随着人工智能（artificial intelligence,AI）技术的快速发展和AI伴侣的广泛出现,人智交互已从工具性使用逐渐演变为准社交互动,并可能进一步发展为情感依恋。文章系统梳理了近20年心理学与人智交互领域的相关研究,构建了人智依恋形成的理论模型。研究发现：（1）人智关系呈现从工具性使用到准社交互动再到情感依恋的动态演进过程;（2）AI依恋的形成受个体因素（如孤独感、使用动机、情绪特质）和AI特征（如拟人性、自主性、反应性）的双重影响;（3）这种新型情感关系面临情感泡沫、隐私安全等伦理争议。已有研究存在样本单一（偏重年轻群体）和缺乏长期追踪等局限,未来需采用纵向设计和多模态测量方法深化研究。AI系统的发展需要平衡技术创新与伦理考量,以促进人智关系的健康发展。

大语言模型（LLMs）的社会化渗透正在重塑人类社交图景,如何系统研究人-LLM协同进化的心理机制已成为前沿课题。为此,需要聚焦LLM技术对心理学实验带来的影响,通过汇总认知机制、被试模拟和多主体人机交互三个不同层次的实验现状进行分析,并说明对应的挑战和局限性。该研究总结了融入LLM的心理学实验设计流程,包含12项核心任务,并分析了现有实验平台的优劣。未来需要构建LLM原生实验框架及平台,以应对人机融合实验范式带来的技术挑战和伦理问题。

元认知能力指个体对自身思维过程的察觉、反思与调节,有助于学习者自主监测学习过程。启发式提问被认为是提升元认知的有效手段,但传统课堂中实施难度大,结合大语言模型后仍面临模板化、缺乏逻辑递进与评估机制不足等问题。为此构建了基于错因的启发式问题库,并设计多种策略引导大模型提问,推动其从“问题百科”转变为“提问导师”。同时引入人工与大模型双重评分机制评估提问效果。结果显示：（1）基于错因的问题库能有效提升学习者的元认知能力;（2）多种提问策略中,半自由提问策略（即基于错因提问,其余自由发挥）表现优于完全自由或严格策略;（3）通过多维度评价,证明提出的智能启发式提问机制能有效促进学习者元认知发展。

随着信息技术和人工智能的迅速发展,心理信息学逐渐成为心理学与信息科学之间的重要交叉领域。文章梳理了心理信息学的历史发展脉络,回顾从信息加工理论到大语言模型的关键进展,指出当代人工智能的核心特征——“计算认知”,既是识别和提取自然发生数据中认知信息的重要工具,也可作为建模和理解特定认知心理过程的研究对象。综述进一步分析了数据来源的自然化、机器学习方法的演变以及数据与理论驱动结合的趋势。在此基础上,文章探讨计算认知模型在临床、教育、文化心理学等领域的应用潜力,以揭示其对心理学研究在深度与广度上的影响。最后,结合人机协作与伦理治理,展望了心理信息学未来的发展方向,以期为该领域的理论与实践探索提供启示。

研究旨在评估大语言模型（DeepSeek）仅基于人口统计特征条件下,模拟群体心理特征的能力。基于与中国家庭追踪调查（2018年）人口学特征相匹配的样本（N = 2943）,构建人工智能生成的“虚拟被试”,比较其与真实人群在大五人格与幸福感区域分布上的一致性。研究发现,模拟数据在幸福感和大五人格的区域分布趋势上与真实数据总体一致,仅在细节上表现出特异性,主要体现在模型易捕捉并放大外显特质（如神经质）及受区域刻板影响下对幸福感的估计偏差。这表明,以DeepSeek为代表的大语言模型模拟区域心理结构方面的潜力,但其应用需要注意文化敏感性和细粒度特质模拟方面的局限,以避免过度解读。研究为评估大语言模型在人群心理特征建模的有效性提供了实证支持。

