生成式大语言模型(Generative Large Language Models,Generative LLMs,通常简称LLMs)是一种在大规模语料库上预训练的人工智能模型,为心理测量学领域带来前所未有的机遇和挑战。本文通过整合人工智能与心理学交叉研究发展脉络,总结LLM...生成式大语言模型(Generative Large Language Models,Generative LLMs,通常简称LLMs)是一种在大规模语料库上预训练的人工智能模型,为心理测量学领域带来前所未有的机遇和挑战。本文通过整合人工智能与心理学交叉研究发展脉络,总结LLMs赋能心理测量学的显著优势,定位LLMs在心理学应用中的重要挑战,并提出基于LLMs的心理测量研究发展方向。具体地,LLMs能够基于上下文生成连贯的自然语言文本,具有改变传统测验交互方式的潜力;LLMs突破对超长文本和多模态数据的处理能力,其强大的内容理解能力能够全面获取和分析被试的心理信息;LLMs有助于实现实时分析和个性化反馈,促进从结果评价向过程评价的转变。尽管LLMs的实际应用面临着稳定性、创造性和拓展性等挑战,但在情境判断测验生成、合作式问题解决能力评估、心理健康智慧诊疗和试题质量分析等领域展现出广阔的应用前景和研究价值。展开更多
同步经颅磁刺激-脑电图(transcranial magnetic stimulation-electroencephalography,TMS-EEG)是一种将经颅磁刺激与脑电记录同步整合的技术。一方面,EEG能够记录TMS脉冲引起的瞬时神经电生理反应,另一方面,TMS脉冲的施加也能基于所记录...同步经颅磁刺激-脑电图(transcranial magnetic stimulation-electroencephalography,TMS-EEG)是一种将经颅磁刺激与脑电记录同步整合的技术。一方面,EEG能够记录TMS脉冲引起的瞬时神经电生理反应,另一方面,TMS脉冲的施加也能基于所记录的EEG信号来进行状态依赖的精准调控。本文结合这两个特点提出并系统梳理了同步TMS-EEG在心理学研究中的三种主要应用模式:神经生理评估、因果性揭示神经机制以及大脑闭环调控。文章将围绕这三条主线,区分并比较不同模式在工作机制、实验方案与应用目标上的差异,并结合近10年的心理学相关研究,梳理各模式已有研究的主要发现,以期为应用同步TMS-EEG技术提供清晰的理论框架与实践指南。展开更多
文摘生成式大语言模型(Generative Large Language Models,Generative LLMs,通常简称LLMs)是一种在大规模语料库上预训练的人工智能模型,为心理测量学领域带来前所未有的机遇和挑战。本文通过整合人工智能与心理学交叉研究发展脉络,总结LLMs赋能心理测量学的显著优势,定位LLMs在心理学应用中的重要挑战,并提出基于LLMs的心理测量研究发展方向。具体地,LLMs能够基于上下文生成连贯的自然语言文本,具有改变传统测验交互方式的潜力;LLMs突破对超长文本和多模态数据的处理能力,其强大的内容理解能力能够全面获取和分析被试的心理信息;LLMs有助于实现实时分析和个性化反馈,促进从结果评价向过程评价的转变。尽管LLMs的实际应用面临着稳定性、创造性和拓展性等挑战,但在情境判断测验生成、合作式问题解决能力评估、心理健康智慧诊疗和试题质量分析等领域展现出广阔的应用前景和研究价值。
文摘同步经颅磁刺激-脑电图(transcranial magnetic stimulation-electroencephalography,TMS-EEG)是一种将经颅磁刺激与脑电记录同步整合的技术。一方面,EEG能够记录TMS脉冲引起的瞬时神经电生理反应,另一方面,TMS脉冲的施加也能基于所记录的EEG信号来进行状态依赖的精准调控。本文结合这两个特点提出并系统梳理了同步TMS-EEG在心理学研究中的三种主要应用模式:神经生理评估、因果性揭示神经机制以及大脑闭环调控。文章将围绕这三条主线,区分并比较不同模式在工作机制、实验方案与应用目标上的差异,并结合近10年的心理学相关研究,梳理各模式已有研究的主要发现,以期为应用同步TMS-EEG技术提供清晰的理论框架与实践指南。
