心理学有一个长期被容忍的方法论缺陷：它主要研究人们对自己心理生活的回忆，而不是心理生活本身。
问卷问"过去两周你多常感到焦虑"，被试给出的不是一份统计汇总，而是一次重建——受当下心情影响、被最强烈和最近的片段主导、被自我叙事整理过。峰终效应的研究已经证明，人对一段体验的回顾性评价，主要由峰值与结尾决定，而与持续时长几乎无关。这不是记性差，是记忆本来就不是为统计而设计的。
经验取样法（ESM）与生态瞬时评估（EMA）的思路因此很直接：不要问"通常怎样"，而是在日常生活中反复截取"此刻怎样"。
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。
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。
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"。
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。
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。
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"。
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。
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）。
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。
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。
六、实务清单
- 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.
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.
- Kahneman, D. et al. A Survey Method for Characterizing Daily Life Experience: The Day Reconstruction Method. Science 306, 1776–1780, 2004.
- Myin-Germeys, I. & Kuppens, P. (eds.) The Open Handbook of Experience Sampling Methodology. 2nd ed., 2021.