邢 強 王家慰 黃秀青

(廣州大學心理學系，廣州 510006)

1 引言

在日常生活中，個體經(jīng)常會通過對刺激進行分類，并根據(jù)類別特征對其進行加工以達到快速準確加工的目的。然而，在認識客觀事物并嘗試對其進行分類時，分類的結(jié)果不一定具有唯一性。例如，根據(jù)某種天氣現(xiàn)象對第二天的天氣進行預測，天氣有可能是晴天，也有可能是雨天。對具有不確定性的事物進行分類嘗試便是概率類別學習(probability category learning)。概率類別學習是指人們通過多次的分類嘗試、接受反饋而逐漸獲得線索和結(jié)果之間概率性關(guān)系的學習。

目前研究者主要通過天氣預報任務(wù)(weather prediction task，WPT)對概率類別學習進行研究。任務(wù)線索是由正方形、菱形、圓形、三角形組成的四張卡片(如圖1所示)。任務(wù)中，向被試隨機呈現(xiàn)由這四張卡片中的其中一張，兩張或三張組成的不同組合，共14種可能。4張卡片既不會一張也不呈現(xiàn)，也不會同時呈現(xiàn)4張。被試根據(jù)卡片上的不同圖案以及卡片的組合方式來預測是晴天還是雨天。這四張卡片分別以某一固定概率預測兩種天氣結(jié)果，并且總體上所有組合預測這兩種天氣結(jié)果的概率相同。

概率類別學習是基于單一加工系統(tǒng)還是多重加工系統(tǒng)這一點一直備受關(guān)注，但目前仍未達成共識(Ashby & Maddox，2005)。持單一內(nèi)隱系統(tǒng)觀的研究者認為概率類別學習是一個無意識的、不需要注意資源參與的內(nèi)隱學習過程(Knowlton，Squire，& Gluck，1994；Gluck，Shohamy，& Myers，2002)；而持單一外顯系統(tǒng)觀的研究者認為，概率類別學習是一個需要注意和工作記憶參與的外顯學習過程，主要依靠假設(shè)檢驗系統(tǒng)(Lagnado et al.，2006；Newell，Lagnado，& Shanks，2007；Price，2009)。另一方面，多重加工系統(tǒng)，如COVIS(Competition between Verbal and Implicit Systems model)模型，認為在概率類別學習過程中同時存在內(nèi)隱和外顯兩種學習系統(tǒng)(Poldrack et al.，2001；徐貴平等，2011；李開云，付秋芳，傅小蘭，2012)。

探討類別學習的加工機制是單一系統(tǒng)還是多系統(tǒng)，研究主要采用操縱性分離的實驗范式進行(邢強，孫海龍，2015)。操縱某一變量的不同水平，若對基于規(guī)則和信息整合這兩種類別結(jié)構(gòu)產(chǎn)生不同影響，發(fā)生分離效應(yīng)，則說明在類別學習中存在不同的加工系統(tǒng)，否則只存在某種單一系統(tǒng)。在知覺類別學習的研究中，研究者已通過操縱反饋時間(即時反饋，延遲反饋)、反饋類型(豐富反饋，簡單反饋)、學習方式(觀察學習，反饋學習)等發(fā)現(xiàn)這幾個變量對兩類類別結(jié)構(gòu)均有不同的影響(Maddox，Ashby，& Bohil，2003；Maddox & Ing，2005；Maddox et al.，2008；邢強，孫海龍，車敬上，2014；Dunn，Newell，& Kalish，2012)。

COVIS理論認為，延遲反饋削弱內(nèi)隱學習但不影響外顯學習。內(nèi)隱學習主要由多巴胺調(diào)節(jié)，而多巴胺從分泌到消失的時間很短。因此，若反饋延遲，將削弱內(nèi)隱學習；而外顯學習依賴于假設(shè)檢驗，將不受影響。已有系列對知覺類別學習的研究結(jié)果支持這一觀點(Maddox，Ashby，& Bohil，2003；Maddox & Ing，2005；Dunn，Newell，& Kalish，2012；Worthy，Markman，& Maddox，2013；邢強，孫海龍，2015)。但是，Price(2009)發(fā)現(xiàn)延遲5秒給予反饋不影響概率類別學習。這是否表明概率類別學習是單一系統(tǒng)加工？值得注意的是，在Price(2009)研究中：(1)使用的掩蔽刺激的圖案均是圓點，與線索刺激的相似性不高，知覺噪音水平低。當掩蔽刺激的知覺噪音的水平降低時，反饋延遲對類別學習的削弱作用減弱甚至消失(Ell，Ing，& Maddox，2009；Dunn，Newell，& Kalish，2012；邢強，孫海龍，2015)。(2)刺激一直呈現(xiàn)，直到被試反應(yīng)才消失。有研究表明，刺激呈現(xiàn)時間的長短影響內(nèi)隱學習中外顯知識的習得，刺激的呈現(xiàn)時間越長，外顯知識更易于習得(Fu，F(xiàn)u，& Dienes，2008)。當刺激呈現(xiàn)時間由被試自由決定時，被試更可能運用語言規(guī)則對卡片進行記憶，使得任務(wù)中卷入外顯知識，而延遲反饋不影響外顯學習。因此，為消除這些混淆因素，研究操縱掩蔽類型，使用塔羅牌掩蔽和空白矩形掩蔽(如圖2)，參考車敬上(2011)探討反饋時間對類別學習影響的研究，將刺激呈現(xiàn)時間改為5s，探討延遲反饋對概率類別學習的影響。

