研心论道 | 首期“AI+心理” 学术沙龙活动预告

你是否好奇飞速发展的人工智能，如何与心理学跨界交融、碰撞出新的火花？你是否关注 AI 技术在心理测评、脑科学研究、心理健康干预等领域的创新应用？

前沿探索、交叉融合、科研创新……AI 与心理的结合，藏着无数值得深耕的方向。

这一次，我们聚焦AI + 心理前沿领域，邀请三位优秀学术硕博同学，带来原创研究分享，以学术沙龙为载体，同台交流、共探前沿，与评委老师、各位同学一同解锁交叉前沿的无限可能。

活动信息

活动名称：研心论道：首期“AI+心理” 学术沙龙

活动时间：2026.5.9（周六）9:30-12:00

活动地点：后主楼1318

主讲人与分享内容介绍

24级博士生，研究方向：测量心理学。主要研究方向为基于多模态数据的面试伪造识别、AI面试人格智能评估。

分享题目：基于多模态数据在视频面试中应聘者伪造识别研究

研究摘要：视频面试如今在人事选拔中越来越常见，但求职者的伪造回答会影响其有效性。以往研究多关注面对面场景，对同步视频面试中的伪造行为了解有限。为此，本研究开发了一个多模态机器学习模型，用于检测同步视频面试中的伪造回答，并分析面试问题类型对模型表现的影响。73名参与者完成了一场模拟面试，包含11个问题，部分题目需诚实回答，部分题目需伪造回答。多模态机器学习模型基于文本、音频和眼动追踪特征，分别在问题层面和句子层面进行检测。结果显示：在问题层面，多模态模型的表现与纯文本模型相当；在句子层面，多模态模型则优于所有单模态模型。不同问题类型下，模型表现也有所差异。瞳孔直径在多数模型中是预测伪造行为的关键指标。总之，该研究验证了多模态机器学习方法检测伪造的有效性，揭示了不同模态线索的贡献，也强调了面试问题类型对伪造识别模型的作用。

24级博士生，研究方向：认知发展心理学。

分享题目：How explanatory features of AI and time frame reshape adolescents’ decision-making

研究摘要：As AI technologies permeate daily life, adolescents’ distinctive cognitive profiles make their decision-making highly sensitive to AI explanation features. The study aimed to examine the underlying mechanisms by which AI’s explanatory features and time frame impact adolescents’ decision-making. We created an online platform where adolescents interacted with an explainable AI. A preliminary survey identified 10 mathematics-related factors. Experiment 1 involved 158 students (Mage = 13.7) and used a 3 (explanation type: prediction, causal, counterfactual) × 2 (perceived control: high, low) × 2 (perceived reliability: reliable, unreliable) mixed design. Experiment 2 recruited 225 students (Mage = 13.7) and employed a 3 (explanation type) × 2 (time frame: short-term, long-term) mixed design. Decision-making and expectation (expected impact of each factor on math achievement) were the outcomes in both experiments. In Experiment 1, perceived unreliable counterfactual explanations for low-control factors produced the lowest expectation and decision-making probability, whereas predictions and causal explanations did not differ. For high-control factors, perceived reliable counterfactual explanations similarly reduced decision-making probability, although expectation remained constant across explanations. In Experiment 2, predictions and causal explanations led to higher decision-making probability for short-term events than long-term ones, while counterfactuals reversed this pattern. While counterfactual explanations help restore trust and motivate change in distant, uncertain contexts, they can trigger reactance and reduce action when events feel controllable or imminent. Although adolescents cognitively understand causality and time frames, they still struggle to effectively regulate their decisions. AI model explanations should therefore account for the developmental characteristics of adolescents and recognize the dual effects inherent in counterfactual explanations.

22级直博生，现于北京中关村学院进行人工智能方向联合培养，研究方向为大规模智能体社会模拟。

分享题目：OOC-Bench: 测量角色扮演智能体的人设对齐

研究摘要：使用 LLM 及角色扮演智能体进行大规模社会模拟所面临的一个巨大挑战在于智能体并不能总是遵循所被赋予的人设，而当前主流的衡量人设对齐程度的 benchmark 往往测量的是对人设中事实的记忆而非对于人设本身的理解和遵从，而由于后者缺少 ground truth，因而难以衡量。因此，我们提出了 OOC-Bench，采用心理学行为实验的方法解决 ground truth 缺失的问题。此外，我们还提出了一套新的人设生成 pipeline，可以大批量生成高质量、多样性的人设 profile。我们使用生成的人设 profile 对当前主流的商业 / 闭源模型进行了评测，发现模型普遍表现欠佳。

评委老师介绍

北师大心理学部教授，主要研究方向：采用神经成像，神经编解码模型和行为学方法，研究视觉和决策的神经机制，包括1)基于多种神经信号（fMRI, EEG, MEG）测量技术，结合机器学习模型定量考察视觉和额叶皮层在神经元、体素、脑功能区等不同尺度上对外部刺激的编码和决策机制；2)使用多模态磁共振神经测量技术(MRI, dMRI, fMRI)，探索视觉皮层和额叶皮层的神经结构、功能及其发展轨迹；3)基于对人脑结构和功能的发现，开发类脑计算模型。

北师大心理学部讲师，主要研究方向：智能化心理测量、教育评价，情感计算，计算语言学等。

报名方式

请通过下方二维码报名，并务必扫码进入活动群，以便获取最新活动动态！