方法

什么是经验取样法（ESM）？实时数据采集的策略

The ExpiWell Team · 2026年7月25日

等距插画描绘自动化软件流水线：机器中央是一台运行代码的笔记本电脑，传送带载着组件依次经过标注为代码合成、AI 处理核心与反馈管道的各个环节

经验取样法（ESM）不仅仅是一种研究技术，更是一种革命性的研究取向：它能在人类体验于日常生活中自然发生之时捕捉其丰富性。借助实时数据采集，ESM 为学术研究、社会动态、企业战略与健康干预等领域的复杂问题提供了无可比拟的洞见。

试想一下：在大学生正面临一场高压考试的当下探入其内心，或在员工一整个工作日中实时感知其士气起伏。ESM 让这些场景成为现实，为洞察不同情境下个体的真实生活体验提供了一扇窗口。

核心要点：

经验取样法（ESM）通过在自然情境中采集实时数据来提升研究效度，让研究者得以在行为发生之时获得洞见，减少回顾性偏差。
ESM 要求从目标人群中抽取具有代表性的样本，以确保研究发现具备适用性并可推广到更广泛的情境，从而增强研究的可靠性与相关性。
ExpiWell 通过提供支持实时数据采集、沟通与分析的技术工具来支撑 ESM 研究，助力学术界与产业界在理解人类体验方面不断取得进展。

自然环境的微妙之处：理解 ESM

ESM 的根基在于其在参与者自然所处的环境中采集数据的能力——无论是校园里的学生、办公室里的职场人，还是居家的患者（Hektner, J. M., Schmidt, J. A., & Csikszentmihalyi, M., 2007）。这种立足真实世界的取向让数据更加丰富，为理解人类行为提供了情境与深度。

尽管 ESM 一词被用来指称一族实时数据采集研究方法（参见动态评估、生态瞬时评估（EMA）、重复每日日记法与旅程图法），各类 ESM 设计都具备三大基本要素。

第一，数据采集必须发生在参与者的自然环境中——例如走在上课路上的学生、工作间隙休息的员工、在自己家中服药的患者。
第二，优先关注实时发生的体验。
第三，参与者样本必须能代表所研究的人群。

在最基本的层面上，一项经验取样研究通常由设定时期内的重复测量构成（例如每天 3 次、持续五天或两周等）。参与者在自然环境中响应某种提示（例如手机上的推送通知），分享其日常体验的信息。关于经验取样法与生态瞬时评估（EMA）的特征比较，参见此文。

用实时数据解决真实世界的问题

ESM 的核心在于即时性。它请参与者在体验发生的当下进行报告，从而减少回顾式报告带来的不准确，并提高数据的可靠性（Stone, A. A., & Shiffman, S., 1994）。

确保样本的代表性

ESM 研究要真正有效，就必须从能够反映所研究人群的参与者库中抽样。这种代表性确保研究发现具有适用性，并可推广至更广泛的情境（Conner, T. S., & Barrett, L. F., 2012）。

使用经验取样法的优势

1）更高的效度

通过在参与者的自然环境中实时采集数据，ESM 提升了研究发现的外部效度。与依赖记忆并受自我报告偏差影响的传统回顾式问卷不同，ESM 在体验自然展开时进行捕捉，确保数据更准确地反映真实生活情境。

2）更少的偏差

自我报告数据面临的最大挑战之一是回忆偏差——人们常常遗忘或曲解过去的经历。ESM 通过提示参与者在想法、情绪与行为发生的当下即时记录来缓解这一问题。这种「即时」数据采集减少了记忆缺失或社会赞许性偏差造成的失真，带来更可靠、更真实的洞见。

3）丰富的情境化数据

经验取样法支持采集多样的数据类型，包括文字作答、数值评分、音频录音、视频与图片。这些多媒体元素让研究者更深入地理解参与者的真实生活体验，提供比传统问卷或访谈更丰富的情境洞见。通过捕捉日常生活的一个个切片，ESM 能够对情绪、行为与情境影响形成更全面的认识。

