大多數心理學和神經科學研究方法都依賴於 WEIRD（白人、受過良好教育、工業化、富裕和民主，White, Educated, Industrialized, Rich, and Democratic）的樣本群體。這造成了背景和文化上的局限性。如果這些局限性未被承認，那麼研究結果對人類群體的普適性就會受到限制。這種粗線條的、針對 WEIRD 群體的研究方法，已導致在治療、療法甚至法律的應用上出現了問題。

僅以 WEIRD 參與者組成的狹隘樣本集為對象的研究計畫，可能會制定出有害的政策和實踐。這是因為它們可能是基於排除了具有代表性不足特徵的人群的研究結果。發表在《美國國家科學院院刊》上的一項研究發現，在美國心理學會六本頂尖期刊中的研究中，有 96% 依賴於僅代表全球人口特徵 12% 的 WEIRD 樣本。

使這個問題更加複雜的是，在許多情況下，代表性不足的人口可能並非少數。研究表明，WEIRD 個體在許多心理測量中實際上是離群值——包括空間推理、視覺感知、推論歸納和道德推理。

為了幫助減輕 WEIRD 偏差，研究人員可以使用線上數據收集工具，這些工具提供了接觸有限地理區域以外人群的途徑。透過將潛在的樣本池擴展到本地可接觸的個人之外，遠端數據收集平台（例如 EmotivLABS）可以增加神經科學研究中的人口統計多樣性和代表性。這種多樣性的增加並不需要大幅增加招募受試者的成本，且從長遠來看可能更便宜。

在全球範圍內擴大受試者池可以為您的研究提供更多統計功效。它還可以使研究更容易被複製——這是之前文章中討論過的一個主要問題，分別是《解決神經科學可複製性危機的 3 種方法》和《認知神經科學中的複製危機》。

遠端數據收集平台直接解決了現代心理學、神經科學和社會科學研究中的 WEIRD 問題。鑑於線上、遠端研究技術的可用性和易得性，心理學實驗室沒有理由僅僅依賴 WEIRD 樣本池。

WEIRD 人口抽樣中存在問題的常態化

解決問題的第一步是承認它的存在。Mostafa Salari Rad 等人檢視了《心理科學》期刊中的心理學研究報告。作者審查了 428 項研究，並根據樣本小組的地理來源、教育程度、社會經濟地位／收入、種族／族裔、性別、招募技術和補償進行了編碼。絕大多數抽樣研究（94.15%）完全使用西方的、講英語的參與者。

總體而言，研究人員似乎並未修改其研究方法以解決樣本中缺乏多樣性和代表性的問題。不可否認，從時間和財務角度來看，修改實驗室的實驗設計和方法學可能會讓人望而卻步。

僅僅在結論中報告樣本人口統計細節並對其進行說明無疑能產生影響，同時成本也低得多。遺憾的是，這種簡單的做法並未成為標準。例如，一篇 2018 年的論文指出：

• 在審查的摘要中，超過 72% 的摘要不包含所抽樣人口的細節。

• 83% 的摘要未對與樣本多樣性相關的可能影響進行統計分析。

• 85% 的摘要甚至沒有討論背景／文化的潛在影響。

• 僅有 16% 的摘要建議未來在其他文化或社會中對該主題進行研究。

更近期的研究報告了類似的結果——缺乏多樣性且未承認其潛在局限性。E.Kate Webb 和國家轉譯科學促進中心發現，神經科學工具（例如腦電圖，EEG）會因為根據髮型和皮膚色素沉著等表型差異排除受試者，從而在研究中引入種族偏見。正如 Webb 所總結的，其目標是「挑戰科學工作中的種族主義，並提出可能帶來更公平科學的程序和變革」。

過度依賴美國大學生

WEIRD 問題之所以持續存在，一個很大的原因是過度依賴美國大學生作為研究對象。在 2007 年，發表在《人格與社會心理學雜誌》上的美國研究有 67%，發表在《心理科學》上的研究有 20% 採用美國大學生作為測試對象。這很常見，因為收集多樣化的受試者確實存在困難。通常，選擇、招募和補償參與者的過程比實際設計、進行和分析實驗結果需要更多的時間和精力。這意味著研究人員花在組織參與者身上的時間，比他們發現關於參與者的洞察所花的時間還要多。

