香港中文大学心理学系全奖博士招生 | Prof. Huang

导师简介

如果你想申请作为香港中文大学 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中文大学的Prof. Huang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！

作为香港中文大学心理学系的杰出教授，黄立强导师是当今视觉认知科学领域的重要学者。教授在香港中文大学心理学系担任教授职务，在此之前，他在加州大学圣地亚哥分校（UCSD）完成博士学位，随后在普林斯顿大学进行博士后研究。教授目前主持视觉注意与知觉实验室（Visual Attention and Perception Laboratory），专注于探索人类视觉认知的基本机制。

研究领域

导师的研究兴趣主要集中在三个核心领域：视觉注意、视觉工作记忆和大规模行为实验。在教学方面，他承担心理学系的重要课程，包括感觉与知觉和主要心理学方法，这些课程为学生提供了认知心理学的基础知识和方法论训练。

导师的研究兴趣体现了认知心理学从理论建构到实证验证的完整研究路径。他被引用超过2,252次，主要研究领域包括视觉注意、视觉意识和视觉工作记忆，这些数据反映了他在该领域的重要影响力。

研究分析

1. Comprehensive exploration of visual working memory mechanisms using large-scale behavioral experiment

(Nature Communications, 2025)

这项研究基于4000万次反应的大规模行为实验，针对10,000种颜色模式，建立了视觉工作记忆的准全面探索模型QCE-VWM。该研究的重要贡献在于整合了二十年来视觉工作记忆研究的碎片化知识，创建了一个统一的理论框架。尽管模型参数大幅减少（57个参数对比30,796个），QCE-VWM在数据拟合方面超越了神经网络模型。这项工作展示了大规模行为实验在推进认知机制综合模型方面的价值，为理解人类视觉工作记忆提供了整合性框架。

2. A quasi-comprehensive exploration of the mechanisms of spatial working memory

(Nature Human Behaviour, 2023)

该研究探索了空间工作记忆功能的不同机制，进行了大规模实验（使用3540万次反应测量人类观察者对80,000种模式的空间工作记忆），并建立卷积神经网络作为基准。研究者在单一概念模型中同时探索了不同机制，回答了为什么某些空间模式比其他模式更容易记住的问题。这项研究的创新之处在于将多种经典概念整合到QCE-SWM模型中，为空间工作记忆研究提供了准全面的探索框架。该文章还获得了Jordan W. Suchow的专门评论文章，显示了其在领域内的重要影响。

3. FVS 2.0: a unifying framework for understanding the factors of visual-attentional processing

(Psychological Review, 2022)

该研究尝试从广泛的16种刺激类型×26种任务（N=1744）中提取注意加工的因子，试图结合实验研究和相关研究的优点。三个因子（即特征强度、视觉强度和空间强度）解释了绝大多数（95.4%）的潜在机制。该框架的重要发现包括特征强度和视觉强度的作用与以往理论基本一致，但也有新发现（如方向和运动不是前注意特征）。FVS框架为该研究领域的任务性质提供了全面的路线图，空间强度反映了容量限制的Boolean map的作用。

4. Unit of visual working memory: a Boolean map provides a better account than an object does

(Journal of Experimental Psychology-General, 2020)

该研究澄清了视觉注意单元的两种不同含义，即测量意义上的访问单元和划分意义上的选择单元。教授论证了对象只是选择的单元，而访问的单元更好地被描述为Boolean map，即单一特征值每个维度与地图（即一组位置）的链接。这项研究挑战了"基于对象"的账户，提出了视觉工作记忆单元的新理解，强调了空间信息的关键作用。

5. Color is processed less efficiently than orientation in change detection but more efficiently in visual search

(Psychological Science)

这项研究比较了颜色和方向在不同视觉任务中的加工效率。研究发现在变化检测任务中，颜色的加工效率低于方向，但在视觉搜索任务中，颜色的加工效率高于方向。这一发现揭示了不同视觉特征在不同认知任务中的相对优势，对理解特征加工的任务依赖性具有重要意义。

