5走出沉溺

引言 所谓沉溺行为,有不同的表现形态,例如滥赌、网络成瘾、股票炒买成瘾、购物狂、工作沉溺、酗酒、性沉溺、滥用药物、吸毒等.当中某些更已被列入美国精神医学学会所出版的<精神疾病诊断与统计手册>的分类中.因篇幅所限,无法穷尽对各种不同沉溺者的牧养.     

信用卡消费者透支行为的心理特征及其人群分类研究

由于广大信用卡消费者的行为决策与心理因素密切相关,因而深入分析透支行为对于消费决策的影响,对于推动我国信用卡市场健康发展以及促使消费者形成理性的透支决策具有重要的现实意义.本研究发现:信用卡消费者透支行为的心理特征差异可以从消费意愿性、透支情感性、还贷能力性、财务压力性、社保完善性、自我控制性、利率敏感性、从众环境性这八个因素进行分析;信用卡消费者可分为"透支偏好型"、"透支权变型"以及" 透支规避型"三类.     

事件相关电位与态度研究

目前,事件相关电位(ERP)技术在态度研究领域中所取得的成果可总结为:(1)在情感评价上,与情境一致的刺激相比,不一致的刺激诱发了一个更大的ERP,并且ERP波幅会因一致性程度的差异而变化;(2)评价性和非评价性分类加工所诱发的ERP在头部分布上存在差异,同样,评价性分类加工中积极和消极刺激所诱发的ERP也存在差异;(3)ERP对外显的和内隐的评价性分类加工的检验都反应敏感.在此基础上,文章对当前研究中所存在的问题及其对策进行了分析和探讨.     

问题表征过程中信息提取的实验研究

以代数应用题为材料,考察领域知识不同的学生在问题表征过程中的信息提取特点以及解题成绩的差异.结果表明:初中生更倾向于按照问题的表面特征对应用题分类;领域知识丰富组和领域知识贫乏组在问题表征过程中对四类信息的提取存在差异;解题成功者对关键信息的再认率高于解题不成功者,而在多余信息和混淆信息的再认上,解题不成功者高于解题成功者.     

类别学习和分类运用的神经机制

从类别学习和分类运用(包括非人类对象分类和社会分类)两个方面阐述了分类的神经机制。类别学习主要与新皮层、内侧颞叶、基底神经节、中脑多巴胺能系统有关, 不同类别的学习会激活这些神经系统间不同的连接。对非人类对象分类时, 不同类型、级别、熟悉度及相似度类别分类的神经机制不同, 分类对象的清晰度、类别不确定性会影响分类的神经机制, 在分类进程的不同时段会出现对应的ERP指标。社会分类时个体先注意到外群体再加工内群体, 且对内群体的加工更深, P200和N200是对内、外群体区分的特异性波, 内外群体分类时, 内群体激活梭状回和扣带回后部, 外群体激活杏仁核。文章最后比较了人类和灵长类动物分类神经机制的异同, 并指出社会分类和非人类对象分类神经机制的整合以及人类和灵长类动物分类神经机制的比较是今后研究需要关注的问题。     

评介一种新的知觉分类模型:EGCM

分类是将事物归属于某一类别的认知操作。它是一项重要的认知能力,同时也是各种复杂认知活动的基础。半个世纪以来,分类研究从对类标准的发展变化、影响分类结果的因素等问题的考察,发展到对相似性的实质、类别表征的性质等核心问题的探讨,呈现出逐渐深化的趋势。随着研究的深入,分类认知加工过程中的许多细节也引起了人们的重视,比如关于分类的时间进程问题。九十年代以来,     

分类的层次结构和基本水平研究的新进展

本文从层次结构的心理表征,基本水平优势的性质和分类差异的原因,场景、事件、情绪、对人分类等非客体领域的分类组织以及专业知识对分类的影响等方面,介绍了国外近年来在分类领域的研究进展情况。     

分类精确性指数Entropy在潜剖面分析中的表现:一项蒙特卡罗模拟研究

本研究通过蒙特卡洛模拟考查了分类精确性指数Entropy及其变式受样本量、潜类别数目、类别距离和指标个数及其组合的影响情况。研究结果表明:(1)尽管Entropy值与分类精确性高相关,但其值随类别数、样本量和指标数的变化而变化,很难确定唯一的临界值;(2)其他条件不变的情况下,样本量越大,Entropy的值越小,分类精确性越差;(3)类别距离对分类精确性的影响具有跨样本量和跨类别数的一致性;(4)小样本(N=50~100)的情况下,指标数越多,Entropy的结果越好;(5)在各种条件下Entropy对分类错误率比其它变式更灵敏。     

不同任务类型对熟练维汉双语者跨语言启动不对称性的影响

采用两种不同的任务类型对熟练维汉双语者跨语言掩蔽翻译启动效应进行考察,结果发现,在词汇决定任务中,熟练维汉双语者在L1-L2和L2-L1两个方向上均表现出了掩蔽翻译启动效应,但L1-L2方向远大于L2-L1方向,即掩蔽翻译启动效应具有不对称性。而在语义分类任务中,熟练维汉双语者在两个方向上表现出的翻译启动效应量相近,具有对称性。结果支持Kroll的修正层级模型。     

潜在剖面模型的后续分析——比较分类分析法改进后的偏差

传统的分类分析法虽然是潜在类别模型常用的后续分析方法,但容易导致后续模型中潜在类别与其他变量之间关系的低估。现阶段已发展出多种改进的方法:一步法、基于模型的方法、Bartlett法,改进的分类分析法(包括ML三步法、BCH法、纳入式分类分析法)。本文对这些方法研究进行综述总结,进一步针对心理学研究数据的特点,使用模拟实验探讨适用于潜在剖面模型的分类分析方法,结果发现:传统方法低估潜在类别变量与因变量的关系;ML三步法只有在潜在类别概率分布平均时估计精确;BCH法估计最接近真值,但在低分类区分度、大效果量时出现概率估计为负值的情况;纳入法虽有轻微的高估,但在各种模拟条件下参数估计最为稳健。这些方法受分类区分度、类别概率均匀性以及潜在类别变量与附属变量关系的效果量所影响。