第六章 长时记忆
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
用激活扩散模型来解释：（1）前一种说法中“水果”的激活比后一种说法早；（2）概念按语义联系组成网络，水果与下层概念“Apple”等密切联系在一起，故易激活。
4、激活扩散模型对层次网络模型的修正
（三）命题网络（重点掌握）
上述两个模型是以概念为基本的知识单元来说明概念的贮存方式及加工过程的。随着研究的进展，心理学家试图说明更大单元的知识存储方式和过程设计出容语义记忆和情景记忆为一体的一般性知识的记忆模型，其中以命题为知识单元的记忆模型有HAM和ELINOR。
1972年Frost用测定反应时的方法进行了视觉表象代码的实验，证明了被试学习图片时使用了视觉表象代码。
Meyer（1973）的实验，比较大象和老鼠，兔子和老鼠的大小有差异；比较凶猛、聪明程度无差异。
1972年，NelsonRothbart所做的听觉表象实验，结果表明，即使被试已忘记了与第一组材料中的数字相配对的那些词，但学习音似项目仍快于学习无关项目。可见，被试在向长时记忆存储材料时必然进行了语言表象的编码。
（3）层次网络模型对否定判断的解释也发生困难
（二）激活扩散模型（重点掌握）
1、模型的结构
2、模型的加工过程
3、模型的验证：启动效应
Freedman和Loftus（1971）的启动实验：
同一作业两种表达方式：
（1）“说出一种水果名称是以A字母开头的”呈现完后计时，反应快
（2）“说出一种以A字母开头的水果名称“呈现完后计时，反应慢
事件：由行动、行动者和对象等构成的场景，起核心作用。
情景：数个事件由按一定时间关系结合成情景。
命题表征：
特点：能容纳多种多样的联系，可表征各种信息。
第三节集理论模型和特征比较模型
（一）集理论模型（一般掌握）
1、模型的基本内容
Meyer（1970）提出P187
概念是这个模型的基本语义单元。概念内一集信息或要素来表征。这些信息集由样例集和属性或特征集体构成。
二、长时记忆的类型（一般掌握）
（一）情景记忆和语义记忆
情景记忆（Episodic memory）和语义记忆（Sematic memory）是加拿大心理学家Tulving1972年提出来的。
1、什么是情景记忆和语义记忆
2、区别
3、联系
（二）表象系统和言语系统
1、表象代码（彭p157）
表象代码是指在人脑中表征的感知过的事物的形象。
（一）语义层次网络模型
1、模型的结构与特点
2、层次网络中信息的搜索与提取
（1）信息的搜索和提取表现出范畴大小效应
（2）信息的搜索和提取过程是一个推理的过程
3、评价
Collins和Quillian的语义层次网络模型引起了极大的反响，激励了一大批心理学家对语义记忆进行研究。但他们的模型也受到了一些批评。
第六章 长时记忆
1．教学目的和要求：
了解长时记忆的类型，重点掌握语义记忆的模型。
2．教学重点和难点：语义记忆的模型
3．教学时数：6
4.教学方法：讲授法
5.教学内容：
第一节长时记忆的类型
一、长时记忆研究的简短回顾（了解）
（一）艾宾浩斯的研究
（二）巴特利特的研究
（三）信息加工论与长时记忆
由于信息加工论的引入，长时记忆的研究有了长足的发展，如将长时记忆区分为情景记忆和语义记忆（Tulving，1972）、表象系统和言语系统（Paivio，1975），还提出了一系列的语义记忆模型。
局子判断的基本过程：如判断“金丝雀是鸟”。先搜索各概念的属性集，再根据其属性集的重叠程度进行判断，两个属性集的共同属性多，即重叠程度愈高，就可以做出肯定判断；反之作出否定判断；另外，属性的重叠程度愈高，判断速度愈快。集理论模型说明范畴大小的效应。
2、谓语交叉模型（集理论模型的一个实例）
这个模型是为了说明集理论模型如何提取信息对全称语句和特称语句进行加工而提出的，谓语加工模型分两个阶段加工（见P187图）。
ACT模型和HAM模型是相似的
ACT模型几个假设对弄清它地加工机制是非常重要的（见彭p173）
第一、激活假设；第二、激活扩散假设；第三、激活阈假设
80年代初联想主义再度兴起，《并行分布加工》一书是其代表作，联结主义认为，分布式存储和处理是信息加工的最基本特性。知识不是存储在网络的某个特定部位，而是分布在由由突触及其不同强度构成的整个网络关系中。因此，分布式存储和处理具有非局域性和非定位性。非局域性是指一个系统的许多整体行为不仅取决于系统单元的个性，而且主要由单元间的相互关系和相互作用所决定。
