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。     

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。     

幽默广告诉求及其传播效

幽默是广告中最常见的诉求方式之一。通过综合分析现有相关研究,发现：(1)幽默诉求在吸引受众注意、增强对广告及其品牌的偏好度上存在优势,但对广告品牌信息的加工是否存在促进或妨碍作用则尚未获得较为统一的结论;(2)该诉求的传播效果明显受到产品类型和卷入度、受众的幽默和认知需求、性别、文化差异、已有的品牌态度以及幽默的类型和相关性等诸多因素的影响。同时,目前尚存在对广告环境因素、传播的整体过程研究不足及理论总结不力等问题     

南瓜的压力

美国麻省理工学院曾经做了一个很有意思的试验。试验人员用铁圈将一个小南瓜整个箍住,以观察南瓜在逐渐长大时对这个铁圈产生的压力究竟有多大。最初他们估计南瓜最多能够承受大约500磅的压力。实验的第一个月,南瓜承受了500磅的压力;实验到第二个月     

数学困难儿童的数学估计能力

对数学困难儿童(简称数困)的数学估计进行探讨有助于理解数困的成因和寻找适当的干预措施。本文在简要回顾数困和估计的概念基础上, 重点对近年来国内外关于数困儿童数学估计(主要是估算和估数)的表现及影响因素、神经基础和相关的干预研究进行了回顾和梳理, 并强调未来对数困儿童的数学估计研究应注重从选取被试、扩展研究范围和加强干预方案设计等方面开展探讨。     

内隐学习研究40年

内隐学习至今已有40年的研究历史。在这期间,内隐学习的研究对象、研究方法和本质特征都得到了深入和扩展。主要体现在：内隐学习的研究材料从同时性刺激走向序时性刺激;内隐学习的研究方法从主观阈限的测量逐渐扩展到客观阈限测量,又再回到主观阈限测量之上;内隐学习的本质特征从抽象到具体,再落脚于熟悉性     

资格认证测验的信度估计及其特征分析

资格认证测验属于典型的标准参照测验,在国内已得到普遍应用,但在报告心理测量学指标时很少提到标准参照模式的信度估计指标。该文归纳了标准参照测验信度估计的指标体系,分析讨论了适用于资格认证测验的信度估计及其与测验长度、分界标准分布、样本同质性的关系与特征。     

数目和呈现方式对时距估计的影响

采用口头估计的方法,考察刺激的数目和呈现方式对时距估计的影响。以时距估计的平均值、准确性和变异性为指标,结果表明：（1）数目多少影响时距估计的平均值和准确性,数目少引起低估,数目多导致高估,数目多少与时距长度一致时,准确性高。（2）呈现方式影响时距估计的变异性,同时呈现时变异性最大;（3）数目和呈现方式的交互作用显著,固定频率和变化频率呈现时,数目影响时距估计。（4）随着时距的增加,时距估计的平均值由高估向低估,准确性由低向高发展。这表明时距和数目在心理表征上存在连接,数目和呈现方式在不同的时间范围内影响     

两种新的计算机化自适应测验在线标定方法

在线标定技术由于具有诸多优点而被广泛应用于计算机化自适应测验(CAT)的新题标定。Method A是想法最直接、算法最简单的CAT在线标定方法, 但它具有明显的理论缺陷--在标定过程中将能力估计值视为能力真值。将全功能极大似然估计方法(FFMLE)与“利用充分性结果”估计方法(ECSE)的误差校正思路融入Method A (新方法分别记为FFMLE-Method A和ECSE-Method A), 从理论上对能力估计误差进行校正, 进而克服Method A的标定缺陷。模拟研究的结果表明：(1)在大多数实验条件下, 两种新方法较Method A总体上可以改进标定精度, 且在测验长度为10的短测验上的改进幅度最大; (2)当CAT测验长度较短或中等(10或20题)时, 两种新方法的表现与性能最优的MEM已非常接近。当测验长度较长(30题)时, ECSE-Method A的总体表现最好、优于MEM; (3)样本量越大, 各种方法的标定精度越高。     

bootstrap法在合成分数信度区间估计中的应用

在介绍bootstrap法原理的基础上,本文以一个同质测量模式的模拟数据为例,对结构方程模型下使用bootstrap法对合成分数信度的区间估计的应用中进行了演示。