AEC 研究方法设计指南
本指南用于选择并论证研究方法，使研究设计严谨且可辩护。AEC 研究在方法论上是多元的（从工程实验到社会科学调查再到设计科学）——让方法与问题匹配，然后执行该方法的效度标准。
一、从问题到设计
用框架表述研究问题：
- PICO/PICOC（干预/效果）：Population（人群）、Intervention（干预）、Comparison（对照）、Outcome（结局）（、Context 情境）。
- PCC（范围综述）：Population（人群）、Concept（概念）、Context（情境）。
- SPIDER（定性）：Sample（样本）、Phenomenon of Interest（关注现象）、Design（设计）、Evaluation（评价）、Research type（研究类型）。
- FINER 检验（问题是否 Feasible 可行、Interesting 有趣、Novel 新颖、Ethical 合乎伦理、Relevant 相关？）。
对研究目标分类：探索性 / 描述性 / 解释性 / 预测性 / 设计与评价。
诚实地选择范式：实证主义（测量/检验）、解释主义（理解/意义）、实用主义（混合、问题驱动）、设计科学（构建并评价人工制品）。
二、方法族及适用时机（AEC 语境）
定量方法
调查 / 问卷——大规模了解认知、采用情况、实践做法。设计：尽可能使用经过验证/成熟的量表，进行预测试，设计李克特量表，避免双重问题/引导性问题。报告抽样框、回复率、无应答偏差检查。常见分析：描述性统计、因子分析（EFA/CFA）、信度（Cronbach's α / 组合信度）、回归、SEM/PLS-SEM（在 AEC 的采用与绩效模型中很流行——报告测量模型 + 结构模型、收敛/区别效度、拟合指标；注意样本量规则）。
实验 / 准实验——因果主张（例如 VR 安全培训 vs 对照；材料测试）。控制变量，尽可能随机化，定义自变量/因变量，做样本量的功效分析，报告效应量 + 置信区间（不只是 p 值）。
现场测量 / 监测研究——对建筑/工地进行仪器化（能耗、舒适度、生产率、SHM 结构健康监测）。定义指标、传感器校准、测量不确定度、数据质量保证/清洗、周期与季节性。
二手数据 / 档案数据——成本/进度/许可/能耗数据集；记录来源与清洗过程。
定性方法
案例研究（Yin / Eisenhardt）——AEC 中研究项目/组织的主力方法。单案例 vs 多案例；嵌入式单元；定义案例与边界；三角互证来源（访谈、文档、观察、现场数据）；使用案例研究方案与数据库以保证信度；构建证据链。
访谈（半结构化）——抽样（目的性/理论性）、饱和、访谈提纲、录音/转录、主题分析（Braun & Clarke）或扎根理论（开放/轴心/选择编码）；报告编码方案与编码者一致性；使用 NVivo/ATLAS.ti/Dedoose。
民族志 / 观察——现场实践研究。
文档/内容分析——合同、规范、政策、标准。
混合方法（在 AEC 中非常常见且受重视）
设计类型：聚敛式（定量 + 定性并行，比较）、解释性序列（定量 → 定性以解释）、探索性序列（定性 → 构建工具 → 定量）。说明设计、整合点，以及为何混合能增加价值（不要只是把访谈硬接在问卷后面）。
设计科学研究（DSR）——BIM/工具/方法论文的核心
周期（Hevner；Peffers DSRM）：识别问题 → 定义目标 → 设计并开发人工制品（框架、工具、算法、本体、模型）→ 演示 → 评价（案例、实验、专家组、仿真）→ 传播。贡献是人工制品加上严谨的评价——必须要求评价；只有玩具式演示的工具是 AEC 论文中常见的弱点。
德尔菲法——专家共识（例如风险排序、KPI、未来情景）
多轮匿名专家调查，通过受控反馈趋于收敛。报告：专家组遴选与规模、轮次、共识标准（例如 IQR、同意百分比、Kendall's W）、流失率。
仿真与建模研究（能耗、结构、DES 离散事件仿真、ABM 基于智能体的建模）
建筑性能仿真——声明工具与版本、气象数据、模型假设、对照实测数据的校准 + 不确定度/敏感性分析（Morris/Sobol）；警惕性能差距（performance gap）；报告输入以保证可复现性。
离散事件仿真（DES）——施工运营/物流；验证与确认模型、预热期、重复次数、置信区间。
基于智能体的建模（ABM）—— occupant/工人行为、市场；报告 ODD 协议（Overview 概述、Design concepts 设计概念、Details 细节）、校准与验证、敏感性分析。
优化研究——定义目标/约束/决策变量、算法 + 参数、收敛证据、基线比较、多目标时的帕累托分析。
多准则决策分析（MCDM）
AHP/ANP、TOPSIS、PROMETHEE、模糊变体用于选择/排序（材料、供应商、交付方式）。报告准则推导、赋权方法、一致性（AHP CR < 0.1）以及敏感性分析。
三、抽样
概率抽样（随机、分层、整群）vs 非概率抽样（目的性、滚雪球、便利——需承认其局限）。说明抽样框、规模论证（定量用功效分析；定性用饱和；SEM 用经验法则，例如与指标数的比例）、纳入/排除标准。
四、效度、信度与严谨性
定量：内部效度（混杂因素）、外部效度（泛化——AEC 的长期弱点；一栋建筑/一个项目很少能泛化——要如实说明）、构念效度（测量所声称的内容）、信度（一致性）；在单一来源调查中控制共同方法偏差。
定性（Lincoln & Guba 可信度）：可信性（三角互证、成员核查）、可迁移性（厚描述）、可靠性（审计轨迹）、可确认性（反身性）。
仿真：验证（模型构建正确）vs 确认（模型正确——对照经验数据）；不确定度与敏感性分析对可信度是强制要求。
可复现性：在伦理允许时共享数据、代码、模型文件（见 research-ethics-integrity）。
五、伦理关卡（始终检查）
人类被试（访谈/问卷/实验/可穿戴设备）→ 知情同意、IRB/伦理审批、数据保护（GDPR）、匿名化。现场数据 → 保密/NDA。声明利益冲突与资助来源。
六、方法选择启发式
- "有多普遍 / 认知如何？" → 调查。
- "为何/如何发生在情境中？" → 案例研究 / 访谈。
- "X 是否导致/改善 Y？" → 实验（或强准实验）。
- "构建新工具/方法并证明有效" → 设计科学 + 评价。
- "该领域将/应优先关注什么？" → 德尔菲法。
- "系统在无法现场测试的条件下如何表现？" → 仿真（经过确认的）。
- "在多个准则下对选项排序" → MCDM。
- "既要有数字又要有意义" → 混合方法（说明设计与整合点）。
始终将方法选择与上面相应的效度检查清单配对。