PsyBrain 脑心前沿 / 前沿分析课程：把前沿解读方法论变成系统的学习路径 / A · 学习路径 / A009 · PsyBrain培训认知计算建模专题（7.22-7.29

A009 PsyBrain培训 | 认知计算建模专题（7.22-7.29线上）

来源：公众号 PSY-Brain_Frontier ｜发布：2026-06-03 ｜原文链接

课程背景

随着心理学、认知神经科学、行为经济学和精神病学研究的深入，研究者面对的行为数据已不再只是反应时、正确率或选择比例。越来越多研究关心的是：个体为什么这样选择？反馈如何影响后续行为？不确定性如何塑造学习与决策？不同人群的行为差异，究竟来自学习速度、价值表征、探索倾向，还是决策噪声？

然而，传统行为分析往往停留在描述性指标层面。正确率、反应时、switch rate、stay probability 等指标虽然直观，却难以揭示行为背后的心理机制。换句话说，我们可以发现“行为有差异”，却未必能够解释“差异从何而来”

认知建模正是连接行为表现与心理机制的重要工具。它通过数学模型将价值更新、证据积累、反馈学习、选择偏好和个体差异等不可直接观察的过程形式化，使研究者能够从行为数据中推断潜在认知机制，推动研究从“发生了什么”走向“为什么会发生”

本课程将以心理学与认知神经科学中的典型任务为背景，系统讲授认知建模的基本思想、建模流程、参数估计、模型比较、模型诊断与模型检验，并进一步介绍价值决策模型和强化学习模型的实际应用，帮助学员建立从研究问题到模型解释的完整分析框架

培训对象

本课程主要面向希望使用认知建模方法开展心理学、认知神经科学、行为经济学、精神病学、神经影像和计算精神病学研究的老师、研究生和科研人员

尤其适合以下几类学员：

已经拥有行为实验数据，但不知道如何从正确率、反应时和选择比例进一步挖掘机制解释的研究者
正在进行决策、学习、奖赏、惩罚、反馈、不确定性、成瘾、冲动性、精神疾病相关研究的学生和科研人员
希望理解强化学习、DDM、贝叶斯建模、分层模型等方法，但缺少系统入门路径的学习者
想在论文中使用计算模型提升研究深度，但担心模型拟合、参数解释、模型比较和审稿质疑的研究者
希望从“会做统计分析”进一步走向“能够提出机制假设并用模型检验假设”的心理与脑科学研究者

课程内容

底部 “阅读原文”，参与活动

课程说明

1. 从研究问题出发，而不是从公式出发

本课程不会把认知建模讲成一堆孤立的数学公式，而是从真实心理学和脑科学问题出发，帮助学员理解：为什么需要模型？模型假设从哪里来？参数代表什么心理意义？不同模型之间到底在争论什么？

2. 强调完整建模流程

课程不仅讲“如何拟合模型”，还会覆盖建模研究中更容易被忽略、但在论文写作和审稿中非常关键的环节，包括模型比较、参数恢复、模型恢复、交叉验证、后验预测检验和模拟行为检验

3. 兼顾经典模型与前沿应用

课程内容覆盖认知建模基础、价值决策模型、漂移扩散模型和强化学习模型，既适合初学者建立系统框架，也适合已有一定基础的学员进一步理解模型扩展和研究应用

4. 面向心理学与认知神经科学研究场景

课程案例和讲解重点将贴近心理学、行为实验、神经影像、精神疾病和计算精神病学等研究场景，帮助学员理解如何将模型真正用于自己的课题，而不是停留在抽象方法学习层面

5. 重视课后支持与持续答疑

认知建模真正的难点往往不在听懂概念，而在把模型应用到自己的数据时遇到各种具体问题。因此课程建议配套课后答疑、代码讨论和案例拆解，帮助学员从“听懂”走向“能用”

完整代码和示例数据，助你从理解到实操

本课程强调实操训练，将配套提供可运行的完整代码和示例数据，帮助学员在真实分析流程中理解认知建模。课程不仅讲解模型原理，还将带领学员完成数据读取、模型拟合、参数估计、模型比较、模型诊断和结果解释等关键步骤。通过“理论讲解 + 代码演示 + 示例数据练习”的方式，帮助学员从听懂概念，进一步走向能够独立开展建模分析

图10