随机作答
随机作答(又称随机反应、乱答)指被试在问卷或测验中不依据条目内容与自身真实情况、以随机或近随机方式选择答案的作答行为。它是最严重的一类无效作答——作答与构念完全脱钩,产生的分数纯粹是噪音。随机作答区别于粗心作答(见粗心作答):粗心作答是被试大体在认真读题,但偶因注意涣散、疲劳产生局部错误,数据仍保留部分真实信号;随机作答则是系统性、全局性地放弃阅读与判断,数据整体失去意义。两者的成因、检测与处理强度不同。
概念界定
随机作答的核心特征有三。无内容依据:选择与条目语义、被试特质无关——或被试完全不读题就点选,或按某种与内容无关的规则(固定模式、机械循环)作答。全局性:一旦进入随机模式,往往持续于整份问卷或很长段落,而非个别条目。无目的性:与伪装好/坏(见伪装好、伪装坏)不同,随机作答不服务于形象目标——它不是"想显得如何",而是"不在乎答什么"。三特征使随机作答成为数据质量的"硬伤":它无法通过统计校正恢复,通常只能识别并剔除。
随机作答需与相邻概念区分。其一,伪随机模式:被试采用"12345循环""全选中间"等固定模式,看似随机实为机械策略,属于省力型作答(见作答风格),检测时通过长串相同/周期性反应识别,与真随机的统计特征不同。其二,快速作答(见快速作答):快速作答指作答时间极短,是随机作答的常见伴随信号但不等同——快速且答案有规律可能是熟练,快速且答案无规律才指向随机。其三,粗心作答:程度差异——粗心是注意资源的局部滑坡,随机是注意的完全撤离,中间存在连续谱,实务中常用"作答质量"统一刻画。
成因
随机作答的成因可分四类。动机缺失:被试对调查无兴趣、无报酬或报酬过低、认为与自己无关——低投入导致"随便点点";在线招募的样本中,只为获取小额报酬的"职业被试"是高发群体。负荷过载:问卷过长、条目重复、认知负担高——被试在中后段放弃认真作答,转为随机完成;这解释了随机作答常出现在问卷后半段的现象。情境干扰:在移动设备、嘈杂环境、多任务并行下作答,注意被切分,容易进入随机模式。恶意或机器人作答:自动程序、恶意填答者以随机方式生成数据,在在线调查中日益突出——有学术会议专题专门讨论调查中的机器人、欺诈与粗心作答对研究构成的挑战。[1]四类成因对应不同预防策略:动机缺失靠激励与意义说明,负荷过载靠缩短问卷,情境干扰靠作答环境提示,恶意作答靠反机器人技术。
检测
随机作答的检测手段包括以下几类。注意力检查题:在问卷中嵌入"请选择'非常同意'""本题请选B"等明显指令题,未按指令作答者被判为未认真——拉姆齐2024年发表于《应用心理测量》的研究评估了这类"指导性操纵检查"作为粗心作答测量的构念效度,提示其能识别部分无效作答但并非完美指标。[2]反应一致性指标:计算个体作答的次分量表间相关、总分的内部一致性贡献、与常模模式的吻合度——随机作答者这些指标显著偏低。反应时指标:过短且变异小的作答时间是强信号——快速作答与随机作答常共现(见快速作答)。作答模式分析:长串相同选项、周期性模式、与条目内容无关的系统规律。统计异常检测:多水平潜类别分析等模型把被试分为"认真"与"不认真"类别,哈塞尔霍恩2025年发表于《心理学方法》的研究用多层潜类别分析建模生态瞬时评估中的粗心作答,并考察影响粗心的因素,为分类检测提供了模型化工具。[3]多指标联合使用、预先设定剔除规则,是规范做法。
影响与处理
随机作答对数据质量的影响是破坏性的。分布污染:随机分数稀释真实效应、增大误差方差,使统计量偏向零假设——本应显著的效应被掩盖。结构破坏:随机作答破坏条目间的协变结构,使因子分析、信度估计失真;布鲁尔曼2020年发表于《心理学方法》的研究考察了众包样本中在线收集数据的粗心作答问题,显示随机与粗心反应显著降低数据质量。[4]拉兹道斯卡斯2025年的研究进一步用两个文化的成人气质样本证实粗心作答会降低自陈问卷的数据质量。[5]群体偏估:若随机作答在群体间分布不均(如某组动机更低),群体比较会系统性偏估。
处理原则分三层。预防:合理激励、说明研究意义、控制问卷长度、优化作答界面、设置反机器人机制。检测:预注册剔除规则(注意力检查失败、反应时阈值、一致性指标),事后依规则剔除,而非看结果是否"顺眼"再决定——后者是 p 值操纵的一种形式。报告:透明报告剔除标准与剔除比例,使读者可评估数据质量。需注意:剔除随机作答虽必要,但过度剔除会损害样本代表性——若随机作答系统集中于某类人群,剔除后样本偏向另一类人群, 推广受限。
中国语境
中文语境中随机作答研究有三个焦点。其一,在线调查平台的数据质量:随着问卷星、腾讯问卷等平台普及,国内研究者关注在线样本的粗心与随机作答比例、激励水平与作答质量的关系、职业被试的识别——这是本土调查方法学的新兴议题。其二,量表修订中的无效数据筛查:中文量表修订研究普遍设置注意力检查与反应时筛查,但对剔除标准的报告尚不规范,不同研究差异较大。其三,大规模教育测评:标准化考试与在线测评中的随机作答(如快速猜题)影响分数效度,国内测评研究者引入反应时阈值方法(见快速作答)加以控制。挑战在于:在线样本的商业激励生态使"为报酬而随机作答"成为结构性问题,需平台与研究方共同治理。
争议
随机作答研究的争议有三。其一,剔除规则的随意性:不同指标(注意力检查、反应时、一致性)的剔除结果常不一致,研究者选择哪一指标可能影响结论——预注册与多指标报告是缓解之道,但尚无统一金标准。其二,注意力检查的效度:粗心者可能"碰巧"通过检查题,认真者可能因理解偏差"误失败"——检查题作为二分指标的可靠性有限,拉姆齐2024年的研究正是对此的检视。[6]其三,剔除与代表性的权衡:剔除随机作答者可能系统改变样本构成——在低教育或低动机群体中随机作答率更高,剔除会削弱样本多样性,研究结论的适用范围随之收窄。如何在数据质量与样本代表性之间平衡,是调查方法学持续的政策议题。
参见
参考资料
- ↑ Bots, Fraud, and Careless Responding: Challenges of Bad-faith Responses in Survey Research,Academy of Management Proceedings,2021年。
- ↑ Evaluating the Construct Validity of Instructional Manipulation Checks as Measures of Careless Respo,Ramsey等,Applied Psychological Measurement,2024年。
- ↑ Modeling careless responding in ambulatory assessment studies using multilevel latent class analysis: Factors influencing careless responding.,Hasselhorn等,Psychological Methods,2025年。
- ↑ The quality of data collected online: An investigation of careless responding in a crowdsourced sample,Brühlmann等,Methods in Psychology,2020年。
- ↑ Careless Responding May Reduce Data Quality in Self-Report Questionnaire Research: Evidence From Adult Temperament Samples From Two Cultures,Lazdauskas等,Psychological Reports,2025年。
- ↑ Evaluating the Construct Validity of Instructional Manipulation Checks as Measures of Careless Respo,Ramsey等,Applied Psychological Measurement,2024年。