowana do psychologii, nauk o zdrowiu, badań organizacyjnych i zachowań konsumenckich. Unikaj ESM, gdy badany konstrukt wymaga rozszerzonej refleksji (np. znaczenie historii życia), gdy uczestnicy nie posiadają umiejętności czytelniczych lub motywacji do powtarzania krótkich kwestionariuszy, gdy kontekst badania sprawia, że częste korzystanie z telefonu jest niepraktyczne lub niebezpieczne, lub gdy budżet i harmonogram badania nie pozwalają na wsparcie infrastruktury, monitorowania zgodności i analizy wielopoziomowej, których wymaga ESM.

Ograniczenia i uwagi

  • Obciążenie uczestnika jest wysokie; powtarzające się przerwy w ciągu dni mogą powodować zmęczenie, reaktywność na ocenę i utratę uczestników.
  • Nieprzestrzeganie zasad jest systematyczne (oceny pomijane w momentach wymagających lub prywatnych), potencjalnie zniekształcając wyniki.
  • Zarządzanie danymi, infrastruktura aplikacji i modelowanie wielopoziomowe wymagają specjalistycznej wiedzy technicznej i zasobów.
  • Pomiary chwilowe są z konieczności krótkie; złożone konstrukty wymagające bogatej refleksji nie mogą być odpowiednio uchwycone w 1–3-minutowych migawkach.
  • Wyniki są specyficzne dla próbkowanego okresu i kontekstu; generalizacja do innych faz życia lub populacji wymaga replikacji.

Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.

Mocne strony

  • Rejestruje chwilowe stany z minimalnym błędem retrospektywnego przypominania, znacznie poprawiając trafność ekologiczną.
  • Umożliwia analizy wewnątrzjednostkowe, których nie zapewniają projekty przekrojowe — śledzenie fluktuacji, efektów opóźnionych i zmienności na poziomie osoby.
  • Generuje dużą liczbę obserwacji na uczestnika, zapewniając znaczną moc statystyczną dla hipotez wewnątrzjednostkowych nawet przy umiarkowanych wielkościach próby.
  • Naturalistyczne środowisko: dane są zbierane w rzeczywistych środowiskach uczestników, a nie w sztucznych warunkach laboratoryjnych.
  • Elastyczne dostarczanie za pośrednictwem aplikacji na smartfony umożliwia pasywne wzbogacanie danych (GPS, akcelerometria, użycie ekranu) obok samoopisów.

Zastosowania

  • Śledzenie zmienności nastroju i afektu w populacjach klinicznych (depresja, choroba dwubiegunowa, lęk) w celu identyfikacji wewnątrzjednostkowych wzorców ryzyka.
  • Badanie, jak interakcje społeczne, aktywność fizyczna i jakość snu współwystępują z dobrym samopoczuciem w codziennym życiu.
  • Badanie chwilowego głodu nikotynowego, wyzwalaczy używania substancji i prekursorów nawrotów w badaniach nad uzależnieniami.
  • Pomiar zaangażowania w pracę, stresu i fluktuacji obciążenia poznawczego w ciągu dnia pracy w psychologii organizacyjnej.
  • Rejestrowanie procesów decyzyjnych konsumentów i korzystania z mediów w miarę ich występowania w naturalnych kontekstach konsumpcji.
  • Ocena dynamiki objawów i odpowiedzi na leczenie u pacjentów z przewlekłym bólem lub stanami zmęczeniowymi.

Jak to działa

Jak to działa

1

Badacz definiuje konstrukt będący przedmiotem zainteresowania (nastrój, stres, głód nikotynowy, interakcje społeczne itp.) i decyduje o schemacie sygnalizacji: losowy (sygnały pojawiają się w nieprzewidywalnych momentach w ustalonych oknach czasowych), zależny od odstępów czasu (stałe pory każdego dnia) lub zależny od zdarzenia (uczestnik inicjuje ocenę po wystąpieniu zdefiniowanego zdarzenia). Liczba codziennych ocen i czas trwania badania są ustalane tak, aby zrównoważyć gęstość danych z obciążeniem uczestnika; typowe jest 3–10 sygnałów dziennie przez 7–14 dni.

2

Uczestnicy są rekrutowani i otrzymują dedykowaną aplikację mobilną lub system oparty na SMS, który dostarcza sygnały i rejestruje odpowiedzi. Dokładna sesja informacyjna wyjaśnia protokół, a krótki dzień praktyczny jest zazwyczaj przeprowadzany przed rozpoczęciem właściwego badania. Skale muszą być krótkie — odpowiedzi mają zajmować 1–3 minuty — i zatwierdzone do powtarzanych pomiarów wewnątrzjednostkowych.

3

Sygnały są dostarczane o predefiniowanych porach lub w ustalonych odstępach czasu. Po nadejściu sygnału uczestnik otwiera aplikację i odpowiada na chwilowy kwestionariusz, rejestrując swój aktualny stan, bieżącą czynność, kontekst społeczny i lokalizację (jeśli zezwolono). Odpowiedzi są opatrywane znacznikiem czasu i automatycznie przesyłane. Zgodność i czas reakcji są rejestrowane do późniejszej kontroli jakości.

