被洞悉错觉与大学生英语演讲焦虑研究

在心理学领域,被洞悉错觉是指高估他人对自己内在心理的洞悉水平而产生的被大家看透的错觉。文章旨在探讨是否能够通过克服被洞悉错觉从而降低大学生英语演讲焦虑,进行了一系列的心理培训,并得出结论:被洞悉错觉概念的引入可以减少大学生在英语演讲中存在的焦虑,并且被洞悉错觉的克服需要多次在实践中才能被逐步内化。其中男女生焦虑降低程度无显著差异。     

社会身份焦虑感刍议——以奥斯卡·王尔德为例

西方社会中个体的身份焦虑感伴随着资本主义制度的发生、发展而滋生和扩散。人们在解决了身体温饱需求后,开始争取社会地位,以求赢得他人的尊重。这种心理的"温饱度"能够帮助人们判断自己的能力和价值,获得自我存在的确定性。王尔德一生中令人费解的种种行为可作为社会身份焦虑感的极佳诠释。透过他我们可以看到,个体对身份的焦虑应被更高层次的价值追求所代替,才能实现真正有意义的人生。     

社交媒体时代欧洲右翼民粹主义政党的政治传播

社交媒体时代,新的媒介生态和传播工具助推着民粹主义政党的崛起。社交媒体和欧洲右翼民粹主义政党在政治传播的目标和策略上展现了独特的依存和"共谋"关系。社交媒体的使用挑战了旧媒体的传播逻辑和传播形式,在右翼民粹主义政党的信息传播、选民动员、社会舆论引导、政党领袖形象塑造、政绩和合法性宣传等方面发挥着极其重要的作用。右翼民粹主义政党在传播策略上依托社交媒体平台,紧紧围绕民粹主义意识形态的内容,注重民粹主义的风格和修辞,并基于道德和身份框架设置议程,以实现民粹主义目标。但右翼民粹主义政党在以民众的名义试图构建政治纯粹性的集体幻象来掌控权力的同时,也给欧洲的民主制度、民众心理、政治秩序和政党格局带来了一些现实的隐忧。在新的媒介传播平台推波助澜下,右翼民粹主义政党未来的发展动向值得持续关注和警惕。     

鲁迅小说话语建构中的空间焦虑与故乡生命力场

在鲁迅故乡话语系统的建构过程中,空间焦虑是话语运作的驱动力。从离乡者的视角看,故乡因启蒙话语的渗入呈现出以吃人为内质的囚牢模式;从在乡者的视角看,则体现为人要进入群体中而不能的阻隔模式。鲁迅以此空间形式营造了故乡与鬼域的同质性。同时,空间焦虑也是话语主体的精神本质。以还乡、寻路的空间焦虑呈现着话语主体的分裂和整合。它实质是鲁迅流寓者身份的言说形式。     

一晚多次射精伤身吗

问: 我和妻子的性生活还不错,妻子有时会要求我一晚多做一两次.我担心射精频繁对肾有影响,请问应不应该节制呢? 答: 一晚能否多次射精与人的体魄、年龄、心情、环境以及对方的诱惑力相关.有的人一晚多次射精身体也很健康,有的人一次就觉得疲劳了,这要视具体情况而定.从西医角度来看,多次射精对肾没有伤害,只是要注意对精神、神经系统的影响.如果一个人该入睡了,但还勉强做爱,精神不足就可能引起勃起困难,从而产生焦虑.     

基于Petri网的微博网络信息传播模型

微博网络中的信息传播模型是分析用户行为，找出传播路径，确定领袖人物，发现舆情热点等研究的基础。虽然多种不同角度的信息传播模型已经得到广泛研究，但缺乏对信息动态传播过程的直观描述。本文基于Petri网的结构和特征，针对微博网络信息传播过程，提出了一种简单直观的描述模型，该模型首先对微博网络的信息动态传播过程中的对象进行结构化描述。本文根据微博网络的用户结构关系，并利用Petri网的相关理论，形式化解释和定义信息传播基本对象，从而更加直接描述了微博网络中的转发、评论、回复等多种用户行为。在此基础上，本文利用Petri网能够描述信息流动问题的特征，结合颜色Petri网和时延Petri网，从Petri网系统的角度表示信息动态传播路径，并研究网络的动态性质和传播条件，使得信息传播模型更加真实地模拟信息传播情况。最后本文分析信息传播算例和新浪微博真实数据实验，验证了模型的有效性和可行性，为舆情态势分析以及用户行为的研究提供帮助和支持，同时也为其它社交网络信息传播的用户行为描述提供了新的思路。     

精准扶贫班护生与其他护生抑郁和焦虑情绪现状对比研究

为探索精准扶贫班护生抑郁和焦虑情绪现状,采用抑郁症状自评量表和焦虑症状自评量表,对福建卫生职业技术学院的精准扶贫班护生、贫困护生、非贫困护生进行施测。结果发现,抑郁和焦虑情绪阳性比率分别为91. 46%、64. 63%,该班男护生的抑郁得分显著高于女护生(p <0. 05),而焦虑得分上不存在性别差异;精准扶贫班护生的抑郁自评量表及焦虑自评量表得分均显著高于贫困护生和非贫困护生(p <0. 001)。研究表明,精准扶贫班护生的抑郁和焦虑情绪现状不容乐观,应重点对其进行情绪调节能力的培养,促进心理健康水平的提升,从而有效实现精准心理扶贫。     

大数据背景下基于社交网络的聚类随机游走抽样算法研究

数字经济时代,社交网络作为数字化平台经济的重要载体,受到了国内外学者的广泛关注。大数据背景下,社交网络的商业应用价值巨大,但由于其网络规模空前庞大,传统的网络分析方法 因计算成本过高而不再适用。而通过网络抽样算法获取样本网络,再推断整体网络,可节约计算资源, 因此抽样算法的好坏将直接影响社交网络分析结论的准确性。现有社交网络抽样算法存在忽略网络内部拓扑结构、容易陷入局部网络、抽样效率过低等缺陷。为了弥补现有社交网络抽样算法的缺陷,本文结合大数据社交网络的社区特征,提出了一种聚类随机游走抽样算法。该方法首先使用社区聚类算法将原始网络节点进行社区划分,得到多个社区网络,然后分别对每个社区进行随机游走抽样获取样本网 络。数值模拟和案例应用的结果均表明,聚类随机游走抽样算法克服了传统网络抽样算法的缺点,能够在降低网络规模的同时较好地保留原始网络的结构特征。此外,该抽样算法还可以并行运算,有效提升抽样效率,对于大数据背景下大规模社交网络的抽样实践具有重大现实意义。