顶刊背后的故事 – Détails, épisodes et analyse

Détails du podcast

Informations techniques et générales issues du flux RSS du podcast.

顶刊背后的故事

BrainPod

Sciences

Fréquence : 1 épisode/21j. Total Éps: 9

分享心理学相关领域顶刊背后的故事 https://naoguo.github.io/beyond-top-journals/

Site

RSS

Apple

Classements récents

Dernières positions dans les classements Apple Podcasts et Spotify.

Apple Podcasts

🇨🇦 Canada - socialSciences
08/06/2026
#93
🇨🇦 Canada - socialSciences
07/06/2026
#74
🇨🇦 Canada - socialSciences
05/06/2026
#42
🇬🇧 Grande Bretagne - socialSciences
02/01/2025
#94
🇬🇧 Grande Bretagne - socialSciences
01/01/2025
#82
🇬🇧 Grande Bretagne - socialSciences
31/12/2024
#59

Spotify

Aucun classement récent disponible

Liens partagés entre épisodes et podcasts

Liens présents dans les descriptions d'épisodes et autres podcasts les utilisant également.

https://book.douban.com/subject/36295000/
1 partage
https://naoguo.github.io/beyond-top-journals/
1 partage
https://ajp.psychiatryonline.org/doi/full/10.1176/appi.ajp.21050541
1 partage

https://www.nature.com/articles/s44220-022-00007-7
1 partage
https://www.nature.com/articles/s41593-023-01468-4
1 partage
https://www.nature.com/articles/s41467-023-44286-9
1 partage

Qualité et score du flux RSS

Évaluation technique de la qualité et de la structure du flux RSS.

Qualité du flux RSS

À améliorer

Score global : 53%

Historique des publications

Répartition mensuelle des publications d'épisodes au fil des années.

Year

Derniers épisodes publiés

Liste des épisodes récents, avec titres, durées et descriptions.

S1E9 林志成 | 大语言模型 101

Épisode 1

jeudi 18 juillet 2024 • Durée 01:52:54

关键词：大语言模型

随着大语言模型（LLM）在研究领域的广泛应用，有效地与它们互动变得越来越重要。应该如何理解它的能力和局限性？怎样最大限度地利用这些人工智能工具？

中国科学技术大学心理学系的林志成特任研究员近期在Nature Human Behaviour发表了相关评论文章，详细讨论了与大语言模型交互时如何写出有效指令。本期节目，林志成博士介绍了他的这篇文章，以及发表背后的故事。

文章指路：

How to write effective prompts for large language models：https://www.nature.com/articles/s41562-024-01847-2

00:00:55 嘉宾介绍
00:01:38 文章介绍
00:03:07 如何发表Comment
00:11:38 文章亮点
00:17:13 如何看待学生使用AI
00:29:06 如何用AI提升写作能力
00:35:35 AI与教育
00:53:33 研究兴趣
01:04:31 重回学界
01:11:47 如何平衡工作与生活
01:23:06 心理学、认知神经科学如何助力AI
01:40:15 好书推荐
01:41:47 听众问答

图书推荐：
被讨厌的勇气，岸见一郎：https://book.douban.com/subject/36150914/
The War of Art, Steven Pressfield: https://book.douban.com/subject/2253794/
The Creative Act, Rick Rubin: https://book.douban.com/subject/36295000/

关于林志成博士

现任中国科学技术大学心理学系特任研究员及博士生导师。于2007年在北京大学心理学系获得本科学位，2012年在明尼苏达大学完成博士学位。曾在华盛顿大学和俄亥俄州立大学进行博士后研究。2019年至2023年间，在香港中文大学（深圳）担任PI和博导（助理教授和副研究员）。

研究主要聚焦于核心认知过程（特别是注意和意识）的运作机制，并探索这些机制在心理健康等领域的应用。在此过程中，研究科学研究本身（元科学/科学学），并积极引入新兴的人工智能技术（尤其是大型语言模型），开发新工具与方法（如PsyCalibrator），以优化相关政策、研究实践，并推动构建一个更开放、可重复、具有广泛推广性的研究生态系统。

