距离学习

距离学习（精选十篇）

距离学习 篇1

随着Web视频分享网站的迅速发展以及视频捕捉设备的普及,视频数据以极快的速度不断增长。对视频进行分类并且给予语义标注已经成为视频检索系统的重要基础及关键技术。视频数据通常带有多种特征,如图像、声音、动作特征等等。以往的视频分类系统中较多使用静态图像特征,取得了不少研究进展。静态图像特征虽然能够提供上下文背景,但是相当多的视频语义与动作相关。动作特征考虑视频时间维度上发生的变化,常用的动作特征有时空关键点,利用独立子空间的方法得到的特征(ISA)[2]以及梯度、光流、3D Harris角点等等。这些动作特征对于视频内容的背景干扰,前景物体的变化都具有更强的鲁棒性。

考虑到不同特征对于各种语义类别具有不同强弱的区分能力,如果过早将多种特征拼接为一种特征或者对所有特征都使用同样的权重,那么就不能充分利用不同特征对语义类别的区分性。例如,动作特征对刻画语义标签为basketball的一类视频比较关键,而声音特征对语义标签为music performance的视频更有效。因此,如何有效地组合各类视频特征对于提高视频分类的性能具有十分重要的意义。与传统的前期融合方法[8]以及后期融合[9]不同,本文提出了一种新的带有一阶范数惩罚项的距离学习模型,通过对距离权重的学习,自动实现对各类视频特征的最优组合。而一阶范数惩罚项的引入还可以帮助我们剔除冗余特征,起到了特征选取的作用。在CCV视频数据集上进行的实验显示,本文提出的模型能够自适应地选择对于视频分类有效的特征赋予更高的权重,从而提高分类的性能。

1 相关工作

利用多种特征,视频语义标注的性能可以得到提升。最直接的方法试图将所有视频特征拼接起来作为一个特征使用。但是由于特征之间的不同,直接拼接特征并不能达到很好的性能。在文献[4]中,作者使用了多种特征的线性组合。另外一种方法是对每一种特征分别训练一个分类模型,将这些分类模型的结果组合起来作为系统的分类输出。如在文献[5]中,作者对每一种特征训练了支持向量机,最后的结果取决与这些底层特征训练出的模型的分类输出。

一阶范数是对模型参数的一种正则化方法,在机器学习、信号处理等领域具有广泛的应用。如稀疏编码模型利用一阶范数的约束能力,对信号进行稀疏表示在图像还原、去噪以及图像特征提取[10]上都有很好的应用。本文利用一阶范数带来的参数稀疏化的特点来进行视频特征的自动选取。

2 一阶范数正则化的多距离学习

为了利用对多种特征提高视频分类性能,我们提出一种新颖的基于核的(kernelized) logistic回归模型的视频分类方法。为了充分发挥多种视频特征的作用,我们将核函数定义为多个视频特征对应的距离函数的线性组合。为了对模型进行正则化,防止过拟合并且增强对特征的选取能力,我们分别对kernelized logistic回归的系数以及多距离学习的权重系数做了二阶范数和一阶范数的正则化,并通过训练数据对分类器参数和各视频特征对应的距离组合系数进行估计。

2.1 视频分类的多距离学习模型

给定一些带有标签的视频训练数据,我们使用多距离学习模型进行训练。令Yi∈{-1,+1}为二元分类标签, 使用kernelized logistic 回归来对一个视频的标签的后验概率进行建模:

定义Ti={(xn,yn)}${}_{n=1}^{{\rm N}}$为训练样本,则标签Yi的后验概率定义为:

${\rm P}(y{}_i|x,\alpha )=\frac{1}{1+\exp (-y{}_{i}f(x|\alpha ))}$

对于线性logistic回归,f(x|α)为线性函数:

f(x|α)=αTx

对于将观测值x投影到特征空间F的非线性变换Φ, 我们引入K为特征空间中的核函数, 即:

K(xi,xj)=(Φ(xi)·Φ(xi))

于是f(x|α)可以表示为:$f(x|\alpha )={\displaystyle \sum _{m=1}^{{\rm N}}\alpha }{}^m{\rm K}(x,x{}^m)$

这里我们定义核函数:

其中dt为第t个特征的距离度量函数。wt为第t个特征的权重,较大的wt代表相应的特征更加重要。

当存在多种特征,特别是冗余特征时,对特征进行选取,使得能力较弱的特征的权重减小或趋近于零,从而使得我们的模型具有最优的特征选取与组合。为此,我们引入了对权重向量W的一阶范数约束:一阶范数约束作为稀疏性约束,使得特征权重向量只在若干少量分量上有非零值。因此,通过对目标函数的精心设计,一阶范数能够使得冗余性特征的系数接近为零。而对logistic回归的参数我们加上二阶范数的正则项,防止模型的过拟合。因此,我们给出如下分类目标函数:

其中第二项RKLR为kernelized logistic回归的参数正则化项,在2.2节中定义。目标函数的第三项:

$\beta {\displaystyle \sum _{t=1}^{{\rm T}}|}w{}_t|$

为特征权重的一阶范数正则化项。

由于涉及不同类型的正则化项,我们采用轮换迭代的方法对上述目标函数(式(1))进行求解,即分别交替地对kernelized logistic回归的参数α(参见2.2节)以及多距离学习权重wt(参见2.3节)进行求解与参数更新。

2.2 Kernelized logistic回归参数估计

对kernelized logistic回归参数进行估计时,我们保持距离权重系数wt固定不变。对系数α引入球形高斯先验分布,则正则项为:

$R{}_{{\rm K}LR}=\frac{\lambda }{2}\alpha {}^{\text{Τ}}{\rm K}\alpha$

对应的目标函数:

$L{}_{\alpha }=-{\displaystyle \sum _{n=1}^{{\rm N}}\log }\frac{\exp (f(x{}^n|\alpha )y{}^n)}{1+\exp (f(x{}^n|\alpha )y{}^n)}+\frac{\lambda }{2}\alpha {}^{\text{Τ}}{\rm K}\alpha$ (2)

式(2)对α进行求导并令导数为0,并且使用Newton-Raphson算法求最小值:

$\frac{\partial L{}_{\alpha }}{\partial \alpha }=-{\rm K}{\rm M}+\lambda {\rm K}\alpha$ (3)

其中,${\rm M}{}^n=\frac{y{}^n}{1+\exp (y{}^{n}f(x{}^n|\alpha )}$。

一次牛顿迭代更新为:

$\alpha {}^{new}=\alpha {}^{old}-\left(\frac{\partial {}^{2}L{}_{\alpha }}{\partial \alpha \partial \alpha {}^{\text{Τ}}}\right){}^{-1}\frac{\partial L{}_{\alpha }}{\partial \alpha }$ (4)

其中:

为对角矩阵。

将式(3),式(5)代入式(4),则我们得到一次牛顿迭代为:

其中z=Kαold+W-1(y·(1-p))。

这里的第二项中是对y={yi}T, p={P(yi|xi}T的点积。

2.3 距离权重系数估计

对距离权重系数进行估计时,相应的我们固定kernelized logistic回归的参数α。于是目标函数为:

其中的常数β控制了距离权重系数的稀疏程度。较大的β加大对系数的惩罚,使得权重系数中更多的项为0。

由于权重系数的一阶范数正则项在0点不可导,我们使用文献[3]中的方法进行优化:

求目标函数 (式(6)) 的伪梯度:

$\frac{\partial L{}_w}{\partial w{}_t}=-{\displaystyle \sum _{n=1}^{{\rm N}}\frac{g(x{}^n|\alpha )y{}^n}{1+\exp (f(x{}^n|\alpha ))y{}^n}}+\beta sign(w{}_t)$

其中, sign(wt)中为系数wt的符号,当wt为正时其值为1, 当wt为负时其值为-1,当wt为0时其值为0。

$g(X|\alpha )={\displaystyle \sum _{m=1}^{{\rm N}}\alpha }{}^m{\rm K}{}_t(x,x{}^m)$

其中,Kt(x,xm)=exp(-dt(x,y)/2σ2)。

3 实 验

CCV数据集含有9000多个视频,20个类标签,我们从中选取了1017个视频以减少特征提取花费的时间。其中506个视频为训练数据集,511个视频为测试数据集。我们对这些视频分别提取了apr cuboids (亮度)、 optical flow cuboids (光流)、 flat gradient cuboids (梯度)、 ISA learned feature (独立子空间分析)等视频动作特征,并与CCV数据集的STIP (时空关键点)、 MFCC (音频特征)、 SIFT (尺度不变特征)共组成7种特征。

3.1 特征提取

视频数据首先被分割为10帧长度的片段,然后对1017个视频提取了3种cuboids特征,用PCA方法降维到128维。3种特征用Kmeans分别聚类到3000个中心点,并用BOF的方法,使得每个视频由3个3000维的向量表示。在bag of words量化过程中,每一个特征x被分配到距离x最近的前40个中心点。我们使用506个训练视频训练得到ISA网络结构,然后计算了所有1017个视频数据的3000维ISA特征。用相同的BOF方法,我们同样能够得到每个视频的ISA learned feature特征。

3.2 CCV数据集分类结果

我们分别使用了四种特征组合进行CCV数据集上的视频分类实验:

1) CCV数据集的三种特征: MFCC, SIFT, STIP。

2) 用ISA特征替换STIP特征: MFCC, SIFT, ISA。

3) CCV数据集特征与ISA特征: MFCC, SIFT, STIP, ISA。

4) 7种特征: CCV 3种特征,ISA, APR,FLAT GRADIENT,OPTICAL FLOW CUBOIDS。

对于视频分类性能的度量,我们使用查准率,查全率以及f1指标。

3.3 使用全局特征权重系数

我们首先使用了全局的特征权重系数对我们的方法进行了评估 (如图1所示) 。其中的查准率、查全率以及f1指标分别是20个类别标签的查准率、查全率以及f1指标的平均。使用CCV数据集中的三种特征MFCC、SIFT、STIP时,分类的f1指标为50.86%。而使用ISA替换STIP特征时的f1指标有略微下降。但是可以看到,这两种动作特征具有互补性。在同时使用这两种特征时,f1指标能够提升到52.25%。我们的模型能够融合这两种特征对于分类的贡献,提高分类的性能。而在使用7种特征时,f1指标提升到了52.34%。可以看到3种cuboids特征对分类的贡献不太大。

