[摘要]迁移和潜在抽象知识表征是内隐学习的两个(3)
2013-07-27 01:07
导读：2．2 两种迁移模型的分离在人工语法学习的研究范式下，倘若给被试呈现了表层结构相同的学习和测验序列，那么以范例为基础的表征模式和以成分组块为
2．2 两种迁移模型的分离在人工语法学习的研究范式下，倘若给被试呈现了表层结构相同的学习和测验序列，那么以范例为基础的表征模式和以成分组块为基础的表征模式，在被试的分类任务中可以等同，它们都反映了学习序列的分布统计特征，且测验序列中的重复成分和非重复成分都能被计算．但是当学习与测验序列的表层结构不同时，重复成分与非重复成分就将两种不同的表征模式区分开来，不同的表征模式必然会产生不同的理论解释及迁移模型．这两种表征模式之间的第一个主要差异是，学习与测验序列成分间的对应过程是在逐个序列基础上进行的，还是在全部序列基础上进行的．主张统计归纳解释的研究者认为，被试在学习了全部序列后，以学习和测验序列成分共同遵循的分布统计规则为基础，计算出两种表层结构下序列成分间的对应关系，编码分布统计规则的表征是在学习了全部序列后被归纳出来的，它不依赖于重复成分和非重复成分间的具体差异．主张抽象类比的研究者则认为，测验和学习序列间的相似性可以在逐个序列的基础上计算出来，而且抽象类比也能够辨别出重复与非重复成分，尽管在序列表层结构相同的情况下，非重复成分间依存性的信息对序列的分类起了一定的作用，但在表层结构不同的情况下，这些信息并不重要，此时相似性是在重复成分间依存性的基础上逐个序列地被计算出来．究竟迁移效应是抽象类比的结果还是成分组块信息的迁移呢?Altmann等人(1995)研究发现，当表层结构不同时，抽象类比并不是迁移发生的惟一基础．但他们在随后的研究中又发现(1999)，先前的结论并不成熟，因为在先前的实验中，不同表层结构下的语法和非语法序列中还含有其他的依存性．他们对实验设计进行了改进，发现被试仅对出现在序列首位成分的频率敏感，并没有证据表明，表层结构不同时，被试能够以非重复成分间的依存性为基础对测验序列进行分类．与此相似，Gomez等人(2000)研究发现，只有以重复结构为基础区分语法和非语法序列时，才能出现语法信息的迁移效应n ．这两种表征模式之间的第二个主要差异是：当测验与学习序列的表层结构不同时，学习序列的分布特征对二者成分间映射关系形成的重要性．抽象类比的迁移理论认为，序列成分的分布特征对迁移效应影响不大．譬如，被试编码或记忆了两个重复成分间的依存性A—A一，那么就会很容易地将这种序列依存性的模式对应到表层结构不同的序列x—x一上，在此情况下被试就能够通过将测验序列与贮存的一个或多个包含了重复成分间序列依存性的范例进行比较，对测验序列进行分类．即使学习阶段中，引入了噪音序列，如A—B一，这样A不总是决定另一个A的出现，此时被试仍然能够在序列A—A一和X—x一之间形成匹配．这说明另一种结构的存在并没有对被试提取恰当的范例线索产生不利影响，只要能找到与测验序列的重复结构相匹配的学习序列就可以了．与此相反，非重复成分间序列依存性的匹配则是一个相对复杂的过程，因为学习序列的分布特征是非常重要的．例如，倘若每个学习序列都以成分组块AB的形式出现，那么被试就可能在出现频率的基础上，通过学习序列归纳出语法规则(如将AB匹配到测验序列的XY上)．但是，倘若学习序列内的依存性不只一个(引入噪音分布)，即位置1的A并不总是与B相连，那么AB与XY之间对应的计算就很困难了．因此，从理论上讲；学习序列中噪音的介入会抑制以统计归纳为基础产生的迁移效应，而对以重复结构的抽象类比为基础产生的迁移效应影响不大，但会使随后对特定学习范例的提取变得更困难．研究证明，这两种迁移过程可以进行分离(Tunney，2001)，它们是以各自对不同类型的编码具有不同的敏感性为基础的：一种对共同出现的成分的分布统计归纳特征很敏感，而另一种则对编码重复结构的抽象很敏感．就此而言，应该存在两种不同的表征图式．
（科教作文网http://zw.ΝsΕAc.com发布） 2．3 人工语法学习迁移知识及其表征的内隐性目前，关于人工语法学习迁移知识内隐性的争论仍然悬而未定【15，l6】．有关测量知识内隐性的方法主要有三种：口头报告，根据被试能否报告出自己用于作出判断的知识来区别内隐与外显知识，倘若被试无法报告出那些明显影响其判断的知识，那么这些知识就是内隐的．有研究者认为，被试不能报告出影响其判断的知识并不是因为知识是内隐的，而是因为缺少恰当的表达方式，因此他们主张用客观检验法，即将间接测量(分类任务)与直接测量(再认任务)间的分离，来作为检验知识内隐性的一种客观方法．另一些研究者从实验设计和方法学上对客观检验法存在的问题提出了批评，认为这种方法的结果并不能说明人工语法知识是内隐的或是外显的，因为其检验结果并不纯净，用于检验外显知识的客观法有可能受到内隐知识的污染，他们主张用主观测量方法来检验知识的内隐性，并提出了主观自信水平(Subjective confidence Levels)的概念，认为倘若在测验任务中，被试的成绩超过了机遇值，但他们仍认为自己是猜测的，也就是说他们的自信度与正确率无关，那么他们所具有的知识就是内隐的．这也说明在被试的语言知识与其主观意识程度间出现了分离，即被试缺乏对自己完成任务的元知识，这是阈下知觉的一个本质特征．有研究者指出，知识表征的内隐与外显性间的区别，似乎并不在于知识能否被意识到，而是在于信息加工的特点上．他们发现：在人工语法学习中，被试习得的知识是由对具体范例的记忆构成的，而非对抽象规则的贮存，内隐知识大部分基于记忆系统中范例的积累，而范例表现了序列成分的分布特征汐卜显知识则更多是基于抽象规则，且凌驾于具体范例之上．目前，还不能确定人工语法中迁移是否是内隐的，但有一点需要考虑的是，学习是发生在传统的内隐学习条件下，因此可以认为，人工语法学习迁移效应在主观上是内隐的，它们迁移的知识即被试在人工语法学习范式下习得的知识，低于主观阈限却高于客观阈限．此外，当前的研究只集中于内隐学习获得的知识是否是内隐的，却很少考虑其潜在的表征形式．传统的内隐学习研究中将内隐知识界定为不能报告的知识．Roberts(1997)对传统内隐知识的界定进行了区分，认为在这种界定下包含了两种可能：一是这种由于某些原因而不能报告的知识在表征上却是外显的；二是这些不能报告出的知识在表征上也是内隐的．目前，对这两种可能性的区分尚不清楚．内隐知识是否就是被内隐表征的呢?在理论上也存在外显表征的可能性，倘若内隐知识是外显表征的，那么表征的内隐性就不能作为内隐知识的特征，而且它也不能为内隐知识和内隐学习提供一个适宜的解释框架。我们可以推测，内隐知识可能是位于以范例为基础到以抽象规则为基础的连续体上，但内隐知识与外显知识也有可能是截然不同的．总之，在以后的深入研究中，我们将面临一个严峻的挑战——怎样才能更准确地探知内隐知识和外显知识的特征及其相互作用，并将其具体化．
