城市公园儿童游戏空间自然度对游戏行为影响纵向追踪研究方法

城市公园儿童游戏空间自然度对游戏行为影响纵向追踪研究方法一、研究设计框架搭建（一）核心概念操作化定义在开展纵向追踪研究前，需对“城市公园儿童游戏空间自然度”和“儿童游戏行为”两个核心概念进行清晰的操作化定义，确保研究过程中测量的一致性和准确性。对于“城市公园儿童游戏空间自然度”，可从自然元素占比、自然元素多样性、自然元素可达性三个维度进行界定。自然元素占比指游戏空间中自然要素（如植被、水体、土壤、岩石等）的面积占空间总面积的比例；自然元素多样性则通过统计空间内不同类型自然要素的数量来衡量，例如乔木、灌木、草本植物的种类，水体的类型（池塘、溪流等）；自然元素可达性关注儿童与自然元素的互动便捷程度，比如是否有直接通往草坪的步道，水体周边是否设置了安全且易于接近的平台。“儿童游戏行为”可划分为功能性游戏、建构性游戏、象征性游戏和规则性游戏四大类。功能性游戏以重复的身体动作为主，如奔跑、跳跃、攀爬；建构性游戏指儿童利用材料搭建或构造物品，比如用树枝搭建小房子；象征性游戏是通过想象将物品赋予象征意义，例如把树叶当作食物进行“过家家”；规则性游戏则是遵循特定规则进行的游戏，像在草坪上进行的追逐比赛。（二）研究对象选取研究对象的选取需综合考虑儿童的年龄、性别、家庭背景以及所在城市公园的特征，以确保样本的代表性和研究结果的可推广性。从年龄维度来看，可将儿童划分为3-6岁的学龄前儿童和7-12岁的学龄儿童两个群体。学龄前儿童正处于感知运动阶段，对自然元素的探索以直观感受为主；学龄儿童则具备更强的认知能力和社交能力，游戏行为更加复杂多样。性别方面，应保证男女儿童的比例均衡，避免性别偏差对研究结果的影响。家庭背景可通过父母的教育程度、职业类型、家庭收入等指标进行划分，分析不同家庭背景下儿童对自然游戏空间的偏好和游戏行为差异。在城市公园的选择上，要涵盖不同自然度水平的公园，例如自然度较高的郊野公园、自然度中等的城市综合公园以及自然度较低的社区口袋公园。同时，考虑公园的地理位置，包括位于城市中心、近郊和远郊的公园，以排除地理位置带来的干扰因素。（三）追踪时间点设定纵向追踪研究的时间点设定需结合儿童的生长发育规律和城市公园自然环境的变化周期。对于学龄前儿童，可设定每3个月为一个追踪时间点，因为这一阶段儿童的身体和认知发展速度较快，短时间内游戏行为可能会发生明显变化。而学龄儿童的追踪时间间隔可适当延长至6个月，他们的游戏行为相对稳定，但仍会随着年级升高和社交圈扩大而逐渐改变。此外，还需考虑季节因素对自然游戏空间和儿童游戏行为的影响。例如，春季和秋季气候适宜，儿童更倾向于在户外自然空间中活动；夏季高温和冬季寒冷可能会限制儿童的户外活动时间和游戏类型。因此，在追踪过程中，每个时间点应覆盖不同的季节，以全面了解自然度在不同季节对儿童游戏行为的影响。二、数据收集方法（一）空间自然度测量1.实地观测法研究人员需深入城市公园儿童游戏空间，采用样方调查法对自然元素进行详细测量。在游戏空间内设置多个10m×10m的样方，记录每个样方内的植被种类、数量、高度，水体的面积、深度，土壤的类型和质地等信息。同时，拍摄空间全景照片和局部细节照片，用于后续的图像分析和数据复核。除了自然元素的量化测量，还需对空间的微气候环境进行监测，包括温度、湿度、风速、光照强度等指标。可在游戏空间内安装便携式气象站，在不同时间段（如上午、中午、下午）进行数据采集，分析微气候环境对儿童游戏行为的潜在影响。2.遥感与GIS技术应用利用高分辨率遥感影像获取城市公园的整体布局和自然元素分布信息。通过遥感影像解译，提取游戏空间的边界、植被覆盖范围、水体位置等数据，并导入地理信息系统（GIS）软件中进行空间分析。在GIS中，可计算自然元素的空间分布格局，例如植被的聚集程度、水体与游戏设施的距离等。