个人简介
我是南京师范大学心理学硕士研究生，导师为胡传鹏教授。我的研究处在计算建模与开放科学的交叉地带：一方面构建模型来描述人如何做出决策，另一方面致力于让这些模型所依赖的数据在不同研究之间可比、可复用。
目前我关注的核心问题是实验设计优化——用"模型的模型"来判断下一个实验应当怎么设计，从而让我们真正关心的参数能够被稳定地估计出来。
研究兴趣
- 决策的计算建模
- 漂移扩散模型（DDM）
- 贝叶斯层级建模
- 高斯过程代理模型
- 实验设计优化
- 参数回收与模型验证
- 自我优先效应
- 开放科学与数据标准化
研究经历
自我优先效应的实验设计空间优化
- 构建生成式框架，将连续的设计变量映射到漂移扩散模型参数、再映射到试次水平的行为，把传统的"离散条件比较"重构为对连续设计空间的建模。
- 对八种设计配置的真实数据拟合贝叶斯层级漂移扩散模型（HDDM），以 DIC 进行模型比较，并开展贝叶斯因子先验敏感性检验。
- 使用高斯过程代理模型在整个设计空间上预测参数，并通过参数回收模拟验证其可靠性。
- 代码
自我优先效应数据库（SPE-DB）第一作者
- 整理并构建了自我匹配任务的标准化的试次水平开放数据库，整合 44 项研究、70 个实验、3,603 名被试、超过 155 万试次。
- 设计了三级数据结构（全局索引 → 研究层 JSON 元数据 → 实验层数据文件）与五成分的任务标准化框架。
- 把各研究之间异质的变量统一为标准结构，包含六类身份类别，并公开了编码手册（codebook）。
- 在聚合数据上完成只有大规模数据才可行的分析，例如对 853,015 个非匹配试次做带 bootstrap 重抽样的线性混合模型。
社会距离对公平偏好的影响
- 独立设计、编程、施测并分析了一项 3（社会距离）× 5（分配方案）被试内最后通牒博弈实验，程序使用 E-Prime 2.0 从零编写；23 名被试，1,800 个试次。
- 代码
论文
Cai, Z., Liu, T., et al., Sui, J., & Hu, C.-P. 自我匹配任务的标准化元数据与自我优先效应数据库. 手稿撰写中.
Cai, Z., & Hu, C.-P. 自我优先效应的实验设计空间优化：以高斯过程代理模型预测并验证 DDM 参数. 手稿撰写中.
学术报告
Cai, Z.（2025 年 11 月）. 自我优先效应数据库. 江苏省心理学会 2025 年学术年会 海报报告，中国.
教育经历
南京师范大学
2024.09 – 2027.06（预计）
青海民族大学
2020.09 – 2024.06
技能
计算建模：贝叶斯层级漂移扩散建模（HDDM、dockerHDDM）· 高斯过程代理建模 · 生成式建模与参数回收 · 模型比较（DIC、后验预测检验）
统计方法：线性混合效应模型 · 贝叶斯方差分析与贝叶斯因子 · bootstrap 重抽样 · 中介分析与结构方程模型 · 量表编制（项目分析、EFA、CFA、信度分析）
编程：Python（pandas、numpy、scipy、scikit-learn、matplotlib）· R（混合模型、R Markdown）· MATLAB · Git
实验编程：E-Prime 2.0 · PsychoPy · MATLAB/Psychtoolbox
联系方式
GitHub：github.com/Caizhenxin
ORCID：0009-0003-4126-9858
最后更新：2026-09
