这个发现迅速被媒体冠名为 “莫扎特效应”,并演变成 “听古典音乐能让宝宝变聪明” 的育儿神话。二十多年后,当我们用更严谨的科学视角审视这场 “音乐与智商” 的狂欢,会发现真相远比想象复杂。 一、莫扎特效应的诞生:一场被误读的科学实验1. 他们谨慎地在论文中提到:“这种效应可能源于音乐结构对神经认知的短暂激活,而非长期智商提升。” 但媒体却将其简化为 “莫扎特音乐能提高智商”,甚至衍生出 “孕妇听古典音乐可培养天才宝宝” 的商业炒作。 后续研究的证伪与争议重复性危机:2010 年,德国慕尼黑大学对 300 名学生重复实验,发现莫扎特组与空白对照组的测试成绩无显著差异任务特异性:加拿大麦吉尔大学 meta 分析显示,莫扎特效应仅在 “涉及空间旋转的特定任务 ” 中微弱存在(效应量 d=0.35),对语言、记忆等其他认知能力无影响安慰剂效应:当受试者被告知 “聆听的是放松音乐” 时,莫扎特组的优势消失,说明心理预期可能干扰实验结果二、音乐与认知的真实关联:从
其实质量控制三部曲,还有一个很关键的点没有讲解,就是多个样本整合,并且区分批次效应和生物学差异。 所以我这里把归一化和标准化替换成为去除样本/细胞效应或者去除基因效应: 首先去除样本/细胞效应:因为不同样本或者细胞的测序数据量不一样,所以同样的一个基因在不同细胞,哪怕你看到的表达量是一样的,但是背后细胞整体测序数据量的差异其实反而说明了这个基因在不同细胞表达量其实是有差异的 然后去除基因效应,这个主要是在绘制热图的时候会需要使用,因为个别基因表达量超级高,在热图里面一枝独秀,实际上我们并不会关心不同基因的表达量高低,我们仅仅是想看指定基因在不同细胞的高低而已,这样的话,就把该基因的表达量在不同细胞的数值 0.2761133 -0.2761133 -0.2337521 HES2 -0.4569104 -0.4569104 -0.4569104 -0.4569104 -0.4569104 其实样本/细胞效应不仅仅是文库大小 每个细胞测序数据量的不一致是很容易理解的,但其实细胞之间还有很多其它效应,比如线粒体基因含量,ERCC含量等等,那些处理起来,其实就是深入了解我们讲解seurat里面的NormalizeData和ScaleData
◆ ◆ ◆ 谣言一 听莫扎特能让你更聪明 古典音乐——尤其是莫扎特——能够让人更聪明的谣言在过去的20年甚嚣尘上。 但事实是,只有非常罕见的数据显示听莫扎特能够让你变聪明。 “莫扎特效应”首次进入公众视野是在 1993 年,著名杂志《自然》刊发了一篇论文。 而且听莫扎特也仅对折纸或用铅笔解决迷宫问题之类的空间智力测试中有效。(随后的研究发现给子宫中的小鼠听莫扎特也有类似的、让空间智力提高的效果。) 一些能够重复最初《自然》杂志所刊登研究的微小效应,但也有些失败了。 一些科学家认为相比于莫扎特的空间结构天赋,实验的结果与乐趣和情绪更相关。并且实验显示其他音乐也有类似的效应。 在2006年一项对10岁和11岁的儿童进行的实验中,Blur 的摇滚音乐比莫扎特的效果更好。 即便如此,对特定莫扎特奏鸣曲的研究现在依然在继续,持续至今。
前面一篇笔记高速直调激光器里提到啁啾效应,COO对此比较感兴趣。我解释了下,说是光的频率随时间变化,就像小鸟叽叽喳喳的叫声。COO不是特别满意,所以这篇详细地讲一讲啁啾效应。 (图片来自 http://ticc.mines.edu/csm/wiki/images/f/f0/UFO05-Dispersion.pdf) 三阶非线性效应也会导致啁啾效应的产生,例如克尔效应,自相位调制效应等 由于啁啾效应,光脉冲中不同频率的群速度大小不一,例如红光速度快,蓝光速度慢,导致最终叠加起来的脉冲宽度变大。如何消除啁啾效应? 啁啾效应也可以发挥好的作用,例如在啁啾脉冲放大(chirped-pulse amplification)技术中,利用啁啾效应使得脉冲展宽这一现象,展宽后脉冲的峰值功率降低,可以进一步提高其功率,从而得到大功率的激光脉冲 (图片来自文献1) 由于群速度色散,非线性效应,注入电流的变化等原因,导致啁啾效应的产生。啁啾效应的直接结果是脉冲展宽,其有理有弊,需要合理应用。 以上是对啁啾效应的简单介绍,欢迎大家留言讨论。
