信息研究方法

长期以来,由于研究者的专业和研究领域的不同以及他们对智能本质的理解有异,因而形成了不同的人工智能学派,各自采用不同的研究方法。与符号主义、联结主义和行为主义相应的人工智能研究方法为功能模拟法、结构模拟法和行为模拟法。此外,还有综合这3种模拟方法的集成模拟法。功能1.功能模拟法符号主义学派也可称为功能模拟学派。他们认为:智能活动的理论基础是物理符号系统,认知的基元是符号,认知过程是符号模式的操作处理过程。功能模拟法是人工智能最早和应用最广泛的研究方法。功能模拟法以符号处理为核心对人脑功能进行模拟。本方法根据人脑的心理模型,把问题或知识表示为某种逻辑结构,运用符号演算,实现表示、推理和学习等功能,从宏观上模拟人脑思维,实现人工智能功能。功能模拟法已取得许多重要的研究成果,如定理证明、自动推理、专家系统、自动程序设计和机器博弈等。功能模拟法一般采用显示知识库和推理机来处理问题,因而它能够模拟人脑的逻辑思维,便于实现人脑的高级认知功能。功能模拟法虽能模拟人脑的高级智能,但也存在不足之处。在用符号表示知识的念时,其有效性很大程度上取决于符号表示的正确性和准确性。当把这些知识概念转换成推理机构能够处理的符号时,将可能丢失一些重要信息。此外,功能模拟难于对含有噪声的信息、不确定性信息和不完全性信息进行处理。这些情况表明,单一使用符号主义的功能模拟法是不可能解决人工智能的所有问题的。结构2.结构模拟法联结主义学派也可称为结构模拟学派。他们认为:思维的基元不是符号而是神经元,认知过程也不是符号处理过程。他们提出对人脑从结构上进行模拟,即根据人脑的生理结构和工作机理来模拟人脑的智能,属于非符号处理范畴。由于大脑的生理结构和工作机理还远未搞清,因而现在只能对人脑的局部进行模拟或进行近似模拟。人脑是由极其大量的神经细胞构成的神经网络。结构模拟法通过人脑神经网络、神经元之间的连接以及在神经元间的并行处理,实现对人脑智能的模拟。与功能模拟法不同,结构模拟法是基于人脑的生理模型,通过数值计算从微观上模拟人脑,实现人工智能。本方法通过对神经网络的训练进行学习,获得知识并用于解决问题。结构模拟法已在模式识别和图像信息压缩领域获得成功应用。结构模拟法也有缺点,它不适合模拟人的逻辑思维过程,而且受大规模人工神经网络制造的制约,尚不能满足人脑完全模拟的要求。行为3.行为模拟法行为主义学派也可称为行为模拟学派。他们认为:智能不取决于符号和神经元,而取决于感知和行动,提出智能行为的“感知——动作”模式。结构模拟法认为智能不需要知识、不需要表示、不需推理；人工智能可能可以像人类智能一样逐步进化;智能行为只能在现实世界中与周围环境交互作用而表现出来。智能行为的“感知——动作”模式并不是一种新思想,它是模拟自动控制过程的有效方法,如自适应、自寻优、自学习、自组织等。现在,把这个方法用于模拟智能行为。行为主义的祖先应该是维纳和他的控制论，而布鲁克斯的六足行走机器虫只不过是一件行为模拟法(即控制进化方法)研究人工智能的代表作,为人工智能研究开辟了一条新的途径。尽管行为主义受到广泛关注,但布鲁克师的机器虫模拟的只是低层智能行为,并不能导致高级智能控制行为，也不可能使智能机器从昆虫智能进化到人类智能。不过,行为主义学派的兴起表明了控制论和系统工程的思想将会进一步影响人工智能的研究和发展。集成4.集成模拟法上述3种人工智能的研究方法各有长短，既有擅长的处理能力,又有一定的局限性。仔细学习和研究各个学派思想和研究方法之后，不难发现,各种模拟方法可以取长补短,实现优势互补。过去在激烈争论时期,那种企图完全否定对方而以一家的主义和方法主宰人工智能世界的氛围,正被互相学习、优势互补、集成模拟、合作共赢、和谐发展的新氛围所代替。采用集成模拟方法研究人工智能,一方面各学派密切合作,取长补短,可把一种方法无法解决的问题转化为另一方法能够解决的问题;另一方面,逐步建立统一的人工智能理论体系和方法论,在一个统一系统中集成了逻辑思维、形象思维和进化思想,创造人工智能更先进的研究方法。要完成这个任务,任重而道远。

01元分析1.定义：1976年学者Glass所下定义：“元分析是以综合已有的发现为目的，对单个研究结果进行综合的统计学分析方法”。也称为“典型或定量元分析”。2.优点：与传统的文献综述相比，元分析能最大限度地减少各种偏向，确保结论的科学性、客观性和真实性。具体体现在：①元分析运用各种手段从一群独立研究中组织和提取信息，并对这些研究的结果做出总的估计，是一种定量方法；②它包含某一研究课题下所有可接受的文献，全面而客观，弥补了单一研究的不足；③元分析给出的通常是一般性的结论，是系统的和可重复的；④元分析方法能发现单一因果分析或关系分析研究所不能发现的潜在规律。3.