教师背景变量对教师教学效果影响的多层线性分析

用《教师教学效果评价问卷(学生版)》问卷对高校181名教师的教学效果进行调查,用多层次分析法对影响教师教学效果的教师背景变量:教师性别、年龄、学历、职称、所教专业、年级、班级大小以及课程类别对教师教学效果影响程度进行分析,目的在于通过用多层分析法更合理分析教师背景变量对教学效果产生的影响,为客观比较教师教学效果之间的差异提供依据。研究结果表明:(1)多层次分析法得到比传统回归分析和方差分析更合理更准确的结果;(2)教师背景变量教师中性别、学历、专业以及所教班级的大小对于教师教学效果评价效果没有显著影响;(3)教师职称、年龄、所教学生年级、课程类别对教师的教学效果有显著影响;(4)所考察的教师水平背景变量对教学效果各个维度教师水平总变异的解释率介于3351%-4278%之间。     

人工语法学习模型述评

述评了近年来影响较大的四个人工语法学习模型——THIYOS分类器系统、竞争组块模型、范例模型和联系者模型。它们都认为,人工语法学习所获得的知识中,一部分以规则、组块、总体类似性以及激活模式等形式到达意识层面,另一部分则残存在力量模式中,确定什么内容适合到达意识层面;后者即为内隐知识。这四种模型各抒己见,各有特点,并都为内隐学习的机理提供了重要依据。     

一个新的测量过程框架——对引入认知加工模型的再思考

从认知任务分析出发的测验设计,核心在于从认知加工的角度对项目底层作答机制作出解释。其中,能够刻画任务难度的模型最有可能与心理计量模型相结合。因而,具备成熟难度法则的各种小型理论或通用理论可以进入测量过程,实现从纯粹误差结构控制的测量到内容导引的测量的转变。在这样一个框架之下,理论对任务上作答过程的理解是否恰当,刺激特性变量与任务难度关系的揭示(即难度法则)是否准确,可以在测量的过程中进行证伪。项目反应理论还未及很好回答的效度问题,可望在这一拓展的框架中获得圆满解决。本文为新的测量过程框架提供了一个示意图。     

Sperling任务中刺激呈现方式对注意分配的影响

以全部报告法和部分报告法为任务．在Kosslyn瞬时记忆模型框架下,探讨当刺激呈现和报告的方式按列进行时,被试注意窗的放置策略及其对瞬时记忆的影响。结果发现。部分报告优势在这种条件下也是存在的;因为长期的学习而导致的阅读习惯对注意窗放置策略的影响是稳定的;同时发现这种策略使得被试在按列进行的报告方式时,全部报告法和部分报告法的成绩都低于按行报告方式。文章还对上述实验发现作出了进一步的讨论。     

高校辅导员胜任力结构模型研究

通过对38位高校辅导员进行行为事件访谈以及开放式问卷调查,初步筛选出47项高校辅导员胜任力特征项目,再以此为依据编制成高校辅导员胜任力评价问卷,对413位高校辅导员进行调查,经过探索性因素分析和验证性因素分析,构建出高校辅导员胜任力结构模型。结果显示,高校辅导员的胜任力结构主要包括工作能力、个性魅力、引导学生、职业态度、个人特质以及专业素养6个维度。该结构模型信效度良好,可以为高校辅导员选拔与培训等提供科学依据。     

小学生羞怯特质预测及语言风格模型构建

收集在线教学平台上1306名小学生的作文、日记及评论, 采用自然语言处理技术进行文本分析, 并应用机器学习模型实现对羞怯特质的自动预测, 构建小学生羞怯行为、认知和情绪的语言风格模型。研究发现：(1)扩充的心理词典适合分析小学生文本; (2)分别存在羞怯行为、认知和情绪问题的学生其日常用语既有共性也有特性, 且与普通学生存在差异; (3)羞怯各维度在不同分类器上达到较好的预测效果, 其中随机森林模型的整体表现相对最好。     

家人情感卷入对老年自我刻板印象的影响：基于潜变量增长模型的分析

本研究使用问卷法对257名老年人进行了历时1年的3次追踪测试, 采用潜变量增长模型与交叉滞后回归分析考察了家人情感卷入与老年自我刻板印象的变化趋势, 家人情感卷入发展与老年自我刻板印象发展的关系, 以及家人情感卷入对老年自我刻板印象的时序效应。结果发现：(1)老年人感知到的家人情感卷入在1年内呈线性递减, 而老年自我刻板印象呈线性增长; (2)家人情感卷入的初始水平负向预测老年自我刻板印象的初始水平与增长速率; (3)家人情感卷入的下降速率也显著预测了老年自我刻板印象的增长速率; (4)交叉滞后回归分析进一步支持了老年人家人情感卷入对老年自我刻板印象的总体负向预测作用。本研究为老年刻板印象内化的家庭过程提供了理论支持, 并对减少老年刻板印象内化、改善消极老年自我刻板印象的干预具有一定的实践价值。     

针对微测评理念的自适应测验技术——基于CO-MIRT诊断模型

前人研究业已表明MIRT模型在自适应测验等诸多领域的测量优势,但面对当前国内教育行业在实践过程中的现状,仍无法有效地解决待测知识点数量、试题数量和测量精度之间的矛盾。对此,本次研究设计了CO-MIRT模型,经由前馈层、全连接层的操作以共享试题之间所传递的信息,以及通过控制层、L2正则化等操作来限制小样本测验下的过拟合,来达到降低估计误差的目的。本次研究采用蒙特卡洛模拟的方式验证了模型效果,并使用数学推演的方式给予理论上的证明。     

I3模型视角下个体行为的表达机制

I³模型塑造了一个解释个体行为的理论框架, 认为所有的行为都来自刺激、驱力和抑制三个因素的组合, 任何一个因素都可以独立于其余两个而变化, 其结构是由一个结果(行为)、一个中介(行为倾向)和三个因素(刺激、驱力和抑制)组成的12条路径的综合模型。这12条路径通过描述18个问题来预测个体在具体背景下的行为机制, 比如攻击行为、进食行为等。为有效促进该理论的应用, 文章对该理论的合理性、科学性、独特价值, 以及存在的问题进行评价, 并进一步提出未来的研究方向。     

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。