林博自2024年起担任Psychological Science和Behavior Research Methods的副主编，是首位获此殊荣的大中华地区学者。他曾是Journal of Experimental Psychology: General的编委、Psychonomic Society的会士。作为第一或通讯作者，在包括Nature Biomedical Engineering、Nature Human Behaviour、Psychological Bulletin等心理学顶级期刊上发表了多篇文章。

本节目由 BrainPod脑锅工作室与华人计算精神病学联盟联合出品。

邮件：naoguo@outlook.com

小红书：BrainPod脑锅

Lire plusRéduire

S1E8 于宏波｜如何理解社会情感

Épisode 2

mercredi 3 juillet 2024 • Durée 01:06:04

关键词：社会情感、理论框架

神经科学家也是心理学家的David Marr认为，视觉信息的加工，涉及三个不同的层次：计算（computation）、算法（algorithm）、实现（implementation）。

目前任教于加州大学圣塔芭芭拉分校的于宏波博士与其团队在过去十几年间专注社会情感的研究，他们认为David Marr的三层框架也适用于理解社会情感。以内疚感为例：

计算层面：内疚感在社会互动中扮演什么角色？

算法层面：内疚感的产生涉及哪些认知过程？

实现层面：相关认知过程在大脑中是如何实现的？

相关综述近期发表在Nature Reviews Psychology上。本期节目，于宏波博士介绍了他的这篇综述文章，以及发表背后的故事。

文章指路：A levels-of-analysis framework for studying social emotions

https://www.nature.com/articles/s44159-024-00285-1

00:00:59 嘉宾介绍

00:02:51 研究介绍

00:21:09 用计算机理论来理解社会情感

00:24:14 实验室氛围更重要，还是研究者自身努力更重要

00:30:18 导师、同门合作对投稿的影响

00:35:27 综述文章和实验文章在投稿上的区别

00:40:42 期刊选择

00:42:26 自荐审稿人

00:45:11 高产文章的秘诀

00:50:23 角色的转变

00:51:20 如何平衡自己的节奏

00:52:45 如何理解“顶刊”

00:55:16 听众问答

关于于宏波博士

2016年在北京大学获得心理学博士学位。博士期间，他在周晓林教授的指导下研究社会情感（例如内疚、感激）的神经基础。获得博士学位后，于宏波博士取得英国科学院牛顿国际奖学金并加入了Molly Crockett教授的团队，先后在牛津大学和耶鲁大学从事博士后研究。他的博士后研究主要集中在道德判断和决策的神经计算机制上。2019年，于宏波博士受聘于加州大学圣塔芭芭拉分校，在心理与脑科学系担任助理教授。

于宏波博士团队致力于通过多学科和跨文化视角了解社会情感与道德认知的神经基础及其个体差异，更多实验室信息搜索YESLAB（Yu Emotion Science Lab at UCSB, https://yeslab.psych.ucsb.edu/）。

S1E7 刘烯琴｜大家都焦虑你还焦虑什么

Épisode 3

dimanche 16 juin 2024 • Durée 01:27:08

关键词：焦虑症、机器学习、脑成像、神经表征

焦虑症是世界上最常见的精神障碍之一，世卫组织数据，2019年有3.01亿人患有焦虑症。根据最新版精神疾病诊断与统计手册DSM-5的分类，焦虑症包含以焦虑为主要症状的广泛性焦虑症（即无固定对象的过度担忧），以及以恐惧为主要症状的社交恐惧症、惊恐障碍和特殊恐惧症（如恐高症等）。

那么焦虑与恐惧是一回事吗？

本期节目，嘉宾刘烯琴博士介绍了她近期作为一作发表在Nature Communications上的研究，同时我们也邀请到了研究团队负责人也是文章通讯作者Benjamin Becker教授为听众答疑。

研究团队将机器学习应用于脑成像数据，识别了不确定威胁预期诱发焦虑主观体验的神经表征，揭示了大脑中的焦虑体验与恐惧体验并不相同。该发现可为理解焦虑主观体验的神经基础及改善焦虑症的治疗提供新启示。

文章指路：

A neural signature for the subjective experience of threat anticipation under uncertainty：https://www.nature.com/articles/s41467-024-45433-6

