2026年ps复试考试试题及答案

2026年ps复试考试试题及答案一、专业基础题（每题25分，共75分）1.实验心理学中，如何通过“双任务范式”区分注意资源分配的“资源限制”与“材料限制”？请结合具体实验设计说明二者的操作定义及判定标准。答案：双任务范式通过同时执行两个任务，观察任务间的相互干扰程度来区分注意资源类型。资源限制任务（Resource-LimitedTask）指任务绩效受可用注意资源总量限制，若分配更多资源给其中一个任务，另一任务绩效会下降；材料限制任务（Data-LimitedTask）指任务绩效受任务本身信息质量或加工能力限制，即使增加资源分配，绩效提升也有限。实验设计示例：主任务为视觉搜索（快速识别目标图形），次任务为听觉数字复述（即时重复听到的数字串）。控制变量包括主任务难度（简单/复杂搜索）、次任务负荷（短/长数字串）。若主任务为复杂搜索（资源限制），次任务负荷增加时，主任务反应时显著延长，错误率上升；若主任务为简单搜索（材料限制），即使次任务负荷增加，主任务绩效变化不显著（因搜索已自动化，资源需求低）。判定标准：当两任务同时执行时，若一任务绩效下降仅由资源竞争引起（且单任务时绩效可提升），则为资源限制；若单任务时绩效已达上限，双任务下无显著变化，则为材料限制。2.认知神经科学中，“默认网络（DefaultModeNetwork,DMN）”在静息态与任务态下的激活模式有何差异？其功能假说（如“自我参照加工”“情景记忆检索”）如何通过fMRI与EEG联合技术验证？答案：静息态下，DMN（包括内侧前额叶皮层、后扣带回皮层、楔前叶等）呈现高基线激活；任务态（如执行需要集中注意的认知任务）时，DMN激活被抑制（去激活效应）。差异机制与任务需求相关：静息时大脑倾向于内部导向加工（如自我反思、记忆回想），任务时转向外部导向加工（如感知觉、执行控制）。功能假说验证需多模态技术：fMRI提供高空间分辨率，定位DMN核心脑区的激活模式；EEG提供高时间分辨率，捕捉DMN与其他网络（如中央执行网络）的动态交互。例如验证“自我参照加工”假说：设计自我相关（如“描述自己的性格”）与非自我相关（如“描述他人的性格”）任务，fMRI显示自我任务时DMN核心区（内侧前额叶）激活增强；同步EEG记录到γ波段（30-80Hz）同步性增加，反映信息整合。若此时阻断DMN（经颅磁刺激抑制内侧前额叶），自我描述任务的流畅性与准确性下降，则支持该假说。验证“情景记忆检索”时，让被试回忆具体生活事件（情景记忆）与回忆事实知识（语义记忆），fMRI显示情景记忆任务中楔前叶激活更强，EEG在300-500ms出现P300成分（与记忆提取相关），且DMN与海马（记忆编码关键区）的功能连接增强，可佐证DMN参与情景记忆检索。3.发展心理学中，“心理理论（TheoryofMind）”的经典测试范式（如错误信念任务）存在哪些跨文化局限性？如何通过改进实验材料（如使用本土文化场景）提升测试效度？答案：经典错误信念任务（如“意外转移任务”“意外内容任务”）基于西方个体主义文化背景，假设儿童通过语言交流理解他人心理状态，但在集体主义文化或语言发展较慢的群体中可能存在效度问题。局限性包括：①语言依赖：任务需理解复杂指令（如“Sally认为弹珠在哪里？”），语言能力弱的儿童可能因表达困难被误判；②文化场景陌生：实验材料（如玩偶、盒子）可能不符合某些文化中儿童的日常经验；③社会认知差异：集体主义文化中儿童更关注群体意图而非个体信念，经典任务可能低估其心理理论能力。改进方法：①材料本土化：用儿童熟悉的场景（如农村儿童用“篮子-柜子藏鸡蛋”替代“盒子-盒子藏弹珠”，城市儿童用“书包-课桌放文具”）；②降低语言负荷：采用非语言任务（如通过眼神追踪观察儿童预期他人行为的注视点，或用手势指示替代口头回答）；③增加社会互动情境：设计“分享游戏”（如A小朋友想把糖果分给B，但B不在场，A会把糖果放在B常去的位置还是自己位置？），考察儿童对他人需求的理解；④多模态评估：结合行为观察（如自发帮助他人时的反应）与任务表现，避免单一任务的片面性。