对热休克反应的哲学思考

生物细胞在受到各种有害因素刺激后,会发生一种应激反应,其间细胞内的正常蛋白质合成受抑,而合成一些新的蛋白质,这种现象及所合成的蛋白质被称之为热休克反应和热休克蛋白。研究发现,热休克反应是生物细胞对环境因素的适应性反应,并广泛存在于从原核到真核生物的生物体内。对人类而言,其功能是多样的,利弊共存,形成了相互联系相互转化的对立统一关系     

社会认知中印象形成的启动效应研究:频因,近因效应

本文以社会认知为出发点,考察印象形成的启动效应,它采用性质不同的成语作为实验材料,并操纵启动刺激的结构,系统探讨了印象形成的启动效应中原因与近因效应,结果发现：当呈现表示同一品质但性质相反的成语时,如果启动刺激和目标刺激之间不延迟,则近因在启动效应中起作用,但在延迟情况下,频因在启动效应中占优势;同时随着延迟的出现,启动效应明显变小。实验结果支持启动效应的突触模式说;     

项目反应模型的拟合性研究

本文以高等学校入学考试的考生实测数据，对项目反应理论数学模型的选用及数学模型的拟合性作统计检验，并对样本容量与项目反应模型的拟合性关系、样本容量与项目反应模型参数估计的关系作出讨论。     

略论郭店楚简《五行》思想

郭店楚简《五行》首先对“五行”一词进行了更内在的分析与理解,认为仁、义、礼、智、圣五行,形于内则谓之德之行,未形于内则谓之行。德之行五和谓之德,四行和谓之善。德,天道也;善,人道也。二者所适用的范围与所成就的境界是不同的。而如何为善,如何成德,如何集大成以成君子？简书认为仁、义、礼、智、圣五行是与心之用紧密不可分的。所以为善成德,乃在于涵摄四行、五行之心自体的和乐一同。这也就是所谓“为一”、“慎独”的工夫。君子成己亦成人,涵德兼善而集其大成。此外,《五行》还比较突出了圣智的全体作用,认为是仁义礼乐之本源。     

情绪研究中的若干问题综述

该文从情绪的分类、测量、在实验室条件下引起情绪唤起的方法和自我报告的准确性四个方面对情绪研究中的一些重要问题进行了综述介绍。大量研究表明,在情绪研究中存在的问题还大大多于答案。研究者对于情绪的二级分类方法、情绪生理和生化反应的对应性问题等都存在着不同的意见并得出了不同的研究结果。文章对今后的研究方向进行了讨论。     

心理学视野下的社会变迁研究：研究设计与分析方法

近年来,社会变迁导致的文化、心理与行为变化及其相互建构已经成为心理学的研究热点。社会变迁研究通常涉及和变迁相关的时间效应、时代效应以及和变迁无关的年龄效应。在考察变迁趋势及其影响因素时,常用的研究设计有跨时间比较、跨代际比较、跨地区比较(历史重构)等方法;常用的分析方法有传统的相关和回归分析和现代的时间序列分析(比如交叉滞后相关和格兰杰因果检验)等。由于每一种设计都有其优点和不足,在具体研究中,研究者要根据研究的问题和可操作性选择合适的方法;如果可能,最好同时采用多种方法,以寻求基于不同方法的聚合证据。     

改良单组设计下的跨年等值影响因素研究

针对我国测评项目的高安全性需求,提出锚人与锚题相结合的新跨年等值设计,并采用基于实证数据的模拟研究方法探究等值方法、锚人数量、锚测验组卷方式和不同测验周期被试能力差异对等值精度的影响。结果表明：以上因素均影响等值精度且等值方法的影响突出。建议：（1）锚人较少时采用需量尺转换的等值方法;（2）锚测验组卷方式应与等值方法计算特点相匹配;（3）各周期被试能力差异较大时可酌情增加锚人或调整锚测验组卷方案。     

心理测验中个人拟合研究的回顾与展望

个人拟合研究是对心理测验中偏差行为鉴别的一种新方法,它以Guttman理想模型、项目反应理论和非参数项目反应理论为基础。传统个人拟合指标是对宽泛偏差行为的检验,当前个人拟合研究更具体、更形象,针对于某种偏差行为的专门性指标和图形与回归分析受到了越来越多的关注。但无论哪种个人拟合方法都会受到各种无关因素的影响,如何克服这些影响,提高个人拟合方法的实际应用价值将成为个人拟合研究的主要方向     

多维项目反应理论补偿性模型参数估计:基于广义回归神经网络集合

运用广义回归神经网络(GRNN)方法对小样本多维项目反应理论(MIRT)补偿性模型的项目参数进行估计,尝试解决传统参数估计方法样本数量要求较大的问题。MIRT双参数Logistic补偿模型被设置为二级计分的二维模型。首先,模拟二维能力参数、项目参数值与考生作答矩阵。其次,把通过主成分分析得到的前两个因子在每个题目上的载荷作为区分度的初始值以及题目通过率作为难度的初始值,这两个指标的初始值作为神经网络的输入。集成100个神经网络,其输出值的均值作为MIRT的项目参数估计值。最后,设置2×2种(能力相关水平:0.3和0.7; 两种估计方法:GRNN和MCMC方法)实验处理,对GRNN和MCMC估计方法的返真性进行比较。结果表明,小样本的情况下,基于GRNN集成方法的参数估计结果优于MCMC方法。