阿内特

皮亚杰的认知发展理论一样，信息加工取向也受到了批评。批评者指出，信息加工理论家和研究者犯了还原主义（reductionism） 错误，即把一个现象分解为几个单独的部分，以至于现象作为一个整体的意义和连贯性丧失了。从这个角度来看，信息加工学者视为优势的地方—专注于认知过程的各个组成部分—实际上是一个弱点。用一位批评者的话来说，信息加工取向导致学者们得出一个错误的结论：“行为表现只是一系列特定过程的序列执行。”（原书强调了“只是”）

提供思路。

阿内特

发达国家的儿童而言，执行功能对学业成功很重要。执行功能可以帮助青少年对完成任务所需的工作进行组织。在测试情境中，执行功能使他们能够专注于问题最重要的方面，忽略不相关的信息。青少年期的执行功能方面的问题会导致其他问题，如抑郁症和学习困难。

阿内特

自动化与速度和工作记忆的容量密切相关。认知任务的自动化水平越高，完成任务的速度就越快。同样，完成一项任务的自动化水平越高，它占用的工作记忆的容量就越小，从而为其他任务留出了更多空间。例如，你可以一边看电视一边阅读杂志，但如果让你一边看电视一边填写纳税申报表，你可能会觉得很难。这是因为对你来说，阅读纳税申报表上的语言（满是仅在纳税申报表上能看到的术语）没有阅读杂志上的语言的自动化水平高。

阿内特

选择性注意的一个方面是分析一系列信息并选择其中最重要的部分进一步注意的能力。例如，当你在课堂上听课时，你的注意可能会有波动。你可能会对呈现的信息进行监控，根据你对信息的重要性的判断来提高或降低你的注意水平。选择性注意的这一方面也是解决问题的关键部分。解决任何问题的初始步骤之一就是确定将注意集中到哪里。例如，如果你的计算机无法启动，那么你要做的第一件事就是确定问题的原因—是显示器、连接，还是计算机本身。在关注问题的最相关方面上，青少年优于儿童。对于有学习障碍的儿童和青少年来说，选择性注意尤其是一个问题。

阿内特

关于反思判断的研究表明，在成年初显期反思判断可能会出现重大进展。然而，在成年初显期取得的进展似乎更多是由教育而不是成熟引发的，也就是说，在成年初显期，上大学的人比没上大学的人在反思判断方面有更大的进步。此外，佩里及其同事也承认，在重视多元主义并且教育制度促进人对不同观点的包容的文化中，反思判断的发展可能更为普遍。但是，到目前为止，有关反思判断的跨文化研究很少。

（前文）反思判断（reflective judgment）：评估论据和论点的准确性和逻辑一致性的能力。

阿内特

在成年初显期发展的一种思维类型，个体越来越意识到大多数问题不只有一个解决方案，并且问题通常必须在缺少关键信息的情况下加以解决。

这个挺关键。

阿内特

最近，临床心理学家提出，使用隐喻可能是一种对青少年进行心理治疗的有效方法，有时用更直接的方式与他们沟通很难。同样，瑞典最近的一项研究报告称，使用隐喻是预防青少年患抑郁症的干预措施的一个有效部分。

言下之意是多看meme😁

阿内特

摩洛哥的有关青少年期的观点中，最重要的一个概念是‘aql，这是一个阿拉伯语单词，意为合理、理解和理性。自我控制和自我约束也是‘aql的一部分。拥有‘aql意味着一个人可以控制自己的需求和冲动，并且出于对周围人的尊重能够而且愿意克制它们。摩洛哥人将’aql视为成年人应具备但青少年通常缺乏的品质。

人们期望男性和女性在青少年期都发展’aql，但是男性被认为需要多用10年的时间才能充分发展它！这似乎是由于性别角色和期望的巨大差异。与男孩不同，女孩从小就承担了各种责任，例如，家务劳动和照顾弟弟妹妹，因此，她们需要尽早发展’aql以满足这些责任的要求。不仅在摩洛哥，在世界各地的传统文化中，青少年期女孩被要求承担的工作都要比男孩更多。

NEW TRICKS（《悬案神探 / 探案新窍门》）挺好看的

做了一个昆虫数据库索引：https://devlog.fivsevn.com/natsci/taxonomy/insecta/natsci-taxonomy-insecta-database-001.html 现在只是做出了索引方式的大框架，总之不再是零散的笔记一样、看到一条填一条。具体的内容会慢慢填充。

看到个新文章：No such thing as a shark? Genomes shake up ocean predator’s family tree 世界上其实没有“鲨鱼”？基因组研究撼动海洋顶级捕食者的家族谱系