第一阶段：判定主语或谓语是否交叉或重叠，即两个概念是否有共同成员。若有作肯定判断，否则作否定判断。结论：对任何特成语句的判断在第一阶段就可以实现，对包含不相关联系的两个概念的句子，也可以在第一阶段完成判断。
第二阶段：判定主语是否为谓语的子集，如果谓语的每一个属性都是主语的属性，如“所有的金丝雀都是鸟”，那么主语就是谓语的子集，据此可以作出肯定判断；反之，如“所有妇女都是作家”就可以作出否定判断。结论，除包含两个概念互不关联的句子以外（如所有玫瑰都是汽车），对全称语句的判断要得到两个阶段的加工，并且只能在第二个阶段才可以实现。
（四）内隐记忆和外显记忆
第二节Байду номын сангаас次网络模型和激活扩散模型
长时记忆中信息的表征不仅是指信息在头脑中的编码方式，即以什么形式的代码储存在记忆中，同时还指信息是如何被组织起来的。Tulving提出的两种记忆，促使许多心理学家对语义记忆进行研究，提出了许多模型。主要可分为网络模型和特征模型。
一、网络模型（重点掌握）
Anderson在1976年对HAM模型进行了修正，提出了ACT（Adaptive Control of Thought）即思维的适应控制模型。在ACT模型中区分了描述性知识（declarative knowledge）和程序性知识（procedual knowledge），而HAM只涉及了描述性知识。ACT中描述性知识是通过命题网络来表征的，而程序性知识则是通过产生式系统得到应用的，经过7年的研究工作，到了1983年，Anderson在其著作《The Architeeture of Cognition》中发展了ACT，提出了ACT理论。试图用一套神经学假设来解释产生式系统的应用；用一套心理学假设来解释产生式规则的获得。1995年，Anderson又提出了ACT-R（Rational理性的、合理的）系统，这个系统的主要特征是根据环境中的统计性结构而相应地调整加工地获得和操作。
1、HAM模型和Aet模型
由Anderson和Bower提出的Human Associative Memory也是一种网络模型，它以命题为表征单元。P195
命题与联想：命题由一小集联想构成，每个联想将两个概念结合在一起，有四种主要的联想类型：情境——事实联想；地点——时间联想；主语——谓语联想；关系——宾语联想。
2．四阶段操作过程
二．ELINOR模型（了解）
1．信息类型
2．命题表征
6．复习思考题：
简述长时记忆的理论模型。
2、命题代码（语义代码）
（1）命题代码理论的基本观点
（2）命题代码的分析方法
安德森的命题分析法和Kintsch的命题表征法
（3）实验证据
言语方面和非言语方面
3、双重编码说P173
Paivio（1975）的观点
（三）描述性记忆和非描述性记忆
在许多情况下，很难将情节记忆和语义记忆区分开来，因此，现在有人（如Cohen，1980；Squire，1987）将二者统称为描述性记忆。描述性记忆是指通过言传一次性获得的有关事实的知识的记忆，它可以通过意识性的回忆直接提取。例如上课学习的生词、日常生活常识，以及各种生活事件的记忆等等。非描述性记忆是关于怎样去做的记忆。以前人们用程序性记忆来表达这个概念，现在倾向于用非描述性记忆，并与描述性记忆相对。
（1）他们只从连线经过的层次水平来研究信息的提取，忽略了连线的强度，即没有考虑到概念间的熟悉效应。如Rips的实验。另外，Courad（1972）的实验也说明，与某一概念经常发生联系的特征与这一概念存储在一起，因此，正是概念与特征联系的频率或熟悉度，而不是等级距离决定着搜索和提取时间。
（2）忽略了典型性效应
语义记忆的联结主义模型也提出了加工的几个假设，并推理出，间接激活的程度随复杂程度的增加而增加；搜索加工速度随复杂性的增加而增加。这就解决了串行加工所解决不了的一个问题——记忆网络复杂程度增加，搜索加工速度减慢，但实际上专家比新手存储信息多，但他们的提取速度反而快。
2、ELIONR模型
信息的类型：
概念：指特定思想；是一种（个）；有（是、会）；是一种（逆向）
（二）特征比较模型（一般掌握）
1、两类语义特征：定义性特征和特异性特征
2、语义距离和语义空间
3、两阶段加工过程
4、模型的评价
第四节HAM ELINOR
一、HAM模型（了解）
1．命题与联想
HAM就是"人的联想记忆"模型,它也是一种网络模型,但其基本的表征单元是将概念连起来的命题,而不是单个的概念本身.
