Ⅰ 心理學研究方法中量化研究和質化研究的優缺點
量化研究：可以控制自變數和因變數，探討因果關系或相關關系
缺點：實驗室操作可能與真實情況不符合，只用數據說明一切缺乏對心理深度內省資料的探測
質化研究：用大量的觀察，訪談和描述來分析一個人的心理現象，與真實情況較為符合，
缺點：時間長，耗時長，可能被試缺失，樣本量一般小，缺乏外部信度。
1、要考察和研究事物的量，就得用數學的工具對事物進行數量彎手的分析，這就叫定量的研究，也稱量化研究，定量研究是社會科學領域的一種基本研究範式，也是科學研究的重要步驟和方法之一。
2、實證研究方法分為量化研究（QuantitativeResearchMethods）、質性研究（QualitativeResearchMethods）（也稱為定量研究和定性研究），及將兩者相結合的混合研究方法(Mixed-MethodsApproach)。
3、量化研究遵循傳統的科學研究方法，包括提埋余嫌出假設、構建模型、創設實驗、收集數據和驗證假設，因此最容易被物理教育者接受毀稿，在學科教育研究領域中最早使用量化研究方法的多是PER研究者。
Ⅲ 重磅綜述：人類電生理的腦連接組學
腦連接組學是一門快速發展的神經科學子學科，可以用來從宏觀尺度上檢查不同腦區之間的功能和結構連接關系。研究表明，功能性磁共振成像中常見的規范腦連接網路實際上植根於電生理過程。電生理學研究將為分層大腦網路中的信息整合提供可測試的機制模型。總之，電生理學包含一組交叉科學技術和方法，可提供對大腦系統神經動力學的探索。原則上，它們可以就功能通信如何在大腦網路中以生物學方式實現提供獨特的見解，從而在廣泛的時間范圍內實現復雜的行為 。 此綜述的目標是解釋電生理學方法與連接組學研究之間的相關性。
1 簡介
腦連接是神經科學中一個年輕而快速發展的分支學科，它已經改變了人類的大腦圖譜。 連接組研究起源於21世紀初的核磁共振，在圖論等數學工具的推動下，旨在提供對健康和疾病中大腦結構和功能的綜合分析 。 電生理功能連通性可以定義為一組描述「跨低級別網路的高級別耦合」的指標。低水平網路是由相互連接的細胞組成，分布在1厘米或更大的皮質上--這種空間尺度在整個大腦中隨局部細胞密度、區域深度和該區域內電流的主要方向而變化。因為這種局部迴路在功能上是相對同質的，所以我們猛衡把它們稱為「大腦區域」。高水平的耦合構成了這些局部區域之間的信號相互作用。這些相互作用的區域相隔的距離基本上大於網路中每個區域的空間范圍，它們構成了本文提廳知隱及的高級網路。
電生理技術是歷史上第一個測量大腦活動的技術，在基礎(人類和動物研究)和臨床神經科學中仍然是最容易獲得和發表最多的技術。它們由非常多樣化的方法組合而成，這些方法隨著幾十年來感測和計算技術的進步而演變。 它們的特殊優勢是：1) 直接評估神經活動的能力，對比間接代謝信號；2) 毫秒級的時間解析度；3) 從單個細胞到整個大腦的多空間尺度記錄；4) 通過神經刺激確定因果效應；以及5) 攜帶型、可移動儀器的可用性、成本效益和數據質量的日益增長 。
總扮廳而言之，電生理學包括一套交叉的科學技術和方法，為研究大腦系統的神經動力學提供了獨特的途徑。原則上，它們可以對大腦網路中如何在生物學上實現功能性通信提供獨特的見解，從而在廣泛的時間范圍內實現復雜的行為分析 。 我們在這里的目標是解釋為什麼這些獨特的特性使電生理方法特別適用於腦連接組研究。
2 電生理連接的度量
2.1 電生理數據類型
大腦區域之間的電生理高級連接的測量必須提供 1）高保真度，即足夠的信噪比（SNR），以准確表徵來自不同大腦區域的信號之間的統計依賴性；2) 足夠的空間解析度，以確保區域之間的連通性估計不會因從一個區域到另一個區域的虛假信號交互（「泄漏」或「串擾」）而顯著降低。考慮到這兩點，電生理測量可以分為兩類：
