2025年大学认知科学与技术专业题库- 认知科学引领智能传媒领域的发展

2025年大学认知科学与技术专业题库——认知科学引领智能传媒领域的发展考试时间：______分钟总分：______分姓名：______一、选择题（每小题2分，共20分。请将正确选项的首字母填入括号内）1.根据认知心理学中的双加工理论，负责快速、自动、直觉性处理的系统是？A.默顿系统B.自动加工系统C.语义系统D.中心系统2.下列哪项技术主要利用了人类视觉系统中的格式塔原则来优化用户界面布局？A.深度学习B.人脸识别C.颜色恒常性算法D.畴联式设计（Grouping）3.在智能推荐系统中，用户对推荐结果的“点击-不点击”行为，常被用作衡量其偏好的指标，这主要依据了哪种认知心理效应？A.可得性启发式B.疑虑减少效应C.证实偏差D.锚定效应4.虚拟现实（VR）环境中，用户产生强烈沉浸感的重要认知因素之一是？A.计算机算力B.环境闭环与反馈C.视频分辨率D.音频编解码器5.认知负荷理论在交互设计中的应用主要目的是？A.尽可能增加用户的认知负担以提升效率B.减少用户的认知负荷，使其专注于核心任务C.设计更具挑战性的任务以锻炼用户能力D.使界面看起来更复杂以体现高级性6.人类工作记忆的容量有限，这限制了用户能同时处理的信息量。在长文本阅读或复杂界面操作中，如何应对这一限制？A.依赖外部记忆辅助B.强制用户记忆更多信息C.设计需要用户进行大量心算的交互D.忽略认知限制，追求界面元素最大化7.情感计算技术在智能媒体中的应用，其核心目标是？A.让机器拥有人类一样的情感B.分析和理解用户的情绪状态C.培养用户的情感依赖D.生成更符合设计者意愿的情绪表达8.认知神经科学研究发现，多巴胺系统与奖赏预期有关。在计算广告中，利用用户对奖励（如优惠、关注）的预期来设计广告投放策略，这触及了哪种认知机制？A.注意选择机制B.奖赏敏感性机制C.记忆编码机制D.运算决策机制9.人们在接收信息时，倾向于寻找支持自己已有观点的证据，而忽略相反的证据。这种现象在媒体信息辨别中可能导致什么问题？A.信息过载B.回避性偏见C.认知失调D.感知扭曲10.将认知科学中的“心智模型”概念应用于交互设计，其根本目的是？A.让用户理解设计师的设计思路B.帮助用户形成对系统如何工作的内在理解C.设计出符合用户心理预期的交互方式D.提高用户学习交互操作的速度二、填空题（每空2分，共20分。请将答案填入横线处）1.认知神经科学通过______技术（如fMRI、EEG）来研究大脑在执行特定认知任务时的活动模式。2.语义网络是一种用______表示概念之间语义关系的知识表示方法，它借鉴了人类联想思维的特点。3.在用户体验（UX）设计中，______是指用户在使用产品或服务时所感受到的整体愉悦或满意程度。4.智能媒体环境下的信息过载问题，使得用户的______能力面临严峻挑战。5.计算广告中，“频次衰减”策略体现了对用户______的认知，即广告曝光次数过多可能导致效果下降。6.虚拟现实中的“______”效应，指用户在虚拟环境中可能低估或忽视虚拟行为的潜在物理风险。7.基于认知负荷理论，设计简洁明了的界面有助于减少用户的______负荷。8.自然语言处理（NLP）中的情感分析技术，旨在识别和______文本或语音中所表达的情感倾向。9.人工智能系统要实现真正的智能，需要更好地模拟人类的______过程，包括推理和学习。10.认知科学视角下的媒体素养教育，旨在提升公众理解媒体信息背后______的能力。三、简答题（每题6分，共30分）1.简述短时记忆（工作记忆）的主要特点及其在用户界面设计中的启示。2.