类别学习中的认知学习机制
来源:用户上传
作者: 陈琳 钟罗金 郑允佳 莫雷
摘要：采用归类任务，比较不同知识条件、不同特征呈现方式下，对非定义特征维度的掌握，验证类别学习的认知学习机制。结果发现对非定义特征维度的掌握，在样例特征固定位置呈现条件下较多，而在样例特征随机呈现条件下较少；在知识定义特征维度条件下较多，而在机械定义特征维度条件下较少。研究结果支持了类别学习的认知学习机制。
关键词：类别学习 认知学习机制 双机制 错误驱动
分类号：RR425
1、前言
类别学习机制的研究先后经历了规则观、原型观、样例观和多系统模型（Ashby，Alfbnso-Reese，Turken，&Waldron，1998；Bruner，Goodnow，&Austin，1956：Erickson&KnuSehke，998；Kr-uschke，1992；Krusehke&Johansen，1999；Nosof-skv。1992；Nosofsky，Palmeri，&McKinley，1994；Roseh&Mervis，1975）。这些理论均认为，学习者通过不断调整分配在不同特征维度上的注意力，积极关注对减少归类错误有用的特征来减少归类错误，即类别学习是减少归类错误的过程。因此这类理论被统称为错误驱动的类别学习理论（陈琳，莫雷。徐贵平，郑允佳，2011）。
根据错误驱动的类别学习理论，为了减少归类的错误，在类别学习中人们只关注对归类有用的特征，并且对样例特征的学习会随着归类错误的消失而停止（Ashby，Alfnso-Reese，Turken，&Waldron，1998；Erickson&Krusehke，1998；Krusehke&Jo-hansen，1999；Nosofsky，Palmeri，&McKinley，1994）。但Bott等的研究发现，在类别学习中人们会尽可能多地学习样例的特征（Bott，Hoffman，&Murphv，2007）：Blair等采用眼动技术也发现，即使在类别学习中不存在归类错误时，人们仍会继续优化对特征维度注意力的分配，并学习样例特征（Blair，Warson，&Meier，2009）。同样，根据错误驱动的类别学习理论，随着类别特征维度数的增多。特征之间的竞争加强，类别学习会变困难。但Hoffman和Murohv的研究发现，随着特征维度数的增加，类别学习的速度并未减慢：而且随着样例特征维度数的增多，人们掌握的特征维度数也增多（Hoffman，Harris，&Murohv，2008；Hoffman&Murphy，2006）。
由于错误驱动的类别学习理论在解释类别学习现象时面临窘境，有必要对类别学习的机制重新进行思考：除了错误驱动的学习机制，类别学习是否包括其他学习机制？关于人类学习的最新研究发现，人类学习同时包括联结学习机制和认知学习机制。一方面人们的学习受到事件线索联结性的影响，并且线索联结性影响对该事件线索分配的注意力：另一方面，人类学习同时是一个充满理性控制和推理的认知加工过程，学习动机、信念和知识背景都会对学习过程产生影响（Evans，2008：Le Pel-ley，Beesley&Suret，2007；Le Pelley，Oakeshott，Wills，&Mclaren，2005；Shanks，2010；陈琳，莫雷，郑允佳，2012a；陈琳，莫雷。黄平。郑允佳，2012b：莫雷，1998，1999；温红博。2008）。在前人研究的基础上。研究者提出了类别学习的双机制理论，认为类别学习同时包括错误驱动的联结学习机制和认知学习机制：（1）错误驱动的联结学习机制具有联结学习的特点。在错误驱动的联结学习机制内，类别学习过程受到减少归类错误的驱动，类别学习的目的就是最高效地完成归类任务。是任务定向的学习机制（Denton&Kruschke。2006；Kruschke etal.，2005）；（2）作为一种高级认知学习过程，类别学习同时包括认知学习机制（Bott et al.，2007；Hoffman et al.，2008；Hoffman&Murphy，2006）。在认知学习机制内，类别学习的目的不仅仅是为了完成归类任务。类别学习的目的是构建类别的整体图式，完成对类别的整体表征，因此类别学习受到学习者的学习动机、学习信念和知识背景等因素影响。在类别学习中对特征之间的关系进行表征是获得类别整体表征的重要方式（陈琳，莫雷，郑允佳，王雨函，2013）。
