等级数据的测量不变性检验及影响因素模拟研究

研究介绍了针对等级数据的模型建构（LRV,潜在反应变量模型）和参数估计（WLSMV）方法,以及在此基础上的测量不变性检验（DIFFTEST）方法,同时采用蒙特卡洛模拟研究方法,考察样本总量大小、组间样本量对比情况、阈值差异程度、量表长度等因素,对DIFTEST进行针对等级数据的测量不变性检验效果的影响情况,以及WLSMV估计方法下的参数复原情况。研究结果发现WLSMV估计方法参数的复原效果很好;DIFFTEST的一类错误概率达到可接受水平,在大样本情况下、组间样本量基本相等、阈值差异程度较大时,DIFFTEST检测力较好。在控制测量不变性遭受破坏的项目个数情况下,随着测验长度的增加,DIFFTEST的检测力下降。     

大数据在高校招生宣传中的运用

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。     

智慧城市工程改造中的建设思路与探索——以大连市为例

智慧城市是未来城市发展的新趋势,能够卓有成效地提高城市的竞争力与生命力,使产业与城市的运作事半功倍。大连作为一个国家创新发展的试点城市,具备了智慧城市的建设基础,现针对智慧大连现存的争论焦点,简述了智慧大连统筹规划步伐滞后、建设运维与投入冲突、业务协同机制不健全从而显露出信息数据孤岛与部门垂直封闭的形势,智慧城市领域的法律法规仍然不够健全和智慧城市管理者的理念和管理架构陈旧的相关问题,提出相关建设思路,即利用PPP模式革新工程建设,统一建设整合资源共享的云数据平台,制定智慧城市建设相关的法律法规,加大综合集成管理平台软件建设投入,系统性、计划性地培养分管智慧城市工作的管理人才。     

认知诊断Q矩阵估计(修正)方法

Q矩阵代表着项目考察的属性, 反映了项目的重要特征, 其正确性是影响认知诊断分类准确性的关键因素。研究Q矩阵估计(修正)方法具有重要价值。首先, 研究从是否采用认知诊断模型将Q矩阵估计(修正)分为基于认知诊断模型视角下的参数化方法和基于统计视角下的非参数方法。然后, 分别从最优项目质量、最优模型数据拟合和参数估计视角对它们进行分类介绍, 评析不同方法的特征和表现、区别与联系、优势与不足。最后, 提出几个未来研究问题：在复杂测验条件下系统比较各种方法; 校准知识状态和参数估计误差、结合多种思路和方法等多角度提出Q矩阵估计(修正)方法; 研究多级评分项目、混合测验模型、属性多级、属性个数未知甚至Q矩阵元素为连续变量等条件下的Q矩阵估计(修正)方法。     

问卷调查中被试不认真作答的控制与识别

问卷调查是心理与教育领域十分常见的数据收集方法, 而被试的不认真作答可能导致问卷数据失真。回顾已有研究发现:(a)不认真作答可以从外在作答模式和内在产生原因两个方向进行定义; (b)不认真作答的常见事前控制方法主要包括降低任务难度以及提高被试作答动机两大类; (c)事后识别方法主要包括嵌入识别量表、作答模式识别、反应时识别三大类。今后的研究中应基于作答机制的研究优化与开发控制方法, 检验作答识别方法的跨情境适用性并开发新方法, 并对局部不认真的识别与处理进行更深入的探讨。     

第四研究范式:大数据驱动的社会科学研究转型

大数据在社会科学研究领域的应用使社会科学研究正在经历从定性研究、定量研究、仿真研究向大数据研究的第四研究范式转型。第四研究范式缓解了已有社会科学研究用通则理论和简单数量关系来解释复杂社会现象,用小数据小样本来外推复杂的社会因果关系,用有限数据来模拟复杂信息条件下的宏观涌现等问题。这样第四研究范式就突破了传统社会科学研究目标弱化、学科学派对立、有限数据质量和统计偏误等的局限性。大数据通过对个体化、全样本的研究,为社会科学提供了精准的数据和计算实验平台,重建了社会科学预测的可能性,推动了社会科学宏观理论研究的发展,促进了社会科学内外部学科之间的融合,形成了社会科学知识体系多元化集成和拓展,是社会科学方法论的革命和认识论的跃迁。社会科学四个研究范式之间并非是相互替代的关系,它们都是我们进行社会科学研究的有效工具,但第四研究范式将为已有社会科学研究提供更高的数据起点和更广阔的方法论视角,同时也要求我们加速数据开放,注意数据伦理问题,构建跨学科合作网络,缔结基于大数据研究的科学共同体。     

佛寺人力资源管理与大数据建设 以无锡开原寺“智慧僧团”大数据平台建设为例北大核心CSSCISSCI

开展僧才的培养、僧团的管理一商是佛教界永恒的课题。干百年来,历代佛门大德高僧始终将僧才教育、僧团管理作为佛教之根本,从隋唐的丛林管理至近现代的新式佛教学院教育,无不倾注着一代代佛门大德对僧宝建设管理的心血与期望。     

从技术理性到行政伦理——大数据时代智慧治理的伦理反思

大数据推动了政府治理模式的变革,智慧治理是大数据时代政府治理的新模式,然而智慧治理面临人的主体性、隐私与自由、社会公正等诸多伦理挑战,这些挑战与技术理性的张扬密切相关。智慧治理的目的是实现公共善,而要实现公共善,就要对这种技术理性进行必要的行政伦理的审视,通过责任伦理实现价值理性与技术理性、目的善与手段善、公共善与公民权利之间的平衡,从而使智慧治理获得伦理确证与道德规约。     

《条件推理的条件概率模型》的新进展

推理心理学中的任何重要的理论模型在提出后都有一个不断修订和完善的发展过程。Oaksford等为了解释他们在"Wason四卡片选择任务"的实验研究结果,于1994年提出了"最佳数据选择模型";2000年将这一模型扩展为"条件推理的条件概率模型"用于解释人类进行条件推理的心理加工机制;2007年又将这一模型做了新的修订。本文拟对这一模型新进展的内涵介绍给我国对推理心理学研究领域有兴趣的研究者。     

基于题目作答时间信息的认知诊断模型

在认知诊断评估中利用过程性数据,如作答时间信息,能进一步提升诊断精度。通过建立被试正确作答概率与个体速度参数之间的回归模型,开发了更简洁的新模型：RRT-DINA模型。采用实证与模拟研究,与JRT-DINA模型比较,探讨了新模型的性能。PISA2012数据研究表明,RRT-DINA模型的拟合效果更好。模拟研究结果表明：（1）RRT-DINA模型可采用MCMC算法实现参数估计,估计精度较高。（2）当以RRT-DINA生成数据时,RRT-DINA的题目参数估计精度优于JRTDINA;当以JRT-DINA生成数据时,JRT-DINA的题目参数估计精度稍微优于RRT-DINA。（3）当以RRT-DINA生成数据时,RRT-DINA的判准率优于JRT-DINA模型;当以JRT-DINA生成数据时,JRT-DINA的判准率稍微优于RRT-DINA,且差距较小。