eBPF 在可观测性中的应用——对 Groundcover、Odigos、Grafana Beyla、Pixie、Cilium 和 Apache SkyWalking 等领先的可观测性平台中 eBPF 使用情况的回顾
推荐序 系统=要素×连接关系 真正的高手,通过观察要素(果树、苹果、牛顿、大地),能洞察他们之间的连接关系(结合、吸引、作用力和反作用力),然后发现系统规律,推测系统走势 吉姆·柯林斯的新书《飞轮效应 》,其实全书就是在论述系统动力学四大基本连接关系(因果链、增强回路、调节回路、滞后效应)中的一种:增强回路 因增强果,果反过来又增强因,形成回路,一圈一圈循环增强,就是“增强回路”。
长尾效应,英文名称Long Tail Effect。“头”(head)和“尾”(tail)是两个统计学名词。 正态曲线中间的突起部分叫“头”;两边相对平缓的部分叫“尾”。 而这部分差异化的、少量的需求会在需求曲线上面形成一条长长的“尾巴”, 而所谓长尾效应就在于它的数量上,将所有非流行的市场累加起来就会形成一个比流行市场还大的市场。 长尾效应的根本就是强调“个性化”,“客户力量”和“小利润大市场”, 也就是要赚很少的钱,但是要赚很多人的钱。 要将市场细分到很细很小的时候,然后就会发现这些细小市场的累计会带来明显的长尾的效应。
”门面效应“又叫“留面子效应”与”登门槛效应“正好相反,是指在请求别人帮忙的时候,可以先提一个大忙,等对方拒绝后,再提一个小忙。对方这时候大概率会倾向于接受。 “门面效应”利用的是人们的补偿心理,正如”登门槛效应”所说的那样,人们往往都希望扮演慷慨大方的角色,所以拒绝别人也是一件难事。拒绝一般会让人无法扮演慷慨大方的角色,会让人产生愧疚的心理。 这一效应在美国心理学家西阿弟尼等人 1975 年做的实验中也得到了印证。实验对三组人员做对照组测试。 可见,运用这种让步术的效应是十分明显的。那这个实验是不是说明了“门面效应”比”登门槛效应“更有用? 总结,”门面效应“与”登门槛效应“都是生活中请求别人帮助的一种策略、每个人在具体使用中会有不同的效果。实际才是检验真理的唯一标准。
这期推送简单谈一下我本人对固定效应与交互固定效应一些或许不太成熟的理解。 设想一种极端情况,被解释变量$y$只对核心解释变量$x$做回归,其他影响$y$的因素都放到残差项中,这种情况下$x$的估计系数就不再代表$x$影响$y$的净效应了,而是参杂了其他因素对$y$的影响,因为 一般而言,在回归方程中引入FE有两种方法(见上期推送『计量模型 | 时间固定效应与时间趋势项』),下面基于tabulate的方法具体分析。 况且,就算不存在企业跨行转移的情况,也可以通过附上时变因素来规避共线性的问题,即行业 - 年份FE(具体引入方法见上期推送『计量模型 | 时间固定效应与时间趋势项』)。 这里就引入了交互FE的话题。
然而,我预计在硬件空间和多签名事务相关领域中会出现一些溢出效应。 私人密钥的安全性和可访问性是比特币结算网络的基础。
市值是股票市场上一个非常重要的属性,本文梳理对于市值效应的一些观点,欢迎指正。 小市值效应 市值效应,或者说小盘股溢价效应,最早由Banz(1981)提出,他发现美国市场中,小盘股票相比于大盘股票有更为突出的表现,因此市值效应往往也被称为小市值效应。 因此壳价值是导致市值效应的重要原因。 但壳价值也并不是唯一原因,一方面,国外市场并没有壳资源,但也同样具有小市值效应。 逆转的市值效应 从图1图2的收益净值可以看出,2017年之前,小市值效应是明显存在的,效果非常好,但2017年之后,就不太行了。 总结 综上,这是一篇并不量化的文章,简要梳理了对于市值效应的一些观点。
