SJT情境式儿童心理测评系统的多维度测验数据处理方法

sjt情境式儿童心理测评系统的多维度测验数据处理方法
技术领域
1.本发明涉及数据处理技术领域，特别涉及sjt情境式儿童心理测评系统的多维度测验数据处理方法。


背景技术：

2.心理健康是一个复合型概念，所涉及的内容、结构与组成绝非单一构面，可能包含着情绪方面、认知方面、自我概念、抗压性、坚韧性
…
等，如果用单一测验来进行量测，则难以一窥儿童心理健康全貌。若能对于涉及心理健康的内容进行越多构面的测量，将可以更为完整了解受试者的心理健康。而当前的心理测验技术通常只针对某一维度进行测验，这样虽然能对该维度进行准确的测验，但是忽略了其他维度的影响，从而在整体上还是存在测验精度不足的缺陷。


技术实现要素：

3.本发明实施例提供了一种sjt情境式儿童心理测评系统的多维度测验数据处理方法、装置、计算机设备及存储介质，旨在为用户提供准确的心理评估以及预警作用。
4.第一方面，本实施例提供了一种sjt情境式儿童心理测评系统的多维度测验数据处理方法，包括：
5.获取用户对于预设的多维度测验问题的测验结果；
6.基于潜在类别分析方法对所述测验结果进行统计分类；
7.利用二分方式对统计分类结果进行进行区分，得到区分结果。
8.第二方面，本实施例提供了一种sjt情境式儿童心理测评系统的多维度测验数据处理装置，包括：
9.结果获取单元，用于获取用户对于预设的多维度测验问题的测验结果；
10.统计分类单元，用于基于潜在类别分析方法对所述测验结果进行统计分类；
11.结果区分单元，用于利用二分方式对统计分类结果进行进行区分，得到区分结果。
12.第三方面，本实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的sjt情境式儿童心理测评系统的多维度测验数据处理方法。
13.第四方面，本实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的sjt情境式儿童心理测评系统的多维度测验数据处理方法。
14.本发明实施例提供了一种sjt情境式儿童心理测评系统的多维度测验数据处理方法、装置、计算机设备及存储介质，该包括：获取用户对于预设的多维度测验问题的测验结果；基于潜在类别分析方法对所述测验结果进行统计分类；利用二分方式对统计分类结果进行进行区分，得到区分结果。本实施例通过多维度测验量测受试者心理健康，并应用统计方法桥接不同的测验模组。通过本实施例提供的sjt情境式儿童心理测评系统的多维度测
验数据处理方法，可以初步评估受试者心理健康状态，进而达到预警功能。同时针对有预警的心理障碍(疾病)，能进一步进行评估与会谈。
附图说明
15.为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1为本发明实施例提供的一种sjt情境式儿童心理测评系统的多维度测验数据处理方法的流程示意图；
17.图2为本发明实施例提供的一种sjt情境式儿童心理测评系统的多维度测验数据处理方法中的子流程示意图；
18.图3为本发明实施例提供的一种sjt情境式儿童心理测评系统的多维度测验数据处理装置的示意性框图；
19.图4为本发明实施例提供的一种sjt情境式儿童心理测评系统的多维度测验数据处理装置中的子示意性框图；
20.图5为本发明实施例提供的一种sjt情境式儿童心理测评系统的多维度测验数据处理方法中的示例示意图；
21.图6为本发明实施例提供的一种sjt情境式儿童心理测评系统的多维度测验数据处理方法中的另一示例示意图。
具体实施方式
22.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
23.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
24.还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
25.还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
26.下面请参见图1，图1为本发明实施例提供的一种sjt情境式儿童心理测评系统的多维度测验数据处理方法的流程示意图，具体包括：步骤s101～s103。
27.s101、获取用户对于预设的多维度测验问题的测验结果；
28.s102、基于潜在类别分析方法对所述测验结果进行统计分类；
29.s103、利用二分方式对统计分类结果进行进行区分，得到区分结果。
