内隐学习的研究方法综述_龚雨玲

湖南社会科学2012/5

内隐学习的研究方法综述X

□龚雨玲

摘　要:内隐学习,即学习中的无意识,指一种不知不觉的学习,它是有机体通过与环境接触,无目的、自动地获得事件或客体间结构关系的过程。在这一过程中,个体并没有意识到或者陈述出控制他们行为的规则是什么,但却学会了这种规则。本文系统的阐述了有关内隐学习的相关研究方法,并从研究方法的角度探讨了内隐学习研究领域的发展历史。

关键词:内隐学习　研究方法　综述

中图分类号:B80-0　文献标识码:A　文章编号:1009-5675(2012)05-068-03

内隐学习的研究方法和内隐记忆的研究方法,在逻辑上是吻合的——通过两种任务来对应意识或无意识主导的过程,借由实验性分离来考察内隐学习和外显学习的各自特征。不过在具体研究范式上,内隐学习有其专属的研究方法。

一、内隐学习的研究方法

1.实验性分离的逻辑

所谓实验性分离,就是指在试验中观察到的两个不同处理间的差异。它的逻辑十分直接:如果用以比较的两个测验(直接测量和间接测量)所包含的加工过程是相同的,或者是两组高度相关的加工过程,则这两个测验之间的比较不应该出现实质性的分离。如果出现了分离,那么测验中所控制的自变量就有可能包含不同性质的加工过程。

内隐学习的领域里,正是基于这样的分离逻辑,研究者们从不同的视角、以不同的方式设计出了很多不同的实验范式。这些研究方法各具特色又相互关联,下面将分别加以介绍。

2.人工语法范式

人工语法范式是内隐学习研究的最重要的实验范式,而内隐学习这一概念也正是雷伯(Reber)的人工语法实验中被第一次提出的。

这一范式的特点就在于:以一套复杂的“语法”规则为核心,作为试验中被试通过内隐学习预期能够习得的知识,而被试是否发生内隐学习,是从分类操作任务的表现来衡量的。

最典型的人工语法可以用类似下面所示的语法图来表示,在典型的人工语法学习中,记忆组(无意识学习条件)被试首先对人工语法生成的字符串进行记忆,然后得知这些字符串的顺序中存在复杂规则,并被要求对语法字符串和非语法字符串进行分类;规则发现组(有意识学习条件)被试则被要求寻找出字符串的规则,即找出人工语法

。

图1　典型的限定状态语法图(来自Berry和Dienes,1993)

X作者简介:龚雨玲,湖南体育职业学院体育系系主任,心理健康教育中心主任,副教授,湖南长沙,410014。

结果发现:被试记忆的字符串越多,对新字符串进行分类就越容易。被试对新字符串的分类成绩显著高于随机水平(69%),这表明被试习得了语法规则。同时,记忆组成绩高于发现组,且记忆组的分类操作水平远高于外显言语报告反映的语法知识所能解释的范围,因而限定状态语法的学习是内隐的,即发生了实验性分离,证实了发生的是内隐学习。

3.序列学习范式

序列学习范式解决了人工语法范式中字符串都是一次性呈现从而无法避免被试在分类操作中可能会回忆先前样例而造成任务不纯的问题,它在实验中呈现先后顺序上具有规则的刺激模式,并考察被试是否发生对序列规则的内隐学习。

序列学习范式往往要求被试在事先不知道序列存在特殊结构的情况下,对序列中项目的某一个属性进行反应,经过大量练习之后,相对于随机情况,被试的反应时或正确率会稳步改善,从而证明被试获得了有关序列潜在结构的知识,并在此基础上通过各种方法测试被试的外显知识,如果被试所获得的知识是意识不能通达的,那么被试的学习便被认为是内隐的。

序列学习范式的变式众多,其中三项任务最具典型意义:序列反应时(ser ial reactio n t ime,SRT)任务、矩阵扫描(mat rix scanning)任务以及序列预测(sequence predictio n)任务。

