提高丰富学习的科学质量

当研究方法的某一方面鼓励一个结果或答案超过其他可能性时，就会出现偏差。即使是最有经验的研究人员也会在研究中引入主观偏见。这是因为偏见可能会在无意识中发生，而人们并没有意识到它们的发生。可以采取某些措施来尽量减少偏见。下表给出了一些偏误可能发生的地方，这些偏误如何影响你的学习，以及如何控制偏误。

阶段的研究	潜在的偏见	结果示例	如何尽量减少偏见
选择动物	在选择动物作为实验组时，选择动作较慢、较容易捕捉或处理的动物作为第一组，而选择其余动作较慢的动物作为第二组，可能会产生偏见。	两个实验组之间的任何差异可能只适用于你选择的动物。速度较慢的动物可能比它们更难捕捉的笼子同伴更大胆、更自信，它们可能会以不同的方式对新的充实做出反应，从而使你的结果产生偏差。	合并随机将动物分配到试验组，在研究开始前尽量减少每组动物之间的差异。
记录的行为	以不一致的方式记录行为，并允许先入为主的想法影响行为的分类。	该数据集是不可靠的，可能导致不合适的浓缩被引入动物设施。	测试观察者的一致性
分析数据	选择关注某些结果和数据，以支持对结果所显示的先入为主的想法。没有充分调查与这些先入为主的想法相矛盾的数据。	结果是主观的，并没有显示出全貌。引入不合适的浓缩，或者不考虑本可以改善福利的浓缩。	基础垫层在数据分析步骤中。
翻译结果	选择把一个发现归因于一个解释，当有其他的可能性还没有被探索。	结论可能是不正确的，从而错失了调查(和了解)其他可能性的机会。	承认和挑战假设。积极地与你的同事讨论你的发现，并为适当的考虑寻找其他的解释。
分享结果	分享富集有积极影响的结果，而不是富集有消极影响或根本没有影响的结果。	研究是重复的，因为人们不知道这些研究已经进行过了。	分享你的结果不管结果如何。真的没有所谓的“负面结果”——如果你的研究是可靠的，并且可以被复制，那它就是成功的。

在例子的协议，^*兰德表明有机会在您的研究中实施随机化。

随机可以用来控制与选择研究动物和将它们分配到笼子/水箱或实验组相关的偏差。的“分配”部分EDA(实18luck新利体育官网登录验设计助理)包含简单的随机过程的信息(例如抛硬币，从帽子中挑选数字，或使用Excel中的=RAND函数)。还有免费的在线工具和应用程序可以创建随机列表。本页的重点是在Excel中使用=RAND，但是这些步骤可以很容易地应用到其他随机化方法中。

为了评估环境富集，你可以使用随机化:

• 选择动物
• 选择笼子
• 创建时间表

选择动物

你的方案可能要求你选择要移动到实验笼子/组的动物，或选择笼子中的一个个体来关注。计算机生成的随机工具可以使这成为一个简单的任务(例如。www.random.org/lists)．Excel中的=RAND函数也可以使用;这方面的说明如下:

1. 确保你能区分动物，无论是通过标记它们全部或从它们的自然标记。如果标记动物是必要的，尽可能使用最精细的方法。
2. 给每只动物分配一个编号。
3. 在Excel中输入所有动物的数字，每个数字在一个新行。
4. 在动物编号旁边的列中，键入=RAND()并按enter键。确保在按enter键之前包含括号。
5. 这将生成一个0到1之间的随机数。向下拖动此单元格的角，以用更多的随机数填充其余单元格。每个动物的数字现在应该有一个随机数字旁边的下一个细胞。
   

   

6. 选择这两个列并使用SORT函数(在Excel中的data选项卡下找到)按随机数列对数字进行排序，例如从最小值到最大值。
   

   

7. 动物编号的列表现在是随机的，你可以使用这个列表中的顺序来分配动物到不同的笼子或治疗。
   

   