缺点：①由于不同的研究所采用的研究方法和研究实验材料可能存在不一致，因此对其结果进行整合有可能是不适合的，即“apples- and-oranges problem”；②元分析中所引入的研究有可能是低质量的，那么其结果的可靠性就无法保证，即“garbage in-garbage out problem”；③具有统计学显著意义的研究结果较无显著性意义的结果或无效的结果被报告和发表的可能性更大，即发表偏见的问题；④在计算效果量的过程中，某些研究可能会存在着多个效果量，如果这些效果量来自同一个样本，那么对这些效果量的整合就会不适合。02操作步骤1.选题：选题与方法契合，突出研究价值2.文献搜索：全面客观，报告选择标准需要搜索的文献类型有两种，包括已发表的文献和未发表的文献。3.数据编录：内容详尽，避免主观因素的影响4.数据分析03经典案例论文基本信息题目：社交媒体自我呈现与主观幸福感关系的元分析作者：毛良斌来源：《现代传播》2020年【内容提要】采用元分析方法探讨社交媒体自我呈现与主观幸福感的关系。共有43篇实证研究纳入元分析，被试总人数为24386人。结果发现，社交媒体自我呈现确实能显著提高主观幸福感，效果量微弱;社交媒体自我呈现对主观幸福感的影响效应大小取决于自我呈现的方式;积极自我呈现和真实自我呈现均能显著提高主观幸福感，消极自我呈现则显著降低主观幸福感;社交媒体自我呈现强度显著提高主观幸福感，具体到主观幸福感各维度来看，自我呈现强度能显著提高积极情感，但不能显著提高生活满意感，也不能显著降低消极情感;主观幸福感测量工具和文化背景对社交媒体自我呈现与主观幸福感关系存在调节效应，但在被试类型上，则未发现调节效应。【关键词】社交媒体;自我呈现;主观幸福感;元分析;效果量【研究问题及研究假设】RQ1:社交媒体自我呈现能显著提升主观幸福感吗?RQ2:社交媒体自我呈现对主观幸福感的影响效果有多大?H1:被试类型不同，社交媒体自我呈现对主观幸福感影响效应存在显著差异。H2:主观幸福感测量工具不同，社交媒体自我呈现对主观幸福感影响效应存在显著差异。H3:文化环境不同，社交媒体自我呈现对主观幸福感影响效应存在显著差异。【研究设计】(一)文献检索和获取研究检索时间跨度为2000年1月至2020年3月。根据PRIMA STATEMENT提出的标准，研究文献查找和获取需经过四个步骤，即文献查找、文献筛选、资格审查和研究纳入。据此，研究获得符合元分析要求的文献43篇，其中英文31篇，中文12篇，独立样本量为24386人。(二)文献编码按照元分析编码方法，对43篇文献进行编码。样本特征编码包括作者、发表年份、研究设计类型、被试特征、独立样本量、测量工具、研究的文化背景；效果量编码主要围绕自变量与因变量相关的统计描述值，包括相关系数、回归系数、p值、t值、均值与标准差以及自变量和因变量测量的信度系数α值。研究先由论文作者对所有文献进行编码，再由一位传播学专业研究生进行再次编码，结果显示，所有项目两次编码结果的百分比一致性信度均在0．98以上。纳入元分析的43篇文献基本信息见表1。(三)统计分析使用ComprehensiveMeta－Analysis(CMA)软件进行数据处理和分析。选择r作为统一效果量，若提取到的效果量为其他统计值，则将其转化成r值再进入元分析。对t值、p值以及均值和标准差，直接使用CMA软件转化为r值。由于CMA没有直接针对回归系数β的转换，研究根据Peterson等人提供的简便公式r=β+0．05λ(β≥0，λ=1;β＜0，λ=0)，先将回归系数转换为相关系数，之后直接录入CMA进行分析。在分析前，研究者首先对每个从独立样本中提取出的相关系数做信度修正，以避免因量表信度缺陷而导致相关系数的衰减偏差，校正的公式为:，其中ESr代表初始效果量，EScr代表校正效果量，rxx和ryy分别代表自变量和因变量的测量信度系数。对于使用实验操控或者单个项目测量的情况，其测量信度系数用1代替。利用CMA软件对效果量进行处理和分析，分析过程中将每个EScr转换成对应的FisherZ值，再将FisherZ值的加权平均数转换为相关系数，得到总体效果量，并估计总体效果量的95%置信区间。责编：周梦琦

目前没有统一的原理或范式指导人工智能研究。许多问题上研究者都存在争论。其中几个长久以来仍没有结论的问题是：是否应从心理或神经方面模拟人工智能?或者像鸟类生物学对于航空工程一样，人类生物学对于人工智能研究是没有关系的？智能行为能否用简单的原则来描述？还是必须解决大量完全无关的问题？控制论与大脑模拟20世纪40年代到50年代，许多研究者探索神经学、信息理论及控制论之间的联系。其中还造出一些使用电子网络构造的初步智能，如格雷·华特的乌龟和约翰霍普金斯野兽。这些研究者还经常在普林斯顿大学和英国的Ratio Club举行技术协会会议。直到1960，大部分人已经放弃这个方法，尽管在80年代再次提出这些原理。符号处理当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能是否能简化成符号处理。研究主要集中在卡内基梅隆大学，斯坦福大学和麻省理工学院，而各自有独立的研究风格。