Müller-Lyer图形中长度加工与时距估计的关系

采用复制法,考察Müller-Lyer错觉条件下,长度加工与时距估计的关系。实验1和实验2分别采用实线段和空线段,结果发现,图形的客观长度越长,估计的时距越长;箭头朝向造成的主观长度错觉对时距估计无影响;时距对长度判断的影响较小。实验3进一步操作线段长度和箭杆方向,发现长度错觉不影响时距估计与错觉量的大小无关。研究表明刺激的客观长度与时间在心理表征上存在自动化的联结,也受到刺激、实验方法和时距等因素的影响。     

回溯式时距估计年龄差异的实验研究

采用回溯式时距估计的实验范式,以9s为目标时距,采用加工深度作业,考察时距估计的年龄差异。结果表明年老组比年轻组显著高估目标时距,而加工深度作业并没有影响时距估计作业。回溯式时距估计的年龄差异可能与年老被试较慢的加工速度或更快的遗忘率有关,其原因可能在于年老被试加工资源的减少。     

二级项目题组混合IRT模型及其稳健权重估计

在心理测量和教育测量中,二级项目和题组项目是两类常见的项目类型。由这两种项目混合构成的测试在实践中有着重要的应用。被试在答题时,由于个人的潜在能力和项目难度不匹配,常常会产生异常反应,这些异常反应会影响IRT中潜在特质估计的准确性。仿真实验证明,二级项目题组混合IRT模型的稳健估计方法在出现异常值的情况下,能够比极大似然估计对被试的潜在特质做出更加准确的估计,能够满足实际测试的需求。     

中央执行子功能对预期式时距估计的作用——基于结构方程模型的结果

采用结构方程模型的方法探讨中央执行系统与时距加工过程的关系,考察三种中央执行子功能(转换,抑制,刷新)对预期式长、短时距估计(两种标准时距:2s,5s)的作用模式。结果发现刷新功能对长、短时距估计任务都产生影响;抑制功能只作用于长时距估计;转换功能不参与单独的预期式时距估计过程。结果表明,三种执行子功能对预期式短时距加工和长时距加工的作用不同,支持时距加工的差异机制假设。     

面孔情绪下3～8岁儿童时距知觉的实验研究

新近研究结合日趋成熟的标量计时模型及神经学相关依据提出,情绪诱发的生理唤醒会加长主观时距,而注意唤醒会缩短主观时距,且各自有不同的发生特点。本研究选取3、5、8岁被试,系统探讨了800～3200ms范围内,儿童在高兴和生气两种面孔表情刺激下的时距知觉特点,并以中性面孔表情作为参照。研究发现:(1)3～8岁儿童都已具备明显的时距知觉,但时间敏感度随年龄的增加而提高;(2)3～8岁儿童时距判断均会受到情绪的干扰,情绪刺激下的主观时距长于中性刺激下的主观时距;(3)3～8岁儿童生气表情下的主观时距长于高兴表情下的主观时距,生理唤醒效应作用更为明显。     

不同形式的锚定值对时距估计决策过程的影响

采用基本锚定范式,以时间词和物理时距分别作为数字锚定值和物理锚定值,探讨了不同形式和大小的锚定值如何影响产生法（实验1）和口头估计法（实验2）中的时距估计的决策过程。55名在校大学生参加了本次实验。实验结果表明,数字锚定值被作为时距估计的调整起始点,对决策过程中的数值估计产生同化影响;物理锚定值则被作为时距估计的比较标准,同化产生法中的决策估计值,对口头估计法中的决策估计值却产生对比影响。     

情绪对聋哑大学生时距知觉的影响

为探讨情绪对聋哑大学生的时距知觉的影响,从中国人面孔表情图片系统选取140张图片,运用2（组别）× 2（效价）× 2（唤醒度）× 7（时距）的混合设计进行了探讨。实验一和二结果发现,效价的主效应及其与组别的交互作用显著。对聋哑大学生而言,正性情绪图片的时距被判断为长时距的比例显著高于负性图片,正性图片BP值显著小于负性图片,正性情绪图片的时距被判断为等于标准时距的比例显著高于负性图片;但是唤醒度却对时距知觉没有显著作用。因此,情绪效价对聋哑大学生的时距知觉具有显著影响,这是通过注意机制而产生的效应。     

回溯式时距估计的计时机制

回溯式时距估计是以记忆为主要成分, 且事后才知要对两个相继事件之间的间隔时间或某一事件持续时间的长短进行估计。可分为近时和远时的回溯式时距估计, 两者的计时机制与记忆有关, 但各有侧重：前者侧重短时或长时记忆, 直接证据来源于即时回忆单一或多个认知任务以估计时间, 间接证据则聚焦于物理、生理、心理因素的影响; 后者侧重自传体记忆, 可从问卷或访谈的测量方式以及主客体特征的影响两个方面来寻找证据。今后需以整合的观点深入探究回溯式时距估计的计时机制, 拓展回溯式时距估计行为测量的研究, 并开展对回溯式时距估计神经生物学基础的探讨。     

有中介的调节模型的拓展及其效应量

传统的有中介的调节(mediated moderation, meMO)模型关于误差方差齐性的假设经常被违背, 应用研究中也缺乏测量meMO效应大小的指标。对于单层数据, 本文借助于两层建模的思想, 提出了一种可用于处理方差非齐性的两层有中介的调节(2meMO)模型; 给出了用于测量meMO分析中总调节效应、直接调节效应和有中介调节效应大小的效应量。通过Monte Carlo模拟研究, 比较了meMO和2meMO模型在参数和效应量估计上的表现。并通过实际案例解释了2meMO模型的应用以及效应量的计算和解释。     

密集追踪数据分析：模型及其应用

在心理学、教育学和临床医学等领域, 越来越多的研究者开始关注个体内部的行为、心理、临床效果等随时间而产生的动态变化, 重视针对个体的差异化建模。密集追踪是一种在短时间内对个体进行多个时间节点密集追踪测量的方法, 更适合用于研究个体内部心理过程等的动态变化及其作用机制。近年来, 密集追踪成为心理学研究的一大热点, 但许多密集追踪的研究分析仍停留在较为传统的方法。方法学领域已涌现出较多用于密集追踪数据分析的模型方法, 较为主流的模型包括以动态结构方程模型(Dynamic Structural Equation Model, DSEM)为代表的自上而下的建模方法, 以及以组迭代多模型估计(Group Iterative Multiple Model Estimation, GIMME)为代表的自下而上的建模方法。二者均可以方便地对密集追踪数据中的自回归及交叉滞后效应进行建模。