预测编码被认为是实现高效、准确言语理解的核心机制。随着自然范式的发展和大语言模型的应用,研究者得到得以在具有高生态效度的语境中对语言预测过程进行探索。用于探索自然言语理解中预测编码机制的计算与建模方法近年来快速发展,包括基于语言模型的预测编码计算、脑际视角下的预测编码计算以及预测编码的动态机制建模等。这些方法在三个层面推动了预测编码机制的实证研究和理论进步：在现象层面,预测加工在语言理解中普遍存在,且在复杂环境中具备稳健性;在计算层面,大脑能够并行整合多层级语境,生成多尺度预测输出;在神经机制层面,多频带神经振荡协同参与预测编码。对上述方法与进展的系统梳理有助于深化对语言理解中预测机制的认识。

随着人工智能技术的飞速发展,大语言模型（LLMs）在文本生成、翻译、问答等诸多领域展现出惊人的能力。然而,这些模型是否像人类一样容易受到认知偏差的影响,是一个亟待解决的关键问题。理解人工智能模型是否存在类似的认知偏差,对于评估其可靠性、改进其性能以及预测其潜在的社会影响至关重要。研究旨在探究谷歌的Gemini 1.5 Pro和DeepSeek这两款大语言模型对框架效应和确认偏误的易感性。框架效应指人们对相同信息的不同表述方式做出不同反应的现象,而确认偏误则考察模型在处理信息时是否存在系统性偏好。为评估这些偏误,研究设计了一系列实验信息的比例和呈现顺序。
在框架效应实验中,研究构建了基因检测的决策场景,控制积极信息和消极信息的比例（如积极信息占20%、50%或80%）,并变换信息呈现的先后顺序,记录模型对是否进行基因检测的倾向。在确认偏误实验中,研究提供了关于"萝卜快跑"自动驾驶汽车的积极性和消极性两篇报道,系统改变了报道中错误信息的比例（10%,30%和50%）,并同样测试了不同信息呈现顺序下模型对报道的支持倾向。
研究结果表明,Gemini 1.5 Pro和DeepSeek均表现出对框架效应的易感性。具体而言,在基因检测场景下,两者的决策态度主要受到所呈现积极信息和消极信息比例的影响：当积极信息占比较高时,模型更倾向于选择进行基因检测;反之,当消极信息占比较高时,则更倾向于不进行或持谨慎态度。而信息呈现的先后顺序对框架效应的实验结果没有显著影响。
在确认偏误的实验中,Gemini 1.5 Pro并未表现出对积极或消极报道的整体偏好,其判断更多地受到信息呈现顺序的显著影响,表现出"近因效应",即更倾向于支持后呈现的报道,而报道中错误信息的比例对其影响不显著。DeepSeek在确认偏误实验中则表现出对正面报道的整体偏好,其支持正面报道的比例显著更高。尽管如此,DeepSeek的决策同样也受到了信息呈现顺序的显著影响,而错误信息比例无显著影响。
这些发现揭示了先进大语言模型中存在类似人类的认知脆弱性。Gemini 1.5 Pro对信息呈现顺序的敏感性以及DeepSeek对正面信息的偏好和对顺序的敏感性,都对人工智能在决策过程中的可靠性和客观性提出了挑战。这也提示在开发和应用人工智能时,需更加审慎地评估其潜在的认知偏误并采取有效措施以避免可能带来的负面社会影响。未来的研究应考虑纳入更多不同类型的模型进行对比,并探索更复杂的交互场景。

研究以国家刻板印象为例,提出了一种以人工智能技术中的大语言模型（large language model, LLM）为核心的心理测量方法,实现从心理特征的维度构建到自动化测量的完整流程。研究1利用人工智能提取自由描述文本中的国家刻板印象内容,结合文本挖掘方法归纳出国家刻板印象跨文化核心维度;研究2构建了基于LLM的自动化测量（LLM-rating）模型并检验性能。研究结果显示：（1）利用人工智能技术,提取出国家刻板印象的五个跨文化核心维度：文化丰富性、发达进步、权力影响、社会平等、集中管理;（2）LLM-rating模型具有良好的人机评分一致性和评分结果的跨时间稳定性。研究结果表明,人工智能为复杂心理特征的自动化建构与评估提供了新的跨学科角度,展示了其在社会认知研究中的潜在应用价值。