约翰·豪格兰德称这些方法为GOFAI（出色的老式人工智能）。60年代，符号方法在小型证明程序上模拟高级思考有很大的成就。基于控制论或神经网络的方法则置于次要。60－70年代的研究者确信符号方法最终可以成功创造强人工智能的机器，同时这也是他们的目标。认知模拟经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和尝试将其形式化，同时他们为人工智能的基本原理打下基础，如认知科学、运筹学和经营科学。他们的研究团队使用心理学实验的结果开发模拟人类解决问题方法的程序。这方法一直在卡内基梅隆大学沿袭下来，并在80年代于Soar发展到高峰。基于逻辑不像艾伦·纽厄尔和赫伯特·西蒙，约翰·麦卡锡认为机器不需要模拟人类的思想，而应尝试找到抽象推理和解决问题的本质，不管人们是否使用同样的算法。他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题，包括知识表示，智能规划和机器学习。致力于逻辑方法的还有爱丁堡大学，而促成欧洲的其他地方开发编程语言Prolog和逻辑编程科学。“反逻辑” 斯坦福大学的研究者发现要解决计算机视觉和自然语言处理的困难问题，需要专门的方案：他们主张不存在简单和通用原理能够达到所有的智能行为。罗杰·单克描述他们的“反逻辑”方法为“scruffy”。常识知识库就是“scruffy”AI的例子，因为他们必须人工一次编写一个复杂的概念。基于知识大约在1970年出现大容量内存计算机，研究者分别以三个方法开始把知识构造成应用软件。这场“知识革命”促成专家系统的开发与计划，这是第一个成功的人工智能软件形式。“知识革命”同时让人们意识到许多简单的人工智能软件可能需要大量的知识。计算智能1980年代中大卫·鲁姆哈特等再次提出神经网络和联结主义。这和其他的子符号方法，如模糊控制和进化计算，都属于计算智能学科研究范畴。统计学方法1990年代，人工智能研究发展出复杂的数学工具来解决特定的分支问题。这些工具是真正的科学方法，即这些方法的结果是可测量的和可验证的，同时也是近期人工智能成功的原因。共用的数学语言也允许已有学科的合作。Stuart J. Russell和Peter Norvig指出这些进步不亚于“革命”和“neats的成功”。有人批评这些技术太专注于特定的问题，而没有考虑长远的强人工智能目标。

来源：雪球研究从低到高可分四个层次，分别是信息、经验、逻辑、思维。1、信息层面：无论买卖方，写的很多所谓的深度报告，仍停留在信息层面，只是百科式的报告。这样的报告，经常从一两百年前开始助跑，恨不得从工业革命开始讲起，用于科普还行，用来指导投资就太勉强了。2、经验层面：经验是一些偶发性的规律，是全部规律中的一部分，被偶然发现了，属于局部的规律，利用这些经验进行的预测，在部分情形下可能会有效果，有时也无效，但预测的人是不知道为什么对了，即使错了，预测者也不知道为什么错了。多数卖方的报告尤其是策略报告，是停留在经验层面的，比如拿过去的大盘、风格，跟当时的经济、国际形势来关联，得到一些推测，这是典型的经验主义。行业研究员则拿上一轮景气周期，来论证这一轮周期如何如何，这也是经验主义。3、逻辑层面：逻辑是基于理论分析，试图找出所有的规律，或者规律在所有状态下的情形，找出的规律就不是偶然的，而是必然的。跟经验层面相比，逻辑层面的特点全局性、整体性、必然性，经验层面的特点是局部性、片面性、偶发性。逻辑层面的报告，行业研究员写的不多，比如郑武对航空的分析，还有赵晓光写过一些电子股的方法论总结，以及众多优秀卖方写过的方法论，多数是这个层面的。4、思维层面：是基于方法论层面，有了这些方法论，就能不断找到新的规律，相比第三个逻辑层面的区别是，逻辑层面的规律是静态的，而思维层面是动态的，是一种不断找出更多规律的能力，是识别规律对错的能力。思维层面的报告，多见于高博的报告，比如他写过的“光线是可以弯曲的”，论述相关性与因果性。具体见附件。比如存量与增量思维、边际思维、总量思维等。信息与经验层面的研究，拼的是勤奋，但逻辑和思维层面，拼的就不是勤奋了，是方法论。 如果不把研究从信息、经验层面，升级到逻辑与思维层面，以后自己做投资，拿什么跟人拼？靠拼体力显然是不现实的。水平的提高，不是对不同板块的覆盖度扩展可以实现的，不是所谓的研究过消费、周期、科技就对A股全懂了。不是研究过汽车，就好象以后就肯定能赚到汽车股的钱，大多数汽车研究员，仍旧停留在信息与经验层面，相信这些人日后想在汽车股上赚钱是很难的，绝对不是研究过几年汽车就是所谓的专家，就懂了，这种懂，只是片面的，静态的作者：肖志刚链接：https://xueqiu.com/3638360312/113834055来源：雪球著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

