测试有哪些类型？
Posted: Thu Jan 16, 2025 4:54 am
PDSA 周期内可以使用几种不同类型的研究来测试变化。它们的范围从简单的非正式测试到综合复杂的实验。参与测试变更的个人或团队可以选择与其情况相关的正式程度和复杂程度。在本文中，介绍了两种类型的测试——之前和之后，以及两个或多个替代方案之间的同时比较。
这些研究应用广泛，在形式和复杂性上处于中等水平。图形 哥伦比亚数据 方法的目的是可视化显示所收集数据变化的影响。排列图表和直方图因其简单性而被广泛使用。使用图形方法还有一个额外的好处，允许充分参与规划和测试以参与分析。
如何执行“之前和之后”测试
测试更改的实用且常见的方法是执行更改，然后将其与之前的情况进行比较。收集以往的数据，展示历史经验，作为比较的基础。
由于通过前后测试进行的比较是历史经验，因此如果在进行测试的同时出现与变化无关的特殊原因，则测试很容易被误解。也许在介绍新仪器的同时，还会举办一场研讨会，让您学习如何使用旧仪器。
无论谁进行测试，都必须确信他对所看到的效果是否准确且仅指测试的变化做出的判断。如果没有外部事件的干扰，并且系统已经稳定了一段时间，那么这个判断就有了合理的依据。在所提供的示例中，医生们认为样本不足百分比的改善归功于新仪器的使用。他们决定计划另一个实验周期，以测试新仪器在新条件下的使用情况。
测试前后的数据收集情况如何？
“前后”测试期间收集的数据容易受到另一个更难以检测的特殊原因的影响：第一次进行测试的效果。在测试过程中，相关人员的操作可能比正常进行工作时更加小心。这可能是进行测试时获得改进的原因。
这种困难可以通过随着时间的推移进行测试来缓解，从而排除测试的最初新颖性。此外，如果这是可能的且符合道德的，人们可能不会被告知他们正在参加测试。然而，沟通它们几乎总是最好的选择。如果霍桑效应产生干扰，测试过程中收集的数据可以用来向人们提供反馈。这种反馈允许人们改变他们正在做的事情，以便在测试过程中看到的改进能够持续下去。
如何进行同步对比测试？
在同时比较测试（也称为配对比较研究）中，同时、在同一空间或在其他类似条件下比较两个或多个替代方案。当替代方案之一是已在使用的系统时，测试通常称为与对照的同时比较。通过比较替代方案，可以在测试期间研究外部事件的影响。同时比较测试可以帮助对所发现的改进有不同的解释。
为什么随机化测试很重要？
随机化是使用随机数表等设备来指定将测试变化的事物或人。在这个例子中，每个程序都分配了一些人，这些人是随机选择的。如果使用随机选择，则可以假设测试前各组之间没有差异。
在某些情况下，可以通过在测试更改之前收集组中的数据来检查所做的选择。这意味着可以在做出更改之前评估各组之间的差异。
如何选择最适合您的测试类型？
“之前和之后”测试和同时比较可以在很多情况下使用。以下是决定使用哪种类型的研究时需要考虑的一些特征：
在以下情况下考虑进行“之前和之后”测试：
现有的或变化前可以收集的数据足以构成比较的基础。
对错误结果信息的处理最少，因为在进行更改的同时存在一些外部事件。
更改后，数据将在很长一段时间内持续收集。
预计会有很大的改进。
例如，当一组被分配使用旧维护程序的机械师更喜欢新程序并开始使用它时，参与同步比较测试的组不能被隔离。
在以下情况下考虑同时比较：
将测试当前系统的两个或多个替代方案（例如两个新供应商）。
仅测试了一种替代方案，但外部事件需要处理才能解释结果。应在测试替代组的同时使用对照组（使用当前系统的组）。
希望在测试中包含广泛的条件。使用计划的组可以实现这一点。
如何在同一个测试中测试多个更改？
使用一种称为因子设计的测试类型可以同时测试多个更改。阶乘实验提供了一次测试一个更改的替代方法。它允许研究不同变化组合的影响。例如，析因实验可能会检测到温度和压力的某些组合对产品的重要特性具有最佳效果。
同样，教师可能想要测试学生的团队学习与传统讲座形式的比较，同时也测试班级规模的影响。或许，团队只有在小班教学中才能取得进步。为了深入研究析因实验理论（这超出了本文的范围），有很多书籍可供深入阅读。
如何评估测试证据？
更改将带来改进的预测基于进行更改的人员的知识以及测试期间收集的证据或数据。在某些情况下，证据非常有力。在前面部分的示例中，更改的影响是显而易见的。数据表明，这些变化达到了预期的效果。
也就是说，变化之后的数据中存在的模式不能用变化之前的模式来解释。这些结果有利于变革的实施。在某些情况下，证据不会那么有力。这是否意味着应该放弃这些更改？
方法是什么？
当使用图表、直方图或其他方法分析源自测试的数据时，主题专家必须评估数据并确定应采取的操作。面对不那么有力的证据并不一定意味着应该放弃改变。这一决定取决于变化的发展阶段和对结果的期望。
在第一个测试周期中，必须了解变更的问题和副作用。预期应该是，在这些问题和副作用得到消除之前，变革不会产生积极的结果。在这一点上，人们必须成为变革的倡导者。在第一个周期中，预计这些变更将得到审查并因此得到改进。改进的迹象应该在下一个周期中看到，届时变革将得到完善。在最后的周期中，必须对变化进行批判性分析，并且必须感知改进的有力证据。