同时，结合数字高程模型（DEM）数据，分析游戏空间的地形特征，如坡度、坡向，这些地形因素可能会影响儿童的游戏路径和活动范围。（二）儿童游戏行为观测1.直接观察法采用焦点儿童观察法，研究人员在不干扰儿童游戏的前提下，对选定的儿童进行连续观察。观察过程中，使用预先设计好的观察记录表，记录儿童的游戏类型、游戏持续时间、游戏同伴数量、与自然元素的互动方式等信息。为了提高观察的准确性和客观性，可采用时间取样法和事件取样法相结合的方式。时间取样法是每隔一定时间（如10分钟）记录一次儿童的游戏行为；事件取样法则是当特定的游戏行为发生时，立即进行详细记录，比如儿童开始与水体互动时，记录互动的起始时间、具体动作和持续时长。2.行为编码与分析将观察到的儿童游戏行为按照预先设定的编码体系进行编码，以便进行量化分析。编码体系应与“儿童游戏行为”的操作化定义相对应，例如用“F”代表功能性游戏，“C”代表建构性游戏，“S”代表象征性游戏，“R”代表规则性游戏。编码完成后，使用SPSS或R语言等统计分析软件对数据进行处理。计算不同自然度水平的游戏空间中，各类游戏行为的发生频率、持续时间占比等指标，分析自然度与游戏行为之间的相关性。（三）辅助数据收集1.家长问卷调查设计针对家长的调查问卷，内容包括儿童的日常户外活动习惯、家庭对自然教育的重视程度、家长对城市公园游戏空间的满意度等。通过问卷调查，了解家庭因素对儿童游戏行为的影响，以及家长对自然游戏空间的需求和期望。问卷发放可采用线上和线下相结合的方式。线上通过社交媒体平台、家长微信群等渠道发布问卷链接；线下在城市公园的入口处、儿童游乐区等地点发放纸质问卷，确保样本的广泛性。2.儿童访谈与绘画对于学龄儿童，可进行半结构化访谈，了解他们对城市公园自然游戏空间的喜好程度、游戏过程中的感受和体验。访谈问题可以包括“你最喜欢公园的哪个地方？为什么？”“在公园里玩的时候，你觉得最有趣的事情是什么？”等。此外，让儿童以“我在公园的游戏”为主题进行绘画，通过分析绘画作品中的元素和场景，挖掘儿童对自然游戏空间的认知和情感表达。例如，绘画中出现大量自然元素且色彩鲜艳，可能表明儿童对自然游戏空间具有积极的情感体验。三、数据质量控制（一）测量工具信效度检验在正式开展研究前，需对用于测量空间自然度和儿童游戏行为的工具进行信效度检验，确保测量结果的可靠性和有效性。对于空间自然度测量工具，可采用重测信度和评分者信度进行检验。重测信度是指在不同时间对同一游戏空间进行测量，比较两次测量结果的一致性；评分者信度则是让不同的研究人员对同一空间进行测量，分析测量结果的差异程度。信度系数应达到0.8以上，方可认为测量工具具有良好的信度。效度检验方面，通过内容效度和效标关联效度来评估。内容效度邀请相关领域的专家对测量工具的内容进行审核，判断其是否涵盖了空间自然度的所有关键维度；效标关联效度则将测量结果与已有的权威测量工具或指标进行比较，例如与专业的景观生态评估指标进行相关性分析。对于儿童游戏行为观测工具，同样进行信效度检验。信度检验可采用观察者间信度，即不同观察者对同一儿童游戏行为的编码一致性；效度检验通过与儿童的自我报告、家长的评价等进行对比，验证观测结果的准确性。（二）研究人员培训研究人员的专业素养和操作规范性直接影响数据收集的质量，因此在研究开始前需进行系统的培训。培训内容包括研究目的、核心概念的操作化定义、数据收集方法、测量工具的使用以及伦理规范等。通过理论讲解、案例分析和实地模拟操作，让研究人员熟悉研究流程和操作要点。在培训过程中，组织研究人员进行模拟观测和编码练习，然后对练习结果进行集中讨论和反馈，及时纠正不规范的操作行为。同时，强调研究过程中的伦理原则，如保护儿童的隐私、尊重儿童的意愿、避免对儿童的游戏行为造成干扰。（三）缺失数据处理在纵向追踪研究中，由于儿童的流动、家庭搬迁等原因，可能会出现数据缺失的情况。因此，需要制定合理的缺失数据处理方案，以减少数据缺失对研究结果的影响。