计算模型在道德认知研究中的应用

道德认知关注道德心理背后的信息加工。近年来, 研究者开始将计算模型应用于道德认知研究, 以探索道德认知如何在大脑中实现。但目前研究者对道德认知进行计算建模的研究处于起步阶段。计算模型(漂移扩散模型、效用模型、强化学习模型和分层高斯过筛器模型)在道德认知行为和生理研究上的运用量化了道德决策、道德判断和道德推理背后的认知过程和神经机制。此外, 这一新进展对理解反社会行为和精神障碍等有所助益。最后, 计算建模有待完善, 未来研究需要关注其潜在的问题。     

睾酮与人类攻击行为

睾酮是一种可以在男性的睾丸间质细胞、女性卵巢和胎盘的皮层细胞中合成并分泌的雄性激素, 它可以调节个体的各种生理、形态和行为过程, 对个体生存和繁殖至关重要。大量研究表明, 睾酮与社会行为的关联存在双向性, 睾酮可以调节社会行为, 社会行为可以反馈并进一步影响睾酮水平。我们将关注点聚焦于睾酮与人类攻击行为之间的关联。早期研究发现, 高睾酮水平个体表现出更高的攻击性; 近期的研究根据挑战假设理论模型和生物社会地位模型得出, 人体内的睾酮水平对竞争性相互作用具有高度反应性。此外, 通过对大量研究的回顾与分析, 我们总结出睾酮水平的变化可以通过增强杏仁核的反应性或减少前额叶皮质-杏仁核功能耦合来影响攻击行为。未来的研究者应考虑其他激素(如皮质醇)和人格特征调节睾酮和人类攻击行为之间关系的潜在作用, 以及相关的生物学机制。     

论学习活动的本质

本文将传统的学习理论关于学习概念的定义分为三种基本类型,即结果论、过程论和活动论,指出传统学习理论的混乱基本上是出于没有对学习活动进行全面而系统的分析,并从学习活动的层次性、多侧面性、心理机制、对环境的适应性等方面对学习活动进行了系统的分析。认为学习活动可以分为五种不同的层次,具有五个不同的侧面,拥有两种作用不同的心理机制,最终得出学习活动的本质定义是：学习是一种多层次、多侧面的、适应性的心理活动,它使个体获得经验,并导致个体的已有的心理结构发生适应性的变化。     

唤醒定义探析及其认知神经生理基础

唤醒是衡量机体清醒程度和做出反应前准备程度的指标, 其水平可从睡眠到觉醒的连续体上变化, 具有独特的生理机制与神经回路。由于唤醒与情绪关联密切, 唤醒度这个概念常被认为等同于情绪强度, 但情绪强度实际上是唤醒和效价的和向量。受到Lazarus提出的“刺激”定义情绪思想的启发, 对唤醒的内含和心理机制进行了探析, 发现对不符合预期刺激出现的紧急准备是唤醒系统的主要功能, 预期性相关机制是唤醒的重要认知加工机制。其它因素(刺激属性、个体差异等)可能存在以下影响唤醒的原因：改变处理刺激时所需的资源量、影响预期机制。未来研究可从心理唤醒与生理唤醒的关系、唤醒的测量方法、唤醒度与情绪强度的关系、人类临床精神疾病的唤醒特征等角度推动唤醒的基础和应用研究。     

不确定感与从众：决断性与结构需求的中介作用

不确定感伴随从众的现象普遍存在,然而其内在加工过程及个体差异仍不明确。对804名大学生被试进行问卷调查,结果显示：（1）不确定感与从众正相关;（2）决断性与结构需求完全中介不确定感与从众的关系,且存在性别差异;二者关系上,女性更大程度上受决断性的中介,其次为结构需求;男性受决断性和结构需求的平行中介。结果支持不确定−认同理论和认知闭合两阶段模型观点,为不确定状态下不同性别人群从众行为的管理提供了理论依据。     

分类活动对归纳推理多样性效应的影响

归纳推理多样性效应被证实为普遍存在的,然而研究者Heit和Medin却对多样性效应的普遍性存在分歧。本文通过三个实验针对两位学者的分歧展开研究。结果发现:1.两位学者之间的分歧是由不同的分类活动引起的。当分类活动为外显时,被试的推理结果既不支持Medin,也不支持Heit;当分类活动内隐时,被试的推理结果支持Heit的观点。2.人们在日常生活及现实情境中,往往是根据直觉对事物进行分类及多样性推理。     

抑郁倾向对个体情绪调节目标的影响——来自事件相关电位的证据

目前抑郁症情绪失调的研究主要关注策略的选择和应用, 但是对于情绪调节目标是否异常及其背后的电生理基础尚不清楚。情景选择是成熟的情绪反应产生之前运用的一种调节策略, 可以反映情绪调节目标。本研究要求抑郁倾向被试与控制组被试观看并选择快乐、中性和悲伤场景图片, 同时记录事件相关电位(ERP)和主观情绪偏好。结果发现, 抑郁倾向组悲伤图片的LPP波幅显著小于健康控制组, 并更多地选择再次观看悲伤图片。此外, 抑郁倾向组对于悲伤情绪的偏好显著增加, 对快乐情绪的偏好则显著降低。结果提示抑郁倾向个体对快乐刺激的趋近动机和对悲伤刺激的回避动机都降低, 从而使得抑郁倾向被试的情绪调节目标为更多地体验到悲伤。     

计算精神病学：抑郁症研究和临床应用的新视角

抑郁症是一种复杂而异质的精神疾病, 给全球带来沉重的疾病负担。尽管基于症状学的诊断方法已被广泛应用于各领域, 但这种方法并不利于病理机制的探讨。另外, 该诊断方法预测效度较低, 导致其难以准确评估和比较各种治疗方案的疗效。计算精神病学方法则能通过理论驱动和数据驱动两种互补的方法解决上述问题, 从而提高对抑郁症的认识、预防和治疗。理论驱动方法基于经验知识或假设, 利用计算建模方法对数据进行多水平分析; 数据驱动方法则基于机器学习算法分析高维数据, 提高抑郁症诊断和预测的准确性, 进而提高治疗的精准度。理论驱动和数据驱动方法的发展与结合, 以及人才和资源的整合, 将会更有效地推进抑郁症的防治。     

感数的认知机制：从注意到工作记忆

感数(subitizing)是对小数精确而迅速的知觉, 它反映了有机体的一种基本数量表征能力。研究者曾一度认为感数是一个前注意的并行加工过程, 近年来的一些研究发现感数是需要注意资源的, 但是注意资源假设不能有效解释感数与计数的分离。为解决这一困惑, 本文综述了感数和视空间工作记忆的相似性, 在此基础上提出一种新的观点来解释感数的认知机制：视空间工作记忆容量决定了个体一次能精确知觉到的客体的数量, 而注意决定了哪些信息进入视空间工作记忆。