初中生心理健康与气质、父母教养方式的关系

本研究从心理健康出发,采用《中学生心理健康量表》、《艾森克人格问卷》(儿童版)、《父母教养方式评定量表》对329名初中学生进行测量,探求初中生心理健康与气质、父母教养方式的关系。研究结果发现,初中生的心理健康与气质、家庭教养方式三者间存在交互作用,气质和家庭教养方式对心理健康有影响,气质是某些父母教养方式因子与心理健康的中介因素;并且气质特点与某些父母教养方式对初中生心理健康有较强的预测效应。     

理解评估与成绩预测：两种不同的元理解监测形式

探讨理解评估与成绩预测与各种强化元理解监测线索的认知任务的关系。结果发现,理解评估与成绩预测的判断值偏离标准测验成绩的程度受监测线索强化方式的调节;主动强化监测线索比被动强化更能提高理解评估和成绩预测的精确性;精确的理解评估或成绩预测所需的线索不同,利用同一线索评估理解或预测成绩,其精确性也不同。这一结果挑战了元理解监测的一维观,表明理解评估与成绩预测涵盖了元理解监测不同方面的心理特征     

快速命名对汉语阅读的选择性预测作用

本研究采用分层回归的分析方法,考察了不同阅读能力组中快速命名(Rapid Automatized Naming,RAN)、汉字阅读和快速阅读之间的关系。为了控制IQ和年龄的作用,分层回归中IQ和年龄被放入回归方程的第一层。通过变换自变量进入方程的顺序,本研究分别考察了不同阅读水平组的RAN和汉字阅读对快速阅读的相对重要性。研究结果表明,RAN对阅读障碍组的汉字阅读的解释率更大,对于快速阅读的预测,结果表明RAN对不同阅读能力和不同的阅读过程具有选择性的预测作用。     

维度的结合与分离对归类不确定性预测的影响

探讨在归类不确定的情境下目标与预测特征两个维度的结合或分离对被试特征预测的影响。共包括 3个实验 :实验 1在Murphy和Ross的研究的基础上进一步提高非靶类型中目标及预测特征的基本概率 ,考察被试的特征预测是否会受非靶类型信息的影响。实验 2探讨非靶类型的目标与预测特征结合与否是否会影响被试预测特征时对非靶类型信息的使用。实验 3探讨提高靶类型中目标与预测特征结合的比例是否影响被试对特征的预测。结果表明 :当非靶类型中目标与关键特征处于分离的状态时 ,被试在进行特征预测时没有利用非靶类型的信息 ,符合单类说的假设 ;而当非靶类型中目标与关键特征结合时 ,被试在进行特征预测时则会利用非靶类型的信息 ,符合Bayesian规则 ;靶类型中的目标与关键特征结合的比例提高 ,被试对特征预测的概率也随之提高。据此 ,本研究将目标与预测特征结合比例这个变量加入Bayesian规则的计算公式 ,对该预测模型进行了修正     

数字龛位的主动推理：迈向元宇宙的预测心智

基于主动推理架构的预测心智理论可描绘个人与媒介的动态耦合,揭示互联网革命的终局——“元宇宙”——在认知意义上的本质：接地的、具身的、内容愈发丰富的信息传播媒介终将成为互联网用户数字生活的认知龛位乃至生态龛位,个人与媒介终将在互动中实现有别于传统形态的意义建构：在更大的空间尺度和更长的时间跨度上,这种变化只是个人与媒介围绕主动推理的主导地位展开往复争夺的缩影。     

中国管理者隐性知识的结构及相关研究

该研究以Sternberg的隐性知识理论为基础,目的在于探讨中国背景下管理者隐性知识的结构,探讨隐性知识与经验、认知能力的关系以及隐性知识对绩效的预测作用。经修订研究所采用的Sternberg等人开发的管理者隐性知识量表有较好的信效度,验证性因素分析得出中国背景下的管理者隐性知识是一个二阶三因素结构。相关分析表明,管理者隐性知识与管理经验显著相关,而与工作年限以及逻辑推理能力无显著相关。分别以管理者自评绩效和其参加的评价中心测评结果作为效标,分层回归分析发现管理他人的隐性知识在一般认知能力之外对管理潜力、任务和周边绩效均有递增预测效度,管理自我的隐性知识在一般认知能力之外对周边绩效也有递增预测效度。     

等级效标分数的概率神经网络预测方法研究

针对基于统计学的等级效标分数预测存在的问题,提出了运用概率神经网络进行等级效标分数预测的方法。在20种条件下进行了计算机模拟实验,包括测验分数为单变量和多变量,以及各种水平的白噪声干扰条件,结果表明在测验分数为多变量的情况下,或者在有白噪声干扰的条件下,运用概率神经网络方法可以比统计学方法更好地对等级效标分数进行预测。     

为什么归纳逻辑需要所罗门诺夫先验?(英文)

二十世纪五十年代,卡尔纳普发展了归纳逻辑,他把概率看作一种证据对假设对"确证度";二十世纪六十年代,所罗门诺夫用通用归纳方法进行预测。为了增强归纳逻辑的归纳预测能力以及扩展所罗门诺夫通用归纳方法的表达力,本文整合二者。本文首先将所罗门诺夫先验概率的思想引入归纳逻辑中,在这个框架下,证明一阶逻辑版本的所罗门诺夫完全性定理,然后比较二者的优略。在卡尔纳普的归纳逻辑中,不管正面证据有多少,对像"所有乌鸦都是黑的"这种全称句的支持度最终都为零,而在用所罗门诺夫先验改造的归纳逻辑中,可以证明,在任何可计算的世界中,"所有乌鸦都是黑的"可以得到确证,只要在那些世界上真的所有乌鸦都是黑的。在所罗门诺夫的模型中,要证明完全性定理需要记录所有的过去信息,在修改后的归纳逻辑中,我们可以只关注某种具体的模式而忽略其它无关信息并证明类似的收敛定理。我们甚至可以不用记录所有的相关信息而采用随机抽样的方法建立合理的信念。     

帮忙失败后我会被差评吗?好心帮倒忙中的预测偏差

好心帮倒忙事件时有发生, 帮忙失败的施助者往往认为受助者会苛责自己, 因而可能不愿再次提供帮助。这种预测准确吗?通过6个研究( N = 1763), 对比施助者对受助者反应的预测和受助者的实际反应, 发现了施助者在好心帮倒忙时的预测偏差：他们高估了受助者的负面反应。而在帮忙成功时, 施助者未出现预测偏差或预测偏差的强度较弱。导致该预测偏差的原因是, 施助者更为关注自身的能力, 以为受助者也关注自己的能力, 而受助者更为在意施助者的温暖程度。     

最后通牒博弈中提议者情绪预测偏差对公平决策的影响:公平感知的作用

为探讨提议者情绪预测偏差对公平决策的影响以及其中介机制,采用了两轮最后通牒博弈提议者实验任务,第一轮测量分配方案被接受和拒绝的情绪预测偏差,第二轮测量提议者的分配方案。研究结果表明:(1)提议者情绪预测偏差影响公平决策;(2)公平感知在提议者情绪预测偏差与公平决策间起部分中介作用。研究认为,提议者对积极结果的情绪预测偏差,会降低其公平感知,进而降低其分配方案公平性; 提议者对消极结果的情绪预测偏差,会提高其公平感知,进而增加其分配方案公平性。