心理学实验规划（研究设计、样本量预估）

心理学实验规划与数据收集预检查助手。在用户开始实验收数据之前使用，帮助用户：厘清研究设计、规划测量变量、推荐数据收集方式、设计预实验或前测、预估所需样本量、生成数据收集清单。触发场景包括："我要做一个研究"、"帮我规划一下"、"收数据前要准备什么"、"实验设计"、"研究设计"、"论文开题"、"我要开始收数据了"、...

Security Scan

This is an instruction-only skill whose requested resources and runtime instructions are coherent with its stated purpose of planning psychology experiments and estimating sample sizes.

Purpose & Capability

Name/description (psychology experiment planning, sample-size estimation, measurement planning) match the SKILL.md and the included reference documents. There are no unrelated required binaries, env vars, or config paths; all declared requirements are proportional to the stated functionality.

Instruction Scope

SKILL.md contains only guidance for asking the user structured questions and producing a planning report (variables, measurement tools, sample-size guidance, ethical checklist). It does not instruct reading local files, accessing system state, or transmitting data to external endpoints. The guidance to use G*Power is limited to user instructions (download link and usage steps), not automated downloads or execution.

Install Mechanism

This is an instruction-only skill with no install spec and no code files that execute. No downloads, archives, or third-party package installs are declared.

Credentials

The skill requests no environment variables, credentials, or config paths. The sample-size and measurement guidance sensibly do not require any secrets or external service access.

Persistence & Privilege

always is false and there is no indication the skill requests persistent system-wide changes or modifies other skills. Autonomous invocation (model can call the skill) is the platform default and is not in itself a concern here.

Assessment

This skill appears internally consistent and low-risk because it is instruction-only and asks for no credentials or system access. Before installing, consider: (1) treat the output as planning guidance rather than formal statistical validation—consult a statistician for critical analyses; (2) verify copyright/authorization for any measurement scales before using them in data collection; (3) follow your institution's IRB/ethics and data-protection rules (consent, anonymization, storage) when you act on the plan; and (4) the SKILL.md links to G*Power (a legitimate tool) but download only from the official site and verify any external resources yourself. If you need higher assurance, ask the author for provenance of the reference material or for an external review by a methodological expert.

Psychology Experiment Planner

心理学实验规划与数据收集预检查助手。目标：在实验开始前，完整告诉你需要收什么数据、怎么收、为什么收，避免数据收集中途返工。

核心理念

"返工的成本远高于规划的成本。"

一个好的实验规划应该在数据收集开始前回答：

• ✅ 要测量哪些变量？（人、事、物）
• ✅ 用什么工具测量？（量表/设备/任务）
• ✅ 样本量够不够？（统计检验力）
• ✅ 数据结构能不能跑分析？（变量类型匹配）
• ✅ 假设怎么验证？（分析计划）

---

工作流程

Step 1: 收集研究信息

向用户询问以下信息（如果用户没有主动提供）：

1.1 研究设计

• 被试间 / 被试内 / 混合设计？
• 两组 vs 多组？
• 是否需要控制变量？

1.2 变量规划

• 自变量（X）：操控/操纵的还是观测的？
• 因变量（Y）：用什么指标衡量？
• 中介变量（M）：有吗？
• 调节变量（W）：有吗？
• 协变量/控制变量：有哪些？

1.3 测量工具

• 已有成熟量表？
• 需要新编量表？
• 需要行为实验任务？
• 需要生理指标？

1.4 研究对象

• 目标群体是什么？（大学生/儿童/临床等）
• 获取渠道？（课堂/医院/网络等）
• 年龄范围、性别要求等

1.5 预期样本量

• 预计能收集多少？
• 是否做过检验力分析？

1.6 分析计划

• 想验证什么假设？
• 预期用什么统计方法？

Step 2: 生成数据收集规划报告

基于收集的信息，输出：

2.1 变量清单表

列出所有需要收集的变量，包括：

• 变量名
• 类型（连续/分类）
• 测量工具/方式
• 必要性（必测/选测/备选）
• 收集时间点（前测/后测/追踪）

2.2 测量工具推荐

• 成熟量表推荐（信效度、题目数）
• 替代方案
• 版权/授权情况
• 获取难度

2.3 样本量规划

• 基于效应量和显著性水平的最小样本量
• 考虑脱落率后的实际需要量
• G*Power 使用指引

2.4 数据收集流程

• 步骤顺序（先收什么，后收什么）
• 每个步骤的时长
• 注意事项（防作弊、匿名性等）
• 效率提升建议（集体施测 vs 个别施测）

2.5 预实验/前测建议

• 预实验的目的（流程检验/量表修订）
• 前测的作用（协变量/基线）
• 样本量建议

2.6 分析计划对应表

假设	变量对应	检验方法	所需数据
H1: X → Y	X, Y	独立样本 t 检验	X（分组）、Y（分数）
H2: X → M → Y	X, M, Y	Bootstrap 中介	X, M, Y
...	...	...	...

2.7 常见遗漏预警

根据研究设计类型，指出容易遗漏的数据：

• 被试间设计：每组的 N、性别/年龄等人口统计学变量
• 被试内设计：顺序效应记录、练习效应检测数据
• 问卷研究：反向计分题目列表、控制变量（性别、年龄、专业等）
• 混合设计：交互项需要的完整数据

2.8 伦理审查清单

• 知情同意书内容
• 隐私保护措施
• 数据存储方式
• 伦理审批流程

---

输出模板

生成的数据收集规划报告结构：

# 数据收集规划报告

## 研究概况
- 研究设计：[类型]
- 目标样本量：N = [数量]
- 数据收集方式：[方式]

## 一、变量清单
| 变量名 | 类型 | 测量工具 | 必要性 | 收集时间点 |
|--------|------|---------|--------|-----------|

## 二、测量工具清单
| 工具名称 | 用途 | 题目数 | 信度 | 备注 |
|---------|------|--------|------|------|

## 三、样本量规划
- 最小样本量：[计算结果]
- 考虑脱落率：[N × 1.2 或 1.3]
- 实际需要：[N]

## 四、数据收集流程
1. [步骤1]
2. [步骤2]
...

## 五、分析计划对应表
| 假设 | 检验方法 | 所需变量 |
|------|---------|---------|

## 六、容易遗漏的数据
⚠️ [根据设计类型的预警]

## 七、预实验建议
- 预实验样本量：10-20 人
- 目的：检验流程、发现问题

## 八、伦理注意事项
- [注意事项]

## 九、检查清单
- [ ] 量表版权已确认
- [ ] 知情同意书已准备
- [ ] 样本量已计算
...

---

参考资料

• references/study_designs.md — 不同研究设计类型的典型数据需求
• references/sample_size.md — 样本量计算方法与 G*Power 使用
• references/scales.md — 常用心理学量表清单与获取方式
• references/hypothesis_validation.md — 假设验证所需的统计检验与数据要求

注意事项

• 始终先了解研究设计再给出建议，不要假设
• 样本量规划要结合效应量和检验力，非拍脑袋
• 强调"分析计划决定数据收集"——先想清楚怎么分析再设计收数
• 提醒用户保存原始数据、备份、匿名化处理