2022考研心理学专业基础综合简答题真题答案

2022考研心理学专业基础综合简答题练习题答案1.简述心理学研究中对额外变量的控制方法。额外变量是指除自变量外，所有能够对因变量产生影响，需要在实验中加以控制的变量。若不对额外变量进行有效控制，实验结果的可靠性和因果推论的效度就会受到干扰，心理学研究中常用的控制方法包括以下几种：第一，消除法。消除法是通过采取一定措施，将影响实验结果的额外变量从实验中彻底消除出去，是控制额外变量最为彻底的方法。例如，为了消除环境噪音对实验结果的干扰，可将实验安排在隔音的实验室内进行；为了消除主试期望效应和被试的要求特征对实验的影响，可采用双盲实验设计，主试和被试都不知道实验的假设和分组处理，也就无法按照期望刻意改变行为反应；对于时间、光照、温度等物理环境额外变量，也可通过保持实验条件恒定统一的方式间接消除其变异。消除法的局限在于很多额外变量无法被消除，比如被试的年龄、性别、人格特质，实验中无法消除这些变量，只能采用其他方式控制。第二，恒定法。恒定法是使额外变量在实验过程中保持恒定不变，其效应固定，不会干扰自变量对因变量的效应，适用于无法消除的额外变量。比如实验中安排所有被试都在同一个时间、同一间实验室、同一版本的实验仪器下完成实验，统一指导语，这些额外变量的效应就会保持恒定，不会造成不同实验组之间的系统性偏差。对于被试变量中稳定的特质，比如主试的态度、实验场地的特征，也可以用恒定法控制。恒定法也存在一定局限：首先，恒定法控制下的额外变量效应依然存在，只是保持恒定，若实验结果推广到其他条件下，会受到外部效度的影响，比如在大学实验室招募大学生被试得到的实验结果，推广到中老年群体时就会存在偏差；其次，若额外变量和自变量发生混淆，额外变量的恒定效应会和自变量效应混淆，无法分离，比如自变量是教学方法，额外变量教师混淆，一个教师只用一种教学方法，教师本身的教学经验、风格就会和自变量混淆，无法得出有效的因果结论。第三，匹配法。匹配法是使实验组和控制组中被试的额外变量属性保持相等的方法，常用于被试分组中对重要被试变量的控制。实验者首先会对被试的需要控制的额外变量进行测量，比如年龄、智力、工作记忆容量等和因变量关系密切的变量，然后根据测量结果将相同属性的被试分别分配到不同的实验组和控制组中，保证两组在该额外变量上的分布一致。例如，研究两种训练方法对儿童阅读能力的提升效果，需要匹配两组儿童的初始阅读水平、年龄、智力，让两组在这些变量上相等，这样训练后阅读能力的差异就可以归因于训练方法的不同，而不是初始水平的差异。匹配法在理论上是比较有效的控制方法，但在实际操作中存在很多困难：一方面，一次只能匹配少数几个额外变量，很难同时匹配多个变量，若变量之间存在交互作用，匹配的难度会大幅提升；另一方面，当样本量较小时，匹配经常出现无法完全匹配的情况，很多被试无法分组，最终不得不舍弃部分被试，造成样本的浪费。第四，随机化法。随机化法是把被试随机分配到不同的处理组中，通过随机化的过程，让额外变量在各个组之间的分布达到概率上的平衡，既可以用于被试的分组，也可以用于实验处理顺序、刺激呈现顺序的安排，是实验控制中最基本、最常用的方法。随机化法的原理是，无论有多少个难以控制的额外变量，只要随机分配，这些变量的效应就会平均分布到不同组中，不会出现系统性偏差，大样本下随机化的效果更好。相比于匹配法，随机化法不需要对额外变量进行测量，也不需要对被试进行预先匹配，操作简单，可以同时控制大量未知额外变量，适合多数实验设计。