大语言模型（LLM）已广泛用于内容生成与审核,但LLM对虚假信息的辨别并非总是可靠,并且自身也时常表现出“幻觉”。探索准确性是否提示以及如何有效提高LLM信息辨别力,可以为理解LLM的类人行为及机制提供依据,也关系到如何以最简单有效的方式提升模型在真实世界中的信息审核与内容呈现。本研究系统探讨了准确性提示能否有效提升GPT对虚假信息的辨别能力。三个研究依次使用经典新闻材料、高推理负荷的TruthfulQA材料和未学习的新材料,均发现准确性提示显著提高了LLM的分享辨别力。结果表明,提示策略可能将LLM的注意转移到真实性维度,并激发模型内部认知机制切换至慎思模式、提高模型表现。研究结果为心理学干预方法与LLM认知机制的整合提供了理论与实证基础。

AI价值观对齐是AI安全领域的核心问题之一,现有对齐方法存在诸多不足,心理学理论的引入有助于解决AI价值观对齐问题。文章首先梳理了AI价值观对齐的主流技术方法,总结了AI价值观对齐失败的表现与原因。其次,分析了心理学中关于价值观形成、道德决策的理论,并指出这些理论给AI价值观对齐带来的启示。最后从对齐目标、动机机制、认知能力机制与社会行为演化机制四个层面分析了将心理学理论用于AI价值观对齐的实现路径。文章强调将心理学机制嵌入AI设计架构中,以构建更可信、更贴合人类价值的智能系统。

人机协作决策在各领域广泛应用,但其效能表现出显著异质性——既可能提升也可能降低决策质量与效率。为解释效能异质性的来源,本研究基于人机共生理论视角,聚焦人类主体性,构建了一个人机协作决策的四阶段过程影响模型。该模型揭示了人机协作效能形成于四个相互关联的动态环节：（1）人机优劣势与偏见的识别;（2）基于任务特性与情境的动态任务分配;（3）对AI建议质量的辨别与信任校准;（4）合理人机依赖模式的形成与调整。在深入探讨了人机协作面临的核心挑战,并重点剖析了人类主体性与决策能力弱化的风险后,本研究展望了未来构建人机共享认知以实现深度协同的前景,从而为理解和优化人机协作决策提供了新的理论框架与思考维度。

面孔识别是人类社会交往中的核心认知能力。近年来,深度卷积神经网络（deep convolutional neural network,DCNN）在模拟和理解面孔加工中展现出强大的能力,为探究人类面孔识别的行为表现和神经机制提供了新的视角。因此,围绕识别能力、行为效应与神经机制三个方面,本文系统综述了DCNN与人类在面孔识别中的异同：（1）首先,DCNN是否具备与人类相当的面孔识别能力?从面孔身份、性别、情绪等特征方面出发,评估DCNN在面孔识别任务中的表现;（2）其次,尽管DCNN在识别准确性上表现优异,其加工策略是否与人类的行为机制一致?基于经典的面孔加工效应（如倒置效应、种族效应、熟悉性效应等）分析DCNN与人类加工策略上的相似性与差异性;（3）进一步,DCNN的内部表征是否与人类面孔加工的神经机制相类似?从结构层级性和功能专门化两个方面,比较其表征方式与人类面孔识别系统的神经基础之间的对应关系。当前模型在鲁棒性与泛化性、结果解释力、生物视觉系统模拟等方面仍存在一定局限性,未来研究也可进一步探索其与多模态网络及生成对抗网络的融合潜力。

