本文主要是介绍科学研究设计四：测量，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
说明
这是Bangor University 2007年School of Sport Health & Exercise Sciences的教学讲义，大家可以在这里查看原课程的讲义
课程目录
- 1.什么是科学?
- 2.定量分析和定性分析
- 3.抽样
- 4.测量
- 5.实验设计
- 6.有效性
- 7.单案例设计
为什么要看这个？
这个在我看来，适合大学生或者刚入学的研究生学习，主要为了提高科学素养、培养科学研究的思维以及一些研究设计中要考虑的很多细节问题。虽然里面没有很多高超的方法，而且课程也是十年前的，但是里面对于科学的理解以及思考问题的思维方式确实值得刚进入科研这条不归路的人学习。
格式说明
- 标题格式都按照markdown排版的，但是标题之间的关系可能没有排好，主要是参考了原课程网站的标题设计
- 书中一些专有名词或者大牛们说的话都没有翻译，以防止因为我的问题导致误解
- 名人名言和我自己的理解都是用引言格式标注的，不同的是，大牛们的话是英文，我自己的理解是中文
- 因为课程中有问答环节，问题我会用加粗来标识，问题的答案一般会用斜体来标识
最后一句话
因为本人英文水平有限，有些话翻译得可能很别扭，有能力的话建议大家去看原网址。
Accurate reckoning: The entrance into the knowledge of all existing things and all obscure secrets. Ahmes, ancient Egyptian scribe, 1680-1620 BC.
如果这个科学公理是科学过程的中心，那么测量也是一个核心的科学活动。 无论是测量原子的直径，两颗星之间的距离，运动员的有氧运动能力，还是某人的锻炼动机，科学家都参与了测量业务。 至少从实证主义的角度来说，测量是理解的基础，如果测量要引导我们理解，就必须精确地进行。
再回想一下上一堂课。 我们讨论的另一件事是理论发展和测试是如何科学的。 我们看了克林格（Kerlinger）（1986）对一个理论的定义：
A theory is a set of interrelated constructs (concepts), definitions, and propositions that present a systematic view of phenomena by specifying relations among variables, with the purpose of explaining and predicting the phenomena.
注意variables这个词。 显然，变量是不一样的。 如果他们是不同的，他们必须在一些地方或者一些指标上有所不同。 所以如果我们对这些变化或者不同感兴趣，我们必须测量它。 但是如果我们的措施各不相同，会发生什么？ 假设我想测量两个固定点之间的距离，但是我的尺子是弹性的。 根据我施加多少力，距离看起来会有所不同，但实际上它保持不变。因此，我们的测量措施必须是一致的。
让我们来看另一个测量场景，这对我们体育和锻炼科学家来说更有意义。 假设我想测量某人是多么的胖。 最常用的肥胖指标之一是体重指数（BMI），即体重与身高的比值。 它是用一个人的体重除以他们身高的平方来计算的。 BMI因其计算简单快捷而被广泛使用，并且与身体脂肪高度相关。 短而胖的人比身材瘦高的人有更高的BMI。 但是那些脂肪少但肌肉丰富的健美运动员呢？ 尽管瘦弱，他们的BMI也会很高。 所以BMI不一定是一个精确的体脂指标。
这些例子说明了测量中的两个关键问题。我们的措施必须既一致又准确，或者更实际一致，尽可能准确。在技术术语中，这些问题被称为测量的可靠性和有效性。在这里，我们将更详细地探讨这些问题。首先，我们需要考虑各种不同类型的测量。
测量的级别 Levels of measurement
测量是给对象添加数字的过程。 有很多不同类型的对象可以被测量，并且不同类型的对象可以以不同的级别或数量相互关联。 例如，假设我给每个班级的学生一个号码，以1到100来表示他们。假设我也把我在学期末考试中的学生排名从1改为100.例如，数字10在这两种情况下意味着完全不同的东西。 在第一种情况下，数字10只是识别学生，而在第二种情况下，数字10表示学生在考试中胜过90名同学。 这说明了测量水平或尺度的含义。 基本上有四个级别的测量，从最基本的到最精细的：名义(nominal)，序数(ordinal)，区间(interval)和比率(ratio)。
名义标度(Nominal Scales)只是简单的使用数字来标记对象。上面通过给学生分配数字来识别学生的例子说明了这种测量。另一个例子是在性别上分配不同的数字，如1 =男性，2 =女性，或在实验中给治疗和对照组标记数字。我们应用名义变量通常被称为分类变量，因为这些数字表示对象的不同类别。对于名义标度来说，重要的一点是分配的数字的相对值本身没有意义，它们并不涉及数量：对女性给予2并不意味
这篇关于科学研究设计四：测量的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
