分类精确性指数Entropy在潜剖面分析中的表现:一项蒙特卡罗模拟研究

本研究通过蒙特卡洛模拟考查了分类精确性指数Entropy及其变式受样本量、潜类别数目、类别距离和指标个数及其组合的影响情况。研究结果表明:(1)尽管Entropy值与分类精确性高相关,但其值随类别数、样本量和指标数的变化而变化,很难确定唯一的临界值;(2)其他条件不变的情况下,样本量越大,Entropy的值越小,分类精确性越差;(3)类别距离对分类精确性的影响具有跨样本量和跨类别数的一致性;(4)小样本(N=50~100)的情况下,指标数越多,Entropy的结果越好;(5)在各种条件下Entropy对分类错误率比其它变式更灵敏。     

义符启动范式下家族大小和类别一致性对义符语义激活的影响

采用义符启动范式,考察不同加工深度任务中家族大小和类别一致性对义符语义激活的影响。结果发现:在词汇判断中,家族大小影响义符的语义激活,大家族义符的语义不容易激活,小家族义符的语义容易激活。在语义相关判断中,类别一致性影响义符的语义激活,类别一致性高的义符的语义容易激活,并且在错误率上,这一影响受义符的家族大小调节。义符类别一致性影响义符家族效应的作用方向:当类别一致性低时,出现抑制的家族效应;当类别一致性高时,家族效应无影响或表现为促进作用。     

潜在剖面模型的后续分析——比较分类分析法改进后的偏差

传统的分类分析法虽然是潜在类别模型常用的后续分析方法,但容易导致后续模型中潜在类别与其他变量之间关系的低估。现阶段已发展出多种改进的方法:一步法、基于模型的方法、Bartlett法,改进的分类分析法(包括ML三步法、BCH法、纳入式分类分析法)。本文对这些方法研究进行综述总结,进一步针对心理学研究数据的特点,使用模拟实验探讨适用于潜在剖面模型的分类分析方法,结果发现:传统方法低估潜在类别变量与因变量的关系;ML三步法只有在潜在类别概率分布平均时估计精确;BCH法估计最接近真值,但在低分类区分度、大效果量时出现概率估计为负值的情况;纳入法虽有轻微的高估,但在各种模拟条件下参数估计最为稳健。这些方法受分类区分度、类别概率均匀性以及潜在类别变量与附属变量关系的效果量所影响。     

非监控类别学习的分类策略与表征

类别学习是人类对不同类别加以归类的过程。类别信息的表征、分类策略运用的特点一直是类别学习研究的重点。非监控类别学习可分为直接的非监控类别学习和间接的非监控类别学习。直接的非监控类别学习(非限制任务, 限制任务)中被试的分类策略具有分类“单维度倾向”策略特点,类别变异程度会影响类别表征; 间接的非监控类别学习更倾向形成相似性表征, 直接的非监控类别学习则为基于规则表征。现有的非监控类别学习的理论对分类策略和表征的解释仍显薄弱, 不同学习任务下类别迁移和知识效应的研究还存在不足, 未来研究还需要进一步验证知识效应对非监控类别学习的认知加工过程的影响、探索影响类别表征形成的因素等问题。     

失独父母创伤后应激障碍症状的潜在类别及其相关因素

摘 要 研究旨在探讨失独父母创伤后应激障碍（PTSD）症状的潜在类别及相关因素,分析不同类别失独父母心理韧性的差异。采用创伤后应激障碍量表（PCL-5）、心理韧性量表对385名失独父母进行测查。结果发现：（1）失独父母PTSD症状存在三种潜在类别：PTSD高症状组（30%）、PTSD中度症状组（38%）、PTSD低症状组（32%）。（2）相比PTSD低症状组而言,PTSD高或中度症状组有显著的年龄和失独年限效应,PTSD高症状组中年龄≤60岁、失独年限<10年的人群所占比例较高;PTSD中度症状组的年龄≤60岁的人群所占比例更高。（3）PTSD高症状组心理韧性得分显著低于其他两组。应及时关注和干预小于60岁、失独年限<10年和低心理韧性的失独群体。     

Déjà vu现象理论及其相关实验研究述评

Déjà vu指任何对目前体验的一种不适宜的熟悉感,并伴随着对过去体验的不确定感。对déjà vu的进一步深入研究将澄清对记忆的认识。首先,文章阐述了déjà vu现象产生的理论解释;其次,将相关的实验研究概括为：阈下知觉实验研究和阈上知觉实验研究。最后,讨论了目前déjà vu研究中所存在的一些问题。     

归纳推理中相似性和类别标签的作用

该文采用“篇章阅读”实验范式探索了归纳推理中前提类别和结论类别间相似性、结论类别标签属性对归纳推理的作用。90名大学生被试参加了3个实验。实验1结果表明,归纳推理受前提类别和结论类别之间相似性的影响,相似性越高归纳推理力度越强;实验2结果表明,归纳推理还受结论类别上位类别知识的影响,当类别属性和相似性冲突情况下,被试更倾向按照类别属性进行推理;实验3结果表明,归纳推理通达上位类别知识是一个主动建构的过程,即使是在类别标签不确定的情况下,被试仍然依赖类别标签进行推理。并初步提出了“归纳推理力度=两事物相似性×归类概率”模型设想。     

类别学习中两种学习模式的比较研究：分类学习与推理学习

采用学习迁移任务范式,使用基于单一特征的类别判断技术,比较了非线性分离结构下,分类学习和推理学习的学习效率、学习过程与策略和学习结果。结果表明：在学习效率上,分类学习比推理学习更好地习得了含有较多样例的类别知识,分类学习的速度上显著快于推理学习。在学习的过程与策略上,推理学习比分类学习更为关注类别内不同特征的相关,但在分类策略的运用上不如分类学习灵活。在学习的结果上,推理学习倾向于原型记忆,分类学习倾向于进行样例记忆,分类学习比推理学习更好地掌握了类别原型     

类别学习的SUSTAIN模型

SUSTAIN模型是关于类别学习的类群或群集规则的选择模型,它强调多层次的类别子结构和模型的结构搜索功能.模型的运行以类别相似性为基础,从最简单的规则开始,有灵活的参数及其运算过程,与其他主要的类别学习模型相比有更多的优势.因此,SUSTAIN模型是迄今解释人类类别学习的最优模型.     

犯罪心理学研究中运用量化方法引起的理论思考

量化与统计分析,是一项重要的研究方法。这一方法在犯罪心理学研究中得到了广泛运用,同时也存在着使用的局限性。犯罪人有很强的心理掩饰性,对包括犯罪人在内的人的心理的测量实际上是一种间接测量,测得的数据是心理学家标定的数据,兼有客观性与主观性。量化研究如果不与科学思维相结合,有可能得出浅薄平庸甚至错误的结论。心理学研究应当以"人性"为基点,多种方法综合运用,实现量化方法与非量化方法的有机结合。