本节目由 BrainPod脑锅工作室与华人计算精神病学联盟联合出品。

邮件：naoguo@outlook.com

小红书：BrainPod脑锅

Lire plusRéduire

S1E6 周雨青｜共情可塑吗

Épisode 4

jeudi 23 mai 2024 • Durée 01:31:41

关键词：共情可塑性、亲社会行为

冷漠的环境会催生无情的个体？关爱的环境会将关爱传递？

传统观点认为，共情是一项稳定的能力，在我们生活早期习得，并且不会发生改变。但近年来，越来越多研究表明共情具有可塑性。

本期节目，嘉宾周雨青博士介绍了她近期发表在PNAS上的相关研究。她与她的合作伙伴结合功能磁共振成像以及计算建模技术，对不同社会环境下共情的可塑性开展了多项系统性研究，旨在刻画个体的共情水平在观察他人的共情反应后发生改变的过程，揭示其背后的计算机制与神经基础。

文章指路：

The social transmission of empathy relies on observational reinforcement learning：https://www.pnas.org/doi/full/10.1073/pnas.2313073121

本节目由 BrainPod脑锅工作室与华人计算精神病学联盟联合出品。

邮件：naoguo@outlook.com

小红书：BrainPod脑锅

Lire plusRéduire

S1E5 高晓雪｜十年磨一剑

Épisode 5

samedi 4 mai 2024 • Durée 01:31:42

关键词：社会情绪、负债感

社会情绪这个词大家可能相对陌生，但在日常生活中我们一定有这样的体验：我们会因为他人的善意帮助感到感激，会因为伤害他人感到内疚，这些在社会交互中产生的情绪被称为社会情绪。这些情绪不仅会给我们带来正性或者负性的体验，更重要的，他们可以帮助我们适应复杂的社会环境。

然而，社会情绪相比于基本情绪、注意或者记忆等基本认知的研究是非常少的，这主要是由于社会情绪研究的难点，比如难真实诱发、难量化操纵、无动物模型。

本期节目，嘉宾高晓雪博士介绍了她发表在Nature Communications上的研究，她和她的团队如何结合多种研究手段探究负债感的心理和认知机制，如何解决社会情绪难以在实验室中真实诱发和定量测量等问题。

文章指路：

The psychological, computational, and neural foundations of indebtedness: https://www.nature.com/articles/s41467-023-44286-9

本节目由 BrainPod脑锅工作室与华人计算精神病学联盟联合出品。

邮件：naoguo@outlook.com

小红书：BrainPod脑锅

Lire plusRéduire

S1E4 林枭雄｜瞎说什么大实话

Épisode 6

samedi 20 avril 2024 • Durée 01:24:18

关键词：表征几何、解耦表征、工作记忆、神经元学说、群体学说、别用PCA、正在找工作

系统神经科学两大派，单细胞派（The neuron doctrine）主张基于单个细胞研究功能，群体派（The population doctrine）认为研究单个细胞意义不大，应该从神经元群体着手。两派对立水火不容？

本期节目，嘉宾林枭雄博士介绍了他提出的一条折中道路——他提出了机器学习中稀疏性约束在神经网络中的生理意义，并以此识别了前额叶神经元群体对工作记忆的序列式信息表征。这项工作已在Science Advances上发表。

林枭雄博士于2016年在北京大学获得认知神经科学学士学位和艺术学士学位，2023年在慕尼黑大学获得系统神经科学博士学位。他的主要研究兴趣是揭示生物体和人工神经网络中智能的基本原理。林博目前求职中！计算神经科学领域的博士后机会，或是人工智能、机器学习和脑机接口等相关领域的行业机会，欢迎联系！

文章指路：

The neuronal implementation of representational geometry in primate prefrontal cortex: https://www.science.org/doi/10.1126/sciadv.adh8685

本节目由 BrainPod脑锅工作室与华人计算精神病学联盟联合出品。

邮件：naoguo@outlook.com

小红书：BrainPod脑锅

Lire plusRéduire

S1E3 李远宁

Épisode 7

samedi 23 mars 2024 • Durée 01:24:49

关键词：神经编码、听觉皮层、神经网路

随着人工智能的迅速发展，AI是否能像人类一样进行思考成为了热门话题。本期节目，李远宁博士与我们分享了他近期在Nature Neuroscience上发表的一篇文章。通过让大脑和人工智能模型接受相同的语音输入并执行类似任务，他探索了两者之间的相似与差异。

