元分析价值的置信区间表示

通过统计模拟的数据分析发现:当以置信区间表示研究结果时,元分析的价值简单地表现为置信区间宽度的减小。在统计推断方面,这种区间宽度的减小会使得元分析能够通过降低样本观察值落在中间模糊区域的概率而提高检验效力;在效应估计方面,这种区间宽度的减小能够稳定地反映由元分析而促成的效应估计精度的增加。研究还揭示:当以置信区间表示研究结果时,元分析和单项研究在逻辑上是连贯的。     

青少年测量估计能力的发展状况及相关因素

测量估计(简称估测)是上世纪七十年代数学认知领域兴起的研究热点之一。采用自编的测验任务对747名青少年估测能力的发展状况及相关因素进行了考察。其中测验任务包括长度和面积估测两种类型,并且每种类型都采用了图形和实物两种题目形式。被试平均年龄为17.11岁。结果发现青少年的估测能力的发展表现出如下特点:(1)青少年的总体估测能力普遍较低;(2)青少年的估测能力在初中阶段会显著提高,但之后的发展相对缓慢;(3)青少年的估测成绩易受任务类型和题目形式的影响。对长度任务的估测成绩好于对面积的估测;对图形题目的估测成绩好于对实际物体的估测;(4)青少年的估测能力不存在明显性别差异。     

相似任务经验和未来时间充裕感对计划失误的影响

本研究检验了人们一种潜在的认知倾向,即低估任务的完成时间。本研究分为2个实验,从两个角度来研究人们低估任务时间的行为。实验一从不同预测方式的角度,检验了任务的相似性和认知需求因素对任务时间估计的影响。实验二从未来时间知觉的角度,检验了未来时间充裕感对任务的完成时间预测的影响。结果表明:不同的时间预测方式都会引起对任务完成/持续时间的低估;任务的相似性会利于任务时间估计的精确性;认知需求因素会和任务的相似性产生交互作用,从而影响任务完成时间的估计;未来时间充裕感的程度也会影响人们对当前任务的预测。     

考试评分缺失数据的概化理论分析

考试评分缺失数据较为常见,如何有效利用现有数据进行统计分析是个关键性问题。在考试评分中,题目与评分者对试卷得分的影响不容忽视。根据概化理论原理,按考试评分规则推导出含有缺失数据双侧面交叉设计（p×i×r）方差分量估计公式,用Matlab7.0软件模拟多组缺失数据,验证此公式的有效性。结果发现：（1）推导出的公式较为可靠,估计缺失数据的方差分量偏差相对较小,即便数据缺失率达到50％以上,公式仍能对方差分量进行较为准确地估计;（2）题目数量对概化理论缺失数据方差分量的估计影响最大,评分者次之,当题目和评价者数量分别为6和5时,公式能够趋于稳定地估计;（3）学生数量对各方差分量的估计影响较小,无论是小规模考试还是大规模考试,概化理论估计缺失数据的多个方差分量结果相差不大。     

IRT模型参数估计的新方法——MCMC算法

本研究主要探讨MCMC算法在IRT模型参数估计中的实现及其估计精度.通过模拟多种实验条件(人少题少、人题适中、人多题多、被试数及其参数固定情况下项目数变化、项目数及其参数固定情况下人数变化),考察两参数和叁参数Logistic模型的MCMC算法对其参数估计的精度,并与国际通用测量程序-Bilog程序(E-M算法)进行比较研究.模拟实验研究表明,上述各种实验条件下,MCMC算法均可用于IRT模型参数估计,且其估计的精度均较Bilog程序(E-M算法)高,值得推广.     

α系数与测验的同质性

本文从α系数与同质性测验、平行测验和基本τ-等价测验间的关系及三种测验间的关系入手,分析了α系数作为测验同质性信度估计的局限性;根据Jreskog给出的信度定义(α系数),讨论了λ系数与α一致性信度、Guttman 下限之间的关系,说明了在测验同质的前提下,λ系数在估计测验内部一致性时与α系数相比的优点.同时用模拟数据的方法就不同情景下测验的结构维度与α系数、Guttman λ2下限和λ系数之间的关系进行了探讨.     

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.     

缺失数据处理的期望-极大化算法与马尔可夫蒙特卡洛方法

缺失数据普遍存在于心理学研究中, 影响着统计推断。极大似然估计(MLE)与基于贝叶斯的多重借补(MI)是处理缺失数据的两类重要方法。期望-极大化算法(EM)是寻求MLE的一种强有力的方法。马尔可夫蒙特卡洛方法(MCMC)可以相对简易地实现MI, 而且可以适用于复杂情况下的缺失数据处理。结合研究的需要讨论了实现这两类方法的适用软件。     

多级评分计算机化自适应测验动态综合选题策略

多级评分可以提供更多关于被试的信息, 是计算机化自适应测验的一个发展方向, 选题策略是计算机化自适应测验的研究重点。对于多级评分的等级反应模型, 本文拟用区间估计的思想改进近期提出的几种选题策略, 并且将两级评分b-STR和a-STR推广到多级评分以改进最大信息量选题策略。Monte Carlo模拟实验表明在达到或接近原有选题策略测验精度的基础上, 本文提出的几种新选题策略有的能够有效降低测验长度, 有的可以极大降低项目曝光率。     

注意在时间知觉中的作用及其理论模型

时间知觉是指对刺激的同时性、时间顺序和持续性的认知加工, 表现为时距和时序两个方面。注意机制可以解释实际时间和主观时间之间的差异：注意的增强会延长对时距的估计, 受注意的刺激会被知觉为提早出现。相关的注意理论模型有AGM模型, 系统仿真模型和AUM模型。未来需关注神经科学方面的证据, 进一步推动时间知觉脑机制和跨通道信息整合的研究。