靶刺激变换与情景信息属性对真实情景再认的影响

采用眼动研究范式,通过两个实验考察靶刺激变换与情景信息属性对情景再认的影响。实验一结果显示,靶刺激变换对情景再认、靶刺激所属兴趣区的凝视时间均有显著影响,这表明在情景再认过程中,观察者会有意识地搜索靶刺激,靶刺激具有诊断效应;实验二应用了知觉信息与语义信息重合和分离两种情景材料。结果显示,观察者对语义信息的首次注视次数显著多于知觉信息;观察者对知觉信息和语义信息分离条件下语义信息的首次注视时间显著长于重合条件下。这一结果提示,在情景识别过程中,语义信息具有注意优先性,但其优先性会受到知觉信息启动的干扰。     

加速追踪设计的方法和应用

加速追踪设计(ALD)是一种选择相邻多个群组同时进行短期追踪研究, 获得在测量上有重叠的多个群组追踪数据, 对多个群组数据进行合并建构一条在时间跨度上较长的发展趋势或增长曲线的方法。ALD结合真追踪和横断设计的特征, 既保持真追踪设计的大部分优点, 克服真追踪研究中由于重测效应和被试缺失导致的问题, 又尝试分离年龄、群组和历史时间效应, 在发展心理研究有重要应用。已有研究探讨ALD的数据分析方法、ALD的有效性及设计特征。未来研究应关注拓展设计条件下ALD的适应性, 探索非线性假设或群组效应显著时的数据分析方法和ALD中缺失数据处理问题。     

追踪研究方法在国内心理研究中的应用述评

以1982~2012年中国期刊网收录的88例追踪研究为对象,从应用现状、设计特征、数据处理三方面分析和评估追踪研究方法在国内心理研究的应用情况及存在的问题。结果显示,2005年之前追踪研究方法应用增长缓慢,2005年开始呈显著增长趋势,研究对象以未成年及成年早期群体为主。主要采用固定样本追踪设计,大部分研究测量2-3次、样本量在10~300之间、持续时间在3年内。61例有缺失的研究中,38例用删除法处理缺失;主要运用 HLM、方差分析、t检验和SEM分析追踪数据。相当部分研究存在测量次数少、样本量较小、持续时间短、被试缺失严重及数据处理方法相对陈旧问题。追踪研究方法的应用应注意,根据理论模型和研究有效性要求确定设计类型和设计特征,根据数据特征选择缺失处理方法和追踪数据分析方法。     

疼痛条件下时间目标对时距估计的影响

本研究采用冷压任务引发疼痛,以健康大学生为被试,试图探讨在疼痛条件下时间目标对时距估计的影响。结果发现：疼痛条件下的时距估计值小于非疼痛条件下时距估计值,疼痛条件下具体时间目标的时距估计值显著大于无目标时距估计值。临床上给患者提供具体的时间目标或许有助于他们应对疼痛。     

典型教育情境中教师的情绪预测准确性

采取师生配对研究设计,选择典型教育情境,系统考察了教师对学生情绪预测的准确性。跨样本、跨情境的三个现场研究结果表明：教师未能准确预测学生情绪,出现了明显的预测偏差。较之基本情绪,教师对学生复杂情绪的预测更不准确;较之低唤醒情绪,教师对高唤醒情绪的预测更不准确;尽管教师预测不准,但并未出现明显的高低估趋势。研究贴近教育实际,具有良好的生态学效度,并在情绪测量方法、准确性统计指标方面进行了新的探索。     

计划缺失设计——通过有意缺失让研究更高效

缺失值是社会科学研究中非常普遍的现象。全息极大似然估计和多重插补是目前处理缺失值最有效的方法。计划缺失设计利用特殊的实验设计有意产生缺失值, 再用现代的缺失值处理方法来完成统计分析, 获得无偏的统计结果。计划缺失设计可用于横断面调查减少(或增加)问卷长度和纵向调查减少测量次数, 也可用于提高测量有效性。常用的计划缺失设计有三式设计和两种方法测量。     

成瘾人群跨期选择的神经机制及干预方法

成瘾可分为物质成瘾和行为成瘾, 两类成瘾人群在跨期选择上都表现出高时间折扣率的缺陷, 但也有各自的特异性特征。成瘾人群跨期选择缺陷的神经基础主要集中在评估网络(腹内侧前额叶、纹状体、后扣带皮层等)、认知控制网络(前额叶皮层、前扣带皮层等)和预期想象网络(海马、杏仁核等); 可利用心理训练来改善成瘾人群跨期选择缺陷, 其干预方法包括工作记忆训练、预期想象训练、金钱管理指导等。未来研究应该从成瘾者跨期选择缺陷的认知机制、3个神经网络系统的交互作用机理、行为遗传学以及开发有效的干预方法等方面展开大量研究。     

What Can Artificial Intelligence Learn from Wittgenstein＇s On Certainty？.

Meta-philosophically speaking, the philosophy of artificial intelligence （AI） is intended not only to explore the theoretical possibility of building ＂thinking machines,＂ but also to reveal philosophical implications of specific AI approaches. Wittgenstein＇s comments on the analytic/empirical dichotomy may offer inspirations for AI in the second sense. According to his ＂river metaphor＂ in On Certainty, the analytic/empirical boundary should be delimited in a way sensitive to specific contexts of practical reasoning. His proposal seems to suggest that any cognitive modeling project needs to render the system context-sensitive by avoiding representing large amounts of truisms in its cognitive processes, otherwise neither representational compactness nor computational efficiency can be achieved. In this article, different AI approaches （like the Common Sense Law of Inertia approach, the Bayesian approach and the connectionist approach） will be critically evaluated under the afore-mentioned Wittgensteinian criteria, followed by the author＇s own constructive suggestion on what AI needs to try to do in the near future.     

基于等级反应模型的规则空间方法

本研究基于Tatsuoka的规则空间方法, 对理想反应模式与异常反应指标进行了扩展, 推导了多级评分项目下规则空间方法的算法公式。在4种属性层级结构(发散型、收敛型、线型与无结构型)×4种“失误”作答概率(2%、5%、10%与15%)测验情境下, 以属性模式判准率、被试属性判准率、敏感性与特异性为指标, 检验了多级评分项目下规则空间方法的分类准确性。结果表明：(1) 基于多级评分项目构建的异常反应指标, 能有效地对被试进行分类与解释, 且0-1评分项目下异常反应指标及其性质都是多级评分下的特例; (2) 随着“失误”作答概率的增加, 4种属性层级结构的分类准确性都会降低; (3) 线型和收敛型的分类准确性明显好于发散型与无结构型; (4) 纯规则点的分布对规则空间方法的分类准确性有显著影响。     

共同方法变异的影响及其统计控制途径的模型分析

共同方法变异(common method variance, CMV)指两个变量之间变异的重叠是因为使用同类测量工具而导致, 而不是代表潜在构念之间的真实关系。虽然以往研究显示CMV不一定导致研究结果的偏差, 在实际研究中应当加以考量。特别是在使用测量方法的研究中, 如果数据来源越单一, 测量方法越类似, CMV效应使研究结果产生偏差的可能性越大。CMV效应的控制方法包括过程控制法和统计控制法。在统计控制法的选择和使用上, 需要重点考虑该方法是否分离了三大变异(特质变异、方法变异和误差变异), CMV效应是在测量构念层面还是题目层面, CMV效应是加法效应还是乘法效应。控制潜在方法因子途径是统计控制方法中最重要的一类方法, 理解其模型是正确使用这类方法的前提。未来研究应当关注多个研究的CMV效应和侧重评估某个理论研究中CMV所引起的潜在的效度威胁。