随机化法的局限是，随机化只能保证额外变量在概率上平衡，小样本情况下依然有可能出现不平衡的情况，对于一些和因变量高度相关的被试变量，仅仅靠随机分配无法保证绝对平衡，还需要搭配匹配法或者协方差分析等方法进一步控制。第五，抵消平衡法。抵消平衡法主要用于控制额外变量的顺序效应，比如练习效应、疲劳效应、期望效应等位置效应带来的偏差，常见于被试内设计。被试内设计中每个被试会接受所有的自变量处理，处理呈现的先后顺序会带来额外变量，比如先做的处理被试会有练习效应，后做的处理会有疲劳效应，抵消平衡法就是通过安排不同的处理顺序，让顺序效应在不同处理之间达到平衡，消除其对实验结果的干扰。常用的抵消平衡设计包括ABBA设计和拉丁方设计：ABBA设计适合自变量水平较少的情况，按照AB顺序呈现一次，再按照BA顺序呈现一次，两个方向的顺序效应就会相互抵消，适合处理顺序效应是线性变化的情况；拉丁方设计适合自变量水平较多的情况，通过构建拉丁方阵，让每个处理出现在每个位置的次数相等，每个处理都在其他处理之前和之后出现的次数相等，以此抵消顺序效应。抵消平衡法的优势在于不需要消除顺序额外变量，而是通过平衡设计消除其系统性影响，解决了被试内设计中顺序效应的干扰问题，但如果顺序效应存在非线性变化，或者不同处理之间存在复杂的遗留效应（延迟效应），抵消平衡法也无法完全消除其影响。第六，统计控制法。统计控制法是在实验完成之后，通过统计技术来控制额外变量的影响，适用于实验过程中无法通过上述方法控制，但已经测量到额外变量的情况。常用的统计控制方法包括协方差分析、偏相关分析、分层回归、匹配样本分析等。例如，研究两种教学方法对学生成绩的影响，无法保证初始智力水平在两组完全平衡，此时可以对学生的智力进行测量，然后将智力作为协变量，做协方差分析，剔除智力对成绩的影响之后，再检验两种教学方法的效应差异，以此控制智力这个额外变量的干扰。统计控制法属于事后控制的方法，多用于无法在实验前进行有效控制的情况，弥补了实验控制的不足，但统计控制的效果依赖于额外变量测量的准确性，如果测量误差较大，控制效果也会受到影响，同时统计控制不能替代实验过程中的实验控制，只有结合实验控制，才能得到可靠的结果。综上，额外变量的控制是心理学实验研究效度的核心保证，不同的控制方法适用于不同的场景，研究者需要根据研究设计、额外变量的类型，选择合适的控制方法组合，保障研究结果的可靠性和推论的有效性。2.简述问题解决的启发式策略。问题解决是指由一定的问题情境引发，经过一系列具有目标指向性的认知操作，使得问题得以解决的过程，问题解决的策略分为算法式策略和启发式策略两大类。算法式策略是指把解决问题的所有可能方案都逐一尝试，最终一定能够找到解决问题的答案，算法式策略能够保证问题得到解决，但在多数情况下，算法式策略需要尝试大量的可能性，效率很低，尤其对于复杂问题、信息不完整的问题，算法式策略往往无法适用。启发式策略是指人们根据自身已有的知识经验，在问题空间中进行不完全搜索，选择出最有可能解决问题的方案，从而快速解决问题的策略，启发式策略不能保证问题一定能够得到解决，但通常情况下能够高效地解决问题，是人们日常解决问题最常使用的策略，常见的启发式策略包括手段-目的分析法、逆向搜索法、爬山法、类比迁移策略等，具体如下：第一，手段-目的分析法。