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。     

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.     

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。     

认知诊断Q矩阵估计(修正)方法

Q矩阵代表着项目考察的属性, 反映了项目的重要特征, 其正确性是影响认知诊断分类准确性的关键因素。研究Q矩阵估计(修正)方法具有重要价值。首先, 研究从是否采用认知诊断模型将Q矩阵估计(修正)分为基于认知诊断模型视角下的参数化方法和基于统计视角下的非参数方法。然后, 分别从最优项目质量、最优模型数据拟合和参数估计视角对它们进行分类介绍, 评析不同方法的特征和表现、区别与联系、优势与不足。最后, 提出几个未来研究问题：在复杂测验条件下系统比较各种方法; 校准知识状态和参数估计误差、结合多种思路和方法等多角度提出Q矩阵估计(修正)方法; 研究多级评分项目、混合测验模型、属性多级、属性个数未知甚至Q矩阵元素为连续变量等条件下的Q矩阵估计(修正)方法。     

基础概率在贝叶斯推理中的作用

针对贝叶斯推理研究中基础概率忽略现象的争论,直接操纵基础概率水平,考察被试在贝叶斯推理时是否加工了基础概率信息。结果表明,低基础概率组后验概率估计显著低,无基础概率组后验概率估计反应时显著短于有基础概率组。被试在各种条件下估计的正确率都较低,说明对基础概率在贝叶斯推理中的作用考虑不充分。     

目击见证的心理学研究

从心理学的角度分析和研究目击见证有着重要的理论意义和实践意义。目击见证的心理学研究已形成了沿着估计变量和系统变量两个方向进行的思路,并取得了大量的研究成果。同时,已有的研究也启示,要加强司法实践和心理学研究的联系,多途径多方法对目击见证进行研究。     

认知元反应理论--IRT直接应用于多值记分题

0-1记分测验的项目反应理论已经得到广泛的研究和应用.但是,许多测验都含有多值记分题,所以需要将IRT推广到此类情况.从认知理论的观点看,每个0-1记分题(项目)和多值记分题的每个测试点都可同样地看成一个由若干知识点构成的集合,称之为认知元;根据认知元之间存在的关系可以确定各受测者对各试题作出特定答案的概率,从而不需要引用任何其它假设就可将IRT的方法直接应用于含多值记分题的测验.本文应用这一理论分析了某些测验样本,结果表明是可行的.     

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.