全文获取类型
收费全文 | 277篇 |
免费 | 49篇 |
国内免费 | 197篇 |
出版年
2024年 | 4篇 |
2023年 | 14篇 |
2022年 | 11篇 |
2021年 | 12篇 |
2020年 | 13篇 |
2019年 | 14篇 |
2018年 | 20篇 |
2017年 | 13篇 |
2016年 | 17篇 |
2015年 | 13篇 |
2014年 | 35篇 |
2013年 | 27篇 |
2012年 | 38篇 |
2011年 | 33篇 |
2010年 | 21篇 |
2009年 | 33篇 |
2008年 | 30篇 |
2007年 | 17篇 |
2006年 | 17篇 |
2005年 | 29篇 |
2004年 | 24篇 |
2003年 | 20篇 |
2002年 | 10篇 |
2001年 | 10篇 |
2000年 | 10篇 |
1999年 | 6篇 |
1998年 | 5篇 |
1997年 | 5篇 |
1996年 | 2篇 |
1995年 | 4篇 |
1994年 | 3篇 |
1993年 | 5篇 |
1992年 | 4篇 |
1991年 | 2篇 |
1989年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有523条查询结果,搜索用时 15 毫秒
91.
该研究采用基于双重任务的实验研究范式,采用双字词作为实验材料,考察了知觉和语义两种进行中任务加工类型对前瞻记忆TAP效应的影响。结果发现:进行中任务加工类型对前瞻记忆绩效的TAP效应有显著影响。当进行中任务为知觉加工时,前瞻记忆任务的绩效存在显著的TAP效应;当进行中任务为语义加工时,前瞻记忆任务绩效的TAP效应没有出现。 相似文献
92.
本研究从三种宗教出发考查了一神论宗教的自我认知中的神圣和人类他者的表征。自我认知的概念是以叙事数据中的语义系统和情景知识为基础。考虑到认知图式形成中社会背景的重要性,本研究强调了比较宗教设计中的自我认知。样本包括60名指定的具有宗教背景的被试,对他们进行结构性访谈。在潜在语义分析(LSA)的计量模式中,通过比较自我和其它表征来绘出犹太教徒、伊斯兰教徒和基督教徒的图示。结果表明对所有的被试来说,在认知模式中的神圣表征与其父母相去甚远。与犹太教徒和基督教徒不同,伊斯兰教徒好像是以自我认知为基础来表征人性的其它方面,这种自我认知主要参考对神圣的理解。在考查计量语义空间的时候,被试通常是通过与神圣和类似人物相应的方式来表征自我的。 相似文献
93.
94.
命题逻辑的一般弱框架择类语义是相干邻域语义的变形,其特点是:采用择类运算来刻画逻辑常项;语义运算与逻辑联结词之间有清晰的对应关系,可以从整体上处理一类逻辑,具有普适性。本文将这种语义用于一类B、C、K、W命题逻辑,包括相干逻辑R及其线性片段、直觉主义逻辑及其BCK片段等,并借助典范框架和典范赋值,证明了这些逻辑系统的可靠性和完全性。 相似文献
95.
96.
遗忘症患者外显与内隐记忆实验研究:语义性启动效应任务 总被引:4,自引:1,他引:3
采用WMS—CR和MMSE对临床脑损伤患者进行了认知功能与记忆功能两方面的筛选,获得9名遗忘症患者。然后采用偏好和自由联想两项语义性启动效应任务进行测验,发现遗忘症患者在外显记忆受损情况下,的确存在语义性启动效应,且与正常对照相近。推论语义性启动效应任务与遗忘患者损伤的颞叶或间脑结构无关。同时还讨论了启动效应任务,认为偏好任务采用言语性材料不是理想的方法。 相似文献
97.
98.
本研究包括三个实验。实验一在混和呈现条件下比较被试对隐喻句和类属句的加工时问,发现可理解性高的隐喻句的R_T不比类属句的慢。实验二在分组呈现条件下比较被试加工隐喻句与类属句的速度,结果与实验一基本相同。实验一、二中还发现类属概念的层次与语义加工时间没有必然联系。实验三比较了隐喻句对三类概念的启动作用,发现隐喻对自身的语义特征概念有明显的启动作用。根据三个实验的结果,我们提出了一种称为特征联结的语义网络结构模型。 相似文献
99.
柯林斯语义层次网络模型的实验研究 总被引:2,自引:1,他引:1
应用语义验证法对柯林斯与奎利安的语义层次网络模型进行研究,结果表明:(1)柯林斯等人的语义层次网络模型不完全适用于人脑的信息加工;(2)被试对主语所指称客体的熟悉程度是决定语义验证时间的一个重要因素;(3)被试提取概念各属性的时间并非完全由属性储存的位置决定的。 相似文献
100.
探究不同心智活动下的神经表征差异, 是认知神经科学关注的核心问题之一。早期的脑电/脑磁分析方法主要关注组平均后的神经响应水平, 这要求在关注的时间进程上, 各个被试在相同刺激条件下事件相关电位/事件相关磁场的振幅大小和方向、以及地形图分布和极性均要有较高的一致性。近些年来, 研究者们将功能性磁共振成像研究中常用到的两种技术——机器学习中的分类算法(即基于分类的解码)和表征相似性分析——引入到了脑电/脑磁数据分析中。这两种新技术可以克服传统脑电/脑磁数据基于具体电压/磁感应强度波形平均分析的缺点, 具有在个体水平上探究神经表征编码的特点, 为人们探究大脑在不同时间进程上如何对特定的神经表征信息进行动态编码提供了新的思路。两种技术基于不同的方法学原理来抽提个体间一致的脑认知加工机制, 还为脑电/脑磁研究开展跨时域、跨任务、跨模态、跨群体比较不同认知过程中的表征差异提供了更多新颖的途径。我们首先通过与传统的脑电/脑磁分析方法进行比较, 系统性介绍了基于分类的解码和表征相似性分析的原理和操作流程, 之后对两种方法的应用场景进行了梳理, 并在最后对未来可供研究的方向提出了我们的见解。 相似文献