互联网使用动机、行为与其社会-心理健康的模型构建

以581名大学生为被试,采用结构方程模型技术构建了互联网使用动机、病理性互联网使用行为与其相关社会-心理健康的关系模型。其中,互联网使用动机包括信息获取性动机和人际情感性动机两种模式;病理性互联网使用行为包括上网冲动性、分离/逃避和网上优越感三个初级因素;互联网相关社会-心理健康包括孤独感、社会参与度、一般抑郁、生活幸福感和生活满意度五个初级因素,并进一步概括为社会健康和心理健康两个维度。研究结果表明,基于信息获取性动机而使用互联网有助于相关社会-心理健康水平的提高;基于人际情感性动机而使用互联网更容易导致病理性互联网使用行为,并由此对使用者的社会-心理健康产生负面影响;大学生使用互联网的积极效应大于消极效应,且信息获取性动机对社会健康具有更大的积极效应,而人际情感性动机对对心理健康具有更大的消极效应     

相信智力不变是否也认为个性难改?——个人属性内隐观的普遍性

动机理论的认知心理学派认为 ,学生对智力、个性等个人属性 ,是否先天固有不可改变的主观想法 ,将直接影响他们的学习和行为表现。其影响的范围 ,将取决于这类主观想法是否具有普遍性。比如 ,有些学生认为智力是父母遗传的 ,很难改变 ,这些学生会否同样认为个性、道德等 ,也是父母遗传 ,亦难改变 ?该研究希望了解是否有一主导思想 ,影响学生对智力、个性等不同个人属性 ,是否先天不变的整体看法。被试为中国长春市高中一年级的学生 ,总计 5 5 5人。研究采用问卷调查 ,通过比较多个结构方程模型 ,结果较倾向支持学生对个性、智力等五项个人属性有共通一致的内隐观     

胡塞尔动机引发概念的起源及其意义——一个哲学史的考察

"动机引发"是胡塞尔现象学的基本概念。这一概念起源于胡塞尔对传统用法的继承和发展。从叔本华那里,胡塞尔接受了动机引发可直观性的观念,但是反对他对因果性做心理物理学的解释;从布伦塔诺那里胡塞尔接受了动机引发包含着论证和经验两个指向的观念,但是进一步扩大了动机引发的适用范围;胡塞尔批评了迈农的动机引发不可感知的观点,捍卫了布伦塔诺的观点。在对传统继承的同时,胡塞尔将动机引发的研究扩展到事物感知领域中,在此基础上,动机引发问题对于超越论哲学的基本意图的重要意义就凸显出来。     

动机谈话对高血压患者治疗依从性的影响

探讨动机谈话对高血压患者治疗依从性的影响.采用实验对照研究方法,采用动机谈话对高血压患者治疗依从性进行干预.结果干预组患者在服药、体力活动等依从性方面优于对照组.结论是动机谈话在改善患者治疗依从性方面是一种比较有效的干预措施.     

医学研究生创造性动机与专业认同及人格的关系

通过问卷对吉林省医学院校研究生的创造性动机进行研究,结果表明,医学研究生的创造性动机和专业认同在性别、学位类型、专业性质方面的差异是由内在需要的差异所导致的;创造性动机中的内在动机和报酬与专业认同紧密相关,创造性动机与人格互为因果;人格中的开放性和外倾性在专业认同对创造性动机的影响过程中具有显著的调节作用.     

大学生网络使用动机对其病理性网络使用行为的影响机制

基于以往病理性网络使用行为成因的研究,本研究提出并检验了病理性网络使用行为作用机制的三个假设模型。结果表明：人际关系困扰、自尊、情感型网络使用动机均与病理性网络使用行为有显著相关;其中,人际关系困扰对个体病理性网络使用行为具有直接影响,也通过情感获取型网络动机间接影响病理性网络使用行为;而自尊则主要通过作用于人际关系困扰和情感获取型网络动机间接地影响病理性网络使用行为。情感型网络使用动机是个体病理性网络使用行为形成机制中的关键性因素。     

胡塞尔的休谟哲学批判

胡塞尔的休谟哲学批判一方面回溯笛卡尔的“先验动机”,以笛卡尔的“先验动机”来考量休谟哲学的得失;另一方面则前瞻康德哲学,考量“休谟问题”对康德哲学的历史效应。通过这种“回溯-前瞻”的关联性分析,胡塞尔将休谟哲学织入近代哲学发展的统一性进程。因此,胡塞尔的休谟哲学批判本质上是以休谟哲学为切入点对整个近代哲学传统的系统反思。胡塞尔的休谟哲学批判的意义在于,它揭示了休谟哲学的深层意图与其经验主义怀疑论之间的根本冲突,指明了消解这一根本冲突的方向和路径,澄清了近代哲学发展的旨归,即现象学是整个近代哲学的隐秘的憧憬。     

情感代理能否提高多媒体学习的效果?

