类别学习中的认知学习机制(2)
如果类别学习存在认知学习机制，预期样例特征固定位置呈现时掌握的非定义特征维度多于样例特征随机呈现时，知识定义特征维度条件下掌握的非定义特征维度要多于机械定义特征维度条件。
2、实验
2.1 实验目的
通过比较不同特征呈现方式、不同性质的定义特征维度条件下，对非定义特征维度的掌握，验证类别学习双机制中的认知学习机制，2.2 实验方法
2.2.1 被试
112名本科生(其中男生48人，女生64人，年龄分布从20岁-25岁，平均年龄为23岁)自愿参加本实验，实验后给予被试一定的报酬。
2.2.2 实验材料
学习材料为A、B两类交通工具。每个类别包括八个样例，每个样例由八个两维的特征(1或O)构成，其中四个知识特征维度，四个机械特征维度。四个知识特征维度彼此之间存在主题相关，例如“非洲人使用”、“擅长在雨林湿地中行驶”、“车身漆防晒”、“车子通风散热效果好”描述的主题是“热带气候的交通工具”。而“爱斯基摩人使用”、“擅长在冰河上行驶”、“车身漆防冻”、“车子密闭保温效果好”描述的主题是“寒带气候的交通工具”。机械特征维度则是与两个类别的主题：“热带气候的交通工具”或“寒带气候的交通工具”无关。类别A中八个特征维度的典型特征都用1表示，类别B中八个典型特征都用0表示。类别A的原型样例表示为：11111111：类别B的原型样例为：00000000。每个特征维度上1和0指代的具体特征，见表1。
在类别中设定了一个定义特征维度。表2是特征维度1(即D1)为定义特征维度时的抽象类别结构，根据定义特征维度D1，可以正确归类两个类别中的所有样例。例如当样例的D1为l(即非洲人使用)时，样例一定属于类别A，当样例的D1为0(即爱斯基摩人使用)时，样例一定属于类别B。其余七个特征维度为非定义特征维度，根据任何一个非定义特征维度都不能对两个类别中的所有样例进行百分百正确归类。例如，根据非定义特征维度D2。当其为1(擅长在雨林湿地中行驶)时。样例既可能属于类别A也可能属于类别B。D3-D8都如此。
2.2.3 实验设计
两因素被试间的实验设计。自变量为样例特征呈现方式(随机呈现和固定方式呈现)和定义特征维度的性质(知识定义特征维度和机械定义特征维度)，每种实验条件下各有28人。知识定义特征维度条件下，定义特征维度为四个知识特征维度中的任意一个，因此在知识定义特征维度条件下共有四组实验材料，D1-D4分别做定义特征维度时各有一组实验材料，被试学习哪个特征维度做定义特征维度的实验材料都进行了平衡：机械定义特征维度条件下，定义特征为四个机械特征维度中的任意一个，同理在机械定义特征维度条件下也有D5-D8各做定义特征维度的四组实验材料。
2.2.4 实验程序
实验过程包括三个阶段：预训练阶段、学习阶段和单个特征测验阶段。
在预训练阶段，电脑屏幕上首先呈现红色的“+”，“+”消失后，被试对电脑上呈现的某个定义特征维度的两个定义特征进行“A类别”或“B类别”的归类，并按下键盘上相应的键，反应时间自主决定。被试做出选择后。电脑对被试的选择反馈，被试根据反馈学习对定义特征维度的归类。例如，如果被试学习的实验材料是D1作为定义特征维度，那么在预训练阶段。被试需要学习“非洲人使用”和“爱斯基摩人使用”这两个定义特征分别属于“A类别”或“B类别”，每个定义特征重复学习7次，因此共14个trials。设定预训练阶段的目的在于考察定义特征维度的学习是否会阻碍学习阶段对非定义特征维度的学习。即当被试可以根据定义特征维度正确归类类别中的所有样例时，是否还会学习其他特征维度。
在学习阶段，所有条件下的被试都需要对A、B两个类别中的各八个样例学习归类。学习按block进行，在每个block内部，样例呈现的顺序随机，每个样例在电脑屏幕上以特征单的方式自上至下排列呈现。电脑屏幕上首先呈现红色“+”，然后呈现样例，被试对呈现样例最可能属于哪类交通工具进行归类，按下键盘上对应的“A类别”或“B类别”键，被试自主决定反应时间，电脑对被试的归类进行反馈，反馈包括归类正确与否。样例属于的正确类别，以及样例的八个特征，反馈持续五秒。在样例特征呈现方式随机条件下，每个样例中八个特征呈现的位置由电脑随机决定。在样例特征固定位置呈现条件下，定义特征维度被固定在样例的首位，其他非定义特征呈现的位置也固定不变。所有条件中的被试都需要对两个类别学习6轮。
