香港城市大学心理学系全奖博士招生 | Prof. Chen（555）

导师简介

如果你想申请香港城市大学 心理学系博士，那今天这期文章解析可能对你 有用！今天Mason学长为大详细解析香港城市大学的Prof. Chen的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！

作为香港城市大学社会与行为科学系的副教授，导师是当今心理测量学和量化研究方法领域的重要学者。导师拥有深厚的学术背景，她在美国丹佛大学获得量化研究方法博士学位，在台湾中正大学获得心理学硕士学位，并具备台湾教育部颁发的小学教师资格证书。

导师的研究主要聚焦于问卷设计与反应行为、儿童发展心理学以及应用测量学，她的工作涵盖心理测量学、Rasch分析、项目反应理论以及在教育学、心理学和医学领域的应用测量。

研究领域

导师的研究兴趣横跨多个心理学和统计学的核心领域，主要包括心理测量学（Psychometrics）、项目反应理论（Item Response Theory）、潜在增长建模（Latent Growth Modeling）、多层分析（Multilevel Analysis）、应用测量学（Applied Measurement）以及心理功能和适应性研究（Psychological Functioning and Adjustment）。

在心理测量学方面，导师特别关注量表开发与验证的科学方法，致力于提高心理测量工具的信度和效度。项目反应理论是她研究的另一个重点领域，这一现代测验理论框架能够更精确地评估个体能力和项目特性。潜在增长建模是她用来研究个体发展轨迹的重要统计工具，特别适用于纵向数据分析。多层分析方法使她能够处理嵌套数据结构，这在教育和心理学研究中极为常见。

导师还特别关注反应风格检测与控制，这是当前心理测量学的前沿问题。她致力于开发新的方法来识别和控制Likert量表中的反应偏差，如极端反应风格、中间反应风格和熟悉性反应等。此外，她在儿童发展、移民青少年适应、大学生心理健康等实际应用领域也有深入研究。

研究分析

1. 《Exploring the relationship between transitional object attachment and emotion regulation in college students》(2025)

该研究发表在Healthcare期刊上，探讨了大学生过渡性客体依恋与情绪调节之间的关系。研究采用了先进的统计分析方法，揭示了过渡性客体依恋如何影响大学生的情绪调节能力。这项研究对理解成年早期的情绪发展具有重要意义，为大学生心理健康服务提供了实证依据。该研究已获得1次Scopus引用，显示出其在该领域的重要性。

2. 《Empirical comparisons among models in detecting extreme response style》(2024)

发表在Springer的心理测量学会议论文集中，该研究对检测极端反应风格的不同模型进行了实证比较。研究系统评估了多种统计模型在识别极端反应风格方面的效果，为研究者选择合适的检测方法提供了重要指导。这项工作直接回应了心理测量学领域的核心问题，即如何有效控制反应偏差对测量结果的影响。

3. 《Internship satisfaction among university students in Hong Kong during the COVID-19 pandemic》(2024)

该研究发表在Asia Pacific Career Development Journal上，探讨了COVID-19疫情期间香港大学生实习满意度的影响因素。研究发现职业决策自我效能感在实习满意度与职业乐观主义之间起中介作用。这项研究不仅具有重要的实践意义，还展示了导师在应用心理测量方法解决现实问题方面的能力。

4. 《The Association Between Intolerance of Uncertainty and Mobile Phone Addiction Among Overseas Chinese Students During COVID-19》(2024)

发表在Psychology Research and Behavior Management期刊上，该研究探讨了疫情期间海外中国学生不确定性不耐受与手机成瘾之间的关系。研究发现感知压力和反刍思维在其中发挥中介作用。该研究已获得1次Scopus引用，并且有21次下载，显示了其在心理健康研究领域的影响力。

5. 《Minor Forms of Parental Maltreatment and Educational Achievement of Immigrant Youths in Young Adulthood》(2023)

发表在International Journal of Environmental Research and Public Health上，这项纵向研究探讨了轻微形式的父母虐待对移民青少年成年早期教育成就的影响。研究采用了纵向分析方法，为理解移民家庭儿童的发展轨迹提供了重要见解。该研究已获得2次Scopus引用和56次下载，显示了其在发展心理学和社会政策研究中的重要价值。

6. 《The use of item response theory to detect response styles and rater biases in Likert scales》(2023)

这是导师在Sage出版社的《问卷开发与应用手册》中撰写的重要章节，系统阐述了如何使用项目反应理论检测Likert量表中的反应风格和评分者偏差。这一工作对心理测量学理论和实践都具有重要意义，为研究者提供了实用的方法学指导。

项目分析

1. 《A New Class of Multiprocess Responses and Response Time Models》(2022年至今)

这是一个由香港研究资助局资助的重要项目，导师担任首席研究员。该项目致力于开发新的多过程反应和反应时间模型，这是心理测量学和认知心理学的前沿研究领域。项目涉及认知过程建模、心理测量模型开发等核心内容，旨在更好地理解个体在完成心理测量任务时的认知过程。这一创新性研究有望为心理测量学理论发展带来重要突破。

2. 《Biomarking Psychological Resilience with Salivary Cortisol in Chinese Undergraduates using Piecewise Linear Growth Curve Models》(2022年至今)

该项目由导师担任共同研究员，采用分段线性增长曲线模型研究中国大学生的心理弹性生物标记。项目结合了生理指标（唾液皮质醇）和先进的统计建模方法，为心理弹性研究提供了新的研究范式。这种跨学科的研究方法体现了导师在整合不同研究方法方面的能力。