(1) 非侵入性方法 包括腦電圖 (EEG) 和腦磁圖 (EMG)。前者測量大腦中波動電流產生的頭皮表面的電位差，後者測量相同電流波動產生的相應磁感應。
(2) 侵入性測量 通常統稱為顱內腦電圖 (iEEG)，范圍從皮層電圖 (ECoG)到更深結構的深度電極。電極參考位置的選擇通常決定了進行測量的神經元群體的大小。測量結果通常反映了來自皮層錐體細胞 (類似於MEG/EEG) 的 LFP，這些細胞總和超過了數千個神經元。
由於顱外感測器遠離腦源，腦磁圖和腦電圖具有較低的信噪比（尤其是在高頻下）。與EEG相比，MEG提供更高的空間精度，因為它對頭部組織的幾何形狀和電導不太敏感。MEG也不太容易受到生物偽影的影響。然而，MEG 的購買和運營成本也更高，因此更難獲得。感測技術的重大進步有望提供新的、更靈活和負擔得起的 MEG 儀器，這些儀器最近被證明對連通性測量有效。
2.2 電生理信號連通性評估方法
從廣義上講，電生理連接指標可以分為兩類，頻帶內和頻帶間。目前流行的兩類頻帶內連通性度量：固定相位關系和幅度相關度量。這些不同的技術被認為可以深入了解兩種不同的功能連接模式。對於頻帶間測量，存在三種典型的技術系列：相位-相位、幅度-幅度和相位幅度耦合，後者是最常用的 。 圖1中展示了常規的基於生理電信號的腦連接構造步驟。
圖1處理電生理數據以得出電生理連接組測量的基本方法
與所有類型的生物信號分析一樣，對電生理連接的最大威脅源於數據質量的固有限制，最值得注意的是空間解析度和信號泄漏有關——尤其是對於 MEG/EEG。近年來，已經引入了可靠且穩健的方法來減輕泄漏。其中大多數依賴於這樣的想法，即泄漏必然表現為具有零時滯的信號之間的關系。在探測信號之間的固定相位關系時，可以輕松消除這種零滯後效應——例如，僅採用相干計算的虛部，或通過使用相位滯後指數。除了上面定義的一類指標，研究者還開發了許多有向指標，例如格蘭傑因果、部分定向相乾性和動態因果建模。 這些指標利用電生理測量的高時間解析度來推斷兩個區域之間信息流的平均（在某個時間窗口內）方向。
2.3 面向動態時序連接
上述連接性度量通常應用於許多分鍾或幾個小時的數據，並且被稱為「靜態」連接體。事實上，情況並非如此，因為大腦必須在快速(毫秒)的時間尺度上持續形成和分解網路，以回應不斷變化的認知和行為需求。
2.3.1 滑動窗方法
在最簡單的層面上，動態連接可以通過「滑動」窗口計算。一個關鍵點是這種技術提供的效用取決於窗口的長度。反過來，這取決於人們在多大程度上可以在短時間內獲得可靠的連通性度量，而這本身取決於信號中自由度的數量。一個信號的時間自由度 n = 2 Bw D ，其中 Bw 是信號帶寬， D 是窗口的時間寬度。雖然fMRI信號的帶寬為~ 0.25 Hz，但電生理信號的名義帶寬至少為100 Hz。這意味著，在電生理學中，基於滑動窗口的連接測量的時間窗口比fMRI短約400倍。這反過來又使電生理學成為動態功能連接測量的首選技術。在實踐中，電生理信號在不同波段包含不同的特徵，人們通常會考慮計算窄帶信號(如alpha、beta、gamma波段)的連通性。這意味著fMRI在時間解析度上的改善並沒有那麼顯著。然而，即使對於最窄的波段(例如8-13 Hz alpha波段)，帶寬仍然保持在5 Hz，在時間解析度上比fMRI至少提高20倍。
然而，盡管電生理信號的帶寬很高，滑動窗口寬度的選擇仍然是一個有趣問題。人們真的希望窗口寬度與大腦中網路波動的時間尺度相匹配。然而，在實踐中，這幾乎肯定是未知的，並且可能在實驗過程中發生變化。同樣，對於不同的網路，它可能是不同的，隨著年齡或參與者的病理狀態而變化。也有可能，連通性波動的時間尺度可能太短，無法有效測量窗口內的連通性(例如，對於alpha波段，1秒的窗口，與認知加工相比仍然很長，只包含10個自由度)。由於這些原因，雖然滑動窗口仍然是一個有用的和概念上直接的工具，但很可能其他方法可以更好地利用電生理學提供的高時間解析度。