1.研究背景筛选已经成为各类网站的必备功能，也是用户使用最多的功能之一。它的重要性不言而喻。在某次改版设计中，通过竞品研究发现， APP的筛选列表的选项设计，有些是实心有底色的，有些是空心无底色的；在筛选项的宽度上，有些APP是自适应宽度的，又有一些是固定宽度的。这些可能和各个网站的类型及需要展示的筛选内容不同有关。对于用户而言，怎样的筛选样式看起来最舒服，同时查找的效率最高？2.研究方法为了解决这个问题，用户研究的同学通过眼动测试+访谈的方法对四种设计样式进行了评估。一方面通过眼动数据了解用户查询效率最高的设计样式，另一方面了解用户对几种方案在体验上的主观反馈。被试：由于项目周期的限制，此次研究仅选取了11位用户作为被试。测试采用被试内设计，即每个用户完成所有视觉材料上的查找任务。实验材料根据有无底色的两种样式（即空心vs实心），与自适应宽度和固定宽度两种样式的组合，共有空心自适应、空心固定宽度、实心自适应、实心固定宽度四种样式。每种样式下准备了筛选内容不同的4个页面，总计16个视觉材料。每个页面上让用户完成2个不同的查找任务（同一个页面上的两个筛选任务不会连续呈现）。因此，每个被试用户需要完成32个正式测试。为了避免目标刺激在页面中呈现位置的影响，将需要查找的目标筛选项设置在页面中部区域（见图示）。同时，为了避免用户学习到目标刺激的呈现规则，在正式实验中随机插入干扰测试，干扰测试的目标刺激呈现在页面的上部或下部位置。材料呈现此次研究将Tobii X2-60放置在笔记本电脑上执行测试。原因有以下几个：由于每个小的测试循环会先呈现任务指导语，告知用户需要查找的内容，然后呈现测试页面。这个切换在手机呈现上会受到较多干扰。在PC端呈现时，可以在Tobii studio中设置好材料的呈现顺序，当用户点击目标刺激后自动切换至下一个指导语和视觉材料。APP端展示时，无法精确记录用户完成任务时的点击数据。在PC端执行时，可以在Tobii studio中通过兴趣区的设置，很快的统计出完成点击的时间。Tobii X2-60在移动端产品的眼动数据分析需要花费太多的人力，而PC端的结果输出则容易很多。Tobii X2-60在移动测试平台（就是那个铁架子）上进行移动端眼动测试时，数据采集的质量往往很差，而放置在PC上采集效果会好很多。由于人们在使用手机时，眼睛到手机屏幕的距离大约为30cm，而使用笔记本电脑时，眼睛与屏幕的距离大约为40cm（台式机的视觉距离可能会更大）。为了更好的模拟出APP的视觉效果，PC上视觉材料呈现的实际尺寸要大于APP的尺寸。根据相似三角形原理，可以计算出PC上需要展示的页面大小（见下图示意）：实验设计正式测试中实验材料的呈现顺序如下图。先呈现指导语，告知用户需要在后续页面中查找的筛选项，然后呈现测试页面。指导语的另一个作用是，给用户一个视觉锚点，使用户进入筛选测试页面时，注视点的位置相对固定。由于tobii studio中无法将指导语和实验材料绑定为一个组块，并实现每个组块的随机。因此本次测试中，在不同用户间实现手动随机，即每个用户测试前，手动对材料顺序进行调整。（PS，要求高的同学可以购买tobii Studio的E-Prime扩展包，以实现更为理想的实验设计。）正式测试结束后，提供满意度评分表，并进行用户访谈，了解用户对四种设计样式的评价。研究指标眼动指标：使用了首次注视时间、注视次数、注视时长三个指标。首次注视时间用来衡量用户搜索目标刺激的效率（即能否快速找到目标筛选项）；注视次数、注视时长两个指标用来衡量用户对目标刺激的识别效率（即能否快速看懂并识别出筛选项是需要查找的内容）。行为指标：使用了首次点击时间作为指标，用来判断用户做出点击操作行为的效率。主观指标：主观满意度的10点量表得分、及主观评价反馈。3.研究结果整体而言，有底色的实心自适应样式的查找效率和用户的主观满意的得分最高，而空心自适应的样式用户识别信息的效率最高。（四种设计样式的眼动数据在统计学上均未达到差异显著的水平，这可能与样本数量和测试次数不足有关。）4.最后的tips由于Tobii在移动端上眼动测试的数据分析太耗时耗力，如果需要测试的APP页面在H5端有对应的页面，也可采用上述的方法在PC上完成测试。如果不知道在PC上如何调整页面大小，可以根据上文介绍的换算方法，算出电脑屏幕上需要显示的外显尺寸，最后用尺子在电脑屏幕上量一下大小，再进行调整。用户样本数量和测试次数不能太少，否则数据结果很容易在统计上差异不显著。作者：小纯洁

