经验取样与生态瞬时评估

一、从传呼机到手机#

1970 年代末，契克森米哈赖与拉森给被试配发传呼机，随机时刻发出信号，被试立即在纸质小册上记录当下在做什么、和谁在一起、感受如何。心流理论正是从这类数据里长出来的——它揭示了一个问卷永远问不出的模式：幸福感与活动的匹配程度相关，而不是与活动类型相关。

契克森米哈赖、Reed Larson 与 Suzanne Prescott 1977 年在《青少年杂志》上报告了早期形态。二十五名青少年携带传呼机一周，每天在上午八时到晚上十一时之间随机收到五到七次信号，当场写下此刻在何处、在做什么、和谁在一起、感觉如何。一周共得到 753 次记录，数据采集于 1976 年二三月。心流 并不是事后被问卷问出来的，而是在这些被打断的片刻里，挑战与技能匹配时反复出现的状态。

1987 年，契克森米哈赖与 Larson 在《神经与精神疾病杂志》上专门讨论这套方法的信度与效度。它测的是被提示那一刻的体验，而不是被整理过的人生故事。方法与理论在此互相约束：没有反复截取的"此刻"，心流会被回顾性问卷平均掉。

1990 年代，斯通与希夫曼把这套方法在健康心理学中系统化，命名为生态瞬时评估，强调三个要素：在真实环境中、在当下、多次重复。

1994 年，Arthur Stone 与 Saul Shiffman 在《行为医学年鉴》上把健康心理学中的平行传统写成生态瞬时评估。强调点从经验的生态学转到临床与健康行为：吸烟、疼痛、服药依从，都必须在发生的情境里被抓住。名称不同，核心约束相同。

智能手机让成本坍塌。今天一项 ESM 研究可以覆盖数千人、持续数月、每天多次采样，还能同时接入被动传感数据（位置、活动量、屏幕使用、睡眠）。方法的门槛从"能否做"变成了"能否做好"。

成本下降之后，新的失败模式是采样过密。每天十几次、持续数周，依从性会在第一周之后塌陷。提示变成了另一种负担，而负担会选择谁留下来。能做，不再等于测到了你以为测到的那个过程。

二、三种采样设计#

信号触发（signal-contingent）：在随机或半随机时刻提示作答。优点是无偏采样个体的时间分布，是研究情绪波动的默认选择；缺点是打断日常生活，且罕见事件几乎采不到。

间隔触发（interval-contingent）：固定时点作答（如每天早中晚）。负担低、依从性高，但会错过时点之间的动态，也容易被日程规律污染。

固定时点看起来整齐，却会与作息重叠。每天晚上九点的提示，采到的是"睡前那一小时"，不是一天的无偏切片。若研究问题是情绪的昼夜节律，这个偏差会直接进入结论。

事件触发（event-contingent）：特定事件发生后作答（吵架后、吸烟后、进食后）。对研究特定行为极其高效，但依赖被试自己判断"事件发生了"——这本身就是一次可能有偏的认知过程。

多数成熟设计是混合的：用信号触发建立基线，用事件触发捕捉目标行为。

信号触发适合估计一个人一天里情绪的时间分布，因为它不让被试自己挑选"值得报告的时刻"。代价是：一天里只出现一次的暴食或冲突，几乎一定会被随机提示错过。事件触发反过来专打这些稀有点，但把"这算不算一次事件"的判断交给了被试。混合设计不是折中口味，而是承认两种偏差无法被同一种提示消除。

三、这套方法真正解决的问题：个体内 ≠ 个体间#

ESM 最深刻的贡献不是"更准"，而是让一类此前无法回答的问题变得可问。

传统研究比较的是人与人之间的差异：焦虑高的人是否睡得差。ESM 能回答的是同一个人内部的动态：这个人焦虑更高的那些晚上，是否睡得更差。

这两者在数学上没有必然联系。遍历性问题（ergodicity problem）指出：只有在极其严格的条件下（个体间同质、过程平稳），群体层面的规律才能推广到个体层面。而心理过程几乎从不满足这些条件。这意味着大量以群体相关为基础的心理学结论——包括许多临床建议——在逻辑上并不支持"对你个人也成立"。

Peter Molenaar 2004 年的宣言把问题说得很硬：若过程不满足遍历性，对群体建立的模型在逻辑上就不能当成对个体的模型。心理过程几乎总是因人而异，并且随时间非平稳，因此默认不遍历。这不是一句修辞。它要求：凡是想对单个人做预测或干预的主张，都必须在个体时间序列上被重新估计。