非常规突发事件下,网络亲社会行为是帮助整合资源、恢复现实世界秩序的重要渠道。研究探究风险情境下风险感知是否会驱动人们更倾向于做出网络亲社会行为及其如何进一步影响非常规突发事件的走向。研究1采用问卷法,结合恐惧管理理论,验证了风险感知经由本体安全感对网络亲社会行为的影响以及健康自我效能感的调节作用;研究2采用基于主体的建模技术（agent based model, ABM）建模预测了网络亲社会行为通过调节医疗资源有效分配,有效减少疫情峰值人数、缩短疫情持续时间。研究拓展了对网络亲社会行为动因的理解以及对影响非常规突发事件走向的预测,启示人们通过增进网络亲社会行为对风险事件施加正向的影响。

近年来,大语言模型表现出媲美人类的语言理解和生成能力,成为人工智能领域的重大突破。在大语言模型的发展历程中,心理学与其存在深厚的历史渊源。首先,作为模型架构基础,人工神经网络早期被心理学家用于模拟人类认知过程;其次,计算机科学与心理学在词汇语义表征方面的学科交叉推动了词嵌入技术的发展;第三,大语言模型和人类在实时语言加工中存在相似特点;此外,跨领域的人员交集与学术传承构成了推动人工智能研究的重要力量。因此,心理学在语言加工与认知建模方面的耕耘及其与计算机科学的深入合作为语言智能的突破做出重要贡献。这为科研人员提供重要启示：跨学科合作与基础研究的深耕是推动创新和实现突破的关键。

随着人工智能的飞速发展,如何建立人智信任成为亟需解决的重点问题。已有研究通过问卷调查或单次互动任务揭示了影响人智信任的因素,但人智信任建立过程的动态行为模式及内在机制仍不明晰。通过重复信任博弈任务及强化学习计算建模,研究发现在任务开始时,成人参与者对人工智能和对人类的信任水平无显著差异;但在重复博弈时,参与者面对人工智能时的投资水平更高,投资失败后更愿意继续投资,对人工智能的负反馈学习率更低。这些结果表明个体对人工智能的不合作行为敏感性较低,人智信任建立过程的韧性更强。研究为理解人智信任的建立机制提供了行为与计算层面的依据,为人工智能的交互设计提供了理论参考。

AI健康新闻在促进传递健康知识、提升医疗服务等健康传播领域存在巨大潜力,但目前缺乏直接探究公众接受AI健康新闻及其心理机制的实证证据。通过两项被试间实验检验了公众对AI健康新闻的信任与接受以及负向预期违背这一心理因素的调节作用。结果发现,相比人工新闻,公众对AI健康新闻的信息接受意愿更低,并且对AI健康新闻的感知信任中介了新闻代理类型（AI vs. 人类）影响信息接受意愿的作用。此外,负向预期违背调节了新闻代理类型与感知信任之间的关系,即公众的负向预期违背越高,对AI健康新闻与人工健康新闻的感知信任差距越大。

在生态文明转型与数字社会兴起背景下,公众自然接触的心理测量与结构建模面临理论与方法双重挑战。研究提出自然接触的三维结构（客观环境、主观体验、互动行为）,构建中文语境下自然接触心理词典,并将其应用于2010-2024年间微博数据,动态表征自然接触在时空维度的演化特征。结果表明,该词典具备良好效度与响应性,能够捕捉政策节点与区域结构中的心理表达变动。我国自然接触水平,在2010-2024年间呈系统性上升趋势,并于2012、2017、2022年显现明显跃升;空间分布上呈现“西高东低、边疆高、核心城市低”的地理结构。研究实现了自然接触的开放语境测量,描绘出我国自然接触的时空分布结构,为生态文明评估、绿色干预与数字治理提供测量工具与理论支持。

随着人工智能的迅猛发展及其在众多领域的广泛应用,其对人类道德的影响引发了学界的深刻思考。现有文献表明,AI应用可通过道德认知、道德情绪、社会评价与反应等心理和认知神经机制对人类道德产生影响。进一步,当前研究总结对比了AI在代理、建议、人机协作和道德模范四种应用情境下对人类道德行为产生的正面和负面影响。未来研究需要深入比较AI在不同应用情境下影响差异的机制,探究AI对人类道德的长期影响,并探索AI设计干预和提升道德影响的途径,为AI的设计、开发和应用提供理论支持和参考。