3.4 使用逐类的特征权重系数

由于特征对于区分不同语义标签的作用并不是一致的,比如SIFT特征对于背景的区分度更大,因此对于区分有足球、篮球、滑雪等标签的视频更有用,这些视频的场景有明显不同。而对于区分诸如滑雪、滑冰等动作的视频时,动作特征就显得更加重要。因此我们可以对每一个语义类别采用不同的特征权重系数。我们对CCV数据集中的20个类别分别训练了特征的权重系数Wt。

从实验中可以看到 (如图2所示) ,对每一个标签都使用不同的特征权重系数W,在4种特征组合下都能够提高f1指标。在只用CCV原有的3种特征时f1指标从50.86%提高到了54.57%。而在使用7种特征时,查准率达到了60.51%,f1指标提高到56.56%。

3.5 权重系数分布

从特征权重系数W相对于20种标签的分布可以看到 (如图3,图4所示) ,在不同标签的类别中,特征对于分类的贡献有很大的不同。比如在标签Baseball、Bird中,SIFT特征的权重比较大。这是因为在这些视频中,场景具有容易区分的背景或者前景。在Basketball、Biking、Wedding Reception、Wedding Ceremony类别中,MFCC特征具有更高的权重。这些视频的音频特征能够对分类的性能提高有最重要的提升。而在Swimming、Skiing、Graduation等类别中,ISA、STIP动作特征有更高的权重。这些动作特征相对于其他特征更适合于区分这些语义类别,因此它们被赋予了更高的权重。而对于比较弱的cuboids特征,权重系数也相应比较小。

4 结 语

本文提出了一种新的基于一阶范数正则化的多距离学习的视频分类方法,对不同语义类别分别进行了视频特征选取与系数权重的学习。实验证明了我们的模型对不同特征有很好的选取能力,实验还显示动作特征对于提高视频语义标注的性能有显著的提升,尤其是对于静态图像特征难以区分的视频类别有明显的分类性能提升。

摘要：视频分类在视频检索、内容分析等应用领域具有十分重要的意义。多模态视频特征,如音频、静态图像及视频动作特征等都已经应用于视频分类中,因此如何对多种视频特征进行最佳组合来改善视频分类的性能成为了一个重要研究课题。提出一种基于L1正则化的距离学习方法,对利用多种特征组合提高视频语义标注性能的问题进行研究。由于引入一阶范数正则项,使得模型拥有选取多种视频特征进行最优组合的能力。该方法在通用的Columbia Consumer Video(CCV)视频数据集上显著提高了视频分类的性能。

距离学习 篇2

——学习背篼干部心得体会

为民服务是党员干部一直以来提倡的话题，是我们党永远坚持的工作目标。是我们的党激励广大党员同志们更好的履行职责的一项举措。为民服务是党员干部敢创一流的工作决心、是永不懈怠的精神、是共产党人勇往直前动力、是全党优良传统的具体表现。通过学习，使我深刻的体会到为民服务的重要性并从中学到了许多，主要有以下几方面的感受：

一、要实事求是、与时俱进

实事求是，与时俱进，把思想认识从那些不合时宜的观念、做法的束缚中解放出来，坚持用发展的要求审视自己，努力克服安于现状、因循守旧、不思进取、无所作为的思想观念，以改革的精神提高和完善自己，始终保持强烈的进取心，始终走在时代的前列。

二、要保持良好的精神状态

全体广大党员同志要激励自己不满足现状，更上层楼，做一流的工作，始终保持蓬勃朝气、昂扬锐气、浩然正气，永远意气风发、英气勃发、百折不挠、自强不息，有克难制胜、奋发有为的意识，锲而不舍、创优争先的劲头。

三、要有开拓创新的胆略

我们必须具备开拓创新的胆略，充分认识开拓无边界，创新无止境。全体广大党员要不断增强创新意识，挖掘创新潜能，发挥创新才干，改善服务手段，改进工作方式，用新思路、新举措开辟新道路，取得经济社会大发展的新成果。

四、要有艰苦奋斗的作风

忧劳兴国，逸豫亡身。我们要牢记毛泽东同志“两个务必”的告诫，树立 长期艰苦奋斗的思想，坚持艰苦朴素、勤俭办事，自觉抵制享乐主义、拜金主义、极端个人主义的侵蚀，始终与人民同甘共苦。

五、要牢记树立为民服务宗旨

全心全意为人民服务是我党的宗旨，是党的活动的根本出发点和落脚点，是区别了其他政党的最根本的标志，也是每位共产党员应尽的义务和根本的人生价值观。坚持全心全意为人民服务的宗旨，既是坚持党的工人阶级先锋队性质的客观需要，也是党性原则的突出体现。每位共产党员都必须通过勤奋学习和实践锻炼，牢固树立起全心全意为人民服务的人生观和价值观，不断提高全心全意为人民服务的自觉性。不能一味的跟着别人的步伐走，要有自己的路子，寻找自己的路子，作为个人应该结合自己的实际情况，在改变工作方式，与人民群众同吃、同住、同劳动，提高工作业绩，不能只在形式上为民服务，工作业绩却与日剧下。

在新的历史条件下，坚持全心全意为人民服务的宗旨有着特别重要的意义。一是我们党处在执政地位上，虽然有了为人民服务的更好条件，但如果以加强全心全意为人民服务宗旨教育，也很容易滋生骄傲自满，脱离群众，贪图享受，不思进取，官僚主义，命令主义等种种背离党的为人民服务宗旨，甚至侵犯群众利益的思想和现象。二是我党正处在改革开放的环境中，伴随着国外发达资本主义国家先进科学管理和技术的引进以及对外交流的日益扩大，资产阶级的一些腐朽颓废的思想趁隙而入，一些封建主义的残渣也借机死灰复燃。个人主义、享乐主义、拜金主义都有所发展，并占有一定市场，有些人甚至公开宣扬“不要专门利人，只要专门利己”、“不爱讲为人民，只爱讲为人民币”、“人的本性是自私的”等等错误观点。这样复杂的社会环境对我们都是严峻的考验，我们要明确是非，要经得起来自各方面得各种各样得诱惑，也就是从根本上要 坚持全心全意为人民服务的宗旨，对剥削阶级和其他非无产阶级思想保持高度的警惕，防止出现任何背离党的全心全意为人民服务宗旨的行为和现象，具体要做到以下几方面：

坚持全心全意为人民服务的宗旨，要坚定不移地、全面正确地贯彻党地基本路线和各项方针政策。党的路线、方针、政策是工作阶级和最广大人民群众的基本利益的科学表现，维护和贯彻落实党的路线、方针、政策，就是维护工人阶级和广大人民群众的根本利益，就是为人民服务，对党的路线、方针、政策的维护和贯彻，并不能停留在口头上或形式主义的工作中，而是要取得实效，要使本地区、本单位的经济发展起来，人民生活富裕起来，否则，为人民服务就是一名空话。

坚持全心全意为人民服务，要处理好党和人民群众利益的关系，正确处理各种利益问题是全心全意为人民服务宗旨的核心问题。党除了工人阶级和最广大人民群众的利益，没有自己的特殊利益。坚持党和人民的利益高于一切，个人利益服从党和人民的利益。在利益问题上，我们只能获得制度和规定范围内的个人利益。在个人利益和党和人民利益发生冲突时，要无条件地服从党和人民的利益，保护党和人民的利益，做到吃苦在前，克己奉公、无私奉献，不惜牺牲自己的一切。

坚持全心全意为人民服务的宗旨，要坚持反对假公济私，损公肥私，以权谋私等各种不正之风和违法乱纪行为和现象，与腐败分子作坚决的斗争，维护党和人民的利益。无论手中的权利大小，都是人民赋予的，而不是个人的资本，它只能用于为人民服务，而不是个人谋私的工具，要自觉接受群众的监督，为人民掌好权、用好权，更好地为人民服务。

拉近距离，文言文学习不再难 篇3

关键词：初中语文；文言文学习；教学方法；教学效果

文言文是中华民族灿烂文化的重要组成部分，文言文学习能够陶冶学生的心灵、情操，增强文学素养。但是文言文离我们的生活时代久远，缺少必要的使用环境，学生在学习中普遍有为难情绪。因此，虽然苏教版初中语文课本精选的文言课文都是一些比较通俗易懂的篇章，但是我们学生在学中没有兴趣，没有方法，无法掌握。因而，提高文言文课堂教学效率，增强学生文言文学习的能力一直是我们初中语文教学的一道坎。

一、文言文阅读教学现状分析

初中生文言语言基础是比较薄弱的，他们不清楚文言文学习明确目的、不知阅读学习的方法。甚至有些学生因为文言文学习耗时多、收效不大，认为文言文学习没有必要。这说明我们文言文教学现状有问题。

1.教学方式传统

我们的文言文教学多是把文质兼美的文章肢解开来，教师花很大的力气讲解文言实词、虚词、句式。往往是学生读一段之后，或是整段逐字逐句串讲，或是解释重点实虚词之后，让学生进行翻译。而老师为了考试的需要，将一些实词、虚词的词性意思罗列出来让学生记忆；于是，文言文教学变成了文言文背诵、识记字词的解释，缺少对文言文思想性艺术性的学习与借鉴。如此，处于被动接受状态的学生缺少阅读体验，没有学习兴趣，更不说对文言文中人文思想的把握与创造性的阅读。

2.检查方式单一

文言文教学的目的是让学生学会欣赏祖国传统文化的瑰宝，能体会文言文魅力，获得道德修养的提升，使人格得以完美健康的塑造。因此，文言文学习情况的检查应该是重视文本的人文性、思想性和对学生成长的指导性。但现实中，我们文言文学习情况的检查则重在文言文实虚词和句式的反复操练，让没有很好阅读能力、不能结合文本理解字词意义、句法的学生云里雾里作答。如此，学生对文言文厌学、厌做，没有学习的兴趣及学习中主动性的发挥。

二、改变侧重，拉近距离教学的探讨

现代汉语是对古代文言文的继承和发展。因此，我们在文言文学习时，要迎合学生现代文学习的习惯，努力让学生找到现代文阅读学习的感觉，这样，某种程度上就降低了学生文言文学习的难度，能够让他们学得轻松而愉快。

