创伤后应激障碍患者的HPA轴功能变化的时间序列特征

已知创伤后应激障碍(posttraumatic stress disorder, PTSD)患者表现出HPA轴(hypothalamic-pituitary- adrenocortical axis)功能异常, 而皮质醇是反映PTSD患者HPA轴功能的重要生物标记。近期的研究结果提示, PTSD患者的皮质醇水平变化可能有明显的时间序列特征, 即应激事件发生后先升高, 后下降至正常水平之下。这一特征受到生物标记的时间特性, 患者病程, 应激源类型和强度, 伴生疾病等因素的干扰和掩蔽。未来研究应进一步采用长期追踪设计, 控制干扰因素的影响, 结合急性应激和慢性应激生物标记来综合验证PTSD患者皮质醇水平变化的时间序列特征|并利用该特征预测PTSD的发生、发展, 以便及时进行干预|考虑皮质醇的代谢、拮抗等机制, 结合多种生物标记综合评估、诊断PTSD患者的HPA轴功能活性。     

背景颜色对一致性序列效应的调节

为满足迅速变化的环境要求,个体需要快速灵活地调整认知加工策略。背景颜色是一个重要的环境因素,它能够影响人的认知和行为表现。然而,背景颜色对认知控制在线调整的影响,是一个关键但又被忽略的问题。为解决这个问题,本研究采用字母flanker任务,考察了灰色、蓝色和红色背景条件下的一致性序列效应。结果发现,蓝色背景下的一致性序列效应不显著,而灰色和红色背景下得到了显著的一致性序列效应;此外,在这三种颜色背景下,flanker干扰效应无显著差异。这些结果说明,蓝色背景影响一致性序列效应,但干扰效应不受背景颜色的调节。当前的研究首次揭示了背景颜色对认知控制在线调整的影响,也进一步加深了我们对一致性序列效应的理解。     

PETS计算机自适应序列测试设计与模拟研究

根据PETS考试的特点,结合计算机自适应序列测试（CAST）的优势,该研究提出并设计了PETS—CAST测试。为了检验PETS—CAST测试系统的性能,该研究利用PETS试题的真实难度参数和模拟的考生能力参数生成相应的原始得分矩阵,并根据路径规则实现适应性的模块选择。研究结果表明,PETS—CAST所设计的路径能够满足不同能力水平考生的要求,且各条路径的测量精度均能够达到CAST考试的要求。曝光率方面的研究则说明,PETS—CAST应该在设计题池时充分考虑试题模块在数量方面的配置。该模拟研究为PETS—CAST的具体实施在理论和实践层面做了一些有益的尝试。     

信息生命科学——对于信息量生命、本体信息演化规律特征的探索

信息生命科学不是生物学计算机化,不是生命科学,也不是生命信息科学,而是信息生命科学。     

走出行政伦理困境——一个交往理性的解释框架

在复杂的公共行政活动中,行政官僚会在三个 不同的层面上遭遇无所适从的伦理 困境。从一般的意义上来说,伦理困境大多根源于价值来源的多样性及其相互之间的不可调 和。在行政活动中,产生于组织、法律、政治以及道德等不同视角的多样性价值之间缺少相 互化约的有效手段,当它们在一个缺乏合理的交往结构中相互碰撞时,冲突就产生了。因而 ,解决行政官僚的伦理困境需要重建政治社会的交往秩序,通过将他们安放在一个以商议性 原则为基础的民主制度框架内,不同价值要求之间的冲突可以根据依此而生的一个民主程序 和“词典式序列”而得到有效地解决。     

序列长度和统计结构对序列位置内隐学习的影响

除人工语法之外,序列反应时任务也是内隐学习研究最常用的程式之一。在使用序列反应时任务进行内隐学习研究时,有研究者发现,类似于外显学习,序列位置内隐学习中序列规则的长度越长,学习成绩越差;而Stlader则在研究中发现,序列位置内隐学习中所学序列的统计结构会极大地影响被试内隐学习成绩,统计结构越高学习效果越好。     

密集追踪数据分析：模型及其应用

在心理学、教育学和临床医学等领域, 越来越多的研究者开始关注个体内部的行为、心理、临床效果等随时间而产生的动态变化, 重视针对个体的差异化建模。密集追踪是一种在短时间内对个体进行多个时间节点密集追踪测量的方法, 更适合用于研究个体内部心理过程等的动态变化及其作用机制。近年来, 密集追踪成为心理学研究的一大热点, 但许多密集追踪的研究分析仍停留在较为传统的方法。方法学领域已涌现出较多用于密集追踪数据分析的模型方法, 较为主流的模型包括以动态结构方程模型(Dynamic Structural Equation Model, DSEM)为代表的自上而下的建模方法, 以及以组迭代多模型估计(Group Iterative Multiple Model Estimation, GIMME)为代表的自下而上的建模方法。二者均可以方便地对密集追踪数据中的自回归及交叉滞后效应进行建模。     

内隐序列学习与中央执行功能的关系

内隐序列学习与一般认知的关系一直处于争议之中。近年来,越来越多的研究显示内隐序列学习与工作记忆（尤其是中央执行功能）存在显著关联。基于此,本研究通过两个实验来探测两者的相关及机制。实验1从行为与脑电两个角度探讨经典位置序列学习与中央执行功能的相关,发现经典位置序列学习的内隐习得量与中央执行功能的抑制、刷新功能的强度呈负相关,与转换功能没有显著相关,脑电结果也支持了这一结论。实验2在内隐序列学习中加入认知冲突来增加中央执行功能的负荷。结果发现在高抑制功能负荷任务条件下,内隐习得量与抑制功能强度的相关性发生了反转,进一步证明内隐序列学习与中央执行功能的抑制子成分在脑功能上的关系：不同条件下呈现竞争、协作等不同状态。     

任务框架和序列趋势对趋势阻尼的影响

以往研究发现,下降序列的趋势阻尼大于上升序列,但该结论可能掺杂了任务框架这一额外变量。基于此实验1选取可控事件,实验2选取不可控事件作为背景,探讨了任务框架和序列趋势对趋势阻尼的影响。研究发现：不管在可控事件还是不可控事件中,序列趋势对趋势阻尼的影响都受到任务框架的调节,收益框架中下降序列的阻尼大于上升序列,损失框架中两者差异不显著。     

基于贝叶斯网模型的多级计分诊断测验分类及比较研究

贝叶斯网模型提供了一种方便和直观的框架结构来表示变量间的关系,非常适合在诊断测验中对教育评估的内容进行建模。本研究将两种贝叶斯网分类模型与序列多级计分诊断模型S-GDINA进行综合比较。考察两种贝叶斯网分类模型与S-GDINA在Q矩阵正确界定和包含一定比例(25%、 30%)的错误时,两者对被试的分类性能;并将贝叶斯网分类模型应用到实证数据中,展示贝叶斯网分类模型在实证数据中的分类过程和分类性能。研究结果表明：当Q矩阵由专家正确界定时,朴素贝叶斯分类模型的分类效果与S-GDINA模型相差不大,同样可以达到很好的分类效果,树增广的朴素贝叶斯分类模型的分类性能也能达到良好。实证结果进一步表明,将贝叶斯网分类模型应用于教育测量领域中的诊断分类工具是有其优势和可行的,尤其是当测验数据对于所选用诊断模型的拟合较差、测验的Q矩阵中包含错误或测验数据中包含较多的噪音时。