Aaron Fisher、John Medaglia 与 Bertus Jeronimus 2018 年在《美国科学院院刊》上用六个重复测量数据集做了对称比较。各样本约 87 到 94 人，每人测量次数与人数相同。

群体与个体在均值上还可以看到某种程度的接近，但个体内部的方差往往是群体方差的二到四倍。于是，建立在聚合估计上的精确度会被高估。这不是说群体研究无用，而是说：从"这类人平均如何"跳到"你下一次会如何"，中间缺了必须单独估计的那一层。

这带来一个直接的分析要求：密集纵向数据必须用多层模型处理，把变异明确拆成个体间与个体内两部分，并对预测变量做组内中心化。否则两种效应会混在一起，得到的系数既不是个体间效应也不是个体内效应，而是两者的加权混合——这是 ESM 数据分析中最常见也最隐蔽的错误。

四、依从性、反应性与负担#

ESM 的效度高度依赖被试是否真的在被提示时作答。

依从性：延迟填答会让"瞬时"失去意义。早期纸质研究的经典发现是，被试会在截止前集中补填（所谓"parking lot compliance"），而时间戳技术让这个问题第一次可见。现代研究普遍设定作答窗口（如 10–15 分钟），并把窗口外的数据标记或剔除——剔除规则必须预先声明，否则就成了另一种研究者自由度。

纸质日记研究里，时间戳一旦可被核查，就会看到一种经典模式：相当一部分条目是在截止前集中补填的。电子时间戳把漏洞变成了可报告的依从指标。更难处理的是与心情绑定的缺失：人往往在最痛苦、最忙或最想回避的时刻跳过提示，而这恰恰是许多临床问题最关心的窗口。

反应性：反复报告本身会改变被报告的对象。让人每天四次报告情绪，可能提高情绪觉察，也可能诱发反刍。这既是威胁（污染观测），也是机会（自我监测本身有治疗价值，被用于成瘾与情绪障碍干预）。

反应性在成瘾研究里特别尖锐。让人在吸烟冲动出现时打卡，既可能提高觉察并减少自动吸烟，也可能把注意固定在渴望上。成瘾 干预里的自我监测，与经验取样的测量反应性是同一件事的两面。研究若声称自己只是在观察，就必须拿出反应性被检查过的证据。

负担与选择性流失：问卷越长、频率越高，退出的人越多——而退出往往与研究关心的变量相关（症状最重的人最先退出）。这是 ESM 最严重的效度威胁，因为它把缺失机制与结局绑在了一起。控制手段包括缩短问卷（每次不超过一两分钟）、递进式激励、以及把依从性本身建模而非当作干扰。

退出与症状相关时，留下的样本会系统性更轻、更有余力打卡。只报告最终样本的依从率而不报告谁离开了，等于把最困难的那一段生活从数据里删掉，还把剩下的人写成典型患者。

功效不是靠人数堆出来的。 密集纵向设计的功效同时取决于被试数、每人测量次数与个体内相关。想估计个体内效应，增加每人测量次数收益大；想估计个体差异的调节效应，增加被试数收益大。用横断面的功效直觉设计 ESM 研究，几乎总会算错。

五、被动感知与它的伦理边界#

手机与可穿戴设备能持续记录位置、活动、通话与屏幕使用，无需被试作答。这类数字表型数据把负担降到接近零，但把伦理问题抬到很高：

• 持续采集的知情同意如何有效？ 一次性签署无法覆盖数月连续记录的全部含义。
• 被动数据的推断力远超被试预期：移动轨迹能推出居所、工作地、就医记录与社会关系。
• 数据的下游用途难以约束：一旦离开研究情境，同样的信号可用于保险定价或雇佣筛选。

方法上还有一个诱惑需要抵抗：被动指标（如步数、屏幕时长）常被当作心理构念（活动量、社交退缩）的代理，而这一步替换往往没有效度证据。传感器测的是行为，不是心理状态；把两者等同起来，是这个领域当前最需要警惕的滑动。

知情同意 在持续传感里会过期。被试在第一天签署的那张纸，很难覆盖三个月后轨迹数据能被重新组合出的含义。雇主或保险方若获得同类信号，用途会离开研究协议所描述的科学目的。

