3.5.1 生态学的瞬间评估

研究者可以将冗长的调查分为小块，将其融入人们的生活里。

「Ecological momentary assessment」（EMA，生态学的瞬间评估）是指将传统的调查测验剁碎，将零星的小块测试融入被调查者的生活中。因此，可以在合适的时间和地点对被试进行提问，而不是在事件发生之后进行每周一次的冗长采访。

EMA 主要有四个特征：（1）从真实世界的环境中收集数据；（2）关注于评估个体的当前或者最近的状态和行为；（3）评估可以是基于事件的，基于时间的，或者随机触发的（取决于研究者的课题）；（4）随着时间的推移完成多项评估（Stone and Shiffman 1994）。由于人们频繁的与智能手机进行交互，这极大的促进了 EMA 这个方法。更进一步的，智能手机中打包了很多传感器，例如 GPS 和加速度传感器，这使得基于活动来触发提问变得可能。比如说，可以对智能手机进行编程，当被访者进入某个社区时触发提问。

Naomi Sugie 惊艳的工作展示了 EMA 的前景。从 1970 年开始，美国的入狱人数就在大幅增加。到了 2005 年，每 100，000 个美国人中，大约有 500 人曾经入狱，入狱比例比全世界任何地方都高（Wakefiedl and Uggen 2010）。如潮涨般的入狱人数的意味着出狱人数也同样在增加；每年大约有 700，000 人离开监狱（Wakefiedl and Uggen 2010）。这些人离开监狱后面对着很多挑战，可能最终还会回到监狱。为了理解并减少累犯的情况，社会学家和政策制定者需要理解他们重新进入社会后的经历。然而，用传统的调查方式很难收集到这些数据，因为有案底的人更难研究，而且他们的生活极不稳定。几月一次的调研，漏掉了他们生活的动态性（Sugie 2016）。

为了以更精准的方式研究他们重现进入社会的过程，Sugie 用标准的概率抽样，从新泽西州纽瓦克市的完整在押名单中抽取了 131 个人。他为每个参与者提供了一部智能手机，这成为了一个丰富的数据收集平台，可以记录他们的行为，同时向他们进行提问。Sugie 使用手机执行两种调查。首先，她在上午九点到下午六点之间随机的向参与者发送「experience sampling survey」（经历抽样调查），询问参与者他们当前的活动和感觉。其次，在晚上七点，向参与者发送「daily survey」询问他们整天的活动。除了调查问卷，手机还以固定的时间间隔记录他们的地理位置，保存加密后的通话记录和短信文本。使用这种结合提问与观察的方式，Sugie 对重返社会的人建立详细的高频测量数据集。

研究者认为，找到一个稳定的，高质量的工作会帮助人们重返社会。然而，Sugie发现，他的受访者的工作经历大体都是非正式的，临时的，间断的。这描述的平均模式，然而，抹去了非均质性。具体的来说，Sugie 发现他的受访者有 4 个不同的模式：「early exit」（提前退出），他们开始准找工作后很快就从劳动力时长退出。「persistent search」（坚持寻找），他们花很长的时间寻找工作。「recurring work」（重复性工作），他们花更多的时间在工作上。以及「low response」，他们并不会规律的回答调查的提问）。提前退出的人群，那些开始找工作后很快就放弃并停止找工作的人，他们尤其重要，因为这个组很成功融入社会的概率最低。

有人觉得在入狱后寻找工作是个很艰难的过程，可能会导致抑郁，然后从劳动力市场撤退出来。因此，Sugie 在他的调查中手机参与者的情感状态——这种内在状态很难从行为数据进行估测。令人惊讶的是，她发现提前退出的组的报告中，压力或不开行的水平并没有很高。相反的，那些持续寻找工作的人会报告更高的悲伤的情绪。所有这些细粒度的，长时间跨度的详细的行为和情感信息，对于理解有前科的人虽面对的阻碍，以及帮助他们更容易的融入社会都十分重要。并且，所有这些细粒度的详细信息，在标准的调查中都被漏掉了。

Sugie 收集弱势群体的数据，尤其是被动式的数据收集，可能会引起一些道德上的问题。但 Sugie 预料到了这些考虑并且在她的设计中解决了这些问题（Sugie 2014, 2016）。她的整个过程都接受第三方的审核——她大学的「Institutional Review Board」（机构审查委员会），遵循了所有现存的规范。更进一步的，同我在第 6 章讲述的基于原则的方式一致，Sugie 的方法远远超过了现存规章的要求。比如说，所有被试都提交了知情同意书，她允许被试零食的关闭地理位置记录，并且她为了保护收集到的数据进行了大量努力。为了使用合适的加密与数据存贮，她从联邦政府获得了「Certificate of Confidentiality」（保密证明），这意味着警察不能强迫她提交这些数据（Beskow, Dame, and Costello 2008）。我认为，她深思熟路的方式，使得 Sugie 的项目为其他研究者提供了有价值的样例。具体的说，她没有盲目的落入伦理困境，也没有因为伦理上的复杂性而放弃一些重要的研究。相反，她通过缜密的思考，寻找合适的方式，充分尊重被试，并且采取措施来改善项目的风险概况。

我认为 Sugie 的研究主要有 3 个教训。首先，新的提问方式与传统的抽样方法完全兼容；Sugie 就是对定义明确的框内人群进行标准的概率抽样。第二，高频的，长期的衡量对于研究非常规的动态社会现象特别有价值。第三，当调查数据与大数据的结合，我认为这会越来越常见，如同我在后续章节会讲的，这时会引起一些伦理学问题。我将在第六章更详细的讨论伦理问题。但 Sugie 的工作说明，有责任心的，深思熟路的研究者是可以解决这些问题的。