李远宁博士现任上海科技大学生物医学工程学院研究员、助理教授、博导、独立课题组组长，计算认知与转化神经科学实验室主任。主要研究方向为计算和认知神经科学及机器学习，主要基于高密度颅内皮质脑电技术解析语言相关认知过程的神经机制，并运用机器学习和人工智能方法建立神经编码和解码的计算模型，开发语言脑机接口。目前实验室招聘博士后和助理研究员，欢迎联系！

文章指路：

Dissecting neural computations in the human auditory pathway using deep neural networks for speech：https://www.nature.com/articles/s41593-023-01468-4

本节目由 BrainPod脑锅工作室与华人计算精神病学联盟联合出品。

邮件：naoguo@outlook.com

小红书：BrainPod脑锅

Lire plusRéduire

S1E2 盖瑞洋

Épisode 8

jeudi 7 mars 2024 • Durée 01:09:08

本期关键词：大脑发育、预测模型

1905年，法国心理学家们首次把智力测试用于学校，测量一个人在同年龄群体中的智力情况。百年后的今天，盖瑞洋博士基于大数据建立预测模型，通过脑片（MRI核磁影像）测量一个人的大脑在同龄人中的发育情况。

本期节目，我们邀请在英属哥伦比亚大学任教的盖瑞洋博士，聊聊他最近发表在柳叶刀数字医疗（The Lancet Digital Health）的一篇文章，聊聊相关项目的研发以及他的心路历程。

文章指路：

Normative modelling of brain morphometry across the lifespan with CentileBrain: algorithm benchmarking and model optimisation: https://www.sciencedirect.com/science/article/pii/S2589750023002509

01:04:40 Predictive Value of Acute Neuroplastic Response to rTMS in Treatment Outcome in Depression: A Concurrent TMS-fMRI Trial: https://ajp.psychiatryonline.org/doi/full/10.1176/appi.ajp.21050541

本节目由 BrainPod脑锅工作室与华人计算精神病学联盟联合出品。

邮件：naoguo@outlook.com

小红书：BrainPod脑锅

Lire plusRéduire

S1E1 高梦霞

Épisode 9

samedi 3 février 2024 • Durée 01:14:25

本期关键词：抑郁症、老年、预测模型

老年抑郁症群体逐年增加，却未得到足够关注。与年轻群体相比，老年人的自杀成功率更高。因此，关注老年心理健康尤为重要。

与传统的问卷方式不同，高梦霞博士致力于使用客观数据如脑影像，来预测老年人抑郁程度。

具体而言，她通过分析老年抑郁患者的全脑静息态功能连接和白质结构连接数据，采用多模态脑连接组学预测的方法，成功预测了自杀风险，为筛查晚年抑郁患者的自杀风险提供了潜在的高效方法。

高博士目前是香港大学的博后，她于2023年2月在《Nature》子刊上发表了一篇高质量的论文。我们邀请她作为我们节目的首期嘉宾，分享文章背后的故事。

文章指路：

Multimodal brain connectome-based prediction of suicide risk in people with late-life depression: https://www.nature.com/articles/s44220-022-00007-7

本节目由 BrainPod脑锅工作室与华人计算精神病学联盟联合出品。

邮件：naoguo@outlook.com

小红书：BrainPod脑锅

Lire plusRéduire

Podcasts Similaires Basées sur le Contenu

Découvrez des podcasts liées à 顶刊背后的故事. Explorez des podcasts avec des thèmes, sujets, et formats similaires. Ces similarités sont calculées grâce à des données tangibles, pas d'extrapolations !

À propos Méthodologie Contact Me soutenir Politique de confidentialité

顶刊背后的故事 – Détails, épisodes et analyse

Détails du podcast

Classements récents

Apple Podcasts

Spotify

Liens partagés entre épisodes et podcasts

Other8

Nature6

Qualité et score du flux RSS

Historique des publications

Derniers épisodes publiés

Podcasts et contenus similaires

Podcasts Similaires Basées sur le Contenu

Apple Podcasts

Spotify

Podcasts Similaires Basées sur le Contenu

Other8

Nature6