圖2 塔羅牌掩蔽(上)與空白矩形掩蔽(下)示意

除反饋時間外，研究者通常通過操縱反饋類型探究類別學習的加工機制。Maddox等(2008)考察了反饋類型在知覺類別學習中的作用，結(jié)果發(fā)現(xiàn)豐富反饋增強基于規(guī)則類別學習的學習效果，卻減弱了信息整合類別學習的學習效果。Dunn等(2012)在Maddox等(2008)實驗的基礎(chǔ)上采用新的掩蔽材料——固定方格掩蔽，探討反饋時間和反饋類型對知覺類別學習的影響。結(jié)果發(fā)現(xiàn)，當掩蔽材料為光柵圖時，實驗結(jié)果重復了Maddox等(2008)的實驗結(jié)果；當掩蔽材料更換為固定方格時，不同反饋類型的學習效果不存在顯著差異，表明掩蔽類型影響反饋類型的學習效應(yīng)。

綜上，此前關(guān)于類別學習機制的研究大多基于知覺類別學習，即操縱某一變量，考察在變量不同水平上，基于規(guī)則類別學習與信息整合類別學習之間的差異，探究類別學習是依賴單一系統(tǒng)還是多系統(tǒng)。但是通過這一做法對概率類別學習加工機制的研究卻寥寥無幾(Price，2009)。此外，研究發(fā)現(xiàn)反饋時間、反饋類型均影響類別學習效果，但是這兩個變量的學習效應(yīng)也同樣受到掩蔽刺激類型的調(diào)節(jié)。研究擬通過操縱反饋時間、反饋類型及掩蔽類型，探究概率類別學習的加工機制。

2 研究方法

2.1 方法

2.1.1 被試

在校大學生202人，剔除最后學習階段正確率低于70%的13名被試，最后有效數(shù)據(jù)189份，其中男生74人，年齡為19.51±1.41歲。

2.1.2 實驗材料

材料為由4張不同幾何圖形組成的塔羅牌卡片，具體如圖1所示。4張卡片預測晴天的概率分別為80%、60%、40%和20%。在整個實驗過程中，晴天和雨天這兩種天氣出現(xiàn)的次數(shù)各為100次，具體的卡片結(jié)構(gòu)和天氣結(jié)果如表1所示。掩蔽材料有兩種，一種為由與刺激材料相似圖案組成的塔羅牌卡片，知覺噪音水平較高；另一種為由空白矩形組成的卡片，知覺噪音水平較低(如圖2所示)。

表1 天氣預測任務(wù)中卡片的具體結(jié)構(gòu)和天氣結(jié)果

注：表中的“1”表示卡片組合中對應(yīng)的卡片出現(xiàn)，“0”表示不出現(xiàn)(Gluck et al.，2002；Lagnado et al.，2006)

2.1.3 實驗設(shè)計

采用2(反饋時間：即時反饋，延遲反饋)×2(反饋類型：簡單反饋，豐富反饋)×2(掩蔽類型：塔羅牌，空白矩形)的三因素被試間實驗設(shè)計，因變量有3個，分別為預測天氣情況的正確率、4張卡片主觀預測天晴的概率和卡片強弱線索判斷。

