伪科学基本问题辨析

一、伪科学的定义1.侧重欺骗性的定义《现代汉语词典》对"伪科学"条目的解释是:"指违背客观规律,冒充科学理论用以骗人的错误的知识体系。"①张培林说:"什么是伪科学?伪科学是指用伪证装扮成科学的各种反科学的东西。     

风险灾害危机管理与研究中的大数据分析

随着突发事件复杂性的不断提高和风险灾害危机管理的艰巨性不断被人们所认知,关于风险灾害危机管理研究方法论体系也在不断拓展。大数据分析不仅为风险灾害危机管理提供了全样本、关联性与系统化的研究思维,而且为相应的决策提供了科学、客观的方法与技术支持,数据采集、转化、挖掘、集成与存储等大数据分析技术使得有效处理突发事件中不同类型、不同维度以及不同尺度的数据变成了可能。然而当前应急管理实践和研究中鲜有大数据分析的支撑,不过这也为进一步提升风险灾害危机管理绩效、深化风险灾害危机管理研究留下了空间。当务之急是确定大数据分析的基本范式,为大数据分析方法的使用提供良好的环境,并不断健全完善。     

寺庙办养老院 应予大力提倡和广泛支持

正未富先老,"未备先老",中国作为人口大国,老龄化的形势十分严重。据相关数据统计,目前我国城乡空巢家庭超过50%,部分大中城市达到70%;农村留守老人约4000万,占农村老人的37%。而且预计,今后我国老年人口还会以年均800万以上的规模激增,到本世纪中叶我国的老人将达到4个亿。那时16亿人口中老人就会多达31%。因此,加快发展养老服务业,有效应对人口老化,已成为重大民生问题。     

大数据时代背景下的医学思考*--转化医学新趋势前瞻

作为21世纪最具活力的医学发展模式,转化医学为基础和临床构建了交流沟通的高效平台,当前正朝着多学科、多领域、多系统的方向迈进。随着信息技术与生命科学的交叉融合,生物医学已经迈入大数据时代。大数据既保证了医学实践的深度,有深度才能洞悉本质;又保证了医学实践的高度,有高度才能总揽全局。因此,大数据的出现为深陷还原论泥潭的现代医学提供了有效的解决途径。大数据浪潮对医学基础研究和医疗实践的深远影响,必将为转化医学发展带来新的发展机遇。     

缺失数据的结构方程建模:全息极大似然估计时辅助变量的作用

本研究通过蒙特卡洛模拟考查了采用全息极大似然估计进行缺失数据建模时辅助变量的作用。具体考查了辅助变量与研究变量的共缺机制、共缺率、相关程度、辅助变量数目与样本量等因素对参数估计结果精确性的影响。结果表明,当辅助与研究变量共缺时:(1)对于完全随机缺失的辅助变量,结果更容易出现偏差;(2)对于MAR-MAR组合机制,纳入单个辅助变量是有益的;对于MAR-MCAR或MAR-MNAR组合机制,纳入多于一个辅助变量的效果更好;(3)纳入与研究变量低相关的辅助变量对结果也是有益的。     

大数据时代人的尊严和价值——以个人隐私与信息共享之间的伦理抉择为中心

隐私位于人的尊严的核心部分,尊重个人隐私就是人的尊严和价值的体现.在21世纪,信息交流和社会信息资本的聚集已经彻底改变了世界,然而,新的社交媒体和互动方式的出现,也导致了在共享信息时对个人隐私过度"消费"的现象.在遭遇数据制霸的信息共享时代,个人隐私不再是个人的事情,而成了社会公共领域的重要事件,面对信息共享所带来的侵犯个人隐私的社会现象,深入探寻在个人隐私与信息共享之间的伦理抉择,客观分析其症结,建构合理解决措施,具有重要的理论意义和实践价值.     

