EMA-一种生态主义取向的研究模式

生态瞬时评估（EMA）不是一个单一的研究方法,而是一种研究模式,它强调现实世界中实时数据的采集和反复的评估,并能阐释变量间自然存在和变化的相互关系,具有很高的生态学效度。EMA的使用会加强我们对个体与环境之间的动态交互作用的理解。EMA的基本设计思路包括基于事件的设计、基于时间的设计和联合设计。在EMA 的使用中还有一些问题如软硬件的发展、伦理、数据等问题等需要研究者注意。目前EMA应用最广泛的领域是临床心理学和行为研究方面。     

“中国富豪榜”:34位问题富豪

[上海热线]4月19日,胡润研究院第三次发布《中国富豪特别报告》。数据显示,在胡润百富榜发布的15年里,一共出现34位问题富豪。其中,有20位身陷狱中,7位已经出狱,7位尚未宣判。贪污贿赂罪和侵犯财产罪是上榜富豪入狱的主要原因。大部分问题富豪都是在41岁出问题,44岁被发现,46岁被判刑。     

单维项目因素分析：CCFA与IRT估计方法的比较

当观测指标变量为二分分类数据时,传统的因素分析方法不再适用。作者简要回顾了SEM框架下的分类数据因素分析模型和IRT框架下的测验题目和潜在能力的关系模型,并对两种框架下主要采用的参数估计方法进行了总结。通过两个模拟研究,比较了SEM框架下GLSc和MGLSc估计方法与IRT框架下MML/EM估计方法的差异。研究结果表明：（1）三种方法中,GLSc得到参数估计的偏差最大,MGLSc和MML/EM估计方法相差不大;（2）随着样本量增大,各种项目参数估计的精度均提高;（3）项目因素载荷和难度估计的精度受测验长度的影响;（4）项目因素载荷和区分度估计的精度受总体因素载荷（区分度）高低的影响;（5）测验项目中阈值的分布会影响参数估计的精度,其中受影响最大的是项目区分度。（6）总体来看,SEM框架下的项目参数估计精度较IRT框架下项目参数估计的精度高。此外,文章还将两种方法在实际应用中应该注意的问题提供了一些建议。     

当代大学生自比型价值观数据的潜在结构

本研究对采自3796名在校大学生的Rokeach Value Survey自比型数据进行了因素分析和多维尺度分析。因素分析从两组价值观选项中分别获得6个双极因素,虽然内容各不相同,但均体现出个人指向-亲社会指向的特点。多维尺度分析所获得的两组选项的2维空间距离分布结果也体现类似特点,结果显示终极性价值观可分为四类,工具性价值观可分为五类。当前大学生价值观中存在着舒适的物质生活、兴奋的生活、幸福、快乐和自尊以及雄心壮志的、勇敢的和诚实的等个人取向内容占优势的可能性。在两种分析方法中,多维尺度分析更适合对自比型价值观数据潜在结构的探究。     

撼人心魄的数据

据说,在这个广袤的世界上,一个人与另一个人相遇的可能性只有千万分之一,成为朋友的可能性大约是两亿分之一,而成为终生伴侣的可能性则是五十亿分之一。     

概化理论不同评分方案缺失数据方差分量估计

包含评分者侧面的测验通常不符合任意一种概化理论设计,因此从概化理论的角度来看这类测验下的数据应属于缺失数据,而决定缺失结构的就是测验的评分方案。用R软件模拟出三种评分方案下的数据,并比较传统法、评价法和拆分法在各评分方案下的估计效果,结果表明：（1）传统法估计准确性较差;（2）评分者一致性较高时,适宜用评价法进行估计;（3）拆分法的估计结果最准确,仅在固定评分者评分方案下需注意评分者与考生数量之比,该比值小于等于0.0047 时估计结果较为准确。     

大模型时代：知识的生成式“涌现”

随着计算能力的提高和数据的爆炸性增长,生成式大模型逐渐成为知识生产的核心力量,并深刻改变了人类知识的生产方式。本文系统探讨了从古典学术到现代信息科技的知识生产历程,将传统知识生产方式归纳为个体的知识涌现。与之相对应的大模型时代,知识生产方式则可称为生成式的知识涌现,从而造就了新的知识高原。大模型时代生成式知识涌现的机理,表现为知识结构和生成逻辑两方面的转变。虽然生成式大模型在文本生成、数据分析等领域设立了一种难以超越的“基线”,但人类在创造、批判思考和情感判断上的独特能力仍然不可或缺。结合人机协同的哲学和技术探索,本文为未来知识生产的新时代提供了一个全面而深入的视角,并在此基础上勾画人机协同共创知识高峰的路径。     

纵向题目作答时间模型：对潜在加工速度的变化追踪

本研究提出四个纵向题目作答时间（RT）模型以追踪潜在加工速度的变化。四者的测量模型一致,差异主要体现于描述潜在加工速度随时间变化的结构模型。实证研究结果表明四者均有实践应用性且数据分析结果具有较高一致性。模拟研究表明四者在不同模拟条件下的参数估计返真性均良好。总之,本文提出的四个纵向RT模型具有可应用性且心理计量学性能良好;不仅丰富了纵向RT数据的分析方法,还拓展了纵向潜变量模型的应用范围。     

数形联觉——数字空间表征研究“新”取向

数字空间表征是人类对数字进行表征的重要方式。数形联觉（number-form synesthesia）是一种数字可以有意识地引起空间知觉的独特现象,与此类似的是非联觉者中广泛存在的无意识的心理数字线（mental number line）现象。两者在行为和脑机制上存在着很多重叠,也存在着值得思考的差异。数形联觉的研究能够提供实质性的行为和脑机制数据,用以解决数字空间表征研究中出现的问题,加强对于数字空间表征的理解;也为更加全面深入地开展进一步研究提供了新的启示,成为数字空间表征研究中值得推崇的新取向。     

定序变量回归模型在心理数据分析中的应用

定序变量在心理现象和心理数据中随处可见, 采用综合的定序变量回归分析模型可以对“镜像模式”和“漏斗模型”的心理现象做出合理的解释和预测。首先通过非参数检验对影响因素进行初步降维, 其次用Probit定序回归对降维后的影响因素贡献率进行判别, 从而进一步筛选具有显著性判断水平的有效指标, 最后用Logistic回归模型对某种特定的心理现象发生与否进行信息量足够大的解释和预测。大学毕业生工作生活质量满意度的预测对这种综合定序变量回归分析模型的实例拟合, 证实了综合定序变量回归分析模型在心理现象和心理数据分析中的应用价值。