1.相关背景故事化，调动学习兴趣

我们教材上的文言文有着一定的时代特点，如果我们把文言文写作的背景和作者介绍给学生，或是让学生自己去查找，形成故事。那么，学生能比较容易理解作文写作的原因、目的和意图，从而理解作者和作品的情感，提高阅读效果。如，苏教版七年级下册柳宗元的《黔之驴》学习时，我先让学生查找柳宗元的资料，让他们结合课下注释、课文内容先思考一下这则寓言故事写作的用意。学生从志向远大的柳宗元被贬永州的一些遭遇，执朝政的宦官、官僚仍想迫害他，地方的为虎作伥之流时常刁难他等背景的认知中，感受作者愤愤不平与郁闷之情，从而先入为主感受作者情感。于是，《黔之驴》讽刺那些无能而又肆意逞志的人，对无才无德、外强中干无情揭露与批判便在寓言中显现。如此，学生就会有兴趣阅读，能够将《黔之驴》当成一个故事，从阅读中找到象征着那些外强中干者的形象，获得貌似强大的东西并不可怕的道理。

2.利用课文趣味性，激发学习热情

确立学生学习主体地位，调动他们学习的主动性是提高课堂学习效率的不二法门。在文言文学习中，加强一些文言文知识的趣味性讲解，突出趣味性学习也能调动学生文言文学习的热情，激发他们合作学习和探究兴趣。如九年级下册《愚公移山》学习中，我们可以借鉴钱梦龙先生教授《愚公移山》时的教法。钱先生在解决的 “孀妻”“遗男”两个词的意思的时候采用“曲问”的方法；其中“他爸爸肯让他去吗”一问就很有趣味性。是啊，小孩子来帮忙了，那么他的父亲不是可以来帮忙吗？学生可能一时不知道怎么回答，但是转念一想就会发现老师问得有趣，不仅提高了思考的热情，理解了“孀妻”“遗男”的含义，还能提高学习的热情，促进学生深入思考和语言表达的能力。

3.挖掘文本艺术性，提高运用能力

如果学生能够整体上读懂文言文，也能形成一定的文言文阅读能力，从而获得文言文一些常见的知识点的学习能力。如《邹忌讽齐王纳谏》学习中，我们就通过对题目“纳谏”的理解，让学生说说假如自己是“邹忌”的话，将怎样劝谏齐王呢？待学生思考之后，让他们整体阅读课文，看看课文中邹忌是怎样以自己的实际生活为例却不露痕迹地劝谏的。如此，学生在反复朗读中，能感受到邹忌的不卑不亢的讽谏艺术，提高學习文言文的兴趣，也达成训练语言表达的效果。另如《愚公移山》中“智叟”的讽刺挖苦和“遗男”却主动参加的对比，让学生感受“愚公”征服大山的强烈愿望与战胜困难精神的可贵。

总之，在初中文言文教学中，我们正视初中学生文言文掌握的基础，关注他们文言文学习的心理；努力改变教学，调动学生学习的热情，用可以理解的方式引导学生学习文言重点字词与句式，感受文章的艺术、情感和思想美。让学生有主动性发挥的舞台，从而提高文言文教与学的效率。

参考文献：

[1]梁承红.如何激发初中学生学习文言文的兴趣[1].中学语文，2013（15）.

[2]朱续宗.初中文言文教学之我见[J].中学教学参考，2013（25）.

（作者单位 江苏省高邮市车逻镇初级中学）

基于监督的距离度量学习方法研究 篇4

实际应用中,在特征空间中学习一个好的距离度量是至关重要的。比如在计算机视觉中的基于内容的图像检索,根据距离度量两幅图像的相似程度是非常重要的;在图像分类中,K近邻分类器关键的一个问题就是找到距离测试图像最近的K幅已经标记好的图像[1,2]。目前,在已知所获得的训练样本标签的情况下,可以将此问题分为全局距离度量学习和局部距离度量学习两类问题。

1 基于监督的全局距离度量学习

1.1 基于成对约束的距离度量学习

全局的距离度量学习的目标是使得所有的数据在类内距离近一些,类间的距离远一些。Eric Xing在文献[3]中提出了成对约束的距离度量学习,在Xing的方法中,把度量表示成一个Mahalanobis距离,同时增加了异类样本之间的成对约束,把此类问题转化为学习一个具有约束的凸规划问题,以此确定Mahalanobis距离中的参数。方法如下:

minA∑(xi,xj)∈D‖xi-xj‖2A

s.t.∑(xi,xj)∈D‖xi-xj‖A≥1

A≥0

其中,S={(xi,xj)|xi和xj属于同类}, D={(xi,xj)|xi和xj属于同类},A是一个半正定的矩阵。在文献[3]中,使用梯度下降的迭代算法,可以求解出满足条件的A。不足之处,如果训练样本集很大的时候,所构造的集合会很大,计算复杂度较大。

1.2 基于概率方法的全局距离度量学习

在文献[4]中,提出了基于概率方法的全局距离度量学习,使用logistic模型估计两个点属于同一个类的概率:

$\begin{array}{l}{\rm P}r(y{}_{i,j}|x{}_i,x{}_j)=\\ \frac{1}{1+\exp (-y{}_{i,j}(\parallel x{}_i-x{}_j\parallel {}_A^2-\mu ))}\\ y{}_{ij}=\{\begin{array}{l}1(x{}_i,x{}_j)\in S\\ -1(x{}_i,x{}_j)\in D\end{array}\end{array}$

其中,参数μ是阈值,当xi和xj的距离‖xi-xj‖2小于阈值μ时,它们属于同一个类。可以使用最大似然估计的方法:

Lg(A,μ)=log Pr(S)+log Pr

$\begin{array}{l}(D)=\\ -{\displaystyle \sum _{(x{}_i,x{}_j)\in D}\log }(1+\exp (-\parallel x{}_i-x{}_j\parallel {}_{\mathit{A}}^2+\mu ))-{\displaystyle \sum _{(x{}_i,x{}_j)\in D}\log }(1+\exp (-\parallel x{}_i-x{}_j\parallel {}_{\mathit{A}}^2+\mu ))\end{array}$

最终将问题转化成如下的凸规划问题:

minLg(A,μ),A∈Rm×m,μ∈R

其中,A,μ满足约束条件A≥0,μ≥0

2 基于监督的局部距离度量学习

2.1 K近邻分类器

K近邻是最近邻法的推广,基本思想是取未知样本x的K个近邻,看这K个近邻中大多数属于哪一个类别,就把x划分到哪一个类中。显然,x的K个近邻样本的类型是已知的[5,6]。

2.2 LDA

线性判别分析LDA(Linear Discriminant Analysis)是一种监督学习方法,其基本思想是将高维的模式样本投影到最佳的矢量空间,使得投影后的模式样本在新的空间有最大的类间距离和最小的类内距离,以致模式在该新的空间中有最佳的可分离性。

图1为一个具有两类的二维样本的分布,无论将它们在x1或x2轴上投影都是混杂的,所以取它们在x1或x2轴上的投影是不易分类的。但有可能找到一条直线AB,使样本在其上的投影轻易分开。

假设应用LDA方法进行一个二分类问题,先定义几个参量:

(1)各类样本均值向量mi:

$\mathit{m}{}_i=\frac{1}{n{}_i}{\displaystyle \sum _{x\in D{}_i}x},i=1,2$

其中,x表示样本点, Di表示属于类别i的点,$\frac{1}{n{}_i}$表示属于i类样本的个数。

(2)样本类内离散度矩阵Si和总类内离散度矩阵SW:

Si=∑x∈Di(x-mi)(x-mi)T,i=1,2

SW=S1+S2

(3)样本类间离散度矩阵Sb:

Sb=(m1-m2)(m1-m2)T

接下来通过拉格朗日乘子法求函数$J{}_F(\mathit{W})=\frac{\mathit{W}{}^{{\rm T}}\mathit{S}{}_b\mathit{W}}{\mathit{W}{}^{{\rm T}}\mathit{S}{}_w\mathit{W}}$的极值, 最终转化为求解S${}_W^{-1}$SbW*=λW*,最后得到的特征向量W*就是最佳的投影方向。W*的方向不同,将使样本投影后具有不同的可分离程度,以至于影响分类效果。

2.3 DANN

K近邻分类隐含的假设条件是在邻域中类概率密度大致是常量,因此简单求平均就能可以给出较好的估计。如图2所示,在此立方体上分布着的点,一条垂线可以很容易地将类1和类2分隔开。可是,在二维空间中,垂直的带状区域代表仅使用水平坐标发现目标点(实心点)的NN区域,而球型显示了使用两维坐标的近邻区域,可以发现它错误的延伸到了类1的区域。

错误的原因是这个例子中,类概率在水平方向上是不同的, 因此可以考虑在垂直方向上扩展邻域。这就要求调整最近邻分类使用的距离度量,使得结果邻域在类概率变化不大的方向上伸展。图2中,邻域应当在类中心连线正交的方向上伸展,此方向与线形判别边界一致,显然类概率在该方向上改变较少。

自适应的最近邻分类算法基于标准的LDA算法,步骤如下:

①初始化度量矩阵∑=I,I为单位阵。

②使用度量矩阵∑,计算测试点x0的Km个近邻。

③使用邻域内的点计算类内和类间散度矩阵SW和Sb。

④计算新的度量矩阵${\displaystyle \sum =}\mathit{S}{}_{}^{-\frac{1}{2}}W[\mathit{S}{}_W^{-\frac{1}{2}}\mathit{S}{}_b\mathit{S}{}_W^{-\frac{1}{2}}+\epsilon 1]\mathit{S}{}_W^{-\frac{1}{2}}$。

⑤迭代步骤②,③,④,直到∑收敛。

⑥使用收敛后的∑为测试点x0进行K近邻分类判别。

关于算法中的几个参数,Km是x0邻域中近邻点的个数,用来对度量矩阵进行估计,一般令Km=max(N/5,50);K是最后用来进行分类的最近邻的个数,ε是一个大于0的数,可以分别根据实验进行设定。

图3显示了使用DANN算法进行判别的实例。在2维空间中有两个类,其中一个类包含着另一个类,图3左图显示了目标点选决策面附近的时候的25个最近邻,最近邻集中在圆形区域内。图3右图显示了目标点在同一个位置,使用DANN算法时,同样数目的最近邻。可以发现使用DANN算法的最近邻在沿决策面平行的方向上延展,最近邻集中在椭圆区域内。实验证明,新的最近邻可以取得良好的分类效果。

3 结束语

本文对基于监督的距离度量学习典型方法进行了探讨。近年来,有很多距离度量学习方面的研究工作展开,比如基于非监督的距离度量学习,基于核的距离度量学习等。已经证明,一个好的距离度量的确可以较大地提高分类、聚类、检索等方面的性能。但到目前为止,关于距离度量学习仍没有一个完美的方法,研究者大多结合不同的机器学习领域,提出了面向不同应用的算法。因此,对距离度量方法继续进行深入研究是非常必要的。

参考文献

[1]Richard O,Duda Peter E,Hart David G Stork.Patten Classification(Second Edition)[M].机械工业出版社,2010:143-155.