手段-目的分析法是启发式策略中最常用的一种，核心是将问题当前状态和目标状态进行对比，发现两者之间存在的差异，然后将总问题分解为若干个相互联系的子问题，逐步缩小差异，解决每个子问题之后，最终完成总问题的解决。手段-目的分析法的核心特征是拆分问题，有明确的子目标，通过逐步实现子目标来推进问题解决。例如，经典的河内塔问题，就是典型的用手段-目的分析法解决：河内塔问题有三根柱子，最左侧柱子从上到下套着大小不同的三个圆盘，目标是将所有圆盘移动到最右侧的柱子，规则是每次只能移动一个圆盘，大圆盘不能放在小圆盘上面。使用手段-目的分析法解决时，首先确定总目标是把最大的圆盘移动到最右侧，而实现这个子目标需要把最大圆盘上面两个较小的圆盘移动到中间柱子，于是拆分出第二个子目标，移动中等大小的圆盘到中间柱子，要实现这个子目标，又需要把最小的圆盘移开，最后一步步实现所有子目标，最终解决问题。手段-目的分析法中，有时候为了推进问题解决，需要暂时扩大当前状态和目标状态之间的差异，绕开当前的障碍，最终实现整体的目标，这种调整并不影响方法的推进，反而能够帮助人们处理复杂的结构问题。手段-目的分析法符合人类解决复杂问题的认知过程，拆分后子目标的完成能够给个体带来明确的反馈，降低问题解决的认知负荷，提升解决效率，适合目标明确、结构清晰的问题。第二，逆向搜索法。逆向搜索也叫反向推理，是指从问题的目标状态出发，反向推导，一步步倒推回问题的初始状态，从而找到从初始状态到目标状态的解决路径的启发式策略。逆向搜索适合从初始状态出发有多种可能的路径，而从目标状态出发只有少数路径可行的问题，比如各类逻辑推理问题、几何证明题，都适合用逆向搜索法。例如，一道几何证明题，已知一个三角形的边长和角度关系，需要证明某两条线段平行，从已知条件出发可以画出很多辅助线，推导很多种结论，但是不确定哪一个能够得到最终结论，而从结论出发，若要证明两条线段平行，根据平行线的判定定理，要么需要证明内错角相等，要么需要证明同位角相等，要么需要证明同旁内角互补，然后再倒推，要证明角相等需要证明三角形全等，要证明三角形全等需要已知什么条件，这些条件正好题目中已经给出，那么路径就找到了，整个问题就解决了。逆向搜索和手段-目的分析法的差异在于搜索方向不同，手段-目的分析法是从初始状态向目标状态搜索，逆向搜索是从目标状态向初始状态搜索，对于不同结构的问题，两者的效率差异很大，对于路径有限的推理问题，逆向搜索的效率远高于正向搜索。第三，爬山法。爬山法是指将问题解决的过程类比为爬山，从山底出发向山顶行进，每走一步都会选择当前位置距离山顶最近的方向前进，也就是每次都选择当前最有利于接近目标状态的方案，逐步向目标推进，最终解决问题。爬山法是一种逐步向目标推进的策略，和手段-目的分析法类似，都需要逐步缩小当前状态和目标状态之间的差异，但爬山法不需要提前拆分出明确的子目标，更依赖当前对问题情境的判断，每次只选择最有利的下一步。爬山法存在一个很明显的局限，就是容易遇到局部最优问题，也就是爬到了一个小山丘的顶部，以为已经到达了山顶，其实真正的目标在更远更高的位置，此时个体就会停滞在局部最优，无法解决问题。例如，人们在做职业选择的时候，刚毕业的时候选择当下薪资最高的工作，而不是符合长期职业发展的工作，多年后发现天花板，无法进一步提升，就是爬山法中局部最优陷阱的体现。为了避免局部最优问题，有时候研究者也会提出选择性爬山法，也就是不每次都选择当前最优，而是偶尔尝试选择次优的方案，探索是否存在更好的路径，降低陷入局部最优的概率。