长春文庙祭孔的文化反思

在分层化趋势明显的今天,增进社会整合成了社会协调发展的关键。社会整合的重要形式体现在对传统文化的认同中,近年来举行的祭孔活动是这种认同的载体之一。但通过对个案的调查中发现,祭孔活动中出现了三个方面的问题:即祭孔与历史沿革的矛盾;儒家文化与佛教文化的模糊;对儒家文化的器物、制度层面的喧闹与思想层面的缺失。解决这些问题有利于增进国人对传统文化的认同,增进社会整合。     

音乐愉悦体验的神经机制

愉悦情绪体验是音乐活动中最普遍的心理现象。通过系统回顾相关的神经科学研究, 认为音乐愉悦体验与大脑奖赏系统的活动有关, 并涉及伏隔核与听觉皮层等其他脑区的交互。在这个过程中, 多巴胺的传递与音乐愉悦体验存在因果联系。基于预期视角, 奖赏预测误差理论和音乐信息理论模型可以解释音乐愉悦体验的产生机制。未来研究应进一步检验伏隔核及各皮层在音乐愉悦体验中的功能, 并整合不同的预期理论。     

统计学习的认知神经机制及其与语言的关系

统计学习是指个体在连续刺激流中发现转移概率等统计规律的过程, 在Saffran等(1996)的经典婴儿语音切分研究中首次被提出。大量研究证实了统计学习的普遍存在, 近期学界开始关注统计学习的特异性及其对认知的影响, 尤其是从学习过程及其特异性两个方面阐述统计学习的认知神经机制并揭示其和语言的交互作用。未来应从脑和行为的多模态数据视角, 丰富统计学习结果的行为和神经指标, 考察不同类型统计学习过程的动态神经活动模式, 建立统计学习行为和脑的关联, 深化对统计学习认知神经机制的认识, 在统计学习与语言交互作用的基础上, 从成人二语学习切入结合音乐统计学习训练探讨促进语言学习的统计学习干预手段。     

时变效应模型及在密集追踪数据分析中的应用

密集追踪数据通常蕴含了心理过程的详细变化信息,反映了某些心理的复杂变化过程。时变效应模型用函数替代恒定的系数,可描述密集追踪数据中随时间推移心理的动态变化过程和时变效应,是分析复杂心理过程的有效方法。在介绍时变效应模型的原理后,通过模拟研究考察模型的表现,结果显示:(1)样本量增加可降低函数估计的误差;(2)惩罚样条法的节点数选择与函数的复杂度有关,函数越复杂,所需节点越多;(3)样本量与节点数对函数估计误差的交互效应不显著。进一步应探讨测量次数、数据分布形态、数据缺失等如何影响模型的表现。     

多层线性模型在纵向研究中的运用

纵向研究中传统统计技术主要是重复测量的方差分析和多元回归分析，但是这两种技术存在一些局限性，不能合理而充分地解释纵向研究资料。近年来出现的多层线性模型能够更有效地利用纵向数据。为促进多层线性模型在纵向研究中的运用，简要论述了传统统计技术的局限，介绍了多层线性模型的原理及其在纵向研究中的作用，以一组模拟数据为例对多层线性模型中各种参数在纵向研究中的含义进行了详细讨论，对于纵向研究中运用多层线性模型时须注意的问题提出了建议。     

医学职业潜规则主要表现及其认知的调查分析

综合运用问卷调查统计、对比方法了解不同群体对医学职业潜规则主要表现的认知情况.各群体对医学职业潜规则主要表现的认知基本一致,潜规则流行之势不容忽视.理性地分类和剖析了潜规则现象,发现医学职业潜规则流行与医改具体举措失误、医学职业生态的公益性缺失和医学知识权力的大量滥用密切相关.     

放眼学科前沿, 提升期刊影响力

光阴荏苒,如白驹过隙。自2010年以来,本刊编委会策划了对栏目进行了力度较大的调整,增设了"主编特邀"、"博士论坛"、"研究构想"、"研究简报"和"元分析"等栏目,以崭新的面貌和活跃的学术氛围呈现在读者面前,吸引了大量读者、专业杂志和文献数据机构的高度关注,得到了多方面的积极反馈。     

大数据背景下城市管理现状及对策研究

随着大数据时代的到来,我国经济、政治、文化以及社会发展等方面深受大数据的影响,利用大数据来分析当前社会中存在的问题已经成为人们的一个习惯。因此,聚焦大数据这一时代背景,通过分析大数据对当前城市管理的影响,结合大数据在城市管理中的运用现状以及存在的问题,深入探讨利用大数据提高城市管理质量的路径,从而进一步优化城市管理模式,提高城市管理水平。     

认知诊断缺失数据处理方法的比较：零替换、多重插补与极大似然估计法

数据缺失在测验中经常发生, 认知诊断评估也不例外, 数据缺失会导致诊断结果的偏差。首先, 通过模拟研究在多种实验条件下比较了常用的缺失数据处理方法。结果表明：(1)缺失数据导致估计精确性下降, 随着人数与题目数量减少、缺失率增大、题目质量降低, 所有方法的PCCR均下降, Bias绝对值和RMSE均上升。(2)估计题目参数时, EM法表现最好, 其次是MI, FIML和ZR法表现不稳定。(3)估计被试知识状态时, EM和FIML表现最好, MI和ZR表现不稳定。其次, 在PISA2015实证数据中进一步探索了不同方法的表现。综合模拟和实证研究结果, 推荐选用EM或FIML法进行缺失数据处理。