打开APP

Psychological Science:揭示知觉学习的多时程机制

来源:心理所 2022-05-14 08:38

  知觉学习本质上是通过反复训练逐渐形成稳定且持久的功能表现提升。除了长期保持的学习效应外,训练过程中可能存在训练期间增益(between-session gain)、训练期间遗忘(between-s
  知觉学习本质上是通过反复训练逐渐形成稳定且持久的功能表现提升。除了长期保持的学习效应外,训练过程中可能存在训练期间增益(between-session gain)、训练期间遗忘(between-session forgetting)、训练期内再学习(within-session relearning)或训练期内适应(within-session adaptation)等多种短时记忆效应。然而,以往研究通常关注学习任务每个训练期的平均表现,而忽视训练期内及训练期间的行为变化过程,导致当前知觉学习领域对学习效应形成过程的理解相对片面。

  为了更全面地解析知觉学习的长时和短时学习效应,中国科学院心理研究所行为科学重点实验室黄昌兵研究组联合上海纽约大学/美国纽约大学教授Zhong-Lin Lu,构建并验证了多成分知觉学习时程理论框架,相关研究成果发表在Psychological Science(DOI:10.1177/09567976211056620)上。 

  该理论框架包括三个基本假设(图1):训练带来的表现提高是长时程学习以及包括训练期间增益、训练期间遗忘、训练期内再学习与训练期内适应四种短时效应的综合结果;更精细的分析尺度会揭示出更全面的时程现象;时程效应存在任务特异性。 

  为了检验该理论框架,研究对一项多任务学习实验的学习曲线进行模型拟合。该多任务实验包含对比度检测、游标、运动方向辨别、视觉形状搜索、面孔角度辨别、声音频率辨别以及工作记忆等7个学习任务,共49名被试参与完成所有任务,每个任务连续训练5次,共35次训练,每次训练持续40分钟到1小时,学习任务的顺序在被试间保持平衡。 

  研究使用传统指数函数拟合被试在5个训练期上的学习曲线,揭示了常见的长时程学习效应;使用多时程模型拟合7个任务在更精细的组块粒度上的学习曲线则发现,除了一般性的长时程学习,7个任务学习过程中均发生训练期内再学习效应;游标、面孔角度辨别、声音频率辨别任务学习过程中存在遗忘效应,视觉形状搜索任务上则出现训练间增益效应;对比度任务在训练期内出现适应效应,在不同训练期间出现遗忘和增益效应。该结果验证了多时程模型的三个基本假设,为模型的合理性提供了有力支持。 

  研究还利用该模型对仅包含游标和形状搜索任务的双任务学习曲线进行分析,结果和多任务学习实验结果高度一致,表明该模型不限于特定的训练范式,为该模型的普适性提供了进一步的支持。
  该研究构建了一个包含一般性学习、训练期间线下增益、训练期间遗忘、训练期内适应及训练期内再学习的多时程知觉学习模型。研究利用该模型对多任务学习过程进行解析,结果表明更精细的分析粒度可以清晰地揭示知觉学习过程中更全面的内在多时程机制,且不同任务的学习时程内部存在差异。该研究提供了一个综合、完整的理论框架来解释知觉学习的学习时程,加深了科学家对于学习效应累积过程的理解,并为整合不同实验设定下多种任务的学习时程机制研究提供了有效、可靠的工具。
  研究工作得到国家重点研发计划、中科院科研仪器设备研制项目、美国国家卫生基金会、国家自然科学基金、中国博士后科学基金的支持。
 
 

  图1.学习过程中的不同时程成分及其特征效应。a-e分别呈现了长时程的一般性学习、训练期间线下增益、训练期间遗忘、训练期内再学习及训练期内适应等短时程效应,f-j为各学习效应在组块(Block)粒度下对学习曲线的影响,k-o为各学习效应在训练期(Session)粒度下对学习曲线的影响。 

版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->