我们的读书会

亨利克，S.和沃辛顿，R.(2021年)。让你的客户打龙:关于“龙与地下城”的治疗效用的快速证据评估。心理健康创造力杂志，-。https://doi.org/10.1080/15401383.2021.1987367

简介:随着公众对角色扮演游戏《龙与地下城》(Dungeons & Dragons，简称D&D)越来越感兴趣，有说法称它对心理有益。虽然治疗性的角色扮演在经验上得到了很好的证实，但关于龙与地下城的证据还不清楚。本研究旨在总结与此主题相关的文献，并提出在心理干预中实施D&D的可能途径。根据循证管理中心的标准进行了快速证据评估(REA)。将相关搜索字符串输入7个数据库(例如PsycArticles、psyinfo、Child Development & Adolescent Studies)。只考虑到2020年9月之前以英语发表的论文，并对其质量进行评价。13项研究的主题分析得出了4个主题:龙与地下城玩家没有统一的性格类型、利益相关者对龙与地下城的态度、缺乏与龙与地下城相关的适应不良应对以及龙与地下城潜在的心理益处。结果看起来很有希望，但只是初步的。实践含义与更广泛的文献相结合。

阅读(1):
瑞安，R. M.，里格比，C. S.，和普里兹比尔斯基，A.(2006)。电子游戏的动机吸引力:自我决定理论方法。Motiv Emot, 30, 347-363。https://doi.org/10.1007/s11031-006-9051-8

简介:
四项研究应用了自我决定理论(SDT;Ryan & Deci, 2000)在调查电脑游戏的动机，以及游戏对幸福感的影响。研究1 - 3分别考察了玩1、2和4款游戏的个体，结果显示，游戏中的自主性和能力与游戏乐趣、偏好和游戏前后的幸福感变化有关。能力和自主性感知也与游戏控制的直觉性质有关，也与参与者在游戏体验中的存在感或沉浸感有关。研究4调查了一个玩过多人游戏的在线社区。结果表明，SDT对自主性、能力和关联性的理论需求独立预测了乐趣和未来的游戏体验。SDT模型还与Yee(2005)的游戏玩法动机分类进行了比较。研究结果是在虚拟世界中相对未被探索的人类动机领域进行讨论的。

阅读(2):
人口统计学，Z.， Urban, R.， Nagygyorgy, K.， Farkas, J.， Zilahy, D.， Mervo, B.， Reindl, A.， Agoston, C.， Kertesz, A.，和Harmath, E.(2011)。你为什么玩?网络游戏动机问卷(MOGQ)的开发。行为与方法，43,814-825。https://doi.org/10.3758/s13428-011-0091-y

简介:
尽管大多数研究都集中在网络游戏的风险和弊端上，但本文作者认为，在现代社会条件下，网络游戏也代表了满足人类基本需求的新方式。本研究的目的是揭示和操作网络游戏动机基础的组成部分。共有3,818人(90.6%为男性;平均年龄20.9岁，SD = 5.81)，通过提供网络游戏的网站招募。采用探索性和验证性因素分析相结合的方法。结果证实了我们的初步模型，因为我们确定了7个动机因素(社交、逃避、竞争、应对、技能发展、幻想和娱乐)，这些因素被用于开发27项在线游戏动机问卷(MOGQ)。这7个维度似乎涵盖了所有可能的游戏动机，MOGQ被证明是评估这些动机的适当衡量工具。

阅读(3):
伯克，B. L.，马丁斯，A.，和福彻，E. H.(2010)。二十年的恐怖主义管理理论:道德突出性研究的元分析。心理学报，32(2):559 - 561。https://doi.org/10.1177/1088868309352321

简介:
对恐怖管理理论(TMT)的死亡率显著性(MS)假设的实证试验进行了meta分析。TMT假设，对文化世界观和自尊的投资有助于缓冲潜在的死亡焦虑;MS假说认为，因此，与死亡相关的思维(MS)的可及性应该激发增强的世界观、自尊防御和奋斗。共纳入164篇文章，277个实验。MS对一系列世界观和自尊相关的因变量(DVs)产生了中等影响(r = .35)，使用(a)美国参与者，(b)大学生，(c) MS和DV之间的较长延迟，(d)与人相关的态度作为DV的实验效果增加。性别和自尊对MS的影响可能与之前认为的不同。将结果与其他综述进行比较，并对TMT的其他解释进行检查。最后，对未来的研究提出了建议。

阅读(1):
Dhillon, P.(2021)，《如何成为一名优秀的科学手稿同行审稿人》。288年2月,2750 - 2756。https://doi.org/10.1111/febs.15705

简介:
同行评议是分子生命科学及其他领域所有学者发表论文过程中不可或缺的一部分。学术生活太忙了，你可能会因为被邀请去审阅而抱怨——要写拨款申请，要监督学生，要参加会议，更不要说自己要写手稿了——但不可避免的事实是，审阅同事的工作是工作描述中必要的一部分。尽管没有人会因此获得报酬，但高质量的同行评议通过促进数据的有效性和可重复性，并确保全面提高已发表研究的标准，从而带来了好处。从单个研究者的角度来看，让你的“同行”评估你的工作的优点和局限性，并提出改进建议，有助于你看到更大的图景，并将你的发现对目标受众的意义最大化。另一方面，差评君可能会成为你的噩梦。在“建议之言”系列的最新一期中，我将提供如何成为一名优秀审稿人的建议。评论是一种需要通过实践和经验磨练的技能，成为某一领域的专家并不会自动使你成为一名优秀的评论者。所以，从你职业生涯的早期开始，我建议你花时间练习和完善这门艺术，因为提高你的审阅技能也会帮助你改进自己的论文。

