个体情绪智力与任务绩效：社会网络的视角

基于社会网络视角, 分别以社会资本的关系性维度为中介变量, 以社会资本的结构性维度为跨层调节变量, 探讨了个体情绪智力对任务绩效的影响。通过收集模拟网络实验背景中46个项目团队210位个体的调查数据, 运用多元统计分析方法对提出的假设模型进行了实证检验。研究发现：在控制个性的前提下, 关系性社会资本在个体情绪智力影响任务绩效过程中起到中介作用, 结构性社会资本(咨询网络密度)跨层正向调节影响个体情绪智力与任务绩效的关系。结果表明, 不同层次的社会资本及其维度在情绪智力影响绩效过程中扮演着不同角色, 运用社会资本概念框架有助于解释情绪智力的作用机制。     

自动情绪调节的神经机制及其可塑性

自动情绪调节无需意识决定、注意加工及有意控制, 改变着情绪轨迹。迄今为止, 研究仅限于证实其确能低耗高效地改变情绪过程, 尚未对其如何改变情绪过程进行研究。以自动情绪调节的神经机制作为研究对象具有可操作性, 可从行为和心理生理层面, 对自动情绪调节改变情绪过程的机制进行实验研究。研究问题包括：1)通过EEG技术检验自动情绪调节是否影响预备阶段行为反应倾向; 2)自动情绪调节对注意的注意觉醒、注意朝向和注意执行三个阶段的作用机制; 3)自动情绪调节对评价和反应的作用机制; 4)自动情绪调节的可塑性在脑活动上的体现。最终确定自动情绪调节的加工规律, 构建其预备-注意-评价-反应模型, 并为有效控制情绪紊乱和研究出高效的情绪调节干预方案提供理论和实证依据。     

基于系统动力学的群体情绪传播模型

选取某高校20个教学班级共计614人为被试,采用心理学实证与系统动力学（system of dynamic）与社会网络（social network）建模相结合的研究方法,对群体情绪传播的动力学规律进行了建模,并将模型仿真结果与心理实验结果进行了比对。结果表明,所建立的模型能够较好地刻画出群体情绪传播的动力学规律,具有较高的生态效度。该模型的建立对群体性事件的定量预警与监控提供了基础理论依据。     

一种混合型前瞻记忆的干扰效应的神经机制

采用3（任务类型）×2（时段）被试内实验设计,对比一种混合型前瞻记忆（MPM）和基于事件的前瞻记忆（EBPM）在不同时段对进行中任务的干扰效应的神经机制。结果表明,在目标出现的时段,MPM对进行中任务有干扰效应,额区电极最活跃,额区电压最高,而在非目标时段MPM无干扰效应,但刺激出现后200-300ms额区电极较活跃。说明前瞻记忆任务在大脑中可能处于较高的激活状态,额叶灵活地调配意识的不同状态在前瞻记忆加工中参与的程度和时段。     

成瘾人群跨期选择的神经机制及干预方法

成瘾可分为物质成瘾和行为成瘾, 两类成瘾人群在跨期选择上都表现出高时间折扣率的缺陷, 但也有各自的特异性特征。成瘾人群跨期选择缺陷的神经基础主要集中在评估网络(腹内侧前额叶、纹状体、后扣带皮层等)、认知控制网络(前额叶皮层、前扣带皮层等)和预期想象网络(海马、杏仁核等); 可利用心理训练来改善成瘾人群跨期选择缺陷, 其干预方法包括工作记忆训练、预期想象训练、金钱管理指导等。未来研究应该从成瘾者跨期选择缺陷的认知机制、3个神经网络系统的交互作用机理、行为遗传学以及开发有效的干预方法等方面展开大量研究。     

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.     

利他惩罚的发生机制及其神经基础

利他惩罚是指个体为惩罚违反社会规范的人而自愿个人支付成本,它在人类合作演化过程中扮演着重要的作用。"认知控制"与"情绪满足"被用来阐述利他惩罚的产生机制。而神经层面的研究也发现,利他惩罚主要涉及以背外侧前额叶皮层为主的基于规则的系统和包括纹状体、内侧前额叶皮层以及脑岛等脑区在内的情绪驱动系统。此外,5-羟色胺、多巴胺等神经递质可能是利他惩罚行为发生的神经生化基础。未来研究除了需进一步深入探讨与整合利他惩罚的发生机制、神经机制、基因机制以外,还应注重利他惩罚在自然情境下的研究。     

周边视觉的知觉学习

知觉学习是指知觉能力随着知觉训练或经验逐渐改变的现象。它具有特异性-迁移性,可以根据时程划分为快速学习和慢速学习。知觉学习意味着与知觉直接对应的脑区神经元激活方式的变化,并且与注意有着一定的联系。目前周边视觉的知觉学习研究已有一些成果：对于非语词刺激,随着练习,判断目标刺激（例如刺激朝向、游标视敏度）的能力,有很大的提升;对于语词刺激,周边视觉的知觉学习可以帮助提高阅读速度。可以通过提高视觉广度来提高周边视觉的阅读速度。周边视觉的知觉学习还有着重大应用价值,可以帮助中央凹视觉缺损的人们提高周边视觉能力,帮助恢复阅读能力。     

想象未来的认知加工成分及其脑网络

合理预期和想象未来事件或场景, 有利于个体做出适应性反应, 促进生存与发展。近年来, 研究者对想象未来的认知加工成分和神经机制进行了深入探讨, 提出了想象未来的相关概念和理论。我们首先概述了想象未来实验常用的思维采样范式和词语-线索范式, 接着介绍了想象未来的自我参照加工、心理场景构建等认知加工成分。此外, 特别介绍了想象未来的默认网络模型以及与之相关的其他大尺度脑网络, 并进一步提出了想象未来的脑网络研究框架。未来的研究可从想象未来的动态脑网络、复杂脑网络以及与疾病的关系等角度入手, 深入探究想象未来的神经机制。     

人类的近似数量系统

近似数量系统(Approximate Number System, ANS)指个体在不需要依赖于计算和数量符号的情况下, 对一组数量进行近似表征的系统。通过总结近十年来研究者们在ANS的遗传和神经基础、干预训练等方面取得的新进展, 指出未来应综合运用各种认知神经科学研究手段立足于ANS的基因和脑生理基础研究, 进一步揭示ANS的本质和内在发生发展机制, 并将有关研究发现运用到教育教学中, 对数学困难儿童进行干预, 以提高其数学能力和适应社会的能力。