文化价值观常被划分为个体主义价值观和集体主义价值观,用以解释决策行为的跨文化差异,但是少有研究关注到文化因素对框架效应的影响。基于54个国家（地区）的90999个个体样本,研究采用Hofstede文化价值观、Schwartz嵌入性指数、GLOBE群体集体主义指数三种文化指数,通过Logit回归和边际效应分析,系统探讨了个体主义与集体主义价值观对风险偏好和框架效应的影响。结果表明,三种文化指数与对应的框架效应量均呈倒U型曲线关系,即文化特征越不鲜明,框架效应越突出。在理论层面上,不仅扩大了软垫假说的适用范围,还验证了心理博弈理论,进一步拓展以往个别国家（地区）间的框架效应的比较结果,揭示文化价值观对框架效应的影响机制。

采用问卷法对1308名高中生的抑郁症状及影响因素进行调查,探究高中生抑郁症状及抑郁与影响因素间的关系,结果发现：（1）高中生抑郁的核心症状是悲伤、消沉、难以开始和孤独,核心症状在两次测量中结果一致;（2）失败感和不被喜欢是高中生抑郁的核心预测症状;（3）积极情绪调节自我效能感、灾难化、积极重新评价和核心自我评价是高中生抑郁的核心预测因素,理性分析是女性高中生特有的核心预测因素。表明高中生抑郁的核心症状具有可重复性,女性高中生抑郁的核心影响因素存在性别特异性。因此,在高中生抑郁的预防和干预中,需重点关注核心症状和核心影响因素,还应对女性高中生制定针对性的干预措施。

为探讨早期受虐对贪婪特质发展的影响,研究对239名初中生进行了为期3年的三次追踪调查。结果表明：（1）初中生的贪婪特质呈线性增长趋势;（2）早期受虐正向预测贪婪特质的初始水平,并负向预测其增长速率,其中情感虐待正向预测初始水平,躯体忽视则负向预测发展速度;（3）早期受虐可划分为四个亚组：安全组（61.9%）、一般早期受虐组（21.7%）、严重躯体受虐组（10.5%）和严重情感创伤组（5.9%）;（4）严重躯体受虐组在贪婪特质发展的轨迹中发展速度显著低于安全组;（5）严重躯体受虐组和严重情感创伤组的初始贪婪特质水平显著高于未受虐组,且严重情感创伤组的最终贪婪水平显著高于其他组。研究发现为贪婪特质的形成发展机制提供了新视角。

人工智能（AI）正日益成为个体获取建议的重要来源之一。依恋风格作为一种反映社会行为倾向的心理特质，塑造了个体对建议者相对稳定的预期与认知，为阐释AI建议采纳的个体差异提供了有力的理论框架。研究基于Bowlby的依恋理论，探究了个体依恋风格与建议来源（AI vs. 人类）对建议采纳的影响。两项实验研究均发现：（1）与人类建议相比，高依恋焦虑者更倾向于采纳AI的建议，即随着依恋焦虑程度的提升，个体对AI建议的采纳程度显著增加，但对人类建议的采纳程度没有显著变化；（2）高依恋回避者则未表现出对AI或人类建议的显著偏好。结果说明，依恋风格可以有效解释AI建议采纳的个体差异，依恋焦虑和依恋回避具有差异化的作用机制。

工作意义感的缺失逐渐引起社会关注,提升工作意义感有助于员工满足自我实现的需要,在工作中实现自我价值。文章基于正念意义理论,通过问卷调查及干预训练,探讨了正念对员工工作意义感的促进作用及其机制。结果发现：(1) 员工的正念水平可以有效预测其工作意义感,认知重评和仔细品味在其中起到双中介作用;(2) 7天短时正念训练能有效提升员工的认知重评、仔细品味水平,进而提高员工的工作意义感。研究结果不仅丰富了工作意义感的前因研究,拓展了正念意义理论在组织领域的应用,同时也为如何提升员工工作意义感提供了参考依据。