破窗效应 / 破窗理论
这就是惊群效应。 func (fd *netFD) accept() (netfd *netFD, err error) { //在这里序列化accept,避免惊群效应 if err := fd.readLock
“登门槛效应“又称”得寸进尺效应“是指一旦接受了他人一个微不足道的请求,为了避免认知上的不协调(比如我友好助人),或者想给他前后一致的印象,就有更大概率接受他更大的一个请求。 这个效应对我们日常生活很有用,如果我们请求他人帮忙,可以先请求帮一个小忙,微不足道的忙。 这就是登门槛效应的作用。在日常生活中,人都希望别人对自己能有一个正面评价。 更重要的一点是,别人请求我们帮忙时候,我们要警惕登门槛效应。遵循自己的原则。 延伸一下,在工作中,我们在制定目标时,也要符合登门槛效应,从小到大,一步一步来。目标的难度一定要"跳一跳就能够得着的”,跳一跳是指具体的执行方式,作为管理者要教下属拆解关键指标和关键结果。 总结,这个效应在日常生活中真的好用,比如追女/男孩子、与客户建立关系、孩子的教育。可谓是只要细想、处处都能用。
这成为后来著名的蝴蝶效应:一只蝴蝶在巴西扇动翅膀会在美国得克萨斯州引起一场风暴。劳伦兹的这种做法创立了混沌理论(第10章介绍),启发气象学家将尽可能精确的数据输入计算机模型以增长他们的预测区间。
现在问题来了,这个差异表达的结果是和你要研究的因素有关,还是时间有关,这个问题里时间就会成为干扰实验结果的因素,这个效应就是其中一种比较能理解的 batch effect。
达克效应(英语:D-K effect),全称为邓宁-克鲁格效应(英语:Dunning–Kruger effect),是一种认知偏差,能力欠缺的人有一种虚幻的自我优越感,错误地认为自己比真实情况更加优秀。 这张图值得时不时拿出来看看,就某件事情,对号入座,反思,避免成为达克效应描述的对象。
令牌的数量必须适应越来越多的交易,因此会增加GNT的需求和价格,并加速网络效应。 随着人工智能等技术的各项进步,网络效应已经发展到与这些创新相匹配的地步。 网络效应 网络效应的概念非常简单:随着更多人使用网络,网络变得更有价值。 数据网络效应 随着时间的推移,网络效应随着技术的进步而发展。例如,今天我们拥有数据网络效应 —— 构建数据生态系统的平台,并利用机器学习来创造更好的产品体验。 ——Chris Dixon 341852200769254116.jpg 令牌网络效应 当网络的增长与令牌的升值一致时,会出现令牌网络效应。 从这些示例中可以看出,令牌网络效应允许飞轮随着网络变大而加速并变得更加强大。它推动项目达到临界质量,由于令牌网络效应,簇生出赢家通吃时代。
蝴蝶效应(The Butterfly Effect)是指在一个动力系统中,初始条件下微小的变化能带动整个系统的长期的巨大的连锁反应。这是一种混沌现象。
p=23050 在本文中,我们将用R语言对数据进行线性混合效应模型的拟合,然后可视化你的结果。 线性混合效应模型是在有随机效应时使用的,随机效应发生在对随机抽样的单位进行多次测量时。 检查随机效应的输出。随机变异的两个来源是什么?固定效应指的是什么? 在输出中,检查随机效应的标准差。应该有两个标准差:一个是"(截距)",一个是 "残差"。 模型公式中唯一的固定效应是所有长度测量的平均值。它被称为"(截距)",但不要与随机效应的截距相混淆。固定效应输出给了你平均值的估计值和该估计值的标准误差。 检查固定效应的结果。给出的系数与使用lm分析的分类变量的解释相同。 检查随机效应的输出。我们的混合效应模型中再次出现了两个随机误差的来源。它们是什么? 这里测试的是什么效应,随机效应还是固定效应?解释方差分析结果。 *这是一个 "按实验对象 "的重复测量设计,因为每条鱼在每个实验下被测量一次。