简介:为探究儿童在不同利益对比情境以及与己利益无关情境中的公平行为,研究呈现了自我任务的劣势博弈、优势博弈、冲突博弈以及第三方任务博弈四种分配情境。自我任务中儿童需要为自己与另一名匿名儿童迫选方案,第三方任务中则需为两名匿名儿童迫选方案。结果发现:(1)劣势博弈中所有年龄组均倾向于选择公平方案,而非劣势方案;(2)优势博弈中,8岁、10岁组选择公平方案的人显著多于优势方案,而4岁、6岁组均无显著差异;(3)冲突博弈中,4岁、6岁组选择优势方案的人显著多于劣势方案,而8岁、10岁组均无显著差异;(4)第三方博弈中,8岁、10岁组选择公平方案的人显著多于不公平方案,而4岁、6岁组均无显著差异。这表明,4岁-6岁儿童尚未真正获得公平观念,且以获得个人利益为主;而8岁是真正获得公平观念的转折年龄,8-10岁儿童对人对己均坚持公平原则,且表现出利他倾向。
简介:近年来,腐败心理与行为正在逐渐成为多学科共同关注的前沿问题。文化视角的腐败心理研究引起了越来越多的学者的关注。本文力图从腐败现象的概念、指标和测量工具的发展演变三个方面梳理文化与腐败的相关研究成果。腐败的定义繁多,一般理解为一种滥用公共权力谋取私利的行为。由于腐败行为的隐蔽性,目前难以在研究中直接观测腐败行为,往往通过一些替代性指标来揭示腐败,比如腐败感知与腐败容忍度、腐败经验、腐败意向以及行为模拟等。在测量工具方面,自陈量表、情景测试等方法在不同腐败指标的测量中得到了广泛的应用。博弈范式和大数据方法可以为未来文化视角下的腐败研究提供新的视角和测量手段。
简介:大数据技术的持续发展与广泛应用将为社会带来彻底转变,大众生活的不同层面将无可避免地受到影响。大数据亦同时在挑战隐私权、知情同意权等固有道德概念的适用性,并为社会带来新的道德争议。由大数据技术发展及其应用所产生的"互联状态"(theconditionofinterconnectedness)及其可能对道德责任带来的根本转化(fundamentaltransformation)是未来大数据伦理的重点;如"个人决定"及"知情同意"这两种行为,它们在大数据技术时代从"涉己行为"(selfregardingacts)转化成"涉他行为"(other-regardingacts),这一转变使它们成为一种新道德责任。
简介:大数据和机器学习在医学研究领域获得越来越多的应用和关注.人体作为复杂的生理和演化系统,具有开放性、不确定性、非线性、多层次性、动态性、突现等特征.从复杂性哲学的视角出发,分析了人工智能医学在方法论和认识论上的优势和问题.人工智能医学可以利用海量数据,搜集复杂的特征信息,发掘并识别多种变量之间的相关性,通过机器学习捕获数据中的复杂与非线性关系,克服还原主义的局限,消除不确定性,提高预测的准确性.疾病过程所体现出的动态复杂性和过程敏感性,复杂系统的不确定性和突现特征,使得人工智能医学对疾病和治疗状态的预测和长时段的预测难以实现.人工智能利用相关性所做的预测,虽然准确,但因为因果解释的缺失和路径依赖,不能直接用于临床上的医学照料,需要医生具身的临床经验和知识辅助判断.治疗的临床情境的重要性与数据化上的困难,也给当前人工智能医学实现从精准预测到有效治疗带来了挑战.