在GLMM框架下统一GT与IRT

本文首次提出使用广义线性混合模型(Generalized Linear Mixed Model, GLMM)对概化理论(GT)和项目反应理论(IRT)进行统合,即在一次统计中就能同时获得GT和IRT所需要的估计结果。模拟研究结果显示：相比于传统的GT方差分量估计方法——期望均值平方(Expected Mean Squares, EMS),GLMM可以获得更准确的方差分量、G系数和Φ系数,而且GLMM获得的题目难度参数估计精度优于传统Rasch模型。实证研究展示GLMM在实际心理测量数据分析中的应用。     

反馈延迟对信息整合类别学习的影响：视觉项目精准性的调节作用

研究旨在探究更精确的视觉项目表征能否消除延迟反馈对信息整合学习的损害。实验采用2（视觉项目表征精确性：精确/非精确）×2（反馈延迟：即时反馈/延迟反馈）组间设计,结果发现无论有无延迟反馈,精确的项目表征条件下类别学习成绩都显著高于非精确条件,精确性与反馈延迟存在交互作用。采用状态痕迹分析进一步证明精确性显著影响信息整合类别学习的稳定性。在反馈延迟条件下,精确的视觉项目表征能提高信息整合类别学习的成绩。     

SPT效应的编码机制：项目特异性与项目关联性信息

SPT是增强了项目特异性信息还是增强了项目关联性信息一直是SPT效应研究的主题。研究从项目特异性信息和项目关联性信息两个层面综述了SPT效应编码机制的相关研究。在项目特异性信息方面,研究剖析了SPT增强项目特异性信息加工的具体内容、所采取的研究方式以及SPT增强项目特异性加工的原因。在项目关联信息方面,研究分类梳理了情景关联、项目与环境的关联以及类别关联在SPT效应中的作用。未来研究应着手探索SPT能够增强项目特异性加工的深层原因。     

马普人类发展研究所毕生发展心理研究中心：研究主题和研究活动展示

Paul B. Baltes于1981年在马普人类发展研究所成立的毕生发展心理研究中心已经使毕生发展心理学成为了发展心理学中的一个重要的概念分支。2004年以来,中心已经将研究项目扩展到了发展行为神经科学。中心主要在三个主题上开展研究工作: (1) 研究作为成熟、学习和衰老的交互作用的结果, 毕生的不同发展阶段中人类行为变化的规律: (2) 发展能够整合来自于自身机能、时间序列、以及行为和神经层面分析等领域实证证据的理论和方法体系。(3) 通过探索不同年龄可塑性上的差异寻找发展的机制。中心继续重点关注成人晚期和老年期, 这为理论和实践上的创新提供了独特的机遇。同时, 中心加强了对包括婴儿期和儿童早期在内的个体发展早期阶段的研究。本文报告了来自四项从行为和神经层面分析感觉和认知发展的研究的最新发现。     

多水平项目反应理论模型在测验发展中的应用

作者简要介绍了多水平项目反应模型,对多水平项目反应理论与通常项目反应理论之间的关系进行了探讨,得到了多水平项目反应模型参数与通常项目反应模型参数之间的关系,并讨论了多水平项目反应模型的推广模型。通过一个实际例子,用多水平项目反应模型对测验中项目的特征进行分析;检验个体水平和组水平预测变量对能力参数的影响;对项目功能差异进行分析。最后文章就多水平项目反应理论模型的优势与不足进行了讨论     

“控制权”理论与政府治理：一个研究评述

基于经济学的不完全契约思想,“控制权”理论从目标设置、考核验收、激励分配三个维度研究政府组织的结构特征和运行逻辑。近年来,在中国政府治理的研究中,“控制权”理论被广泛运用,在组织结构、政策执行、项目制三个领域中都有大量研究借用“控制权”理论进行分析,学术影响显著。但是,学界对“控制权”理论的运用条件和适用度还缺乏深入讨论。同时,从社会学、政治学等多学科的视角来看,“控制权”理论忽视了组织内非均衡权责的特征,仅从“控制权”的角度难以完整讨论中国政府治理的一些重要问题。     

分类学习与混合学习下的注意促进效应比较

注意促进效应(ABE)是指目标探测性质的干扰会促进与之同时进行的背景刺激的记忆编码,产生比分心拒绝下更优的记忆成绩。Spataro等人(2017)对此提出项目特异性解释,认为目标探测主要促进的是对项目的特异性信息而非关系性信息加工。本研究采用混合学习和分类学习的方式形成对背景刺激的特异性信息和关系性信息加工。结果表明,与混合学习相比,分类学习下的ABE有所减少(实验2),甚至消失(实验1),表明当编码过程中对背景刺激的加工主要依赖于关系性信息时,目标探测所产生的促进效应会被削弱,从而为ABE的项目特异性解释提供更为直接的证据。     

MIRT模型中多维能力及其相关矩阵估计的影响因素

多维项目反应理论因其模型本身的天然优势及其兼具因素分析与项目反应理论于一身的优点,而被广大研究者及应用者所重视.本研究在前人研究基础上,重点讨论MIRT多维能力及能力间相关矩阵的参数估计问题.研究采用Monte Carlo模拟方法进行,在三因素完全随机设计（4 ×3×3）下,使用MCMC算法,探讨测验维度数、维度间的相关大小和测验项目数三个因素对MIRT能力及其相关矩阵估计的影响.     

项目反应模型的应用问题研究

以高等学校入学考试的考生实测数据,研究项目反应理论中数学模型的应用、数学模型的拟合性统计检验,并研究了模型与样本容量、模型参数估计与样本容量的关系,得到一些有意义的结论。     

大学英语四、六级考试分数等值研究

对现有的大学英语四、六级考试分数等值模式中存在的若干问题进行了深入的分析,并提出了新的解决方案——一个基于铆题设计和两参数IRT模型的解决方案。主要包括：（1）用两参数逻辑斯蒂模型替代原来的Rasch模型,以改进题目模型的适合性;（2）用共同题目的等值设计取代原来的共同被试等值设计,解决共同被试等值设计中,等值考生的动机水平难以控制的难题;（3）建立专用的等值用题库,并且一次性完成其中铆题的预测和参数标定工作,以解决原来等值模式中存在的误差累积问题。同时,由于铆题的保密工作难度较小,因此,等值专用题库对保证等值结果的可靠性也具有重大意义;（4）本文还对新的分数等值方案进行了真实的考试数据等值计算实验,并得到了一个令人满意的分数等值结果。