短时距标量计时模型的建构研究

采用预期式研究范式,创造性地使用单任务研究程序,从心理物理学的视角,通过六个实验系统地考查了影响被试短时距(6s至24s)估计的标量特性和物理、心理和生理的信息源因素.深入探讨了注意、激活、间断和间断期望效应因素对时间估计行为的影响及时序信息的动态加工过程.在此基础上,包含时钟、累加、记忆和比较四个动态加工过程的短时距标量计时模型得以建构.     

一个含有原子的自然模型∑（A）

1989年A.Blass和A.Scedrov构造了含有原子的模型V（A）（A是所有原子的集合,参见文献[1]）并证明了V（A）是ZFA（ZFA=ZF＋A,公理A断言：存在所有原子的集合）的模型。由于集合论的公理系统GB是ZF的一个保守扩充,因此,集合论的公理系统GBA（GBA=GB＋A,其中GB是集合论的含有集合和类的哥德尔－贝奈斯公理系统）也是ZFA的一个保守扩充。本文的目的是在集合论的含有原子和集合的公理系统ZFA的自然模型V（A）的基础上,为集合论的含有原子、集合和类的公理系统GBA建立模型。因此,我们首先介绍了A.Blass和A.Scedrov的含有原子的模型V（A）;第二,给出并证明V（A）具有的一些基本性质;第三,扩充了集合论的公理系统ZFA的形式语言LZFA并定义含有原子和集合的类C;第四,构造含有原子、集合和类的模型∑（A）,称它为自然模型,最后,证明了∑（A）是GBA的模型。     

不同学习方式下归类不确定时的特征推理

采用学习-迁移模式, 探讨了同时学习和继时学习两种方式下归类不确定时的特征推理。共包括2个实验, 其中实验1探讨了固定学习轮次的情况, 实验2探讨了固定学习正确率的情况。实验结果表明：同时呈现类别要素的同时学习方式下, 被试习得序列式的单类别表征(原型表征), 在归类不确定时的特征推理中按照“单类的Bayesian规则”进行特征推理, 即P(j\F) =P(k\F)·P(j\k); 相继呈现类别要素的继时学习方式下, 被试习得并列式的多类别表征, 在归类不确定时的特征推理中按照“理性模型”进行推理, 即 P(j\F) =Σk P(k\F)·P(j\k)。     

汉语阅读中眼跳目标选择单元以及词汇加工方式：来自消失文本的实验证据

应用EyelinkⅡ眼动仪, 通过两项消失文本实验分别考察了汉语阅读过程中眼跳的目标选择单元以及词汇加工方式。实验一操纵注视点上字和词的呈现方式, 发现中文读者以词为基本单元对注视点及其右侧文本信息进行加工, 且保持词的视知觉完整性对词内再注视眼跳和词间眼跳都有着非常重要的作用; 汉语阅读的眼动模式符合认知控制模型的预测。实验二操纵注视点左侧和右侧单词的呈现与消失, 结果显示在对词n注视持续50~55 ms后词n-1消失将严重影响被试的阅读, 词n+1和词n+2的消失均不影响总阅读时间, 但会导致读者的眼动模式发生改变, 说明中文读者可以并列加工阅读知觉广度内的词汇。     

共享心智模型影响团队绩效的权变模型

共享心智模型指团队成员关于团队关键要素的共同的知识结构, 诸多研究表明其能有效提高团队运作效能。本研究从权变的角度入手, 以负责通讯网络监控与维护的106个高技术团队为分析对象, 探讨团队的共享心智模型与团队绩效的关系, 并揭示团队互依性作为权变因素对共享心智模型与团队绩效关系的调节效应。层次回归分析结果表明, 共享心智模型能显著预测团队绩效, 而团队互依性则负向调节两者之间的关系, 即在互依性程度较低的团队里, 共享心智模型才显著提高团队绩效。作者从共享心智模型的测量和权变因素的作用两个角度展开讨论, 并基于此提出了后续的研究方向。     

文本阅读中时间信息加工的二阶段模型

运用动窗与眼动技术考察文本阅读中时间信息的加工特点符合强印象假设还是场景理论。行为实验结果发现, 关键句和时间词的阅读时间以及探测词的反应时符合强印象假设, 而关键事件的阅读时间和对问题的反应时符合场景理论。眼动实验结果发现, 在时间词区, 总阅读时间、总阅读次数符合场景理论; 对于关键事件, 总阅读时间、回视路径时间和总注视点次数也符合场景理论; 在时间词区以及关键事件上反应早期阶段加工的首次注视时间上不同条件没有显著的差异, 但总体趋势符合强印象假设。据此, 本研究提出的时间信息加工的二阶段模型得到初步证明。     

语义透明度和构词频率对汉语动词多词素词识别的影响*

采用重复启动范式,通过两个实验,考察语义透明度和词素构词频率对动词多词素词识别的影响。结果发现：（1）语义透明度影响多词素动词的识别,识别高语义透明度的动词快于识别低语义透明度的动词。（2）词素的构词频率影响低语义透明度动词的识别,不影响高语义透明度动词的识别。对低语义透明动词,词素的构词频率低的动词的反应时显著短于词素的构词频率高的动词。研究结果支持汉语多词素词的多层次双系统选择加工模型。     

基于结构方程模型的多层中介效应分析

近年社科领域常见使用多层线性模型进行多层中介研究。尽管多层线性模型区分了多层中介的组间和组内效应, 仍然存在抽样误差和测量误差。比较好的方法是, 将多层线性模型整合到结构方程模型中, 在多层结构方程模型框架下设置潜变量和多指标, 可有效校正抽样误差和测量误差、得到比较准确的中介效应值, 还能适用于更多种类的多层中介分析并提供模型的拟合指数。在介绍新方法后, 总结出一套多层中介的分析流程, 通过一个例子来演示如何用MPLUS软件进行多层中介分析。最后展望了多层结构方程和多层中介研究的拓展方向。     

迫选式人格测验的传统计分与IRT计分模型

迫选测验的传统计分方式会产生自模式数据, 不能进行传统的信效度检验、因素分析和方差分析等。近年来研究者提出了一些基于项目反应理论的计分模型, 如瑟斯顿IRT模型和MUPP模型等, 它们可以规避自模式数据的弊端。瑟斯顿IRT模型方便进行参数估计, 模型定义灵活; 而MUPP模型的拓展性较差, 参数估计的方法有待提高。另一方面, 已有研究者基于MUPP模型开发了一些抗作假的迫选测验, 而瑟斯顿IRT模型距离这种应用还比较远。此外, 两个模型的适用性和有效性都有待更多的实证研究来检验。     

代数应用题项目生成的结构分析方法

自动化项目生成是近年来兴起的测量领域, 是一种以项目认知加工理论为基础的原则性项目设计(principled item design)模式。其中, 如何在项目认知模型基础上, 通过任务结构分析的方式系统全面的鉴别和提取任务特征是一个关键环节。基于已有文献中代数应用题的命题分析法、网络语言分析法、关系-函数分析法、任务分析地图等四种结构分析方法, 研究探索了能够服务于自动化项目生成的代数应用题任务结构分析方法。该分析表明, 前三种方法分别对应于个体解题过程需要形成的三种中介表征, 即问题陈述背后的命题表征、事件时空关系的情境模型、以及变量间数量关系的问题模型, 第四种方法从过程角度分析了问题解决的认知需求。然而, 要实现项目生成的特征提取需求, 尚需对现有四种方法所揭示问题特征的心理现实性、特征提取的系统性和完备性、任务领域的适用范围、以及不同方法的整合等问题开展进一步研究。