第七章：不像是真实生活的心理学实验与“人为性”批评
为什么自然并非总是必要的：科学家们之所以专门设置一些非自然发生的条件，是因为只有这样才可以将决定事件发生的许多相关变量区分开来。有时候，必要条件已经在自然状态中存在，但这种情况并不经常出现，科学家必须用新异的、甚至有时比较奇怪的方法操控事件。
对“随机取样”的误解：并非每一个心理学调查研究都需要使用随机样本，大部分心理学实验没有使用随机样本，因为没有这个必要，研究可以检验理论，我们所需要的只是一个方便取得的样本。随机取样和随机分配也不是一回事。随机取样涉及的是如何选择被试进行研究，这种方法要确保总体中的每一个成员都有同等机会被选为样本，被抽中的样本就成为随后调查研究中的被试。这种随机抽样的调查研究既可能是相关研究，也可能是一个真实验，如果一个研究中使用了随机分配的方法，那么它就是一项真实验，如果没有使用，那么它是一项相关调查。随机分配是中，实验人员将被试分为实验组和控制组，当每一名被试被分到实验组的机会和被分到控制组的机会相等时，就实现了随机分配。随机分配和随机取样不是一回事，牢记这一点的最好方法是弄清楚四种组合：非随机分配的非随机样本、随机分配的非随机样本、非随机分配的随机样本、随机分配的随机样本。
理论研究和应用研究的异同：主要目的为理论验证的研究通常被称为“基础研究”，应用研究的目的是把数据直接应用于现实生活。然而仅仅根据某项研究是否有实践性应用来区分基础研究和应用研究，则可能会产生错误，因为这一差别通常会随着时间的增长而逐渐消失。尽管很多科学家进行理论或实证研究的初衷并非解决具体的实践性问题，但他们发展出的科学理论或研究结果最终都解决了现实世界的许多问题。急于让科学家们解决实际问题，而不让其考虑“其他事情”的做法总是被证明是不切实际和目光短浅的，因为通向实际应用的道路充满着不可预知性。比如普罗克斯迈尔参议员因为名字听上去愚蠢而选出的研究（例如“猴子为什么咬紧牙关”），被反复证明引领了理论进展或实践应用，例如，猴子咬紧牙关的研究使得紧张这个概念操作化，这对政府机构客观评估人们在密闭空间进行作业时的紧张程度有极大帮助。
"大二学生”问题：因为大二学生在大量的心理学研究中充当被试，因此这些研究所得出的结论是否具有可推广性受到了质疑。对此，心理学家的辩解是：一，这种批评不能说明研究结果无效，只是需要更多的证据来证明理论的可推广性；二，在心理学众多领域里，大二学生问题不构成一个问题，因为所研究的心理过程是非常基本的过程（例如视觉系统）；三，许多研究结果得到了重复，因此可以确信这些结果在很大程度上可以推广到不同的地理分布中。此外心理学家正在尽力矫正这个问题，通过不同年龄、跨文化的比较等等。同时，我们也要认识到，如果我们在应用科学研究结果之前必须确定知识是完全正确的，那么应用就不会发生了。所有领域的应用型科学家尽最大努力使用最准确的信息，同时也会意识到这些信息有可能是错误的。
第八章：避免爱因斯坦综合征：聚合性证据的重要性
关联性原则：在爱因斯坦的理论中，那些被重新定义的关于物理世界的概念是如此地基础，以至于那些通俗读物经常将其等同于艺术领域里的概念变化（一个二流诗人经过重新评估，摇身一变成了天才）。这种做法忽视了概念变化在艺术和科学中最根本的差别。科学中的概念变化遵从关联性原则，就是说，一个新的科学理论，必须与先前已确立的实证事实建立关联。新的科学理论不仅仅要解释新的事实，还要兼容旧的事实，这样才会被认为是一个真正的理论进步。
消费者规则：警惕关联性原则的无效性。科学发展的“跃进式”模式——可以称之为爱因斯坦综合征——让我们误入歧途，以为新的发展必定违反关联性原则。（这个理论是如此之新，以至于他们可以理直气壮地说：与之关联的实证证据尚不存在。）但实际上如果某个新理论与其他学科之间缺乏必要关联性，则会被舍弃。