透過遠端線上研究平台增加樣本池的多樣性

全球社群

在線上接觸、招募和評估研究對象正迅速成為標準做法。使用基於雲端的研究平台使研究人員免受物流（廣告、時程安排、註冊）和物理（參與者位置）障礙的影響，從而使他們能夠將更多資源投入到實際的研究中。

這些平台促進了成本的降低和效率的提高，同時使研究人員能夠接觸到全域的受試者池網路，從而更好地刻畫該研究的文化背景。

超越 WEIRD 心理學研究

WEIRD 問題引出了關於研究可靠性、普適性、有效性和穩健性的棘手問題。這些研究通常試圖回答關於人類的研究問題，但雇用的個體卻僅代表不到 12% 的全球人口。

為了解決 WEIRD 問題，人們提出了幾項建議。通常，這些建議涉及科學期刊編輯委員會更具體報告的要求。鑑於研究人員發表其研究的必要性，應對投稿要求進行修改：報告必須包含更詳細的人口統計資訊，並在樣本人口統計特徵的背景下討論其結果。

使用 EmotivLABS 克服物流和物理挑戰

最常被提及的線上神經科學或心理學實驗的好處包括增加研究樣本量、快速實現多樣化的人口統計學多樣性以及低成本技術。

EmotivLABS 整合了許多這些最佳實踐，包括針對使用 Emotiv EEG 耳機的參與者的認證過程，以及使用機器學習來驗證訊號品質的數據品質控制。這使得研究能夠進行線上實驗，從而產生高品質數據。此外，Emotiv 持續監控平台使用情況，並與研究人員互動，以提供改進軟體和硬體的定期發布更新。

簡化的受試者篩選

個體和研究人員不再需要親自見面來收集數據。EmotivLABS 透過將每項實驗與全球受試者池中最合適的個體進行匹配，簡化了受試者的篩選、招募和補償。

研究人員可以在其實驗設計中指定人口統計屬性，這與社群網路上廣告精密定位的能力類似。研究人員的實驗會自動提供給最符合所需規格且通過認證的個體。認證過程可確保從該社群收集的數據是高品質且完整的。

接觸不同年齡和族裔的受試者將增加研究的功效，並為解釋人類數據提供更多細微差別。截至 2021 年，EmotivLABS 由來自 80 多個國家、具有不同教育、職業和社會經濟背景的個人組成。

EmotivLABS 允許研究人員接觸美國和其他西方國家以外的參與者；這是緩解 WEIRD 問題的關鍵因素。

輕鬆控管預算

Emotiv 的 EEG 耳機比實驗室研究設備便宜得多，且更容易設置。個人使用者或公民科學家擁有自己的 Emotiv 耳機，因此研究人員無需自行提供。

起初，成熟的研究人員對商用 EEG 硬體和遠端數據收集表示懷疑。這些科學家特別清楚在受試者直接接受其監督的實驗室內收集高品質、有效訊號數據的挑戰。然而，眾多研究團隊已報告了 Emotiv EEG 耳機的有效性。這些驗證研究中的大多數都報告了 Emotiv 系統與實驗室系統之間同等的研究數據。這支持了 Emotiv 耳機作為研究級數據收集的可行替代方案。

探索未觸及的研究

使用可攜式 EEG 硬體允許研究人員提出關於人類的新問題，人類是在實驗室之外生活、行走和說話的生命。例如，在現實世界的互動中研究社會認知，比使用關在室內且無法活動的孤立個體，是更理想的實驗設計。此外，有了這種靈活性，縱向研究變得更具可行性。
歸根結底，這不僅僅是實驗在受限、不具代表性的受試者池上進行的問題。

大多數已發表的研究報告甚至沒有處理或詳細說明其受試者除了年齡和性別之外的人口統計屬性。

研究也已證實，WEIRD 受試者通常是人類行為光譜中的離群值。換言之，他們是獲取對普世人類特徵之見解最不理想的樣本群體。

如果將最佳實踐和包容性納入您的實驗設計中，線上研究實際上可以比線下、實驗室內的研究更具影響力和相關性。不論是哪種情況，都必須深思熟慮地考慮提出研究問題的背景框架。
線上和線下研究各有優缺點，研究問題的具體情況應決定研究人員的選擇。

想了解更多關於 EmotivLABS 能為您的研究做些什麼嗎？

使用 Emotiv 的 Experiment Builder 建構您的實驗，然後將其部署到 EmotivLABS。從全球認證參與者的小組中招募，以收集高品質的 EEG 數據，一切都在一個平台上完成。點擊此處了解更多資訊或申請示範。