本研究在类别学习双机制理论观点的基础上，设置定义特征维度，考察非定义特征维度的学习情况，从而检验类别学习双机制中的认知学习机制。所谓定义特征维度即根据该特征维度可以将样例归入到正确类别中去，非定义特征维度则不具备这样的功能。如果当类别学习中存在一个定义特征维度，但人们除了掌握定义特征维度之外，还掌握了非定义特征维度。则说明类别学习包括认知学习机制。由于在认知学习机制的主导下，对特征之间的关系进行表征是获得类别整体表征的重要方式，因此，当类别学习过程中有助于发现特征之间的关系时，可以更大程度的发挥认知学习机制的作用，掌握更多的非定义特征维度。因此在本研究中，通过变化样例特征的呈现方式以及定义特征的性质，对特征之间的关系进行控制，从而检验类别学习中的认知学习机制。在本研究中，设置的两种特征呈现方式为样例特征随机和样例特征固定位置呈现，在样例特征随机呈现条件中，所有样例中每个特征的呈现位置由电脑随机决定，在样例特征固定位置呈现条件中，每个特征在所有样例中的呈现位置都固定相同。当样例特征的呈现位置固定时，由于所有特征呈现的位置都不发生改变，相对于样例特征随机呈现时更容易帮助学习者发现和掌握特征维度之间存在的关系。本研究中两种不同性质的定义特征维度分别为知识定义特征维度和机械定义特征维度。在知识定义特征维度条件中。定义特征维度为与类别主题相关的知识特征维度，在机械定义特征维度条件中，定义特征维度为与类别主题无关的机械特征维度。当定义特征维度为知识特征时，由于知识特征维度与类别主题存在相关，因此有助于学习者发现定义特征维度与其他特征维度之间存在的主题关系。 如果类别学习存在认知学习机制，预期样例特征固定位置呈现时掌握的非定义特征维度多于样例特征随机呈现时，知识定义特征维度条件下掌握的非定义特征维度要多于机械定义特征维度条件。
2、实验
2.1 实验目的
通过比较不同特征呈现方式、不同性质的定义特征维度条件下，对非定义特征维度的掌握，验证类别学习双机制中的认知学习机制，
2.2 实验方法
2.2.1 被试
112名本科生（其中男生48人，女生64人，年龄分布从20岁-25岁，平均年龄为23岁）自愿参加本实验，实验后给予被试一定的报酬。
2.2.2 实验材料
学习材料为A、B两类交通工具。每个类别包括八个样例，每个样例由八个两维的特征（1或O）构成，其中四个知识特征维度，四个机械特征维度。四个知识特征维度彼此之间存在主题相关，例如“非洲人使用”、“擅长在雨林湿地中行驶”、“车身漆防晒”、“车子通风散热效果好”描述的主题是“热带气候的交通工具”。而“爱斯基摩人使用”、“擅长在冰河上行驶”、“车身漆防冻”、“车子密闭保温效果好”描述的主题是“寒带气候的交通工具”。机械特征维度则是与两个类别的主题：“热带气候的交通工具”或“寒带气候的交通工具”无关。类别A中八个特征维度的典型特征都用1表示，类别B中八个典型特征都用0表示。类别A的原型样例表示为：11111111：类别B的原型样例为：00000000。每个特征维度上1和0指代的具体特征，见表1。
在类别中设定了一个定义特征维度。表2是特征维度1（即D1）为定义特征维度时的抽象类别结构，根据定义特征维度D1，可以正确归类两个类别中的所有样例。例如当样例的D1为l（即非洲人使用）时，样例一定属于类别A，当样例的D1为0（即爱斯基摩人使用）时，样例一定属于类别B。其余七个特征维度为非定义特征维度，根据任何一个非定义特征维度都不能对两个类别中的所有样例进行百分百正确归类。例如，根据非定义特征维度D2。当其为1（擅长在雨林湿地中行驶）时。样例既可能属于类别A也可能属于类别B。D3-D8都如此。