例如在非洲某部落的研究中，将错误信念任务改为“猎人藏猎物”场景（猎人A把猎物藏在树后离开，猎人B将猎物移到岩石后），询问“猎人A回来会去哪里找猎物？”，儿童回答正确率显著高于经典任务，说明材料适配提升了效度。二、研究设计题（35分）近年来有研究指出，“短视频使用时间与青少年共情能力呈负相关”，但因果方向存在争议（可能是低共情者更沉迷短视频，或短视频使用削弱共情）。请设计一项为期2年的追踪研究，探讨二者的因果关系，并说明：（1）核心变量的操作定义与测量工具；（2）控制变量的选择与控制方法；（3）数据统计方法（需说明如何区分因果方向）。答案：（1）核心变量操作定义与测量工具：自变量：短视频使用时间（客观使用时长+主观使用频率）。客观时长通过手机系统后台记录（每日短视频APP使用时间，精确到分钟）；主观频率用《青少年媒体使用问卷》（自编，如“每天打开短视频APP的次数”“每次使用的主要目的：娱乐/学习/社交”）。因变量：共情能力（认知共情+情感共情）。认知共情用《人际反应指针量表（IRI）》中的“观点采择”子量表（如“我经常尝试从朋友的角度看问题”，5点计分）；情感共情用“共情关注”子量表（如“看到他人受伤，我会感到难过”）。同时增加行为测量：实验室任务中观察被试对他人痛苦视频的生理反应（皮肤电反应、心率变异性），及主动帮助陌生人的意愿（如“是否愿意为贫困儿童捐赠自己的零用钱”）。（2）控制变量选择与控制方法：基线变量：年龄、性别（分层抽样，确保各年龄、性别组人数均衡）、家庭教养方式（用《父母教养方式评价量表EMBU》测量，后续统计中作为协变量）、初始共情能力（T0时间点测量，控制前测效应）。环境变量：同伴交往频率（用《同伴关系量表》测量，排除社交替代效应——即短视频使用可能替代面对面交往，间接影响共情）、学业压力（用《青少年压力量表》测量，压力可能同时影响短视频使用和情绪调节能力）。控制方法：采用多元回归分析时纳入所有控制变量作为协变量；若样本量允许，使用倾向得分匹配（PSM）平衡组间差异。（3）数据统计方法与因果推断：研究设计为三时间点追踪（T0：基线，T1：1年后，T2：2年后），采用交叉滞后分析（Cross-LaggedPanelModel,CLPM）区分因果方向。具体步骤：①建立结构方程模型（SEM），设定T0短视频使用（SV0）→T1共情（EC1），T0共情（EC0）→T1短视频使用（SV1），同时控制各变量的稳定性路径（SV0→SV1，EC0→EC1）。②比较两条交叉路径的系数：若SV0→EC1的路径显著（β1>0且p<0.05），而EC0→SV1不显著，则支持“短视频使用削弱共情”；若EC0→SV1显著（β2<0且p<0.05），而SV0→EC1不显著，则支持“低共情者更沉迷短视频”；若两者均显著，则需进一步分析中介效应（如低共情者因社交困难转向短视频，而短视频使用进一步减少现实互动，加剧共情下降）。③加入中介变量（如现实社交时间）：检验“SV0→现实社交时间（T1）→EC1”的中介效应，若中介效应显著，则说明短视频通过减少现实互动间接影响共情；反之，若直接效应（SV0→EC1）仍显著，则存在直接因果。三、学术热点分析题（30分）2024年《自然·神经科学》发表研究指出，“大语言模型（LLM）在处理语义组合时的神经机制与人类大脑存在关键差异”（如处理“绿色思想”这类异常组合时，LLM依赖统计关联，而人类依赖前额叶-颞叶网络的语义整合）。请结合认知语言学与神经科学理论，分析该发现的理论意义，并提出未来可验证的研究假设。答案：理论意义：（1）挑战“符号-联结”之争的传统框架：认知语言学中，语义组合性（将单词意义整合为短语意义）被视为人类语言的核心特征，传统联结主义模型（如早期神经网络）难以解释其提供性。该研究表明，LLM虽通过大规模语料训练获得统计层面的组合能力（如“绿色”与“思想”的共现频率），但缺乏人类大脑的“规则驱动”整合机制（如前额叶对语义冲突的检测、颞叶对概念特征的提取），支持人类语言处理存在特殊的神经专用系统，而非仅依赖统计学习。