3. 《Developing a New Class of Approaches to Detecting and Controlling the Impact of Response Styles in Rating or Likert Scales》(2017-2021)

这是导师主持的一个重要的早期职业资助项目，专注于开发检测和控制评级量表中反应风格影响的新方法。该项目的研究成果直接推动了心理测量学在反应偏差控制方面的理论发展，为后续相关研究奠定了重要基础。项目成果在多个国际期刊和会议上发表，产生了重要的学术影响。

研究想法

1. 人工智能时代的自适应心理测量

研究背景：随着人工智能技术的快速发展，传统的固定长度心理测量正在向自适应测量转变。

创新点：结合机器学习算法与项目反应理论，开发新一代智能化心理测量系统，能够根据被试的实时反应动态调整题目难度和内容。

研究内容：

• 开发基于深度学习的项目选择算法
• 构建多维自适应测验系统
• 验证AI辅助测量的效度和公平性
• 可行性：技术基础成熟，具有重要的实际应用价值，符合当前测量学发展趋势。

2. 数字化时代的反应行为模式识别

研究背景：移动设备和在线调查的普及带来了新的反应行为特征，传统的反应风格检测方法需要更新。

创新点：利用数字足迹数据（如反应时间、点击模式、设备使用习惯）构建新的反应风格检测模型。

研究内容：

• 开发基于行为数据的反应风格分类算法
• 研究跨平台测量等同性问题
• 建立数字化测量质量监控系统
• 开题立意：《数字化环境下基于行为足迹的心理测量反应风格智能检测研究》

3. 文化适应性心理测量理论

研究背景：全球化背景下，心理测量工具的跨文化适用性成为重要议题。

创新点：开发文化敏感的项目反应理论模型，能够自动调整不同文化背景下的测量参数。

研究内容：

• 构建文化调节的多组项目反应理论模型
• 开发跨文化测量等价性检验方法
• 建立文化适应性量表开发标准
• 开题立意：《多元文化背景下心理测量工具的文化适应性建模研究》

4. 元宇宙环境下的沉浸式心理评估

研究背景：虚拟现实和增强现实技术为心理评估提供了新的可能性。

创新点：在元宇宙环境中开发沉浸式心理评估工具，通过虚拟情境测量真实心理特质。

研究内容：

• 设计虚拟现实心理测量场景
• 开发基于生理信号的隐式测量方法
• 验证沉浸式测量的生态效度
• 开题立意：《基于元宇宙技术的沉浸式心理特质测量方法研究》

申请建议

1. 学术背景准备

核心理论基础

• 统计学基础：熟练掌握高级统计方法，包括多元统计、贝叶斯统计、机器学习等。重点学习结构方程建模（SEM）、多层线性模型（HLM）、项目反应理论（IRT）等导师研究中的核心方法。
• 心理测量学理论：深入理解经典测验理论（CTT）和现代测验理论（IRT）的差异与联系，掌握信度、效度理论，了解测量不变性、差异项目功能（DIF）等高级概念。
• 编程技能：熟练使用R、Python、Mplus、SPSS等统计软件，特别要掌握R语言在心理测量学中的应用，包括相关的专业包如lavaan、mirt、TAM等。

研究方法训练

• 纵向数据分析：学习潜在增长曲线建模、潜在类别增长分析等方法，这些是导师研究中的重要工具。
• 实验设计：掌握准实验设计、随机对照试验等研究设计方法，了解因果推断的统计方法。
• 混合方法研究：了解质性和量化研究方法的整合，这在教育和心理学研究中越来越重要。

2. 研究经验积累

相关研究参与

• 参与量表开发项目：尝试参与心理量表的开发和验证工作，积累测量工具构建的实际经验。
• 数据分析实践：主动寻找机会分析心理学或教育学的实际数据集，特别是涉及反应风格、测量偏差等问题的数据。
• 跨文化研究经验：由于导师关注移民群体和跨文化测量，具有相关研究经验将是重要优势。

学术产出准备

• 会议论文发表：在心理测量学、教育测量、应用心理学等相关会议上发表论文，展示研究能力。
• 期刊论文发表：尝试在Psychological Assessment、Applied Psychological Measurement等期刊发表论文。
• 技术报告撰写：为实际机构撰写心理测量技术报告，展示应用研究能力。

3. 申请材料优化

研究计划书撰写

• 问题导向：明确提出一个心理测量学的重要问题，最好与导师当前研究兴趣相关。
• 方法创新：展示对新方法的掌握或提出方法学创新，这是导师研究的重要特色。
• 实际应用：强调研究的实际应用价值，如教育评估、心理健康筛查等。
• 可行性分析：详细说明研究的可行性，包括数据来源、技术要求、时间安排等。

个人陈述要点

• 研究动机：清晰表达对心理测量学的兴趣和研究动机，特别是对量化方法和统计建模的热情。
• 学习经历：突出统计学、心理学、教育学等相关学科的学习背景。
• 研究经验：详细描述已有的研究经验，特别是数据分析和统计建模经验。

4. 技能提升策略

专业技能强化

• 统计软件精通：不仅要会使用，更要理解各种统计方法的原理和适用条件。
• 编程能力提升：学习高级编程技巧，能够自主开发统计分析工具。
• 数据管理能力：掌握大数据处理、数据清洗、数据可视化等技能

博士背景

Taylor，985本硕，港三心理学PhD在读，研究领域包括认知神经科学、决策与判断以及发展心理学。在国际权威学术期刊《Psychological Science》和《Journal of Experimental Psychology: General》上发表多篇论文。擅长心理学相关领域的文书写作辅导，熟悉相关领域的PhD申请流程及技巧。