free性玩弄少妇hd性老妇,videosgrais欧美另类,欧美成人看片一区二区,欧美巨大另类极品videosbest,亚洲国产成人精品女人久久久

各位網(wǎng)上沖浪高手對各式各樣的“心理測試”一定不會陌生，比如用幾個非常生活化的問題來測出你最適合哪個職業(yè)的：

測一下你的性格是什么樣的：

還有你最像哪個人物的：

從30年前樸素的雜志花邊測試專欄，到如今精美的 H5 頁面乃至交互視頻，在描述你自己的相關(guān)領(lǐng)域，這些測試是真正的國民級產(chǎn)品。

雖然，它們不準(zhǔn)。

當(dāng)然不準(zhǔn)啦……要是只用幾道簡簡單單的題目，甚至只要輸入名字/生日就能知道你的性格，那人生未免也太簡單了吧？！

用心理學(xué)的話來說，就是這些題目的效度太低，不夠有效。

如果你想要知道一個人的體重，卻拿一把卷尺量了他的身高，然后告訴自己，這個人的體重就是 1.70 米，這就是一個低效度的測量。

如果你想知道自己的性格，回答的問題卻是“你最喜歡哪種顏色”，甚至是你的名字或是生日，這也是一個低效度的測量，和用尺子測體重沒有太大區(qū)別。

編制形式類似、但更加準(zhǔn)確可信的題目，來幫助人們認(rèn)真地了解自己，并為其他的研究者們提供便利的工具，這就是心理測量學(xué)家要做的工作了。

開發(fā)專業(yè)量表的人都在干啥

開發(fā)一個專業(yè)心理量表的過程，大概是這樣的：

首先，我們需要先確定構(gòu)念。也就是說，我們想要測量的究竟是一個什么東西。

比如說我們想知道「一個人有多想要破壞現(xiàn)有的秩序，帶來混亂，以獲得愉悅感」，我們就要用一個名詞去概括這個特質(zhì)，并且給出一個定義，例如混亂需求（Need for Chaos）。

在確定了構(gòu)念后，我們就需要編制條目，也就是說哪些描述能夠?qū)?yīng)上我們想要測量的這個概念，例如混亂需求的條目就有“我認(rèn)為我們的社會制度爛到極點了”、“有時候我真想毀掉漂亮的東西”。

編制條目有很多種方式，大致可以分為借鑒已有量表和自編條目兩種。

借鑒前人編制的量表是較為簡單的做法，但如果你想要測量的是全新的構(gòu)念，像是混亂需求前人基本沒有做過，那就只能自己考慮后一種，自己編制了。

自編條目的來源有很多種，比如通過搜索關(guān)鍵詞找到相關(guān)的描述，請專家寫下他們對此概念的理解，或者是找普通人做結(jié)構(gòu)化/半結(jié)構(gòu)化的訪談，綜合上述的文案資料后，就能夠得到初版的題本。

但這版題本很可能是不夠科學(xué)的，只是說編制者主觀上認(rèn)為這些描述和他想要研究的概念是一樣的，但實際可能并非如此。

為了解決這個問題，就需要研究者去找很多人（從數(shù)百到數(shù)千不等）回答這個初版的問卷，使用他們的作答數(shù)據(jù)來分析題目質(zhì)量，刪掉那些質(zhì)量不好的題目。

并且，題目確定之后還要再找一群人作答，來作為分?jǐn)?shù)的參考。

分?jǐn)?shù)的參考？這又是什么意思呢？

原始分?jǐn)?shù)與常模分?jǐn)?shù)

分?jǐn)?shù)的參考其實就是通過收上來的數(shù)據(jù)，計算出均值和標(biāo)準(zhǔn)差。

一個人的得分離均值越遠(yuǎn)，就說明他的排名越高或越低，將這個差值與反映數(shù)據(jù)離散程度的標(biāo)準(zhǔn)差一比較，我們就能確定一個人相對排名的高低。

因此使用這兩個指標(biāo)，測量學(xué)家就能將某一位作答者原始分轉(zhuǎn)換為可以反映相對排名的標(biāo)準(zhǔn)分。

以一道最標(biāo)準(zhǔn)的測量宜人性的題目為例，在看到“我心腸柔軟，有同情心”這個描述后，作答者需要從“非常不同意”至“非常同意”的 5 個選項中選擇一個選項，而這些選項在后臺對應(yīng)著 1-5 分。

在將作答者回答的所有測量宜人性的題目上的得分相加后，我們就能夠得到這個人在宜人性上的原始得分。

原始分計算非常簡單，但它也會有一些缺點，比如說很難跨維度比較。比如說宜人性滿分50分你拿了38分，盡責(zé)性滿分50分你拿了25分，就代表你宜人性一定高于盡責(zé)性嗎？

不一定，因為題目都不一樣，是不能在同一尺度下比較的。

可以比較的其實是排名，像是語文的120分和數(shù)學(xué)的130分我們也不好比較，但如果語文是年級前十，數(shù)學(xué)的年級排名只有一百多位，那么我們自然可以說語文比數(shù)學(xué)考得好。

類似地，如果將人格問卷的原始分轉(zhuǎn)換成常模，進而轉(zhuǎn)換成排名，也就是你的宜人性高于70%的人，你的盡責(zé)性只高于20%的人，那么就能更好地幫助拿到報告的人了解自身性格究竟是怎樣的。