2.2.3 实验设计
两因素被试间的实验设计。自变量为样例特征呈现方式（随机呈现和固定方式呈现）和定义特征维度的性质（知识定义特征维度和机械定义特征维度），每种实验条件下各有28人。知识定义特征维度条件下，定义特征维度为四个知识特征维度中的任意一个，因此在知识定义特征维度条件下共有四组实验材料，D1-D4分别做定义特征维度时各有一组实验材料，被试学习哪个特征维度做定义特征维度的实验材料都进行了平衡：机械定义特征维度条件下，定义特征为四个机械特征维度中的任意一个，同理在机械定义特征维度条件下也有D5-D8各做定义特征维度的四组实验材料。
2.2.4 实验程序
实验过程包括三个阶段：预训练阶段、学习阶段和单个特征测验阶段。
在预训练阶段，电脑屏幕上首先呈现红色的“+”，“+”消失后，被试对电脑上呈现的某个定义特征维度的两个定义特征进行“A类别”或“B类别”的归类，并按下键盘上相应的键，反应时间自主决定。被试做出选择后。电脑对被试的选择反馈，被试根据反馈学习对定义特征维度的归类。例如，如果被试学习的实验材料是D1作为定义特征维度，那么在预训练阶段。被试需要学习“非洲人使用”和“爱斯基摩人使用”这两个定义特征分别属于“A类别”或“B类别”，每个定义特征重复学习7次，因此共14个trials。设定预训练阶段的目的在于考察定义特征维度的学习是否会阻碍学习阶段对非定义特征维度的学习。即当被试可以根据定义特征维度正确归类类别中的所有样例时，是否还会学习其他特征维度。
在学习阶段，所有条件下的被试都需要对A、B两个类别中的各八个样例学习归类。学习按block进行，在每个block内部，样例呈现的顺序随机，每个样例在电脑屏幕上以特征单的方式自上至下排列呈现。电脑屏幕上首先呈现红色“+”，然后呈现样例，被试对呈现样例最可能属于哪类交通工具进行归类，按下键盘上对应的“A类别”或“B类别”键，被试自主决定反应时间，电脑对被试的归类进行反馈，反馈包括归类正确与否。样例属于的正确类别，以及样例的八个特征，反馈持续五秒。在样例特征呈现方式随机条件下，每个样例中八个特征呈现的位置由电脑随机决定。在样例特征固定位置呈现条件下，定义特征维度被固定在样例的首位，其他非定义特征呈现的位置也固定不变。所有条件中的被试都需要对两个类别学习6轮。
单个特征测验阶段，两种条件下的被试都需要对所学的A、B两个类别中。八个两维特征维度的十六个特征进行单个特征归类测验。电脑首先呈现红色的“+”，然后呈现单个特征，被试判断具有该特征的样例，最可能属于哪个类别，并按下键盘上相应的类别键，被试自主决定反应时间，无反馈。电脑记录被试归类的正确率。每个特征测验一次，因此在单个特征测验阶段有十六个trial。
2.3 结果与分析
2.3.1 预训练阶段的结果
在预训练阶段，分析所有实验条件下学习定义特征维度的正确率，剔除正确率低于0.5的被试数据。对定义特征维度学习的正确率，样例特征随机呈现时，在知识特征维度条件和机械特征维度条件下分别为：0.88和0.92：样例特征固定位置呈现时，两种条件下正确率分别为：0.86和0.85，说明四种条件下的被试都认真学习了定义特征维度。
2.3.2 学习阶段的结果
删除了学习阶段归类正确率低于平均数三个标准差的被试数据，样例特征随机呈现时，知识特征维度条件和机械特征维度条件下各有24名被试，样例特征固定位置呈现时。两种条件下各有25名和24名被试。