注意，如果你编辑电子表格，=RAND生成的数字将继续变化，但你的动物编号列表是随机的，不需要再次排序(除非你向列表中添加更多的动物)。

选择笼子

以上方法也可以用来选择笼子或水箱。如果您是在动物的家中观察它们，或者将不同的笼子分配给不同的实验组，那么研究方案可能会要求这样做。在Excel中输入所有的笼子编号，创建一个=RAND列，并使用随机生成的编号对列表进行排序，如上所述选择动物．

然后你如何从列表中选择笼子取决于你的研究需要多少。例如，你可能有100个笼子可以选择用于你的研究，但你只计划使用20个，10个实验笼子和10个对照笼子。如果是这种情况，您将在列表排序后选择前20个笼子，将前10个分配给实验组，后10个分配给对照组。

创建时间表

随机也可以纳入你的实验计划，以确定你进行观察的顺序。这可以防止动物预测观察时间，并控制在重复观察动物或笼子中可能产生的任何其他因素(例如动物的昼夜节律，或观察者的能量水平或疲劳)。

以下步骤为创建观察10个笼子(5个对照，5个包含新的浓缩项目)的时间表提供指导，其中一个在上午进行观察，一个在下午进行观察。这是一个示例，应该进行修改以满足您自己的需求。

将你的笼子/动物分组

1.输入一个“组”列表，说明在您的评估中使用的对照笼和处理笼的数量(例如，五个对照笼和五个处理笼)。

2.在下一栏中输入笼子编号列表(例如1 - 10)。

3.在第三列中，使用=RAND函数创建一个随机数列表(参见选择动物查看使用=RAND的详细指导)。

4.只选择笼子号(B列)和随机数列表(C列)。组列(A列)不选中。

5.根据随机数字列表(C列)对笼子编号(B列)进行排序。这将随机分配笼子编号给对照组或实验组。

把你的笼子/动物分配到你的时间表中

6.现在选择所有三个列并按=RAND列(列C)排序。

7.笼子的编号现在将是随机的顺序。将此订单复制到您餐桌的上午位置。

8.重复步骤6 - 7，将笼子随机分配到下午的时段。

在评估富集的背景下，盲法是指参与研究的人不知道哪些动物接触了哪种富集类型的所有信息。致盲可能发生在:

• 数据收集
• 数据分析

数据收集

如果富集的差异肉眼可见，就不可能将盲法纳入数据收集阶段。然而，在某些情况下这是可能的。

示例1

Riya和Lee正在用录像设备收集斑马鱼的水流和结构富集数据。水箱被分成两个隔间。设置一个水泵，在每个水箱的一个隔间内产生轻微的电流。每隔5分钟计算一次每个隔间中的鱼的数量，以确定当提供结构富集时，斑马鱼是否更喜欢在水流中游泳。

Riya采用了随机分配的方法，将泵分配到每个水箱的左室或右室。在左室和右室有相同数量的泵。她已经确保水泵不会被摄像机看到，她也没有告诉李水泵在哪里。

李以随机顺序观看录像，并在不知道水泵位置的情况下记录下行为数据。

示例2

帕特正在进行一项评估，看老鼠是喜欢啃苹果味的咀嚼块还是樱桃味的咀嚼块，这两种咀嚼块的外观完全相同。帕特会根据它们被咬的程度给它们打分。

哈娜帮助帕特将两种味道随机分配到老鼠的笼子里。哈娜知道哪个笼子接受了哪种味道的咀嚼，但帕特不知道。帕特将收集数据并评估咀嚼块的咀嚼程度，同时不知道哪种味道是哪种味道。

数据分析

盲法可以很容易地融入到数据分析中。一个不参与实际数据分析的人删除了识别不同实验组的信息，用简单的代码取而代之。

例如，Sally和Irena进行了一项偏好测试，看他们的动物是否更喜欢一种收容所类型。在将数据发送给丹尼尔分析之前，他们会用数字1和2替换所有对避难所类型的引用。他们记录下哪个数字对应哪种类型的避难所，这样他们就不会忘记，但在数据分析完成之前，他们不会把这个信息告诉丹尼尔。

你可以了解更多关于失明的EDA(实18luck新利体育官网登录验设计助理)．

为了对你的发现有信心，重要的是数据收集——在观察者内部和观察者之间——以一致和客观的方式进行。人们很容易在没有意识到的情况下偏离规则。为了防止这种情况，在开始数据收集之前，然后在整个研究期间进行一致性测试。