2.1.4 實驗程序

實驗采用的是天氣預報任務(wù)，包含學習階段和測試階段。

在即時反饋條件下，實驗程序為：在學習階段，首先呈現(xiàn)“+”500ms，隨后注視點消失，在電腦屏幕左方呈現(xiàn)刺激，屏幕的右方出現(xiàn)“晴天”和“雨天”的圖案，被試根據(jù)自己的判斷進行按鍵反應(yīng)，其中“F”代表“晴天”，“J”代表“雨天”。若被試在5s內(nèi)做出反應(yīng)，按鍵后刺激消失，呈現(xiàn)掩蔽刺激500ms，接著給予被試反饋1000ms；若被試在5秒內(nèi)未按鍵反應(yīng)，刺激也會消失，并呈現(xiàn)提示語提醒被試下次盡快反應(yīng)，同時也將不給予反饋。trails之間間隔5000ms。

延遲反饋條件與之相似，但掩蔽刺激呈現(xiàn)時間為5000ms，trials之間間隔為500ms(如圖3所示)。

學習階段共4個blocks，每個block含50個trails。

測試階段類似于學習階段，只是刺激呈現(xiàn)時間變?yōu)榘存I消失，并且刺激消失后，既不出現(xiàn)掩蔽刺激，也不給予反饋。測試階段共4個blocks，每個block含50個trials。測試階段結(jié)束后，被試需對4張卡片預測天晴的概率以及它們在天氣預報任務(wù)中預測天氣的重要性程度進行評估。

圖3 天氣預測任務(wù)學習階段trial流程圖

2.2 結(jié)果與分析

2.2.1 學習成績

8組被試在4個blocks上的正確率如圖4所示。

圖4 8組被試在4個blocks的正確率

對被試測試階段的正確率進行2(反饋時間)×2(反饋類型)×2(掩蔽類型)×4(Blocks)的重復測量方差分析，結(jié)果顯示：Blocks的主效應(yīng)顯著，F(xiàn)(3，543)=154.43，p<0.05，η2=0.46，表明存在學習效應(yīng)；反饋時間的主效應(yīng)顯著，F(xiàn)(1，181)=10.23，p<0.05，η2=0.05，即時反饋的成績(M=0.73)顯著優(yōu)于延遲反饋的成績(M=0.70)；掩蔽類型的主效應(yīng)顯著，F(xiàn)(1，181)=5.77，p<0.05，η2=0.03，在空白掩蔽下的成績(M=0.72)顯著優(yōu)于塔羅牌掩蔽下的成績(M=0.71)；Blocks與反饋時間的交互作用顯著，F(xiàn)(3，543)=6.76，p<0.05，η2=0.04，在前兩個Blocks，即時反饋的成績顯著優(yōu)于延遲反饋的成績，在后兩個Blocks中，即時反饋與延遲反饋的成績差異不顯著；Blocks與掩蔽類型的交互作用顯著，F(xiàn)(3，543)=5.61，p<0.05，η2=0.03，在第一個Block中，在空白矩形掩蔽條件下的成績顯著優(yōu)于在塔羅牌掩蔽條件下的成績，在后面三個Blocks中，在兩種掩蔽類型條件下成績差異不顯著。其余的主效應(yīng)、交互作用均不顯著。

2.2.2 判斷卡片代表晴天的概率

完成所有實驗trials后，被試分別對4張卡片預測天晴的概率進行評估，其中0代表肯定下雨，50代表下雨和天晴的可能性一樣大，100代表肯定是天晴。被試根據(jù)要求輸入具體數(shù)值。被試的判斷值如下圖所示。

對被試的判斷值進行2(反饋時間)×2(反饋類型)×2(掩蔽類型)×4(卡片)的重復測量方差分析，結(jié)果顯示：卡片的主效應(yīng)顯著，F(xiàn)(3，558)=259.05，p<0.05，η2=0.58；其余的主效應(yīng)和相互作用均不顯著。

圖5 8組被試對4張卡片預測晴天概率判斷值和客觀概率

進一步對8種條件下四張卡片預測天晴的概率估計值和客觀概率做單樣本t檢驗，結(jié)果發(fā)現(xiàn)：即時—簡單—塔羅牌組和即時—簡單—空白矩形組都傾向于低估卡片2預測天晴的概率，統(tǒng)計值分別為：t(25)=3.01，p<0.05，d’=1.55；t(22)=2.83，p<0.05，d’=1.21。其余條件下對其他卡片的評估與客觀概率差異不顯著。結(jié)果表明：從整體上看，被試傾向于低估卡片2預測天晴的概率。此外，給予被試即時的、簡單的反饋，無論使用空白矩形還是塔羅牌掩蔽刺激，被試雖能學會天氣預測任務(wù)，但不能正確判斷卡片預測天晴的概率，傾向內(nèi)隱學習。

