一、先写数据字典，再收数据
数据字典是字段和含义的对照表。它不需要复杂工具，一张表就够：变量名、中文标签、类型、 取值范围、编码规则、缺失码、备注。写字典的过程，会逼你提前处理“性别怎么编”“年级算有序还是分类”这些问题。
| 字段 | 含义 | 类型 | 编码 | 缺失 |
|---|---|---|---|---|
| id | 被试编号 | 字符串 | S001 起 | 不允许 |
| gender | 性别 | 二分类 | 0=男，1=女 | 空 |
| hours | 日均使用时长 | 连续 | 小时，1 位小数 | 空 |
| dep1–dep5 | 依赖量表题项 | 有序 1–5 | 1=完全不符合 | 空 |
| sleep1–sleep4 | 睡眠质量题项 | 有序 1–5 | 1=很差，5=很好 | 空 |
可以直接复制数据字典模板， 把示例行替换成自己的字段。模板里的 `coding` 和 `missing` 两列不要省。
二、问卷结构：短一点，清楚一点
一份自填问卷通常包含：知情同意、基本信息、核心量表、可选开放题。题项越多，中途退出和随意作答越多。 如果研究问题不需要身份证号、手机号、详细家庭住址，就不要收集。
- 知情同意写清用途、匿名性、保存期限和退出方式，不能只写“填写即同意”。
- 基本信息只收分析需要的变量；年级、专业等能识别个人的组合信息要谨慎。
- 避免双重问题：“你觉得短视频让你放松又焦虑吗”无法用一个 1–5 分回答。
- 避免诱导题：“你是否也认为刷短视频有害睡眠？”把倾向写进了题干。
- 设置注意力检查题，并记录作答时长；异常快的提交标记复核。
反向题要在字典里标出来
三、CSV 规范：一行一个样本，一列一个变量
大多数问卷平台都能导出 CSV。导出后先检查编码、表头和分隔符，再开始分析。 本站上传要求 UTF-8、首行表头、一行一个样本；缺失值留空或写 NA，不要用 0 代替。 字段名建议用英文短名、下划线分隔，不使用空格和中文标点，避免上传或脚本解析出错。
正确的长表结构
id,age,gender,grade,hours,dep1,dep2,sleep1,sleep2 S001,19,1,4,1.4,2,2,4,4 S002,22,1,3,4.0,3,4,3,3 S003,20,0,2,,3,3,4,
空单元格表示缺失；不要合并单元格、不要多层表头、不要把多个题项塞进同一列。
多选题怎么放
多选题建议展开成多个 0/1 列，一列一个选项。比如“你使用哪些平台”展开为 `platform_douyin`、`platform_kuaishou` 等；也可以保留一列原始文本用于核对， 但分析时用展开后的 0/1 列。
原始文件与版本
问卷平台导出的原始文件要原样保存，不要直接在原始文件上改数据。建议命名带日期和版本， 例如 raw_20261015_v1.csv；清洗后的文件单独命名，并在日志里记录从哪一版原始文件生成。 这样出现争议时能回到源头核对，而不是只剩一份“改过但说不清”的表。
导出后至少检查三件事：中文是否乱码（编码应为 UTF-8）、表头是否与数据字典一致、 每行是否确实对应一个被试。平台自带的提交时间、IP、作答时长等字段若不需要分析， 可另存备查，但不要和研究变量混在同一张表里。
四、收集日志与数据伦理
收集日志至少记录：发放时间、渠道、回收数量、有效数量、剔除原因。它既是方法部分的素材， 也是出现异常时回查的依据。
- 重复提交：按设备、提交时间、作答模式检查，保留规则要事先写清。
- 测试提交：自己或同学试填的问卷单独标记，不进入正式数据。
- 异常作答：作答时间过短、连续选择同一选项、注意力检查失败，标记而非直接删除。
- 数据保存：匿名化后保存，限定访问权限；不把原始数据发到公共群。
- 最小化收集：与研究问题无关的敏感信息不收集。
收完先做一次 sanity check：用频数分析看性别、年级的分布，用描述性统计看时长和总分的范围。如果出现 99 岁、每天 48 小时这类值，先回查收集环节，而不是急着删。
知情同意里承诺的保存期限和删除方式，要真的做得到：写了“数据保存一年”，就要有到期删除的记录； 被试要求退出的，要能从数据中定位并删除对应记录。做不到的承诺不要写。
报告样本量时，把“发放 / 回收 / 有效”三个数字分开写。只写“有效样本 218 人”， 读者无法判断流失发生在哪一步；回收率过低或某个渠道流失异常时，还要说明可能的原因。