单个特征测验阶段，两种条件下的被试都需要对所学的A、B两个类别中。八个两维特征维度的十六个特征进行单个特征归类测验。电脑首先呈现红色的“+”，然后呈现单个特征，被试判断具有该特征的样例，最可能属于哪个类别，并按下键盘上相应的类别键，被试自主决定反应时间，无反馈。电脑记录被试归类的正确率。每个特征测验一次，因此在单个特征测验阶段有十六个trial。
2.3 结果与分析
2.3.1 预训练阶段的结果
在预训练阶段，分析所有实验条件下学习定义特征维度的正确率，剔除正确率低于0.5的被试数据。对定义特征维度学习的正确率，样例特征随机呈现时，在知识特征维度条件和机械特征维度条件下分别为：0.88和0.92：样例特征固定位置呈现时，两种条件下正确率分别为：0.86和0.85，说明四种条件下的被试都认真学习了定义特征维度。
2.3.2 学习阶段的结果
删除了学习阶段归类正确率低于平均数三个标准差的被试数据，样例特征随机呈现时，知识特征维度条件和机械特征维度条件下各有24名被试，样例特征固定位置呈现时。两种条件下各有25名和24名被试。
为了考察被试每轮学习的情况。将学习轮次、特征呈现方式和定义特征维度的性质进行6×2×2混合实验设计的方差分析，其中学习轮次为被试内变量，特征呈现方式和定义特征维度的性质为被试间变量。学习轮次的主效应显著。F(5，465)=21.186，p<0.001，随着学习轮次的增多，学习者对样例归类的正确率不断提高。事后检验分析表明，第五轮、第六轮样例归类的正确率显著高于第一轮、第二轮，表3列出了每轮学习中归类的正确率。样例特征的呈现方式，定义特征维度的性质主效应都不显著：F(1，93)=0.891，p>0.1；F(1，93)=0.327，p>0.1，表4、表5分别列出了具体数据。样例特征的呈现方式、定义特征维度的性质、学习轮次之间的交互作用都不显著。说明在学习阶段对样例归类的正确率并没有表现出特征呈现方式和定义特征维度性质上的差异。 (陈琳 钟罗金 郑允佳 莫雷)
2、实验
2.1 实验目的
通过比较不同特征呈现方式、不同性质的定义特征维度条件下，对非定义特征维度的掌握，验证类别学习双机制中的认知学习机制，2.2 实验方法
2.2.1 被试
112名本科生(其中男生48人，女生64人，年龄分布从20岁-25岁，平均年龄为23岁)自愿参加本实验，实验后给予被试一定的报酬。
2.2.2 实验材料
学习材料为A、B两类交通工具。每个类别包括八个样例，每个样例由八个两维的特征(1或O)构成，其中四个知识特征维度，四个机械特征维度。四个知识特征维度彼此之间存在主题相关，例如“非洲人使用”、“擅长在雨林湿地中行驶”、“车身漆防晒”、“车子通风散热效果好”描述的主题是“热带气候的交通工具”。而“爱斯基摩人使用”、“擅长在冰河上行驶”、“车身漆防冻”、“车子密闭保温效果好”描述的主题是“寒带气候的交通工具”。机械特征维度则是与两个类别的主题：“热带气候的交通工具”或“寒带气候的交通工具”无关。类别A中八个特征维度的典型特征都用1表示，类别B中八个典型特征都用0表示。类别A的原型样例表示为：11111111：类别B的原型样例为：00000000。每个特征维度上1和0指代的具体特征，见表1。
在类别中设定了一个定义特征维度。表2是特征维度1(即D1)为定义特征维度时的抽象类别结构，根据定义特征维度D1，可以正确归类两个类别中的所有样例。例如当样例的D1为l(即非洲人使用)时，样例一定属于类别A，当样例的D1为0(即爱斯基摩人使用)时，样例一定属于类别B。其余七个特征维度为非定义特征维度，根据任何一个非定义特征维度都不能对两个类别中的所有样例进行百分百正确归类。例如，根据非定义特征维度D2。当其为1(擅长在雨林湿地中行驶)时。样例既可能属于类别A也可能属于类别B。D3-D8都如此。
2.2.3 实验设计
