心理因素与学业表现：机器学习分类预测模型

随着高等教育规模的扩大,学业表现不良逐渐成为一个不容忽视的现象,对学业表现不良的学生进行预测并提早给予干预可降低退学率并减少教育资源的损失。由于导致学业表现不良的因素众多且关系复杂,传统的基于相关分析的研究方法很难建立早期预测模型并进行应用。本研究旨在利用机器学习算法,对数据进行挖掘,并建立学业表现预测模型。研究对653名大一新生的心理健康状况、应对方式、人格、内外控倾向和相关人口统计学信息进行了收集,并在一年后采集了其学业成绩,利用随机森林(RF)、K邻近（KNN）、支持向量机（SVM）、决策树（DT）、朴素贝叶斯（NB）等机器学习算法建立了分类模型。结果显示,随机森林算法在识别学业表现不良学生时有最好的表现,其中准确率95.86%, 召回率91.83%,f1分数为93.80%。特征重要性分析显示,前10个对模型有最高贡献度的特征包括：年龄、性别、是否为独生子、内外控倾向、神经质倾向、积极应对倾向、宜人性倾向、一般症状指数、开放性倾向和焦虑水平。为避免过度拟合问题,本研究在一年后收集的166名新生样本中进行了模型验证,结果显示模型在新数据集上有较好的泛化表现,其中f1分数90.90％,准确率92.60％,召回率89.26％。研究提示基于人口统计学和心理测评信息,机器学习算法有助于及早识别学业表现不良学生并为开展早期干预提供启示。     

小麦中烟曲霉生长温度与水分活度预测模型的建立

为快速预测和监控引起小麦霉变的烟曲霉的生长,在15～40℃温度及0.70～0.96水分活度下进行小麦储藏模拟实验,建立和验证烟曲霉D6生长的一级和二级预测模型。结果表明,一级生长模型中Bo-ltsmann模型优于Logistic模型。以Boltsmann模型拟合数据建立二级模型,采用平方根模型拟合,得烟曲霉D6的最低生长温度和水分活度分别为5.784℃和0.721。经验证,平方根模型能较好描述烟曲霉D6最大比生长速率与温度、水分活度之间的对应关系。     

我国民众对SARS信息的风险认知及心理行为

采用分层抽样的调查方法,对全国17个城市的4231名市民进行了SARS疫情中风险认知特征和心理行为的研究。结果发现：（1）负性信息,包括患病信息和与自身关系密切的信息,更易引起民众的高风险认知; 正性信息,包括治愈信息和政府防范措施的信息,能降低个体风险认知水平。（2）我国民众5月中旬风险认知因素空间位置分析结果表明, SARS病因处于不熟悉和难以控制一端,“愈后对身体的影响和有无传染性”处于不熟悉一端,这是引起民众风险意识的主要因素。（3）结构方程分析结果表明,SARS疫情信息是通过风险认知对个体的应对行为、心理健康产生影响的, 并初步验证了风险评估、心理紧张度、应对行为和心理健康等指标对于危机事件中民众心理行为的预测作用     

人事决策信息利用和效能预测模型

本研究以 1 2 2名人事管理人员为被试 ,采用问卷测量法 ,分析了企业人事决策信息利用的现状 ,信息利用指标和效能的关系。结果发现 :1企业人事决策中比较重视能力要求信息、组织环境信息和个人档案材料 ,忽略心理特点信息的利用 ;2非程序信息、人职匹配信息对效能指标的直接预测力较强 ,其他指标的预测力较弱 ;3能力要求、考核成绩、个人档案材料等信息通过人职匹配信息的利用对效能指标产生影响。文章还构建了人事决策的效能预测模型 ,并讨论了研究结果对企业人事决策诊断和发展的理论和实际意义。     