[2]Trevor Hastie,Robert Tibshirani,Jerome Friedman.The Elements of Statistical Learning[M].电子工业出版社,2004:287-302.

[3]Xing E,Ng A,Jordan M,et al.Distance metric learning with appli-cation to clustering with side-information[C]//Proc.NIPS,2003.

[4]Lebanon G.Flexible metric nearest neighbor classification[C]//Proc.Uncertainty in Articial Intelligence,2003.

[5]边肇祺,张学工,等.模式识别[M].2版.清华大学出版社,2000:87-90.

寿春站距离各乡镇距离 篇5

乡镇

距离（公里）

时间（分钟）

距中队较近距离

（5公里以内）

寿县寿春镇

858米

寿县古城十字街

距中队近距离

（5-20公里）

寿县八公山乡

8.7

寿县双桥镇

寿县窑口镇

寿县涧沟镇

距中队远距离

（20-100公里）

寿县堰口镇

寿县丰庄镇

寿县陶店回族乡

寿县正阳关镇

寿县安丰塘镇

寿县板桥镇

寿县保义镇

寿县迎河镇

寿县安丰镇

寿县张李乡

寿县茶庵镇

寿县大顺镇

寿县众兴镇

寿县隐贤镇

寿县瓦埠镇

寿县三觉镇

寿县炎刘镇

寿县小甸镇

寿县双庙集镇

距离、距离感、心理距离 篇6

庞加莱至少是一位数学家，许多数学家相信他是最伟大的数学家（意味着他比希尔伯特更伟大）。他晚年的一部作品有两种中译本，其中较佳的是李醒民的译本，标题是《最后的沉思》，第三章“为什么空间有三维”，使我们有充分理由认为庞加莱的数学立场是直觉主义的而不是公理主义的（钱捷“庞加勒的数学直觉主义”《自然辩证法通讯》2000年第2期）。我也是数学直觉主义者（汪丁丁“数学与社会科学方法的关系”《社会科学战线》2004年第5期），我相信，例如，距离，首先是距离感。只不过我们关于空间的距离感具有充分的主体间客观性，于是我们逐渐有了公认的客观距离及其测量方法。类似地，我们关于时间的感觉，虽然没有距离感那样充分的主体间客观性，通常也相当客观以致我们逐渐有了公认的客观时间及其测量方法。

空间和时间，何者更本源？至少在脑的演化视角下，空间感的形成极大地早于时间感。迄今为止，可判断有时间感的物种极少——人类之外，或许只有大象、海豚和几种会唱歌的鸟。可是远比这些物种更早的物种例如海星和阿米巴虫，已有明确的空间感。我这篇文章其实很长，主旨是要探讨网络社会里的距离感。依照我习惯的表达方式，要从本源的观念开始我的探讨。空间比时间更具有本源性，空间观念的基础是距离感。

博弈理论演化到上世纪90年代后期，开始引入行为经济学。博弈论实验学家David Sally在《Journal of Pragmatics》（“语用学杂志”）发表了一篇引我关注的论文“Risky speech： behavioral game theory and pragmatics”（直译为“有风险的话语：行为博弈论与语用学”），他介绍的是他2001年发表于《经济行为与组织杂志》的论文“论同情与博弈”（“on sympathy and games”，《Journal of Economic Behavior and Organization》Vol. 44： 1-30）。在这里，斯密的“同情心”观念被引入博弈，并在实验中呈现出与以往囚徒困境博弈实验的显著差异。当博弈双方的心理距离更近时，合作策略的发生概率比以往大得多。遗憾但可理解的是，这位作者始终没有探讨“心理距离”的测量方法或可操作的定义。那时，我在浙江大学的一位学生翻译了这篇实验报告，并试图解答我提出的问题，当然不能成功。2006年，我在大连向东北财经大学的朋友们提出同一问题，希望共同探讨。2009年，我们将这一问题嵌入到实验教育的“社会调查-心理学-统计学”跨学科课程之内。当然，还是没有令人满意的解答。十年过去了，我意识到有必要在语用学基础上探讨心理距离。

不能否认我们有关于心理距离的常识。成语“同床异梦”譬喻人与人之间物理距离很近而心理距离很远。另一方面，“海内存知己，天涯若比邻”，譬喻志同道合者之间虽然物理距离很远但心理距离很近。基于常识，我们可以界定心理距离。当然，很难。例如，交谈之后，某甲感觉某乙“遥不可及”，意味着心理距离很远以致难以接近吗？又例如，交谈之后，某甲感觉某乙“深不可测”，意味着心理距离很远吗？第三例，交谈之后，某甲感觉某乙“俗不可耐”，意味着心理距离很远吗？与西方人的拼音文字相比，中国人的象形文字（或“形声文字”）可能更富于心理效应。例如，王国维（《人间词话》）认为“意境”是中国文学所特有的观念，不见于西方。

心理距离，在亚里士多德的“黄金中庸”思想传统之内是容易界定的，只要运用中庸原则（“有度即是善，过度即是恶”）于语词。任何表达都有两极端以及两端之间的“中”，任何充分理性的人都有“执两用中”的能力。例如，居于吝啬与浪费两极之间的，称为“慷慨”。又例如，居于懦弱与鲁莽两极之间的，称为“勇敢”。现代的行为学家如西蒙（Herbert Simon），定义“明智的利己”为居于自私自利与盲目利他这两极之间的行为，并论证明智的利己远比它的两类极端更符合理性原则。中庸原则也是中国文化传统的核心，《尚书》“禹谟”传十六字心法，最后四字是“允执厥中”。

斯密解释“同情”原理时，强调充分理性的人有能力判断，在特定情境之内自己的行为是否符合自己和他人心中那位“无偏的旁观者”关于正确行为的判断。我的一位老友在岳母丧礼时哭得比他妻子更激烈，被我另一位老友当做茶余饭后的笑料，是基于常情的嘲笑。不过，我那位老友确实与他岳母有更近的心理距离，在特定情境内，比他妻子与他岳母之间的心理距离更近。

距离学习 篇7

有研究发现, 内外源性注意 ( 根据提示线索出现的位置对其区分, 即中央符号线索激活内源性注意, 外周线索引导外源性注意) 会影响数困儿童数字加工的数字距离效应, 但此类研究较少且结果不一致[6,7]。隋光远等[8]采用内、外源性注意50% 提示效度对三和六年级的正常儿童和数困儿童进行研究, 发现内、外源性注意对正常儿童数字距离产生影响, 但对数困组数字距离效应没有影响, 数困组儿童不能有效利用提示信息。潘运等[9]采用内、外源性注意80% 的提示效度对初二数学学优生和学困生进行研究, 结果显示内、外源性注意对数困生数字距离效应均有影响, 数困生也可以有效利用提示信息。有研究表明, 有效提示能使注意指向区域获得更好的加工, 反应时更短, 错误率更低, 无效提示时非注意指向的区域反应时增长, 错误增加[10]。因此, 上述研究结果不一致可能与研究者所使用的提示效度不同有关。既然有效提示会使个体将更多的注意力集中到数字出现的正确位置, 有利于其对数量信息的正确提取。本实验采用Posner的经典内、外源性提示实验范式[6], 旨在考察80% 的提示效度下内、外源性注意对小学数困儿童数字距离效应的影响, 从而探讨小学数困儿童能否有效利用提示信息, 提高数字加工的水平, 为今后对数困儿童的的干预和治疗提供有效依据。

1 对象与方法

1. 1对象

武汉市某小学四年级数困儿童17名 ( 男生10名, 女生7名; 平均年龄9. 8岁) 和正常儿童17名 ( 男生10名, 女生7名; 平均年龄9. 9岁) , 所有被试视力或矫正视力正常, 均为右利手。所有被试均签署知情同意书, 整个实验过程通过医学伦理委员会审议。

数困组采用逐层筛选的方法进行筛查: ( 1) 儿童学习困难筛查量表 ( PRS) , 该量表由Myklebust[11]编制、静进等[12]修订。要求教师用表总得分低于65分; ( 2) 中国小学生数学基本能力测试量表 ( C - RSBMC) 测试, 得分低于第16. 4百分位, 即数学基本能力落后于全国同年级学生平均水平减1个标准差[13]; ( 3) 采用“联合型瑞文测验” ( CRT - C2) 测查智商 ( IQ) , IQ≥80[14]; ( 4) 排除其他障碍及环境因素的影响 ( 如听视觉障碍、肢体残障等的影响) 。正常组: 班主任按性别1∶1比例在同班同学中根据平时考试成绩对双科成绩位于中上的学生进行PRS的评估, 得分高于65分, 在其后的数学能力测试中成绩在平均水平以上, IQ≥80且能够排除听、视觉等因素影响的学生。

1. 2 方法

1. 2. 1实验一内源性注意对数困儿童数字距离效应的影响。 ( 1) 材料: 刺激材料为计算机屏幕上所呈现黑色圆盘上的白色数字。圆盘直径6 mm, 距离47cm时的视角为0. 7°; 白色数字直径5 mm左右, 字体为宋体, 加粗, 距离47 cm时视角0. 6°左右。2个内径12 mm ( 1. 3°视角) , 外径15 mm ( 1. 6°视角) 的黑色圆环在距屏幕中心3°视角处为刺激出现范围。屏幕背景色为白色。全部实验在屏幕为21. 5寸, 刷新频率75 Hz, 分辨率为1 920×1 080的台式计算机上完成。程序由Eprime 2. 0编制。 ( 2) 设计: 采用2×2×2×4混合实验设计。自变量包括 ( 1) 线索有效性, 即有效提示 ( 有效比例为80% ) , 线索提示方位与目标出现的位置一致, 无效提示指线索提示方位与目标出现的位置不一致; ( 2) 被试类型包括数困组和正常组; ( 3) 数字大小, 包括小数 ( 1, 2, 3, 4) 、大数 ( 6, 7, 8, 9) ; ( 4) 数字距离 ( 数字与5的差值) , 包括1 ( 数字4和6) 、2 ( 数字3和7) 、3 ( 数字2和8) 、4 ( 数字1和9) 。其中被试类型为组间变量, 注意水平、数字大小和数字距离为组内变量。因变量为反应时和错误率, 控制变量为反应手与刺激呈现的位置。 ( 3) 程序: 被试按空格键开始实验。单次流程如下, ( 1) 在白色屏幕正中呈现一个视角为0. 4°的黑色“十”字注视点, 呈现时间为1 s; ( 2) 在屏幕正中注视点处出现一个红色箭头 ( 1. 0×0.6°视角) 0. 2 s作为方向线索提示; ( 3) 0. 6 s有“十”字的间隔; ( 4) 在两侧圆环中的一个圆环里随机呈现的8个目标刺激中的一个刺激0. 3 s; ( 5) 刺激消失后出现空白屏幕, 等待被试做出反应, 判断与5的大小关系。被试作出反应后0. 7 s进入下一次实验。若被试在1.2 s内未反应也可直接进入下一次实验。流程见图1。