在某些情况下，预测应该是与系统中的大变化相比，变化的影响应该很小，但即使是很小的改进也会是有益的。对于提高原材料支出的产量或减少给定药物的严重副作用而言，这可能是正确的。必须做出继续变革的决定，以确定所提出的改进是否可以随着时间的推移而持续。在这些情况下，应咨询统计学家以帮助规划周期并评估证据。
这些研究应用广泛，在形式和复杂性上处于中等水平。图形 哥伦比亚数据 方法的目的是可视化显示所收集数据变化的影响。排列图表和直方图因其简单性而被广泛使用。使用图形方法还有一个额外的好处，允许充分参与规划和测试以参与分析。
如何执行“之前和之后”测试
测试更改的实用且常见的方法是执行更改，然后将其与之前的情况进行比较。收集以往的数据，展示历史经验，作为比较的基础。
由于通过前后测试进行的比较是历史经验，因此如果在进行测试的同时出现与变化无关的特殊原因，则测试很容易被误解。也许在介绍新仪器的同时，还会举办一场研讨会，让您学习如何使用旧仪器。
无论谁进行测试，都必须确信他对所看到的效果是否准确且仅指测试的变化做出的判断。如果没有外部事件的干扰，并且系统已经稳定了一段时间，那么这个判断就有了合理的依据。在所提供的示例中，医生们认为样本不足百分比的改善归功于新仪器的使用。他们决定计划另一个实验周期，以测试新仪器在新条件下的使用情况。
测试前后的数据收集情况如何？
“前后”测试期间收集的数据容易受到另一个更难以检测的特殊原因的影响：第一次进行测试的效果。在测试过程中，相关人员的操作可能比正常进行工作时更加小心。这可能是进行测试时获得改进的原因。
这种困难可以通过随着时间的推移进行测试来缓解，从而排除测试的最初新颖性。此外，如果这是可能的且符合道德的，人们可能不会被告知他们正在参加测试。然而，沟通它们几乎总是最好的选择。如果霍桑效应产生干扰，测试过程中收集的数据可以用来向人们提供反馈。这种反馈允许人们改变他们正在做的事情，以便在测试过程中看到的改进能够持续下去。
如何进行同步对比测试？
在同时比较测试（也称为配对比较研究）中，同时、在同一空间或在其他类似条件下比较两个或多个替代方案。当替代方案之一是已在使用的系统时，测试通常称为与对照的同时比较。通过比较替代方案，可以在测试期间研究外部事件的影响。同时比较测试可以帮助对所发现的改进有不同的解释。
为什么随机化测试很重要？
随机化是使用随机数表等设备来指定将测试变化的事物或人。在这个例子中，每个程序都分配了一些人，这些人是随机选择的。如果使用随机选择，则可以假设测试前各组之间没有差异。
在某些情况下，可以通过在测试更改之前收集组中的数据来检查所做的选择。这意味着可以在做出更改之前评估各组之间的差异。
如何选择最适合您的测试类型？
“之前和之后”测试和同时比较可以在很多情况下使用。以下是决定使用哪种类型的研究时需要考虑的一些特征：
在以下情况下考虑进行“之前和之后”测试：
现有的或变化前可以收集的数据足以构成比较的基础。
对错误结果信息的处理最少，因为在进行更改的同时存在一些外部事件。
更改后，数据将在很长一段时间内持续收集。
预计会有很大的改进。
例如，当一组被分配使用旧维护程序的机械师更喜欢新程序并开始使用它时，参与同步比较测试的组不能被隔离。
在以下情况下考虑同时比较：
将测试当前系统的两个或多个替代方案（例如两个新供应商）。
仅测试了一种替代方案，但外部事件需要处理才能解释结果。应在测试替代组的同时使用对照组（使用当前系统的组）。
希望在测试中包含广泛的条件。使用计划的组可以实现这一点。
如何在同一个测试中测试多个更改？
使用一种称为因子设计的测试类型可以同时测试多个更改。阶乘实验提供了一次测试一个更改的替代方法。它允许研究不同变化组合的影响。例如，析因实验可能会检测到温度和压力的某些组合对产品的重要特性具有最佳效果。
同样，教师可能想要测试学生的团队学习与传统讲座形式的比较，同时也测试班级规模的影响。或许，团队只有在小班教学中才能取得进步。为了深入研究析因实验理论（这超出了本文的范围），有很多书籍可供深入阅读。
如何评估测试证据？
更改将带来改进的预测基于进行更改的人员的知识以及测试期间收集的证据或数据。在某些情况下，证据非常有力。在前面部分的示例中，更改的影响是显而易见的。数据表明，这些变化达到了预期的效果。
也就是说，变化之后的数据中存在的模式不能用变化之前的模式来解释。这些结果有利于变革的实施。在某些情况下，证据不会那么有力。这是否意味着应该放弃这些更改？
方法是什么？
当使用图表、直方图或其他方法分析源自测试的数据时，主题专家必须评估数据并确定应采取的操作。面对不那么有力的证据并不一定意味着应该放弃改变。这一决定取决于变化的发展阶段和对结果的期望。
在第一个测试周期中，必须了解变更的问题和副作用。预期应该是，在这些问题和副作用得到消除之前，变革不会产生积极的结果。在这一点上，人们必须成为变革的倡导者。在第一个周期中，预计这些变更将得到审查并因此得到改进。改进的迹象应该在下一个周期中看到，届时变革将得到完善。在最后的周期中，必须对变化进行批判性分析，并且必须感知改进的有力证据。
在某些情况下，预测应该是与系统中的大变化相比，变化的影响应该很小，但即使是很小的改进也会是有益的。对于提高原材料支出的产量或减少给定药物的严重副作用而言，这可能是正确的。必须做出继续变革的决定，以确定所提出的改进是否可以随着时间的推移而持续。在这些情况下，应咨询统计学家以帮助规划周期并评估证据。