移动日记法 — 通过智能手机捕捉生活体验
- 提出者
- Csikszentmihalyi & Larson (ESM foundation); mobile adaptation through 2000s smartphone proliferation
- 年份
- 1987 (ESM roots); mobile form ~2007–2010
- 类型
- Longitudinal self-report data collection technique
- 类别
- Data collection
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
移动日记法是一种纵向自我报告技术,参与者在规定的研究期内(从几天到几个月不等)使用智能手机应用程序或移动平台记录他们的想法、感受、行为或事件。它根植于经典的日记法和经验取样法,其移动形式能够实时、情境化地捕捉体验,与一次性调查或日终问卷相比,大大减少了回顾性回忆偏差。
方法背后的直觉
可以将移动日记想象成给每位参与者配备了一个口袋研究助手。与其让人们一次性回忆他们一周的经历(此时记忆会衰退和过滤),不如让应用程序提示他们记录当下发生的事情:他们的情绪、正在进行的活动、与谁在一起,或者刚刚发生了什么。由于条目是在当下和自然环境中生成的,因此数据反映的是实际的生活体验,而不是重构的总结。通过大量此类条目,研究人员可以追踪横断面测量方法无法揭示的模式、轨迹和日常变化。
历史学
移动日记法直接源于心理学中的纸质日记传统以及Csikszentmihalyi和Larson在20世纪80年代开发的经验取样法(ESM)。ESM使用寻呼机在随机间隔向参与者发出信号;然后参与者填写简短的纸质表格,描述他们当前的活动和精神状态。从大约2007年开始智能手机的普及,使得研究人员能够将信号发送、表格填写和数据捕获集成到单个设备上,从而产生了现在被称为移动日记法、移动ESM或生态瞬时评估(EMA)的方法。Bolger、Davis和Rafaeli在2003年《年度回顾》中的论文将日记法系统化为一个研究家族,至今仍是最广泛引用的方法学概述。
何时使用
当需要捕捉个体随时间在自然情境中的变化时,请使用移动日记法 — 例如,追踪日常情绪波动、压力评估、健康行为或社交互动。当回顾性回忆可能失真(一次性调查中记忆偏差是已记录的威胁)或现象本身是动态的时,它尤其有价值。该方法要求参与者拥有或可以借用兼容的智能手机,并且愿意在研究窗口内响应多个日常提示;低合规性 — 通常定义为完成的提示少于60-70% — 可能严重偏倚观测样本。当研究问题涉及不随个体变化的稳定特质或单次行为时,当参与者缺乏可靠的智能手机访问权限时,或当提示负担在伦理上不合适时(例如,没有仔细保障措施的急性病或高度脆弱人群),请避免使用。
局限与注意事项
- 参与者负担沉重;连续几天或几周的重复提示会导致疲劳和合规性下降。
- 要求参与者拥有可靠的智能手机访问权限和基本数字素养 — 排除部分人群。
- 数据是多层次嵌套结构,需要多层次统计模型;标准回归不适用。
- 隐私和数据安全义务加剧,因为条目可能包含敏感的、带时间戳的、与位置相关的信息。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 实时捕捉自然环境中的体验,最大限度地减少回顾性回忆和望远镜效应偏差。
- 能够分析个体内部的变异性和变化 — 这是任何横断面设计都无法回答的问题。
- 移动设备提供自动时间戳、合规性跟踪以及每个参与者的大量观测数据。
- 灵活的条目格式(量表、文本、照片、音频)适用于健康、社会和行为科学的广泛研究问题。
- 生态效度高:数据反映日常生活,而非实验室或一次性调查条件。
应用
- 追踪临床和健康心理学中日常情绪动态、压力评估和应对策略。
- 在慢性病管理研究中监测饮食摄入、体育活动和症状波动。
- 实时研究青少年或成人人群的社交互动质量、孤独感和归属感。
- 捕捉工作相关的体验 — 如心流状态、中断或倦怠前兆 — 在工作日发生时。
- 在成瘾研究中调查物质使用触发因素、渴求强度和情境背景。
- 在自然教育环境中考察学习过程、动机和自我调节。
使用方式
使用方式
研究人员指定日记协议:研究持续时间、条目频率(例如,每天3-8次提示性条目,或事件触发性条目)、问题格式(李克特量表、开放文本、照片或组合)以及要使用的移动平台。时间安排可以是信号触发式(应用程序的随机或固定提示)或事件触发式(参与者在目标事件发生时启动条目)。