30.本实施例中，预先设置多维度测验问题对用户(或者说受试者)进行心理测验，并
获取用户作答的测验结果。然后通过潜在类别分析方法对测验结果进行统计分类，并进一步通过二分方式进行结果区分，得到区分结果，该区分结果即是对于多维度测验数据的处理结果。
31.心理健康是一个复合型概念，所涉及的内容、结构与组成绝非单一构面，可能包含着情绪方面、认知方面、自我概念、抗压性、坚韧性
…
等，如果用单一测验来进行量测，则难以一窥儿童心理健康全貌。若能对于涉及心理健康的内容进行越多构面的测量，将可以更为完整了解受试者的心理健康。因此，本实施例通过多维度测验量测儿童心理健康，并应用统计方法桥接不同的测验模组。通过本实施例提供的心理测验方法，可以初步评估受试者心理健康状态，进而达到预警功能。同时针对有预警的心理障碍(疾病)，能进一步进行评估与会谈。
32.在一实施例中，所述预设的多维度测验问题为多维度情境式动画测验问题，所述情境式动画测验问题包括自我概念测验问题、情绪掌握测验问题和认知发展测验问题。
33.本实施例中，所述多维度情境式动画测验问题即是指对用户进行情景测验，所述情境测验是指在设计的情境中，让用户去解决某一个问题，以观察其从认识情境、适应情境及利用情境等条件，进而呈现其解决问题的方法。透过事先设计的情境，观察用户在该情境下的反应，而其解决方法将对应到不同的心理倾向，据此来评估用户的内在整体情况。情境测验的种类很多，表现形式可以是各种各样的，不论何种类型的情境测验，都应遵循心理测验的基本原则，尽可能使测验程度标准化。可以理解的是，本实施例所述的情景测验特别适用于儿童，而原因就在于儿童的专注力。具体来说，儿童注意力的时间长度15～45分钟，而当从事更高阶的专注力活动(如：玩拼图、写作业等)，时间更可能缩短到6～10分钟。因此，本实施例采用情境式的题目设计，让儿童能经由日常熟悉的场景、理解后再做适当的反应，同时采用动画的呈现将更能让儿童聚焦在测验的过程。在本实施例中，并不是直接去测量孩子是否有忧郁、焦虑症，是否存在自闭倾向这样的心理病征。而是采用与这些特殊行为有相关的诸如情绪、自我概念等变项，一来测量孩子是否存在心理健康上的问题；二来可以进一步检测是否存在潜在性的心理病征。情绪掌握、自我概念与认知发展来做评估，似乎是一个很抽象的概念。可是当把这些抽象的部分，转化成有情境、有画面的测验型态，让儿童在融入整个情景内做出反应，那些儿童惧怕被考试、测量的感受则并不存在，如此可以更为直觉的呈现内心的想法与感受。
34.另外，本实施例通过自我概念测验问题、情绪掌握测验问题和认知发展测验问题形成自我概念(identify)、认知发展(cognition)、情绪掌握(emotion)三个构面，成为儿童心理健康ice测验。
35.其中，“自我概念”是从婴儿时期开始发展累积而来，且在这样的基础上，延伸出未来独特的人格特质。此外，儿童发展过程中，会先建构起越来越复杂的自我概念，并藉此开始评价自己拥有的特征。根据研究，具有正向自我概念者焦虑程度较低，而负向自我概念者焦虑程度较高，而焦虑被视为心理疾病的基础；此外，当个体经验到与其自我概念不一致的行为时，会有焦虑、紧张的情绪，为了保护自己并与威胁相抗衡，因而会去否认、扭曲这些经验，而形成扭曲的自我概念，结果使他不但无法了解自己，也无法了解他人，并造成个人的适应不良。同时根据研究显示，具有高度自我概念能意识到自己的优点，同时也知道自己的缺点，对自己的多数能力感到满意，因此能在儿童心理健康发展上产生导引、解释和期望作
用，朝向更为正向的发展。这也是在本实施例中，特别将自我概念的测验放在其中一个构面的原因。
36.对于“认知发展”，孩子的专注程度是学习的”基本功”，专注力的提升会使有效学习大大的提高。因此，认知发展则以专注力作为主要评估内容，透过本实施例可以得知儿童在学习的专注程度，同时是否需要提供进一步的协助。因此，透过本实施例可以了解儿童的专注力现况，同时比对常模后更清楚知道是否达成发展水平，如此才能对于问题提供正确的介入方式。这也是在本实施例中，特别将认知发展中的专注力测验放在第二个构面的原因。