2.3.2 除滑動窗方法之外
許多技術試圖「時刻」檢查連通性，即在電生理時間過程中獲得每個樣本的功能連通性估計。一種可用的技術是相位差導數 (PDD)。簡而言之，PDD探測固定相位關系的存在，採集來自遠端區域的信號的瞬時相位，並隨時間測量它們之間的差異。如果差分導數為零，則暗示瞬態固定相位關系。近年來，基於隱馬爾可夫開發的一種技術能夠迴避窗口問題。該方法假設電生理數據由一系列相互排斥的隱藏「狀態」控制。這意味著在任何一個時間點，大腦都可以說是處於一種特定的狀態。在未平均或靜止狀態中，PDD和類似指標往往是不穩定的，並且最終會在時間窗口上取平均值，這最終導致滑動窗口面臨同樣的問題。然而，在基於任務的研究中，假設相同的實驗範式重復多次，PDD 可以在試驗中平均。
一種基於隱馬爾可夫建模的技術（HMM）能夠迴避窗口問題。迄今為止，該技術主要應用於MEG，但最近的論文已將其用於EEG和fMRI。HMM假設電生理數據由一系列相互排斥的隱藏「狀態」控制。這意味著在任何一個時間點，大腦都可以說是處於一種特定的狀態。在最簡單的形式中，HMM可以描述單個電生理時間過程中的狀態。每個狀態都可以用電生理數據的高斯分布來描述。使用這種無監督的方法，大腦何時進入或離開特定狀態的識別是自動化的。因為 HMM以數據驅動的方式自動選擇時間窗口。
3 利用正在進行的電生理活動來定義電生理連接組
許多常見的電生理分析本身無法提供對大腦行為關系的全面機制理解。電生理測量通常重復多次，並且在試驗中對數據進行平均，以檢測相對於「基線」參考期的可能影響 。 在大多數電生理研究中，基線被丟棄，將持續的大腦動力學視為「噪音」。在這里，我們主張充分利用，而不是「糾正」，正在進行的神經過程及其空間組織對電生理記錄的貢獻。與任務相關的連通性變化通常將正在進行的電生理過程視為「噪音」。 同樣重要的是，研究少數與任務相關的感測器的選擇方法忽略了電生理數據的分布式空間組織 。 3.1小節詳細闡述了正在進行的電生理活動的空間組織（即跨區域對的連接強度的全腦模式），並討論其行為意義。3.2小節簡要回顧了有關正在進行的活動動態的最新證據。
3.1 持續的電生理活動具有內在的時空組織
3.1.1 顱內電生理學中的內在空間組織
盡管顱內研究通常缺乏全面描述內在連接網路所需的全腦覆蓋，但個別研究證實了特定內在連接網路的存在 。 一項研究報告表明，在所有規范頻帶中，組級 fMRI 連接組與匯集的全腦ECoG連接組之間存在適度的關聯。值得注意的是，盡管許多尋求與 fMRI 衍生的功能連接相似性的研究都集中在高伽馬功率的緩慢共波上，但上述研究擴展到其他振盪頻率的幅度耦合以及振盪相位的測量。總之，人類 iEEG 研究提供了關於存在跨振盪頻率和連接測量的持續電生理連接的內在空間組織的信心，並且還為 fMRI 中經常報告的空間網路組織提供支持。
圖2 電生理數據中內在的全腦連接組織。A)在源空間MEG幅度耦合中通過基於種子的連接觀察到的感覺和運動的內在腦連接。光譜圖（右）表明alpha和beta波段振盪對這些內在網路的貢獻很大；B) MEG中特定頻帶的振盪幅度的內在腦連接（顯示了四個作為示例），包括感覺/運動以及高階網路；C)連接強度在 fMRI 和顱內電生理學（ECoG 幅度耦合）之間存在空間關聯。對於所有頻段，這種相關性的強度約為 0.35；D）在 fMRI 和同時記錄的頭皮腦電圖（相位耦合）之間觀察到類似的連接強度的空間關聯。左側散點圖顯示了 beta 波段的示例，其中每個數據點來自連接組的一個區域對，平均跨受試者中以相似的效應大小重現。
3.1.2 顱外電生理信號的內在空間組織
