2021年度十大心理学研究

2021年APA公布了下载量最高的10篇心理学研究,涉及COVID-19对大学生的影响、工作场所变化,以及社交媒体、心理健康、应对策略等方面。研究显示,大流行期间大学生面临情绪困扰,远程工作趋势增加,而社交媒体使用与青少年身体形象和亲密关系有复杂联系。
摘要由CSDN通过智能技术生成

关注“心仪脑”查看更多脑科学知识的分享。

关键词:心理学、干货分享、行业资讯

2021年,APA(美国心理学会)的89种期刊共发表5000多篇文章。相比于2020年在数量上可以看出发文量受COVID-19的影响不大,APA于1月1日统计了迄今为止下载次数最多的 10篇文章。

1、COVID-19对大学生的影响:学术和社会情感方面的影响

这项研究发表在《 Psychological Trauma: Theory, Research, Practice, and Policy 》(Vol. 13, No. 1)揭示了大学生在COVID-19大流行期间经历了许多层面的情绪困扰。

研究人员对美国一所大学的257名学生进行了调查,这些学生在2020年春季因为大流行病都参加了校外远程学习。学生们报告说,他们害怕感染COVID-19,甚至更害怕他们社交网络中的人感染这种病毒。他们还报告说担心自己或所爱的人得重病,在过渡到远程学习后出现与学术有关的困扰,以及与COVID-19有关的心理健康困扰,包括人际关系的脱离、动机的挣扎和无聊,以及焦虑、抑郁和睡眠障碍。

原文:Tasso, A. F., Hisli Sahin, N., & San Roman, G. J. (2021). COVID-19 disruption on college students: Academic and socioemotional implications. Psychological Trauma: Theory, Research, Practice, and Policy, 13(1), 9-15.

http://dx.doi.org/10.1037/tra0000996

2、COVID-19和工作场所:对未来研究和行动的影响、问题和洞察力

《American Psychologist》上的这篇文章(Vol. 76, No. 1)介绍了COVID-19带来的可能的工作场所趋势,包括远程工作、虚拟团队工作和管理、社会疏离和失业。

分析表明,在家工作在大流行之后将继续并扩大,逐渐成为一种趋势。至于对工人的影响,作者预测经济不平等、孤独感、压力、倦怠和成瘾等问题会增加。作者预测的其他工作场所变化包括可能促进更多参与性关系的虚拟工作安排、针对远程工人的新绩效管理和评估系统,以及公司检查远程工作员工的新监督模式。

原文:Kniffin, K. M., Narayanan, J., Anseel, F., Antonakis, J., Ashford, S. P., Bakker, A. B., . . . Vugt, M. v. (2021). COVID-19 and the workplace: Implications, issues, and insights for future r

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值