实验前被试进行40次练习, 正确率达到95% 后进行正式实验。实验包括320次刺激, 每个刺激出现40次, 线索提示方位左右各20次。其中32次出现的位置与提示线索一致, 8次不一致。被试坐于距屏幕前47 cm处, 在整个过程中始终将注视点保持在黑色十字注视点上。在对目标数字进行大小比较时, 50%被试按“F”键对“比5大”做反应, 按“J”键对“比5小”做反应, 另外的50% 作相反比较。

1. 2. 2实验二外源性注意对数困儿童数字距离效应的影响。 ( 1) 仪器与材料及设计: 同实验一。 ( 2) 程序: 本实验中将实验一的程序改为“屏幕两侧圆环中有一个圆环变红0. 2 s作为位置提示”; 外源性注意实验将内源性注意实验的“0. 6 s有‘十’字的间隔”改为“0. 1 s有‘十’字的间隔”。流程见图2。

1. 3统计分析

数字距离效应的分析采用单因素重复测量的方差分析, 着重对数字距离主效应和线性拟合统计学意义进行考察[15]。数字距离主效应有统计学意义, 说明不同距离的数字反应变量之间存在差异, 线性拟合主效应有统计学意义, 说明该差异存在线性变化关系。

2 结果

2. 1 实验一内源性注意对数困儿童数字距离效应的影响 剔除反应时≤0. 3 s 或 > 3 个标准差的数据[6]。删除数据占总数据的 8. 20% 。

2. 1. 1错误率见图3。 ( 1) 无效提示: 数困组小数距离主效应无统计学意义[F ( 3, 45) = 0. 727, P = 0. 912], 线性拟合主效 应无统计 学意义[F ( 1, 10) = 0. 049, P =0. 494]; 正常组小数距离主效应无统计学意义[F ( 3, 48) =1. 019, P = 0. 392 ], 线性拟合主效应无统计学意义[F ( 1, 16) = 0. 169, P = 0. 687]。数困组大数距离主效应无统计学意义[F ( 3, 45) = 1. 427, P = 0. 247], 线性拟合主效应无统计学意义[F ( 1, 15) = 0. 001, P = 0. 982]; 正常组大数距离主效 应无统计 学意义[F ( 3, 48) = 1. 021, P =0. 391], 线性拟合主效应无统计学意义[F ( 1, 16) = 0. 144, P = 0. 709]。 ( 2) 有效提示: 数困组小数距离主效应有统计学意义[F ( 3, 45) = 9. 687, P < 0. 01], 线性拟合主效应有统计学意义[F ( 1, 15) = 23. 103, P < 0. 01]; 正常组小数距离主效应有统计学意义[F ( 3, 14) = 4. 586, P = 0. 019], 线性拟合主效应有统计学意义[F ( 1, 16) = 11. 839, P =0. 003]。数困组大数距离主效应无统计学意义[F ( 3, 45) =1. 681, P = 0. 184 ], 线性拟合主效应有统计学意义[F ( 1, 15) = 6. 975, P = 0. 019]; 正常组大数距离主效应有统计学意义[F ( 3, 48) = 3. 129, P = 0. 034], 线性拟合主效应无统计学意义[F ( 1, 16) = 4. 228, P = 0. 056]。

2. 1. 2反应时见图4。 ( 1) 无效提示: 数困组小数距离主效应无统计学意义[F ( 3, 8) = 0. 727, P = 0. 564], 线性拟合主效 应无统计 学意义[F ( 1, 10) = 0. 049, P =0. 829]; 正常组小数距离主效应无统计学意义[F ( 3, 30) =1. 224, P = 0. 318 ], 线性拟合主效应无统计学意义[F ( 1, 10) = 4. 875, P = 0. 052]。数困组大数距离主效应无统计学意义[F ( 3, 7) = 0. 631, P = 0. 618], 线性拟合主效应无统计学意义[F ( 1, 9) = 0. 393, P = 0. 547]; 正常组大数距离主效 应有统计 学意义[F ( 3, 10) = 1. 074, P =0. 403], 线性拟合主效应无统计学意义[F ( 1, 12) = 0. 487, P = 0. 499]。 ( 2) 有效提示: 数困组小数距离主效应有统计学意义[F ( 3, 45) = 3. 385, P = 0. 026], 线性拟合主效应有统计学意义[F ( 1, 15) = 7. 407, P = 0. 016]; 正常组小数距离主效应有统计学意义[F ( 3, 48) = 4. 182, P = 0.010], 线性拟合主效应有统计学意义[F ( 1, 16) = 13. 964, P= 0. 002]; 数困组大数距离主效应无统计学意义[F ( 3, 45) = 2. 620, P = 0. 062], 线性拟合主效应有统计学意义[F ( 1, 15) = 6. 157, P = 0. 025]; 正常组大数距离主效应无统计学意义[F ( 3, 48) = 1. 230, P = 0. 309]; 线性拟合主效应无统计学意义[F ( 1, 16) = 3. 886, P = 0. 066]。

2. 2 实验二外源性注意对数困儿童数字距离效应的影响 首先剔除反应时≤300 ms 或 > 3 个标准差的数据。删除数据占全部数据的 8. 20% 。

2. 2. 1错误率见图5。 ( 1 ) 无效提示: 数困组小数距离主效应 无统计学 意义[F ( 3, 13) = 1. 906, P =0. 179], 线性拟合主效应有统计学意义[F ( 1, 15) = 4.921, P = 0. 042]; 正常组小数距离主效应无统计学意义[F ( 3, 48) = 1. 307, P = 0. 283 ], 线性拟合主效应无统计学意义[F ( 1, 16) = 2. 135, P = 0. 163]。数困组大数距离主效应无统计学意义[F ( 3, 45) = 1. 611, P = 0. 200 ], 线性拟合主效应无统计学意义[F ( 1, 15) = 2. 355, P = 0.146]; 正常组大数距离主效应有统计学意义[F ( 3, 48) =4. 009, P = 0. 013]; 线性拟合主效应有统计学意义[F ( 1, 16) = 6. 035, P = 0. 026]。 ( 2) 有效提示: 数困组小数距离主效应有统计学意义[F ( 3, 45) = 9. 507, P < 0.01], 线性拟合主效应有统计学意义[F ( 1, 15) = 17. 309, P = 0. 001 ]; 正常组小数距离主效应有统计学意义[F ( 3, 14) = 3. 526, P = 0. 043 ], 线性拟合主效应无统计学意义[F ( 1, 16) = 4. 052, P = 0. 061]。数困组大数距离主效应有统计学意义[F ( 3, 13) = 13. 000, P < 0. 01 ], 线性拟合主效应有统计学意义[F ( 1, 15) = 22. 163, P < 0.01]; 正常组大数距离主效应有统计学意义[F ( 3, 48) =6. 996, P = 0. 001 ]; 线性拟合主效应有统计学意义[F ( 1, 16) = 14. 685, P = 0. 001]。

2. 2. 2反应时见图6。 ( 1 ) 无效提示: 数困组小数距离主效应 有统计学 意义[F ( 3, 45) = 4. 412, P =0. 008], 线性拟合主效应无统计学意义[F ( 1, 15) = 3.878, P = 0. 068]; 正常组小数距离主效应有统计学意义[F ( 3, 48) = 4. 633, P = 0. 006 ], 线性拟合主效应有统计学意义[F ( 1, 16) = 14. 616, P = 0. 001 ]。数困组大数距离主效应无统计学意义[F ( 3, 12) = 0. 590, P = 0.633], 线性拟合主效应无统计学意义[F ( 1, 14) = 0. 615, P = 0. 446 ]; 正常组大数距离主效应无统计学意义[F ( 3, 48) = 0. 816, P = 0. 491], 线性拟合主效应无统计学意义[F ( 1, 16) = 1. 808, P = 0. 198]。 ( 2) 有效提示: 数困组小数距离主效应有统计学意义[F ( 3, 45) = 8. 231, P< 0. 01], 线性拟合主效应有统计学意义[F ( 1, 15) = 15.626, P = 0. 001 ]; 正常组小数距离主效应有统计学意义[F ( 3, 48) = 5. 915, P = 0. 002 ], 线性拟合主效应有统计学意义[F ( 1, 16) = 11. 101, P = 0. 004]。数困组大数距离主效应无统计学意义[F ( 3, 45) = 0. 593, P = 0. 623 ], 线性拟合主效应无统计学意义[F ( 1, 15) = 0. 592, P = 0.454]; 正常组大数距离主效应无统计学意义[F ( 3, 48) =1. 236, P = 0. 307 ], 线性拟合主效应无统计学意义[F ( 1, 16) = 2. 920, P = 0. 107]。

3 讨论

本研究实验一发现, 在内源性有效提示下, 两组儿童的小数均表现出数字距离效应; 在内源性无效提示下, 两组儿童的数字距离效应均无统计学意义。说明内源性注意对两组儿童的数字距离效应均产生了影响。内源性注意对两组儿童小数距离效应的影响大于大数。小数的数字距离效应比大数更稳定, 可能是由于小数的比较加工主要依靠前注意信息, 所以它更稳定和自动化; 而大数的比较加工主要依靠空间注意, 因此更容易受外界因素的影响[16]。

实验二显示, 在外源性无效提示下, 正常组儿童大小数均表现出数字距离效应, 而数困组大小数均未表现出该效应。可能是由于正常儿童能够有效抑制外源性无效线索的干扰, 自动获取数量信息。而无效线索干扰了数困儿童对目标数字信息的有效表征。已有研究表明数困儿童抑制能力存在缺陷。程大志等[17]的研究显示, 数困儿童执行功能较差, 主要是抑制无关信息的能力较差。数困儿童不能有效抑制无关信息, 不能呈现正常的数字距离效应。外源性线索有效提示下, 两组儿童的大小数均表现出数字距离效应。表明两组儿童均能够有效利用提示线索, 自动激活心理数字线上的空间表征, 获取数量信息。