2.2.3 對卡片預測天氣情況的重要程度的評價

被試在0～100%的范圍內(nèi)對4張卡片預測天晴情況的重要性進行評估。其中，卡片1和4為強線索，取這兩張卡片的均值作為強線索的評價結(jié)果，而卡片2和3為弱線索，同樣取這兩張卡片的均值作為弱線索的評價結(jié)果，結(jié)果如圖6所示。

卡片的主效應(yīng)顯著，F(xiàn)(3，558)=122.98，p<0.001，η2=0.40，被試評價卡片1和卡片4的重要性顯著高于卡片2和卡片3的；卡片與反饋時間的交互作用顯著，F(xiàn)(3，558)=2.96，p<0.05，η2=0.02，對卡片3的評價，在延遲反饋條件下的評價顯著高于在即時反饋條件下，對其余三張卡片的評價，在兩種條件下差異不顯著。

進一步分別對8種條件下的強弱線索評價結(jié)果進行配對樣本t檢驗，結(jié)果發(fā)現(xiàn)：8組被試對強線索重要程度的評價顯著高于弱線索，統(tǒng)計值分別為：t(25)=5.33，p<0.01，d’=0.60；t(22)=7.55，p<0.01，d’=0.75；t(22)=5.93，p<0.01，d’=0.67；t(25)=9.07，p<0.01，d’=0.77；t(25)=9.07，p<0.01，d’=0.77；t(21)=4.62，p<0.01，d’=0.57；t(24)=6.02，p<0.01，d’=0.67；t(21)=8.72，p<0.01，d’=0.75。結(jié)果表明，8個組被試都能正確認識到不同線索預測天晴的強弱。

圖6 8組被試對卡片預測天氣情況重要程度的判斷

3 討論

研究通過操縱反饋時間、反饋類型和掩蔽類型，考察概率類別學習的學習機制。結(jié)果發(fā)現(xiàn)，被試的學習成績在即時反饋條件下顯著優(yōu)于在延遲反饋條件下，根據(jù)COVIS的觀點，延遲反饋削弱內(nèi)隱學習但不影響外顯學習，表明被試傾向內(nèi)隱學習。此外，在即時反饋條件下，僅給予簡單反饋，被試雖能出色地完成天氣預報任務(wù)，但是不能正確地判斷卡片預測晴天的概率，傾向內(nèi)隱學習。然而，在其他條件下，被試均能正確地判斷卡片預測晴天的概率以及各卡片在天氣預報任務(wù)中預測天氣的重要程度，表明被試能外顯地意識到這些線索的作用。綜上，概率類別學習采用的是雙系統(tǒng)學習機制，既依賴內(nèi)隱學習，又依賴外顯學習。

3.1 反饋時間對概率類別學習的影響

研究結(jié)果表明，即時反饋學習效果比延遲反饋學習效果好，延遲反饋削弱概率類別學習。此外，在即時反饋條件下，僅基于簡單反饋，被試雖能出色地完成天氣預報任務(wù)，但是不能正確地判斷卡片預測晴天的概率，傾向內(nèi)隱學習。研究結(jié)果與Wilkinson等(2008)，Leonora等(2014)和李開云等(2012)的一致，即在即時的簡單反饋條件下，概率類別學習是內(nèi)隱學習，依賴于強化學習。根據(jù)強化學習理論，反饋對學習的促進效應(yīng)具有時間敏感性，即時反饋比延遲反饋好。在即時反饋條件下，多巴胺投射到相應(yīng)的區(qū)域，強化了正確的刺激反應(yīng)聯(lián)結(jié)。

以往研究發(fā)現(xiàn)，在知覺噪音水平較高的光柵掩蔽條件下，反饋延遲削弱信息整合學習，但在標準噪音水平較低的黑屏掩蔽或知覺噪音水平較低的網(wǎng)格掩蔽下，反饋延遲對信息整合學習沒有影響(Dunn，Newell，& Kalish，2012；邢強，孫海龍，2014)。與以往知覺類別學習的研究結(jié)果不同，在本實驗中，不論是在空白矩形還是塔羅牌掩蔽類型條件下，反饋延遲都削弱概率類別學習，表明掩蔽類型并未在反饋時間對概率類別學習的影響中起作用。