3、模型的验证和评价
Meyer（1970）用实验证明，对特成语句判断的反应时快于对全称语句的判断。因前者只需一个加工阶段，而后者则需两个加工阶段（“所有玫瑰都是汽车”句例外）。Rpc（1975）的实验则无此结果。
集理论模型可以说明范畴大小效应，但不能解释熟悉效应和典型效应。集理论模型还提出了非预存的思想，概念间的联系要通过比较或计算才能得到。
命题树：上述几种联想可形成一个命题树，命题树的结构见P196
HAM模型的操作过程：
第一阶段：输入句子
第二阶段：建立命题树
第三阶段：搜索长时记忆中与此命题树相同的命题树
第四阶段：将输入的命题树与长时记忆的命题树进行匹配，达到理解
HAM模型的特点：既可以表征语义记忆，又可以表征情景记忆，既可以加工语言信息，又可以加工非语言信息。HAM模型还充分的实现了计算机模拟。
4、激活扩散模型对层次网络模型的修正
（三）命题网络（重点掌握）
上述两个模型是以概念为基本的知识单元来说明概念的贮存方式及加工过程的。随着研究的进展，心理学家试图说明更大单元的知识存储方式和过程设计出容语义记忆和情景记忆为一体的一般性知识的记忆模型，其中以命题为知识单元的记忆模型有HAM和ELINOR。
1972年Frost用测定反应时的方法进行了视觉表象代码的实验，证明了被试学习图片时使用了视觉表象代码。
Meyer（1973）的实验，比较大象和老鼠，兔子和老鼠的大小有差异；比较凶猛、聪明程度无差异。
1972年，NelsonRothbart所做的听觉表象实验，结果表明，即使被试已忘记了与第一组材料中的数字相配对的那些词，但学习音似项目仍快于学习无关项目。可见，被试在向长时记忆存储材料时必然进行了语言表象的编码。
（3）层次网络模型对否定判断的解释也发生困难
（二）激活扩散模型（重点掌握）
1、模型的结构
2、模型的加工过程
3、模型的验证：启动效应
Freedman和Loftus（1971）的启动实验：
同一作业两种表达方式：
（1）“说出一种水果名称是以A字母开头的”呈现完后计时，反应快
（2）“说出一种以A字母开头的水果名称“呈现完后计时，反应慢
事件：由行动、行动者和对象等构成的场景，起核心作用。
情景：数个事件由按一定时间关系结合成情景。
命题表征：
特点：能容纳多种多样的联系，可表征各种信息。
第三节集理论模型和特征比较模型
（一）集理论模型（一般掌握）
1、模型的基本内容
Meyer（1970）提出P187
概念是这个模型的基本语义单元。概念内一集信息或要素来表征。这些信息集由样例集和属性或特征集体构成。
二、长时记忆的类型（一般掌握）
（一）情景记忆和语义记忆
情景记忆（Episodic memory）和语义记忆（Sematic memory）是加拿大心理学家Tulving1972年提出来的。
1、什么是情景记忆和语义记忆
2、区别
3、联系
（二）表象系统和言语系统
1、表象代码（彭p157）
表象代码是指在人脑中表征的感知过的事物的形象。
（一）语义层次网络模型
1、模型的结构与特点
2、层次网络中信息的搜索与提取
（1）信息的搜索和提取表现出范畴大小效应
（2）信息的搜索和提取过程是一个推理的过程
3、评价
Collins和Quillian的语义层次网络模型引起了极大的反响，激励了一大批心理学家对语义记忆进行研究。但他们的模型也受到了一些批评。
第六章 长时记忆
1．教学目的和要求：
了解长时记忆的类型，重点掌握语义记忆的模型。
