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。     

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。     

互联网数据中的文化差异与文化变迁

互联网时代,人们在网络上留下了各种反映其心理过程与文化特征的信息。这些庞大多样的互联网数据为文化心理学研究提供了新视角。首先,当前文化心理学存在文化差异和文化变迁两种研究取向,互联网数据相较传统来源数据在这两种研究上均存在若干优势;其次,针对4种类型的互联网数据,文化心理学家利用文本分析、多媒体分析、社会网络分析和互联网使用行为分析的方法进行研究;再次,基于互联网数据及其分析方法,文化差异与变迁研究取得了丰硕的成果;最后,当前基于互联网数据的文化心理学研究存在效度、技术与理论局限,未来研究需通过合理抽样、检验新指标有效性、准因果分析、充分运用新技术、数据驱动等方法来提升方法效度、结果深度及理论多样性。     

让自适应测验更知人善选——基于推荐系统的选题策略

基于推荐系统中协同过滤推荐的思想, 提出两种可以利用已有答题者数据的CAT选题策略：直接基于答题者推荐(DEBR)和间接基于答题者推荐(IEBR)。通过两个模拟研究, 在不同题库和不同长度的测验中, 比较了两种推荐选题策略与两种传统选题策略(FMI和BAS)在测量精度和对题目曝光率控制上的表现, 以及影响推荐选题策略表现的因素。结果发现：两种推荐选题策略对题目曝光率的控制优于两种传统选题策略, 测量精度不亚于BAS方法, 其中DEBR侧重选题精度, IEBR对题目曝光率控制最好。已有答题者数据的特点和质量是影响推荐选题策略表现的主要因素。     

促进创新创业教育与思想政治教育的融合

网络新媒体和大数据时代,中国高等教育在思政教育、课程设置、人才培养、招生宣传、心理健康方面,都遇到新的挑战。本组笔谈聚焦新媒体、大数据对当代中国高校的影响。史国君用调查数据表明,当前青年大学生政治认知总体正确、政治认同度较高、政治实践参与较积极,但政治信仰教育、网络政治信仰教育方式等方面还亟待创新,建议充分应用新媒体技术,多方位培育当代大学生的政治信仰;赵亮等分析了高校创新创业教育与思想政治教育融合的动因和依据,尝试在课程体系方面促成二者的融合;石沁禾认为在大数据与人工智能等高科技飞速发展的趋势下,要提升企业的全球竞争力,高等教育亟须探求"商能并重"的高素质人才培养路径;唐玉生认为大数据技术的运用可以克服传统粗放型招生宣传模式的不足,而基于历史数据及动态数据分析的招生宣传模式,为精准化招生提供了可能性,为高校高质量招生宣传提供新的方法和途径;季海菊关注大数据时代高校学生网络心理健康教育问题,认为教育理念的落伍、数据素养的欠缺以及大数据平台建设的不足,都弱化了网络心理健康教育的引导力、感召力和控制力,构建与大数据时代相适应的高校网络心理健康教育体系,需要确立大数据理念,整合教育团队,开发数据平台,加强子体系建设,将大数据技术有效地运用于网络心理健康教育中,从而提升高校网络心理健康教育的针对性和实效性。     

数据主义与人本主义数据伦理

数据化催生了数据主义,数据主义是数据化的一种哲学表达。数据主义主张数据流最大化和信息自由是至善,其实质是从以人为本走向以数为本,用数本主义取代人本主义,从强调人的自由走向强调数据的自由,用数据主义取代自由主义。为避免数据主义的弊端,应倡导人本主义数据伦理,尊重人的自由和权利。     

基于大数据的文化心理分析

随着大数据技术与文化心理学的融合发展, 计算文化心理学作为一门新兴交叉学科逐渐兴起, 大尺度、近乎全样本的文化心理分析真正得以实现。计算文化心理学关注的文化变量主要围绕个人主义/集体主义这一文化心理学使用最为广泛的维度展开, 分析方法包括特征词典、机器学习、社会网络分析、仿真模拟等, 分析思路包括时间维度上的文化变迁效应以及空间维度上的文化地理效应。当然, 计算文化心理学在为传统文化心理研究提供新方法、新范式的同时, 也存在解码失真、样本偏差、词语多义性、隐私风险等局限, 未来研究应重视变量理论解释、文化动态演化分析、学科深度整合、生态效度等问题。     

公务员面试测量了什么?我国公务员面试的构想效度

元分析证实面试可预测工作绩效,但其预测机制尚不明确。最新版Standard psychological and educational Testing(2014Edition)建议,探索面试的构想效度应收集多方面证据。参照多波数据(multi-wave data)研究范式,结合多质多法模型、验证性因素分析等方法,选取3家中央国家行政机关在2013至2014期间公务员面试中1069名应试者面试档案数据(archival data)交互验证公务员面试的构想效度。结果表明,我国公务员面试测评了内在因素和外在因素两个维度,支持面试构想的二维理论。