 Advances in Psychology 心理学进展, 2011, 1, 62-70 http://dx.doi.org/10.12677/ap.2011.12010 Published Online July 2011 (http://www.hanspub.org/journal/ap/) Copyright © 2011 Hanspub AP How Prior Knowledge Affects Category Learning Qiang Xing1, Jingshang Che2 1Department of Psychology, Guangzho u University, Guangzhou 2GuangzhouTian He College of Guangdong Polyte ch ni c No rmal University, Guangzhou Email: qiang_xingpsy@126.com Received: Feb. 22nd, 2011; revised: Apr. 14th, 2011; accepted: May 11th, 2011. Abstract: The paper studies how prior knowledge affects the inference learning by eye tracking. Using one-way within-subjects design, the experiment examined subjects’ fixations on knowledge-related demen- sions and knowledg e-unrelated ones. The results showed that subjects allocated more attention to knowledge related demensio ns than knowledg e-unrelated on es, and the tendency appeared in the beginning. This showed that prior knowledge can promote the learning of knowledge-related demensions. Keywords: Category Learning; Inference Learning; Prior Knowl ed ge; Eye t racki n g 先前知识对推理学习的影响 邢 强1，车敬上 2 1广州大学心理学系，广州 2广东技术师范学院天河院，广州 Email: qiang_xingpsy@126.com 收稿日期：2011 年2月22 日；修回日期：2011年4月14日；录用日期：2011 年5月11 日 摘 要：采用眼动方法研究了先前知识对推理学习的影响。实验采用单因素被试内设计，考察了被试 在推理学习过程中对知识相关维度和无关维度的注视情况。结果表明被试对相关维度的注意多于无关 维度，并且这种倾向在实验一开始就出现了，说明先前知识能够促进对知识相关维度的学习。 关键词：类别学习；推理学习；先前知识；眼动 1. 前言 类别知识在生活中具有重要的作用，它使我们将 纷繁复杂的世界分成各种集合，从而快速有效的识别 客观事物，简化了认知过程。获得类别知识的过程就 是类别学习，大多数类别学习都与先前知识是交互作 用的，在我们学习一个新的客体的时候，我们已经对 这个客体所属范畴的知识有了大体的了解，比如动物 范畴、植物范畴等(Hoffman, 2008)。 关于先前知识对类别学习的影响，国外心理学家进 行了大量的研究，发现知识对类别学习的影响受多种因 素制约。例如，Barslou(1985)比较了被试在难易程度不 同的条件下形成有关类别的理论，发现当一个类别的样 例和特征易被某种“理论”所解释时，对典型性特征判 断依赖于样例适合于理论的程度；当这种关于类别的 “理论”难于形成时，典型性判断依赖于样例特征的统 计信息。Splanding 和Murphy(1999)关于类别建构的研 究表明，在有主题的情况下，被试倾向于使用不同的维 度，而不再利用类别项目机械特征的物理相似性，这表 明主题中的知识促进了类别结构的学习。Murphy 和 Wisniewski(1994)发现，对类别中特征关系的注意，在 很大程度上受对特征间因果关系知觉 的影 响。Kaplan 和Murphy(2000)认为相关的知识能够在一定程度上促 进被试对家族相似性类别结构的获得。 国内研究者也对类别学习中知识的作用进行了大 量的研究。