引入眼动注视点的联合-交叉负载多模态认知诊断建模

多模态数据为实现对认知结构的精准诊断及其他认知特征(如, 认知风格)的全面反馈提供了可能性。为实现对题目作答精度、作答时间(RT)和视觉注视点数(FC)的联合分析, 本文基于联合-交叉负载建模法提出3个多模态认知诊断模型。实证研究及模拟研究结果表明: (1)联合分析比分离分析更适用于多模态数据; (2)新模型可直接利用RT和FC中信息提高潜在能力或潜在属性的估计准确性; (3)新模型的参数估计返真性较好; (4)忽略交叉负载所导致的负面结果比冗余考虑交叉负载所导致的更严重。     

基于过程数据的问题解决能力测量及数据分析方法

问题解决能力是指在没有明显解决方法的情况下个体从事认知加工以理解和解决问题情境的能力。对问题解决能力的测量需要借助相对更复杂、更真实、具有可交互性的问题情境来诱导问题解决行为的呈现。使用虚拟测评抓取问题解决的过程数据并分析其中所蕴含的潜在信息是当前心理计量学中测量问题解决能力的新趋势。首先, 回顾问题解决能力测量方式的发展：从纸笔测验到虚拟测评。然后, 总结对比两类过程数据的分析方法：统计建模法和数据挖掘法。最后, 从非认知因素的影响、多模态数据的利用、问题解决能力发展的测量、其他高阶思维能力的测量和问题解决能力概念及结构的界定五个方面展望未来可能的研究方向。     

题目因素分析：基于SEM和基于IRT的两类方法

心理和教育测量一般只能达到顺序量表的水平,其测量数据与被测因子间并非简单线性关系。题目因素分析是用来描述测量题目与因子间非线性关系的统计模型。题目因素分析主要有基于结构方程模型和基于项目反应理论两类方法,两类方法之间存在紧密的联系,甚至可以看作是同一模型的两种表现形式。本文详细阐述了该关系,同时对两类方法在参数估计、模型拟合指标、测量一致性检验和支撑软件等方面的特点进行了分析和比较,以便研究者选择最为适合其研究的方法。     

基于实验哲学方法的Knowing-How研究

【导语】从历史上来讲,17世纪自然哲学向自然科学过渡时就曾经出现过“实验哲学”,它实际上属于近代自然哲学的一部分,其目的是通过科学实验研究自然规律。而现在所说的“实验哲学”则是近年来出现的一种基于经验数据的哲学探究,如通过经验调查探讨普通公众的直觉,以此检验哲学分析中的相关立场。实验哲学方法的引入,在语言、意识、自由意志与责任、直觉在认识上的可靠性等问题上重构或激发了一系列新的哲学论争。在传统的哲学研究中,实验哲学可用于概念分析厘清、为哲学辩论提供经验前提,也可用于对信念的拆穿论证或探讨偏见对信念与判断的影响。作为一种新的哲学研究进路,从语言哲学中的指称理论的经验证据到伦理学中的电车难题,实验哲学使得基于案例的哲学论证可以诉诸哲学家和常人的经验,但也因此使案例方法作为元哲学方法的地位受到了质疑。从元哲学来看,实验哲学的有效性与局限性,皆与其自然主义的底色密切相关--哲学认识的主体从哲学家或抽象的主体转换为不同类型的主体,哲学认识也从哲学家坐在椅子上的思考转换成对不同主体自然发生的认识的经验考察。由此,实验哲学使哲学在一定程度上从基于哲学理论的哲学变成了基于常人经验的哲学:其应用让我们看到在我们的文化中技能知识与命题知识无法完全区分,还能够为我们揭示哪些地方是直觉容易出错的“雷区”。无疑,实验哲学对认识实践过程的描述使哲学研究更为贴近真实的时空情境和历史脉络,使哲学分析的视野拓展到诸如“道德研究能否提升研究者的道德水平”“生命科学家的基因概念”等新问题。值得追问的是,实验哲学以及新近兴起的经验性哲学研究是否将会发展为哲学的主流进路,还是仅仅作为概念分析等传统的理论化哲学进路的某种替代或补充?