今天给大家分享的是人教版五年级下册第六单元的习作解读，照例让我们先看一下习作要求。习作主题：利用信息写简单的研究报告了解了习作主题后，下面就让班马书院的老师带领大家来看怎样在作文中写研究报告。研究报告的三个准备步骤一 确定研究主题根据自己的实际情况确定研究主题。例如：居住区环境状况、社会用字情况、校园午餐情况、花园里的花草长得怎样等主题。二 根据主题，划分小组1 根据共同关切的主题选择分组。2 确定小组组长、组名、人员任务等方面，责任到人，明确分工。三 选择研究方法1实地研究的方法。（研究方法：如问卷、走访、测量等。）2 根据研究的主题选择可行的方法，同时根据组员的个性安排不同任务（根据个人能力，家庭可以提供的方便条件等）。关于研究资料在整个报告研究过程中，首先要对资料进行大量的收集、整理、归类。在此基础上，需要仔细的研读和理解，这是研究的基础。并且在引用资料的时候要注意资料的准确性和严谨性，如时间、地点、人物等。关于报告主题的选取同学们可以研究中国小学生名著阅读情况，小学生的用眼情况与近视率，还可以研究小学生的零花钱是如何支配的。还可以研究小学生习惯养成的一些问题，比如读书习惯、写作习惯、生活习惯和学习习惯。还有和小学生每天生活息息相关的早餐、午餐、晚餐的研究，以及小学生都喜欢哪些书籍等等。关于小学生喜欢的电脑游戏，以及小学生学习时间过长的情况，小学生最喜欢作业主题、最喜欢的课程，小学生寒假、周末活动研究等等，这些都是同学们可以作为研究主题的内容，可以选取一个自己最感兴趣的主题来研究。关于研究报告的结构1 原因：我为什么要做这样一份研究？2 研究：研究的主题和方向是什么？3 分析：即研究报告的主体内容，分析研究的情况。4 结论：我通过这份研究报告得出了一个什么结论。5 建议：通过这份研究报告，我给出大家一个什么样的建议。研究报告的结构组成是：原因、研究、分析、结论和建议，并且顺序是不能打乱的。研究报告的一般写法：1 确定研究对象：交代所研究问题或现象。2 确定研究主题：直截了当地把研究的问题写在标题里，如《关于XXX的研究报告》。3 交代研究原因：交代所研究主题的原因。4 研究内容：确定方法，按一定顺序写清楚研究内容。5 分析结论：分析事实得出结论。6 提出建议：联系实际提出建议。以上就是关于研究报告习作的一些指导，希望对大家有所帮助~

上一篇文章中我们讲解了论文写引言需要注意的一些问题，我们在解决这些问题应该使用怎样的科学方法来揭示事物的内在规律。1、实际调查最为普遍也最能揭示事物实际情况的是实际调查法，其表现方式有交流获得有价值的信息、问卷抽查然后分析，相关资料的搜集。通过这些方法获得信息进行筛选、分析、归纳、总结。2、间接调查间接调查是一种比较高效的调查研究法，主要是通过对所收集的文献资料所包含的信息进行研究，这些信息经过前辈提炼过，因此会更全面、更正确的确立研究的方向3、数据取证法数据的获得来源于对普遍问题以及个别问题进行实验得出数据，通过所获得的结果去反向证明事物的内因与外因。另外也可以通过干预研究对象的变量，存在方式来得出事物存在的规律。数据取证的实验方法是发现事物之间联系的有效工具和必要途径。4、对比分析通过实际数与基数的对比来提示实际数与基数之间的差异，借以了解经济活动的成绩和问题的一种分析方法。在科学探究活动中常常用到，他与等效替代法相似。5、案例分析法把实际工作所遇到的问题当作案例来分析，通过分析、判断、总结、归纳并得出现象的本质与运行规律。论文写作不仅是一个创新过程，更多的情况下是通过现象来把握事物的本质，提出研究的新方向。有更好的方案来解决所存在的问题。

Florian Egger：大家下午好！非常高兴能够来到这里，非常高兴邀请我来到这个会议室和大家进行交流。已经快要到了今天最后的部分，所以我主要是想讲一些理论方面的研究，希望可以让大家找到一些似曾相识的感觉，让大家回味到今天之前的演讲。今天上午我们讲到了不同国家的消费者趋势，还有每个国家彼此之间的对比情况，我们有跨国研究。今天下午又看到了一个无人机视频，可以录下我们周围的场景，也是一种研究方式，也说到了可穿戴设备的研究，最后我们也可以做日记研究或者是图像记录研究，这些都是研究方法。在这之后，我们有一个可用性的研究，比如说有一些数据，有一些好的或者是不好的反馈。Durgaprasad Vemula又说到了如何收集到真的有质量的数据和信息。我今天的演讲其实是把所有的东西都进行分类，给你们一个研究框架，让你们能够在自己的研究过程中进行使用。这是我自己的一个简短的介绍，我在瑞士工作，我管理一个小型的用户体验公司，在日内瓦，我已经做了15年，有很多不同的案例，我们同时也是UX PM认证证书的培训资质公司之一。这意味着我在山顶工作，而且我们有一个小小的工作室，这其实不是那么的现实，在瑞士你们可以来到这里进行围观，这是我们在日内瓦的办公室。可以看到这里有一个非常著名的水池，而且在这个建筑右边是联合国办公室，我们在远方，在那条路的尽头。我们知道我们有很多的客户，包括很多联合国组织，或者是联合国组织在日内瓦的一些其他公司，这只是我们的一部分客户，我们帮助他们进行网络研究或者是体验研究，而且我们涵盖了不同的领域，比如说手表、银行业、保险业等等，还有很多的电子商务等等，我们其实并不是说在某一个领域特别的专业，我们主要是进行一些方法的研究，我们会把它叫做UX工具箱，所以很多的事情都是在工具箱中，我们就会知道哪种测量方法适合哪种项目，这就是我们的强势所在。