大学生奥运志愿者服务动机及动机过程化的研究——以北师大奥运志愿者为例

本文以北京师范大学16个院系的奥运会志愿者为研究对象,结合问卷调查和访谈两种研究方法探究大学生奥运志愿者参与志愿服务的动机以及其动机过程化。以此研究为基础,作者对志愿者工作提出了建议。

2022年克鲁伦河流域土壤全氮含量与土壤全磷含量数据集

克鲁伦河流域生态环境安全在中蒙两国受到越来越多关注,掌握流域土壤全氮(STN)和土壤全磷(STP)含量对于准确估算流域面源污染(NPS)负荷、研究流域资源环境状况与可持续发展具有重要意义。传统采样方法在获取大范围的STN和STP含量时耗时耗力、STN与STP存在空间异质性、STN和STP与辅助变量间的关系也存在空间异质性等。单一的全局模型无法拟合复杂的异质性关系,而局部建模方法难以克服维度灾难问题,因此本文引入了两点机器学习(TPML)方法。该方法首先基于点对差异建立全局模型,然后基于全局模型的预测差异构建局部模型,能够将样本量从n扩充至n2,可利用有限的采样点数据实现高精度大范围的STN和STP含量预测。本文结合地形、气候、土壤属性、植被及空间位置等共18个辅助变量,采用TPML方法,制作了流域STN和STP含量分布数据集。并基于十折交叉验证方法证实了TPML方法相较于普通克里格(OK)方法,预测精度提高超过10%。TPML方法预测STN含量的平均绝对误差(MAE)均值和平均均方根误差(RMSE)分别为0.309%、0.456%,随机森林(RF)、反距离加权(IDW)与OK方法预测STN含量的平均MAE分别为0.329%、0.247%与1.864%,平均RMSE分别为0.468%、0.387%、1.976%。TPML方法预测STP含量的平均MAE和平均RMSE分别为0.640%和0.861%,RF、IDW与OK方法预测STP含量的平均MAE分别为0.643%、0.396%与1.357%,平均RMSE分别为0.862%、0.523%与1.651%。

面向热区发现的空间聚类算法适用性研究

空间聚类能有效地探测浮动车轨迹点的空间分布情况,但聚类方法众多且各有优劣。文中从理论角度分析了DBSCAN和KMeans两种方法在热区发现中的适用性。并以基于轨迹数据提取的南通市出租车上下客点为例,开展了基于上述两种算法热区探测空间聚类实验,然后将热区提取结果与百度热力图进行对比,通过实验验证了两种聚类的适用情况。为热区研究中聚类方法的选取得出了较为明确的结论,一定程度上有助于提高相关研究的深度与广度。

多维强迫量表在中国大学生中的修订

目的:将多维强迫量表(DOCS)引入中国,检验其在中国大学生中的因素结构及信效度。方法:通过方便取样对1787名大学生进行测查;严格按照双盲方法对DOCS进行翻译;选用强迫量表修订版、焦虑自评量表以及流调中心用抑郁量表作为效度量表。结果:验证性因素分析发现原有四因素模型不能良好拟合;经探索性因素分析得到五个因素,分别为"对称"、"不可接受的想法"、"责任感"、"污染"及"症状占用时间",共解释总变异的63.15%;总量表内部一致性系数为0.906,各分量表内部一致性系数为0.639到0.839;重测信度系数为0.908,效标效度较好。结论:DOCS原四因素模型在中国大学生样本中不适用,五因素的结果符合心理测量学的标准,但需要扩大样本和增加临床样本进一步检验。

向远处看

人生，就像一个不断翻山越岭的过程：无论你在何时何地，你脚下的路一直都在不断地向前延伸，你攀过峭壁、爬过高山，翻越过生活中的每一道障碍；你登上山顶，俯视走过的路，俯视那些被你踩在脚下的困难。也许在某一时刻，你会由衷地陶醉于某一处美景，会祈祷时光能永远停留在这一刻。