智能体建模（agent-based modeling,ABM）在研究人类情感和认知演化中的应用与潜力正在受到广泛关注。与传统的情感与认知研究方法（如理论框架、案例分析和实证数据）不同,ABM通过模拟个体智能体的行为与互动,能够在微观层面揭示情感与认知的演化过程,并观察这些过程如何在宏观层面上涌现为群体行为、社会规范和文化实践。ABM能够捕捉社会互动中的随机性和复杂性,为情感（如共情、愤怒、恐惧等）和认知（如决策、学习、问题解决等）过程的演化提供新的视角,特别是情感与认知之间的相互作用。例如,通过模拟囚徒困境等经典博弈模型,ABM展示了情感与认知如何在群体中推动合作行为的演化,比如个体通过反复互动积累经验并学习合作策略的过程以及共情通过促进个体对他人情感状态的理解与反应从而增强合作的重要作用。但是,目前ABM在情感与认知演化研究中的应用也面临若干挑战：情感与认知的复杂性使得模型建立和参数化变得困难,尤其是如何将生物学、心理学和社会因素综合进模型;如何对难以获取真实世界数据的ABM模型所生成的结果进行验证仍然是一个重要问题;模型复杂度的增加也使得ABM的计算需求和可扩展性问题也愈加突出,尤其是在模拟大规模群体或长期演化过程时,计算资源的消耗是一个重要的制约因素。随着科学技术的发展,ABM在解析人类情感与认知演化进程中的应用有很多潜在发展方向。例如,将神经生物学与心理学的数据深度融合,以增强模型的生物学与心理学基础;在复杂社会网络中实施更为精细的模拟,以捕捉社会互动的微妙与多样性;结合人工智能与机器学习的最新成果,尤其是大语言模型赋能的智能体演化模型,将为ABM注入新的活力以及推动模型在现实世界场景中的广泛应用,验证其实际效用与价值。综上所述,ABM为研究人类情感与认知的演化提供了独特的视角,不仅能够揭示微观层面的个体行为和互动,还能展示这些行为如何在宏观层面上演化为社会现象。尽管在模型复杂性、结果验证与计算资源等方面存在挑战,但随着技术的进步,ABM有望推动其公共政策、教育和公共健康等领域的实际应用,进而深化对人类行为演化机制的理解。

在人工智能、心理和神经科学等领域,研究者致力于探索智能体如何从复杂信息提取关键特征,以实现不同任务中的灵活决策,这类关于抽象与泛化的研究多集中于非社会领域。然而社会决策更为复杂和独特,深入研究多智能体在互动中如何理解、使用和泛化相关信息显得尤为重要。在社会互动中,智能体不仅需要过滤无关细节,抽象出影响决策的核心信息（如概念、观点和策略等）,还需要推测其理解与抽象是否与其他智能体一致。这种社会性抽象和泛化是通用社会智能的核心。文章举例回顾非社会决策领域的成果有助于展望社会决策领域的关键研究问题,并且进一步强调,理解人脑如何从复杂社交信息文章中提炼通用模式是阐明通用社会智能的神经与类脑计算机制的核心环节。

家庭环境是影响儿童心理健康的中心环境。然而,由于家庭环境概念模糊,以往研究对家庭环境与儿童心理健康的关系未有定论。研究采用三水平元分析和相对权重分析,纳入2010~2023年的316篇文献（1255个效应量,712642名被试）,考察家庭物理环境（家庭社会经济地位）和心理环境（教养方式）与儿童心理健康的关系及相对重要性。结果显示：（1）家庭社会经济地位、积极教养方式与儿童抑郁、焦虑呈显著负相关,与幸福感呈显著正相关,消极教养方式则相反;（2）对儿童心理健康的相对重要性排序上,家庭心理环境较高,家庭物理环境次之;（3）年龄阶段、文化背景、发表年份等因素显著调节家庭环境和儿童心理健康的关系。研究结果强调了家庭环境,尤其心理环境对儿童心理健康的重要性,为家庭干预提供了参考。