首先，在研究设计阶段，尽量降低数据缺失的风险。例如，与家长保持密切沟通，定期提醒他们参与追踪研究；为儿童提供小礼品等激励措施，提高他们的参与积极性。当出现数据缺失时，可根据缺失数据的类型和程度选择合适的处理方法。对于随机缺失的数据，可采用均值插补法、回归插补法或多重插补法进行填补。均值插补法是用该变量的均值来替代缺失值；回归插补法通过建立回归模型，根据其他相关变量预测缺失值；多重插补法则生成多个完整的数据集，分别进行分析后综合结果。对于非随机缺失的数据，需要深入分析缺失原因，判断其是否会导致研究结果的偏差，必要时对样本进行调整或补充。四、数据分析方法（一）描述性统计分析在数据分析的初始阶段，采用描述性统计方法对收集到的数据进行初步整理和概括，了解数据的基本特征。对于空间自然度数据，计算不同城市公园游戏空间自然度的均值、中位数、标准差等统计指标，描述自然度的分布情况。同时，绘制柱状图、箱线图等可视化图表，直观展示不同公园自然度的差异。对于儿童游戏行为数据，统计各类游戏行为的发生频率、持续时间的均值和标准差，分析不同年龄、性别儿童游戏行为的分布特征。例如，比较学龄前儿童和学龄儿童在功能性游戏和规则性游戏上的时间占比差异，以及男女儿童在建构性游戏和象征性游戏中的参与度差异。（二）相关性分析通过相关性分析，探究城市公园儿童游戏空间自然度与儿童游戏行为之间的关联程度。采用皮尔逊相关系数或斯皮尔曼相关系数进行分析。皮尔逊相关系数适用于正态分布的连续变量，如自然元素占比与儿童功能性游戏时间的相关性；斯皮尔曼相关系数则用于非正态分布或有序分类变量，比如自然元素多样性与儿童象征性游戏类型的相关性。在分析过程中，需控制可能的混淆变量，如儿童的年龄、性别、家庭背景等。可采用偏相关分析，在排除混淆变量的影响后，重新计算自然度与游戏行为之间的相关性，以更准确地揭示两者之间的真实关系。（三）纵向数据分析由于本研究是纵向追踪研究，需要采用专门的纵向数据分析方法来处理随时间变化的数据。1.增长曲线模型增长曲线模型可以分析儿童游戏行为随时间的变化趋势，以及空间自然度对这一趋势的影响。该模型将儿童的游戏行为视为一个随时间变化的函数，通过拟合曲线来描述游戏行为的发展轨迹。在模型中，纳入时间变量、空间自然度变量以及它们的交互项。时间变量用于捕捉游戏行为的自然发展趋势；空间自然度变量反映不同自然度水平对游戏行为的影响；交互项则体现自然度对游戏行为发展趋势的调节作用。例如，分析自然度较高的游戏空间是否会加速儿童从功能性游戏向建构性游戏的转变。2.多层线性模型多层线性模型适用于处理嵌套结构的数据，本研究中儿童嵌套于不同的城市公园游戏空间中。该模型可以同时分析个体层面（儿童自身特征）和群体层面（游戏空间自然度）对儿童游戏行为的影响。第一层模型以儿童的游戏行为为因变量，纳入儿童的年龄、性别、家庭背景等个体层面变量；第二层模型以第一层模型的截距和斜率为因变量，纳入空间自然度变量。通过多层线性模型，能够分解出不同层面因素对儿童游戏行为的解释方差，深入了解自然度在其中的作用机制。五、伦理考量（一）知情同意在研究开始前，必须获得儿童家长或监护人的知情同意。知情同意书应详细说明研究目的、研究方法、数据收集过程、可能的风险和受益，以及儿童和家长的权利，如随时退出研究的权利。知情同意书采用通俗易懂的语言，避免使用专业术语，确保家长能够充分理解研究内容。同时，为家长提供足够的时间阅读和考虑，鼓励他们提出疑问，研究人员应耐心解答。只有在家长签署知情同意书后，才能将儿童纳入研究样本。（二）隐私保护在研究过程中，严格保护儿童和家庭的隐私。所有收集到的数据，包括儿童的游戏行为记录、家长的调查问卷信息等，都进行匿名化处理，去除能够识别个人身份的信息，如姓名、家庭住址、联系方式等。数据存储采用加密方式，仅授权的研究人员能够访问。在数据分析和报告撰写过程中，不披露任何可能识别出具体儿童或家庭的信息。研