SID选系调研报告 P3

*为了达到更好的通用性设计标准，本站图表采用了色觉辨认障碍友好配色，而非本站品牌配色系统。

概述

调研针对SID大二产品设计、交互设计、工业设计三个专业的同学进行了投放。由于使用了完全匿名的统计方法，无更多人口统计学相关信息的呈现。问卷采用了非概率抽样中的滚雪球抽样法（Snowball sampling），使用熟人网络先目标人物定点投放，再顺藤摸瓜扩展到整个对象群体。由于采用在线开放问卷的方式，所以基于互联网的开放性会有小部分非目标人群可能会进入调研，本调研的在线页面固定在一小段时间开放，以最大限度内保证数据的可信度（Reliability）。

本期属于系列调研的第三期，问卷进一步优化。调研的问题主要有6个板块，分别是a.是否参过、b.思考阶段、c.选系、d.选教研中心、e.选毕设导师，f.开放问题。其中思考阶段、是否参与过、选系为强制回答模块，其他板块为选答模块。

调研累计参与人次达到304次，其中包含单人多次进入问卷的情况，所以会超过目标人数（N=195）。总共完成调研并提交的人数为106人，有效反馈填报志愿人数87人。净参加本调研人数174（第一期填报参与人数+后期新参与人数），占目标总样本量的89.2%。

本期（P3）共有54人参与了调研，其中35人填写了部分问卷，19人全部完成了问卷。其中多数人已经参与过问卷（N=26，48.1%）。

在问卷开始会问“你有没有参与过本系列调研？”，共有19名参与者回答了“未参与过”。此部分人群的问卷和前期的问卷进行整合，产生了一个包含更多样本量的统计结果（N=174）。

回答参加过本系列调研的参与者，问卷会接着询问：

• ”与上一次相比，你的志愿有没有发生了改变？”
• “与上一次相比，你的选系志愿有没有发生改变？”
• ”与上一次相比，你心仪的教研中心或研究所有没有发生变化？“
• ”与上一次相比，你心仪的老师有没有发生变化？“

其中11人的思考阶段发生了变化，7人的选系志愿发生了变化，11人的教研中心志愿发生了变化，12人的导师志愿发生了变化。因为没有参与者信息来定位数据案例，发生变化的受试者需要再接下来的各个模块中先填写之前的选择，再填写改变后的选择。这部分数据结果通过研究者手动从之前的数据中进行替换。

在“a.是否参过”模块下最后一个问题是”调研小组收集了与SID选系相关的资料，你是否想了解一下？“，本次研究点半39人（72.2%）想要了解SID相关信息。

由于选系是接下来每个人都会面对的问题，所以采取排序且必答的方式进行调研。而选教研中心、选导师的时候，都是在进入相应的系以后才能确定下来，非本次研究的核心数据，且选项条目较多，所以目前的这两个部分的调研采取的是：先选择心仪的教研中心或导师，再进行排序的方法，以确保对同学志愿的聚焦。

本次调研涉及3个系、9个教研中心+4个研究所、46名老师，为减少排序带来的选择偏差(McFARLAND, 1981; Thau et al., 2021)，在每一个板块的信息呈现的时候都设为随机排序显示。

为了更好的促进同学们在信息充沛的前提下选择志愿，研究小组耗费较多的时间从网络中采集整理出了SID信息并在调研中单独呈现。这部分信息作为刺激物，可能会影响参与者原本的选择，进而影响研究的客观性。为尽量减少这种情况，研究小组首先在资料的采集过程中尽量使用客观信息，并对部分主观评价信息进行了着重说明。其次是在问卷的设计中给予参与者选择权，参与者可以跳过信息页面直接进行志愿排序。由于本调研有一部分目的是让参与调研同学在过程中能够更加清楚自己的选择，所以此部分刺激产生的偏差属于本研究认可的良性偏差范畴。由于本调研每2周进行一次直到选系结束，属于纵贯研究（longitudinal research），所以当刺激带来的偏差可以让参与同学更加明确地做出选择时，会减少由于信息不透明带来的决策摇摆，从而提高了本次研究的有效度（Validity）。

人话：此研究努力遵循学术规范，内容比较靠谱。增量数据较少，抽样接近饱和。

思考阶段

在思考阶段方面，新参加调研的19位参与者中，9名填写了思考阶段，其中4名表示“考虑完毕，已经明确”，3名表示“正在考虑，已有意向”，2名表示“正在考虑，已有意向”，相关信息已经汇入总量统计。

在参加过调研的人群中，11人表示思考阶段发生了变化，其中9人分别填写了之前、之后的思考阶段。经过对比，其中3人的之前思考阶段和之后的思考阶段有变化，根据之前思考阶段的数据，研究者手动在样本中找到了目标样本随机进行了替换。

经过以上两步最终形成了本期增量汇总结果。

在考虑程度这个问题方面，有11%同学选择了“还没开始考虑”，环比降低0.6%（上一期11.6%）；有38.4%的同学选择了”正在考虑，还没结果”，环比降低2.2%（上一期40.6%）；有32.3%的同学选择了”正在考虑，已有意向“，环比增加0.7%（上一期31.6%）；有18.3%的同学选择了”考虑完毕，已经明确“，环比增加了2.1%（上一期16.1%）。

