社会排斥的研究范式与理论模型

社会排斥是一种普遍现象, 对个体和社会有很大影响, 具多种表现形式。常见研究范式有拒绝范式、放逐范式、孤独终老范式及其他范式。其理论模型有需要-威胁的时间模型、多元动机模型及情绪麻木和自我控制失败说。当前研究在社会排斥对基本需要、情绪和自尊有何影响上存在争议。未来需谨慎使用研究范式, 明确研究对象, 提高研究的生态效度, 寻找社会排斥出现的原因, 探索有效的干预措施, 在中国文化背景下开展社会排斥研究。     

自身运动认知的神经机制

通过光流信息来指导个体在环境中有效移动是我们视觉神经系统的一项核心任务。在灵长类的大脑皮层, 视觉运动的信息加工是由位于背侧通路的一系列脑区来完成的, 这一信息通路主要参与运动和空间动作的分析。在高级视皮层, 视觉系统很可能利用非视觉信息来补偿因眼动造成的光流模式扭曲, 以重建对自身运动方向的正确表征。根据目前研究进展, MST和VIP这两个位于顶叶的脑区都参与了自身运动认知过程, 并且对精确的自身运动方向判断是不可或缺的。本文系统介绍了近些年来在自身运动认知神经机制研究领域的进展, 尤其是神经生理学家们利用非人灵长类动物模型在自身运动认知皮层处理机制方面的成果。同时也提出了一些深入研究急需解决的关键问题。     

情绪Stroop效应与Stroop效应的关系

摘 要 本研究通过位置判断任务、图-词干扰任务和色-词干扰任务来测量Stroop效应;通过表情面孔性别判断任务、情绪词汇判定任务和情绪图片颜色命名任务来测量情绪Stroop效应;运用结构方程建模的方法对情绪Stroop效应与Stroop效应的关系进行了探讨。结果发现：（1）Stroop效应和情绪Stroop效应是显著的。（2）情绪Stroop效应与Stroop效应是两种相互独立的现象。     

记忆提取促进学习:实验证据与机制解释

人类学习的主流观点认为学习主要发生在编码阶段,记忆提取本身并不产生和促进学习。但最近多项研究对此提出了质疑,他们发现,在学习过程中,记忆提取更能促进学习内容的长时保持。本文首先对记忆提取促进学习的实验证据做简要梳理;之后重点介绍关于记忆提取促进学习的多种解释机制,主要包括:侧重于从理论机制层面解释的记忆失用新理论,强调内在精细机制的精细提取假设,以及解释保持间隔(长、短)与学习方式(重复学习、学习-测试)交互作用的基于分布的二分模型;文章最后分析了当前研究记忆提取作用实验存在的一些问题,提出了今后的研究方向,强调应从多角度揭示记忆提取练习促进学习的机制。     

国外关于问题解决的研究及其教学意义

提高学生解决问题能力已经成为现代教育的一个重要目标。问题解决就是由一定情境引起的,按照一定的目标,应用各种认知活动、技能等,经过一系列思维操作,使问题得以解决的过程。本文综述了问题解决的过程模型,影响问题解决的心理因素,并寻找其教学意义,以期给当前我国教育与教学改革提供参考。     

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。     

项目反应理论中模型-资料拟合检验常用统计量

项目反应理论(IRT)模型依据项目与被试的特征预测被试的作答表现, 是常用的心理测量模型。但IRT的有效运用依赖于所选用IRT模型与实际数据资料相符合的程度(即模型?资料拟合度, goodness of fit)。只有当所采用IRT分析模型与实际数据资料拟合较好时, IRT的优点和功能才能真正发挥出来(Orlando & Thissen, 2000)。而当所采用IRT模型与资料不拟合或选择了错误的模型, 则会导致如参数估计、测验等值及项目功能差异分析等具有较大误差(Kang, Cohen & Sung, 2009), 给实际工作带来不良影响。因此, 在使用IRT分析时, 应首先充分考察及检验所选用模型与实际数据是否相匹配/相拟合(McKinley & Mills, 1985)。IRT领域中常用模型?资料拟合检验统计量可从项目拟合、测验拟合两个角度进行阐述并比较, 这是心理、教育测量领域的重要主题, 也是测验分析过程中较易忽视的环节, 目前还未见此类公开发表的文章。未来的研究可以在各统计量的实证比较研究以及在认知诊断领域的拓展方面有所发展。