80小说网

手机浏览器扫描二维码访问

第7章 从预试验到持续监测（第2页）

即使不是为了统计上的显著性，预试验验证也是衡量干预设计过程最重要的一个阶段。

我们在写行为陈述时会说一些自信的话，比如“用（数据）来衡量”

。

预试验是我们第一次真正地衡量目标行为。

定量研究人员将确定如何持续地获得这些数据，定性研究人员要确定访谈中提什么问题，在什么环境下进行观察。

如果这一步做得好，现在构建的模式就能指引以后的每一步，直到进行大规模试验。

一些干预措施很有可能无效，甚至与你想要的结果相去甚远或相反，这很正常。

如果每次尝试都产生了你想要的行为改变，那么这很有可能是因为衡量的方式有误，或是确认偏见导致的。

当干预不能产生你想要的结果时，你就得做出决定——就像干预选择一样，你最终只能凭直觉去做这个决定：要么修改预试验并重新做一遍，要么停止这个预试验并回到“压力箭头图”

和“干预设计”

环节去找新的方法。

但是，和干预选择一样，某些模式会提供一些帮助决策的信息。

最好在干预设计过程中针对共同的促进压力或抑制压力设计不同的预试验，这样就可以判断一个失败的预试验是偶然的还是必然的。

例如，在流感疫苗的案例中，针对社区责任这一促进压力，可以让宗教领袖向教徒宣讲注射疫苗、保护他人的重要性，也可以以相同的理由给社区的每个人写一封私人信，鼓励他们注射疫苗。

如果这两项干预措施都没有显示哪怕一点点的效果，那么这可能是由于社区责任这一促进压力的作用并没有想象中的那么大，应该停止这个方向的预试验。

如果宣讲有效而信件无效，则社区责任这个促进压力仍然有效，只是应该把发送信件这一预试验改成开展更多的宣讲活动。

要修改的方案也可能受其他干预措施的预试验结果的影响，即使它们不是基于同样的压力因素的。

不要太关注单项干预措施的去留及单个压力因素的有效性，它们都是达到目的的手段。

我们从结果开始，结果就是行为。

如果你同时进行5项干预措施，1项不起作用而4项效果很好，那么就不要再考虑这项不起作用的干预措施，而应该继续进行预试验。

你已经通过干预改变了行为，这是进行整个干预设计过程的目的。

现在开始讨论“统计学显著性”

和“效应量”

，你们中的一些人可能已经开始点头说好了，尽管你们实际上并不知道这两个术语是什么意思。

别担心，每当有人开始谈论流行文化时，虽然我无法从一组名单中挑选出青少年喜欢的流行歌星，我也都会频频点头的。

但是，数据统计很重要，了解它们有利于更好地进行干预设计过程，所以在讨论预试验、测试和大规模试验之前，我们将简短地介绍一下数据统计及其使用方法。

我当然不会教你如何做数学题，（你以为我在写数学教材吗？）但至少我能确保你会一直频频点头。

即使你是统计学专家，也请阅读这一部分，因为我将挑战统计学里的一些基本假设。

我是现代的马尔德，我认为统计学一直都在隐瞒P值的真实意义！

这是一个阴谋！

对干预措施的数据统计的验证基于这样一个简单的事实，即人们既不是完全可预测的，也不是完全不可预测的。

如果人是完全可预测的，那么就不需要任何数据统计，因为干预对人的影响将是零，也就是没有影响。

以流感疫苗信件为例：如果人是完全可预测的，那么收到信件的人要么都会注射流感疫苗，要么都不会，验证就像观察整个团队的移动方向一样简单。

如果人是完全不可预测的，那么就不需要数学（或干预）了，干预设计过程将不起任何作用。

因为不管采取什么样的干预措施，人们都会随机地或者不受任何因素影响地去注射疫苗。

事实上，这个世界还没有变得那么混乱不堪，行为还是可以被改变的，因而可以有把握地认为这不是一个完全不可预测的世界。

所以，我们发信件进行了测试，有些收到信件的人注射了流感疫苗，有些没有。

数据统计能算出有多少人是因为收到信件而去注射疫苗的，有多少人是由于其他因素影响而去注射疫苗的。

在一个完美的世界里，这封信可以被发给地球上的每一个人。

依此方法能够算出这封信对所有人的真实影响，通过统计行为变化的数量就能确切地知道干预是否有效。