招募并筛选参与者,确保他们愿意在研究期内使用移动设备。知情同意涵盖提示的性质和频率、数据存储和隐私。通过面对面或视频进行的培训,让参与者熟悉应用程序,解释什么构成有效条目,并在研究开始前解决技术问题。
将日记应用程序安装并配置在参与者的智能手机(iOS或Android)上。研究人员测试通知,确认数据同步到安全服务器,并运行一个简短的试点期(通常为1-2天),以识别合规性问题或技术故障,然后才开始完整的数据收集窗口。
在数据收集窗口期间,应用程序会根据预设的时间表发送提示。随机间隔提示在经验取样设计中很常见,用于在一天中代表性地取样体验。参与者在每次提示后有一个定义的响应窗口(例如,20-30分钟);错过提示会自动记录,以便进行合规性监控。
参与者直接在他们的设备上完成每个提示的条目。如果协议要求位置数据,则响应会带有时间戳和地理标记。条目会实时传输到服务器,或在恢复连接时批量传输。研究人员监控合规性仪表板,并可能发送提醒或简短的签到消息以维持参与度。
生成的数据集是多层次的重复测量结构:许多观测值嵌套在个体之内。典型的分析方法包括多层次模型(分层线性模型)以区分个体内部和个体之间效应,类内相关系数以量化变异性,以及时间序列或轨迹分析以描述随时间的变化。开放文本条目的定性内容可以与定量测量一起进行主题编码。
常见陷阱
- 忽略合规率 — 在未考虑缺失条目(尤其是非随机缺失)的情况下分析数据会产生有偏的个体内部估计值;始终报告并检查合规模式。
- 过度提示 — 每天过多的提示会迅速降低参与度;主要研究开始前应通过试点研究测试可容忍的最大频率。
- 在嵌套数据上使用标准回归 — 每个参与者贡献多个观测值,违反独立性假设;需要多层次模型。
- 忽视培训阶段 — 对有效条目构成理解不清的参与者会产生不一致的数据;彻底的入职培训和短暂的练习期至关重要。
- 将所有错过的条目视为等同 — 错过的提示可能反映系统性模式(例如,参与者在压力大时跳过提示),这会在经验样本中引入选择偏差。
常见问题
每个参与者需要多少日记条目才能获得可靠的个体内部估计值?
模拟研究表明,稳定的个体内部效应多层次估计值至少需要约30-50个观测值/人,尽管对于简单的两层模型,20个也可以工作。所需数量取决于类内相关性、预期效应大小和模型复杂度。通过试点研究来估计合规率,然后相应地进行研究效力分析。
移动日记法与生态瞬时评估(EMA)有何不同?
这两个术语在很大程度上重叠。EMA在临床文献中被提出,强调随机间隔取样以捕捉瞬时状态,尤其与症状监测相关。移动日记法是一个更广泛的标签,除了随机间隔设计外,还包括事件触发式和日终协议。实际上,研究人员可以互换使用这两个术语;重要的是要清晰地描述具体协议。
应该使用什么应用程序或平台?
专门构建的平台包括m-Path、ExperienceSampler、ilumivu和Metricwire,它们都处理调度、推送通知和加密数据传输。REDCap等调查平台可以通过额外的脚本配置为EMA。选择取决于您机构的数据安全要求、预算以及是否需要iOS和Android兼容性。
我可以在同一个日记中将开放式定性问题与李克特量表项目结合起来吗?
可以。混合格式日记很常见;简短的李克特量表项目可以有效地捕捉可量化的状态,而定期的开放文本提示(例如,每天一次)可以增加解释深度,而不会让参与者不堪重负。保持每个条目的总时间简短 — 强烈建议在两分钟以内,以维持数周研究的合规性。
如何处理合规性非常低的参与者的数据?
一个常见的阈值是完成提示条目的60-70%。低于此水平的参与者可能会被排除在分析之外,或在敏感性分析中进行处理,因为他们稀疏的观测值不太可能代表稳定的个体内部样本。报告您的合规性标准和被排除的参与者数量,以便读者能够评估潜在的偏差。
相关方法
参考文献
Csikszentmihalyi, M., & Larson, R. (1987). Validity and reliability of the Experience-Sampling Method. Journal of Nervous and Mental Disease, 175(9), 526–536.
打开 DOI 文献已复制。Bolger, N., Davis, A., & Rafaeli, E. (2003). Diary methods: Capturing life as it is lived. Annual Review of Psychology, 54(1), 579–616.
打开 DOI 文献已复制。