（2）深化“具身认知”理论：人类语义加工依赖感知运动经验（如“绿色”关联视觉经验，“思想”关联抽象认知），前额叶-颞叶网络的整合涉及跨模态信息绑定。LLM作为纯符号系统，缺乏具身经验，因此在处理异常组合时无法激活类似人类的“冲突检测-意义重构”过程（如人类会尝试理解“绿色思想”的隐喻意义，而LLM仅输出概率最高的关联词）。该发现为具身认知提供了神经层面的证据，说明身体经验对语义表征的关键作用。（3）推动人工智能与认知科学的交叉研究：以往AI模型设计常以“模拟人类表现”为目标，但该研究提示，仅模仿行为（如提供流畅文本）无法复现底层神经机制。未来需结合神经科学数据（如fMRI的脑区激活模式、EEG的时间进程）优化模型架构，发展“神经启发式AI”，而非仅依赖统计优化。未来可验证的研究假设：（1）具身经验注入可缩小LLM与人类的语义整合差异：让AI模型通过机器人交互获得感知运动经验（如“绿色”关联摄像头的光谱数据，“思想”关联对话中的抽象概念讨论），训练其在处理异常组合时激活类似人类的“冲突-整合”过程。预测：具身LLM在处理“绿色思想”时，其内部表征（如注意力权重）会同时关注“颜色”与“抽象概念”的特征，而非仅统计共现。（2）人类语义整合的神经效率与语言学习能力相关：通过纵向研究，测量儿童在语言爆发期（2-5岁）处理异常组合时的前额叶-颞叶功能连接强度，追踪其后期语言创造力（如编造新短语的能力）。预测：功能连接越强的儿童，语言提供能力（如隐喻使用、新词创造）越突出，支持神经整合机制是语言提供性的基础。（3）神经反馈训练可提升LLM的语义整合能力：将人类处理异常组合时的脑电特征（如N400成分，反映语义冲突）作为监督信号，反向调整LLM的损失函数。预测：加入神经反馈的LLM在提供异常组合时，其内部表征会更接近人类的“冲突检测-意义重构”过程（如先降低“绿色-思想”的初始概率，再通过上下文推理提升其合理性）。四、英语能力测试（30分）请将以下英文文献摘要翻译为中文（要求专业术语准确，语句通顺）："Recentadvancesinneuroimaginghaverevealedthatthehumanbrain'ssemanticnetworkconsistsoftwointeractingsubsystems:a'core'system(posteriortemporalcortex)forstoringamodalconceptualfeaturesanda'peripheral'system(modal-specificcortices,e.g.,visual,auditory)forgroundingconceptsinsensory-motorexperiences.UsingfMRIandintracranialEEG,wefoundthatwhenprocessingnovelcompoundwords(e.g.,'moonlightcoffee'),thecoresystemfirstretrievesabstractfeaturesof'moonlight'and'coffee',followedbytheperipheralsystemintegratingthesefeatureswithmodality-specificinformation(e.g.,thevisualexperienceofmoonlight,theolfactoryexperienceofcoffee).Thisdynamicinteraction,occurringwithin200-500ms,underpinsthehumanabilitytogenerateandcomprehendnovelmeanings,whichisdistinctfromLLMs'relianceonstatisticalco-occurrenceprobabilities."答案：神经影像学的最新进展揭