两因素被试间的实验设计。自变量为样例特征呈现方式(随机呈现和固定方式呈现)和定义特征维度的性质(知识定义特征维度和机械定义特征维度)，每种实验条件下各有28人。知识定义特征维度条件下，定义特征维度为四个知识特征维度中的任意一个，因此在知识定义特征维度条件下共有四组实验材料，D1-D4分别做定义特征维度时各有一组实验材料，被试学习哪个特征维度做定义特征维度的实验材料都进行了平衡：机械定义特征维度条件下，定义特征为四个机械特征维度中的任意一个，同理在机械定义特征维度条件下也有D5-D8各做定义特征维度的四组实验材料。
2.2.4 实验程序
实验过程包括三个阶段：预训练阶段、学习阶段和单个特征测验阶段。
在预训练阶段，电脑屏幕上首先呈现红色的“+”，“+”消失后，被试对电脑上呈现的某个定义特征维度的两个定义特征进行“A类别”或“B类别”的归类，并按下键盘上相应的键，反应时间自主决定。被试做出选择后。电脑对被试的选择反馈，被试根据反馈学习对定义特征维度的归类。例如，如果被试学习的实验材料是D1作为定义特征维度，那么在预训练阶段。被试需要学习“非洲人使用”和“爱斯基摩人使用”这两个定义特征分别属于“A类别”或“B类别”，每个定义特征重复学习7次，因此共14个trials。设定预训练阶段的目的在于考察定义特征维度的学习是否会阻碍学习阶段对非定义特征维度的学习。即当被试可以根据定义特征维度正确归类类别中的所有样例时，是否还会学习其他特征维度。
在学习阶段，所有条件下的被试都需要对A、B两个类别中的各八个样例学习归类。学习按block进行，在每个block内部，样例呈现的顺序随机，每个样例在电脑屏幕上以特征单的方式自上至下排列呈现。电脑屏幕上首先呈现红色“+”，然后呈现样例，被试对呈现样例最可能属于哪类交通工具进行归类，按下键盘上对应的“A类别”或“B类别”键，被试自主决定反应时间，电脑对被试的归类进行反馈，反馈包括归类正确与否。样例属于的正确类别，以及样例的八个特征，反馈持续五秒。在样例特征呈现方式随机条件下，每个样例中八个特征呈现的位置由电脑随机决定。在样例特征固定位置呈现条件下，定义特征维度被固定在样例的首位，其他非定义特征呈现的位置也固定不变。所有条件中的被试都需要对两个类别学习6轮。
单个特征测验阶段，两种条件下的被试都需要对所学的A、B两个类别中。八个两维特征维度的十六个特征进行单个特征归类测验。电脑首先呈现红色的“+”，然后呈现单个特征，被试判断具有该特征的样例，最可能属于哪个类别，并按下键盘上相应的类别键，被试自主决定反应时间，无反馈。电脑记录被试归类的正确率。每个特征测验一次，因此在单个特征测验阶段有十六个trial。
2.3 结果与分析
2.3.1 预训练阶段的结果
在预训练阶段，分析所有实验条件下学习定义特征维度的正确率，剔除正确率低于0.5的被试数据。对定义特征维度学习的正确率，样例特征随机呈现时，在知识特征维度条件和机械特征维度条件下分别为：0.88和0.92：样例特征固定位置呈现时，两种条件下正确率分别为：0.86和0.85，说明四种条件下的被试都认真学习了定义特征维度。
2.3.2 学习阶段的结果
删除了学习阶段归类正确率低于平均数三个标准差的被试数据，样例特征随机呈现时，知识特征维度条件和机械特征维度条件下各有24名被试，样例特征固定位置呈现时。两种条件下各有25名和24名被试。
为了考察被试每轮学习的情况。将学习轮次、特征呈现方式和定义特征维度的性质进行6×2×2混合实验设计的方差分析，其中学习轮次为被试内变量，特征呈现方式和定义特征维度的性质为被试间变量。学习轮次的主效应显著。F(5，465)=21.186，p<0.001，随着学习轮次的增多，学习者对样例归类的正确率不断提高。事后检验分析表明，第五轮、第六轮样例归类的正确率显著高于第一轮、第二轮，表3列出了每轮学习中归类的正确率。样例特征的呈现方式，定义特征维度的性质主效应都不显著：F(1，93)=0.891，p>0.1；F(1，93)=0.327，p>0.1，表4、表5分别列出了具体数据。样例特征的呈现方式、定义特征维度的性质、学习轮次之间的交互作用都不显著。说明在学习阶段对样例归类的正确率并没有表现出特征呈现方式和定义特征维度性质上的差异。 (陈琳 钟罗金 郑允佳 莫雷)