基于生态系统理论，校园欺凌会威胁儿童青少年的身心健康。通过对12927名儿童青少年的调查，使用网络分析探索了校园欺凌、自我攻击和幸福感之间关系的网络特征及网络的性别与学段差异。结果显示：（1）有17.2%的儿童青少年卷入校园欺凌，男生卷入比例高于女生，卷入率随学段升高而递减；（2）被辱骂、被孤立、辱骂和咬伤自己为网络中的桥节点；（3）不同性别网络的桥节点略有不同，网络结构和整体连接强度差异不显著；（4）不同学段网络的桥节点存在区别，网络结构保持稳定，整体连接强度随学段升高而增强。未来的干预措施应聚焦于网络的桥节点，并根据不同性别和学段学生的特点制定有针对性的方案。

为探究不同面子意识对抑郁的影响以及完美主义的中介作用和集体主义的调节作用,对914名大学生开展了为期一年的追踪研究。结果发现：想挣面子意识通过积极完美主义间接负向预测抑郁;怕丢面子意识不仅可以直接正向预测抑郁,而且能间接通过消极完美主义来正向预测抑郁;高水平集体主义会减弱怕丢面子意识对消极完美主义的正向预测作用,从而降低抑郁。该结果表明两种面子意识对抑郁的预测作用存在差异。与想挣面子不同,怕丢面子会通过直接和间接的方式增加抑郁,但高水平集体主义可减少怕丢面子者的消极完美主义倾向,进而减少抑郁的风险。

情绪是影响个体感知自我人性特征的重要因素。当前研究旨在探讨怀旧情绪对自我人性化知觉的影响以及自我连续性的中介作用。研究1采用问卷的形式考察三者之间的关系,发现特质性怀旧与个体的自我人性化知觉呈正相关关系,二者的关系受到更高水平自我连续性的中介。研究2通过事件反思任务操纵怀旧情绪,发现状态性怀旧通过提高自我连续性进而提高自我人性化知觉。研究3关注自我人性化知觉恢复的动态过程,发现当个体受到社会排斥后,状态性怀旧能通过提高自我连续性恢复自我人性化知觉。研究结果扩展了自我人性化知觉的情绪影响因素研究,为促进自我人性化知觉提供了有益启示。

家庭是社会基本单元,其功能健全与否关乎儿童心理健康,而当前研究对家庭功能探讨有限,部分家庭功能维度与儿童心理健康的关系存在争议。研究用三水平元分析梳理96篇文献（含238个效应量,253383人）,经相对权重分析探讨家庭功能各维度对儿童心理健康影响的贡献。结果表明,良好的家庭功能能降低儿童抑郁、焦虑的风险,提高其幸福感水平;家庭功能不同维度对心理健康的影响存在差异,家庭情感与家庭沟通维度对焦虑和抑郁影响较大,家庭沟通和家庭问题解决维度对幸福感影响突出;发表时间、学龄段、文化背景等因素在两者间起调节作用。研究结果支持了家庭功能与儿童心理健康线性相关的理论假设,揭示了不同维度的重要性,为家庭教育和家庭干预措施提供了指导与方向。

随着科技发展，睡眠不足问题日益普遍，这会显著损害个体的认知和情绪功能。风险决策在生活中无处不在，并受到睡眠不足的影响。近年来，越来越多研究开始探讨睡眠剥夺对风险决策的影响，但大多关注不同程度睡眠剥夺对特定脑区和单一脑网络激活水平的影响，忽略了大尺度脑网络的整体作用。研究比较了完全睡眠剥夺和部分睡眠剥夺对风险决策的影响，并分别从大尺度脑网络视角分析其作用机制。研究强调了中央执行网络、奖赏网络和凸显网络在这一过程中的执行控制、奖惩预期和风险评估作用，共同决定个体的决策表现。最后，本文讨论了未来研究可以从建立神经计算模型、探究动态影响等方面继续探究。

