self-determination theory
PulseAugur coverage of self-determination theory — every cluster mentioning self-determination theory across labs, papers, and developer communities, ranked by signal.
-
视觉语言模型难以推断游戏中的玩家参与度
研究人员调查了视觉语言模型(VLMs)是否能准确推断人类在游戏过程中的参与度。他们使用了跨越九款第一人称射击游戏的 GameVibe Few-Shot 数据集,并测试了三种 VLMs 和各种提示策略。结果表明,即使采用了先进的提示技术,VLMs 在可靠预测参与度方面仍面临困难,其表现通常仅略好于随机猜测,且未能超越简单的基线模型。该研究表明,VLMs 识别视觉游戏线索的能力与其真正理解玩家参与度等复杂心理状态的能力之间存在显著差距。
-
心理学家:高智商人士的“随性”习惯预示着认知控制能力
高智商人士可能会表现出被视为“随性”的行为,例如取消计划或未完成项目,心理学家认为这些实际上是有效的认知控制和决策能力的体现。这些习惯源于他们愿意根据新信息重新评估承诺,以及倾向于探索各种选择而非僵化地坚持最初的计划。研究表明,放弃停滞不前的目标并重新分配精力,加上高度的认知需求和探索欲,即使导致更多未完成的事业,也能带来更大的福祉和学习。
-
人工智能暴露高等教育“证书陷阱”,将焦点从学习转移到学位
高等教育正面临一场危机,学生越来越倾向于获得证书而非真正学习,这受到高昂成本、证书通胀和劳动力市场焦虑的驱动。这种由外在动机驱动的交易式方法,使学生更容易出现学术不端行为,而生成式AI加剧了这一问题,但并非其根源。当前的教育体系常常奖励获得学位作为向雇主发出的信号机制,而不是重视深刻的理解和智力成长。
-
AI方法论助力注意力缺陷多动障碍情绪调节的神经包容性设计
研究人员开发了一种新的生成式AI增强用户体验研究(UXR)方法论,旨在为注意力缺陷多动障碍(ADHD)成人设计数字情绪调节干预措施。该方法将辩证行为疗法和自我决定理论等心理学理论与AI工具相结合,用于分析和假设生成。该方法论分为四个阶段,产出十张UXR游戏卡片,以指导创建神经包容性的数字心理健康工具。