综合实验一、二的结果, 内源性和外源性注意有效提示对数困儿童数字距离效应产生影响, 表明数困儿童可以有效利用提示信息。隋光远等[8]的研究中所用的提示效度为50% , 表明数困儿童不能有效利用提示信息。而本研究所使用的提示效度为80% , 结果表明数困儿童可以有效利用提示信息, 与潘运等[9]的研究结论基本一致。Geary等[18]的研究认为, 数困儿童缺乏控制注意和抑制无关信息的能力是导致其数字认知加工成绩较差的主要原因。本研究结果中80% 的提示效度, 可以降低数困儿童抑制无关线索的要求, 将更多注意力集中在数字正确出现位置, 有利于他们对数量信息的提取, 能表现出正常的数字距离效应。Rousselle等[19]认为, 儿童数学学习困难是发生在从数字符号中获取数量意义环节。本研究结果表明如果对数困儿童提取信息环节加以提示, 可以提高数困儿童数字加工的能力。

摘要：目的 研究内源性注意和外源性注意对数学学习困难儿童 (以下简称“数困儿童”) 和正常儿童数字距离效应的影响, 为对数困儿童干预措施的制定提供科学依据。方法 采用内源性注意和外源性注意实验范式, 以判断小数 (14) 和大数 (69) 是否大于5为任务, 对数困儿童和正常儿童数字加工的数字距离效应进行研究。结果 在内源性有效提示下, 两组儿童的小数字距离主效应和线性拟合主效应均有统计学意义 (P值均<0.05) ;在内源性无效提示下, 两组儿童的数字距离主效应或线性拟合主效应均无统计学意义 (P值均>0.05) 。在外源性有效提示下, 两组儿童大小数数字距离主效应和线性拟合主效应均有统计学意义 (P值均<0.05) ;在外源性无效提示下, 正常儿童大小数数字距离主效应和线性拟合主效应均有统计学意义 (P值均<0.05) , 数困儿童大小数数字距离效应均无统计学意义 (P值均>0.05) 。结论内源性和外源性注意对数困儿童和正常儿童数字距离效应产生影响, 80%的提示效度下数困儿童可以有效利用提示信息。对数困儿童提取信息环节加以有效提示, 可以提高其数字加工的能力。

距离学习 篇8

一、专题学习网站的构建理念

从技术的角度来说, 专题学习网站的设计要求有以下四个方面:丰富多样的学习资源、良好的学习交互能力、直观友好的界面设计和活泼生动的教学策略。

具体地讲, 专题学习网站就是在内容上, 以专题知识为导向的建设和应用项目 (不同于知识点或完整的课程) 。形态上, 它是一个网站, 具有网站的基本功能;功能上, 它是一个供学生开展课程专题知识学习和研究性学习的平台。

新课程强调面向全体学生, 这就意味着专题学习网站的设计应该关注每一个学生, 满足不同学生的学习需求, 创造能引导全体学生主动参与的网络环境, 激发学习兴趣, 使他们通过学习, 能在原有水平上得到提高, 获得发展。

在网站设计中, 我充分考虑学生个体间的差异, 在保证全体学生共同发展的基础上, 注意发展每个学生的个性和特长。我把莫高窟的彩塑、壁画和藏经洞, 通过图片、电影、解说、动画等多种形式进行结构化重组与阐述, 淋漓尽致地展现它的历史, 使不同类型的学生都学有所得, 使每个学生都能体验成功的喜悦。

新课程允许学生对问题有自己独特的见解, 通过自己的独立思考, 发表各自不同的观点, 在讨论和交流过程中, 鼓励学生创造性学习。我通过专题网站, 努力为学生创设宽容、理解、和谐、平等的网络氛围。

新课程指出“评价要促进学生的发展”, 要“面向全体学生”。为了保证所有学生都有足够的机会来展示他们网络学习的全部学习成果, 我把学生的读后感、演示文稿、图画专题电子作品都放在网上, 全方位、多层次、多角度、客观公正地评价每一位学生, 关注学生的现状、潜力和发展趋势, 让他们始终充满自信和激情。

二、专题学习网站的功能架构

我利用静态网页 (HTML) 与动态网页 (ASP) 技术, 结合Access数据库, 建构专题动态Web网站, 主要设计分五个功能区。

1.“教学辅导区”——学生自主学习的桥梁

基于网络资源的学习方式是一种探索性的自主学习。这种自主学习仍需要教师的辅导。在专题学习网站中, 根据学生网络学习的特点与语文阅读的规律, 我将课文内容和要求以电子课本的形式有步骤、有指导地出示, 通过“读一读”、“学一学”、“练一练”, 让学生读准字音, 读顺课文, 初步感知理解莫高窟的历史, 为促进学生主动建构知识创设情境。

2.“网络资源区”——学生探索知识的导航器

网络资源是无限的, 我在资源区尽可能收集有关莫高窟的图、文、声、像等资源信息, 向学生展示了莫高窟灿烂的历史文化, 还链接了许多搜索引擎, 有效地整合Internet资源, 供学生研究参考。

3.“专题讨论区”——学生发表见解的窗口

专题讨论区是为学生专题学习而组织的论坛、聊天、短信等网络工具, 提供师生、生生以及师生与相关专家之间高效交流的途径, 实行在线指导或个别指导, 为学生创设会话、交流的平台和协同发展的空间。学生可以在讨论区提出各自在学习中不能解决的问题, 回复、发表自己的见解。通过这样的协作学习环境, 学习者群体 (包括教师和每位学生) 的思维与智慧就可以与整个群体共享。

4.“作品展示区”——学生展示的园地

提供师生展示研究成果的交互平台, 设置作业频道, 对学生的研究成果、习作、绘画、故事、演示文稿等进行展示。上传频道提供每一个师生共同参与资源建设、信息发布的平台。

整个网站结构图如下:

三、建构专题学习网站的理性反思

1. 人文性

《莫高窟》专题学习网站以中国古代历史文化和丰富的人文内涵为学习与探究的领域, 面向全体学生, 关注学生的需要体验, 关注每一个学生的成长, 尊重他们的个性差异, 使每个学生都能获得发展。我在设计时允许任何学生申请注册成为用户, 进行“用户中心”管理。每个人都有机会、有权利, 进行发表与讨论、探究与创造, 使学习成为每一个学生追求成功、积极体验的过程。

2. 综合性

本网站从学生的经验和发展需要出发, 对语文、历史、地理等多门学科进行了综合, 注重知识的关联性、整体性和开发性, 帮助学生获得综合运用知识的能力。在拓展阅读活动中, 有的学生通过网站了解了莫高窟的发现者王道士的生平事迹, 从不同角度点评历史人物的是非功过;有的学生看到一幅幅彩塑与壁画, 不由得对我国古代劳动人民无穷的智慧和伟大的创造力发出深情的赞叹;有的学生从敦煌文化入手, 通过莫高窟历史的繁华与经历的种种磨难, 感受深刻的爱国主义教育……

3. 实践性

专题学习网站并不是让学生去被动地浏览、接受, 网站强大的交互性更加重视学生的参与性、探索性, 提倡体验、探究、参与、合作、讨论, 促进学生实践能力的发展。这在更大范围和更深层次上满足了学生实现自我的愿望, 为学生张扬个性创造了空间, 让学生交流和分享学习成果, 获得成功的愉悦。通过网站内容的更新、学习资源的补充、学习过程的呈现、与他人的互动、成果的呈现等工作, 一批I T小专家成长起来。通过教师指导、学生参与、师生共同管理和维护, 我们的专题学习网站真正成为学生喜欢的学习、交流、争论、提高的网络之家, 成为沟通师生情感的纽带。

4. 互动性

网络的及时性和交互性为我们发展性教学评价的实施起了传统方式无法替代的作用。对于我提出的“敦煌莫高窟那精妙绝伦的彩塑和宏伟瑰丽的壁画, 是我们中华民族的骄傲和自豪。你能用自己的方式向全校师生介绍莫高窟吗”这一问题, 学生们纷纷发帖, 有的要用绘画、泥塑等形式展现莫高窟风貌, 有的要用图案设计和小报等展示, 还有的学生在帖子中搜集了莫高窟其他相关的链接……

距离学习 篇9

求距离的思想方法和步骤与求角的问题是相似的，其基本步骤是： (1) 找出或作出有关距离的图形; (2) 证明它符合定义; (3) 在同一平面内计算。

点到平面的距离求法有下列三种思路方法：

【思路方法一】直接法：求解的关键是正确作出图形，确定垂足位置最重要。要充分利用面面垂直的性质。(如图1)

【思路方法二】等体积法：把所求距离转化为求锥体的高。

【思路方法三】向量公式法：，其中为平面的法向量，A为平面内任意一点。

下面通过几个实例来说明点到平面的距离求法，以及线面距离或面面距离转化为点到平面的距离求法。

例1：在长方体ABCD-A1B1C1D1中，AB=4, BC=3, CC1=2，(如图3所示)求点B1到平面A1BC1的距离。

解：【方法一】等体积法。

设点B1到平面A1BC1的距离为h,

【方法二】若此题为选择或填空题，可直接用“直角四面体”的结论：求解。

此题中：a=4, b=3, c=2，则计算得：

【方法三】向量法。

如图4所示，建立空间直角坐标系D-xyz，则A1 (3, 0, 2), B (3, 4,

设平面A1BC1的法向量为，n= (x, y, z) ,

令y=3，解得，

则点B1到平面A1BC1的距离

例2：如图5，在直三棱柱ABC-A1B1C1中，底面是等腰三角形, ∠ACB=90°。侧棱AA1=2, D, E分别是CC1与A1B的中点, 点E在平面ABD上的射影是△ABD的重心G, 求点A1到平面AED的距离。

解:【方法一】直接法。

∵D, E均为中点,

∴DE⊥AA1, DE⊥AB,

∴DE⊥平面AA1E, 又DE奂面AED,

∴平面AED⊥平面AA1E，且交线为AE,

【方法二】向量法 (公式法) 。

∴点A1在平面AED上的射影H在AE上。

于是A1H⊥平面AED，即A1H的长为所求。

说明：此方法找距离容易，但在计算A1H时会受阻，因此这一方法并不是很好。

如图6所示，建立空间直角坐标系C-xyz。

设平面AED的法向量为，

例3：正方体ABCD-A1B1C1D1的棱长为4, M, N, E, F分别是A1D1, A1B1, D1C1, B1C1的中点。(如图7)

