内隐学习研究４０年

来源:用户上传      作者: 朱　磊　杨治良

　　摘　要　内隐学习至今已有40年的研究历史。在这期间，内隐学习的研究对象、研究方法和本质特征都得到了深入和扩展。主要体现在：内隐学习的研究材料从同时性刺激走向序时性刺激；内隐学习的研究方法从主观阈限的测量逐渐扩展到客观阈限测量，又再回到主观阈限测量之上；内隐学习的本质特征从抽象到具体，再落脚于熟悉性。
　　关键词　同时性刺激，序列性刺激，主观阈限，客观阈限，抽象性。
　　分类号B842
　　
　　1 引言
　　
　　自从1967年，美国心理学家A. S. Reber发表的文章――《人工语法的内隐学习》[1]（Implicit Learning of Artificial Grammar）算起，内隐学习的研究已有将近40年的历史。在这40年中，内隐学习的理论、方法和应用都有了长足的进步。本文拟搜寻内隐学习发展中的三根主线，以把握内隐学习这40年来发展的脉络和动因。
　　
　　2 同时性刺激→序列性刺激
　　
　　内隐学习研究历史上的一个最为重要的突破可以说是20世纪80年代末开始序列性刺激的研究逐步丰富起来。从最早关注同时性刺激到后来逐步关注序列性刺激的转变可以说是内隐学习各大研究范式更替的根本动因，也是内隐学习研究拓展到更多应用领域的根本动因。
　　1967年，Reber的首例人工语法实验轰动了全世界。人工语法实验的典型特征就是在学习阶段，合法字符串都必须一次性同时呈现给被试，要求被试对此进行记忆，或发现各个字符串中隐含的规则。在Reber之后，许多研究者对此类同时性刺激的内隐学习产生了浓厚的兴趣。其中，尤为突出的就是Broadbent（1977）的研究[2]。在实验中，Broadbent要求被试对城市交通运输系统中同时呈现的几个变量――两辆车之间的始发间隔时间、停车费、每辆车的乘车人数、空的车位数――进行控制，以使乘车人数和空车位数达到预定值。其中，乘车人数随始发时间间隔增长而呈线形增长，空车位数随停车费的增长而线形增长，乘车人数随停车费的增长而线形增长，而空车位数随始发时间间隔的增长而线形减少。结果发现：尽管被试操纵同时呈现的几个变量的能力在逐渐改善，但是却无法外显地说出变量间的隐含关系。这就是著名的复杂系统控制范式（control of complex system paradigm）的经典研究。
　　可见，20世纪六七十年代，不管是人工语法范式，还是复杂系统控制范式，研究的重点为同时性刺激结构的内隐习得过程。然而，同时性刺激结构并不能符合所有的现实生活情景，自然言语、运动技能、音乐节奏知觉等都是显而易见的习得序列结构的例子。例如：在和他人对话时，人们可以根据前面所表达的意思，成功地预测他人所要表达的下一个词是什么，但却无法说出这些预测所依据的语法或是语言序列的限制。从这层意义上来说，虽然人工语法借鉴了自然语言的语法图解释，但是关于语法图的知识却不能和真正的语言等同：人工语法实验采用同时性刺激，然而真正的语言总是顺序地发生在时间轴线上，具有方向性的前后关系。于是，受到许多现实生活事例的启发，20世纪80年代末开始，许多研究者发现在关注同时性刺激的同时，内隐学习研究还必须关注序列性刺激。Nissen和Bullemer（1987）、Lewicki、Czyzewska和Hoffman（1987）、Kushner，Cleeremans和Reber（1991）先后提出了序列反应时（serial reaction time ，SRT）任务、矩阵扫描（matrix scanning）任务、序列预测（sequence prediction）任务，这些研究共同标志着序列学习范式（sequence learning paradigm）诞生[2-4]。此后，大量研究者对序列性刺激的内隐学习过程进行了研究，揭示了内隐序列学习的知识表征、注意需求、神经生理机制等[5~10]。
　　内隐序列学习研究的深入，使得内隐学习不再局限于深奥的实验室理论研究，而可以向许多本身就存在序列结构的应用领域拓展。Ellis（1993）采用序列学习范式研究了英语被试获得某威尔士语法规则的过程[11]。实验中，他将被试分为三组：随意学习者（random learners）只看到一些随机排列的实例；语法学习者（grammer learners）只学习语法规则；结构学习者（structured learners）看到规则在实例中的应用，并要求被试依次将威尔士单词或短语序列翻译成英语。结果发现随意学习者速度最快，但成绩差，他们迅速学会了最初的学习材料，但对潜在规则系统掌握极少，语法学习者的学习速度较慢，但成绩较好，他们学习规则时需要花费相当多的时间，但外显测验的总成绩很好，只是这种规则不能很好地运用于实践；结构学习组速度最慢，成绩最好，虽然学习时间花费最多，但他们能够提取语法规则的实用模式。