儿童和青少年信息加工速度发展函数的研究

选择７—１９岁的被试１４０名,对三种不同任务进行操作。结果表明,在句图匹配任务中,儿童反应时是青年反应时的函数,指数函数能较好的描述这种共同的发展变化趋势,但在字母匹配任务中,这种线性关系较差;随着年龄的变化,信息加工速度的下降速率是根据不同的加工任务变化的,简单任务（选择反应和字母匹配）下降速度快,复杂任务（句图匹配）下降速度慢     

发展独立获取新知能力的探索

本文通过三角函数概念系统的改造，运用单位旋转向量构成三角函数概念的活动模型，为学生独立获取新知的思维训练搭建了一座活动舞台。从而为学生铺平了独立发现三角函数的性质、图象、诱导公式、加法定理等几乎所有三角的基本知识的道路，真正实现了无师自通。这在数学教育史上是一项创举，对于开发脑潜能既具有生动的现实意义，又有深远的历史意义。     

5～9岁儿童对平抛运动函数关系朴素认识的发展

本研究采用预测任务,考察了120名5～9岁儿童对平抛运动中函数关系朴素认识的发展情况,结果发现:绝大多数5岁儿童都未能有效地考虑到甬数关系中两个因素中的任何一个因素;7岁组中这类儿童明显减少,考虑到速度一个因素的儿童明显增多并达到一半,到9岁时依然在一半左右;同时考虑到速度、高度两个因素的儿童则随着年龄增长而缓慢增加.这一发展趋势与儿童对平抛运动过程朴素认识发展趋势类似.     

不同链接函数下多级评分认知诊断模型的比较及应用研究

认知诊断测验因具有传统测验所不具备的诊断功能而日益受到重视。当前多级评分认知诊断模型开发中,研究者采用不同的链接函数（Link Function）开发出不同的多级评分认知诊断模型。本研究基于局部或相邻类别链接函数(Local or Adjacent Categories Link Function)的思想,开发出多级评分认知诊断模型LC-DINA研究采用Monte Carlo模拟研究与实证应用研究相结合的方法,将新开发模型与已有模型进行比较并应用于国际数学与科学评估（TIMMS）中,为实际应用者提供了借鉴。     

卦象在逻辑推理中的应用研究

<周易>不仅具有哲学的意义,同时也具有科学的价值.这是因为易卦中不仅有传统的易象逻辑形态而且有现代的数理逻辑形态.易卦若是除去神秘的象征意义,其卦象便是精良的推理工具.易卦是一种完备的二值逻辑体系,每一个卦象就是一组真值表.易卦中蕴含大量的逻辑信息,其逻辑价值有待开发.     

关于Erdos-Moser定理的研究

本文主要研究Erdos-Moser定理。在简单介绍了反推数学的一些基础知识后,首先研究了Erdos-Moser定理的证明论强度：存在一个可计算的二元二染色函数使得任何无穷∑20集合都不是该函数的传递集,同时存在一个可计算的二元二染色函数使得每一个该函数的无穷传递集都是超免疫的。其次,我们进一步考虑了稳定性Erdos—Moser定理,证明了在二阶算术子系统RCA0下稳定性Erdos-Moser定理是不可证的并且对每一个可计算的稳定性二色二阶函数,我们构造了一个Ф’可计算的无穷传递集。     

腹内压的变化对肠道氧合及功能的影响

以胃黏膜pH值及血浆D-乳酸为监测指标,观察腹高压患者的腹内压变化前后胃肠道氧合及功能的变化。本研究提示胃黏膜pH值可以反映胃肠道的缺血,且早于腹腔间隙综合征出现,可敏感反映腹高压时肠道氧舍情况;血浆D-乳酸可反映肠缺血再灌注时肠屏障功能状态。以上观察为临床提供简便易行的监测手段及治疗思路。     

感知音乐音质的EEG探究

欣赏音乐是一种审美的体验活动,不同的音质会使人产生不同的感受。为探究音乐和EEG的关系,本文选用音乐《黑人舞曲》,运用主成分分析等方法,研究了11位在校大学生在欣赏不同音质音乐时的EEG特征。结果发现:在欣赏不同音质音乐时大脑皮层右颞等处快波功率差异显著。大脑对音乐的精细加工与大脑右颞等区的电活动密切相关。     

监护病房与普通病房倒班护士工作负载的比较

应用高效液相色谱法测定尿内儿茶酚胺排出量,对36名监护病房和普通病房倒班护士工作负载作了比较。结果表明:监护病房护士日班和大夜班的工作负载较普通病房护士重些,且监护病房护士以心理负荷为主,普通病房护士以体力负荷为主;而两组被试小夜班工作负载的情形相类似。此外,还以被试对工作负载、心境变化和睡眠情况的自我评定作为参考。     

不同条件下拟合指数的表现及临界值的选择

在本模拟研究中设计了6种样本容量,6种因子载荷,和4种评分等级,并考察了正态和非正态分布两种情况。采用的错误模型为参数误置（真模型中每个因子各由5个题目来测量,错误模型中则是第一个因子由6个题测量,另两个因子各由4个和5个题来测量,即有一个因子载荷被误置）模型。结果发现（1）样本量、载荷量、评分等级数和分布形态都对GOF的取值确有影响。其中分布形态的影响最大。NNFI、IFI在不同条件下的平均值是最稳定的,其次是CFI、RMSEA和SRMR。它们都算是值得推荐的GOF,尤其是NNFI和IFI。（2）在正态分布中,当样本量≥1000时,根据NNFI、IFI、CFI、RMSEA、SRMR对模型是否拟合做出判断时有很低的两类错误率,在样本量<1000时则不理想。在偏态条件下无论选择哪个GOF两类错误率都很高。（3）采用2指数策略在很多情况下也不能显著降低两类错误率。（4）由于在数据分布非正态,或正态但样本量<1000时是难判断模型是否拟合的。因此我们提出了2界值策略。即为每个GOF确定上下两个界值。低于下界值时可判断模型是不正确的,而高于上界值时则可判断模型是正确的。GOF取值处于上下界值之间时难以判断模型是否拟合,只能说越高拟合的可能性越大。这时就要通过跨样本验证和增加样本量来确定模型是否正确