计算心理学新手教程

从文献搜索到项目实战，帮助你系统掌握计算心理学研究的完整工作流。

欢迎

欢迎来到《计算心理学新手教程》！

如果你是心理学、认知科学、神经科学的研究生（或本科生），正在学习或使用：

  • 实验设计与数据分析
  • 计算建模与参数拟合
  • 神经影像（fMRI、EEG）或生理数据
  • 编程工具（R、Python、MATLAB）

但是电脑在此之前主要被你用来看视频与打游戏，而你完全不知道该从哪里开始工作，那么这份教程就是为你准备的。

本教程的特点

🎯 全流程覆盖

从文献阅读、实验设计、数据分析，到计算建模、编程实现、项目落地，覆盖科研完整链条。

💡 概念优先

不仅教"怎么做"，更强调"为什么这样做"。帮助你建立系统化的认知框架，而非碎片化的技巧堆砌。

🛠️ 实践导向

每章都配有练习与思考题，鼓励你在实际项目中应用所学。

🔗 跨学科整合

融合心理学、计算建模、神经科学、编程开发的知识，帮助你建立跨领域视角。

适用人群

✅ 心理学/认知科学/神经科学研究生
✅ 需要使用计算模型的科研新手
✅ 想系统学习科研工作流的本科生
✅ 希望提升编程与数据分析能力的研究者

❌ 已有丰富科研经验的研究者（可能觉得内容过于基础）
❌ 纯粹的机器学习/深度学习工程师（本教程侧重科研而非工程）

本教材预设读者拥有实验心理学、心理统计学、认知心理学等知识基础。

学习路径

本教程共七个部分，建议按顺序学习：

Part 1 | 学术基础

学会找文献、读文献、用AI辅助科研。

Part 2 | 实验设计

（暂未补充）理解实验设计的规范与数据质量控制。

Part 3 | 计算模型

理解计算模型的价值，掌握参数拟合与模型比较，学习经典模型（强化学习、贝叶斯、DDM）。

Part 4 | 神经科学

神经信号测量与分析逻辑。

Part 5 | 编程基础

建立系统性编程思维，理解OS、环境、包、IDE等核心概念。

Part 6 | 工具实战

（暂未补充）MATLAB、R、Python、Jupyter的实际应用。

Part 7 | 项目实战

（暂未补充）综合应用，完整走通一个研究项目。

如何使用本教程

初学者路径

按顺序学习 Part 1 → Part 3 → Part 5，建立基础框架后再深入其他部分。

按需查阅

如果已有一定基础，可以直接跳转到感兴趣的章节。每章相对独立，可单独阅读。

实践为主

不要只看不做。每章的练习题都建议完成，在实际项目中应用所学才能真正掌握。

配合AI学习

本教程第3章专门讲解如何使用AI辅助学习。建议结合Claude、GPT等工具，遇到不懂的概念立即提问。

学习建议

小步快跑
不要一次性学完所有内容。每周完成1-2章，边学边实践。

建立知识库
用Zotero管理文献，用笔记软件记录学习要点。本教程是框架，你需要填充自己的内容。

加入社区
与同门、同学讨论，分享学习心得。教是最好的学。

持续更新
科研方法和工具在不断演进。定期回顾，更新自己的工作流。

贡献与反馈

本教程是开源项目，欢迎通过以下方式参与：

致谢

感谢Kimi、Gemini为创作本教材提供主要技术支持。

准备好了吗？ 从 Part 1 学术基础 开始你的学习之旅吧！