在座的各位都会觉得用户体验非常重要，因为的确如此。它是我们以用户为中心的设计中心，这并不是一个新概念，它是一个全球的标准概念，我们必须要定义不同的步骤和标准，用于最终的研究。它不仅仅是在项目开始的时候进行研究，而是贯彻到整个流程，而且要尽早的把用户加入进来进行研究，而且我们也会知道它会让我们感觉到欣喜，也会有利于研究的开展。第三部分什么是好的用户研究？什么是正确的问题？怎么样在正确的时候进行提问？首先要保证是相关的，比如说UX工具箱，可以选择一个方法，比如说这个方法如果不适合这个项目的话，它就不是一个正确的工具。主要的问题要问你自己，就是我到底想要聚焦在哪一点？是在这个场景还是这个产品本身？我是要收集数据还是他们的意见观点还是事实陈列呢？这是另外一个备注，当说到案例的时候我们会想到应用型的研究，同时也可以用一些科学的方法进行研究。我们现在需要提升用户界面，所以需要一些全新的方法进行支持。为了更好的理解，我们可以给大家一个在设计方案中的角度。在这里从头到尾可以看到不同的研究类型，都是可以进行使用的。第一，发生性的，它是会爆发的，你其实一开始并不知道现在想解决什么样的问题，比如说我们想聚焦于这个城市的流动性或者是交通性，我们想知道人们是怎么样选择正确的交通方法，从A点到B点，这个是你的研究内容，可能比较模糊和抽象，所以你需要做采访和研究，可能需要做二级研究或者是做人类学研究等等，这些是一个非常宽泛的研究角度，而且你要知道研究范围有很多不同的方面，而且需要缩减到一个固定的领域中，比如说我们找到一个需要解决的问题或者是找到一个商业机遇，要么就是一个积极的或者是消极的表达。在这里可以做更多的定性研究，不一定基于之前的数据进行研究。第二，当我们找到问题之后的确需要更好地理解这个问题出现的背景，很多时候我们说到了用户场景，的确我们需要更好地理解我们的人，比如说这个人怎么样进行研究，他们到底有什么样的研究场景。在这里可以看到，你可能会用其他的方法，并不是令人感到麻烦的方法，比如说我们可以用采访、最佳实践或者是设计出来的模板，你们可以买其他的报道进行参考，也可以看竞争对手的方案，或者是进行一些非常规的研究，比如说可以带他们去商店进行记录，也可以做一些正式的标准或者是定量考察，比如说制定标准，由专家进行评分，或者是你可以在网上进行可用性研究，而不用任何的主持人，让他们自己做一些项目。然后就会说我们有三个竞争对手，他们对这些评分是怎么自我评定的。第三，我们在可用性研究当中，比如说有一个原型，我们目标是测试这些设计的方法是否可以达到消费者的目标，比如说可以做采访或者是做服务提供，你是否喜欢这个，听起来可能不太正式，但是总比没有反馈好，这也是一个比较好的非正式的研究方法。第四，比较休闲，随便性的研究。比如说你想了解他们在使用之后的体验，你想知道他们在消费者那边是如何感受到的，我们这里有几个主要的研究方法，你可以看它的分析，比如刚才说的谷歌分析表格，你可以做AB测试，可以做网站测试，有一些固定的模板。比如说有一些标准的样板或者是5-10个样本量，你可以扩充你的样本库，可以帮助我们更好地了解这些设计影响的范围。把所有的这些研究方法放到综合性的框架中，就可以知道在这个项目中处于什么阶段，我是在一开始不知道问题是什么，还是我想要找到一些东西可以契合消费者的诉求，所以这就是一个综合性的框架，可以提升消费者的满意度，这就是一个非常综合性的框架。可能之前有人看到过。这里有一个文献，说到了一个双维的考量角度，比如说我是否感兴趣，这个人告诉我喜欢什么，这就是态度和行为之间的对比。这里出现了一个很大的反差，因为我们知道人说的话和做的事有很大的反差。比如说之前有一个人说喜欢智能手表，他会告诉你一些使用的场景，但是你发现他说得话和使用的场景根本不匹配。你可能更加感兴趣的想知道他为什么这样做，或者是你想知道其他的改善，比如说可以更好地提升流畅度或者是其他的原因，比如说有多少人或者是有多少时间在用手表等等，这样的话我们就可以更好地影响到你所选择的研究方法。这里是其他的研究方法，我们可以看到有几种颜色对应在坐标图上。之前我们提到了类似概念，比如说实验室研究，同时还有包括人类研究或者是采访，最下面我们可以看到一些谷歌表格，我们问问题，他们告诉答案，这是是很有意思的反馈，但是我们不能仅仅根据他们的讲话去理解。右边很明显有一些调查问卷，让他们进行填写，我相信大家都填写过问卷，比如说你的满意度，看一下你多快进行了选择等等，这样的话可以拿到一个简单的信息收集，可以收集到大量的信息，当然也会丢失一些比较小的信息。在一些真实的使用场景中的细小的、细节性的信息可能会丢失，那时候就需要激发消费者，让他们说出自己真实的想法。那么我们如何对定性和定量进行比对？在定量方法中，我们非常专注为什么和怎么样，并且有很多的描述性的语言。比如说描述他们的情感、挫折、开心等等。我们根据这些语言去做一些分析，当然还有语言本身。