6. Visual features for perception, attention, and working memory: toward a three-factor framework

(Cognition)

该研究探索了可以定量预测视觉特征在各种范式中差异的因子，尝试以新颖的方式结合实验和相关方法的优势，通过开发个体-项目差异分析来从16种刺激类型基于它们在八种任务中的作用提取因子。大样本量（410）确保所有八种任务的信度（Cronbach's α）不少于0.975，使因子能够被精确确定。这项研究为理解视觉特征在知觉、注意和工作记忆中的作用提供了三因子框架的理论基础。

项目分析

1. Boolean Map理论发展项目

这一项目是教授早期职业生涯的核心工作，与导师Hal Pashler合作，采用传统的理论驱动方法，发展了Boolean map视觉注意理论。该项目的主要成果包括2007年发表在Psychological Review的理论文章和同年发表在Science的实证验证研究。Boolean map理论提出了一个革命性的观点：人类在某一时刻的视觉意识受限于一个Boolean map，即每个特征维度的单一特征值与一组位置的链接。这一理论挑战了传统的基于对象的注意理论，强调了特征和位置之间的根本区别。项目的重要发现包括特征访问的低效性与位置访问的高效性，以及位置变化对特征访问的干扰效应。该理论对视觉注意领域产生了深远影响，为后续二十年的研究提供了重要的理论框架。

2. FVS框架系统性探索项目

在这一阶段，教授采用"中等规模领域系统性探索"的方法，建立了FVS框架。该项目的核心目标是通过大规模的个体差异分析，系统性地探索视觉注意加工的基本因子。研究涵盖了16种刺激类型×26种任务，总计1744名被试，通过结合实验研究和相关研究的优势，提取出三个正交因子：特征强度（featural）、视觉强度（visual）和空间强度（spatial）。这三个因子解释了95.4%的潜在机制变异，为理解视觉注意加工提供了全面的理论框架。项目的重要贡献在于发现了一些新的现象，如方向和运动并非前注意特征，这挑战了传统的特征整合理论假设。FVS框架为视觉注意研究领域提供了一个系统性的分类体系，具有重要的理论价值和实用意义。

3. 大规模实验QCE模型发展项目（2020至今）

从2020年开始，教授转向进行大规模实验，主要成果是QCE-SWM空间工作记忆模型。这一项目代表了认知心理学研究方法的重要转变，采用了前所未有的大规模数据收集方法。在空间工作记忆研究中，该项目收集了3540万次反应，测量人类观察者对80,000种模式的记忆表现；在视觉工作记忆研究中，项目涉及4000万次反应和10,000种颜色模式。该项目的创新之处在于建立了QCE（准全面探索）模型，将多种经典理论机制整合到统一框架中。项目的重要发现包括模型参数的大幅简化（从30,796个参数减少到57个），同时在数据拟合方面超越了神经网络模型。这一工作展示了大规模行为实验在推进认知机制综合模型方面的巨大潜力，为未来的认知科学研究提供了新的方法论范式。

研究想法

1.跨模态工作记忆的大规模探索研究

研究背景：虽然导师在视觉工作记忆方面建立了QCE模型，但跨模态（视听触觉）工作记忆的整合机制仍缺乏系统性研究。

创新立意：

• 构建跨模态QCE-CMM（Cross-Modal Memory）模型，探索视觉、听觉、触觉信息在工作记忆中的整合机制
• 基于大规模实验（预计5000万次反应），涵盖多模态刺激组合
• 研究不同感觉模态之间的权重分配和竞争机制
• 探索跨模态工作记忆的个体差异及其神经基础

2.人工智能驱动的认知建模新范式

研究背景：导师已经展示了大规模数据在认知建模中的价值，但如何将最新的AI技术与认知理论更好结合仍有探索空间。

创新立意：

• 开发基于Transformer架构的认知模型，模拟人类注意和记忆机制
• 构建"认知-AI"双向验证系统：用认知实验验证AI模型，用AI模型预测认知现象
• 探索大语言模型在视觉认知任务中的表现与人类的差异
• 建立人机协作的认知实验新模式