例如，郑海燕(2008)等对类别特征的相似 性与竞争性进行了探索，考察了在双类别的情境中匹 配特征数量和特征概率对特征推理结果的影响。结果 表明：在类别内部项目新异特征相似程度高的情况下， 不一致的先前知识没有对类别学习起阻碍作用，而在 类别内部项目新异特征相似程度低的情况下，不一致  先前知识对推理学习的影响 63 的先前知识对类别学习起阻碍作用。陈红敏、郭璐、 莫雷和郑海燕(2010)等探讨一致的先前知识对类别学 习的影响，结果表明：在实验任务为项目类别归属判 断任务时，机械特征重要程度低，主题特征与机械特 征在学习上存在竞争关系；在实验任务为项目类别归 属及记忆任务时，机械特征重要程度高，主题特征与 机械特征在学习上存在促进关系。此外，张阔，阴国 恩等人(2003, 2006)探讨了先前知识对初中生学习家 族相似性类别的影响，研究结果表明：基于先前知识 的主题关系对初中学生的类别学习有显著促进；初中 生在基于已有知识的类别学习中更多地获得了知识关 联特征的信息，同时也能对机械特征保持敏感。 自从发现学习困难与归类所需要的诊断性维度数 量有关后，类别学习中注意的选择机制开始受到心理 学家的关注。许多类别学习的模型都以选择性注意的 变化来表示类别学习过程。但是由于注意不易捕捉和 测量，在心理学研究初期只能对其进行理论假设，并 没有独立的测量指标检验这些假设。随着眼动技术的 发展，眼动仪为精确地测量外显注意提供了良好的方 法。Rehder(2005)等研究了推理学习过程中的眼动， 结果表明使用眼动指标来表示类别学习中的注意直观 而有效。Blair 等人(2009)使用眼动仪研究了类别学习 中的注意灵活性，发现注意可以有差别的分配到不同 的刺激上，支持了注意的灵活性。Kim 和Rehder(2009) 等人研究了类别学习过程中先前知识是如何影响注意 的，发现先前知识会增加对知识相关维度的注意，减 少对无关维度的注意，而且这个过程是逐渐发生的， 这个研究进一步表明眼动仪研究类别学习中注意机制 的有效性。 已有关于知识如何影响类别学习的研究大都是使 用分类学习的方式，本研究旨在使用眼动仪探讨先前 知识影响下推理学习过程的注意机制，有以下三个假 设：第一、先前知识促进推理学习中知识相关维度特 征的学习。第二、先前知识 使注意分配到知识相关维 度上。第三、这种注意分配是逐渐变化的。 2. 研究方法 2.1. 被试 33 名大学生，男 17 名，女 16 名，所有被试视力 或矫正视力正常。 2.2. 实验设计及材料 本实验采用单因素被试内设计，因素的两个水平 为特征与主题知识相关和与主题知识无关。 实验使用的材料与 Shin Woo Kim和Bob Rehder (2009)研究中所使用的材料一致。两个类别 D和K由 6个二维特征组成。表 1为类别的结构。D0 和K0 是 类别原型(图1)。D生活在冰原，K生活在沙漠。6个 特征中，有 4个是与冰原或沙漠的主题相关的，2个 是中性的，图 2是知识描述的样例。 2.3. 实验仪器 本实验知识获得使用 E-prime 心理学实验软件呈 现刺激。类别学习眼动阶段使用加拿大 SR Research 公司生产的 Eyelink-II型眼动仪，设定采样频率为250 Hz，记录方法为瞳孔反射，可以记录被试的注视位置、 注视点持续时间，注视次数等数据。 2.4. 实验程序 实验包括三个阶段：知识获得、推理学习、单特 征测试。在知识获得阶段，只呈现昆虫的一个特征和 对这个特征的描述说明。被试自己控制学习的时间， 被试学习完知识后会进行知识获得情况的测验。最后 让被试复述特征的描述，复述错误则返回重学，全部 复述正确则通过知识获得阶段。 推理学习阶段，呈现的昆虫图片会隐去其中一个 特征，让被试从图片下方两个特征中选择属于图中所 示昆虫的那个特征(图3)，被试判断后给予反馈。当被 Table 1. Category structures 表1. 类别结构 尾巴 足 翅膀 嘴 前臂 触角 D0 1 1 1 1 1 1 D1 1 1 1 1 1 0 D2 1 1 1 1 0 1 D3 1 1 1 0 1 1 D4 1 1 0 1 1 1 D5 1 0 1 1 1 1 D6 0 1 1 1 1 1 K0 0 0 0 0 0 0 K1 0 0 0 0 0 1 K2 0 0 0 0 1 0 K3 0 0 0 1 0 0 K4 0 0 1 0 0 0 K5 0 1 0 0 0 0 K6 1 0 0 0 0 0 Copyright © 2011 Hanspub AP  先前知识对推理学习的影响 64 Figure 1. Prototypes of the two insect 图1. 