ＣＬＡＲＩＯＮ模型：内隐与外显技能学习的整合(3)
5 内隐与外显学习的关系及其在CLARION模型中的体现
5.1 内隐与外显学习的分离
已有研究表明，如果要学的关系比较简单，输入维度较少(关系较显著)，则外显学习占优势；若关系复杂，输入维度较多，则内隐学习占优势[4,5,24]。CLARION模型也可预测这些结果。顶层的外显加工因其表征较为脆弱，且其加工为选择性假设检验学习，因而难以应付结构复杂的学习；但在底层，反向传播网络中的分布式表征能更好地处理复杂关系和更多维度的信息。
5.2 自下而上的学习
被试在内隐学习上的成绩一般独立于其表达能力，而且内隐知识始终领先于外显知识[3]。Sun等认为，外显学习的延迟可能由内隐学习引起，外显知识似乎是从内隐技能中“萃取”出来的，而且位于内隐知识之上[25]。一些发展研究也表明，儿童在成长过程中也存在类似的延迟发展，如Karmiloff -Smith所提出的“表征重述”(representational redescription)[26]。付秋芳和傅小兰考察了序列学习情境下时间因素对获得内隐知识和外显知识的影响，也试图在两种知识间建立起一种动态、渐进的关系[27]。CLARION模型较好展示了这种自下而上的加工：如果某行为成功满足某标准，则抽取一个规则置于顶层。在之后与外界的互动中，该规则不断为应用效果所修正：如果成功，该规则将概化为通用；否则，将专化到特定的样例，且被当前不成功的样例所排除。当然，外显知识可能独立发展，而与内隐技能很小或没有相关。在CLARION模型中也有相应的情况，顶层的规则学习可以使用外显假设检验，当要学习的材料不太复杂时，它独立于底层存在。
, http://www.100md.com
5.3 知识表征及可通达性的差异
许多数据表明，内隐与外显知识虽然有重叠，但具有不同的知识库[28]。CLARION预测了两类表征的差异：底层反向传播网络的分布式表征具有概括力，但缺乏直接解释，因而是缄默的；而顶层规则更为抽象，它们以符号形式来习得和表征。
内隐技能的可通达性存在差异，郭秀艳认为，内隐学习具有意识-无意识的兼容性[28]。也就是说，内隐学习既有无意识性，也有一定的意识性。CLARION也存在这种机制：自下而上的学习导致外显的延迟，分布式表征导致了内隐技能不同程度的不可通达。
5.4 灵活性、概括性及强健性
实验表明，外显学习具有灵活性，而内隐学习具有概括性和强健性[30]。CLARION的机制也表明，外显知识具有较高的灵活性。在顶层，使用局域符号表征，可以进行许多外显操作，如向后和向前的链式推理(backward and forward chaining reasoning)、反事实推理(counterfactual reasoning)，外显假设检验等，这些操作使顶层具有较高的灵活性。CLARION底层的反向传播网络，具有内隐学习的概括能力；其分布式表征，使之具有恢复能力。
, 百拇医药
5.5 内隐与外显学习的交互作用
内隐与外显学习存在相互作用,在学习过程中,时而互相促进,时而互相冲突[1]。在CLARION的两层双表征框架的交互机制中，也包含着内隐与外显加工的交互作用。当外显知识的发展滞后于内隐知识时，或者，当顶层获得独立于底层的外显知识时，两种知识之间的冲突就会发生。这时，CLARION的层间交互机制可能会忽略底层，如外显推理；也可能会忽略顶层，如内隐技能表现。
5.6 内隐和外显的协同效应
两种加工的协同关系，可以加速学习，提高技能的表现，易化技能的迁移，显示出比其中任何一种加工更大的优势。最近郭秀艳等[2]的研究发现，内隐和外显学习之间的协同作用可具体地反映在内隐学习的理解性这一本质特征上。
CLARION也可产生类似的协同效应。Sun等通过计算分析，认为两层的协同来自CLARION的以下特征：(1)两层表征互补(离散/连续)；(2)学习加工互补(一次性规则学习/渐进Q学习)；(3)自下而上的规则学习[31]。
, http://www.100md.com
6 CLARION模型的理论与实践意义
一个模型的效度体现在它对该领域多种问题和现象的解释力。与现有其他模型相比，CLARION通过两种类型加工的互动，不仅成功模拟了较广范围的人类技能学习数据，而且显示了自下而上学习的可计算性及其心理学意义上的合理性。在现有的认知科学文献中，计算模型主要是处理自上而下的加工。CLARION模型填补了这一空白，它以一种新的方式阐释技能学习数据，可用以模拟各种与内隐和外显加工交互作用有关的定量数据，为认知科学的实证研究和理论探索提供了新的方法和角度。这对于我们理解和预测训练和学习过程，理解技能学习中的个体差异，大有助益。
CLARION表明，人类行为可以通过内隐模式(亚符号知识库)和外显模式(符号概念心理模型)来控制。内隐控制迅捷，但易出错，尤其在较早的技能学习中更是如此；外显控制精确，但较缓慢且容易遗忘。运用CLARION模型，Sun等人[32]对军事训练、认知决策训练等领域进行了更为细致的研究，为CLARION的应用和内隐、外显学习的整合理论提供了更广阔的前景。