3.真实世界视觉注意的生态有效性研究

研究背景：现有研究多基于实验室简化刺激，真实世界复杂环境中的视觉注意机制研究不足。

创新立意：

• 构建基于虚拟现实的大规模真实场景视觉注意数据库
• 开发移动眼动追踪技术，收集自然环境下的视觉行为数据
• 建立实验室发现与真实世界行为的桥梁模型
• 探索文化差异对视觉注意模式的影响

4.发展性视觉认知的纵向追踪研究

研究背景：导师的研究主要关注成人群体，儿童和老年人的视觉认知发展模式研究相对缺乏。

创新立意：

• 建立从婴幼儿到老年人的全生命周期视觉认知发展数据库
• 探索Boolean map和FVS框架在不同年龄群体中的适用性
• 研究认知老化对视觉工作记忆机制的影响
• 开发适用于临床评估的认知测试工具

申请建议

1.学术背景准备

核心知识要求：

• 认知心理学基础：深入理解视觉注意、工作记忆的经典理论，特别是Feature Integration Theory、Guided Search等
• 实验心理学方法：掌握行为实验设计、数据分析、统计方法（ANOVA、回归分析、因子分析等）
• 视觉科学知识：了解视觉系统的基本机制、视觉加工的层次模型
• 计算建模技能：学习认知建模方法，掌握Python/R编程，了解机器学习基础

文献阅读策略：

• 系统阅读导师的所有论文，特别是Boolean map理论和FVS框架的核心文献
• 深入研究导师合作者（Hal Pashler、Anne Treisman）的经典工作
• 关注视觉注意领域的最新进展，特别是Nature、Science、Psychological Review等顶级期刊的相关研究
• 了解大规模行为实验的方法学进展和相关技术

2.研究技能培养

• 编程能力：熟练掌握实验软件（PsychoPy、MATLAB、E-Prime）
• 数据分析：掌握大数据处理技术，学习机器学习方法
• 统计建模：学习层次线性模型、结构方程模型等高级统计方法
• 眼动技术：了解眼动追踪的基本原理和应用

3.研究经历建设

• 独立研究项目：完成至少一项关于视觉注意或工作记忆的独立研究
• 实习经历：在相关实验室积累研究经验，最好能参与数据收集和分析
• 会议发表：在心理学相关会议上发表研究成果
• 期刊论文：尝试在peer-review期刊发表研究，即使是共同作者

具体建议：

• 复现导师已发表研究中的关键实验，加深对方法和理论的理解
• 基于FVS框架，设计新的实验验证某个特定假设
• 收集小规模数据，尝试应用导师的建模方法
• 参与在线实验平台的数据收集工作

4.申请材料准备

研究计划书：

• 理论基础：清晰阐述对Boolean map理论和FVS框架的理解
• 问题导向：提出具体的研究问题，说明其理论和实践意义
• 方法创新：结合导师的大规模实验方法，提出可行的研究设计
• 预期贡献：明确说明研究的预期理论贡献和方法学价值

研究兴趣表达：

• 展示对大规模行为实验方法的兴趣和理解
• 体现对理论建构和实证验证结合的重视
• 表达对跨学科研究（认知科学、计算科学、神经科学）的开放态度
• 强调对长期、系统性研究的承诺

5.面试准备策略

学术讨论准备：

• 深度理解：能够详细解释Boolean map理论的核心假设和预测
• 批判思维：准备讨论现有理论的局限性和发展方向
• 方法论讨论：准备关于大规模实验设计和数据分析的技术问题
• 前沿追踪：了解视觉认知领域的最新进展和争议

研究视野展示：

• 展示对不同研究方法（行为、神经、计算）的整合思维
• 表达对新技术（VR/AR、AI、云计算）在认知研究中应用的兴趣
• 体现对跨文化、跨年龄群体研究的关注
• 展现对研究伦理和开放科学的重视

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。