爬山法适合问题空间不明确、信息不完整的问题，也就是人们对问题解决的路径不清晰，只能走一步看一步，依靠经验逐步接近目标，很多非结构化的现实问题，人们都是用爬山法解决的。第四，类比迁移策略。类比迁移策略是指把个体过去解决过的相似问题的经验，迁移到当前新问题的解决过程中，也就是找到当前问题和过去已解决问题之间的相似性，把过去解决问题的方法拿来解决当前问题，从而快速找到解决方案。类比迁移策略是人们处理新问题非常重要的启发式，核心依赖于对问题结构相似性的识别，不管问题表面特征是否相似，只要结构相似，就可以迁移过去的解决方法。最经典的例子就是邓克尔的辐射问题：一个病人胃部有肿瘤，无法做手术，有一种射线可以杀死肿瘤，如果射线强度足够高，杀死肿瘤的同时也会杀死肿瘤周围的健康组织，如果强度太低，不会损伤健康组织，也杀不死肿瘤，问怎么才能解决这个问题。很多人很难直接解决这个问题，如果给被试呈现一个类似的故事：将军要攻打一座城堡，有多条道路通向城堡，如果从一条道路发起进攻，大部队一起走会触发道路上的地雷，不能走，于是将军把大部队分成多个小队，每个小队从不同道路同时进攻，最后合力攻下城堡。读过这个故事的被试，很容易类比到解决肿瘤问题：把多个不同方向的低强度射线同时照射肿瘤，每个方向的射线强度低，不会损伤健康组织，同时到达肿瘤的时候强度叠加，就可以杀死肿瘤。类比迁移策略依赖于个体能不能识别出不同问题之间的深层结构相似性，很多时候人们只注意到表面特征的相似，忽略了深层结构，就无法有效实现类比迁移，因此专家因为具备更丰富的知识结构和图式，更容易识别问题的深层结构，类比迁移的效果比新手更好。类比迁移不仅可以用来解决结构不良问题，也能帮助人们获得新的问题解决图式，促进对复杂问题的理解，是创造性问题解决中非常重要的策略。除了上述几种经典的启发式策略，人们在问题解决中还会使用其他的启发式，比如简化策略，就是把复杂问题拆解，去掉无关信息，抓住核心信息，简化问题的搜索空间，快速找到解决办法；还有计划简化策略，就是先抛开细节，制定一个简化的解决计划，找到大致方向之后再逐步细化解决。启发式策略整体上依赖于个体的已有知识经验，能够大幅降低问题解决的认知负荷，提升解决效率，适合处理复杂的现实问题，虽然无法保证每次都能解决问题，但在算法式策略不可行或者效率太低的时候，启发式策略是最优选择。不同的启发式适合不同类型的问题，人们会根据问题的特征、自身的经验选择合适的启发式策略，有时候也会组合多种启发式策略，共同推进问题解决。3.简述经典测量理论的测量标准误及其对测验编制的启示。经典测量理论又称为真分数理论，是心理测量领域最基础的理论框架，核心假设是观察分数等于真分数加上随机误差分数，也就是X=T+E，其中X是观察分数，T是真分数，E是随机误差。经典测量理论中，真分数是被试潜在特质的真实水平，误差分为系统误差和随机误差，系统误差被包含在真分数当中，因为它稳定存在，不影响测量的一致性，只有随机误差E是影响测量一致性的误差，满足四个基本假设：第一，无数次测量的误差E的平均数为零，也就是误差是随机的，大样本下误差的期望是零；第二，真分数T和误差E的相关为零，真分数和误差相互独立；第三，不同测量的误差E之间的相关为零，不同测量的误差相互独立；第四，误差和真分数之间没有交互作用。在这个理论框架下，测量标准误是经典测量理论中衡量测量精度的核心指标，具体含义和作用如下：测量标准误的定义是，同一被试无数次测量得到的观察分数分布的标准差，也称为测量误差的标准差，符号用SE表示。