, 百拇医药
当然，CLARION模型也存在一些不足。比如，对Lewicki实验的模拟中，在转折到随机序列后，模型的反应时变化很大，而人类的反应时所受影响相对轻微。这种理论模型与实验数据的差异，可能会促进CLARION的发展和完善。CLARION有望成为心理学的一个综合模型[31]，值得在未来的研究和应用中进一步发展和验证。
参考文献
[1] Reber A S. Implicit learning of artificial grammars. Journal of verbal learning & verbal behavior, 1967, 77: 317~327
[2] 郭秀艳, 杨治良. 内隐学习的研究历程. 心理发展与教育, 2002, 3:85~90
[3] 郭秀艳. 内隐学习. 上海: 华东师范大学出版社, 2003: 208~278
, 百拇医药
[4] 林颖, 周颖. 试论内隐学习的多水平动态观. 心理科学, 2005, 28(4):995~997
[5] 郭秀艳, 杨治良. 内隐学习与外显学习的相互关系. 心理学报, 2002,34(4):351~356
[6] 张卫. 内隐学习及其特征研究. 华东师范大学学报(教育科学版) ,2001, 19(1): 56~63
[7] Bellaa S D, Peretz I. Differentiation of classical music requires little learning but rhythm. Cognition 2005, 96: B65~B78
[8] Perruchet P, Pacton S. Implicit learning and statistical learning: one phenomenon, two approaches. Trends in Cognitive Sciences. 2006,10(5): 233~238
[9] Hwang E J, Smith M A, Shadmehr R. Dissociable effects of the implicit and explicit memory systems on learning control of reaching. Experimental Brain Research, 2006 (in press)
[ 上 页 ] [ 下 页 ], http://www.100md.com(杜建政 李 明)
5.1 内隐与外显学习的分离
已有研究表明，如果要学的关系比较简单，输入维度较少(关系较显著)，则外显学习占优势；若关系复杂，输入维度较多，则内隐学习占优势[4,5,24]。CLARION模型也可预测这些结果。顶层的外显加工因其表征较为脆弱，且其加工为选择性假设检验学习，因而难以应付结构复杂的学习；但在底层，反向传播网络中的分布式表征能更好地处理复杂关系和更多维度的信息。
5.2 自下而上的学习
被试在内隐学习上的成绩一般独立于其表达能力，而且内隐知识始终领先于外显知识[3]。Sun等认为，外显学习的延迟可能由内隐学习引起，外显知识似乎是从内隐技能中“萃取”出来的，而且位于内隐知识之上[25]。一些发展研究也表明，儿童在成长过程中也存在类似的延迟发展，如Karmiloff -Smith所提出的“表征重述”(representational redescription)[26]。付秋芳和傅小兰考察了序列学习情境下时间因素对获得内隐知识和外显知识的影响，也试图在两种知识间建立起一种动态、渐进的关系[27]。CLARION模型较好展示了这种自下而上的加工：如果某行为成功满足某标准，则抽取一个规则置于顶层。在之后与外界的互动中，该规则不断为应用效果所修正：如果成功，该规则将概化为通用；否则，将专化到特定的样例，且被当前不成功的样例所排除。当然，外显知识可能独立发展，而与内隐技能很小或没有相关。在CLARION模型中也有相应的情况，顶层的规则学习可以使用外显假设检验，当要学习的材料不太复杂时，它独立于底层存在。
, http://www.100md.com
5.3 知识表征及可通达性的差异
许多数据表明，内隐与外显知识虽然有重叠，但具有不同的知识库[28]。CLARION预测了两类表征的差异：底层反向传播网络的分布式表征具有概括力，但缺乏直接解释，因而是缄默的；而顶层规则更为抽象，它们以符号形式来习得和表征。
内隐技能的可通达性存在差异，郭秀艳认为，内隐学习具有意识-无意识的兼容性[28]。也就是说，内隐学习既有无意识性，也有一定的意识性。CLARION也存在这种机制：自下而上的学习导致外显的延迟，分布式表征导致了内隐技能不同程度的不可通达。
5.4 灵活性、概括性及强健性
