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。     

大学生诚信缺失及高校教育对策

提高大学生的诚信意识,培养大学生的诚信行为,是当前高校急需解决的问题。本文从分析大学生诚信缺失的表现入手,剖析其深层次的原因,在此基础上提出大学生诚信缺失的教育对策。期望本文对解决大学生诚信缺失问题具有积极作用。     

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。     

问题解决测验中过程数据的特征抽取与能力评估

基于计算机的问题解决测验可以实时记录被试探索环境和解决问题时的详细行动痕迹, 并保存为过程数据。首先介绍了过程数据的分析流程, 然后从问题解决测验入手, 分别对过程数据的特征抽取和能力估计建模两方面的研究进行了梳理和评价。未来研究应注意：提高分析结果的可解释性; 特征提取时纳入更多信息; 实现更复杂问题情景下的能力评估; 注重方法的实用性; 以及融合与借鉴不同领域的分析方法。     

适用于多维迫选测验的IRT计分模型

迫选(forced-choice, FC)测验由于可以控制传统李克特方法带来的反应偏差, 被广泛应用于非认知测验中, 而迫选测验的传统计分方式会产生自模式数据, 这种数据由于不适合于个体间的比较, 一直备受批评。近年来, 多种迫选IRT模型的发展使研究者能够从迫选测验中获得接近常模性的数据, 再次引起了研究者与实践人员对迫选IRT模型的兴趣。首先, 依据所采纳的决策模型和题目反应模型对6种较为主流的迫选IRT模型进行分类和介绍。然后, 从模型构建思路、参数估计方法两个角度对各模型进行比较与总结。其次, 从参数不变性检验、计算机化自适应测验(computerized adaptive testing, CAT)和效度研究3个应用研究方面进行述评。最后提出未来研究可以在模型拓展、参数不变性检验、迫选CAT测验和效度研究4个方向深入。