(1)求证：平面AMN∥平面EFBD。

(2)求平面AMN与平面EFBD间的距离。

(1)证明：略。

(2)解：【方法一】直接法。

可以找到所求的距离，最后转化为点到平面的距离，但比较麻烦。

【方法二】等体积法。

∵平面AMN∥平面EFBD,

∴可转化为点B到平面AMN的距离，设此距离为d。

【方法三】向量法(公式法)。

同方法二，转化为求点B到平面AMN的距离d。

如图8所示，建立空间直角坐标系D-xyz,

距离学习 篇10

一、理论背景

( 一) 框架效应

Tversky和Kahneman在1981年研究 “亚洲疾病问题”时发现人们在决策过程中对于结果一样但表达形式不同的决策方案会做出不同的选择[1], 这就是本文所说的框架效应。对于同一种情境分别以正面框架和负面框架进行描述时,决策者的风险偏好水平明显不同。前景理论对此做出了很好地解释: 个体决策时往往都隐含了其内在的评价标准,这个标准就是参照点 ( Kahneman和Tversky,1979)[2]。个体衡量所面临的备择选项所依据的不是其会产生的绝对效用值,而是以内心的相对参照点为基准,根据备择选项与参照点的偏离方向和程度,将备择选项编码为收益或损失,即确定每个备择选项的正负属性,进而影响随后的决策选择。当现状低于参照点时,个体倾向于把外在的挑战看作机遇,选择风险寻求; 当现状高于参照点时,个体倾向于把外在挑战看作威胁,选择风险规避。

(二)时间距离

根据Bar - Anan和Liberman ( 2006) 等的定义,时间距离是指人们以现在为基准所感知到的事件发生的时间远近[3]。人们对时间距离的感受具有非常强烈的主观性和可变性,人们对于时间流逝的感受也不尽相同,人们对于不同距离的未来要发生的事所表现出的态度也不一样,个体常常对于距离较远的未来才会发生的事表现出更加积极、乐观的态度,而对距离较近的未来要发生的事表现出消 极、悲观的态 度 ( Trop和Liberman, 2000)[4]。根据时间折扣理论,随着时间距离的变化,个体对于不同时间距离点上事件的价值估计不同。由于事件价值的不同和个体对时间贴现速度的认知不同,个体对于时间折扣水平的感知会产生差异; 同时,个体的主观性会对不同的事件产生不同的情绪状态,最后产生的主观价值的估值也就不同。因此,时间距离的边际效用随着个体的主观认知不同而不同,这种对时间距离感知的主观性和可变性会影响个体作出决策时的认知,从而影响个体的决策。

(三)社会距离

德国社会学家G. Simmel提出社会距离是个体主观营造出的人与人之间或人与物之间关系的一种认知,个体对不同关系的认知所产生的感受是不同的,这种感受就是个体对于自身与他人或他物社会距离的感知。美国学者Park在继承Simmel思想的基础上,对社会距离进行了进一步地阐述: 社会距离是个人主观意愿下与他人建立亲密关系的程度,是个人主观感受到的与某个集团之间的亲近程度[5]。一般来说,身体的接触距离体现了人与人关系的亲近程度,代表了人与人之间的不同关系,也能够让人们区分出个体对社会距离感知的远近。

(四)时间距离对网购决策的框架效应假设

个体所做的每个决策都存在于一定的时间框架之中。在传统市场背景下,当消费者预期购买时间不同时,随时间距离的感知也不同,影响消费者关注的是产品信息的侧重点,进而影响其购买决策。但是,在网络购物环境下,消费者无法实际接触到产品,评估商品时只能通过商家对产品的描述,消费者在这种购物模式下存在一定的风险寻求。在以不同的时间距离背景来描述一个健康问题时,被试对于风险的感知具有显著不同。当时间距离临近时,被试风险感知更为强烈,有更强的意愿采取行 动来规避 风险 ( Chandran和Menon, 2004)[6],这说明在个体决策的风险不同时间距离背景下偏好不同。因此,本文提出假设:

H1: 对于时间距离近的将来要购买的产品, 无论是在正面框架还是负面框架下,消费者决策时的风险框架效应均不显著。

H2: 对于时间距离较远的将来要购买的产品, 在正面框架下,消费者决策时的风险框架效应显著,表现为消费者更倾向于选择确定方案; 在负面框架下,消费者决策时的风险框架效应显著,表现为消费者更倾向于选择风险方案。

(五)社会距离对网购决策的框架效应假设

为了更加适应研究情境,本文在分析过程中将社会距离划分为最好的朋友和普通朋友两类, 即为处于个人距离 ( 45cm - 80cm) 的朋友的购买行为做决策,和帮助处于社交距离 ( 1. 3米 - 2米) 的朋友的购买行为做决策。通俗地说,社会距离是个体主观的感知他人与自己关系的远近, 个体往往依据自己感知到的关系远近而采用不同的标准,在风险决策时也是如此。因此,本文提出以下假设:

H3: 帮助社会距离较近的人做出决策时,消费者决策时的风险框架效应显著; 在帮助社会距离较远的人做决策时,消费者在决策中存在偏好于风险回避的单向框架效应。

具体表现形式如下:

H3a: 帮助社会距离较近的人做出决策时,在正面框架下,消费者决策时的风险框架效应显著, 表现为消费者更倾向于选择确定方案; 在负面框架下,消费者决策时的风险框架效应同样显著,但表现为消费者更倾向于选择风险方案。

H3b: 帮助社会距离较远的人做出决策时,在正面框架下,消费者决策时的风险框架效应不显著; 在负面框架下,消费者决策时的风险框架效应显著,表现为消费者更倾向于选择风险方案。

(六)时间距离和社会距离共同对网购决策的框架效应假设

消费者在做出购买决策时往往受到多个因素共同的影响。根据上文假设H1到H7可知时间距离和社会距离的远近对于消费者购买决策的框架效应是不同的。因此,本文提出如下假设:

H4: 时间距离和社会距离对消费者决策的框架效应存在交互作用。

具体说来,其作用方向如下:

H4a: 当时间距离和社会距离都为近时,在正面框架下,消费者决策时的风险框架效应显著,表现为消费者更倾向于选择确定方案; 在负面框架下,消费者决策时的风险框架效应也显著,但表现为消费者更倾向于选择风险方案。

H4b: 当时间距离为近、社会距离较远时,在正面框架下,消费者的风险框架效应不显著; 在负面框架下,消费者决策时的风险框架效应也显著, 但表现为消费者更倾向于选择风险方案。

H4c: 当时间距离为远、社会距离较近时,在正面框架下,消费者的风险框架效应不显著; 在负面框架下,消费者决策时的风险框架效应也显著, 但表现为消费者更倾向于选择风险方案。

H4d: 当时间距离为远、社会距离较远时,在正面框架下,消费者的风险框架效应显著,表现为消费者更倾向于选择确定方案; 在负面框架下,消费者决策时的风险框架效应也显著,但表现为消费者更倾向于选择风险方案。

为了方便表述,本文用表1来描述。

二、研究设计

( 一) 实验对象

本文选择山东大学、山东师范大学、中国石油大学 ( 华东) 、青岛大学的在校学生作为样本,采用简单随机抽样的方法,从中抽取来自上述四所大学中在一年内有三次以上,或者在三个月内至少有一次网购经历的大学生参加此实验,本实验历时两个多月。他们来自于不同专业和不同年级, 为减少实验效应的影响,要求被试在此之前的一年内没有参加过类似实验。

(二)实验设计

本文共有三个实验,分别采用2 ( 时间距离: 近的将来/远的将来)× 2 ( 框架背景: 正面框架/ 负面框架) 、2 ( 社会距离: 为自己决策/为他人决策)× 2 ( 框架背景: 正面框架/负面框架) 、2 ( 时间距离: 近的将来/远的将来)× 2 ( 社会距离: 为自己决策/为他人决策)× 2 ( 框架背景: 正面框架/负面框架) 组间实验。

本文采用问卷法,问卷内容主要以 “在近的将来/远的将来为亲密朋友/普通朋友做出在网上购买某款国行还是港行手机的决策,其中国行手机价格为3 000元,港行手机2 400元”为背景。框架背景有两种,即正面框架 ( 收益) : 少支付/不少支付600元,售后得到 保障; 负面框架 ( 损失) : 多支付/不多支付600元,售后失去保障。最后,给出两种决策方案,一种为确定性方案,一种为风险性方案,让被试进行选择。

如以在正面框架下 “时间距离为近时为亲密朋友决策”的问题为例: 你最好的朋友打算最近一两天在网上买一部手机,手机型号已经确定,但目前网上售卖的手机有国行和港行两种版本,国行3 000元,港行2 400元,你有以下两种方案可以选择:

方案一: 买国行,不能少支付600元,售后可以得到保障。

方案二: 买港行,可以少支付600元,有1 /4的可能售后不能得到保障。

如果朋友请你帮忙做出决策,你会选择哪种方案? 请说明理由。

本实验共设计了16套问卷,每套问卷除最后的决策题不一样外,其余关于被试基本情况调查的问题均一致。要注意的是,在每套问卷中都对特定情境的描述加粗,以使被试注意到所处的特定的情境,对于非相关的情境都做了淡化处理; 同时,要求被试完成问卷中的注意度测试,以此检验被试是否注意到黑体加粗内容。

为方便数据分析和保证数据的有效性,每套问卷均随机抽取100名以上合格被试,共发放问卷1 600份,回收问卷1 297份,剔除无效问卷74份, 收到有效问卷1 223份。每套问卷随机抽取60份有效问卷进行数据分析,最终得到有效问卷960份。 实验对象平均年龄20. 86 ± 2. 12岁,其中男生467名,女生493名,男女比例0. 95: 1,比例基本合理,实验对象的基本情况如图所示。