2．教学重点和难点：语义记忆的模型
3．教学时数：6
4.教学方法：讲授法
5.教学内容：
第一节长时记忆的类型
一、长时记忆研究的简短回顾（了解）
（一）艾宾浩斯的研究
（二）巴特利特的研究
（三）信息加工论与长时记忆
由于信息加工论的引入，长时记忆的研究有了长足的发展，如将长时记忆区分为情景记忆和语义记忆（Tulving，1972）、表象系统和言语系统（Paivio，1975），还提出了一系列的语义记忆模型。
局子判断的基本过程：如判断“金丝雀是鸟”。先搜索各概念的属性集，再根据其属性集的重叠程度进行判断，两个属性集的共同属性多，即重叠程度愈高，就可以做出肯定判断；反之作出否定判断；另外，属性的重叠程度愈高，判断速度愈快。集理论模型说明范畴大小的效应。
2、谓语交叉模型（集理论模型的一个实例）
这个模型是为了说明集理论模型如何提取信息对全称语句和特称语句进行加工而提出的，谓语加工模型分两个阶段加工（见P187图）。
ACT模型和HAM模型是相似的
ACT模型几个假设对弄清它地加工机制是非常重要的（见彭p173）
第一、激活假设；第二、激活扩散假设；第三、激活阈假设
80年代初联想主义再度兴起，《并行分布加工》一书是其代表作，联结主义认为，分布式存储和处理是信息加工的最基本特性。知识不是存储在网络的某个特定部位，而是分布在由由突触及其不同强度构成的整个网络关系中。因此，分布式存储和处理具有非局域性和非定位性。非局域性是指一个系统的许多整体行为不仅取决于系统单元的个性，而且主要由单元间的相互关系和相互作用所决定。
第一阶段：判定主语或谓语是否交叉或重叠，即两个概念是否有共同成员。若有作肯定判断，否则作否定判断。结论：对任何特成语句的判断在第一阶段就可以实现，对包含不相关联系的两个概念的句子，也可以在第一阶段完成判断。
第二阶段：判定主语是否为谓语的子集，如果谓语的每一个属性都是主语的属性，如“所有的金丝雀都是鸟”，那么主语就是谓语的子集，据此可以作出肯定判断；反之，如“所有妇女都是作家”就可以作出否定判断。结论，除包含两个概念互不关联的句子以外（如所有玫瑰都是汽车），对全称语句的判断要得到两个阶段的加工，并且只能在第二个阶段才可以实现。
（四）内隐记忆和外显记忆
第二节Байду номын сангаас次网络模型和激活扩散模型
长时记忆中信息的表征不仅是指信息在头脑中的编码方式，即以什么形式的代码储存在记忆中，同时还指信息是如何被组织起来的。Tulving提出的两种记忆，促使许多心理学家对语义记忆进行研究，提出了许多模型。主要可分为网络模型和特征模型。
一、网络模型（重点掌握）
Anderson在1976年对HAM模型进行了修正，提出了ACT（Adaptive Control of Thought）即思维的适应控制模型。在ACT模型中区分了描述性知识（declarative knowledge）和程序性知识（procedual knowledge），而HAM只涉及了描述性知识。ACT中描述性知识是通过命题网络来表征的，而程序性知识则是通过产生式系统得到应用的，经过7年的研究工作，到了1983年，Anderson在其著作《The Architeeture of Cognition》中发展了ACT，提出了ACT理论。试图用一套神经学假设来解释产生式系统的应用；用一套心理学假设来解释产生式规则的获得。1995年，Anderson又提出了ACT-R（Rational理性的、合理的）系统，这个系统的主要特征是根据环境中的统计性结构而相应地调整加工地获得和操作。