另外，国内学者朱滢等人也运用词干补笔的方法提高了学生的外语单词学习水平[12]。除了自然言语，还有研究者顺利地将内隐序列学习扩展到运动技能领域。Nilsson等人（1992）发现自然的人类动作是可以产生内隐学习的，而扭曲的、不自然的动作则没有任何内隐启动作用[13]。McLeod和Dienes（1993）发现被试在跑步抓板球的一系列运动过程中，始终保持视线与地面的夹角的正切值的变化率恒定，然而被试却对自己的序列运动中所采用的规则一无所知[14]。此外，内隐序列学习也发生在书法知觉预期中。Kandel等人（2000）发现被试根据英文书写体预测下一字母的能力取决于前面字母书写体中拐弯点的切向速度的分布，并且被试对书写体中拐点切向速度分布的加工处于无意识水平，即内隐加工[15]。最后，甚至有研究者发现人们通常认为的那些必须通过专业训练才能获得的节奏感也是内隐序列学习的结果。Olson和Chun（2001）采用序列学习范式对节奏知觉进行了研究[16]，结果发现当目标刺激的前四个项目序列按照特定时间节律（比如：80ms、360ms、1080ms、680ms）呈现时，比按照随机时间间隔呈现，对目标刺激的反应时更短。
　　综上，内隐学习的刺激呈现方式有同时和序列两种，将两者更好地结合在一起，可能是促进内隐学习研究进一步发展的契机。
　　
　　3 主观阈限→客观阈限→主观阈限
　　
　　综上，同时性刺激向序列性刺激的转变归根结底是源自于外部动因――更好地解释许多现实应用情景。当然，内隐学习研究的发展除了这些外部动因外，还有其内部原因。
　　众所周知，内隐学习是相对于外显学习提出的，内隐学习不同于外显学习的最为重要的特征便是知识的内隐性。于是，证明内隐学习中所获得的知识是内隐的便成为内隐学习研究的首要目的。这一目的推动研究者们竞相设计各种评判知识内隐性的方法和标准，构成一股内部动力，促使评判内隐性的标准不断发展――从主观阈限到客观阈限再到主观阈限。
　　最早的人工语法范式采用主观阈限作为衡量知识内隐性的标准。所谓主观阈限就是指当被试不相信他们拥有这些知识，并且不能自由回忆这些知识时，便认为知识是内隐的。据此，许多人工语法实验常要求被试对分类标准进行自由言语报告[1,17~21]，从而证实知识的内隐性，当被试在分类任务中的表现显著高于随机水平，却无法用言语报告分类规则时，这部分知识便被认为是内隐的。然而，言语报告存在局限――无法正确表达意识知识[22~24]，体现于以下三点：（1）被试不会报告那些他们并不确信的知识，如果告知被试宁可说错也不能漏报时，被试就可能会报告出分类规则，因此言语报告的失败只能部分地证明知识是内隐的；（2）被试的言语报告在决策后的某个时间进行，被试可能已经忘记了他们在任务中所使用的部分知识；（3）被试报告什么，通常与他们认为实验者想得到什么有关。比如：被试分类的依据是识记实例间的相似性，但是他们认为实验者想听到有关规则的内容，这时言语报告更多的是有关规则的内容。言语报告的局限使得某些意识层面的知识无法显现，不能通过言语报告出来的知识也不一定是内隐的。

　　可见，用言语报告上的失败作为评判知识内隐性的标准可能不能成立。从而，许多研究者开始寻找各种客观阈限来评价知识的内隐性。客观阈限是指当知识不能由迫选测验提取时，知识便是内隐的。复杂系统控制范式一般使用迫选测验作为外显指标，研究者往往要求被试在完成复杂系统控制任务后，对一系列涉及系统变量间关系的选择题做答[2,25,26]，当成绩处于随机水平时，便可认为知识是内隐的。客观阈限很好地解决了言语报告主观阈限的某些问题，比如：由于信心缺失导致言语报告不可靠的问题，因此许多研究者将其引入内隐序列学习领域。Willingham、Nissen和Bullemer（1989）设计了一项类似迫选测验的产生任务（generate task），即向被试同时呈现规则序列的一部分，要求被试预测并选择下一个项目的位置，结果发现虽然被试在序列反应时任务中的表现有明显改善，但在产生任务上的表现却近似于随机水平[27]。Olson和Chun（2001）的迫选测验任务则是要求被试再认出符合规则的序列，以此作为外显指标[15]。到此，不难发现诸如产生任务和再认等迫选测验与某些内隐测验过于类似。Olson和Chun的再认任务和Reber语法中的分类任务异曲同工，而产生任务则与Kushner、Cleeremans和Reber（1991）的序列预测（sequence prediction）任务极其相似，由此可知，迫选测验既可用作外显知识的指标，也可用作内隐知识的指标。那么，迫选测验何时用作外显知识的指标，何时用作内隐知识的指标呢？可见，迫选测验划分内隐和外显知识的界限十分模糊，客观阈限可能无法作为衡量知识内隐性的可靠标准。