4

Współczynniki odpowiedzi są śledzone przez cały okres badania. Uczestnicy, którzy spadną poniżej akceptowalnego progu (zwykle 70–75% sygnałów), mogą zostać skontaktowani z przypomnieniami lub wykluczeni z analizy. Wysoka nieprzestrzeganie zasad nie jest losowa — ma tendencję do występowania w momentach wymagających lub prywatnych — i może wprowadzać systematyczne błędy, które należy uwzględnić w planie analizy.

5

Ponieważ każdy uczestnik wnosi wiele obserwacji, dane mają zagnieżdżoną strukturę (oceny w obrębie osób, osoby w obrębie grup). Modelowanie wielopoziomowe (HLM / modele mieszane) jest standardową ramą analityczną. Efekty wewnątrzjednostkowe (jak zmienna fluktuuje wokół średniej każdej osoby) są oddzielane od efektów międzyosobowych (jak osoby różnią się średnio), co umożliwia formułowanie szczegółowych hipotez dotyczących dynamiki stanów, efektów opóźnionych i moderatorów na poziomie osoby.

Częste pułapki

  • Zbyt wiele pytań na sygnał: kwestionariusze dłuższe niż 10–15 pytań znacznie zmniejszają zgodność; należy utrzymywać krótkość każdego sygnału i jego walidację do użytku wewnątrzjednostkowego.
  • Ignorowanie korelacji wewnątrzklasowych: traktowanie danych ESM jako niezależnych obserwacji zawyża błąd typu I; zawsze należy stosować modele wielopoziomowe lub mieszane, które uwzględniają zagnieżdżoną strukturę.
  • Mylenie efektów wewnątrzjednostkowych i międzyosobowych: zmienna, która przewiduje wyniki na poziomie międzyosobowym, niekoniecznie musi to robić na poziomie wewnątrzjednostkowym (i odwrotnie); efekty te muszą być wyraźnie rozdzielone w analizie.
  • Niedostrzeganie reaktywności: sam akt samomonitorowania może zmienić badane zachowanie lub doświadczenie; należy uwzględnić okres habituacji lub reaktywność w analizach wrażliwości.

Najczęściej zadawane pytania

Ile sygnałów dziennie i przez ile dni jest rozsądne?

Typowy protokół dostarcza 4–8 losowych sygnałów dziennie przez 7–14 kolejnych dni, co daje 28–112 ocen na uczestnika. Optymalna liczba zależy od korelacji wewnątrzklasowej wyniku (wyższe ICC = mniej powtarzanych pomiarów), tolerancji obciążenia uczestnika i skali czasowej zjawiska. Bardzo krótkie protokoły (3 dni) mogą nie uchwycić rytmów tygodniowych; bardzo długie (>21 dni) ryzykują znaczące wycofanie się z powodu zmęczenia.

Jaka wielkość próby jest potrzebna do badania ESM?

Moc w ESM jest funkcją zarówno liczby uczestników, jak i liczby ocen na osobę. Dla typowych wielkości efektów wewnątrzjednostkowych (r ≈ 0,15–0,30) badania symulacyjne sugerują, że 50–100 uczestników z 30–50 ważnymi ocenami na osobę zapewnia odpowiednią moc dla modeli wielopoziomowych. Mniejszą liczbę uczestników można częściowo zrekompensować większą liczbą ocen, ale poniżej ~30 uczestników szacunki wariancji międzyosobowej stają się niestabilne.

Czy ESM nadaje się do badań jakościowych?

ESM generuje głównie dane ilościowe (oceny, częstotliwości). Jednak projekty zależne od zdarzeń mogą zawierać pola na otwarte teksty dla krótkich odpowiedzi narracyjnych, a dane ESM mogą być wykorzystane do celowego wyboru momentów do późniejszych wywiadów jakościowych — projekt ten jest czasami nazywany „wywiadami wzbogaconymi o ESM”. Czyste jakościowe ESM jest rzadkie.

Jakie oprogramowanie i aplikacje są powszechnie używane do ESM?

Popularne platformy badawcze obejmują m-Path, ExperienceSampler, MetricWire i movisensXS. W przypadku badań klinicznych lub na większą skalę używane są również niestandardowe integracje REDCap lub Qualtrics SMS. Wybór zależy od budżetu, potrzeby pasywnego monitorowania i dostępnego poziomu wiedzy programistycznej.

Czym ESM różni się od metody dzienniczka?

Badania dzienniczkowe zazwyczaj proszą uczestników o wypełnienie jednego zapisu na koniec dnia, podsumowującego dzień. ESM obejmuje wiele ocen w ciągu dnia, w momencie doświadczenia lub w jego pobliżu. ESM zapewnia większą rozdzielczość czasową i unika błędu przypominania podsumowania dziennego, ale nakłada większe obciążenie na uczestnika. W przypadku zjawisk rozwijających się w ciągu dni (np. kumulacja stresu dziennego) projekt dzienniczkowy może być wystarczający; dla fluktuacji w ciągu dnia preferowane jest ESM.

Pokrewne metody

Źródła

  1. Csikszentmihalyi, M., & Larson, R. (1987). Validity and reliability of the Experience-Sampling Method. Journal of Nervous and Mental Disease, 175(9), 526–536.

    Otwórz odnośnik DOI
    Skopiowano.
  2. Stone, A. A., Shiffman, S., Atienza, A. A., & Nebeling, L. (Eds.). (2007). The Science of Real-Time Data Capture: Self-Reports in Health Research. Oxford University Press.

    ISBN: 978-0195178715
    Skopiowano.