“跃进”模式与渐进整合模式的比较：科学家所评估的证据不是来自某个设计得异常完美的实验的数据，与之相反，科学家往往要去评估来自几十篇实验论文的数据。这些实验各有瑕疵，但每个实验都能提供部分答案。这些进步的发生，凭借的不是革命性的重构一些重大概念而是几种能站得住脚的不同解释进行长期与反复的交锋和对峙。科学总是遵循关联性原则，其特点在于众多个体的参与，而对这些个体的贡献进行评判的标准，是看它在多大程度上加深了我们对自然界的了解。没有哪个单独的个体能够依靠其特殊地位来主导讨论。科学家和那些科学知识的运用者常常需要对海量的证据进行判断，所用的原则就是聚合性证据原则，包括“有局限的实验”的逻辑和按照理论检验的思想。如果所有的实验都是以同样一种方式出现瑕疵，这种情况将会降低我们对实验结论的信心，因为结论的一致性也许仅仅源于一个特定的瑕疵，而这个瑕疵是所有实验共有的；另一方面，如果所有实验都呈现出不同的局限性，我们对结论的信心就会大增，因为结果的一致性看似并非源自某一个让所有实验结果都混淆不清的干扰因素。每一个实验都有助于纠正其他实验在设计方面的错误，只要大量的实验能够得到近似的结果，那么我们就可以说我们的实验证据实现聚合性了；聚合性证据原则同样能以理论检验的形式加以表述，当一系列实验始终支持某个假定的理论，同时又能共同排除那些最主要的竞争性理论时，研究就具有高度的聚合性。
科学共识：在心理学中，尤其是在社会急切关注的领域，这些问题的答案只能在大量不同研究结果实现融合之后缓慢地出现。用一个简单原理来总结：在评估心理学的实证证据时，心中要想的是“科学共识”而不是“重大突破”；是“渐进整合”而不是“大步飞跃”。聚合性原则同样也意味着，我们应当乐于看到多种不同方法应用于心理学研究的各个领域中，因为不同的研究技术各有其优势和不足，用于获得特定结论的各种方法之间呈现一种相对的平衡是比较理想的。对于某个特定问题的研究，通常是从相对较弱的方法过渡到可以做出较强结论的方法，这个递进的顺序是：从个案研究到相关研究，再到操纵变量（向更有效的研究方法迈进）。
不要对矛盾数据感到绝望：证据融合过程就好比一个调焦过程，幻灯片的模糊影像就如同互相矛盾的数据，或者是那些多重假设的证据。起初，屏幕上的模糊影像可能代表任何东西，接着，随着一点点地调整焦距，虽然这个图像仍不能被清楚地识别出来，但许多其他的可能假设也许会被排除。最后，当焦距调准，就可以非常有信心地做出最终的判断。在研究过程中经常会得到一些矛盾的数据，这些矛盾只不过是因为我们对问题理解得还不够充分，这些矛盾还可能是偶然事件，或者源于不同实验在方法上的细微差异。
第九章：打破“神奇子弹”的神话：多重原因的问题
交互作用：一个影响行为的因素可能会由于其他因素的出现或不出现而产生不同的效应，这就是我们常说的交互作用——一个自变量的影响效果依赖于另外一个自变量的不同水平。很多单独的变量对结果出现的影响有限，但联合起来却能产生很大的影响。临床心理学家斯科特.利连菲尔德对变量的因果影响进行了讨论，认为其时一个从强到弱的连续体。只有当一个变量处于这一连续体的最强端时，它才能独立产生作用。因果影响的最强形式，是一个变量对于其对应变量产生的影响来说既是必要的又是充分的，变量必须出现效应才会产生必要性，对变量来说，其自身必须充分到能够产生效应。较弱形式的影响则涉及一个变量和其他变量的关系。一个原因变量可能是必要的但并非充分的。最后一个弱的原因变量可能既不是充分的也不是必要的——它的出现只是增加了效应的整体上的统计概率。
单一原因解释的诱惑：复杂事件是由多重原因所决定的，这个基本的理念似乎很容易理解，但是当预设偏见开始抬头时，人们就会倾向于忘记原因多样性这一原则。人们习惯用“零和”态度去对待潜在的原因——所有的原因都和其他的原因竞争，强调一个必要性会降低另一个的重要性。“零和”观点是错误的。例如美国的贫富分化问题，财富从公民的一个阶层大规模地转移到另一个阶层手中，这一现象引发了一场极富争议的、有关其原因及影响的政治辩论，这场争辩最引人注目之处就是，这些争论着都只关注单一的原因，争辩的每一方都只以某一个原因为理论基础，然后千方百计地攻击所有支持其他原因的观点。事实上，计量经济学研究已经聚焦了四个变量：第一个因素是新移民不断涌入美国，而这些人多是非熟练工，他们造成了非熟练劳动力供大于求，使得已经很低的工资水平继续下滑；第二个原因是全球化，它进一步加剧了收入不均，因为公司可以通过业务外包，在一些工资水平较低的国家雇用一些非熟练工和半熟练工，而这更加重了本国非熟练劳动力的过剩；第三个原因是工会和大企业在力量对比方面的此消彼长；第四个因素是1980年和2001年两次减税错误地减轻了富人的赋税。
to be continued...
ps:前九章读书笔记的内容见链接：
网友评论