两种昆虫的类别原型 主题知识相关描述样例 主题知识无关描述样例 由于气温低，这种昆虫眼睛的某些部位回结冰，导致这种昆虫的 眼睛看不见。这种线形触角可以使它灵活地探测周围的环境。 这种昆虫用脚尖锋利的凸起来 保护自己。 Figure 2. Examples of knowledge descriptions 图2. 知识描述样例 试连续三个单元的正确率达到90 %，或者所有单元结 束，推理学习阶段中止。 单特征测试阶段，使用的图片与知识获得阶段一 样，但仅呈现昆虫的一个特征，没有关于特征的描述， 让被试判断特征所属类别。 3. 实验结果与分析 3.1. 知识获得情况 知识获得阶段，被试平均用 3.4 个单元习得知识。 知识获得检验时，中性维度知识判断的正确率为 0.95 ± 0.137，相关维度知识的正确率为 0.91 ± 0.102 ，配 对 样本 t检验结果为 t(48) = 1.7，p = 0.094 > 0.05，说明 两种知识的获得情况相同。 3.2. 推理学习情况及单特征测试结果 在学习阶段，被试达到学习标准平均需要5.17 个 单元。对相关维度单个特 征的判断平均错误率为 0.148，中性维度特征的判断错误率为 0.203，配对样 本t检验，t(28) = –3.099，p = 0.003 < 0.05，在整个推 理学习过程中，对中性维度判断的错误率显著高于相 关维度。单特征测试结果显示，相关维度的正确率 (0.87 ± 0.308)略高于中性维度(0.86 ± 0.316)，但是两者 差异不显著 p = 0.839。 Figure 3. Examples of inference learning 图3. 推理学习图片示例 3.3. 眼动指标分析 3.3.1. 眼动指标计算方法 将昆虫的 6个特征和标签划分为 7个兴趣区域， 再将他们归为三类：相关维度、中性维度和标签。本 研究所使用的指标主要有被试观察的特征个数、注视 时间。某个特征被注视一次就算是被试观察了这个特 征。对于相关维度，注视个数范围是0到4个，而中 性维度是 0到2个，由于数量不等所以我们使用注视 个数概率来表示，即将相关维度的注视个数除以4， 中性维度的除以2。注视时间概率采用相同的计算方 法。 3.3.2. 推理学习过程中注意的分配情况 推理学习过程中注视的相关维度特征个数为 3.98(SD = 1.782)，中性维度特征个数为 1.25(SD = 1.731)，二者差异显著(t(146) = 40.286，p = 0.000 < 0.01)。对两个维度的注视个数概率进行相关样本 t检 验，二者的差异也显著(t(146) = 9.98，p = 0.000)，说 明推理学习过程中对与先前知识一致的维度分配更多 的注意。 3.3.3. 注意分配的变化情况 表2以注视特征个数概率和注视时间概率为因变 量，描述了被试在第一个单元和最后一个单元对各兴 趣区域的注视情况。以注视个数概率为因变量，做单 元(第一单元VS.最后单元)与兴趣区域(相关维度VS. 无关维度 VS.标签)的方差分析，结果如表 3。由表 3 可见，单元与兴趣区域的主效应显著，两者的交互作 用也显著。从事后比较结果表 4可以看出，无论是第 一单元还是最后单元，对相关维度的注视大于中性维 度，对标签的注视是最少的，且这种差异显著。在相 Copyright © 2011 Hanspub AP  先前知识对推理学习的影响 65 Table 2. The fixation probability of interested areas 表2. 不同兴趣区域的注视情况 兴趣区域 单元 注视特征个数概率 注视时间概率 相关维度 第一单元 0.240 ± 0.067 0.327 ± 0.099 最后单元 0.142 ± 0.070 0.192 ± 0.113 中性维度 第一单元 0.097 ± 0.033 0.126 ± 0.047 最后单元 0.059 ± 0.042 0.072 ± 0.052 标签 第一单元 0.314 ± 0.026 0.035 ± 0.031 最后单元 0.315 ± 0.025 0.030 ± 0.026 Table 3. 2 × 3 ANO VA on blocks and interested areas 表3. 不同单元与兴趣区域的注视个数概率方差分析结果 SS dfMS F p 兴趣区域 0.727 20.364 202.5190.000 单元 0.082 10.082 22.268 0.000 兴趣区域 × 单元 0.066 20.033 21.965 0.000 Table 4. Multiple comparisons of different interested areas 表4. 