• 二阶潜增长模型标度方法及其可比的一阶潜增长模型

    分类: 其他 >> 综合 提交时间: 2023-10-09 合作期刊: 《心理学报》

    摘要: 潜增长模型(LGM)是分析纵向数据的一种强有力工具, 在心理学和其他社会科学研究领域受到重视。多指标测量的变量, 既可以用合成分数建立单变量LGM(一阶LGM), 也可以用指标建立潜变量LGM(二阶LGM)。简述了二阶LGM标度方法(包括尺度指标法和效应编码), 提出了有可操作性的潜变量标准化标度方法和合成分数的一阶LGM标准化模型。系统总结了二阶LGM标度方法及其可比的一阶LGM建模, 并用多指标变量的实测数据进行示例。推荐使用效应编码法对二阶LGM进行标度和标准化。

  • 交叉重叠类别结构的自主学习优势和集中学习劣势

    分类: 其他 >> 综合 提交时间: 2023-10-09 合作期刊: 《心理学报》

    摘要: 本研究采用四类别交叉重叠结构, 探索了不同学习方式(集中、交错、随机和自主)对基于规则和信息整合类别学习的影响, 通过计算模型的数据分析方法对265名被试的学习策略进行了模型拟合。结果发现, 在基于规则和信息整合任务中, 自主学习者均能较多地使用最优策略, 自主学习的分类正确率均显著高于集中学习的分类正确率。并没有出现前人发现的规则学习的集中学习优势和信息整合学习的交错学习优势。结果表明, 自主学习存在学习效率上的优势而集中学习存在劣势, 可能是因为交叉重叠类别结构对自主学习的影响相对少于对集中学习的影响。

  • 不同认知结构被试的测验设计模式

    分类: 心理学 >> 社会心理学 提交时间: 2023-03-27 合作期刊: 《心理学报》

    摘要: 正如不同的病症需要使用不同的医疗技术方法来诊断一样, 不同的认知结构也需要设计对应的测验模式来进行诊断, 从而保证测验具有高质量的诊断评估效果。但传统测验形式未考虑不同认知结构的针对性诊断测验需求, 导致“千人一卷”在测验效率上有所不足; 认知诊断计算机化自适应测验虽可针对不同认知结构的被试施测不同的项目, 然而支持自适应过程的题库却没有针对不同认知结构被试设计对应的项目, 导致题库使用效率较低。要解决上述问题的关键在于, 探索如何针对不同认知结构设计相对应的测验模式。本研究采用Monte Carlo模拟, 对六种属性层级关系下, 不同认知结构的测验设计模式进行探讨。实验结果表明(1)同一属性层级关系下, 不同认知结构的最佳测验设计模式不同; (2)依据不同认知结构的最佳测验设计模式构建的题库具有更高的使用效率。测验编制者可以根据实验结果针对不同认知结构优化对应的测验设计模式, 并用于指导题库建设。

  • 强弱语义语境下的否定句加工机制

    分类: 心理学 >> 社会心理学 提交时间: 2023-03-27 合作期刊: 《心理学报》

    摘要: 2个眼动实验分别探讨强弱语义语境下的否定句加工机制, 以便考察语言理解是命题表征的过程还是经验模拟的过程, 抑或是二者兼具。在实验中, 被试首先听句子(强语义语境:如“胳膊不是弯曲的”的备择选项为“伸直的胳膊”, 其中“弯曲−伸直”为具有反义关系的强语义连接关系; 弱语义语境:如加工“裙子不是蓝色的”的备择选项为“黑色的裙子”, “蓝色−黑色”为弱语义连接关系), 然后会看到4张同时呈现的图片, 被试的任务是按键选择与句子描述匹配的图片。结果发现, 在强语义语境条件下, 被试在早期(201~600 ms时窗)对描述事件否定状态的图片(弯曲的胳膊)与描述事件实际状态的图片(伸直的胳膊)的注视概率没有差别, 晚期(601 ms后)仅对描述事件实际状态的图片的注视概率更高; 弱语义语境条件下, 被试在早期(401~600 ms)仅对描述事件否定状态的图片(蓝裙子)注视概率更高, 晚期(801 ms后)仅对描述事件实际状态的图片(黑色裙子)注视概率更高; 并且, 都对描述事件否定状态的图片的注视概率低于随机水平。结果支持符号依存假设和抑制假设。

  • 预测视角下双因子模型与高阶因子模型的一般性模拟比较

    分类: 心理学 >> 社会心理学 提交时间: 2023-03-27 合作期刊: 《心理学报》

    摘要: 高阶因子模型本质上是一种特殊的双因子模型, 应用中却常被当做双因子模型的竞争模型。已有研究以满足比例约束的双因子模型(此时等价于一个高阶因子模型)为真实测量模型产生模拟数据, 比较了用双因子模型和高阶因子模型作为测量模型的预测效果。本文使用不满足比例约束的双因子模型(此时不与任何高阶因子模型等价)为真实测量模型产生模拟数据进行比较, 所得结果与满足比例约束的双因子模型的结果有很大差别, 双因子模型结构系数的相对偏差较小、检验力较高, 但第Ⅰ类错误率略高。结论是, 在比例约束条件成立时可以使用高阶因子模型, 否则, 从统计角度看, 一般情况下使用双因子模型进行预测比较好。