实验表明，外显学习具有灵活性，而内隐学习具有概括性和强健性[30]。CLARION的机制也表明，外显知识具有较高的灵活性。在顶层，使用局域符号表征，可以进行许多外显操作，如向后和向前的链式推理(backward and forward chaining reasoning)、反事实推理(counterfactual reasoning)，外显假设检验等，这些操作使顶层具有较高的灵活性。CLARION底层的反向传播网络，具有内隐学习的概括能力；其分布式表征，使之具有恢复能力。
, 百拇医药
5.5 内隐与外显学习的交互作用
内隐与外显学习存在相互作用,在学习过程中,时而互相促进,时而互相冲突[1]。在CLARION的两层双表征框架的交互机制中，也包含着内隐与外显加工的交互作用。当外显知识的发展滞后于内隐知识时，或者，当顶层获得独立于底层的外显知识时，两种知识之间的冲突就会发生。这时，CLARION的层间交互机制可能会忽略底层，如外显推理；也可能会忽略顶层，如内隐技能表现。
5.6 内隐和外显的协同效应
两种加工的协同关系，可以加速学习，提高技能的表现，易化技能的迁移，显示出比其中任何一种加工更大的优势。最近郭秀艳等[2]的研究发现，内隐和外显学习之间的协同作用可具体地反映在内隐学习的理解性这一本质特征上。
CLARION也可产生类似的协同效应。Sun等通过计算分析，认为两层的协同来自CLARION的以下特征：(1)两层表征互补(离散/连续)；(2)学习加工互补(一次性规则学习/渐进Q学习)；(3)自下而上的规则学习[31]。
, http://www.100md.com
6 CLARION模型的理论与实践意义
一个模型的效度体现在它对该领域多种问题和现象的解释力。与现有其他模型相比，CLARION通过两种类型加工的互动，不仅成功模拟了较广范围的人类技能学习数据，而且显示了自下而上学习的可计算性及其心理学意义上的合理性。在现有的认知科学文献中，计算模型主要是处理自上而下的加工。CLARION模型填补了这一空白，它以一种新的方式阐释技能学习数据，可用以模拟各种与内隐和外显加工交互作用有关的定量数据，为认知科学的实证研究和理论探索提供了新的方法和角度。这对于我们理解和预测训练和学习过程，理解技能学习中的个体差异，大有助益。
CLARION表明，人类行为可以通过内隐模式(亚符号知识库)和外显模式(符号概念心理模型)来控制。内隐控制迅捷，但易出错，尤其在较早的技能学习中更是如此；外显控制精确，但较缓慢且容易遗忘。运用CLARION模型，Sun等人[32]对军事训练、认知决策训练等领域进行了更为细致的研究，为CLARION的应用和内隐、外显学习的整合理论提供了更广阔的前景。
, 百拇医药
当然，CLARION模型也存在一些不足。比如，对Lewicki实验的模拟中，在转折到随机序列后，模型的反应时变化很大，而人类的反应时所受影响相对轻微。这种理论模型与实验数据的差异，可能会促进CLARION的发展和完善。CLARION有望成为心理学的一个综合模型[31]，值得在未来的研究和应用中进一步发展和验证。
参考文献
[1] Reber A S. Implicit learning of artificial grammars. Journal of verbal learning & verbal behavior, 1967, 77: 317~327
[2] 郭秀艳, 杨治良. 内隐学习的研究历程. 心理发展与教育, 2002, 3:85~90
[3] 郭秀艳. 内隐学习. 上海: 华东师范大学出版社, 2003: 208~278
, 百拇医药
[4] 林颖, 周颖. 试论内隐学习的多水平动态观. 心理科学, 2005, 28(4):995~997
[5] 郭秀艳, 杨治良. 内隐学习与外显学习的相互关系. 心理学报, 2002,34(4):351~356
[6] 张卫. 内隐学习及其特征研究. 华东师范大学学报(教育科学版) ,2001, 19(1): 56~63
[7] Bellaa S D, Peretz I. Differentiation of classical music requires little learning but rhythm. Cognition 2005, 96: B65~B78
[8] Perruchet P, Pacton S. Implicit learning and statistical learning: one phenomenon, two approaches. Trends in Cognitive Sciences. 2006,10(5): 233~238
[9] Hwang E J, Smith M A, Shadmehr R. Dissociable effects of the implicit and explicit memory systems on learning control of reaching. Experimental Brain Research, 2006 (in press)
[ 上 页 ] [ 下 页 ], http://www.100md.com(杜建政 李 明)