當(dāng)然，這樣的前提是人們要認(rèn)真答題，根據(jù)自己的實際情況選擇回答，但現(xiàn)實情況就是，大部分心理測量的問卷都是主觀報告的，作答者隨意填，或者掩飾作答怎么辦？比如說去醫(yī)院心理門診就診，醫(yī)生讓填量表，一個人都往壞里填，他能裝病嗎？

不認(rèn)真作答的檢測方式

對于裝病這個情況來說，量表只是一個診斷的參考工具，醫(yī)生或者說咨詢師往往會當(dāng)面與來訪患者訪談，如果訪談中患者的表現(xiàn)和量表差距甚遠(yuǎn)，醫(yī)生是能夠憑借經(jīng)驗去辨別出這個人究竟有無精神方面困擾以及困擾的強烈程度的。

但在無法面談的大規(guī)模施測問卷里，怎么把隨便作答的人挑出來，也是心理測量學(xué)家需要去解決的。

解決辦法分為兩種，一種是在事前措施，例如降低任務(wù)難度，比如說盡量減少題目數(shù)量，你一口氣丟給人兩三百道題，大家看到就怵自然不會太認(rèn)真地答。

或者是添加測謊題，也就是顯而易見有正確答案的題目，例如“請在本題選擇非常不同意”、“我的生日是2月31日”、“我認(rèn)真回答了上述問題”等，讓參與者選擇有多同意這些描述，如果在這些題目上的作答表現(xiàn)比較糟糕，那么我們就更容易把這個人標(biāo)記為不認(rèn)真作答的人。

第二種是事后分析，可以通過分析一個人的作答模式來把那些不認(rèn)真作答的人篩除，比如整體作答時間過短的，大部分題目選擇同一個答案的，正向題和反向題都選擇了“非常同意”的等等，這些都可以通過一些數(shù)據(jù)統(tǒng)計的方法計算不認(rèn)真作答的指標(biāo)。

當(dāng)然，上述這些都是自陳量表（自己給自己打分）的弊端，也就是讓作答者自行回答關(guān)于他們在各種情況下的行為或感受等問題，歸根結(jié)底較為主觀，其實心理測量學(xué)遠(yuǎn)不止編制這些自陳量表。

不止是答題，還有很多測量方式

例如讓被試進鬼屋游玩，研究者既讓被試從鬼屋出來后用自陳量表評定自己每次遇上驚嚇事件的恐懼和享受程度，還收集了被試全程的心率數(shù)據(jù)，以及通過景點內(nèi)的閉路監(jiān)視器實時記錄了參與者的反應(yīng)，并讓獨立的編碼員給他們的情緒反應(yīng)打分[1]。

在這里心理學(xué)家就用了多種方式來交叉測量了鬼屋中的情緒反應(yīng)，盡力做到讓數(shù)據(jù)豐富多樣。

除此之外，還有利用大數(shù)據(jù)的測量方式，例如——

通過在 FaceBook 上的點贊進而推斷用戶的性格[2]；

通過提取游戲過程中計算機所記錄的日志文件，進而測量受測者的元認(rèn)知水平[3]；

或是使用文本挖掘和機器學(xué)習(xí)的方法評估中國社交媒體中的自殺風(fēng)險和情緒困擾[4]。

最后

總之，心理測量學(xué)家們一直在“量化人心”的道路上不停地努力著，心理測量的進步不僅能夠為心理學(xué)的其他方向服務(wù)，還在各種實踐場景有著廣泛的應(yīng)用價值，例如輔助臨床心理問題的篩查，幫助企業(yè)測評員工的能力和心理素質(zhì)，協(xié)助教育機關(guān)了解學(xué)生的綜合素質(zhì)等。

心理測量幫助人類從更高、更多的層面去認(rèn)識自己的心理與行為，進而看到發(fā)展的可能。

作為心理學(xué)專業(yè)的學(xué)生，雖然我們很清楚網(wǎng)上的測試并不具有信效度，但還是會樂此不彼去進行測試和轉(zhuǎn)發(fā)，娛樂和學(xué)習(xí)還是分得很清楚的。

參考文獻

[1] Andersen, M. M., Schjoedt, U., Price, H., Rosas, F. E., Scrivner, C., & Clasen, M. (2020). Playing with fear: A field study in recreational horror. Psychological science, 31(12), 1497-1510.

[2] Matz, S. C., Kosinski, M., Nave, G., & Stillwell, D. J. (2017). Psychological targeting as an effective approach to digital mass persuasion. Proceedings of the national academy of sciences, 114(48), 12714-12719.

[3]Li, J., Zhang, B., Du, H., Zhu, Z., & Li, Y. M. (2015). Metacognitive planning: Development and validation of an online measure. Psychological assessment, 27(1), 260.

[4]Cheng, Q., Li, T. M., Kwok, C. L., Zhu, T., & Yip, P. S. (2017). Assessing suicide risk and emotional distress in Chinese social media: a text mining and machine learning study.

Journal of medical internet research, 19(7), e243.

聲明：本站內(nèi)容與配圖部分轉(zhuǎn)載于網(wǎng)絡(luò)，我們不做任何商業(yè)用途，由于部分內(nèi)容無法與原作者取得聯(lián)系，如有侵權(quán)請聯(lián)系我們刪除，聯(lián)系方式請點擊【侵權(quán)刪稿】。