近年来,情感代理如何影响学习受到了研究者们的高度重视。情感代理是可以通过面部表情、声音、肢体动作和言语信息等影响学习者情感体验的教学代理。以往研究主要关注两种类型的情感代理：表达型情感代理和移情型情感代理。表达型情感代理是仅通过自身的情绪表达(如：使用微笑的面部表情和热情的声音)以影响学习者情绪体验的代理。移情型情感代理则是能根据学习者的学习表现或情绪状态给予情感反馈(如;点头、鼓励和共情)的代理,其目的是为了调节学习者的情绪、激励其继续努力。虽然不同的研究者对情感代理的具体操作有所不同,但无论哪种类型的情感代理均是为了增加学习者的积极情绪,提高内部动机,最终促进学习。关于情感代理的潜在作用,研究者基于不同的理论观点给出了不同的解释。情绪感染理论认为一个人的情绪状态容易受到另一个人情绪表达的影响,因此界面代理的情绪会直接影响学习者的情绪和动机。情绪反应理论认为如果教师的言语和非言语线索诱发了积极的情绪,学习者就会产生趋近学习的行为(例如,制定相应的学习计划)。多媒体学习认知情感理论强调了学习过程中情感和动机的重要性。基于多媒体学习认知情感理论,情感代理能唤起学习者的积极情绪,增加学习动机,进而提高学习成绩。而认知负荷理论和干扰理论却认为情感代理丰富的面部表情和手势动作可能会增加学习者的外部认知负荷,吸引学习者的注意力,减少对关键信息的注意,因此干扰学习效果。在上述理论的指导下,研究者们对情感代理的效果进行了探究,结果发现,情感代理可以有效地唤起学习者的积极情绪(d_积极情绪= 0.45),提高学习动机(d_内部动机= 0.52)。但不一定能影响认知负荷（d_{内部认知负荷} = -0.01;d_{外部认知负荷} = 0.09;d_{相关认知负荷} = 0.08）,并且在学习效果上的作用也比较微弱(d_保持 = 0.18;d_理解 = 0.32;d_迁移 = 0.14;d_联合 = 0.32)。情感代理在学习效果上的作用不稳健的原因可能是受到了潜在调节因素的影响。例如,学习者的个体特征（如,工作记忆能力和年级水平）、情感代理的类型、任务特征和测验时间等。总之,尽管目前关于情感代理的研究结果存在不一致,但整体而言,在积极情感代理条件下,学习者更加快乐,更有动力。因此,在教育实践中,教学设计者可以考虑为学习者呈现一个积极的教学代理以帮助他们更加快乐地学习。未来关于情感代理的研究需要继续关注情感代理的操纵和评定方法;探究影响情感代理效果的边界条件;考察情感代理影响学习背后的神经机制;提高情感代理研究的生态效度等。     

人心难读：冲突中的预测偏差及其心理机制

冲突事件是指当事某方采取的行动可能对另一方造成直接且明显的伤害、进而导致紧张关系的事件。拒绝他人请求、反驳他人观点、与他人一起参与竞争等皆有可能诱发冲突。有效的冲突管理有助于减少冲突带来的消极影响,发挥冲突潜在的积极影响。但是,广泛存在的预测偏差严重妨碍了冲突管理。因此,欲解决冲突管理的难题,必须探究人类在冲突中的预测偏差。现有研究多着眼于非冲突中的预测偏差,采取信息驱动的视角,将预测偏差的主要原因归结为人受限于认知上的不足,因而认为预测偏差是一种错误,主要关注其消极影响。然而,现有研究忽视了冲突中的预测偏差的独特性。冲突中,预测偏差可能受人的自我保护动机和避免人际伤害动机驱动自上而下地产生,并具有一定的适应性。 基于对现有研究的总结,本项目旨在突破当前的理论困境,探讨冲突事件中预测偏差的独特规律及其心理机制与后果,具体而言包括四大目标：(1)聚焦冲突事件中的预测偏差,并以对应的非冲突事件作为对照,揭示预测偏差在冲突中独特的表现形式,提出冲突事件的“偏差放大效应”,即与非冲突事件相比,在冲突事件中,预测偏差的程度会被放大,例如反驳他人者对他人的体验产生较大的错误预测,而赞同他人者则相对能更准确地预测他人的体验;(2)从动机性认知视角探讨“偏差放大效应”的心理成因,揭示“负性驱动机制”,即人因为担忧冲突事件的负性结果,出于自我保护的目的而在注意、知觉、思维等认知加工环节把冲突事件的潜在结果加工得更加消极,作最坏的打算以应对冲突;(3)考察“负性驱动机制”下预测偏差导致的后果,如使人采取回避行为,具体表现为人际退缩和不作为等;(4)设计有效的去偏差方案,以直接和间接两种方式改变预测者的动机,进而改变其认知加工,减弱预测偏差。 通过完成以上目标,本项目将构建解释冲突事件中预测偏差的理论模型。该理论模型立足于动机性认知的视角,从现象层面揭示“偏差放大效应”,将负性偏差理论拓展到人际过程中;从机制层面突破信息驱动视角的局限,揭示动机性认知在人际互动中的指导作用;从思想层面基于生态理性观辩证分析预测偏差的适应性作用,促使研究者重新审视“何为理性”。该模型弥补了以往研究忽视动机对预测偏差的影响这一不足,并将预测偏差和负性偏差、动机性认知等理论结合起来,形成了更完整的理论框架。本项目有助于推动对预测偏差的全面理解,发展行为决策理论,帮助公众和社会治理者准确预测他人,提升冲突管理能力,提高决策质量。     

算法拒绝的三维动机理论

算法拒绝意指尽管算法通常能比人类做出更准确的决策, 但人们依然更偏好人类决策的现象。算法拒绝的三维动机理论归纳了算法主体怀疑、道德地位缺失和人类特性湮没这三个主要原因, 分别对应信任、责任和掌控三种心理动机, 并对应改变算法拒绝的三种可行方案: 提高人类对算法的信任度, 强化算法的主体责任, 探索个性化算法设计以突显人对算法决策的控制力。未来研究可进一步以更社会性的视角探究算法拒绝的发生边界和其他可能动机。