它反映了测量中随机误差的大小，衡量了单个被试一次测量得到的观察分数和其真实真分数之间的偏差程度，标准误越大，说明随机误差越大，测量的精度越低，观察分数和真分数之间的偏差越大；标准误越小，说明随机误差越小，测量精度越高，观察分数越接近真分数。测量标准误可以通过公式计算，具体公式是SE=Sₓ√(1rₓₓ)，其中Sₓ是测验分数的标准差，rₓₓ是测验的信度系数，从公式可以看出，测量标准误和测验信度呈负相关，测验信度越高，测量标准误越小，测验信度越低，测量标准误越大，当测验信度为1的时候，测量标准误为0，也就是没有随机误差，观察分数等于真分数。测量标准误和我们常说的测验分数的标准差是两个不同的概念：首先，标准差Sₓ描述的是一组被试测验分数之间的离散程度，反映的是不同被试之间分数变异的大小，而标准误SE描述的是单个被试观察分数和真分数之间的离散程度，反映的是测量随机误差带来的变异；其次，标准差越大，说明被试之间的差异越大，越有利于区分不同被试，而标准误越大，说明测量误差越大，越不利于准确测量被试的真分数；最后，两者之间虽然在公式上有关系，但含义完全不同，测量标准误更关注单个被试测量的精度，而标准差关注群体分数的分布。测量标准误的一个重要作用是用来计算被试真分数的置信区间，因为一次测量只能得到观察分数，真分数未知，根据测量标准误可以估计真分数可能落在什么区间范围内，置信区间的公式是：P(T∈[XZₐ/₂SE,X+Zₐ/₂SE])=1-α，也就是在置信水平1-α下，被试的真分数有1-α的概率落在观察分数加减Z倍标准误的区间内。例如，信度0.96，测验标准差为10，那么SE=10√(1-0.96)=100.2=2，如果某被试观察分数是80分，那么95%置信区间就是80±1.962，也就是[76.08,83.92]，说明这个被试的真分数有95%的概率落在这个区间内。标准误越小，置信区间就越窄，对真分数的估计就越精确，这在人员选拔、能力诊断等实际应用中非常重要，能够帮助解释单个被试的分数，避免过度推论带来的错误。测量标准误对测验编制有多方面的启示，具体如下：第一，测验编制要通过提高信度来降低测量标准误，提升单个被试测量的精度。根据标准误的计算公式，SE=Sₓ√(1rₓₓ)，在测验分数标准差不变的情况下，信度越高，标准误越小，因此提高信度是降低标准误、提升测量精度的核心途径。在测验编制过程中，影响信度的因素包括测验长度、被试样本异质性、题目难度、误差来源控制等，因此编制测验时要保持合适的测验长度，不能过短，测验过短会导致随机误差大，信度低，标准误大，当信度不够的时候，可以通过增加同质题目的方式提升信度，降低标准误。例如，编制智力测验的时候，如果原有10个题目信度只有0.7，标准误较大，那么可以增加到20个同质题目，信度就可以提升到0.8以上，标准误就会下降。同时，测验编制过程中要严格控制测量过程中的随机误差，比如统一指导语、标准化施测流程、降低评分误差、控制环境干扰，这些措施都可以提升信度，降低标准误。第二，测验编制要关注对单个被试分数解释的精度，合理设置置信区间，避免绝对化的分数解释。测量标准误告诉我们，任何测验分数都存在随机误差，观察分数不是真分数，只是对真分数的估计，因此在解释测验分数的时候，不能把观察分数当成绝对的真实水平，需要结合测量标准误给出置信区间，说明真分数的可能范围，尤其对于低stakes测验和诊断性测验，这一点非常重要。