我们的定性是能够帮助你去开发一些想法的，得到一些消费者的见解，我们就把这两个方法在这张表格上进行定量和定性进行比对。定量分析会针对多少时间、多少人，还有数据在定量方法中是一个核心，要统计分析语言，当然最后需要做一个总结。提到定量指标可能大家不太清楚，特别是在UX这个场景下到底是什么意思？首先是行为或者是绩效指标，比如说任务成功率、转换率、错误次数、点击次数、人们的求助次数，对任务时间进行衡量，我们有大量的工具帮助大家进行衡量，但是并不是说所有的数据对你来说都是有意义的，比如说这个页面的浏览量是一个人的，浏览时间是10秒钟，对于你来说有什么意义？我们就需要对态度和满意度的指标进行分析，有SUS评分，就是系统可用性的量度，其实这个工具已经发展的非常成熟，大家都在使用。NPS就是净推荐值分数，你问一个消费者说你会将这个产品推荐给你的朋友吗？这就是净推荐值分数的一个很典型的问题。当然还有一个UX的用户体验评分，所有这些都是指标，和数字是息息相关的。我们需要一些比较有质量的数据，就需要你花费很多的力气和时间上的投入，需要大量的反馈，即使你有了被访者，你也需要谷歌表格，将这些数据输入进去，生成表单等等。但是这一步没有办法跳过，我到底是用定量还是用定性分析？我的答案是要看情况。根据项目的性质来决策到底是使用定量还是定性分析。如果说你只坚持单一方法会承担一些风险，只有定性的话，就有很多的细节、很多的描写、描述，但是却没有重要的结论，你没有办法进行总结，如果说你非常需要总结，你就不能只使用定性。只有定量的话，你会做非常大量的研究，你可以得到很多的结论，结论是非常宽泛的，但是却没有充分的背景，你不知道为什么。因此，我在这里要强调的是你必须要将两者混合，我把它叫做“1+1”的方法，我相信这个方法在单一研究中系统的整合定性和定量方法，获得对一个现象更加全面和深刻的了解。什么叫做全面的了解？我不知道大家是不是知道这个故事，其实就是盲人摸象的故事。我们叫6个盲人去触摸大象，每个人给出一个描述，最后这个人就说我感觉这部分大象就像是一根绳子，有的人说就像一棵树、一面墙，他们的确都是正确的，但是只有把他们的描述整合起来你才能真正的得到一个正确的关于大象的描述。我相信这是对我的观点的一个非常直白的解释。看一下如何进行1+1的执行？如果我们将定性方法使用的比较多，并且大于定量方法，我们的目的就是要验证一个结果。下面这个例子是一个UX的评分问卷，对5-10个人进行访问，让他们填写问卷，提问题，这些答案都可以在网上进行。定性分析在这里的成分比较少，你可以问别人为什么你觉得任务非常难等等问题。如果说你找了100个被访者，你就能够得到大量的数据。两者结合，你就能够得到定性和定量的分析。今天也有人提到了眼动追踪这个技术。如果我有一个网站上的点击图，当然我觉得这个地图可能还要根据执行人的任务性质，看看是不是可以输入一些比较有意义的数据。在这个任务之后还可以设置一个问卷，问他一些看法。在这里我又要提到一个技术，也就是卡片整理。我们也用它来测试很多的信息和收集很多信息，并且建立一个信息结构树，我们有一些国际或者是外国客户，我们在网上做这些测试，收集信息，有200多个回应，并且知道他们的背景是什么，当我们收集这些信息的时候，即使在网上很容易的进行分享，但是我们还是会做一些对话，去问他们为什么他们会这样完成这个任务。这样一来就完成了定性和定量两种方法的执行。我们在定性的时候一直会问为什么，当我们在200个定量测试方法之后，以定性的方法进行的补充，你所知道的信息就会更加的有意义。在定量之后我们做一个定性的补充。当你要使用定量做验证的时候，你可能在观察一个问题或者是一个机会，我可能就会在一个小样本上进行趋势的观察，你对于一小群人的观察，问自己这样的产品是不是会受到欢迎，你使用较大的样本数据去确认这些观察结果，这就验证了我之前说的四步走。在我们的手机行业中，我们会抉择要不要在这个手机上加上这个功能，一般来说我们在小群人中会发问卷，把他们的问题贴在板上，当收集了想法之后会进行市场调查，看看是否可行，是不是代表大部分的趋势，如果回答是“是”，我们就可以做大量的定量调查。接下来就开始做一个定性分析。想象你现在手中有大量的数据，可以是一个有优势、有缺点的数据，可以帮助你回答一个问题就是“是什么”。这是我们为奥委会做的一个项目，他们有一个项目的想法，是一个非常初步的想法，他们问自己“我们是不是让全球的老师在课堂上教授体育价值”，这是一个非常高层次的问题。我们先从一个定量的方法下手，我们收集了1000多个被访者的问卷调查，一般来说问的是封闭性的问题，人们可以说我同意或者是不同意，然后在这些封闭性的问题下有一个框，让他们写一些开放性的问题答案，在这其中已经有一些定性的信息出来了，我们知道了一些他们的初步想法，在这一部分就到了开放性问题的答案，进一步深挖，他们为什么同意或者是不同意。接下来我们就让学生和老师见面，真正的让他们进行对话，看一下我们奥委会的想法是不是真的有效。这就是怎样从一个高层次的想法进行一个定性和定量的具体执行。