筆者推斷結(jié)果的差異可能與任務(wù)類型及實驗材料有關(guān)。前人研究主要使用基于規(guī)則和信息整合的類別結(jié)構(gòu)研究知覺類別學習(Ashby et al.，1998；Maddox & Ashby，2004；Smith et al.，2011)，在這一類研究中，答案都具有確定性。實驗材料一般是在頻率和方向上變化的光柵圖。信息整合類別結(jié)構(gòu)的分類規(guī)則難以用言語描述，需要同時關(guān)注條紋頻率和方向兩個維度。如果在間隔時間出現(xiàn)與刺激相似的掩蔽刺激，刺激的記憶會被破壞，從而增加知覺噪音的水平(Magnussen，2000)。因此當掩蔽刺激為與光柵圖刺激相似的光柵圖掩蔽刺激時，光柵圖的記憶會被破壞，影響被試進行分類學習。但是在天氣預報任務(wù)中，刺激是4張由不同幾何圖形組成的卡片，卡片和天氣結(jié)果之間的關(guān)系具有不確定性，分類不是非A即B。因此在天氣預報任務(wù)中，被試需關(guān)注卡片與天氣結(jié)果之間的關(guān)系，而非每張卡片的細節(jié)，因此掩蔽類型對其的影響可能會減少。

3.2 反饋類型對概率類別學習的影響

Maddox等(2008)和Dunn，Newell和Kalish(2012)的研究都發(fā)現(xiàn)豐富反饋能促進外顯學習。Maddox等(2008)認為基于規(guī)則類別學習主要依靠外顯的貝葉斯假設(shè)系統(tǒng)進行調(diào)節(jié)，當給予被試消極反饋時，在簡單反饋條件下，貝葉斯假設(shè)系統(tǒng)有助于被試排除不一致的假設(shè)；在豐富反饋條件下，貝葉斯假設(shè)系統(tǒng)可以加強一致假設(shè)并削弱不一致的假設(shè)。豐富反饋提供更多的信息，有助于外顯的假設(shè)檢驗系統(tǒng)做出判斷，從而促進基于規(guī)則的類別學習。相比之下，信息整合類別學習主要依賴內(nèi)隱系統(tǒng)并使用強化學習，使用外顯的言語系統(tǒng)無法完成該類別結(jié)構(gòu)的學習。當給予被試消極反饋時，豐富反饋誘發(fā)被試進行外顯加工。由于外顯系統(tǒng)和內(nèi)隱系統(tǒng)相互競爭，當外顯系統(tǒng)占主要優(yōu)勢時，信息整合類別結(jié)構(gòu)將無法習得，在這種條件下信息整合學習效果被削弱。

但在本實驗中，并未發(fā)現(xiàn)反饋類型對概率類別學習的影響。不論基于簡單反饋還是豐富反饋，被試的學習效果相同。結(jié)果似乎表明概率類別學習的機制是單一學習系統(tǒng)，然而前面的分析已經(jīng)表明盡管在學習過程中概率類別學習傾向于內(nèi)隱學習，但是被試能清晰地意識到每張卡片預測天氣的概率及重要性，是雙系統(tǒng)學習機制。那么，導致這一差異的原因是什么呢？

在知覺類別學習中，分類具有確定性。在這類研究中，在豐富反饋條件下給予的反饋信息只有兩種：當被試判斷正確時，“正確！它應(yīng)該歸為A類”；當被試判斷錯誤時，“錯誤，它應(yīng)該歸為A類”。然而，在概率類別學習中，卡片和天氣結(jié)果之間的關(guān)系具有不確定性，同一張卡片或同一組卡片可能在第一次預測晴天是正確的，但在第七次或第十次預測下雨才是正確的。也就是說，在豐富反饋條件下，被試判斷正確或錯誤都有可能接收兩種不同的反饋信息：當被試判斷正確時，被試可能接收“正確！卡片預測的天氣是天晴”或“正確！卡片預測的天氣是下雨”；而當被試判斷錯誤時，被試可能接收“錯誤！卡片預測的天氣是天晴”或“錯誤！卡片預測的天氣是下雨”。由此看來，概率類別學習中豐富反饋的信息量比知覺類別學習研究中豐富反饋條件下的信息量大。研究表明，反饋所提供的信息量適中才有利于學習，一旦信息量太大，超量的信息則成為分心物，降低反饋效應(yīng)(Phye，1979；Sassenrath & Garverick，1965；Wentling，1973)。

4 結(jié)論

(1)即時反饋學習效果比延遲反饋學習好，延遲反饋削弱概率類別學習，被試傾向內(nèi)隱學習；

(2)被試能正確地判斷卡片預測晴天的概率以及各卡片在天氣預報任務(wù)中預測天氣的重要程度，表明被試能外顯地意識到這些線索；

(3)概率類別學習采用的是雙系統(tǒng)學習機制，既依賴內(nèi)隱學習，又依賴外顯學習。