解释什么是“心智模型”，并举例说明它在智能推荐系统设计中的应用。3.简述注意机制在信息获取和媒体内容消费中的重要作用。4.认知心理学中的“启动效应”是指什么？请简要说明其在广告设计中的应用可能。5.在智能媒体时代，如何利用认知科学原理提升算法推荐系统的透明度和用户信任度？四、论述题（每题10分，共20分）1.论述认知负荷理论在复杂软件系统用户界面设计中的应用原则及其面临的挑战。2.结合认知科学的相关理论，深入分析虚拟现实（VR）环境中可能产生的认知偏差及其对用户体验的影响。五、分析题（12分）假设某新闻聚合APP利用机器学习算法为用户推荐新闻。该算法根据用户的点击、阅读时长、分享等行为数据，学习用户的兴趣偏好。请运用认知科学的相关知识，分析该推荐机制可能存在的认知偏差或伦理问题，并提出至少两种改进建议，说明其背后的认知原理。试卷答案一、选择题1.B2.D3.A4.B5.B6.A7.B8.B9.D10.C二、填空题1.功能性磁共振成像2.图形（或节点与边）3.用户体验4.注意选择5.认知饱和（或注意力资源）6.孤立（或去情境化）7.外部8.提取9.理解（或表征）10.认知机制（或信息加工过程）三、简答题1.特点：容量有限（通常认为约7±2个信息块）、信息保持时间短（几秒到一分钟）、可以进行操作和加工。启示：界面设计应避免信息过载，一次呈现的信息元素不宜过多；操作流程应简化，减少用户需在界面间来回切换或记忆的信息量；提供清晰的反馈和引导，降低用户认知负担。2.定义：心智模型是指用户在头脑中形成的对系统如何运作的内部表征或理解。应用：在智能推荐系统中，设计者需要让用户理解推荐结果并非随机，而是基于自己的兴趣和偏好（即形成正确的“系统如何工作”的心智模型），这有助于提高用户对推荐结果的信任度，减少抵触情绪。例如，通过清晰说明推荐逻辑、允许用户调整偏好等方式，构建用户对推荐机制的理解心智模型。3.作用：注意是认知过程的门户，只有被注意到的信息才能进入后续的加工阶段。在信息获取中，注意机制帮助用户从众多信息中筛选出目标信息；在媒体内容消费中，注意机制决定了用户能注意到哪些新闻标题、广告元素或视频内容，直接影响信息接收的效果。认知负荷理论也表明，注意资源是有限的，注意分配会影响信息处理效率和质量。4.定义：启动效应是指先前的经验会影响到后续相关任务的反应时间或判断。应用：广告中可以运用启动效应，通过展示与目标产品相关的词语、图像或品牌元素（即使非常短暂或隐晦），在用户潜意识中激活相关联想（如品质、便捷、快乐等），从而在用户后续接触正式广告或做购买决策时，对其产生更积极的态度或更快更favorable的反应。5.原则：（1）保持界面简洁，避免不必要的复杂性增加用户的认知负荷；（2）提供清晰的系统状态反馈，让用户了解当前所处位置和操作结果；（3）设计一致的操作逻辑和视觉风格，帮助用户建立稳定的心智模型；（4）必要时提供引导和帮助文档，降低学习成本。挑战：在追求智能化和个性化时，如何平衡信息呈现的丰富性与简洁性；如何向用户解释复杂的算法决策过程而不引起反感和过度担忧；如何确保透明度设计本身不增加新的认知负担。四、论述题1.认知负荷理论应用原则：（1）内在负荷控制：设计应简化任务本身，避免不必要的认知要求；（2）外在负荷控制：优化界面呈现方式（如信息架构清晰、视觉干扰少），减少用户处理信息呈现所需付出的努力；（3）相关负荷优化：通过有效的指导、反馈和练习，将用户的认知资源引导到核心任务上，甚至可以利用适当的指导性外在负荷（如清晰的操作提示）来辅助学习。