为了考察被试每轮学习的情况。将学习轮次、特征呈现方式和定义特征维度的性质进行6×2×2混合实验设计的方差分析，其中学习轮次为被试内变量，特征呈现方式和定义特征维度的性质为被试间变量。学习轮次的主效应显著。F（5，465）=21.186，p<0.001，随着学习轮次的增多，学习者对样例归类的正确率不断提高。事后检验分析表明，第五轮、第六轮样例归类的正确率显著高于第一轮、第二轮，表3列出了每轮学习中归类的正确率。样例特征的呈现方式，定义特征维度的性质主效应都不显著：F（1，93）=0.891，p>0.1；F（1，93）=0.327，p>0.1，表4、表5分别列出了具体数据。样例特征的呈现方式、定义特征维度的性质、学习轮次之间的交互作用都不显著。说明在学习阶段对样例归类的正确率并没有表现出特征呈现方式和定义特征维度性质上的差异。 2.3.3 单个特征测验阶段的结果
由于在预训练阶段已经对定义特征维度进行了学习，因此在单个特征测验阶段，只统计7个非定义特征维度归类的正确率。具体数据参见表6。方差分析的结果表明：关于非定义特征维度归类的正确率，特征呈现方式主效应显著：F（1，93）=5.722。p<0.05，样例特征固定位置呈现条件下对非定义特征维度归类的正确率显著高于样例特征呈现位置随机条件下对非定义特征维度归类的正确率，当样例特征固定位置呈现时，有助于发现特征之间的关系，从而可以掌握更多的非定义特征维度，说明类别学习存在认知学习机制。定义特征维度性质主效应差异显著：F（1，93）=5.579，p<0.05，知识定义特征维度条件下对非定义特征归类的正确率显著高于机械定义特征维度条件，说明知识定义特征维度条件下，有利于发现特征之间的主题关系，促进对非定义特征维度的学习，支持类别学习存在认知学习机制。特征呈现方式与定义特征维度的性质之间交互作用差异不显著：F（1，93）=0.31，p>0.5。
采用Hoffman和Murphy（2006）的猜测校正公式，分别计算了每种实验条件下，被试掌握的非定义特征维度数：掌握的非定义特征维度数=（归类的正确率一归类的错误率）×非定义特征维度数，四种条件下分别掌握了3.6、2.2、4.5和3.6个非定义特征维度，再次证明类别学习包括认知学习机制。由于特征维度数是根据归类的正确率计算得来，因此掌握的特征维度数的结果与特征维度归类的正确率的结果一致，特征固定位置呈现条件下掌握的非定义特征维度显著多于特征随机呈现条件。知识定义特征维度条件下掌握的非定义特征维度显著多于机械定义特征维度条件。
3、讨论
根据认知学习机制，类别学习的目的是获取类别的整体表征。而对特征之间的关系进行表征是获得类别整体表征的重要方式，因此，当类别学习过程中有助于发现特征之间的关系时，可以更大程度的发挥认知学习机制的作用，掌握更多特征。在本研究中，通过变化样例特征的呈现方式以及定义特征性质，控制学习者对特征之间的关系的掌握，从而检验类别学习中的认知学习机制。当样例特征固定位置呈现时，相对于样例特征随机呈现时。更有利于学习者发现特征之间的关系：当定义特征维度是与主题知识相关的知识特征维度时，相对于与主题知识无关的机械特征维度。学习者更有利于发现特征之间存在的主题一致性。研究结果发现样例特征固定位置呈现条件下掌握的非定义特征维度多于样例特征随机呈现条件，知识定义特征维度条件下掌握的非定义特征维度多于机械特征维度条件，支持类别学习包括认知学习机制。本研究是Bott等人研究的进一步发展，通过证明当特征之间的关系容易被表征时，可以掌握更多的特征，再次支持类别学习中存在认知学习机制。
认知学习机制的典型特点是力图获得类别结构，进而构建整体图式，在类别学习中会尽力对特征之间的关系进行表征，从而获得各个不同的特征是如何共同表征一个客体（Bott et al.，2007）。在类别学习过程中，即使存在定义特征维度时，学习者仍会学习非定义特征维度，在本研究中。四种条件下的被试分别掌握了3.6、2.2、4.5和3.6个非定义特征维度。
类别学习存在认知学习机制，可能与类别学习本身的三个特点有关：