比如在编制高考这类高利害测验的时候，因为一分之差就会改变录取结果，所以必须严格控制测量标准误，尽可能提升信度，降低标准误，保证每个考生分数的精度，避免误差导致分数排名错误；而在人格测验编制中，因为需要对个体的人格特质进行诊断，所以需要在报告结果的时候给出分数区间，而不是给出绝对的分数，告诉被测者其神经质得分在某个区间内，而不是说绝对就是65分，这样更科学，也避免给被测者带来错误的标签。第三，不同用途的测验对标准误的要求不同，编制测验时要根据测验用途调整设计，满足精度要求。对于选拔性测验，比如公务员招聘测验、职业资格测验，需要准确区分被试的水平，对标准误的要求很高，需要尽可能降低标准误，提升精度，因此编制的时候需要增加题目长度，严格控制误差，保证足够高的信度；而对于初步筛选用的测验，比如大规模普查用的心理健康筛查量表，只需要大致区分出正常和异常群体，对单个被试的测量精度要求相对较低，因此可以适当缩短测验长度，控制施测时间，牺牲部分精度换更高的施测效率，只要标准误控制在可接受范围内即可。另外，对于参照常模的测验，需要区分被试之间的差异，不仅需要分数变异大，还需要标准误小，才能有效区分，因此编制的时候需要保证题目难度分布合适，被试样本的异质性足够，提升信度降低标准误；对于目标参照测验，需要判断被试是否达到掌握标准，标准误直接影响判断的准确性，因此编制的时候也要控制内容抽样误差带来的标准误，保证每个内容领域的题目足够，避免抽样误差导致判断错误。第四，测量标准误提醒我们，测验分数比较的时候要考虑误差的影响，测验编制要提升信度保证分数比较的有效性。在实际应用中，我们经常需要比较同一个被试前后两次测验的分数变化，或者比较两个不同被试的分数差异，测量标准误告诉我们，分数差异不一定真的反映了真实差异，有可能是随机误差导致的。如果两个被试的分数差异小于两倍的测量标准误，那么在统计上就不能认为两者的真分数存在显著差异，因此为了能够有效检测出真分数的差异，必须降低测量标准误，也就是提升测验信度。编制测验的时候，对于需要进行个体间比较或者前后测比较的测验，必须严格控制标准误，保证足够的精度，才能够检测出真实的差异。比如，编制干预效果评估用的测验，需要测量干预前后被试特质的变化，如果测验标准误太大，就无法区分出变化是真的干预效果还是随机误差，因此必须降低标准误，才能够准确评估干预效果。第五，测量标准误说明了完美测量是不存在的，编制测验的时候要合理认识测量误差，不可能完全消除误差，只能将误差控制在可接受的范围内。从公式可以看出，只有当信度为1的时候，标准误才为0，而心理测量中，因为人的特质是内隐的，测量过程中不可避免会存在各种随机误差，信度不可能达到1，标准误永远不会为零，因此任何测验的测量结果都是对真分数的估计，而不是绝对准确的数值。在测验编制的时候，不能追求绝对的无误差，只需要将标准误控制在符合测验用途要求的范围内即可，平衡测量精度和施测成本、被试负担，比如不可能为了极致的精度编制几百个题目的测验，让被试做几个小时，这样虽然标准误很低，但被试会产生疲劳，反而带来更多的误差，所以需要平衡。综上，测量标准误是经典测量理论中衡量测量精度的核心指标，反映了随机误差的大小，对测验编制的整个流程都有重要的指导意义，从测验设计、题目编制、信度检验到分数解释，都需要结合测量标准误的要求进行调整，从而编制出满足精度要求、符合应用需要的高质量心理测验。4.简述柯尔伯格的道德发展阶段理论及其对德育工作的启示。