改进的MCMC算法及其在估计IRT模型参数中的应用

本文首先简要的阐述了MCMC算法的思想及在IRT参数估计中的操作过程;其次,针对该算法存在的一些问题,提出相应的改进建议;然后,分别运用传统的和改进型的MCMC算法进行模拟数据分析和比较,结果显示新的方法表现更好;最后总结新方法的优点所在,并指出下一步的研究方向。     

短时距估计中的心理影响因素

使用单任务研究程序,预期式研究范式,以产生时距作为反应指标,通过两个实验考察短时距估计中的间断位置、间断时距和提示线索效应,探讨产生时距与等待时距的关系问题,揭示注意和间断期望对短时距估计的影响。研究结果表明, 间断实验中表现出极其显著的提示线索效应,间断位置（等待时距）效应显著,间断时距效应及间断位置与间断时距的交互效应不显著。由此得出：(1)注意是影响被试时间判断的主要因素,被试的产生时距随着等待时距的增加而延长。(2)被试对间断的期望显著地影响其时间估计行为,无间断实验条件下,间断期望有损于时间估计。     

自尊水平、事件效价与时距对过去事件时距估计的影响

在西方文化背景下提出的时间自我评价理论认为,人们为了维护当前积极自尊,主观上会远离过去失败而亲近过去成功。本研究采用线段评估法,选取311名中国大学生被试,通过两个实验考察自尊水平、事件效价与时距对过去事件时距估计的影响,以检验该理论的文化普适性。结果表明:对过去事件的时距估计,自尊水平、事件效价及其交互作用在同一时距里均不存在显著差异;时距的主效应及其与事件效价的交互作用均显著,在负效价水平上存在显著时距差异,在正效价水平上无显著时距差异。研究结果不支持基于西方文化背景下的时间自我评价理论。     

算术策略运用能力的年龄差异：元认知监测与算术知识的作用

采用选择/无选法,以估算与精确心算为研究任务,考察了元认知监测与算术知识影响个体算术计算策略选择与执行的年龄相关差异。129名不同年龄儿童与成人被试参加实验。结果发现：（1）算术知识对儿童及成人的估算复杂策略有促进作用,并对提升他们心算策略运用的速度和减少错误有作用;（2）元认知监测显著影响儿童的估算策略选择,能够促进使用最佳策略;（3）算术知识在估算及心算策略执行的年龄差异方面起完全中介作用,元认知监测则在估算策略选择的年龄发展中起部分中介作用;（4）算术知识对元认知监测在估算及心算策略执行上的作用起完全中介作用,而对估算的策略选择则不存在中介作用,这表明元认知监测在估算策略选择上具有举足轻重的地位。     

不同亚型ADHD儿童的视通道时距估计能力

本研究选取ADHD混合型儿童11名,ADHD注意缺损型儿童13名以及正常儿童15名,通过\"平均估计长度\"、\"平均估计误差百分比\"、\"估计变异值\"三个指标,考察不同亚型ADHD儿童在时距复制和言语估计上的稳定性和精确性。研究发现,在视觉刺激条件下,ADHD儿童的时距估计缺损并不受时距长度的影响;ADHD混合型儿童在多项任务中所表现的稳定性和精确性都差,而ADHD缺损型儿童只是稳定性差,说明ADHD混合型是ADHD中更严重的亚类型;ADHD儿童在时距估计任务中稳定性差,反映了其状态调节能力的落后。     

小学儿童算术估算能力的发展

本研究深入考察了我国现阶段小学儿童算术估算能力的发展状况。通过运用自编材料对1027名儿童的团体与个别测试,发现其估算能力的发展具有如下特点：（1）明显受到题目类型的影响,但在不同年龄阶段影响又不尽相同。（2）三年级可能是整数和小数估算能力发展的一个关键期,五年级是发展分数估算能力的较好时期。（3）不同估算策略的发展进程差别相当大,不同时期都有发展的侧重点。（4）小学儿童在估算时易发生多种错误,而且不同年级均有一些典型错误。另外研究还对儿童估算能力、策略与错误类型的发展进行了深入讨论。     

A sequential exploratory diagnostic model using a Pólya-gamma data augmentation strategy

Cognitive diagnostic models provide a framework for classifying individuals into latent proficiency classes, also known as attribute profiles. Recent research has examined the implementation of a Pólya-gamma data augmentation strategy binary response model using logistic item response functions within a Bayesian Gibbs sampling procedure. In this paper, we propose a sequential exploratory diagnostic model for ordinal response data using a logit-link parameterization at the category level and extend the Pólya-gamma data augmentation strategy to ordinal response processes. A Gibbs sampling procedure is presented for efficient Markov chain Monte Carlo (MCMC) estimation methods. We provide results from a Monte Carlo study for model performance and present an application of the model.