[0037]“情绪掌握”的检测则可以了解儿童在面对负向刺激的时候，会采用哪种方式来处理情绪，在了解其惯用的方式后，适时给予协助儿童调整正确的情绪表达方式。本实施例设计系列的动画，就是描述一个孩子在日常生活、学校活动都可能会发生的事件，透过他们所孰悉的场景，让孩子针对不同的解决方式去挑选，而不同的解决方式背后所指向的，就是不同的情绪策略展现。在做完一系列的情绪掌握测验题目后，就可以了解孩子面对负向刺激的时候，会采用哪种方式来处理情绪，进而区辨出这样的方式是否属于”适应性”或是”不适应性”的策略。另外，考虑到不适应性的例如“逃避”、“抑制”等策略与忧郁及焦虑病症有中度的正相关，因为“逃避”和“逃避”虽然短时间内可减少情绪的表达，但其却无助于有效降低个体的负向情绪。至于适应性策略部分，“接受”、“问题解决”、“重新评价”策略与忧虑及焦虑病症之相关则大多呈低度的负相关。这样的研究反应出两件事情，第一，儿童会发展出不同的情绪调节策略；第二，不适应性策略的”出现”会比适应性策略的”缺乏”，对儿童心理健康有更不好的影响。因此，情绪方面的测验，对于儿童的影响就在于，大人如何帮助孩子调整情绪表达方式，否则一旦孩子长久习惯使用不适应的情绪策略，对于心理健康是有很大的影响。这也是在本实施例中，特别将情绪掌握的测验放在其中第三个构面的原因。虽然如果能对于涉及心理健康的内容进行越多构面的测量，将可以更为完整了解受试者的心理健康，但实际上却无法将所有的测验均实施在儿童受试者身上，因此需要对于相关测验进行挑选，并透过后端数据进一步分析，找出关键性的指标，目的就是希望运用测验与统计等技术，达到有效的儿童心理健康测量。因此，本实施例集结了自我概念(identify)、情绪掌握(emotion)、认知发展(cognition)三个构面，成为儿童心理健康ice测验。
[0038]
在一实施例中，如图2所示，所述步骤s102包括：步骤s201～s203。
[0039]
s201、通过潜在类别分析方法对每一情境式动画测验问题构建潜在类别模型；
[0040]
s202、利用选模准则从所有潜在类别模型中选取最佳类别模型；
[0041]
s203、基于所述最佳类别模型对所述测验结果进行统计分类。
[0042]
本实施例中，引用潜在类别分析方法，依据受试者每一题作答的是与否，建立潜在类别模型，并依据选模准则在众多潜在类别模型中选择一个最佳类别模型，而后将受试者进行心理障碍(疾病)分类。在心理测验过程中，每种测验都具有其目的性，然而心理健康则是一个复合式概念，绝非只有一单指标或测验即可完整描述。因此在这样多元的概念之下，一份心理测康量表或测验通常包含许多构面的概念，故本实施例欲将三个构面模组的反应组型运用统计分析软体，找出最适配的潜在类别模型(即所述最佳类别模型)来对测验结果进行统计分类，进而能对儿童心理健康正确指向心理障碍(疾病)提供重要依据。潜在类别分析方法(latent classanalysis，lca)的假设前提是潜在的特质是用类别(category)作
为变项，这些类别变项依题目的特性可以是阶层的连续性，也可以是平行共存而没有阶层关联，对于常常使用量尺作为分数的心理测验来说，更能洽当的作为输入变项。本实施例的基本原理为：在同一个潜在特质中，假设试题符合局部独立性，便可以根据受试者答题的反应组型及模式与资料的适配度，能寻找适合的组数与结构。结合图5所示，心理测验的总样本中包括三个小样本，且分别对应潜在类别1(自我概念)、潜在类别2(情绪掌握)和潜在类别3(认知发展)。其中，潜在类别1可能关联指向忧郁、焦虑、adhd等其他心理障碍；潜在类别2可能关联指向妥芮氏、adhd和自闭等心理障碍；潜在类别3可能关联指向焦虑、暴力倾向、自闭等其他心理障碍。
[0043]
在一实施例中，所述选模准则为贝叶斯信息准则。
[0044]
由于心理测验的主要目的为：有或没有心理障碍问题，并区分是何种问题。因此，如何依据受试者的测验结果，分类到可能的心理障碍(疾病)，因此分类选模在应用上极为重要，好的模式可以提供正确的变数关系或者提供比较好的预测，反之可能导致变数关系的误导。在输入数据后透过统计分析软体，报表第一个为适配指标，其中aic(akaike information criterion，赤池信息准则)、bic(bayesian information criterion，贝叶斯信息准则)可用来判断具体群组数量划分，以aic、bic最小者即为较佳的分群数。早期大部分是以回归模型中解释变数的选取为起点。本实施例采用bic作为选模准则，bic是一个具有一致性的选模方法，也就是当候选模式包含真正的模式时，bic所选出之模式为正确模式的机率趋近于1，反之，也不会有度适配的问题，原因是bic的惩罚函数的系数为log n，一般都会大于aic的惩罚函数的系数2。
[0045]
在一实施例中，所述步骤s103包括：
[0046]
根据所述统计分类结果获取截切分数；
[0047]
基于所述截切分数，确定位于所述截切分数以上的第一分数以及位于截切分数以下的第二分数；
[0048]