1、HAM模型和Aet模型
由Anderson和Bower提出的Human Associative Memory也是一种网络模型，它以命题为表征单元。P195
命题与联想：命题由一小集联想构成，每个联想将两个概念结合在一起，有四种主要的联想类型：情境——事实联想；地点——时间联想；主语——谓语联想；关系——宾语联想。
2．四阶段操作过程
二．ELINOR模型（了解）
1．信息类型
2．命题表征
6．复习思考题：
简述长时记忆的理论模型。
2、命题代码（语义代码）
（1）命题代码理论的基本观点
（2）命题代码的分析方法
安德森的命题分析法和Kintsch的命题表征法
（3）实验证据
言语方面和非言语方面
3、双重编码说P173
Paivio（1975）的观点
（三）描述性记忆和非描述性记忆
在许多情况下，很难将情节记忆和语义记忆区分开来，因此，现在有人（如Cohen，1980；Squire，1987）将二者统称为描述性记忆。描述性记忆是指通过言传一次性获得的有关事实的知识的记忆，它可以通过意识性的回忆直接提取。例如上课学习的生词、日常生活常识，以及各种生活事件的记忆等等。非描述性记忆是关于怎样去做的记忆。以前人们用程序性记忆来表达这个概念，现在倾向于用非描述性记忆，并与描述性记忆相对。
（1）他们只从连线经过的层次水平来研究信息的提取，忽略了连线的强度，即没有考虑到概念间的熟悉效应。如Rips的实验。另外，Courad（1972）的实验也说明，与某一概念经常发生联系的特征与这一概念存储在一起，因此，正是概念与特征联系的频率或熟悉度，而不是等级距离决定着搜索和提取时间。
（2）忽略了典型性效应
语义记忆的联结主义模型也提出了加工的几个假设，并推理出，间接激活的程度随复杂程度的增加而增加；搜索加工速度随复杂性的增加而增加。这就解决了串行加工所解决不了的一个问题——记忆网络复杂程度增加，搜索加工速度减慢，但实际上专家比新手存储信息多，但他们的提取速度反而快。
2、ELIONR模型
信息的类型：
概念：指特定思想；是一种（个）；有（是、会）；是一种（逆向）
（二）特征比较模型（一般掌握）
1、两类语义特征：定义性特征和特异性特征
2、语义距离和语义空间
3、两阶段加工过程
4、模型的评价
第四节HAM ELINOR
一、HAM模型（了解）
1．命题与联想
HAM就是"人的联想记忆"模型,它也是一种网络模型,但其基本的表征单元是将概念连起来的命题,而不是单个的概念本身.
3、模型的验证和评价
Meyer（1970）用实验证明，对特成语句判断的反应时快于对全称语句的判断。因前者只需一个加工阶段，而后者则需两个加工阶段（“所有玫瑰都是汽车”句例外）。Rpc（1975）的实验则无此结果。
集理论模型可以说明范畴大小效应，但不能解释熟悉效应和典型效应。集理论模型还提出了非预存的思想，概念间的联系要通过比较或计算才能得到。
命题树：上述几种联想可形成一个命题树，命题树的结构见P196
HAM模型的操作过程：
第一阶段：输入句子
第二阶段：建立命题树
第三阶段：搜索长时记忆中与此命题树相同的命题树
第四阶段：将输入的命题树与长时记忆的命题树进行匹配，达到理解
HAM模型的特点：既可以表征语义记忆，又可以表征情景记忆，既可以加工语言信息，又可以加工非语言信息。HAM模型还充分的实现了计算机模拟。