同伴支持对青少年心理健康有重要影响。为了探究个体及群体水平同伴支持与青少年内化问题的关系，本研究基于121个班级4056名中学生的调查，借助社会网络分析获取同伴支持网络的个体和群体水平指标，构建多层线性模型。结果发现：(1)学生寻求支持关系越多，焦虑、抑郁和孤独感越低；被寻求支持关系越多，抑郁和孤独感越低；(2)同伴支持网络密度越大，学生的孤独感越低；(3)班级中同伴支持网络密度和寻求支持关系阶层性均能调节个人寻求支持关系数和孤独感之间的关系。研究结果表明，个体水平和群体水平的同伴支持均与青少年内化问题存在负相关，群体水平同伴支持能够调节个体水平同伴支持与内化问题的关系，这对寻求途径降低青少年内化问题有重要的实践意义。

儒家思想提倡教师在领导学生时应恩威并施。然而,在实践过程中如何掌握好恩与威的度还有待进一步探讨。研究共招募了532名中小学生来考察教师恩威并施的领导行为对学生感知师生关系的影响,并检验了学生情绪体验在其中的作用。为了更好地考察变量间的复杂关系,采用多项式回归和响应面分析技术对数据进行了处理。结果表明,学生情绪体验在恩威并施的教师领导行为与师生关系之间起显著的中介作用;在恩威皆高的条件下,情绪体验的中介效应最大,其次分别为恩高威低、恩低威高、恩威皆低。这些结果为恩威并施的教育理念和情感事件理论提供了有力的支撑,同时也为教师在领导学生时如何更好地促进学生积极情绪体验、构建积极师生关系提供了实践启示。

人工智能技术的普及使理解身份标签如何影响人类信任决策至关重要。采用多轮信任博弈范式,真人被试两两配对,分别作为投资人和代理人进行互动,通过指导语操纵双方对自己身份（“真人”或“AI”）认知,考察其对信任博弈的影响。结果显示,与保持真人身份相比,投资人扮演AI时投资比例降低,社会规范敏感性下降;尤其在面对被认知为真人的对家时,扮演AI的投资人决策更加随机且弱化学习依赖。代理人扮演AI时返还比例提高,内疚参数上升,更依赖即时信息而非历史经验,在面对AI投资人时内疚上升更明显。这表明AI身份标签通过印象管理机制（改变社会监督预期）和刻板印象激活（内化AI行为特征）双重路径影响信任决策,为理解人类信任决策提供了新视角。

诸多研究者认为,大脑对物理世界的感知是一种基于不确定性证据的统计推理。据此,研究人员提出了不同的计算模型来揭示视知觉的计算过程。研究系统总结了基于贝叶斯推理框架的经典贝叶斯观察者模型、高效编码约束贝叶斯观察者模型、 整体贝叶斯观察者模型和层级贝叶斯观察者模型,这些模型在解释不同物理特征的知觉行为表现方面表现出各自的优势和局限。在此基础上,研究提出了一个同时考虑自上而下与自下而上知觉交互过程以及运动控制系统的统一贝叶斯观察者模型,进而揭示了一个相对完整的视知觉计算机制。最后,研究提出了未来亟待解决的研究问题,这些问题的答案将为新模型提供扎实的实证支持,从而提升研究者对视知觉计算机制的理解。

资源是女性择偶中的重要维度,根据生命史理论,个体会根据所感知的经济压力,适应性地调整对不同资源类型的偏好。对资源有限性的感知可能促使女性更偏好伴侣的先赋性资源,而对未来的积极期望则可能增强其对自致性资源的重视。结合问卷调查与实验法,当前研究探讨了资源稀缺感及社会流动信念如何影响女性择偶中对两类资源的偏好。结果表明：相比于先赋性资源,女性在择偶中更加重视自致性资源,但资源稀缺感会增强其对先赋性资源的偏好,且社会流动信念在其中发挥调节作用：对于持有高社会流动信念的女性,资源稀缺感增强了其对先赋性资源的偏好;而在低社会流动信念个体中,资源稀缺感的影响并不显著,女性普遍表现出相对较高的先赋性资源偏好。