4.复杂系统控制(co nt ro l o f complex system)范式

序列学习范式虽然从静态的语法图规则走向了在实践顺序上前后关系的动态规则,却依然是简单的刺激反应模式,而实际生活中的内隐学习现象可能远比这样的任务来得复杂。当内隐学习在自然情境中发生时,人们所接触的规则,往往不是像序列学习实验中那样简单机械,也不像人工语法实验中那样毫无意义。

为了能模拟人们在实际问题解决过程中可能出现的内隐学习过程,研究者们发展出了复杂系统控制模式。

复杂系统控制范式最先由布罗德本特(Bro adbent, 1977)引入内隐学习领域。在复杂系统控制范式中,往往要求被试通过改变一个或多个输入变量的值来控制一个或多个输出变量的值。它最基本的实验程序是:实验前用指导语控制被试的内隐状态,即不告知被试输入变量和输出变量间有任何关系,实验时则要求被试根据输入、输出变量的初始值在计算机上键入输入变量的值以期达到某一指定的输出变量值,事先编制好的计算机程序则会根据被试的输入计算出输出变量值作为反馈,被试根据反馈输入下一个输入变量值,这种输入反馈的过程一直持续到被试达到并维持设定的输出变量值。

5.自然学习范式

简单地说,自然学习范式提出了这样一个基本问题:自然情境中是否也有内隐学习?如果个体在自然发展中很大程度上会依赖于内隐学习,那么内隐学习的两个基本特点——无意识性和对复杂规则的缄默知识的获得——又如何能在实验室控制以外的自然观察中得到证明呢?

自然学习范式下的内隐学习不同于前面介绍的范式,它最大的特征在于我们往往很难区分出明显的学习阶段和测验阶段。发展心理学研究证明了儿童很小就学会了远近、大小、高低这些概念范畴,对这类逻辑范畴的学习无疑是无意识的,但是他们并不是在某些确定的任务中产生内隐学习的。

6.信息传递范式

从信息论的观点来看,内隐学习的效果,其实就是看被试多大程度上能够将测试字符串的状态正确对应到反应类型上。

如果将内隐学习的测试阶段看作是信息传递的过程——信息源是符合或不符合规则的刺激,而接收方则是被试,要尽可能准确地反映信息源的真实状况。所以理想情况下,如果被试完全掌握实验中的复杂规则知识,那么被试作为接收方的反应就会完全吻合信息源的真正情况,这时信息的传递是完全的。事实上,学习不可能做到完全通晓规则知识,因此信息传递量总是在最大可能值以下的。那么:信息传递量就可以作为一般意义上规则知识的量化指标,从而为内隐学习引入新的实验因变量。

7.信号检测范式

信号检测论的主要特点就是在排除了反应偏向的情况下人们对信号和噪音的区别能力。内隐学习测验中常用的分类操作任务在形式上也完全类似于信号和噪音的辨别任务,只不过这种分辨在内容上是要把符合规则的刺激与不符合规则的刺激分开。信号检测论的引入为内隐学习的研究提供了新的观察视角,将分辨力指标与反应倾向指标区分开,或许能为内隐学习效果的度量提供更有效的尺度。

而且,以往信号检测论常用于再认实验,也在内隐记忆研究中得到应用,现在将这种方法运用于内隐学习领域,有可能为内隐学习和内隐记忆提供一个交汇点。

二、内隐学习的研究方法新进展

1.分离逻辑的缺陷

前面所介绍的研究范式都是基于分离逻辑来进行的。但是,分离逻辑远非完美,从它的诞生之日起,对于分离逻辑本身缺陷和弱点的批评就未曾断绝。

分离逻辑的不足恰恰来自于它最大的特色,即直接测验和间接测验的区分。两种测验形式的存在,使批评者提出了

哲学·政治