有了對內在空間組織建立的信心，我們轉向全腦連接組的MEG和 EEG 源空間研究。許多 MEG 幅度耦合研究為使用基於種子的相關性提供了感覺和運動趨同的證據。雖然其中一些研究使用寬頻信號，但那些專注於不同頻段的研究通常報告 α 和β 頻段在反映 內在腦連接方面佔主導地位。此外，雖然幅度耦合一直是MEG 靜息狀態連接組研究中更常用的連接模式，但 MEG 相位耦合顯示出由內在腦連接錨定的類似空間分布。 盡管與 MEG 相比，EEG 對體積傳導的敏感性更強，但 EEG 同樣有力地反映了連接組的內在空間組織 。
圖3 功能網路的毫秒動態。A）應用於靜息狀態MEG的隱馬爾可夫模型(HMM)提取數據。每個狀態都由特定的地形決定。這些狀態圖類似於fMRI通常觀察到的典型內在連接網路 (ICN)。B）與 HMM 狀態相關的時間尺度顯示在面板A中；C)「重放」是大腦自發地重新審視最近獲得的信息以例如鞏固記憶的過程。這些重播事件與特定 HMM 狀態發生概率的改變有關。左圖顯示了「重放」事件期間 HMM 狀態發生概率的變化。右側的地圖顯示了在回放期間更有可能表達的四個大腦網路，其中包括默認模式和頂葉阿爾法網路。
3.1.3 跨認知狀態的內在電生理連接組的穩定性
大規模連通性的內在空間組織的一個關鍵特徵是其認知上下文的相對獨立性。這種對認知環境的不敏感性在fMRI中得到了很好的量化，表明大腦的fMRI 衍生的時間平均連接組組織的特定任務變化很小。然而，與 BOLD 信號的非周期性慢速波動相比，基於振盪的功能連接可以很好地支持認知過程所需的數十到數百毫秒的快速時間尺度上的遠程通信。這種能力是否會導致認知環境對電生理 FC 組織進行更強的重構？諸如上述討論的電生理連接組研究通常側重於無任務靜息狀態，很少有電生理連接組研究定量比較認知狀態。
一項這樣的研究分析了不同喚醒水平和日常活動的一天 iEEG 記錄。源自 100秒和更長周期的幅度和相位耦合在晝夜循環中顯示出一致的空間組織。一項使用感測器級腦電圖的相關研究確定了振幅和相位耦合組織在不同睡眠階段和覺醒的高度空間相關性。源空間中的EEG研究表明，在對不同任務（靜止狀態、視頻觀看和閃爍光柵）進行幾分鍾計算時，相位耦合在空間上是一致的，並且跨頻帶具有相似的模塊化組織。相位和幅度耦合揭示了跨認知狀態的高度相似、很大程度上與狀態無關的空間分量。這種空間組織在所有頻帶之間共享。
總的來說，這些研究表明，功能連接的空間組織在認知狀態（包括覺醒水平、靜息清醒和具有不同認知需求的任務期）上基本穩定，即它本質上主要是內在的。該組織在很大程度上也是跨頻段共享的。因此，電生理連接組的動態變化，包括那些自發發生的、由任務環境引發的或由刺激引起的變化，應該根據相對穩定的內在組織的信息偏離來研究 。
3.2 持續的活動在快速的時間尺度上動態變化
連接性隨時間變化的現象已得到充分證實。雖然連接的靜止狀態波動很明顯，但有時很難（甚至不可能）將這些波動與行為聯系起來 。 奧尼爾等人使用滑動窗口來演示電生理連接如何隨著運動任務而變化。這項工作採用了一種基於典型相關性的方法，能夠檢測感覺運動系統中的「子網路」。Neill 等人使用 6 秒滑動窗口測量了完整的連接組矩陣，並展示了 Sternberg 工作記憶任務期間網路的形成和分解。 這些研究開始表明，功能連接的完整動態方法為任務誘發動力學提供了新的見解 。
使用隱馬爾可夫模型可能會消除滑動窗口（和類似）方法的局限性 。 在 Baker 等人的早期論文中，這種方法被用來揭示大腦狀態的復發，這些狀態被證明存在於幾百毫秒的時間尺度上。Vidaurre 等人表明可以從正在進行的電生理數據中提取規范的 ICN（運動、視覺、默認模式）。重要的是，這些網路再次被證明可以在快速（<100ms）的時間尺度上進行調制。這些研究表明，規范ICN的表達可能會在比以前想像的更快的時間尺度上發展。
測量網路動力學毫秒波動的能力引出了一個問題，即是否可以使用相同的方法來理解電生理數據的持續時空特徵如何與任務相交 。 Higgins 及其同事最近的工作解決了這個問題。作者使用 HMM 來模擬自發記憶「重放」期間的網路波動。回放是與特定項目相關的神經活動自發啟動以鞏固記憶的過程。回放事件通常在默認模式和頂葉 alpha 網路的激活期間選擇性地發生——這兩個網路已知與內向注意力相關。 這些發現提供了迄今為止最清晰的指示，表明正在進行的電生理網路活動如何被動態和選擇性地調節以支持認知處理 。