4）更一致的测量

随时间推移的重复测量有助于控制那些可能扭曲数据的变异。与只能捕捉单一时刻的一次性问卷不同，ESM 通过追踪行为或心境的模式、变化与波动来支持纵向分析。这种重复测量的方式增强了研究发现的可靠性，帮助研究者识别影响参与者体验的趋势或诱因。

5）个性化与自适应的洞见

由于 ESM 是实时进行的，研究者可以应用自适应方法，例如即时自适应干预（JITAI）。这意味着研究者或干预项目可以根据参与者的当前状态调整应对策略，动态地定制支持、建议或干预。这种响应能力在心理健康研究、行为干预与幸福感研究中尤其宝贵。

6）更高的参与者投入度

与传统问卷相比，ESM 往往能更有效地调动参与者。由于作答以一天中多次短平快的形式进行，而非冗长乏味的问卷，参与者更不容易产生问卷疲劳。此外，推送通知、提醒与多媒体选项等交互元素能让数据录入更有吸引力，从而提升整体依从率。

7）生态效度与真实世界应用

由于 ESM 在真实世界情境中实时捕捉行为与情绪，其研究发现能够更直接地应用于日常生活场景。这使得 ESM 在心理学、公共卫生、教育与人机交互等领域尤为宝贵——在这些领域中，理解自然情境下的行为对设计有效的干预与解决方案至关重要。

使用 ESM 的成果

从经验取样法中获得的结果可以转化为强大且可付诸行动的洞见，既能支撑开创性的社会科学发现，也能交付前沿的行业解决方案。

有了实时的、来自真实世界的洞见：

社会科学家可以利用外部效度高、对个体差异敏感的纵向数据，回答开创性的研究问题。ExpiWell 也可用于日记法研究。
学校管理者可以利用波动的情绪数据识别学生生活中的关键时刻，从而降低学生压力，提升整体学业坚持性。
医疗团队可以识别日常生活中的障碍，定制更贴合人们生活方式的医疗服务模式，从而改善健康结局并全面提升医疗可及性。
企业高管可以评估日常职场行为，设计精细的员工幸福感与绩效方案，量身定制地提升员工的幸福感与生产力。
关注用户体验的产品创新与市场研究团队，可以激活消费者的日常动机，设计自然融入消费者日常生活的产品。

延伸阅读：生态瞬时评估（EMA）与经验取样法（ESM）：二者有何区别？

ExpiWell 对 ESM 的贡献

ExpiWell 不只是一款工具，更是通往开创性 ESM 研究的门户。它提供成熟的移动应用与交互式社区数据平台，让研究者能够实时采集、沟通与分析 ESM 数据。在 ExpiWell，我们致力于将技术创新与科学卓越相融合，确保研究者与参与者都能获得充实的体验（ExpiWell, n.d.）。

我们的使命是推动 ESM 研究领域向前发展，为学术与专业社群提供所需资源，以前所未有的方式理解并提升人类体验。

作为 ESM 领域的引领者，我们还提供免费资源。欢迎观看由普渡大学 William C. Byham 讲席教授 Louis Tay 博士主讲的 ESM 专家网络研讨会。

https://www.youtube.com/embed/Y80JwwMX3ts（嵌入视频：「Experience Sampling Method (ESM) Ecological Momentary Assessment (EMA) Webinar」）

如果你对经验取样法的潜力充满好奇并希望深入探索，欢迎与我们联系。请致信 sales@expiwell.com，让我们携手开拓 ESM 研究的未来。

参考文献

Hektner, J. M., Schmidt, J. A., & Csikszentmihalyi, M. (2007). Experience sampling method: Measuring the quality of everyday life. Sage.
Stone, A. A., & Shiffman, S. (1994). Ecological Momentary Assessment (EMA) in behavioral medicine. Annals of Behavioral Medicine, 16(3), 199-202.
Conner, T. S., & Barrett, L. F. (2012). Trends in ambulatory self-report: The role of momentary experience in psychosomatic medicine. Psychosomatic Medicine, 74(4), 327-337.
ExpiWell. (n.d.). Retrieved from www.expiwell.com