面临的挑战：（1）用户差异性：不同用户的认知能力、经验水平不同，单一原则难以满足所有人；（2）任务复杂度：对于极其复杂或需要探索的任务，完全简化可能不现实；（3）创新与效率的平衡：过于简化可能限制设计的创新性或效率提升潜力；（4）测量困难：准确测量用户的认知负荷在实际设计中存在难度；（5）用户接受度：过于复杂的界面可能让用户望而却步，而过于简单的界面可能让用户感到枯燥或缺乏挑战。2.认知偏差与影响：（1）过滤气泡/回声室效应：算法根据用户历史行为推荐相似内容，可能导致用户接触信息范围变窄，观点极化，难以接受不同观点，加剧认知偏差。影响：社会撕裂、群体极化、信息茧房。认知原理：偏见确认、锚定效应。（2）注意力经济与框架效应：算法优先推荐能吸引眼球（如耸人听闻、情绪化）的内容，利用了用户注意力有限和易受框架影响的特点。影响：用户时间被低质内容占用、情绪被操纵、重要但平淡信息被忽略。（3）从众与权威效应：算法推荐热门内容或权威来源内容，可能利用了用户的从众心理和对权威的信任，即使内容本身质量不高或观点片面。影响：盲目追随潮流、轻信权威、忽略独立思考。VR中的孤立效应：用户沉浸在虚拟环境中，可能忽视现实世界的物理风险或社会信号，做出不安全的虚拟行为（如高速冲撞），因为其心智模型和感知与现实脱节。影响：虚拟行为与现实后果脱节、安全风险。VR中的去情境化效应：虚拟环境中的行为后果不直接作用于用户自身（如虚拟打人没有真实后果），可能导致用户低估行为的道德成本或社会规范，影响现实行为。影响：道德感降低、行为失范。3.改进建议：（1）增加推荐透明度：向用户展示推荐逻辑（如基于哪些标签、相似用户等），允许用户理解和调整偏好设置。认知原理：提升控制感、减少不确定性、建立信任。（2）引入多样性/反差内容：在推荐列表中强制插入一定比例的、与用户偏好不完全一致但具有价值的内容（如不同观点、领域新闻），打破信息茧房。认知原理：挑战现有心智模型、拓宽认知范围、促进认知平衡。（3）提供反馈机制：允许用户评价推荐内容的质量和相关性，利用用户反馈优化算法，同时让用户感到自己的意见被重视。认知原理：增强用户参与感、提升控制感、促进个性化与多样化的平衡。五、分析题潜在偏差与问题：1.过滤气泡/回声室效应：算法根据用户历史行为推荐相似新闻，可能导致用户只接触到符合自己既有观点的信息，视野变窄，观点固化，加剧社会认知偏差。2.新颖性偏见：算法可能倾向于推荐用户过去行为中频繁出现的内容（即已知兴趣），而忽视了用户可能感兴趣的新领域或新观点的内容，导致认知视野停滞。3.情绪操纵风险：算法可能优先推荐能引发用户强烈情绪（如愤怒、焦虑、兴奋）的新闻，以最大化用户停留时间和互动，但这可能导致用户被情绪左右，理性思考能力下降。4.算法偏见：如果训练数据本身带有社会偏见（如对特定群体的刻板印象），或算法设计不完善，推荐结果可能歧视某些群体或强化刻板印象。5.认知负荷问题：面对海量个性化推荐，用户需要花费大量认知资源进行筛选和评估，可能导致信息过载和选择困难。改进建议：1.引入多样性推荐策略：在用户个性化推荐列表中，固定比例地加入一些与用户历史兴趣不完全相关的、但具有新闻价值或启发性的内容（如不同领域、不同观点的报道）。认知原理：打破信息茧房，拓宽用户认知边界，促进对多元信息的接触和理解。2.提供明确的“为什么推荐”反馈：向用户解释某个推荐内容被推送的原因（如“因为您关注环保，也阅读了这篇文章”、“这篇文章获得了许多与您兴趣相似用户的点赞”）。认知原理：增加透明度，提升用户对算法的理解和控制感，减少神秘感和潜在的不信任。3.设计“探索”模式：提供一个不基于历史行为、而是按时间、热度、编辑精选等方式组织的推荐区域或频道，鼓励用户主动探索未知信息。认知原