Notes for FIT5125: IT research methods S1 2021
这门课是本科，研究生和博士生一起上的。任务量巨大。
W2
- Physical or psychological harm or abuse 身体或心理上的伤害或虐待
- Informed consent 知情同意
- Right of withdrawal 退出的权利
- Access to outcomes 对成果知情
- Vulnerable participant groups 弱势参与者群体
- Deception and coercion 欺骗与强迫
- Illegal practices 违法
- Invasion of privacy 侵犯隐私
- Confidentiality 保密
- Human subject data 人体主题数据
Deception 欺骗
欺骗的类型：
•“故意”：告诉参与者不正确的事情
•“遗漏”：不告诉参与者或模棱两可
一些研究需要欺骗，例如：
•防止参与者猜测正在研究的行为
•“欺骗”本身就是正在研究的现象
•当需要研究员的“同盟”时
尽量减少欺骗
必须尽早通知参与者有关欺骗的信息
汇报时
欺骗不得造成困扰（包括汇报后）
欺骗的使用受到争议（违反了知情同意）
强制和不当影响 Coercion & undue influence
参与研究的压力。
显式强制 Explicit coercion：例如
•告诉参与者他们将不会获得某些好处
•告诉参与者他们必须参加
隐式强制 Implicit coercion：例如
•参与者推断他们将受到不利待遇
不当影响 Undue influence：
•参与奖励过多或不适当
研究人员必须意识到会对潜在参与者产生不适当的影响：
•例如 在他们的学生或同事身上
W6 质性研究
关键学的是主题分析（法），百科上内容挺少。
这里内容来自https://www.jianshu.com/p/427779f36752的记录
定义
对这些内容进行归纳整理，从而提炼出一些主题
1. 熟悉数据
将口头语言转录为文字
2. 生成初始code
对数据进行初步的编码。
编码在一定程度上取决于主题是更“数据驱动”还是“理论驱动”
在前者中，主题将取决于数据，但在后者中，是在特定问题中处理数据。
在编码过程中需要注意：
a）尽可能多地编码潜在主题/模式——因为永远不知道后面的内容是否与此相关；
b）对代码的摘录中，保留一些上下文相关的数据。
c）可以按照适合的多种“主题”来编码单个数据摘录，因此，相关的摘录可能会未被编码，被一次编码或多次编码。
3. 寻找主题
对代码进行整理和归纳。即分析编码，并要考虑如何将代码结合形成一个总体主题。
排序不同的代码到潜在的主题，整理所有相关的编码数据中提取出的主题。
有些编码可能会形成主主题，有些则成为子主题，还有一些可能不属于任何地方，可以为此创建一个名为“misc”的主题来存放这类编码。
最后得到候选主题和子主题的集合，以及与它们相关的编码的所有数据摘要。
4. 审阅主题
通过详细分析，会发现一些候选主题并不是真正的主题(例如，如果没有足够的数据来支持它们，或者数据太多样化)，而其他的主题可能会相互合并(例如，两个明显独立的主题可能会形成一个主题)。有些主题可能需要被分解成单独的主题。
5. 定义与命名主题
通过定义和细化，我们指的是确定每个主题的本质(以及主题的总体)，并确定每个主题捕获的数据的哪个方面。
段结束时，可以清楚地定义什么是你的主题，什么不是。或者，是否能用几句话来描述每个主题的范围和内容
6. 撰写报告
主题分析写作的任务，无论是出版或研究任务或论文，是以一种让读者信服你的分析的价值和有效性的方式，讲述数据背后的复杂故事。
重要的是，分析(包括数据摘录)提供了一个简洁、连贯、有逻辑、不重复、有趣的数据在主题内和主题间讲述的故事。你的书面记录必须在数据中提供足够的关于主题的证据，也就是说，足够的数据摘录来证明主题的普遍性。选择特别生动的例子，或能抓住你所展示的要点的精华，作为这个问题的示例。
然而，报告需要做的不仅仅是提供数据。摘要需要嵌入到一个分析性的叙述中，以引人注目地说明你正在讲述的关于你的数据的故事，而你的分析性的叙述需要超越对数据的描述，并对你的研究问题提出一个论点。
W7
统计
descriptive statistics
敘述统计（descriptive statistics），是统计学中，来描绘或总结观察量的基本情况的统计总称
W8
correlational 与 experimental study的区别
cor就相关性研究（相关性 -1→ 0 → 1）
相关研究是揭示相关关系，实验研究是揭示因果关系
exp：
要证明两个变量之间有因果关系，必须满足以下几个条件：
第一，两个变量均是引发变量。即自变量必须是可以人为操纵变化的（这个变化是指在同一个人身上的变化），因变量的变化必须是自变量的变化所引起的。
第二，两个变量在时间上有前后关系，比如，必须是A先发生，B后发生，才能有因果关系的可能。
第三，两个变量的关系需排除掉第三种可能的解释。
Experimental design is about varying/manipulating one or more Independent Variables, to see its effect on one or more Dependent Variables, whilst minimising the effect of Confounding Variables
独立度量设计和重复度量设计有什么区别？
1.独立措施：
独立度量设计（也称为组间）是一种实验设计，其中在自变量的每种条件下使用不同的参与者。这意味着实验的每个条件都包括不同的参与者组。
这应该通过随机分配来完成，这可以确保每个参与者都有被分配到一个组或另一个组的同等机会。
独立措施涉及使用两组独立的参与者；每个条件一个。例如：
缺点：与重复测量设计相比，需要更多的人（即，更耗时）。
优点：由于人们仅参与一种情况，因此避免了订单效应（例如练习或疲劳）。如果一个人遇到多种情况，到第二种情况时他们可能会变得无聊，疲倦和烦躁，或者对实验的要求变得明智！
缺点：例如，小组参与者之间的差异可能会影响结果。年龄，性别或社会背景的差异。这些差异称为参与者变量（即，一种无关的变量）。
控制：招募参与者后，应将他们随机分配到他们的组中。这应确保各组平均相似（减少参与者变量）。
2.重复措施：
重复测量设计是一种实验设计，其中相同的参与者参与自变量的每种条件。这意味着实验的每个条件都包括同一组参与者。
重复测量设计也称为组内或主题内设计。
优点：由于在每种情况下使用相同的参与者，因此参与者变量（即个体差异）减少了。
缺点：可能会有订单效果。顺序效应是指影响参与者行为的条件顺序。第二种情况下的表现可能会更好，因为参与者知道该做什么（即练习效果）。否则在第二种情况下它们的性能可能会变差，因为它们很累（即疲劳效果）。可以使用平衡来控制此限制。
优点：参与各种情况所需的人员更少（即节省时间）。
控制：为了对抗秩序效应，研究人员平衡了参与者的条件秩序。改变参与者在不同实验条件下的执行顺序。
参数测试 假设数据中存在基础统计分布。因此，必须满足几个有效性条件，以便参数测试的结果可靠。例如，仅当每个样本服从正态分布并且样本方差是均质的时，两个独立样本的Student t检验才是可靠的。
非参数测试 不依赖任何分布。因此，即使不满足有效性的参数条件，也可以应用它们。
非参数测试 比参数测试更 健壮。换句话说，它们在更广泛的情况下（较少的有效条件）有效。
使用参数测试而不是非参数等效项的优点在于，前者 将比后者具有更大的统计 能力。换句话说，参数测试更有可能导致拒绝H0。在大多数情况下，与参数测试关联的p值将低于与在相同数据上运行的非参数等效项关联的p值。