多变量追踪研究的模型整合与拓展：考察往复式影响与增长趋势

追踪研究当中, 交叉滞后模型可以探究多变量之间往复式影响, 潜增长模型可以探究个体增长趋势。对两类模型进行整合, 例如同时关注往复式影响与个体增长趋势, 同时可以定义测量误差、随机截距等变异成分, 衍生出随机截距交叉滞后模型、特质-状态-误差模型、自回归潜增长模型、结构化残差潜增长模型等。以交叉滞后模型和潜增长模型分别作为基础模型, 从个体间/个体内变异分解的角度对上述各类模型梳理, 整合出此类模型的分析框架, 并拓展建立“因子结构化潜增长模型(factor latent curve model with structured reciprocals)”作为统合框架。通过实证研究(早期儿童的追踪研究-幼儿园版, ECLS-K), 建立21049名儿童的阅读和数学能力的往复式影响与增长趋势。研究发现, 分离了稳定特质的模型拟合最优。研究也对模型建模思路和模型选择提供了建议。     

好奇心的机制及作用

作为一种常见的心理状态和人格特质, 好奇心是认知心理学研究领域中的重要主题。大脑多个脑区的分工和协同作用, 使个体形成了产生与评估预测误差、触发与缓解好奇心以及产生惊奇与新预测误差的认知过程。这些认知过程能够减少对事物和环境的预测误差与信息差距, 消除对事物的不确定性。好奇心在个体终生发展过程中, 对促进认知功能, 保持心理和身体健康有积极的作用。未来研究可以从跨物种、跨学科和多领域交叉的角度切入, 推动好奇心主题研究的深入、研究手段的发展以及研究成果的应用。     

CBT对社交焦虑障碍有效干预的神经预测因子及机器学习应用

认知行为疗法（CBT）是社交焦虑障碍的标准疗法,对其疗效的神经预测因子研究有利于个性化诊疗方案选择。初步证据表明,干预前高级视皮层、背侧前扣带回、背内/外侧前额叶及眶额皮层的功能激活,杏仁核与情绪调节相关脑区的结构与功能连接,情绪性刺激诱发的晚期正成分与治疗后症状的改善有关,因而是潜在的预测因子。基于机器学习的个体化预测存在样本量小的突出问题。未来研究应考虑跨研究机构合作共享大数据,在多模态、多任务条件下收集数据,并在独立样本中验证预测的有效性。     

任务框架和序列趋势对趋势阻尼的影响

以往研究发现,下降序列的趋势阻尼大于上升序列,但该结论可能掺杂了任务框架这一额外变量。基于此实验1选取可控事件,实验2选取不可控事件作为背景,探讨了任务框架和序列趋势对趋势阻尼的影响。研究发现：不管在可控事件还是不可控事件中,序列趋势对趋势阻尼的影响都受到任务框架的调节,收益框架中下降序列的阻尼大于上升序列,损失框架中两者差异不显著。     

大学期间学习成绩预测度的研究

本研究在筛选的基础上追踪调查了5个年级4476名大学生的新生16PF测验结果以及大学期间学习成绩的数据,结果发现:大学期间的学习成绩与新生性格特点有关;男大学生成绩差异的7.5%、女大学生成绩差异的4.0%可以由新生16PF测验结果来解释。总起来看,新生入学时的个性特征对大学期间学习成绩有影响作用,但尚不足于准确预测学习成绩。     

行为面试与无领导小组讨论的预测效度研究

本研究以某金融机构中层管理者胜任力测评为背景,主要探讨行为面试和无领导小组讨论的预测效度.研究证实,行为面试的评价者一致性信度为0.795,以上级绩效评价为效标的预测效度为0.386,对技术-行政任务绩效和周边绩效预测显著,但对领导力任务绩效预测不显著;无领导小组讨论只对领导力任务绩效预测显著,在预测领导力任务绩效方面,它对行为面试有显著的递增效度.     

东夷文化中的体育文化因子推阐

该文采用文献资料研究方法,依据人文主义方法论的研究方式,从体育文化的视角对新石器时代居住在泰沂山系的东夷族人,所创造的东夷文化中所蕴涵的体育文化因子进行分析,发现东夷文化在中华文明的历史发展中占据重要地位;东夷地区优良的生态环境培育了特色鲜明的东夷文化;而发达的东夷文化中蕴生了诸多体育文化的萌芽：东夷文字、夷人体格、原始崇拜、礼仪习俗及音乐舞蹈娱乐中所蕴涵的体育文化因子,为后世体育活动的产生、发展及至繁荣奠定了坚实的基础。     

老年人汉语阅读中预测误差成本的产生机制

阅读的认知加工机制随年龄变老只发生了量变还是也产生了质变,是毕生发展研究领域的重要问题。要进行有效的语言处理,读者必须结合已有的经验知识和当前语境对即将出现的信息进行预测加工。因此,要解决上述问题就要回答老年人阅读中预测加工机制发生了怎样变化,即预测误差成本是如何产生的。研究拟采用眼动脑电同步记录技术,在自然阅读过程中实时获取语言处理的行为和神经指标,聚焦老年人预测误差成本的产生机制,主要从副中央凹视觉、工作记忆负荷及语言能力三方面解释预测误差成本产生的原因。研究成果对构建汉语阅读的毕生发展模型有重要意义。     

机器学习在儿童创伤后应激障碍识别及转归预测中的应用

创伤后应激障碍(PTSD)会给儿童发展带来负面效应,其影响甚至延续至成年期。然而传统诊断方式难以做到快速、客观、准确的识别和诊断儿童PTSD,机器学习作为一种处理大量变量和数据的新兴方法,逐渐被应用到儿童PTSD的早期预测、识别及辅助诊断等研究中。机器学习凭借其性能、原理等方面的优势,可被应用在儿童PTSD的识别与转归领域。相比自我报告式的诊断,通过机器学习辅助识别和诊断儿童PTSD的过程具有效率高、客观准确、节约资源等独特优势。然而,机器学习也在硬件成本、算法选择和预测准确度等方面存在局限性。未来研究人员需要进一步提高机器学习诊断识别儿童PTSD的准确率,并将机器学习算法同传统诊断方法结合进行更多的探索和应用。     

求职行为的心理学研究

心理学家将有效的求职行为看作成功就业的前提。求职行为是一个复杂的动态过程,求职行为的测量可分为三个维度：频率-强度,内容-性质,短期-长期。求职行为的预测因素研究很多,研究结果也多种多样。关于求职结果的测量指标最近有了新的进展,即不再简单地将就业状态二分为就业和未就业,而是考虑到了各种不充分就业状态。文章最后讨论了求职行为研究的现代特点及可能远景