另外一点，你想要解决一个问题，这其实和定性是相关的。也是先从定量开始再做定性。我在这里是想解决一个问题，用这样一个流程帮助我做测试。接下来我们会做一个UX用户体验的测试，明白用户到底有什么问题，在这样的测试中也可以用更多的定量分析去计算，也可以做眼动追踪，有可能会缺失一些信息，有可能被访者误解了信息，一旦你重新设计了或者是有新的解决方案的时候，你可以再把这个流程过一遍，看一下这个新的方法是否见效，然后就可以进行在线网站的设计是A还是B，把它放在网上放几天或者是几个星期，如果你真的可以找到最后的数据分布，你可以发现这些数据可能A比B好或者是B比A好，之后就可以选择设计方案，然后根据标准或者是第一个分析去看在现实生活中，我们的现实使用者是不是A比B好，选择的表格是不是对应着他们真实的期望，所以这就是一个非常明显的例子，可以看到我们是如何用这种混合性的方法解决同一个问题。用户研究是需要进行研究的，包括我们用不同的问题进行提问，而且我们也有很多不同的工具进行选择。另外，有时候只用一个方法，有时候要用混合性的方法进行研究，所以你需要知道研究方法的优势和劣势，而且有时候我们讲的话和他们做的事不一样，你对他们的观点是不是有兴趣，你要了解他们是谁，是不是要追踪他们的使用过程等等。之后，我们也需要有不同方法的混合性的使用，而且要看到可以用三种方法进行并行的研究，比如说可以有定性研究，有问卷，也可以用眼动追踪等等，或者是当你识别到一个小样本之后，需要一个大样本去确认或者是有一个大数据去给出一定的分析结果，之后还可以用定性研究。以上就是我演讲的所有部分。谢谢！

读文献，就是为了从文献中获取有用的信息。在不同的研究阶段，我们需要获取的信息不同，因此要用不同的策略去读文献，以获取这个阶段所需要的信息。概括来说，在寻找选题阶段，应该重点读文献的引言以及结论与展望。一般来说，一篇文献的引言中会说明这篇文章研究背景是什么，主要解决了哪些问题，采用了什么研究方法，可能有哪些新的发现等等。从引言中你可以快速获取与论文选题相关的信息，让你对这个领域正在进行的研究有个全面地了解，知道前人已经研究过哪些问题，这个领域研究的前沿和热点是什么，方便你找出适合自己的选题。而在结论与展望中，作者通常会说明自己研究存在的不足之处，以及未来可能的研究方向。从这这里，你可以发现领域内尚未解决的问题，考虑将其作为自己的选题。在选题设计阶段，主要是寻找材料和研究方法，这时你看文献需要重点了解一下该研究的思路和方法，通过泛读去把握作者的研究思路，然后学习他们的分析方法，最后是学习论文写作技巧和写作语言格式等内容。当你确定好选题之后，就可以选择经典的、高质量的文献进行精读。所谓经典的文献，就是在你的研究领域内权威的、基础性的文献，通过精读这些文献可以让你的研究有个坚实的基础。而高质量的文献一般学术密度高，其研究思路、方法和逻辑都值得你深入地去学习和思考。关于如何精读，除了常规的通读全文（引言、方法、模型、数据、发现、结论）之外，要有针对性的读其中一些内容，甚至反复地读。在读的过程中，你的脑海里应该有一些问题清单，它可以帮助你提升分析能力，更好地理解和吸收文献中的内容，这些问题可以包括：1.你从文章中获得了什么信息？2.作者试图发现什么问题？3.为什么研究这个问题是重要的？4.文章中的数据是如何收集的？5.作者做了什么结论，他们的发现有何贡献？6.你觉得这些发现是否成立？7.你如何将这些发现应用到你自己的研究中？另外，在阅读文献的过程中，记笔记也非常重要。这里的笔记不光是简单地摘抄，还要体现出你在阅读中的思考，比如针对作者提出的某些观点和结论，你的理解是怎样的。最后，对文献作总结，它不需要太长，但一定要有自己的思考。这样，你的部分笔记内容可以在今后的论文写作中直接使用。记笔记时可以采用双栏笔记，一栏中总结作者的论据、论证过程和结论；另一栏中记录你的思考，对方法的评价等。前期阅读文献时，如果还不能进行很深度的思考，哪怕只是记录“论证混乱”或者“这儿没看明白”之类的，也会对你有所帮助。当然，笔记的格式只是个小建议，只要你的笔记符合下面的标准，你可以按自己习惯的方式来记笔记。1.明确你自己和作者想法的不同之处。2.确保你的笔记清晰可读。3.要注明文献的出版细节，包括页码等信息，以防你需要再次查看原始资料，或者在文献综述中引用它们时找不到原始出处。（这是一个非常重要，也非常好的习惯，请在一开始读文献时，就养成这个好习惯）最后，在阅读文献时要学会批判性阅读：在开始阅读之前，思考一下你期望从这篇文章中得到什么，在读的过程中，要保持思考和分析：1.这篇文献的研究内容是否已经过时了？2.文章的论点逻辑如何？3.支撑作者论点的论据是否充足可靠？4.资料的引用是否正确？当不同文献之间的结论有冲突时，思考：1.他们使用的分析方法有什么异同点？2.他们使用的衡量工具有区别吗？3.他们是如何对问题进行评估的？好了，以上就是不同阶段阅读文献的主要方法，希望对你有帮助。