CEO股权激励与盈余管理

1．引言 有研究表明，在预测模型中加入CEO股权激励这一变量能为业绩预测提供增量信息，从而提高业绩预测的准确性。之前的文献认为股权激励可能导致盈余管理（Cheng and Warfield，2005），这由于股权激励是一类长时间的薪酬契约，与此同时为了完成契约需要满足较多的行权要求，其中可能包括营业收入增长率，ROE，净利润增长率等，因此，为了能够满足行权条件以及获得较高的薪酬利益，管理层往往有很强的动机进行盈余管理，通过盈余管理可以较好地达到行权条件，使得管理层能够通过操控业绩来满足自己的行权要求，同时，管理层可以通过盈余管理的方式影响二级市场股价，     

拖延的决策模型

拖延是指尽管预见到该行为会带来不利后果,人们仍自愿推迟开始或完成某一计划好的行为。先前的研究对拖延的类型、影响因素、成因以及干预等方面进行了广泛的探讨,然而拖延的决策过程——"现在做还是以后做?"认知机制还非常不清楚。因此,本文提出拖延决策模型试图从三方面阐明"现在做还是以后做?"的决策机制:首先,拖延动机和不拖延动机的斗争是决定是否拖延的根本;其次,拖延动机的斗争可以进一步简化为任务负性过程和任务正性结果的权衡;最后,主动推迟任务使负性过程发生延迟折扣是拖延的核心目的。拖延决策模型不仅有助于探明拖延的核心认知机制,也能够帮助预测拖延行为的发生及解释各种影响因素的作用机制,因此未来的研究可以借此整合一个从拖延的核心发生机制到各种影响因素的理论系统。     

基于社交媒体数据的心理指标识别建模:机器学习的方法

心理指标识别建模是基于海量数据结合计算机机器学习算法识别心理特征的一种新兴方式。由于传统纸笔测量方式所存在的诸多限制,本文对基于社交媒体数据的心理建模方法及应用于心理测量的可行性进行综述,介绍了特征及提取方法、常用机器学习算法以及应用场景,并对心理指标识别建模的优势和不足进行了总结与展望。该测量方法基于社交媒体数据,相比自我报告法具有时效性高、可回溯测量、生态效度好等独特优势。然而,基于社交媒体的心理指标识别建模方法也在学习成本、硬件成本等方面存在局限性。未来研究人员需要进一步探索社会媒体信息与用户心理变量间的关联机制,并将心理指标识别模型同传统心理学研究方法结合进行更多的探索和应用。心理指标识别建模结合心理测量基本原理和计算机领域机器学习的技术,将为心理学研究打开一扇新的大门。     

不友善驾驶行为分析

针对中国目前机动车数量猛增造成的道路交通问题,提出了不友善驾驶行为的定义,并通过系列研究,围绕不友善驾驶行为的影响因素进行探讨,获得了含有“有意为之”与“无心之失”二因子22条目的“不友善驾驶行为量表”,该量表的信度与效度良好.进一步通过问卷调查,发现:(1)驾驶人员的人口学特征、驾驶经验、竞争特质、个人主义人格与集体主义人格都能预测其不友善驾驶行为的发生频率;(2)“驾驶技术问卷”的“对汽车的熟练操控”因子与不友善驾驶行为呈正相关,“安全驾驶习惯”因子与其呈负相关;(3)驾驶人员在“不友善驾驶行为量表”上的得分能够预测其违规扣分情况与交通事故数量.     

认知诊断模型下整体和项目拟合指标

认知诊断模型能否拟合测验数据,直接决定诊断结果的准确性。目前国内鲜有研究涉及认知诊断测验下的模型-资料拟合检验。文章将模型整体拟合指标及基于PPMC的项目拟合指标应用于认知诊断模型-资料拟合检验。模拟研究基于DINA,R-DINA和R-RUM三个诊断模型检验各拟合指标的表现。结果显示整体和项目拟合指标在识别数据产生模型时皆有较高准确率。采用整体和项目拟合指标比较了三个竞争模型与Tatsuoka带分数减法数据的拟合情况,显示R-RUM拟合最好。