柯尔伯格是美国当代著名的发展心理学家，继承了皮亚杰的儿童道德发展研究传统，采用道德两难故事法对儿童青少年的道德判断发展进行了长期研究，提出了道德发展的三水平六阶段理论，对发展心理学和德育领域都产生了深远影响。柯尔伯格采用的道德两难故事法最经典的是海因兹偷药的故事：欧洲有一个妇女得了癌症，生命垂危，只有本城一个药剂师发明的一种药能够救她，但是药的成本很高，药剂师还十倍要价，标价两千英镑，病妇的丈夫海因兹到处借钱，只借到了一千英镑，不够买药，海因兹只好求求药剂师，能不能便宜一点卖给他，或者先赊账，后续补上，但是药剂师拒绝了，说我发明这个药就是为了赚钱，不可能便宜卖。海因兹走投无路，晚上撬开了药店的门，偷走了药，救了妻子。讲完故事之后，柯尔伯格会问被试：海因兹应该偷药吗？为什么应该？为什么不应该？然后根据被试的回答，判断其道德发展所处的阶段，不是根据回答是对还是错，而是根据回答背后的推理和判断标准来划分阶段。柯尔伯格根据研究结果，将道德发展划分为三个水平，每个水平包括两个阶段，具体内容如下：第一个水平是前习俗水平，这个水平的道德判断特征是个体着眼于行为的具体结果和自身的利害关系，不理解社会规范的要求，道德价值由外部的奖惩决定，多见于儿童和青少年早期，包括两个阶段：第一阶段：惩罚与服从定向阶段。这个阶段的儿童判断行为好坏的标准是行为是否会受到惩罚，会不会带来痛苦，只要不受到惩罚，就是对的，受到惩罚就是错的，服从权威只是为了避免惩罚，没有真正的道德准则。对于海因兹偷药，这个阶段的儿童可能会说“偷药不对，偷东西会被警察抓，会受到惩罚，所以不对”，或者也可能说“偷药是对的，因为不偷药妻子会病死，海因兹会被人骂，所以要偷”，核心是围绕会不会受到惩罚、有没有带来不好的结果判断对错。第二阶段：相对功利定向阶段，也称为工具性相对主义阶段。这个阶段的个体判断道德行为的标准是行为是否满足自身的利益，是否能够带来奖赏，满足自己和他人的需要，道德是相对的，对自己有利就是没有绝对的对错。对于海因兹偷药，这个阶段的个体可能会说“海因兹偷药是对的，因为他妻子需要这个药，他需要妻子活着，所以应该偷”，或者说“海因兹偷药不对，因为药剂师卖药赚钱，他的利益受损了，所以不对”，核心是看行为符合谁的利益，以功利性的交换来判断道德对错。第二个水平是习俗水平，这个水平的个体已经能够理解社会的规范和习俗，道德判断着眼于满足社会的期望和要求，遵守和服从公共的道德规则，希望获得他人的认可，维护社会秩序，这个水平多见于青少年和成人，也包括两个阶段：第三阶段：寻求认可定向阶段，也称为好孩子定向阶段。这个阶段的个体判断行为对错的标准是行为是否符合他人的期望，是否能够获得他人的认可和赞许，总是希望做一个大家眼里的好孩子，符合社会对好人的期望。对于海因兹偷药，这个阶段的个体会说“海因兹偷药是对的，因为他是为了救妻子，他是一个好丈夫，大家都会觉得他做得对，如果他不救妻子，大家会说他无情，不是好丈夫”，或者也可能会说“偷药不对，因为大家都会觉得偷东西是坏人，做坏事就会被人骂，所以不能偷”，核心是围绕他人的评价，希望获得好的名声，做一个符合社会期望的好人。第四阶段：遵守法规定向阶段，也称为维护权威和社会秩序定向阶段。这个阶段的个体认识到社会有公共的规则和法律，每个人都需要遵守公共的秩序和法律，尊重权威，维护社会的稳定，判断对错的标准就是行为是否符合法律和秩序的要求，遵守法律就是对的，违反法律就是错的。