您选择的条件: 李东启
  • 基于大语言模型的中英文整合复杂性建模研究

    分类: 心理学 >> 应用心理学 分类: 计算机科学 >> 计算机应用技术 提交时间: 2024-04-10

    摘要: 整合复杂性是心理学中用来测量个体思维结构的一个概念,主要涉及两个方面:区分性和整合性。区分性是指个体能够识别和理解信息中存在的不同观点或元素的能力;整合性是指个体能够将这些不同的观点或元素合并成一个有逻辑性和连贯性的整体的能力。整合复杂性的测量主要依靠人工对于文本内容进行分析,这些文本可以是书面材料、演讲稿、面试记录或任何其他形式的口头或书面表达。针对当前整合复杂性人工测评方法成本高、自动化评估方法精度低以及缺乏中文文本评估方案等问题,本研究基于大语言模型文本数据增强技术和模型迁移技术为整合复杂性的评估设计了对于中英文文本的自动化评估方案,并探索了整合复杂性两种子结构:精细整合复杂性和辩证整合复杂性的自动化评估方法。本文设计并实施了两个研究,首先基于大语言模型文本数据增强技术实现了对于英文文本整合复杂性的预测模型,其次基于模型迁移技术实现了对于中文文本整合复杂性的预测模型。研究结果显示:1)使用GPT-3.5-Tubo对于英文文本数据进行增强,使用预训练多语言Roberta模型进行词向量提取,使用文本卷积神经网络模型作为下游模型。与人工标注相比,整合复杂性Spearman相关系数为0.62,辩证整合复杂性相关系数为0.51,精细整合复杂性Spearman相关系数为0.60。优于机器学习方法以及未经过数据增强的神经网络模型。2)本文在研究二中建立了与研究一中的神经网络结构一致的模型,并将研究一中最终的模型参数迁移至本研究的模型中,对于中文文本整合复杂性进行训练。在零样本的情况下,迁移学习模型整合复杂性Spearman相关系数为0.31,辩证整合复杂性Spearman相关系数为0.31,精细整合复杂性相关系数为0.33,均优于随机参数情况下的模型表现(整合复杂性:0.17,辩证整合复杂性:0.10,精细整合复杂性:0.10)。在小样本情况下迁移学习模型整合复杂性Spearman相关系数为0.73,辩证整合复杂性Spearman相关系数为0.51,精细整合复杂性相关系数为0.73。

  • 整合复杂性与自杀之间的关系-基于微博文本大数据的研究

    分类: 心理学 >> 应用心理学 提交时间: 2024-04-10

    摘要: 整合复杂性是心理学中用来测量个体思维结构的一个概念。其主要涉及两个方面:区分性和整合性。区分性是指个体能够识别和理解信息中存在的不同观点或元素的能力;整合性是指个体能够将这些不同的观点或元素合并成一个有逻辑性和连贯性的整体的能力。整合复杂性的测量主要依靠人工对于文本内容进行分析,这些文本可以是书面材料、演讲稿、面试记录或任何其他形式的口头或书面表达。整合复杂性目前在管理心理学、政治心理学和文化心理学领域展现出了其跨学科的价值和广泛的研究潜力。在管理心理学领域,领导者的整合复杂性水平影响他们如何处理复杂的管理挑战、制定战略和促进团队多样性。在政治心理学中,研究者利用整合复杂性来分析政治领袖的思维风格、外交政策决策过程以及群众的政治态度和行为。文化心理学利用整合复杂性来探讨不同文化背景下个体的思维模式和信息处理策略。但是在健康心理学领域,整合复杂性并没有被充分研究。整合复杂性作为一种思维结构的测量方式,能够对个体如何处理信息和应对压力以及负面情绪做出一定的解释,这对于个体的心理健康是非常重要的。根据自杀逃避理论,个体可能通过自杀行为来逃避无法忍受的自我意识和情绪痛苦,这一理论框架下,低整合复杂性可能是自杀行为的一个风险因素,因为较低的整合复杂性可能导致个体在面对压力和心理痛苦时,难以看到问题的多个方面和可能的解决方案,从而感到无助和绝望。本研究在社交网络媒体数据上探索了整合复杂性对于自杀意念和自杀行为的作用。研究结果显示:辩证整合复杂性负向影响个体的自杀意念,精细整合复杂性正向影响个体的自杀意念,辩证整合复杂性负向调节负性情绪对于自杀意念的影响。低辩证整合复杂性个体更容易受到负面情绪的干扰,从而更容易表现出自杀意念;高辩证整合复杂性个体更不容易受到负面情绪的干扰,从而更不容易表现出自杀意念,但是这种模式并不稳定,可能受到文化背景等因素的干扰。在个体在自杀行为发生前夕,个体的整合复杂性会持续降低。

  • 大数据心理学的Python入门

    分类: 心理学 >> 应用心理学 提交时间: 2022-03-18

    摘要: 本文以九九文章网为例,详细地介绍了大数据心理学研究方法。利用用户实验采集的文本数据,提取词频特征,训练机器学习模型,然后利用学习模型实现对爬取的九九文章网的文章对应的生活满意度进行预测,帮助大数据研究初学者对整个处理流程有直观的感受。本文通过具体实例,介绍了Python和情感词典用于文本的词频计算,利用scikit-learn库完成对机器学习模型训练、测试及应用,并结合附带的源程序,便于读者直接操作。本文初步介绍了基于文本词频的机器学习建模的大数据研究方法,对于其中技术的介绍较为基础,主要强调如何将技术进行应用,对技术原理的介绍较少。

  • 运营单位: 中国科学院文献情报中心
  • 制作维护:中国科学院文献情报中心知识系统部
  • 邮箱: eprint@mail.las.ac.cn
  • 地址:北京中关村北四环西路33号
招募志愿者 许可声明 法律声明

京ICP备05002861号-25 | 京公网安备11010802041489号
版权所有© 2016 中国科学院文献情报中心