更稳妥的表述是原则性的：采集应有明确的科学问题，范围应可被说明，退出应真正停止采集。步数不是抑郁，屏幕时长不是社交退缩。中间那一步映射，不能靠直觉完成。

六、实务清单#

下面这些条目看起来像项目管理，实际上每一条都对应过一种已经出现过的偏差。未预先声明的剔除规则会变成另一种研究者自由度。横断面的功效直觉会让人招太多人、采太少次，或正好相反。回顾性量表的措辞会把"此刻"又偷偷改回"通常"。

• 预先注册采样设计、作答窗口、依从性纳入标准与缺失数据处理；
• 用试点数据估计个体内相关，再据此做功效分析；
• 问卷条目必须为"此刻"改写，不能直接搬用回顾性量表的措辞；
• 建立多层模型，显式分离个体间与个体内效应，并做组内中心化；
• 报告依从率、流失率与两者与关键变量的关系，而不只是最终样本；
• 若使用被动数据，单独说明其效度证据，不要默认它测的是你想测的构念。

跨域连接#

• 纵向与多层模型：ESM 数据天然是嵌套的（时点嵌套于个体，个体可能嵌套于家庭或诊所），忽略这个结构会严重低估标准误。多层模型不只是统计上的合规要求，它直接决定了你估计的是哪一种效应——个体间、个体内还是二者的混合，这个选择必须由研究问题而非软件默认值决定。
• 峰终效应：回顾性报告被峰值与结尾主导、几乎忽略持续时间，这正是 ESM 存在的理由。它把"记忆自我"与"体验自我"的分歧从一个有趣的实验现象，变成了一个方法论上的强制选择：你想研究的是人实际经历了什么，还是他事后如何叙述？两者的答案经常不同，而问卷只能回答后者。
• 数字表型与计算伦理：被动感知把测量负担降到零，也把知情同意、数据最小化与再识别风险推到前台。"因为技术上能采集，所以采集"是这个领域最危险的默认设置；而更隐蔽的问题是构念效度——传感器信号与心理构念之间的映射，需要独立验证，不能靠直觉指定。
• 契克森米哈赖的传呼机研究：心流理论之所以能被提出，正因为它需要的证据只有经验取样能提供——幸福不取决于在做什么，而取决于挑战与技能是否匹配，这个结论在任何回顾性问卷中都会被平均掉。方法与理论在此互为条件，是心理学史上一个罕见的清晰案例。
• 实时系统：ESM 平台的工程约束与实时系统同构——提示必须在预定时刻送达、作答窗口必须严格计时、时间戳必须可信且不可篡改。当"瞬时"是数据效度的核心，时钟就成了测量仪器的一部分；离线补填、时区处理与推送延迟这些工程细节，会直接转化为科学结论的偏差。

参考文献#

• Csikszentmihalyi, M. & Larson, R. Validity and Reliability of the Experience-Sampling Method. Journal of Nervous and Mental Disease 175(9), 526–536, 1987.
• Stone, A. A. & Shiffman, S. Ecological Momentary Assessment in Behavioral Medicine. Annals of Behavioral Medicine 16, 199–202, 1994.
• Molenaar, P. C. M. A Manifesto on Psychology as Idiographic Science. Measurement 2(4), 201–218, 2004.
• Bolger, N. & Laurenceau, J.-P. Intensive Longitudinal Methods. Guilford Press, 2013.
• Fisher, A. J., Medaglia, J. D. & Jeronimus, B. F. Lack of Group-to-Individual Generalizability. PNAS 115(27), 2018.
• Csikszentmihalyi, M., Larson, R. & Prescott, S. The Ecology of Adolescent Activity and Experience. Journal of Youth and Adolescence 6, 281–294, 1977.
• Kahneman, D. et al. A Survey Method for Characterizing Daily Life Experience: The Day Reconstruction Method. Science 306, 1776–1780, 2004.

延伸阅读#

• Shiffman, S., Stone, A. A. & Hufford, M. R. Ecological Momentary Assessment. Annual Review of Clinical Psychology 4, 1–32, 2008.
• Trull, T. J. & Ebner-Priemer, U. Ambulatory Assessment. Annual Review of Clinical Psychology 9, 151–176, 2013.
• Myin-Germeys, I. & Kuppens, P. (eds.) The Open Handbook of Experience Sampling Methodology. 2nd ed., 2021.