对于海因兹偷药，这个阶段的个体会说“海因兹偷药不对，因为偷东西违反法律，破坏社会秩序，如果大家都偷东西，社会就乱了，所以即使他是为了救妻子，也不能偷”，核心是尊重法律和社会秩序，认为法律是至高无上的，必须遵守。第三个水平是后习俗水平，这个水平的个体已经不只是遵守现有的习俗和法律，而是能够从普遍的道德原则和良心出发判断对错，超越了具体社会规则的束缚，达到了道德自律的水平，只有少数成年人能够达到这个水平，也包括两个阶段：第五阶段：社会契约定向阶段。这个阶段的个体认为法律和社会规则是大家共同约定的社会契约，是为了维护大多数人的利益，是可以改变的，不是固定不变的，如果法律不符合公众利益，就应该修改，判断对错的标准是看行为是否符合社会契约，是否符合大多数人的权益。对于海因兹偷药，这个阶段的个体会说“法律不允许偷东西，但是海因兹偷药是情有可原的，因为原来的法律没有考虑到生命权比财产权更重要，海因兹偷药是为了保护生命权，应该得到法律的原谅，甚至法律本身应该修改，保护生命的权利比保护财产更重要”，核心是认识到法律的契约性，认为道德权利是第一位的，法律可以根据公共利益调整。第六阶段：普遍原则定向阶段，也称为良心道德阶段。这个阶段是道德发展的最高阶段，个体判断对错不依赖于法律或者习俗，而是依据自己内心的良心和普遍的道德原则，比如正义、公平、人权、生命价值等，这些普遍原则高于任何具体的法律和规则，只要符合普遍道德原则就是对的。对于海因兹偷药，这个阶段的个体会认为“生命的价值高于一切，尊重生命是最高的道德原则，海因兹偷药是为了保护生命，符合最高的道德原则，所以是对的，财产权不能凌驾于生命权之上，即使违反法律，海因兹的行为在道德上是正确的”，柯尔伯格认为这个阶段是理想的道德阶段，很少有人能够稳定达到这个阶段。柯尔伯格认为，道德发展阶段有几个重要的特征：第一，阶段发展的顺序是固定不变的，每个人都是按照从前习俗水平到习俗水平再到后习俗水平的顺序发展，不会跳跃，也不会倒退；第二，道德发展是认知发展的一部分，道德判断依赖于认知能力的发展，所以年龄越大，越容易发展到更高的阶段；第三，社会文化环境和教育能够影响道德发展的速度，虽然顺序固定，但是好的环境教育能够促进道德发展到更高的阶段，不良的环境可能会让个体长期停留在较低的阶段。柯尔伯格的道德发展阶段理论对学校德育工作有多方面的启示，具体如下：第一，德育工作要符合学生道德发展的阶段顺序，根据学生不同年龄阶段的发展特点，制定合适的德育目标和内容，不能超前，也不能滞后。柯尔伯格认为，道德发展是按照阶段顺序逐步推进的，每个年龄阶段的学生能够理解的道德内容不同，不能给低年级儿童讲抽象的道德原则，他们只能理解基于奖惩和功利的道德，所以低年级德育要从基本的行为规范训练开始，让学生知道什么行为会受到奖惩，什么行为符合基本的规范，逐步培养学生的道德习惯，而不是一开始就讲抽象的正义、良心，学生无法理解。比如，对小学低年级学生，德育的重点应该是培养学生遵守学校纪律、不偷拿他人东西、团结同学这些具体的行为要求，让学生知道什么是对什么是错，逐步发展；到了中学阶段，学生进入习俗水平，就可以培养学生遵守法律、承担社会责任、形成集体荣誉感这些内容；到了大学阶段，可以引导学生思考普遍的道德原则，形成自己的道德价值观，推进后习俗水平道德的发展。如果违背阶段顺序，用超越学生发展水平的内容进行德育，就会导致德育空洞，学生无法理解，达不到效果。第二，德育工作的核心是促进学生道德判断能力的发展，而不是仅仅教给学生固定的道德规范。柯尔伯格认