阅读(2):
马夫罗根尼斯，A. F.，奎尔，A.和斯卡拉特，m.m.(2020)。好的，坏的和粗鲁的同行评议。国际整形外科,44(3), 413 - 415。https://doi.org/10.1007/s00264-020-04504-1

简介:
这篇社论的目的是向杂志的读者传达一套统一的关于好的和坏的同行评议的规则，并强调不礼貌的同行评议的避免和后果。

阅读(3):
Estrada, C.， Kalet, A.， Smith, W.和Chin, M. H.(2006)。如何成为《普通内科医学杂志》和其他杂志的杰出审稿人。普通内科杂志，21，281 - 284。https://doi.org/10.1111/j.1525-1497.2006.00354.x

简介:
同行审稿人对于保持《普通内科医学杂志》(JGIM)的卓越性和相关性至关重要。我们向许多志愿人员致敬，他们一贯为提交出版的稿件提供高质量的同行评审。作为作者和编辑的顾问，您的工作使我们的杂志保持高标准，并为普通内科医学会成员的工作提供了一个备受尊敬的发表手稿的场所。在这篇社论中，我们希望能让更多的人感到有能力作为同行审稿人参与进来。我们简要总结了关于同行评审和审稿人的已知知识，使《华尔街日报》的同行评审过程透明，并强调作为审稿人参与的好处。本着这种精神，我们提供了关于如何成为一名有效的审查员的具体建议，我们希望这些评论能够帮助当前和未来的审查员准备他们的回答。其他资源可从其他地方获得。

阅读(1):
Barker, t.h.， Migliavaca, c.b.， Stein, C.等人(2021)。在不同类型的系统综述中进行比例荟萃分析:证据合成器指南。医学研究方法论，21，189.https://doi.org/10.1186/s12874-021-01381-z

文摘:
背景:单组数据对证据的综合提出了独特的挑战。比例荟萃分析正成为一种越来越普遍的技术，用于单组数据的综合。比例荟萃分析与比较或成对荟萃分析的进行和报告有许多相似之处。虽然现有可靠和全面的方法详细说明了研究人员如何进行荟萃分析，将两个(或多个)组与一种常见干预进行比较，但缺乏方法学指导，以协助证据的合成器进行、解释，以及系统综述中比例荟萃分析的重要性。
主体:本文针对证据合成器和系统综述作者，详细介绍了比例元分析的方法、重要性和解释。我们提供了以前如何在研究综合中进行比例荟萃分析的工作示例，并考虑了该技术的方法、统计考虑和表示。
结论:本综述旨在为进行比例荟萃分析的证据合成器提供实际指导。

阅读(2):
希金斯，J.P.T.和汤普森，S.G.(2002)。在元分析中量化异质性。医学统计，21，1539 - 1558。https://doi.org/10.1002/sim.1186

简介:
元分析中异质性的程度部分决定了得出总体结论的难度。这一程度可以通过估计研究间的方差来衡量，但解释是针对特定的治疗效果指标。异质性存在的检验是存在的，但取决于meta分析中的研究数量。我们从独立于研究数量和治疗效果度量的数学标准，开发了异质性对meta分析影响的度量。我们推导并提出了三个合适的统计数据:H是根号ꭓ²异质性统计量除以其自由度;R随机效应元分析的基础均值的标准误差与固定效应元分析估计的标准误差之比是我²是一种转变H它描述了研究估计中由于异质性造成的总变异的比例。我们讨论了这些度量的解释、区间估计和其他性质，并在五个显示不同程度异质性的示例数据集中检验它们。我们得出这样的结论:H而且我²，通常可以在发表的元分析中计算出来，是对异质性影响的特别有用的总结。其中一项或两者都应在已发表的荟萃分析中提出，优于异质性检验。

特,M . M。林,H,徐,B。,和杨,l(2019)。Reddit社交媒体论坛中抑郁症相关帖子的检测。IEEE访问744883 - 44893。https://doi.org/10.1109/ACCESS.2019.2909180

文摘:抑郁症被认为是全球残疾的最大原因，也是自杀的主要原因。它对反映在书面语篇中的语言使用有影响。我们研究的关键目标是检查Reddit用户的帖子，以发现任何可能揭示相关在线用户抑郁态度的因素。为此，我们使用自然语言处理(NLP)技术和机器学习方法来训练数据，并评估我们提出的方法的效率。我们确定了一个词汇库，这些词汇在萧条账户中更常见。结果表明，该方法能显著提高性能精度。使用支持向量机(SVM)分类器检测抑郁症的最佳单一特征是bigram，准确率为80%，F1得分为0.80。复合特征(LIWC + LDA + bigram)的强度和有效性在多层感知器(MLP)分类器中得到了最成功的证明，其抑郁症检测的最高性能达到91%的准确性和0.93 F1分数。根据我们的研究，适当的特征选择及其多特征组合可以获得更好的性能提升。