　　鉴于客观阈限的局限性，有研究者开始重新考虑使用主观阈限作为衡量知识内隐性的标准。Dienes等人改良了传统的言语报告，提出主观阈限的另一种形式――主观测量（subjective measure）。主观测量的理论基础为Rosenthal（1984）提出的高级观念理论（High order thought theory，简称HOT理论）[28]。Rosenthal认为对于某一心理状态有意识时，我们就会产生关于这一心理状态的观念或想法。比如：心理状态是“看见的单词是butter”，那么当人们想“我看见单词butter”时，这一心理状态便是有意识的。对于某一心理状态有意识，就是用一个比心理状态更高层次的高级观念来表征个体自己正处于这一心理状态。可以说，任何评估知识内隐性的标准都对相应的HOT进行了不同程度的评估。然而，上述言语报告由于信心缺乏、遗忘和要求特征等问题可能无法正确表达HOT。据此，Dienes和Berry（1997）提出用能避免上述三种缺陷的正确率估计或信心评价代替言语报告，来表达HOT，这种衡量知识内隐性的标准被称为主观测量[29~31]。
　　进一步，Dienes和Berry提出了两种可用于内隐学习领域的主观测量。其一为猜测标准（guessing criterion），即被试的表现高于基线水平，但却声称他们仅仅在猜测时，表明他们的知识是内隐的。猜测标准的设想最早来自于Cheesman和Merikle（1984）的实验[32]。实验中，研究者给被试呈现四个色词中的一个，紧跟着不同步呈现（stimulus onset asynchrony，简称SOA）掩蔽刺激，要求被试报告呈现的是哪个色词。在每组试验后，要求被试估计他们报告正确的百分比，如果被试的估计结果为25％，则表示被试的反应不是基于任何信息（他们看到的刺激），而是基于猜测，100％则表示完全置信。每组试验后，降低SOA（掩蔽刺激和靶刺激间的不同步性），直到被试认为他们的反应完全是猜测。但事实上，实验者却发现，在被试的这个主观阈限处，他们的客观区分能力仍高于随机水平（66％）。这提示后来的研究者们，猜测标准能够判定知识的内隐性。其二为零相关标准（Zero-correlation criterion），它关注的是同一个被试在作判断时的信心和准确度间的相关。如果信心和准确性之间没有相关，则意味着被试不能区分能提供知识的心理状态和仅基于猜测的心理状态，因此，心理状态是内隐的。
　　综上，评判内隐性的标准从主观阈限到客观阈限再到主观阈限的发展标志着内隐学习的研究不断科学化。从中，我们不难发现主观阈限和客观阈限并非谁优谁劣，而是如何有效地使用两种方法，使其发挥作用，就像较之言语报告，主观测量更有效地展示了主观阈限的优势。
　　
　　4 抽象性→具体性→熟悉性
　　
　　内隐学习发展的另一个内部动因是有关抽象性问题的争论。除了内隐学习研究独特的任务――验证内隐性外，所有学习研究都必须关注一个根本性问题――习得了什么知识？内隐学习也不例外。人们在内隐学习中所获得的知识是有关规则的抽象知识、还有有关范例的具体知识、抑或仅是一种熟悉性？大量研究者前赴后继地对该问题进行了探讨，使人们对于该问题的理解不断深入。
　　Reber（1969）首先提出内隐学习具有抽象性，并用实验验证了这一点[33]。在实验中，他首先要求被试记忆一些由一种人工语法生成的字母串，然后将被试分为三组，对于规则改变组，接下来的字符串使用与前面相同的字母，但其中隐含的语法规则却截然不同；对字母改变组，语法规则不变，但使用新的字母；对于控制组，不做任何改变。结果发现：语法规则的改变明显降低了被试的成绩，而字母串物理形式的改变对成绩未产生不良影响。这说明内隐学习所获得的知识是有关人工语法的抽象知识，它并不受外在物理形式的制约[34]。此后，Reber和Lewis（1977）使用词谜任务探讨了内隐学习的抽象性问题[17]。他们的实验中，被试在完成人工语法任务后，还必须完成词谜任务，即将字母顺序颠倒的字母串调整成合法字母串。Reber和Lewis设想：如果被试在学习阶段只获得了一些有关范例的具体的知识，那么他在解决词谜问题时，将任意排列的字母串调整成为符合语法的字母串的数量是有限的，至多不会超过所学范例的数量；反之，如果被试从范例中抽取出一般的规则性知识，那么他在解决词谜问题时，把不合语法的字母串调整成符合合法字母串的可能性就较大。结果发现，被试调整正确的字母串数量远比范例中所提供的合法字母串多。因此，Reber和Lewis认为，被试获得了抽象的反映语法结构的知识[35]。
