类比推理研究的有关理论

本文比较系统地论述了国外两个重要的类比推理理论：结构映射理论与实用理论。结构映射理论涉及透明度原理和系统性原理。实用理论涉及检索过程、映射过程和归纳过程。     

线索-反应相容性效应和线索有效概率的影响

运用前置线索技术,考察了线索－反应的相容性效应,研究了不同线索与反应的关系和线索有效概率对视觉剌激进行命名反应的时间的影响。结果表明：线索－反应的相容性存在,且符合维度重合理论,支持了相容性是信息加工过程的基本特征;线索客观有效概率影响了线索－反应的相容性效应的强度,线索客观有效概率越高,线索－反应的相容性效应越强。     

意识是情景记忆加工的必要条件？

在情景记忆的发展历程中,Tulving逐渐地将其与意识相联系。但是,无论来自正常被试的情景记忆中静态的视觉、语词和动态的视觉—动作加工特性方面的研究,还是来自遗忘症患者、婴儿以及动物等方面的情景记忆研究,均表明情景记忆具有无意识特性,这些均与Tulving对情景记忆的界定相矛盾。而情景记忆在人类进化过程中所表现出的自然属性和社会属性,则合理的解释了情景记忆所具有的无意识和意识属性。因此,只有结合情景记忆在人类发展历程所表现出的双重属性,才能宏观、全面地把握情景记忆的整体概貌。     

基于群体水平评估的认知诊断模型开发与应用

本文开发了基于群体水平评估的认知诊断模型——G-AHM,采用Monte Carlo模拟方法探讨了模型的性能与表现,并探讨其在实践中的具体应用。研究发现：（1）新模型G-AHM不仅具有较高的边际判准率,还具有较好的模式判准率,且具有较强的稳健性,说明本研究开发的新模型基本合理、可行的。（2）与已有的具有较高效度的诊断结果比较发现：从认知状态、属性掌握概率与属性掌握比例三个方面,G-AHM模型所获得的群体诊断结果都与已有结果基本一致,即可以认为G-AHM方法获得的诊断结果也具有较高的效度。因此G-AHM模型在实际中是可行、可信的;且G-AHM方法中将认知状态与群体对属性的掌握概率信息相结合,可以更好的解释及分析被试的认知水平,提供的信息更具参考价值。     

不确定性容忍度对模糊决策中决策偏好的影响及其情景依赖性*

研究以Ellsberg选瓶任务为决策材料,探讨了不同任务特征下个体不确定性容忍度对模糊决策中决策偏好的影响。结果发现,获益情景下:高概率时高、低容忍度个体对模糊选项的选择无显著差异,均偏好模糊规避;中概率时低容忍度个体比高容忍度个体表现出更低程度的模糊规避,前者倾向于模糊中立,后者倾向于模糊规避;低概率时两者对模糊选项的选择无显著差异,均倾向于模糊中立。损失情景下:高概率时两者对模糊选项的选择无显著差异,均倾向于模糊寻求;中概率时低容忍度比高容忍度个体更偏好模糊寻求,前者倾向于模糊寻求,后者倾向于模糊中立;低概率时两者对模糊选项的选择无显著差异,均倾向于模糊规避。这表明,不确定性容忍度对模糊决策偏好产生作用,但这种作用会受到损益概率和损益结果的影响,具有情景依赖性。     

论医学人文属性复归的途径

医学本是自然科学和人文社会科学的统一体,但因历史和现实的诸多原因,导致医学中人文属性的严重缺失.分析了人文缺失的直接原因和深层根源,强调了医学人文社会属性的不可缺失性,提出了医学人文属性复归之途径.     

第二讲 如何构建不确定条件下的临床决策

在第一讲我们提到决策有三种类型：一是确定型决策,二是风险型决策,三是不确定型决策。对于确定型和风险型决策,其每种自然状态发生的可能性是确定的或是可以预计的,可以利用文献资料获得的,其结果是确定的或需要承担一定风险的。而临床实践中由于病人个体体质的不同,病情的变化,医生对病情的掌握程度,     

选项数量和属性重要性对决策中信息加工的影响

本研究采用决策过程研究方法中的信息板技术,以现实生活中的职业选择作为决策任务,考察了选项数量和选项属性的重要性对决策过程中信息加工的影响方式。结果表明:选项数量对决策过程的信息搜索深度、搜索模式和策略的补偿性产生了影响;选项属性的重要性并不影响决策者对属性的查看时间,但影响了决策者对属性的点击次数。     

论人的三重属性的变化发展规律

人的三重属性的发展,表现出了一个从类本位到群体本位、到个体本位再到以人的三重属性和谐发展为中心这样一个历史发展规律。同时,不同发展程度的不同民族、不同国家,在各自具体的情况下,其对人的三重属性中某一个或某两个属性的强调和发展是有不同侧重的;不同的个体,其三重属性的变化发展会因其各具体条件的差异而有所不同;同一个体,在不同的时期、环境中会有不同的属性表现。     

认知诊断计算机自适应测验中平衡属性收敛的新方法

提出两种认知诊断计算机自适应测验下平衡属性收敛的新方法（MABI、RTA）,模拟研究系统探讨和比较了此二者与已有方法（ABI、IABI和RABI）的表现。结果发现：（1）新方法较不考虑属性收敛的方法有更高的准确率以及更均衡的题目使用率;（2）新方法较ABI和RABI有稍低的准确性,但有更平衡的题目使用率;（3）新方法与IABI的准确性和题目使用率在不同选题策略下各有合优势。总之,两种新方法较好地兼顾测量准确性、题目使用率以及题库曝光情况。