綜上所述，電生理學為以毫秒級時間和高空間精度標測動態連接體提供了最佳途徑。結合對神經生理學相互作用的有意義的測量，它有助於更好地表徵靜息狀態無任務數據。此外，電生理學還有助於更深入地理解任務誘發事件與正在進行的大腦活動之間的關系 。
4 有意義的電生理信號的頻率帶寬是多少？
電生理信號的毫秒級解析度是他們最大的神經科學資產。資訊理論的一個主要結果是，信號分量以采樣頻率的一半的速度演化，就可以傳達有意義的內容。當前電生理學硬體的數字化采樣率可以高達每通道幾十kHz。這是否意味著高達10kHz的大規模大腦信號波動傳達了對識別連接組相互作用有意義的信息位 。
在特定環境中測量特定生物系統的每一種儀器都容易受到雜訊的影響。雜訊表徵經常被隨便忽視，因為它具有挑戰性或根本不切實際。在我們的領域中，MEG系統最適合仔細表徵環境和儀器雜訊條件。運行「空房間」測量確實被認為是一種很好的做法，即在每個實驗會話周圍沒有參與者在 MEG 感測器陣列下的情況下，以捕獲可能在會話之間發生變化的雜訊條件的導數，此類「干」數據運行有助於表徵技術本底雜訊及其頻譜時間結構。
對於EEG，「空房間」條件是不切實際的，因為電極信號需要直接接觸導電介質，即頭皮或精心製作的導電體模設置。因此，截止頻率和采樣率通常是特殊定義的，通常設置在數百赫茲的范圍內。這既不完全嚴謹也不令人滿意，而只是舉例說明了實驗神經科學的某些方面如何仍然受到實踐的指導。
考慮1 kHz采樣的數據，這是該領域常見的范圍。因此，理論上可用於信號分析的最大頻率為500 Hz，實際上約為 250-300 Hz，這通常由儀器的附加抗混疊硬體濾波器強加。一個 250Hz 的大腦信號頻帶代表了一個由慢到快波動的廣闊領域，以表徵 電生理連接 組。從電氣工程的角度來看，電生理數據因此被認為是 寬頻 信號。有經驗證據表明，頭皮和皮質記錄可以捕獲與復雜的人類行為或臨床症狀有意義相關的快速（高頻）信號。例如，外部感覺信號的神經夾帶是一種強大的實驗方法，可以通過在高達100 Hz左右的快速頻率下特別提高它們的信噪比。刺激事件也可以誘發100 Hz以上的高頻振盪突發並且由癲癇腦自發產生。這種快速信號是否在大腦網路的區域間通信中發揮作用是一個積極研究的問題。
總之，寬頻信號可以實現豐富多樣的信息通道。這意味著神經信息位可以通過不同的信息通道（例如限制在窄頻帶內的振盪信號）和/或通過更復雜的信號編碼形式（例如相位幅度、交叉頻率）在區域之間並行傳輸互動或以上所有。這些考慮對於產生可測試的機械假設以理解定義功能連接組的電生理信號相互作用的性質具有深遠的意義 。
5 總結
本文總結了跨電生理學和功能磁共振的連通性在空間和時間上的收斂，它們不受逆問題的影響。我們還強調了電生理連接與個體內部和個體之間的行為的關聯，以及與認知過程（如記憶鞏固）相關的快速時變連接動力學，這些進一步支持了源定位電生理連接的重要性。使用血流動力學信號在很大程度上無法獲得如此快速的連接組狀態變化。此外，電生理和功能磁共振連接可能反映部分不重疊的神經和生理現象。功能性磁共振被概念化為由血流動力學反應平滑的電生理活動。然而，經過優化以在快速或慢速時間尺度上進行通信的神經群體和神經束可能分別通過電生理和功能磁共振測量得到更大的權重，並且功能磁共振連接可能容易受到跨區域血管需求的影響 。
最後，我們認為全腦電生理連接組學是基礎和臨床神經科學研究的機會。我們希望當前的觀點和立場能夠激發人們的信念，以充分利用人類大腦的分布式持續電生理中未知的財富。
參考文獻：
Connectomics of human electrophysiology