　　然而，后续的一些研究则发现内隐学习所获得的可能并非完全是有关规则的抽象知识。1978年，Brooks提出学习所获得的不是抽象知识，被试对新项目的正确判断凭借的是新、旧项目储存痕迹之间表面的相似性[36]。Brooks用实验验证了这一观点。实验材料为两套由不同语法生成的字母串。实验使用配对联想学习，即两套字母串分别与描写新世界的单词或旧世界的单词配对。在实验中，Brooks将被试分为两组，告诉一组被试字母串和单词间的配对关系，而另一组被试对此一无所知。结果得知配对关系的的被试能顺利地区分出合法与非法字母串；不知道配对关系的被试则不能区分。由此Brooks推论，有关范例的配对描述易化了内隐学习，内隐学习获得的可能仅是诸如此类的相似或联系。McAndrews和Moscovitch（1985）也用实验验证除了抽象的语法之外，相似性在内隐学习中起着非常重要的作用[37]。此外，Mathews等人（1989）采用Reber的研究模式发现内隐学习依赖于范例的物理特征，即当字母集改变，而保持规则不变时，被试的成绩也明显下降[38]。

　　据此，Perruchet和Pacteau（1990）提出内隐学习获得的仅是有关范式中某些单元的具体知识，他们称之为碎片知识（fragment knowledge）。Perruchet和Pacteau认为Reber（1969）的实验结果是值得怀疑的，因为语法规则在不同字母集间的迁移效应十分微小。另外，他们通过实验验证了内隐学习的具体性。他们的实验要求被试在完成人工语法实验后，对于字母串中的某些字母单元（比如：字母串的长度为5~9个字符，字母单元则可能只由两个字母组成）进行合法程度的判断，结果发现合法性判断的分值可以用来解释整体范例的分类成绩，并且在分类任务中，被试之所以判断非语法范例不符合语法，是因为它们包含了不合法的字母单元。然而，Gomez和Schvaneveldt（1994）对Perruchet和Pacteau的观点提出了质疑，他们发现让被试学习整个字母串，被试在操作中能够表现出迁移效应，而孤立学习字母串中的字母对的被试，则在操作中没有表现出迁移效应，据此，他们认为内隐学习可能不仅仅获得范例片断的具体知识。[39]
　　当持抽象性观点和持具体性观点的研究者们争执不下时，有研究者又提出了一种新的更折中的观点――重复次数决定了内隐学习的效率[40]。换句话说，就是某个范例片断重复性越高，被试就会对此越熟悉，因此也就越容易做出判断，即内隐学习可能仅是获得一种熟悉感。为了验证这一观点，Stadler设计了3种序列：（1）低重复序列；（2）中重复序列；（3）高重复序列。在实验中要求被试对屏幕中星号出现的位置进行反应，星号序列成以10次试验为一组的规则反复序列，对于低重复序列来说，星号出现的位置依次是“BDBCABADAC”，其中不存在任何重复的两次或两次以上试验组成的游程，对于中重复序列而言，星号出现的位置依次是“BDBCABCDBC”，两次试验组成的游程“BC”在序列中出现三次，两次试验组成的游程“DB”在序列中出现两次，三次试验组成的游程“DBC”在序列中出现两次，对于高重复序列而言，星号出现的位置依次是“BDBCABDBCD”，两次试验组成的游程“BC”和“BD”各出现两次，两次试验组成的游程“DB”出现三次，三次试验组成的游程“BDB”和“DBC”各出现两次，四次试验组成的游程“BDBC”出现两次。结果发现对高重复序列的学习效果最好，其次是中重复序列，后面是低重复序列。可见，重复次数的确会影响内隐学习，即内隐学习获得熟悉感。
　　进而，Hunt和Aslin（2001）指出可以用（统计）频次信息来代表重复次数和熟悉性[41]。所以，从根本上来说，内隐学习其实可能既不是获得抽象规则，也不是获得有关范例的具体知识，而是对统计信息的习得。Hunt和Aslin进行了一系列实验，探讨了成人学习者对几类统计信息――单元频率、单元概率、双单元频率、联合概率、条件概率――的内隐学习情况。实验采用视觉刺激，包括7个三单元的序列，每个单元对应一对同时光亮的键。7个键中的任意两个组成一对，总共包括21对键，21对键组成的复杂水平可以导致复杂的空间排列，从而阻止外显学习。结果对反应时数据的均数比较和回归分析都表明：被试至少能够内隐地学会两种统计信息，即联合概率和条件概率。
　　上述结果中值得注意的一点是：虽然实验者向被试呈现了大量了的概率信息――单元频率、单元概率、双单元频率、联合概率、条件概率，被试能习得的也仅是其中的一部分，所以，从这点意义上来说，被试在内隐学习中获得的可能抽象规则、具体知识和熟悉性的结合体，而不仅仅是其中的任何一部分。
　　
　　5 小结
　　
　　综上，在这40年中，各种外部和内部原因促使内隐学习的理论和方法不断发展：研究范式完成了从同时性刺激到同时性和序列性刺激并存的飞跃；判断知识内隐性的标准走过了从主观阈限到客观阈限再到主观阈限的历程；有关所习得知识的观点经历了抽象性到抽象与具体性并存再到抽象、具体、熟悉性三者并存的变迁。这些发展使我们相信内隐学习的明天将会更加灿烂！
