一条记录是什么：数据类型与观察单位

先把问题变成可观察的记录

虚构的积木体验站准备改进教学材料，想知道哪种积木任务更容易让初学者完成。这里不记录真实姓名、联系方式或身份信息，只用虚构任务记录练习。首先要决定一行代表什么：可以是一名学员，也可以是一次任务尝试。本课程选择一次任务尝试，因为同一个虚构角色可能完成多个任务。如果把每行误当成一个人，就会把尝试次数当成人数，后面的平均数和完成率都会改变含义。数据不是自动出现的事实集合，而是按照某种规则观察和保存的结果。

字段类型决定允许怎样比较

一行可以包含任务编号、积木数量、任务难度、完成用时和是否完成。积木数量是计数型数值，分钟数是测量型数值，是否完成是二元类别。任务编号虽然由数字组成，却只是类别标签；编号二十并不比编号十多一倍难度。难度分为容易、普通、困难时具有顺序，但不能默认困难与普通的差距等于普通与容易的差距。备注是文本数据，需要先确定提取方法，不能直接把一句话和分钟数一起求平均。识别类型的目的不是背名称，而是避免执行没有意义的计算。

读懂一个微型数据表

表中有三次尝试，不必然有三名学员。桥梁任务出现两次，可以计算两次尝试的平均用时为七点五分钟，却不能凭这三行断言桥梁对所有初学者更好。第二行没有完成，但十一分钟仍可能是停止计时前的观察值，不一定是完成任务所需时间。字段解释若不清楚，数字看似完整，也无法进行公平比较。

建立字段说明再开始分析

给每列写出定义、单位、可用值和采集规则。例如用时定义为开始后到完成或主动停止的分钟数，完成只允许是、否、未确认三种记录状态，并另写未确认不是否。对编号规定一条尝试只能有一个唯一编号，对难度写明由任务设计者预先确定。还要记录数据来自模拟活动，不可用于评价真实个人。这样的说明称为数据字典，它让第二位分析者能够理解同一张表，也能帮助发现前后版本定义不一致的问题。

把边界写在结论旁边

同一列数字换一个定义，结论就可能不同。完成用时与停止用时不能混用，任务尝试与学员人数不能混用，类别编号也不能变成大小等级。先写观察单位，再写字段类型，最后决定计算方式，是最便宜但非常有效的质量检查。遇到表格缺少解释时，应先询问记录规则而不是立刻套用公式；无法确认的部分应保留为不确定，而非由分析者猜成确定事实。