原文链接：https://www.nature.com/articles/d41586-026-00594-w

ai翻译记在这里：https://devlog.fivsevn.com/natsci/taxonomy/chondrichthyes/natsci-taxonomy-chondrichthyes-translation-001.html

最近开始整理有关软骨鱼纲的各种内容。先简单梳理了从纲到目的分类结构，同时记录了FAO资料库（联合国粮食及农业组织）的一些链接，比较有用。 新的笔记链接：https://devlog.fivsevn.com/natsci/taxonomy/chondrichthyes/natsci-taxonomy-chondrichthyes-orders-001.html

blogops更新：赛博地产建设者！😁 https://fivsevn-agy.github.io/fivsevn-devlog/blogops/content/blogops-cyber-estate-masterplan-001.html

专栏【AI 话语分析】更新：《AI 生成文本与沟通责任问题》https://fivsevn-agy.github.io/fivsevn-devlog/posts/ai-discourse-analysis/content/002-chatbot-etiquette.html

简单来讲，不论过程当中是使用了什么方式获取信息或者形成文字（ai，或者其他非 ai 的检索来源），在发内容出去之前，都得自己先通读并检查一遍。如果出了问题，你可以解释“是因为用 ai 生成之后自己没有充分检查”，而不是“因为 ai 生成本身有问题”。因为“ai 生成本身有问题”只是描述了这个工具目前存在的局限性，并没有真正回答“为什么你的这个任务会出问题”。

结论来说，我支持各行各业引入 AI 作为辅助工具（当然，这一趋势本身已经发生，所谓支持与否只是表达个人态度），但责任必须最终对应到人类主体——无论是具体个人，还是由人组成的组织。

改名字了：《AI话语分析》这样简洁、直接一点。https://fivsevn-agy.github.io/fivsevn-devlog/posts/ai-discourse-analysis/

新板块：《公众表达的 AI 逻辑检测》 本板块聚焦日常所见的各类公众表达。不做事实核查，不追溯来源，仅基于画面或片段本身进行结构分析。 目标并非评判真假，也不只是针对特定观点进行反驳。核心用途是借助 AI 拆解表达中的逻辑结构，生成可能的论证路径，逐步积累更完整的分析框架。 很多时候，我能感觉到某种表达存在问题，却无法迅速梳理出清晰的思路。在这种情况下，AI 的价值在于辅助构造思考结构，避免陷入单点视角或情绪化判断。这是一个用于训练“论证结构感”的实验区。

https://fivsevn-agy.github.io/fivsevn-devlog/posts/ai-public-argument-audit/

对于不少人来说，在互动过程中，“被理解的感觉”往往比“被理解”本身更有效。这里需要区分两个概念。所谓“被理解”，指的是理解的精度——对方是 100% 把握了你的意思，还是只抓住了 70% 。它是认知层面的准确度。而“被理解的感觉”并不是结构精度的问题，而是互动状态的问题：对方是否回应你，是在否定还是在肯定，是否在情绪上与你对齐，是否让你感到安全。这是一种心理上的安全感。

在人类互动中，是否愿意继续交流、是否愿意解释更多、是否降低防御、是否投入注意力，我倾向于认为主要取决于后者这种心理安全感。

我们可以构造一个极端情境：理解精度 100%，但“被理解的感觉”为 0%。例如，对方逻辑上完全拆解了你的论点，却在态度上否定、压制、甚至带有攻击性。在这种情况下，你是否愿意继续交流？再往回收一点：精度较高，但“被理解的感觉”较低。你继续交流的意愿，会不会已经明显下降？

当然，也可以提出一个反问：要创造“被理解的感觉”，是否至少需要一定程度的理解精度作为前提？如果这样，我们可以把情况粗略分为两类：1. 理解精度高于“被理解的感觉”；2. “被理解的感觉”高于理解精度。由于我们无法为“精度”和“感觉”建立一个可量化的尺度，这里的讨论只能停留在概念层面，而不是标准化测量层面。这个论点的目的也不是建立精确模型，而是通过对比来凸显差异。

再构造另一个极端情境：理解精度接近 0%，但“被理解的感觉”为 100%。例如，对方并未真正把握你的结构，却在态度上高度认同、持续回应、给予肯定。现实中，后一种情况——精度不高，但“被理解的感觉”较强——并不少见。在这种情况下，你愿意继续交流的概率，是否会高于前一种“精度高但感觉低”的情形？

这个问题本身，或许已经说明了一部分答案。

当然，如果你认同这一点，你是否会弱化“被理解的感觉”在交流过程当中的重要性？或者说，你更加明确了自己需要的，的确是“被理解的感觉”？