从结果来看，随着选系的临近，整体思考阶段在向着“已有意向”和“已经却明确”迁移。

在问到是否需要SID相关信息资料的时候 ，有45回答了问题，其中有5人回答“否，我不需要了解”（11.1%），有40人选择了”是的，我想了解”（88.9%）。以上是在不参考是否参与过调研的前提下的数据，可以看出对于SID信息的需求占较大比例。验证了参加本次调研的多数同学还是对SID相关信息抱有极大的兴趣，侧面说明在选系的过程中需要补充信息才能够更好的帮助自己决策。 不需要了解的回答数只有5人，所以无法进行更多分析。因为在决策摇摆期的同学才更需要了解SID信息，所以侧面印证了参与了调研的人本身更多还在决策过度期。

人话：从决策摇摆期到决策过度期，越来越多的同学，在自己明确的意向中逐渐确定自己的志愿。

选系志愿

在志愿排序方面，本次降增量数据纳入总数据进行统计，共有87份有效数据，由于本次选系是分配制，并非筛选制，而产生的数据的方式也是排序，所以只看单一志愿无法解释整体是否有差异，需要引入统计学相关方法进行解读。根据本次研究的数据类型，我们选用弗里德曼检验（下面称Friedman test），此检验用于分析多组样本数一致的定量变量之间有无明显差异，要求变量适用于非正态分布。

为确定适用性，首先对数据进行了正态分布检验（Test of Normality），基于样本特征，我们主要参照夏皮洛-威尔克检验（Shapiro—Wilk test），简称S-W检验，以确定样本是否符合正态分布。

Test of Normality (P<0.05)

从所有数据的正态分布检测结果来看，在α=0.05的检验水准下，P<0.001，可认为数据不服从正态分布（P < 0.05），可以进行 Friedman 检验。

Friedman test (P > 0.05)

上表格中χ²=1.540, P 值为0.463>0.05，即说明三个系的志愿填报并未呈现著性差异。

人话：从各项汇总数据来看，虽然填报志愿有变化，但是变化幅度很小，整体仍未呈现显著差异。

热门中心与研究所

本期参与心仪教研中心与研究所投票的有效数据有7份，由于新数据量过小，故将数据增量汇总进行运算。计算方式是将排名逆序转化为积分（如排序第一名的得分13，第二名的得分12，以此类推），答案缺失记作0，以总积分解读为热门程度，取每个系最热门的1个教研中心和1个研究所。若该系下的教研中心或研究所未有效投票数据，则将排名最靠前的两个教学同类单位列出。若排名第二位教学单位的统计结果分值相同，则同积分教学单位将同时被列出，也就是说，可能会列出3及以上个教学单位。

热门老师

本期参与心仪老师投票的有效数据共有7份，由于新数据量过小，故将数据增量汇总进行运算。计算方式是将排名逆序转化为积分（如排序第一名的得分47，第二名的得分45，以此类推），答案缺失记作0，将总积分解读为热门程度。取每个系最热门的三位老师；若统计结果分值相同，则同积分老师将同时显示。

问答

本期问答有3位同学留言。

出bug了，我选不了专业和心怡老师

同学A

答：请和我联系，因为牵扯到设备条件和网络环境等，我们最好线下当面做一次测试。

其实上次不是说这次调研暗箱操作。我是想说，选导师是比较重要的事情，但是很多同学没有办法私下和老师沟通。我希望有正式官方的渠道让所有老师了解到同学，不然九有点像院系选修一样，看只课名选课，大家豆不知道自己选的课是学啥的。而且导师与毕设紧密联系，希望学校能给我们负责自己的权利。

同学B

答：选导师的确非常重要，但是每个老师有自己的沟通习惯，研究小组在和搜集各位老师的信息的时候，主动咨询过老师是否愿意公开自己的联系方式，只要统一的，我们在调研的SID信息页面中都会有陈列邮箱。您提到的让老师了解学生的的官方渠道，应该就是课程内了，因为毕竟学生太多了。如果一个老师要把整个级部195名同学都了解一遍的话，是一个非常有难度工作。建议发挥自己的主动性，通过任何可能的方式争取和心仪老师取得联系。学校如果优选相关的安排，应该会公布出来。

选导师是自己选老师也同意就能选上吗

同学C

答：对，在不违反学校相关规定的前提下，双向选择就是指，学生想选的老师同时也同意接受此学生，即可确定。

说在最后的话

第三期的调研已经看到数据呈现出较强的稳定性，关注整合后数据的变化成为重点，所以单独分析增量样本的意义已经不大，将增量数据融入大数据才能更好地聚焦研究问题。本次调研中部分数据前后有矛盾，如表达了自己的思考、志愿等有改变，但是在后面的问卷中并没有表达出改变的情况，本次筛选出有效回答，纳入总数据，未来也可能考虑将这一部分数据完全删除，以保证数据的真实性。

参考

• Friedman, M. (1937). The Use of Ranks to Avoid the Assumption of Normality Implicit in the Analysis of Variance. Journal of the American Statistical Association, 32(200), 675–701. https://doi.org/10.2307/2279372
• McFARLAND, S. G. (1981). Effects of Question Order on Survey Responses. Public Opinion Quarterly, 45(2), 208–215. https://doi.org/10.1086/268651
• Petruzzellis, L., & Romanazzi, S. (2010). Educational value: How students choose university: Evidence from an Italian university. International Journal of Educational Management, 24(2), 139–158. https://doi.org/10.1108/09513541011020954
• Thau, M., Mikkelsen, M. F., Hjortskov, M., & Pedersen, M. J. (2021). Question order bias revisited: A split-ballot experiment on satisfaction with public services among experienced and professional users. Public Administration, 99(1), 189–204. https://doi.org/10.1111/padm.12688

*如果您有什么问题可以在本页底部留言、欢迎邮箱订阅本系列报告 ↓