大一学生207名,大二学生231名,大三学生252名,大四学生187名,研究生83名,基本覆盖了各个年级,比例基本合适。

实验对象中的139名来自经管类专业,109名来自法学类专业,来自工科类和理科类专业的各有326名和298名,文学类专业71名,其他专业17名,专业分布基本合理。

三、数据分析

(一)时间距离对网购决策框架效应的影响

表2为时间距离不同时正负框架下选择不同方案的人数分布,由表2可知时间距离的远近对于被试决策结果的影响有显著的差异。

当时间距离为近时,在正面框架下有55% 的被试选择了确定方案,45% 的被试选择了风险方案; 在负面框架下,43. 33% 的被试选择了确定方案,56. 67% 的被试选择了风险方案,χ2= 1. 634, p = 0. 201 > 0. 05,二者不存在统计上的显著差异。 即在时间距离为近时,被试在决策时不存在显著的框架效应,假设H1成立。

当时间距离为远时,在正面框架下有76. 67% 的被试选择了确定方案,23. 33% 的被试选择了风险方案; 在负面框架下,26. 67% 的被试选择了确定方案,73. 33% 的被试选择了风险方案,χ2= 19. 221,p = 0. 000 < 0. 05,二者存在统计上的显著差异。即在时间距离为远时,被试在决策时存在显著的框架效应,且在正面框架下,消费者更倾向于选择确定方案; 在负面框架下,消费者更倾向于选择风险方案。假设H2成立。

(二)社会距离对网购决策框架效应的影响

表3为社会距离不同时正负框架下选择不同方案的人数分布,由表3可知社会距离的远近对于被试的决策结果的影响有显著的差异。

当社会距离为近时,在正面框架下有76. 67% 的被试选择了确定方案,23. 33% 的被试选择了风险方案; 在负面框架下,仅有30% 的被试选择了确定方案,70% 的被试选择了风险方案。在此情景下,χ2的统计结果等于26. 250,p = 0. 000远小于0. 05,二者存在统计上的显著差异。因此,在社会距离为近时,被试在决策时存在显著的框架效应, 且在正面框架下,消费者更倾向于选择确定方案; 在负面框架下,消费者更倾向于选择风险方案。假设H3a成立。

当社会距离为远时,在正面框架下有53. 33% 的被试选择了确定方案,47. 67% 的被试选择了风险方案,被试的风险偏好没有显著性差异; 在负面框架下,33. 33% 的被试选择了确定方案,66. 67% 的被试选择 了风险方 案,χ2的统计结 果等于4. 887,p = 0. 027小于0. 05,显示出二者存在统计上的显著差异。因此,在社会距离为远时,被试在决策时表现出明显的风险偏好的单向框架效应, 即在正面框架下,消费者决策时的风险框架效应不显著; 在负面框架下,消费者更倾向于选择风险方案。假设H3b成立。

(三)时间距离、社会距离对网购决策框架效应的影响

表4为时间距离和社会距离在不同水平时的交互作用下,在不同框架类型下选择不同方案的人数分布。由表4可知时间距离和社会距离在不同水平时,二者产生的交互作用在不同框架类型下对于被试的决策结果有显著影响。

当时间距离和社会距离同时为近时,在正面框架下有65% 的被试选择了确定方案,35% 的被试选择了风险方案,风险回避倾向十分明显; 在负面框架下,仅有30% 的被试选 择了确定 方案, 70% 的被试选择了风险方案,风险寻求倾向十分显著。在此情境下,χ2的统计结果等于14. 737,p = 0. 000远小于0. 05,表明二者存在统计上的显著差异。因此,当时间距离和社会距离同时为近时,被试在决策过程中存在明显的框架效应,且在正面框架下,消费者更倾向于选择确定方案; 在负面框架下,消费者更倾向于选择风险方案。假设H4a成立。

当时间距离为近而社会距离为远时,在正面框架下有48. 33% 的被试选择了确定方案,51. 67% 的被试选择了风险方案。在此情境下,被试的决策结果表明被试的风险倾向并没有显著不同,即在正面框架下被试的风险偏好没有显著性差异。但在负面框架下,25% 的被试选择了确定方案,75% 的被试选择了风险方案,χ2的统计结果等于7. 003, p = 0. 008小于0. 05,显示出二者存在统计上的显著差异。因此,在时间距离为近、社会距离为远时,被试在决策时表现出明显的风险偏好的单向框架效应,即在正面框架下,消费者决策时的风险框架效应不显著; 在负面框架下,消费者更倾向于选择风险方案。假设H4b成立。

当时间距离为远而社会距离为近时,在正面框架下有53. 33% 的被试选 择了确定 方案, 46. 67% 的被试选择了风险方案。在此情境下,被试的决策结果表明被试的风险倾向并没有显著不同,即在正面框架下被试的风险偏好没有显著性差异。但在负面框架下,28. 33% 的被试选择了确定方案,71. 67% 的被试选择了风险方案,χ2的统计结果等于7. 761,p = 0. 005小于0. 05,显示出二者存在统计上的显著差异。整体结果显示出在时间距离为远、社会距离为近时,被试在决策时表现出明显的风险偏好的单向框架效应,即在正面框架下,消费者决策时的风险框架效应不显著; 在负面框架下,消费者更倾向于选择风险方案。假设H4c成立。

当时间距离、社会距离同时为远时,在正面框架下有66. 67% 的被试选择了确定方案,33. 33% 的被试选择了风险方案,风险回避倾向十分明显; 在负面框架下,仅有30% 的被试选择了确定方案, 70% 的被试选择了风险方案,风险寻求倾向十分明显。在此情境下,χ2的统计结果等于16. 165,p = 0. 000远小于0. 05,表明二者存在统计上的显著差异。因此,当时间距离和社会距离同时为远时,被试在决策过程中存在明显的框架效应,且在正面框架下,消费者更倾向于选择确定方案; 在负面框架下,消费者更倾向于选择风险方案。假设H4d成立。

四、结果分析

(一)时间距离不同对决策结果的影响不同

人们在做出决策时往往处于一定的时间背景下,对于不同时间距离的问题所做出决定的处理机制也不尽相同。Mc Elroy和Mascari ( 2007) 从时间透视的角度进行研究,发现在时间距离近的情境下,个体认为事件与自身的相关性更大,在对信息进行加工处理时采用分析式加工 ( analytic processing) ,框架效应表现并不明显; 在时间距离较远的情境下,个体更能够从整体的角度把握问题, 在对信息加工处理时则采用整体加工 ( holistic processing) ,此时的框架效应表现更为明显[7]。根据Gonzalez等人 ( 2005) 提出的认知———情感权衡模型,决策者在做出行为选择时会权衡认知付出和情感体验两个层面,尽量使自己付出的认知努力最小化,同时获得最愉悦的情感体验[8]。

框架效应的产生主要是决策者权衡认知备择选项付出的努力和该方案带来的情感愉悦程度的结果。个体在面临需要付出认知努力相似的选项时,更倾向于选择情感体验好的选项; 当选项的情感体验相似时,更倾向于选择认知更为容易的选项。如果选项所需要付出认知努力和情感体验都很相似时,个体会进一步进行权衡、做出选择。

当时间距离为近时,消费者考虑问题时的认知程度更为强烈,往往会从更具体的角度去考虑得与失,发挥更多的认知努力来进行深入分析之后,他们会发现其实这二者从实际从得失上来说并未有什么不同,感受到的 “愉悦程度”也没有什么不同,框架效应不显著。当时间距离为远时, 消费者采取整体式的加工,再加上认知———情感的作用,在正面框架下,消费者感知到的 “收益” 情感更为强烈,因此选择确定方案以保证收益的情感愉悦程度更高; 在负面框架下,消费者感知到的是“损失”情感更强,个体会产生风险寻求以降低 “损失感”,因此选择风险方案。

(二)社会距离不同对决策结果的影响不同

社会距离的远近导致了被试在决策方案选择上的不同。当为亲密的朋友做出决策时,在正面框架中被试更倾向于选择确定方案,而在负面框架中更倾向于选择风险方案。这可能与中国的文化背景有关,也表现出了情感这一因素在框架效应中的重要作用[9]。在帮助与自己关系近的人做出决策时,被试往往会代入更多的感情因素,面临着 “收益”就会希望收益可以得到保证,而面临 “损失”时则会采取一切办法来减少损失,即使是冒险也在所不惜。当为与自己关系比较远的人做出决策时,由于关系的疏远所代入的感情也没有那么强烈,对 “收益” 的渴望也自然降低,因此选择确定方案的数量虽然较风险方案多,但没有为社会距离近的人做决策时差异那样明显。当面临 “损失”时,其价值函数呈现 “S”形,在收益部分 ( 纵轴右侧) 呈凸函数,在损失部分 ( 纵轴左侧) 则呈凹函数,损失部分曲线相较收益部分更加陡峭,因此人们对负性框架更加敏感。换句话说,个体在做出决策时对损失的感知程度要比同等收益的感知程度强烈。因此,被试也会希望采取措施来减少损失。

(三)时间距离、社会距离对网购决策的影响

被试在时间距离和社会距离的不同水平的组合下,在不同框架类型下的决策结果表明这二者对于决策确实是存在影响的。但是,经过仔细的分析,发现时间距离和社会距离对于决策的影响基本上都是同方向的,或者是二者之一不存在影响而另一个因素存在影响。因此,这二者对于决策的影响即是这二者影响作用的叠加,而没有产生相逆的作用。

五、结论与思考

时间距离、社会距离是影响消费者网购决策框架效应的重要因素,这二者对风险框架效应的具体作用方向如下:

1. 对于时间距离近的将来要购买的产品,消费者决策时的风险框架效应均不显著; 对于时间距离较远的将来要购买的产品,消费者决策时的风险框架效应显著,在正面框架下表现为消费者更倾向于选择确定方案,在负面框架下表现为消费者更倾向于选择风险方案。

2. 帮助社会距离较近的人做出决策时,消费者决策时的风险框架效应显著,在正面框架下表现为消费者更倾向于选择确定方案,在负面框架下表现为消费者更倾向于选择风险方案。帮助社会距离较远的人做出决策时仅存在单向框架效应, 即在正面框架下,消费者决策时的风险框架效应不显著; 在负面框架下,消费者决策时的风险框架效应显著,表现为消费者更倾向于选择风险方案。

3. 时间距离和社会距离对消费者网购决策的框架效应的影响方向是相同的,或者其中一个因素作用显著而另外一个因素不显著。因此,共同作用下,二者会产生叠加效应。

摘要：电子商务的发展逐步消弭了空间距离对消费者决策的影响,但心理距离中的时间距离和社会距离对消费者购买风险决策的框架效应仍需探讨。通过问卷调查收集数据构建网购决策框架效应模型,本文分析、总结不同时间距离和社会距离情境对消费者网购决策的框架效应,以期对相关企业的营销实践提供参考。