分类目录归档:统计分析

基于贝叶斯网络的ADHD分类器与自适应诊断

内容来源:中山大学心理学系

报告人:江哲涵 副研究员

报告人单位:北京大学

题目:基于贝叶斯网络的ADHD分类器与自适应诊断

时间:2022年4月18日 (周一,14:20-17:30)

地点:心理学系305

报告简介

在面对注意力缺陷/多动症(ADHD)等神经系统疾病时,我们常需要对其严重程度进行量化分级。为了探索数据驱动分类的方法学特性,本研究旨在开发基于贝叶斯网络的模型及其计算机适应性测试(CAT),以便对个体受试者的ADHD症状严重程度进行高效且准确地分类。当前症状量表(CCS)被用来在892名大学生样本中建立ADHD症状严重程度分类器,通过计算机模拟研究,我们评估了基于条件概率的信息增益CAT,以此模拟结果来确定优化方案。平均结果显示,将18个项目中的8个分配给单个受试者可获得85%的分类准确率,由此为ADHD量表的精简化与个性化提供可行机制,进而允许基于贝叶斯网络的分类器以数据驱动来协助诊断。通过与项目反应理论的对比,该研究证明将CAT纳入分类器可在缩短量表的同时、保持可接受的测量质量。

报告人简介

江哲涵,北京大学医学部/全国医学教育发展中心 (Tenure-Track)副研究员,博士研究生导师。研究领域:心理和教育测量,数据可视化,机器学习,人工智能,成本效益,医学考试,问卷设计分析等。近三年在主流SCI/SSCI的教育学、心理学、信息学等期刊发文近30余篇,如《Medical Teacher》、《Behavior Research Methods》、《Multivariate Behavior Research》、《Psychometrika》等。曾担任阿拉巴马大学、贝勒医学院助理教授,现担任《BMC Medical Research Methodology》等期刊的责任编辑与审稿专家。

 

Introduction to Drift Diffusion Model (DDM)

内容来源:NeuroTalk

Introduction to Drift Diffusion Model (DDM)

漂移扩散模型入门介绍

漂移扩散模型(drift diffusion model, DDM)已经成为解释认知机制的重要决策模型之一。越来越多的研究者也开始关注该模型应用在各个领域的潜力。然而,对于心理学或神经科学背景的研究者,学习该模型依然存在诸多困难。本次分享的目的在于通过通俗易懂的方式介绍DDM模型。主要包括以下四个部分:1) 决策与DDM的关系;2)DDM的发展历史;3)DDM在各领域的应用;4)使用DDM的常见问题。

Presenter: Mr. Wanke Pan (潘晚坷)

Mr. Wanke Pan is a Master postgraduate student at the Department of Psychology in Shanghai Normal University. Their team’s most recent project is to explore the cognitive mechanisms underlying misinformation or rumor judgments. Wanke has advantages in programming and computational modeling.

Language: Mandarin Chinese

Time: 7:00 PM, Nov 25th

Zoom ID: 959 6270 3011

Passcode: ccbs

《现代统计图形》新书发布直播 ——谢益辉14年前挖的坑如何被填平

内容来源:图灵教育

《现代统计图形》新书发布直播

常言道,一图胜千言。本书根据统计图形制作的需要,系统性地介绍了从古至今的众多统计图形案例,旨在展现统计图形在数据分析领域有待充分挖掘的潜力和价值。书中集中讲解了现有统计图形的种类、特点、图形元素、适用场合等,并且配以相应的统计数据分析实例,深入说明各种统计图形的用法、含义和作图技巧。同时,本书详细介绍了各种统计图形在 R 语言中的绘制方法和多种作图系统,为那些期望能自定义统计图形的读者提供方便的解决方案。

8 月 12 日,本周四晚 20:30,我们邀请本书的 3 位作者来到图灵直播,跟大家聊聊化数据为图形的“术”与“道”。小伙伴们扫码进群预约直播吧~