儿童母亲拒绝与同伴拒绝的关系—— 一个有中介的调节模型

摘 要 选取393家长进行问卷调查,考察儿童的母亲拒绝、家庭环境纷杂度、问题行为和同伴拒绝之间的关系。结果发现：（1）在控制了性别、年级、家庭社会经济地位后,母亲拒绝对儿童的同伴拒绝有显著正向预测作用;（2）家庭环境纷杂度调节了母亲拒绝与同伴拒绝之间的关系;（3）儿童外化问题行为在家庭环境纷杂度对母亲拒绝和同伴拒绝关系的调节效应中起完全中介作用。     

社会排斥类型对求助行为意愿的影响

从心理需求威胁的视角切入,探讨不同类型的社会排斥对求助行为意愿的影响及其作用机理。两个实验研究的结果表明,相较于被忽略,被拒绝会促使人们在后续困境中产生更高的求助行为意愿。该效应产生的心理机制在于被拒绝会威胁归属需求,被忽略会威胁控制需求,而求助行为本身能够满足人们的归属需求,但同时会降低控制感,因此归属需求和控制需求在社会排斥类型对求助行为意愿的影响中均起着显著的中介作用。     

贝叶斯题组随机效应模型的必要性及影响因素

题组模型可以解决传统IRT模型由于题目间局部独立性假设违背时所导致的参数估计偏差。为探讨题组随机效应模型的适用范围, 采用Monte Carlo模拟研究, 分别使用2-PL贝叶斯题组随机效应模型(BTRM)和2-PL贝叶斯模型(BM)对数据进行拟合, 考虑了题组效应、题组长度、题目数量和局部独立题目比例的影响。结果显示：(1) BTRM不受题组效应和题组长度影响, BM对参数估计的误差随题组效应和题组长度增加而增加。(2) BTRM具有一定的普遍性, 且当题组效应大, 题组长, 题目数量大时使用该模型能减少估计误差, 但是当题目数量较小时, 两个模型得到的能力估计误差都较大。(3)当局部独立题目的比例较大时, 两种模型得到的参数估计差异不大。     

同伴拒绝与早期青少年学业成绩的关系：同伴接纳、友谊支持的调节作用

采用同伴提名法获得215名早期青少年(5年级、7年级)的同伴地位(同伴拒绝、同伴接纳)分数,采用关系网络问卷(NRI)获得友谊支持分数,以学生期中考试的语文、数学、英语成绩的班内标准分的三科平均分作为个体学业成绩的指标,分析同伴拒绝与学业成绩的关系,以及同伴接纳和友谊支持对二者关系的调节作用及其年级和性别差异。结果发现:(1)女生的学业成绩高于男生,同伴拒绝、同伴接纳、友谊支持水平均不存在性别差异;(2)同伴拒绝均显著负向预测5、7年级学生的学业成绩,且这种预测作用不存在显著的性别差异;(3)在7年级,学生的同伴接纳可以调节同伴拒绝与学业成绩的关系,尽管高同伴接纳并不能补偿高同伴拒绝给学业成绩带来的消极影响,但它也是个体获得良好学业成绩的必要条件;在5年级和7年级,友谊支持都不能调节同伴拒绝与学业成绩的关系。     

项目反应时间的对数偏正态模型

近年来,项目反应时间数据的建模是心理和教育测量领域的热门方向之一。针对反应时间的对数正态模型和Box-Cox正态模型的不足,本文在van der Linden的分层模型框架下基于偏正态分布建立一个反应时间的对数线性模型,并成功给出模型参数估计的马尔科夫链蒙特卡罗（Markov Chain Monte Carlo, MCMC）算法。模拟研究和实例分析的结果均表明,与对数正态模型和Box-Cox正态模型相比,对数偏正态模型表现出更加优良的拟合效果,具有更强的灵活性和适用性。     

COMT基因Val158Met多态性与同伴关系对青少年抑郁的影响

以1048名汉族青少年为被试,采用问卷法和基因分型技术,综合运用传统回归分析和新兴的再参数化回归分析,考察COMT基因Val158Met多态性与同伴关系对青少年抑郁的交互作用模式及其性别差异。结果发现,COMT基因与同伴接纳和同伴拒绝交互预测青少年抑郁,具体表现为,在低同伴接纳或高同伴拒绝环境中,携带ValVal基因型的青少年抑郁水平高于Met等位基因携带者;在高同伴接纳或低同伴拒绝环境中,携带ValVal基因型的青少年抑郁水平低于Met等位基因携带者。此外,COMT基因与同伴接纳和同伴拒绝的交互作用与男生抑郁的关联更加密切。结果显示,COMT基因与同伴关系的交互效应为不同易感性模型提供了证据,而且该基因×环境交互效应存在性别差异。     

主，求祢宽恕

赤条条地来到世上,对赐给我们灵魂的爱者和给予我们肉体的父母,我们心怀感恩。我们在人寰中奔波,苦也好,悲也罢,带着一身尘埃,但我们并不是孤独地行走,成为拒绝世间生活的隐士,我们只是拒绝某种生活方式,圣神为我们作伴,我们心怀感恩、这是一个生命走向圣化的最初一截路。     

基于多Agent的运动图像匹配任务分配策略研究

本文针对基于多Agent的运动图像匹配系统的任务分配策略进行了讨论,并结合遗传算法和模拟退火算法给出了一种新的基于多Agent的运动图像模式匹配系统的任务分配策略。     

多题多做测验模型及其应用

在IRT框架下,建立了0-1评分方式下单维双参数Logistic多题多做（MAMI）测验模型。与Spray给出的一题多做（MASI）模型相比,MAMI不仅模型更加精致,而且扩展了适用范围,参数估计方法也不同,采用EM算法求取项目参数。Monte Carlo模拟结果显示,应用MAMI测验模型与测验题量作相应增加的作法相比,两者给出的能力估计精度相同,但MAMI模型给出的项目参数估计精度更高。如果将MAMI测验模型与被试人数相应增加的作法相比,项目参数的估计精度相同,但MAMI给出的能力参数估计精度更高。这个发现表明,在一定条件下若允许修改答案,并采用累加式记分方式,纵使题量不变,也可使能力估计的精度相当于题量增加一倍的估计精度,而项目参数估计精度也会提高。这些发现不仅对技能评价和认知能力评价有参考价值,而且对数据的处理方式也有参考价值     

人工智能算法的非殖民化伦理策略

在人工智能时代,大数据和算法学已经广泛嵌入社会生活领域,但从本质上看,算法是政治传播的积极力量,算法本身也成为一种新的政治形态,但由于当前人工智能技术的权力滥用与价值失范问题,造成了数据空间中算法压迫、算法剥削、算法剥夺等殖民主义场景。因此,在面向未来的人工智能共同体框架下,人们亟需运用非殖民化理论对人工智能技术所引发的算法殖民等伦理问题进行审视,形成一种人工智能的非殖民化伦理策略。这对于在未来社会构建一个更加公平、负责任和高透明度的算法系统具有重要意义。