博文

目前显示的是 七月, 2007的博文

撰写外刊论文的心得体会zz

(写文章很郁闷,转一帖) 有人归纳了外刊论文撰写的五个基本要求,即5C:正确(correctness)、清楚(clarity)、简洁 (concision)、完整(completion)和一致性(consistency) 。只有在满足这5点要求的情况下才可以算是一篇合格的外刊文章。对此,我深表同意。下面,从外刊论文的基本结构分别来说明我的看法: 1)Introduction 我一直认为Introduction是外刊文章最为难写的部分之一(另外一个是Discussion)。中文文章的缺陷就在于Introduction没 有内涵,过于简单,没有真正体现出一篇论文的研究起初和创新要素。应该说外刊论文对于Introduction的要求是非常高的,可以毫不夸张的说,一个 好的Introduction就相当于文章成功了一半。所以大家应该在Introduction上集中足够的精力。 我认为要写好一个Introduction,最重要的是要保持鲜明的层次感和极强的逻辑性,这两点是结合在一起的,即在符合逻辑性的基础上建立层层递进的关系。 一开始,我们要首先阐述自己研究领域的基本内容,要尽量的简洁明了,不要罗里罗嗦一大堆。须知看文章的人都是该领域的专家,所以一些显而易见的知识要用概括性的而不是叙述性的语言来描述。 接下来,就是Introduction的重头戏之一:文献的总结回顾。这一点要特别着重笔墨来描写。一方面要把该领域内的过去和现在的状况全面的概括总结 出来,不能有丝毫的遗漏,特别是最新的进展和过去经典文献的引用。这是两个最容易出现的问题,应该是我们要极力避免的。如果一旦审稿人之处这两个毛病,很 可能意味着说你做的不够深入或者全面,负面作用是非常明显的。另一方面,文献的应用和数据的提供一定要准确。片面的摘录部分结果而不反映文献的总体结果是 千万要不得的。引用的数据也要正确,特别是间接引用的数据(即不是从原文献中查到的数据,而是从别人的文献中发现的另外一篇文献的数据)。数据出错会导致 文章的印象大大失分。此外,引用文献的时候注意防止造成抄袭的印象,即不要原文抄录,要用自己的话来进行总结描述。如果审稿人正好是文献的引用者的话,这 样做就会糟糕的。 然后就是分析过去研究的局限性并且阐明自己研究的创新点,这是整个Introduction的高潮所在,所以更是要慎之又慎。阐述局限性的时候...

erp源分析软件

不知是历史的渊源还是算法的多样化,erp数据分析的软件真的是五花八门。比如源分析就有好多常用的软件。对源分析不太感冒,先留做记录。 BESA http://www.besa.de/index_home.htm CURRY http://www.neurospec.com/?p=prod_src_curry LORETA http://www.unizh.ch/keyinst/NewLORETA/LORETA01.htm

Twitter

潘石屹的blog曾经写过,写文章像酿酒,写blog像做果汁,无需过多酝酿,尽量保持原汁原味。当遇到了twitter,不得不说,葡萄汁也不要 榨了,直接吃葡萄吧。翻看twitter会给人以紧迫的感觉,因为自己的历史正在以小时甚至分钟为单位记录着。网络也许真的会压得人喘不过气 来...... (想到了电影《手机》) Twitter的网址: http://twitter.com 我的twitter: http://twitter.com/dixy0