对所述第一分数和第二分数分别进行转码，并将转码结果作为心理测验结果。
[0049]
本实施例中，在进行lca前，由于原先各变项的原始分数属于连续变项，当以原始分数进行lca时，发现潜在类别若超过16类时，虽仍可继续分出更多的类别，但却无法提供简要的分类结果。换言之，以多个连续变项进行lca，有时会得到难以理解或过多的类别数量及类别组型。因此，数据转化有助于得到单纯的分类结果。同时，本实施例主要目的为区分出儿童”是”、”否”具有心理障碍问题，属于二分切分。综上所述，本实施例采用二分方式更适合将各变项分数转成二元计分(“有”或“没有”)的形式，即将各数据向度依据统计结果找出截切分数。在截切分数以上的分数，将其转码为1(即“有”)，而低于切截分数之分数，则将其转码为0(即“没有”)。进一步的，对于转码为0的测验结果，则可以判定为不具有心理障碍问题，对于转码为1的测验结果，则可以判定为具有心理障碍问题。
[0050]
例如在自我概念测验上，共有10道题目来测量受试者在”行为”向度的分数，每题均以”是”或”不是”来作答，当答题为”是”则得一分，反之则得零分(反向题则做相反计分)，因此该向度分数区间为0到10分，若以该连续变项进行分析，则会因变量过多而跑出相当多类别，无法提供简要的分类结果，因此发明者将资料做转化。根据预试样本分析结果，7分以下的受试者在”行为”向度上约有96％属于正常范围，而超过7分则有极高机率显示在该项度上会有行为问题存在。因此以7分做为截切分数，亦即依0
‑
7分、8
‑
10分作为两组的分数。
其他在认知发展与情绪掌握均依相同过程而得出不同的截切分数。
[0051]
在一实施例中，所述sjt情境式儿童心理测评系统的多维度测验数据处理方法还包括：
[0052]
分别将自我概念、情绪掌握和认知发展作为潜在变项，并将所述自我概念、情绪掌握和认知发展各自对应的自我概念测验问题、情绪掌握测验问题和认知发展测验问题作为观察变项；
[0053]
基于所述观察变项和潜在变项，利用最佳类别模型所述分别为自我概念、情绪掌握和认知发展构建分析模式图；
[0054]
根据所述分析模式图获取所述潜在变项和观察变项的验证参数，并通过所述验证参数判断最佳类别模型性能。
[0055]
本实施例中，对选取的最佳类别模型进行性能测验，具体则是将自我概念、情绪掌握和认知发展作为潜在变项，同时自我概念测验问题、情绪掌握测验问题和认知发展测验问题作为观察变项。通过为潜在变项和观察变项构建分析模式图，可以得到对应的验证参数，以此确定所述最佳类别模型性能参数。例如以儿童情绪掌握测验为例，在验证性因素模式中，如图6所示，将“情绪掌握”当作潜在变项，以er代表，而a至g七个情境题项则作为观察变项(a～g代表本实施例中有关情绪掌握的七道情境题目)。在检验模式的适配度前，先检查儿童情绪掌握测验是否有违反估计的情形，从表1、表2可知，情绪掌握潜在变项对观察变项的回归系皆数(*p)均达0.05的水平，而误差变异部分皆无负值并达显着水平。至于标准化参数估计值部分，除了f外，其余皆符合估计参数之间相关的绝对值不能太接近1标准皆系数，标准误皆小于1，未明显过大，其因素负荷量也皆大于0.3。
[0056][0057]
*p<0.05
[0058]
表1
[0059][0060]
*p<.05
[0061]
表2
[0062]
表3为儿童情绪掌握测验验证性因素分析整体模式适配度考验结果，在绝对适配度部分，可知模式χ2为20.21，p＝0.12，未达0.05的水平，显示模式与观察数据是适配的；至于其他指标，gfi(拟合优度指数)＝0.99、agfi(调整拟合优度指数)＝0.98，皆大于0.90，rmsea(近似误差均方根)为0.03，小于标准0.05，属于良好适配，最后正规化卡方值是1.44，符合小于3的标准。接着在增值适配度部分，nfi(基准拟合指数)、nnfi(非基准拟合指数)、cfi(比较拟合指数)分别为0.94、0.97、0.98，皆大于0.90标准。最后在简效适配度，pnfi(模式精简程度指数)为0.63，大于0.50标准，pgfi(简约拟合优度指数)为0.50，虽未大于0.50标准。但接近标准边缘，以尚可接受。从三类的适配度指标来看，儿童情绪掌握测验模式适合度佳，具有一定的建构效度。
[0063][0064]
表3
[0065]
在一实施例中，所述sjt情境式儿童心理测评系统的多维度测验数据处理方法还包括：
[0066]
基于所述区分结果构建心理数据报表，并将所述心理数据报表与不同的心理障碍相关联。
[0067]
