博文

目前显示的是 十月, 2008的博文

广告贴

哈哈同学在参加科学网博客大赛。她喜欢看《明朝那些事儿》,想用自己的方式写心理学。其实,写得还真不错。大家有空的多上去看看,没空的帮忙投个票 ^_^。头像图片的下方,有一个给他投票,也可以点击这里投票。http://blog.sciencenet.cn/u/truehahahuang/

用MATLAB做统计

现在做实验基本用MATLAB+Psychtoolbox,做完后直接用MATLAB分析数据比较方便。行为实验的统计也比较简单,t检验+anova基本上就搞定了。常用的命令有: t检验 ttest 相关 corr 方差分析 anova 
唯一比较麻烦的是重复测量方差分析 (repeated measure anova)。MATLAB网站上的file exchange里面的函数功能都有限,最近发现Rik Henson的一个 repanova.m 函数做起来比较简单。不过这个函数调用了SPM里的命令,因此只有安装了SPM才能够运行。这样,日常的统计需要基本就解决了,做认知的就是方便啊!

牛文章瞻仰- Science

这是我在Google Scholar上用 "fmri" OR "functional magnetic resonance imaging"关键字搜索Science期刊上的文章得到的结果。按照被引用次数排序,每篇文章前的数字代表被引用次数。这里边有很多经典文章。
2. 第一篇用retinotopic的方法定义视皮层功能分区的研究 4. 可能是第一篇在人身上证实mirror neuron的文章,Rizzolatti是第一个在猴子身上发现mirror neuron的人。 6. 91年的文献是第一篇fMRI论文,用的是注射造影剂而不是BOLD。 7 & 12. 是使用event-related设计研究记忆形成的文章。这两篇文章通常用来说明事件相关设计的优点,可以将trial进行事后分类。 13. 关于道德判断 (moral judgement),应该是社会认知神经科学领域很经典的一篇文献了。

1078. Carter,, C.S., Braver, T.S., Barch, D.M., Botvinick, M.M., Noll, D., Cohen, J.D., 1998. Anterior Cingulate Cortex, Error Detection, and the Online Monitoring of Performance. Science 280(5364), 747 - 749. DOI: 10.1126/science.280.5364.747
896. Sereno, M.I., Dale, A.M., Reppas, J.B., Kwong, K.K., Belliveau, J.W., Brady, T.J., Rosen, B.R., Tootell, R.B., 1995. Borders of multiple visual areas in humans revealed by functional magnetic resonance imaging. Science 268(5212), 889 - 893. DOI: 10.1126/science.7754376
888. MacDonald, III, A.W., Cohen, J.D., Stenger, V.A., Carter, C.…

蓝脑计划

图片
师妹几天前发了一个介绍蓝脑计划的视频,很有意思  (详细了解蓝脑计划可以看看网站Review)。计划的整个思路就是构建一个皮层功能柱的神经元网络,然后用真实的实验数据训练这个神经网络。这个模拟的计算量很大,需要用超级计算机才能完成。模拟出来的功能柱的细节很酷,而且给出外部扰动后,整个神经元网络会有一个动态的响应过程。
(图片来自互联网)
借助强大的超级计算机,现在有可能搞清楚单个神经元和整个功能柱的活动的关系了。再往上的层次,就是将整个功能柱或者神经元集合作为功能单元,研究系统水平的神经运作机制。在这个层次上目前最有效的手段就是fMRI。目前fMRI的分辨率在2mm左右,可以定位比较大的神经区域但无法分辨功能柱。不过最近很多group都在试图进行功能柱尺度的成像,也有了在7T机器上的功能柱成像的报告。我想这将是个非常有前途的技术,会帮助我们更好地理解大脑皮层的组织关系,特别是高级的皮层,比如前额叶。更主要的是,这将打通从神经元到功能柱到神经区域之间的联系,让我们可以在各个层次上对大脑的运作有更全面的认识。

