01 / 我在研究什么
学生的碳足迹，不只由个人意愿决定。
学生每天吃什么、怎么出行、怎样使用宿舍能源，会形成不同的活动数据和碳排放。但这些选择也发生在具体校园条件里：食堂提供什么、距离多远、交通服务是否方便、宿舍设备怎样共享。
因此，研究不只计算“产生多少碳”，还要把较高碳行为放回真实场景，判断它更接近个人选择，还是受到供给、空间、服务和共享条件影响。
学生行为碳足迹呈现怎样的结构与差异？
较高碳行为对应哪些个人选择与校园场景条件？
哪些校园条件具有现实调整空间？
02 / 研究范围
先把模糊的生活方式，拆成可以观察和计算的行为。
我复核了 44 项高校学生碳足迹研究，从原文核算边界和行为描述中提取 51 项具体活动，再根据可识别性、活动数据可获得性和场景关联，归纳为 7 组核心行为和 3 类校园场景。
03 / 数据从哪里来
同一项行为，用学生侧数据和校园客观资料交叉理解。
学生问卷记录餐食频次与份量、出行距离与方式、空调和热水使用等活动数据，也记录选择原因、感受与共享关系。目前已完成问卷设计、预调查与食堂菜单和供给调查；GIS 路网、交通服务、宿舍设备及能源系统资料仍在后续接入计划中。
学生侧调查
56 题问卷已完成设计，并获得 65 份有效预调查；正式样本尚未收集。
校园客观调查
已完成食堂菜单、价格与供给记录；GIS、交通和住宿系统资料计划后续接入。
核算参数
按活动单位匹配食品、交通和电力排放因子，并保留来源和边界。
04 / 碳足迹怎么算
先把真实活动变成统一单位，再谈不同生活方式之间的比较。
饮食
食用频次 × 熟制可食份量 × 食品排放因子
重点覆盖主要蛋白类餐食出行
距离 × 频次 × 人公里或车辆公里因子
汽车按共同乘坐人数分摊住宿
实际用电量，或使用时长 × 功率 × 负荷系数
参数不足时不生成缺乏依据的碳值食品主值使用 Chinese Food Life Cycle Assessment Database 的食用态口径；住宿用电采用 2024 年全国平均电力碳足迹因子 0.5777 kg CO₂e/kWh。交通按不同方式区分人公里与车辆公里，确保活动单位与因子口径一致。
05 / 真实现场
问卷告诉我学生选了什么，食堂调查告诉我他们面对什么。
五山校区中区、东区和西区三个食堂的调查覆盖 6 个楼层、29 个供餐窗口，共整理 781 条食物供给记录：固定菜单 470 条、自选菜现场供给 249 条、自选食材 62 条。另完成 5 份典型菜品现场称量，用于检验熟制可食份量的采集流程。
06 / 怎么理解不同学生
现在建立分析路径，不提前制造已经完成的用户画像。
正式样本到位后，我会先完成活动数据清理与行为碳足迹核算，再将结果与学生实际面对的校园场景条件匹配。只有在数据支持下，才会识别不同学生群体的行为碳足迹特征。
分析框架与数据准备
行为分类、场景五要素、问卷与预调查、食堂客观调查、核算方法与主要参数。
正式核算与分层分析
正式问卷、GIS 与系统资料接入、碳足迹计算、行为差异识别和分层低碳干预。
07 / 当前进展
这是一个已经做了大量基础工作的进行中研究。
已完成调查变量体系与关键跳题设计。
覆盖五山、大学城和广州国际三个校区，完成时长中位数 231 秒。
用于识别校园中可观察、可测量的场景条件。
用于理解信息、服务、空间、计量和反馈等条件如何被实际调整。
来自五山校区 3 个食堂、6 个楼层和 29 个供餐窗口。
尚未完成
正式样本的行为碳足迹计算、学生分群或画像、显著性关系、分层干预策略及其效果验证。它们不会在数据完成前被写成研究结果。
08 / 反思
研究的价值，不是先给每个人贴一个标签。
更重要的是让每一个结论都能回到真实行为、活动单位和校园条件：它为什么发生，数据从哪里来，以及哪些条件真的可能被改变。
这项研究也让我重新理解低碳产品中的用户差异和干预方式：在设计激励以前，先确认行为、情境与证据之间的关系。