　　
　　参考文献
　　[1]Reber A S. Implicit learning of artificial grammars. Journal of Verbal Learning and Verbal Behavior, 1967, 6(2): 317~327
　　[2]Berry D C, Dienes Z. Implicit learning: the theoretical and empirical issues. Hove: Lawrence Erlbaum Associates Ltd., 1993
　　[3]Nissen M J, Bullemer P. Attentional requirement of learning: Evidence from performance measures. Cognitive Psychology, 1987, 19: 1~32
　　[4]Lewicki P, Czyzewska M, Hoffman H. Unconscious acquisition of complex procedural knowledge. Journal of Experimental Psychology: learning, Memory and Cognition, 1987, 13: 523~530
　　[5]Howard D V, Howard J H . Adult age differences in the rate of learning serial patterns: Evidence from direct and indirect tests. Psychology and Aging, 1992, 7: 232~241
　　[6]Musen G, Squire L R. Implicit Learning of Color-Word Associations Using a Stroop Paradigm. Journal of Experimental Psychology: Learning, Memory, and Cognition, 1993, 19(4): 789~798
　　[7]Willingham D B, Greenley D B, Bardona A M. Dissociation in a serial response time task using a recognition measure: Comment on Perruchet and Amorim (1992). Journal of Experimental Psychology: Learning, Memory, and Cognition, 1993,19: 142~1430
　　[8]Reber P J, Squire L R. Parallel Brain Systems for Learning with and without Awareness. Learning & Memory, 1994, 1: 217~229
　　[9]Heuer H, Spijkers W, Kiesswetter, et al. Effects of Sleep Loss, Time of Day, and Extended Mental Work on Implicit and Explicit Learning of Sequences. Journal of Experimental Psychology: Applied, 1998, 4(2): 139~162

　　[10]Willingham D B, Wells L A, Farrell J M. Implicit motor sequence learning is represented in response locations. Memory & Cognition, 2000, 28(3): 366~375
　　[11]Ellis N. Rules and instances in foreign language learning: Interactions of explicit and implicit knowledge. European Journal of Cognitive Psychology, 1993
　　[12]郭春彦, 侯培庄, 朱滢. 集中注意和词干补笔对应于词汇学习、记忆影响的实验研究. 首都师范大学学报（自然科学版）, 1999, 20(1): 86~94
　　[13]Nilsson L, Olofsson U, Nyberg L. Implicit memory of dynamic information. Bulletion of the Psychonomic Society, 1992, 30: 265~267