本实施例中，通过构建心理数据报表将心理测验结果与心理障碍相关联。例如依照心理数据报表中的自我概念(4类)、情绪掌握(8类)、认知发展(3类)，将分组至儿童常见的心理障碍(疾病)中，使同一组的心理障碍(疾病)具有相似的特征。故在外显变量中放入这些类别变项，并透过统计软体进行分析。通过分析可以得到报表数据的条件机率，说明在自我概念(4类)、情绪掌握(8类)、认知发展(3类)为某一心理障碍(疾病)的机率，如此即可得到诸如在注意力过动/缺乏症(adhd)、亚斯伯格、自闭症等等儿童常见的心理障碍(疾病)机率。即成为本实施例中ice测验如何链接到儿童心理障碍(疾病)的技术。基于对应心理障碍(疾病)的结果，能进一步使用该心理障碍(疾病)的会谈工具，为受测者做评估与诊断，了解是否为该心理障碍(疾病)确诊者、可能性确诊者、非确诊者。
[0068]
图3为本发明实施例提供的一种sjt情境式儿童心理测评系统的多维度测验数据处理装置300的示意性框图，该装置300具体包括：
[0069]
结果获取单元301，用于获取用户对于预设的多维度测验问题的测验结果；
[0070]
统计分类单元302，用于基于潜在类别分析方法对所述测验结果进行统计分类；
[0071]
结果区分单元303，用于利用二分方式对统计分类结果进行进行区分，得到区分结果。
[0072]
在一实施例中，所述预设的多维度测验问题为多维度情境式动画测验问题，所述
情境式动画测验问题包括自我概念测验问题、情绪掌握测验问题和认知发展测验问题。
[0073]
在一实施例中，如图4所示，所述统计分类单元302包括：
[0074]
模型构建单元401，用于通过潜在类别分析方法对每一情境式动画测验问题构建潜在类别模型；
[0075]
模型选取单元402，用于利用选模准则从所有潜在类别模型中选取最佳类别模型；
[0076]
模型分类单元403，用于基于所述最佳类别模型对所述测验结果进行统计分类。
[0077]
在一实施例中，所述选模准则为贝叶斯信息准则。
[0078]
在一实施例中，所述结果区分单元303包括：
[0079]
截切分数获取单元，用于根据所述统计分类结果获取截切分数；
[0080]
分数确定单元，用于基于所述截切分数，确定位于所述截切分数以上的第一分数以及位于截切分数以下的第二分数；
[0081]
分数转码单元，用于对所述第一分数和第二分数分别进行转码，并将转码结果作为心理测验结果。
[0082]
在一实施例中，所述sjt情境式儿童心理测评系统的多维度测验数据处理装置300还包括：
[0083]
变项设置单元，用于分别将自我概念、情绪掌握和认知发展作为潜在变项，并将所述自我概念、情绪掌握和认知发展各自对应的自我概念测验问题、情绪掌握测验问题和认知发展测验问题作为观察变项；
[0084]
模式图构建单元，用于基于所述观察变项和潜在变项，利用最佳类别模型所述分别为自我概念、情绪掌握和认知发展构建分析模式图；
[0085]
性能验证单元，用于根据所述分析模式图获取所述潜在变项和观察变项的验证参数，并通过所述验证参数判断最佳类别模型性能。
[0086]
在一实施例中，所述sjt情境式儿童心理测评系统的多维度测验数据处理装置300还包括：
[0087]
障碍关联单元，用于基于所述区分结果构建心理数据报表，并将所述心理数据报表与不同的心理障碍相关联。
[0088]
由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
[0089]
本发明实施例还提供了一种计算机可读存储介质，其上存有计算机程序，该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：u盘、移动硬盘、只读存储器(read
‑
only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0090]
本发明实施例还提供了一种计算机设备，可以包括存储器和处理器，存储器中存有计算机程序，处理器调用存储器中的计算机程序时，可以实现上述实施例所提供的步骤。当然计算机设备还可以包括各种网络接口，电源等组件。
[0091]
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还
可以对本技术进行若干改进和修饰，这些改进和修饰也落入本技术权利要求的保护范围内。
[0092]
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的状况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。