视频游戏的脑电研究

最新一期CyberPsychology & Behavior中发表了一篇研究视频游戏过程中玩家脑电活动响应的文章。虽然媒体都在宣扬视频游戏和网络游戏的危害,但是游戏和互联网普及的趋势是不可避免的,就像电视刚出现的时候仍然有人反对一样 (比如我比较喜欢的哲学家波普尔)。我们能做的只是一方面尽量避免过度暴力的游戏以及网络成瘾等极端现象,另一方面更要积极的去研究视频及网络游戏的积极 应用,比如教育和临床治疗等等。 扯远了,还是介绍一下这篇文章的内容吧。以前已有人研究人们在玩不同游戏难度或者不同类型游戏时的脑电活动,但是通常都是把玩相同类型或者难度的一段时间作为一个区组,然后比较不同区组之间的脑电频率响应差别。而这篇文章首先采用了类似事件相关电位的分析方法,在视频游戏过程中找到感兴趣的一组事件,然后分析这些特定事件会引起哪些脑电频率的响应。研究使用的游戏是Super Monkey Ball 2,游戏中玩家控制一只猴子运动,同时尽量多的捡香蕉。过一段时间就会过了一关,然后难度增加。由于香蕉通常在地图边缘或者斜坡的地方,因此捡香蕉的同时也可能会跌落到悬崖下面。因此,作者定义了捡到香蕉、完成任务 (过关)以及掉下悬崖3种事件,分别进行数据处理来看这3种事件会引起大脑活动的什么样的反应。 与预期类似,捡到香蕉会引发与运动或者警觉相关的频率的脑波,达到目标会引发放松以及情绪相关的脑波频率,而跌落悬崖也会引发和警觉相关的脑波频率。这只是一个探索性的研究,结果给我们最大的提示就是我们可以用事件相关的方法研究游戏过程中的脑电活动。我想这应该是一个很有趣的方向。在游戏的设计与评价中也应该可以得到应用。 Salminen M, Ravaja N (2007), Oscillatory Brain Responses Evoked by Video Game Events: The Case of Super Monkey Ball 2. CyberPsychology & Behavior, 10 (3), 330-338.

EEG的频率成分

EEG (electroencephalograph)是在头皮上用电极记录的脑电活动。不同意识状态下比如睡眠、觉醒状态、安静状态脑电的频率有差异,癫痫病人也会显示出特殊的脑电波形,这些都暗示不同频率可能反映了不同的神经加工过程。下面总结一下已经明确区分并命名的频率波段,具体各个波段的意义还没有完全弄明白: δ (delta), 0.1~3Hz, 深度睡眠,无意识状态 θ (theta), 4~8Hz, 直觉,创造力,想像等 α (alpha), 8~12Hz, 放松,意识状态 (学习ERP记录那节课的时候,老师通常会让被试闭眼放松,从而看到明显的α波) β (beta), 12~30Hz, 反映了脑区间区同步化的过程desynchronization,是人睁眼活动时的主要频率 γ (gamma), >30Hz, 反映了区域间同步加工的过程 上边所列的都是大概的结论,而且大都是从EEG的研究而不是ERP的研究中得到的结论。现在ERP研究也在关注于不同频率成分的诱发响应,如果不同频率成分真的是反映了不同的神经活动特征,那么这类方法还是很有道理和应用价值的。 PS,EEG频率的内容整理自: http://www.crossroadsinstitute.org/eeg.html

MATLAB实现并口数据传送

对于MATLAB这种高级的语言,实现类似功能都是很容易的事。其实MATLAB的帮助文件里有比较详细的说明,不过并口部分不是在MATLAB目录下,而是后边的Data acquisition toolbox里面,所以费了一番周折才找到。 过程其实很简单: 1. 创建并口设备的对象 function: digitalio 2. 设置传输数据的线 function: addline 3. 输入或者输出数据 functions: getvalue, putvalue 4. 结束,清除对象 function: delete 在实验过程的程序中需要加入如下命令: % 初始化部分 DIO1 = digitalio('parallel','LPT1'); out_lines = addline(DIO1,0:7,0,'out'); % 发送trigger putvalue( DIO1 .Line(1:8),trigger); % 清零 putvalue( DIO1 .Line(1:8),0); % 清除对象 delete(DIO1)

一些有用的文章

Social Cognitive & Affective Neuroscience 这本杂志 有一个TOOLS OF THE TRADE部分,最近几期中都是关于fMRI方法的很有用的文章。可惜的是我这里看不到全文,每次都要找别人帮忙。下面列出这些文章,继续关注: Vol. 1 No. 1. Poldrack RA, Wager TD (2006), Introduction to 'Tools of the Trade'. Soc Cogn Affect Neurosci 1 (1): 72. No. 2. Berman MG, Jonides J, Nee DE (2006), Studying mind and brain with fMRI. Soc Cogn Affect Neurosci 1 (2): 158-161. No. 3. Somerville LH, Whalen PJ (2006), Prior experience as a stimulus category confound: an example using facial expressions of emotion. Soc Cogn Affect Neurosci 1 (3): 271-274. Vol. 2 No. 1. Poldrack RA (2007), Region of interest analysis for fMRI. Soc Cogn Affect Neurosci 2 (1): 67-70. No. 2. Wager TD, Lindquist M, Kaplan L (2007), Meta-analysis of functional neuroimaging data: current and future directions. Soc Cogn Affect Neurosci 2 (2): 150-158.