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。

Last updated