汉语因果复句的心理表征项目互换效应研究

采用句子-图画验证任务(sentence picture verification task)探讨了汉语因果复句的心理表征项目互换效应。结果表明,汉语因果复句的项目表达顺序为"结果→原因"时,所形成的心理表征中项目发生互换,其结果为"原因→结果"。本研究结果初步表明,读者理解汉语因果复句是一个按照"原因→结果"固定方向进行系列加工的认知过程。     

外表真实区别、表征变化和错误信念的任务分析

自20世纪80年代以来,“心理理论”已成为发展心理学的研究热点和最活跃、最多产的领域。为了分析和比较“心理理论”的实验任务,该研究以济南市3所幼儿园中的233名3—6岁儿童为有效被试。进行了“意外转移。和“欺骗外表”两种心理理论实验任务。得出如下主要结论：(1)意外转移任务中内隐错误信念显著难于标准错误信念,易化错误信念与标准错误信念的难度不存在显著差异。(2)欺骗外表任务中外表真实区别难度显著低于表征变化和错误信念。(3)意外转移任务的错误信念显著难于欺骗外表任务的错误信念。     

口语报告法比较研究物理问题解决中不同数理基础被试表征体系的动态差异

基于对物理问题解决表征体系特征的研究,本文用口语报告法,对不同数理基础的被试在解决物理问题过程中表征体系的动态特征差异进行了实证性研究。结果证明,数理基础扎实的被试,其物理问题解决表征体系的动态特征优于数理基础一般和数理基础差的被试     

几种时间表征的研究概况

概述时间表征外显与内隐的分类,对动力心理表征及表征动量的研究进行了讨论     

儿童早期心理洞察力的发展─—关于儿童社会认知的又一个研究方向

关于儿童心理洞察力发展的研究开始于８０年代初期,心理学家将个体认识自己和他人心理状态的系统性知识结构统称为个体的“心态理论”（ｔｈｅｏｒｙｏｆｍｉｎｄ）模式。在这个模式中包含着人的各种社会心理因素,如思想、信念、愿望、意图、情感等,各因素间里逻辑性联系,该模式为人的行为提供一种因果性解释机制。“心态理论”模式的发展对儿童社会认知、适应性行为以及元认知等方面的发展都具有重要促进作用。该研究涉及许多具体方面,本文主要提及下述几方面的研究：儿童早期对情绪的理解、儿童早期对伪误言行的理解以及儿童孤独症的表现等。大部分研究发现,３—４岁是儿童早期心理洞察力发展的重要年龄。     

工作记忆中句法歧义加工的双重表征研究

本实验研究考察了高广度的中国中英文阅读者在对具有句法歧义结构的中英文句子是否在工作记忆中产生双重表征,以及任务难度对这种双重表征的保持会的影响。实验结果表明：（１）中文高广度阅读者能对汉语并列歧义产生双重表征;（２）中国的英文高广度阅读者能够对英语Ｖｅｄ歧义产生双重表征;（３）在回答提问的任务难度有所增加时,这种双重表征得以保持,其强度没有立即随之降低。     

刺激属性对内隐社会知觉的影响

本文通过选择不同词性（消极词、积极词和中性词）的双字词64个,主要对“刺激属性”变量进行了实验操作;采用“意识过滤”技术和速示辨认测验对内隐社会知觉的特点进行了考察;结果发现,实验材料的笔划数和被试的性别对内隐社会知觉没有影响,刺激的特性和刺激的启动作用对内除社会知觉有显著的影响;同时还证明速示辨认测验不受意识的“污染”,将速示辨认作为内臆测验的方法是比较“纯净的”。     

儿童解决算术应用题时认知加工过程的实验研究

本研究的目的在于探讨儿童解决算术应用题的认知加工过程。实验采用个别交谈的临床方法,被试是学前及小学儿童,共125名,4～8岁,分成5个年龄组,每组25名,实验材料是6道算术应用题。研究表明,儿童解题的认知能力可分为四级水平。在各级水平上,问题表征、算法选择及计算策略的运用都表现出不同的特点。在此基础上,我们初步构建了儿童解决算术应用题的认知加工模型。此外,本研究对由Briars、Larkin以及由Riley、Greeno和Heller提出的有关模型也提供了一个实验论证。     

柯林斯语义层次网络模型的实验研究

应用语义验证法对柯林斯与奎利安的语义层次网络模型进行研究,结果表明:(1)柯林斯等人的语义层次网络模型不完全适用于人脑的信息加工;(2)被试对主语所指称客体的熟悉程度是决定语义验证时间的一个重要因素;(3)被试提取概念各属性的时间并非完全由属性储存的位置决定的。     

探究事件相关脑电/脑磁信号中的神经表征模式：基于分类解码和表征相似性分析的方法

探究不同心智活动下的神经表征差异, 是认知神经科学关注的核心问题之一。早期的脑电/脑磁分析方法主要关注组平均后的神经响应水平, 这要求在关注的时间进程上, 各个被试在相同刺激条件下事件相关电位/事件相关磁场的振幅大小和方向、以及地形图分布和极性均要有较高的一致性。近些年来, 研究者们将功能性磁共振成像研究中常用到的两种技术——机器学习中的分类算法(即基于分类的解码)和表征相似性分析——引入到了脑电/脑磁数据分析中。这两种新技术可以克服传统脑电/脑磁数据基于具体电压/磁感应强度波形平均分析的缺点, 具有在个体水平上探究神经表征编码的特点, 为人们探究大脑在不同时间进程上如何对特定的神经表征信息进行动态编码提供了新的思路。两种技术基于不同的方法学原理来抽提个体间一致的脑认知加工机制, 还为脑电/脑磁研究开展跨时域、跨任务、跨模态、跨群体比较不同认知过程中的表征差异提供了更多新颖的途径。我们首先通过与传统的脑电/脑磁分析方法进行比较, 系统性介绍了基于分类的解码和表征相似性分析的原理和操作流程, 之后对两种方法的应用场景进行了梳理, 并在最后对未来可供研究的方向提出了我们的见解。