　　[14]McLeod P, Reed N, Dienes Z. How fielders arrive in time to catch the ball. Nature, 2003, 426(20): 224
　　[15]Kandel S, Orliaguet J, Viviani P. Perceptual anticipation in handwriting: The role of implicit motor competence. Perception & Psychophysics, 2000, 62 (4): 706~716
　　[16]Olson I R, Chun M M. Temporal Contextual Cuing of Visual Attention. Journal of Experimental Psychology: Learning, Memory and Cognition , 2001, 27(5): 1299~1313
　　[17]Reber A S, Lewis S. Toward a theory of implicit learn-ing: The analysis of the form and structure of a body of tacit knowl-edge. Cognition, 1977, 5: 333~361
　　[18]Reber A S, Allen R. Analogy and abstraction strategies in synthetic grammar learning: A functionalist interpretation. Cognition, 1978, 6: 189~221
　　[19]Allen R, Reber A S. Very long-term memory for tacit knowledge. Cognition, 1980, 8: 175~185
　　[20]Abrams M, Reber A S. Implicit learning: Robustness in the face of psychiatric disorders. Journal of Psycholinguistic Research, 1988, 17(5): 425~439
　　[21]张翔, 杨治良. 内隐学习与外显学习的比较研究. 心理科学, 1992, 4: 11~16
　　[22]郭秀艳, 杨治良. 内隐学习研究的核心方法―――人工语法范式. 应用心理学, 2001, 7(3): 45~50
　　[23]Ziori E, Dienes Z. Subjective measures of unconscious knowledge of concepts. D.Phil thesis at the University of Sussex, 2004
　　[24]郭秀艳, 朱磊, 邹庆宇. 内隐学习的主观测量标准. 心理科学, 2005, 28(5): 1192~1195
　　[25]Lee Y S. Effects of learning contexts on implicit and explicit learning. Memory & Cognition, 1995, 23(6): 723~34
　　[26]Lambert A, Naikar N, McLachlan K, et al. A New Component of Visual Orienting Implicit Effects of Peripheral Information and Subthreshold Cues on Covert Attention. Journal of Experimental Psychology: Human Perception and Performance, 1999, 25(2): 321~340
　　[27]Willingham D B, Nissen M J, Bullemer P. On the development of procedural knowledge. Journal of Experimental Psychology: Learning, Memory, and Cognition, 1989, 15: 1047~1060
　　[28]Rosenthal D M. Two concepts of consciousness. Philosophical Studies, 1986, 49: 329~359