定义良好的行为分类应该导致至少9 / 10(90%)的观察结果是相同的。如果情况并非如此，那么就有必要重新审视您如何定义您的行为行为详述并且/或在你继续收集更多数据之前练习记录行为。

检查笼侧的一致性

找一个同事在你观察时坐在你旁边，记录你的行为。你应该向这位同事简要介绍你在记录什么以及如何记录;理想情况下，他们也会参与到项目评估中来。你的同事可以只记录一段时间内动物行为的一部分，但他们应该在整个观察期间保持静止和安静，以免打扰到动物。

比较你们两人对动物行为的记录。是一样的吗?如果是，为什么不呢?是否需要与参与数据收集的每个人进行更广泛的讨论?

使用视频录像检查一致性

上面所示的方法，对于笼子边的观察，也可以遵循已经记录在视频上的行为。然而，更多的人可以从同一个视频中记录行为，而且他们可以在他们的时间安排合适的时候这样做。这可能是最方便的选择，特别是在与更大的团队合作时。

如果你独自工作，你可以重复记录同一视频中的数据，保存你的数据收集表，并比较它们，看看你是否一直以相同的方式记录行为。

无论你是一个人学习还是和团队一起学习，从录音中给行为打分都可以作为学习前的练习。

在某种程度上，每个人都会对动物的动机、喜好和行为有先入为主的想法或假设。对于一项客观的研究来说，在解释结果时保持开放的心态并充分探索不同的解释是很重要的。实现这一目标的步骤如下:

• 想想你自己的观点是什么，并意识到你可能偏向于证实你已经想法的信息。
  
• 积极地寻找替代解释并试图证明它们。看看已经出版的文献，让同事挑战你，或者想象一下你会如何反驳自己。
  
• 聚在一起，列出所有可能的解释，并写下每个人的建议。把清单一起看一遍，考虑每一个的“赞成和反对”。

对希望进行富集评价的动物技术人员有许多限制;例如，限制对动物的接触可能导致样本量小。这是一个可以被认为是研究局限性的常见例子。

如果你意识到自己的评价有局限性，不要灰心——你能够认识到这一点是积极的!同样的情况是，所有的研究(无论谁进行的)都有某种形式的限制，尽管有些缺陷可能导致比其他更不可靠的数据。承认并开放自己的局限性是很重要的，而且——如果这是必要的和可行的——你可以解决这些缺陷来提高对你的发现的信心。

下面的例子概述了如何解决浓缩评估的一些潜在限制。

例子

弗雷娅对一个专门挖老鼠的盒子进行了评估。在一个月的时间里，老鼠每天都被抬到挖掘箱里，花一定的时间探索和挖掘。然后这些老鼠又被抓起来放回笼子里。

同事们报告说，与使用挖掘箱之前相比，在月底的过程中，老鼠更加平静。

弗雷娅认为这是因为获得了浓缩铀。然而，她的同事对这一观点提出了质疑，认为老鼠可能会更平静，因为它们已经更习惯于被处理，因此在被接去接受治疗时压力更小。

如何改进这种评估的例子

包括一个对照组被处理过但不能进入挖掘箱的老鼠。

对照动物的处理频率与使用挖掘箱的大鼠相同，并将两组大鼠进行比较。由于两组人都有同样的机会来习惯搬运，弗雷娅可以更有信心地得出结论，即行为的改变是由于挖箱子造成的。

实行一致的评分制度记录处理的便利性将允许以一种有条理的方式收集数据(而不是仅仅依赖于内存，例如)。然后，她可以与同事们讨论如何让不同的人一致地记录行为。这些步骤将使弗雷娅对所收集数据的质量更有信心。

将致盲因此，她的同事们不知道哪只老鼠参加了哪种治疗(控制或挖盒子)会阻止他们对充实的看法(或无意识的偏见)影响他们对老鼠行为的感知。通过隐瞒哪些老鼠使用了挖洞箱的信息，弗雷娅可以更加确信它们的行为已经发生了变化。