整合模型还是占优启发式模型? 从齐当别模型视角进行的检验

实验从齐当别模型的视角,通过对决策过程反应时的考察分别对以累积预期理论(cumulative prospect theory)为代表的整合模型和启发式模型家族的重要成员--占优启发式模型(priority heuristic)--进行检验。结果表明,决策过程反应时并未随着占优启发式模型所假定的决策步骤的增加而变慢;也未随着选项之间整体值差值的变大而变快;模糊决策过程的反应时反而快于风险决策过程的反应时。无论是以累积预期理论为代表的整合模型还是占优启发式模型均不能满意地描述和解释人们的实际决策过程,而齐当别模型则能解释大部分实验结果。文章建议多角度、多指标探讨人们的决策过程,检验、修改、完善,以及建立新的启发式模型或决策过程模型(process model),以增进对人们如何进行风险决策的理解。     

关系网络对乡村纠纷过程的影响——基于CGSS的法社会学研究

后乡土中国在经济快速发展和社会快速转型过程中,纠纷及其解决机制也在发生巨大变化.2006CGSS调查结果显示,乡村纠纷的整体形态呈现出多元化特征,但土地征用和基层选举纠纷尤为突出,表明城镇化扩张和现代权威的渗透正打破乡村内部的均衡.乡村纠纷解决或秩序构成机制则从乡土性向后乡土性转型,即从礼俗化转向行政化和法制化.乡村社会虽具"强关系"特点,但关系网络对纠纷过程其实影响并不显著,官方正义系统的可接近性高低可能对人们纠纷解决方式的选择影响更大.     

再探生命科学与生命的定义

21世纪是生命科学的世纪,生命科学的发展关系到人类的前途与命运,直接影响着21世纪人类的生存模式,因此,从源头上对生命科学的定义进行重新探索就显得尤为必要.本文试给生命科学做出如下定义:以人自身生命系统为研究主体;运用宇宙生命全息论和原初与续发理论,研究生命系统自身在信息能量主导下的生物功能、调控机理和演化规律;研究生命系统之间信息能量的沟通、转换与统一,最终实现生命系统个体的完善与整体的和谐;生命系统具有自相似性和普遍性的特点.进而给生命做了重新的定义:凡具有时空过程皆为生命.     

自我中心视角转换——基于自身的心理空间转换

自我中心视角转换是通过调整自我中心参考系以认知外界物体的心理过程,是相对于基于物体空间转换的另一种心理空间转换方式。行为数据显示自我中心视角转换存在观察者优势,脑成像结果也表明这类转换与基于物体空间转换存在脑区上的分离,这些结论都支持了多系统模型,说明自我中心视角转换是一种拥有独立脑机制的心理转换方式。自我中心视角转换的研究有其独特的理论和现实意义。     

框架效应认知加工的脑半球定位研究

框架效应是行为决策中的经典"异像"。以往研究大多以亚洲疾病问题为决策情景,以学生为被试,本研究改变该做法。在中国背景下,以有工作经验的被试为样本,以创业风险决策为情景,通过被试者间设计的实验室实验,研究探讨了框架效应的大脑半球定位。结果表明,右脑激活条件下更容易出现框架效应,与此相应的,倾向以整体/启发式思维的个体更易出现框架效应。文章还对未来研究做了展望。     

认同整合——自我和谐之路

认同整合(Identity integration)是认同研究领域的一个新的研究思路。认同整合是一个特质性的概念, 用于测量同时具有两(多)重不同身份认同者如何看待他们的两(多)重身份之间的关系的个体差异。个体可能认为他们所拥有的两(多)重身份是和谐统一的, 也可能认为这两(多)种身份之间是相互对立, 相互分离, 或者彼此冲突的。认同整合的概念已经被用于文化、种族和性别等领域的研究, 并被证明对文化适应、心理健康和创造性等有积极作用。但作为新概念, 需要深入探讨其作用机制及对其他相关领域的贡献, 尤其是探讨如何在中国背景下应用该概念来解决实际问题。     

基于胜任特征的培训模式

基于胜任特征的培训模式尽管各有差异, 但都是围绕着“能够胜任”的事实或/和“变得胜任”的过程来展开的, 从而可以区分为过程导向、结果导向和综合导向模式。不同模式的共同起点是“胜任的特征标准”; 关键过程是“变得胜任的过程”; 最终目的是“能够胜任的事实”。在未来研究中, 需要关注培训设计、学习者地位、角色平衡和技术因素。     

使用加工分离程序对低地位群体内\外群体偏爱的研究

使用加工分离程序（PDP）,以50名农村籍大学生为被试, 采用2（群体：外群体、内群体）×2（特质词效价：积极、消极）×2（加工：意识加工、无意识加工）混合设计,研究了低地位群体对内群体以及高地位外群体偏爱的内隐特征。在本研究情境中发现：农村大学生在提取城市群体积极特质词比消极特质词时的无意识加工更显著;而提取农村群体的积极和消极特质词时,无意识加工的贡献没有显著差异。说明低地位群体成员对外群体有内隐偏爱,对内群体却不存在内隐偏爱。     

风险决策过程验证：补偿/非补偿模型之争的新认识与新证据

风险决策是人类赖以生存和发展的重大决策。如何进行风险决策是人类不断认识和改造世界过程中遇到的未解之谜。主流风险理论认为, 风险决策是一个补偿性的、期望值最大化的过程; 而非主流的风险理论则认为, 风险决策是非补偿性的, 并不遵循期望法则所假设的加权求和等过程。这一谜团为何一直没有得以破解, 或许是因为我们未找到揭示其心理过程的令人信服的证据。近10年来, 我们针对风险决策过程, 借助行为实验、眼动记录法、事件相关电位、功能磁共振成像等技术, 系统探索风险决策的心理和神经机制, 为回答“风险决策是否遵循补偿性规则”这一问题提供了汇聚性证据。本文依据期望法则所假设的概率函数推导、加权过程、加权求和过程、总分最大化等步骤, 对这些研究进行梳理与回顾, 以期加深人们对风险决策机制的理解, 并为建立、健全与风险决策相关的政策、法律法规提供理论依据。     

What Can Artificial Intelligence Learn from Wittgenstein＇s On Certainty？.

Meta-philosophically speaking, the philosophy of artificial intelligence （AI） is intended not only to explore the theoretical possibility of building ＂thinking machines,＂ but also to reveal philosophical implications of specific AI approaches. Wittgenstein＇s comments on the analytic/empirical dichotomy may offer inspirations for AI in the second sense. According to his ＂river metaphor＂ in On Certainty, the analytic/empirical boundary should be delimited in a way sensitive to specific contexts of practical reasoning. His proposal seems to suggest that any cognitive modeling project needs to render the system context-sensitive by avoiding representing large amounts of truisms in its cognitive processes, otherwise neither representational compactness nor computational efficiency can be achieved. In this article, different AI approaches （like the Common Sense Law of Inertia approach, the Bayesian approach and the connectionist approach） will be critically evaluated under the afore-mentioned Wittgensteinian criteria, followed by the author＇s own constructive suggestion on what AI needs to try to do in the near future.