　　[29]Dienes Z, Berry D C. Implicit learning: Below the subjective threshold. Psychonomic Bulletin & Review, 1997, 4(1): 3~23
　　[30]Dienes Z. Assumptions of subjective measures of unconscious mental states: Higher order thoughts and bias. Journal of Consciousness Studies(in press). 2004
　　[31]Dienes Z, Perner J. Higher order theories of consciousness (Rocco Gennaro (Ed.)). UK: John Benjamins Publishers, 2004
　　[32]Cheesman J, Merikle P M. Priming with and without awareness. Perception & Psychophysics, 1984, 36: 387~395

　　[33]Reber A S. Transfer of syntactic structure in synthetic languages. Journal of Experimental Psychology, 1969, 81: 115~119
　　[34]郭秀艳, 黄佳, 孙怡, 杨治良. 内隐学习抽象性研究的新进展. 心理学探新, 2003, 23(2): 15~19
　　[35]郭秀艳. 内隐学习. 上海: 华东师范大学出版社, 2003
　　[36]Brooks L. Nonanalytic concept formation and memory for instances. In Rosch E., Lloyd B. B. (Eds.), Cognition and categorization. Hillsdale, NJ: Lawrence Erlbaum, 1978, 169~211
　　[37]McAndrews M P, Moscovitch M. Rule-based and exemplar-based classification in artificial grammar learning. Memory and Cognition, 1985, 13: 469~475
　　[38]Mathews R C, Buss R R, Stanley W B, et al. Role of implicit and explicit processes in learning from examples: A synergistic effect. Journal of Experimental Psychology: Learning, Memory & Cognition, 1989,15: 1083~1100
　　[39]Perruchetm O, Pacteau C. Synthetic grammar learning: Implicit rule abstraction or explicit fragmentary knowledge. Journal of Psychology, 1990, 119(3): 264~275
　　[40]Gomez R L, Schvaneveldt R W. What is learned from artificial grammars? Transfer tests of simple association. Journal of Experimental Psychology: Learning, Memory & Cognition, 1994, 20: 392~410
　　[41]Stadler M A. The role of attention in implicit learning. Journal of experimental psychology: Learning, memory and Cognition, 1992, 18: 318~327
　　[42]Hunt R H, Aslin R N. Statistical Learning in a Serial Reaction Time Task. Journal of Experimental Psychology: General, 1997, 130(4): 658~680

转载注明来源:https://www.xzbu.com/1/view-161274.htm