“伟大”只是个概率问题

图片
什么样的人是“伟大”的?马克思说,历史是由人民群众创造的,英雄只是在正确的时间和正确的地点出现而已。而数学家说,“伟大”只是个概率问题。传说费米曾经问曼哈顿计划负责人格罗夫斯将军 (General Groves)什么是“伟大”的将军。Groves说只要连续赢得5场战争的胜利就可以称为“伟大”。那有多少伟大的将军呢?Groves说100人中大概有3个。是的,费米也计算出来了。不过他假定战斗双方实力均等,一方赢得战争的概率为1/2,那么连续赢得5场战争胜利的概率就为(1/2)^5=1/32=0.03125。也就是说,按照概率100个人里就会有3个人连续赢得5场战争的胜利,这和连续投出5个正面硬币的可能性是一样的。
    那么“伟大”的科学家是否也是随机概率的产物呢?比如,Karl J. Friston在Human brain mapping上的一篇文章被引用了1500次以上,这足以表明他在脑成像领域的影响力。这么高的引用数是否也是随机概率产生的么?数学家说也许是的...
    写学术文章时要引用别人的文献,但很多时候作者都会直接复制别人参考文献列表中的文献。因此,如果一篇文章一开始被引用了一次,那么它就很容易被引用第二次、第三次...这种现象也叫积累优势 (cumulative advantage)。研究者据此提出了随机引用科学家模型 (model of random-citing scientists, RCS)。当一个科学家写文章时先随机选取m篇文章引用,然后再在这些文章的参考文献中按概率复制一些文章引用。经过计算模拟,可以得到模型预测的引用数量的分布。如下图,模型模拟的数据与实际的引用数分布十分吻合。结果还发现,600篇文章中会有1篇文章的引用数超过500次。“伟大”的paper出现了,这次又是概率。

    当然,并不能否认“天才”的存在。不过,就算没有真的天才,概率同样会造出“天才”来。

原文:
Simkin, M.V., Roychowdhury, V.P., 2005. Do Copied Citations Create Renowned Papers? Annals of Improbable Research 11(1), 24-27.

数字敏感性与数学成绩的关系

图片
人的数学能力产生于两个表征系统。某个数学领域中的能力,比如微积分,依赖于符号表征的能力。这是人类所特有,并在后天学习中获得的。而更基本的数字直觉依赖于一个进化而来的近似数字系统。这个系统存在于成人、婴儿甚至其他动物身上。这个系统言语的数数,而只是对物体的近似数量进行视觉或听觉的表征。这种直觉在日常生活中很常见。比如要比较两群人数量的多少,不需要清点出两群人各自的数目我们也能够也能够产生谁多谁少的直觉印象。现在的问题是,一个人数字直觉的好坏是否与他的数学能力相关呢?
Nature上最新的研究发现了人的数字敏感性与数学成绩的关联。研究者让14岁的学生完成数字敏感性的测试。测试时屏幕中出现如下图的蓝色和黄色混合的圆点,被试要指出哪个颜色的圆点数量多。这个屏幕只闪现200ms,因此被试无法一个个的数出数目,而只反映了一种数字直觉。测试的结果可以用心理物理法中的韦伯分数来表示。简单地说,韦伯分数表示当两种颜色的圆点相差多少数目时被试能够进行区分。韦伯分数越大表示被试去分两组数量的直觉能力越低。

研究者发现被试在数字敏感性上存在很大的个体差异。因此进一步,他们将数字敏感性测试与被试之前几年的数学成绩进行相关分析。结果发现数字敏感性的得分 (韦伯分数)可以预测被试先前的数学成绩,而且在控制了其他一般认知因素后相关依然存在。
这个研究首次发现了人们天生的数字感觉与数学成绩存在相关。按照一般的直觉可以这样解释,人们天生的数字直觉会影响随后的数学学习。但是也有跨文化的研究发现,数学教育越好的国家的成人有也更好的数学直觉,这说明了数学教育对数字直觉也会有影响。因此数字直觉和数学能力之间的因果关系,还需要进一步的研究。

原文: Halberda, J., Mazzocco, M.M.M., 2008. Individual differences in non-verbal number acuity correlate with maths achievement. Nature 455, 665-668. doi

用MATLAB画error bar图

图片
MATLAB里面提供了一个errorbar函数可以画error bar的图,但是只能画线图,不能画一般报告结果用的条形图。以前似乎看到有才的师弟or师妹将bar图和error bar图叠加起来画成想要的error bar图。这确实是个好方法,不过其实mathwork的网站上有人写了画带error bar的条形图的函数barweb (BARgraph With Error Bars) 。看起来不错。