第一，类别特征的相关性。类别是由存在相关关系的各类特征构成（Billman&Knutson，1996），Rehder认为类别特征分为本质特征（Essential fea-tttres）和偶然特征（Accidental featttres），本质特征决定了物体是什么，偶然特征决定了物体是怎样的。例如，对于鸟来说，本质特征是具有鸟类的DNA，而有翅膀，会飞，在树上建巢，唱歌和吃种子等特征则是偶然特征（Rehder，2003a，2003b，2007）。本质特征和偶然特征之间存在相关关系，鸟会飞是因为鸟有翅膀，鸟的体重很轻。鸟之所以能够在树上建巢是因为鸟会飞，而鸟类所具有的这些特征又是跟鸟的DNA分不开。类别特征之间的相关关系，决定了当学习者感知到所学材料中包括类别时。会同时关注各类特征。
第二，类别的知识性。类别和概念是人类知识获得的重要途径，人类关于知识的构建是以类别和概念为基本单元（Collins&Ouillian，1969）。因此，当学习者感知到所学材料中包括类别时，会试图将当前所学类别与已有的知识建立联系。并利用已有的知识来整合新类别的特征信息，从而提高新类别学习的速度（Heit&Bott，2000）。而且，在类别学习中，即使学习材料与背景知识无关，人们也会利用已有的背景知识对样例特征之间的关系做出一个合理的解释（Medin&Ortonv，1989）。甚至对于存在矛盾冲突的特征，人们也会尽力找到一个理由对特征之间的矛盾之处进行解释fBott&Murphy，2007）。
第三，类别功能的多样性。类别除了具有对物体进行归类的功能外，还肩负着特征推理和言语交流等功能（Anderson，Ross，&Chin-Parker，2002；Yamauchi&Markman，1998，2000）。由于类别肩负功能的多样性，因此当学习者感知到所学材料中包括类别时，会尽可能多地学习样例的特征，以应对将来可能需要的推理等任务。尤其是在推理过程中，样例已知的特征对缺失特征的推理非常重要。因此在学习的过程中，掌握越多的特征对推理判断越有利。
关于认知学习机制与错误驱动的联结学习机制之间的关系，根据类别学习的双机制理论，在类别学习过程中，联结学习机制和认知学习机制是相辅相成同时存在的，任何一个类别学习任务的完成，都需要两种学习机制的协作。错误驱动的联结学习机制是完成归类任务的有力保障。在类别学习中一个重要目标就是完成归类任务，类别学习会受到减少归类错误的动力驱使，因此在类别学习过程中，最简单最经济的类别学习策略会受到欢迎。认知学习机制是类别学习的独特特征，由于类别本身的特殊性，类别学习任务的独特性以及类别学习功能的多重性决定了类别学习不像联结学习那样，仅仅受到减少错误的动力驱使，在类别学习过程中，人们会尽可能多的掌握类别特征，从而完成类别整体图式的建构，这是类别学习与联结学习在学习动机上最大的区别。因此，类别学习过程充满意识控制和逻辑推理，会受到学习者自身的学习动机等主观因素的影响。
此外，根据类别学习的双机制理论，类别学习的时间、类别结构、知识因素等，都会影响哪种学习机制占主导。当类别学习时间不充足时，人们只能关注可以区分归类的定义特征，没有时间关注其他非定义特征，错误驱动的联结学习机制会占主导。当类别学习时间充足时，受到认知学习机制的调控，人们掌握多个类别特征（Chen，Bott，&Mo，2013）。
类别学习的双机制理论目前还处于探索阶段，关于联结学习机制和认知学习机制之间的依存关系如何，以及两种学习机制之间是如何转换的，还需要在接下来的研究中，进一步探讨。同时，在类别学习过程中，采用哪种形式的加工方式是由认知系统决定的，还是由学习形式决定的。也是后续研究中关注的重点。
4、结论
本研究结果表明，类别学习中存在认知学习机制。当样例特征呈现方式不同、定义特征维度的性质不同时，影响对特征之间关系的掌握，从而导致学习的特征维度数不同。
转载注明来源:https://www.xzbu.com/6/view-4690880.htm