不同兴趣区域的多重比较结果 i j i-j p 第一单元 相关 中性 0.143 0.000 标签 0.209 0.000 中性 标签 0.065 0.000 最后单元 相关 中性 0.083 0.000 标签 0.111 0.000 中性 标签 0.028 0.000 关维度和中性维度上，第一单元的注视大于最后单元， 且这种差异显著(p = 0.000，p = 0.011)，在标签上第一 单元和最后单元的差异不显著(p = 0.991)。 以注视时间概率为因变量，做单元(第一单元 VS. 最后单元)与兴趣区域(相关维度 VS.无关维度 VS.标签) 的方差分析。发现兴趣区域的主效应显著， F(2,52) = 169.698, p = 0.000 < 0.01；单元的主效应显 著，F(1,52) = 22.157, p = 0.000 < 0.01；二者交互作用 显著，F(2,52) = 18.558, p = 0.000 < 0.01。事后检验结 果显示，无论是在第一单元还是在最后单元，对相关 维度的注视大于中性维度大于标签，对标签的注视最 少，且这种差异都显著。 4. 讨论 4.1. 先前知识对推理学习结果的影响 在推理学习过程中，被试对知识相关维度的学习 要优于知识中性维度，表明先前知识促进了对知识相 关维度特征的学习，这个结果与 Kaplan 和Murphy (2000) 的研究结果一致。可能是因为相关维度特征激 活对应的先前知识，促进被试建构主题，而主题的建 构又使被试可以快速有效地进行推理学习，也就是说 相关维度特征对推理学习来说是有效的，而中性维度 的有效性不如相关维度，所以相关维度的学习优于中 性维度。 在学习过程中对相关维度的学习优于中性维度， 那么单特征测试的成绩也应该是相关维度优于中性维 度，本研究的数据显示存在这种差异但不显著。可能 的解释有两个。第一，本实验的被试样本较少。少量 的样本减弱了统计的检验效力。第二，影响类别学习 成绩的因素包括匹配特征、非匹配特征和对立特征， 即材料特征之间的相似性及竞争性问题(郑海燕，莫 雷，2010 )。本研究所用学习材料只包含相关和中性两 种维度，在没有对立特征存在的推理学习中，被试易 做出推理判断，因此二者的单特征测试结果没有达到 显著差异。 4.2. 先前知识影响注意的分配权重 已有的研究表明知识使被试注意知识相关的信 息，本研究表明在推理学习中被试倾向于把其注意指 向与先前知识一致的相关维度，根据类别学习的 SUSTAIN 模型(Love, 1998)，由于认知加工能力有限， 人们会倾向于选择一个最简单的解决方案来简化归类 问题的解决。知识相关的特征能够快速地构建有利于 类别判断的主题情境，主题情境的构建使得相关维度 特征能够有效地预测缺失的特征。相对于关注不能构 建主题的中性维度而言，注视那些具有较高特征预测 能力的相关维度是完成推理学习任务的简单方案。因 此被试会在相关维度分配较多的注意资源，对之进行 深加工。本研究数据显示在推理学习中与先前知识相 关的特征分配较多的注意，该结果支持Murphy 的观 点，即在类别学习过程中，知识会引导注意指向知识 相关的特征而忽略中性特征。 4.3. 先前知识对注意的影响不是渐进的 对于有机体来说，环境要求他们准确而高效的完 成任务，这个过程需要忽略无关信息的干扰，才能够 有效的提升问题解决的效率。这种减少对无关信息的 注意，增加对相关信息的注意，称之为注意优化(atten- tional optimization)(Blair, 2009)。在归类理论中，尽管 类别的表征图式不一样，但是在类别学习过程中注意 优化的习得是个必要因素。许多类别学习的模型都认 Copyright © 2011 Hanspub AP  先前知识对推理学习的影响 Copyright © 2011 Hanspub AP 66 为类别学习中注意优化过程是通过错误驱动(error- driven)来完成的。最流行的是 Kruschke 建立的几个较 有影响力的模型。这些模型的共同点是类别学习的注 意优化过程是通过对被试的错误反应进行反馈的结 果。根据这种假设，类别学习过程中被试在开始阶段 不会产生对某个特征的注意偏向，因为被试还没有了 解哪种特征对归类有用。Rehder(2009) 等人对分类学 习的研究结果支持这一观点，在他的实验中，被试对 相关维度和中性维度的注意在初期并没有出现显著差 异，注意优化是在分类学习过程中逐渐变化的。但是 本研究的结果显示在推理学习初期，被试对相关维度 的注意显著高于无关维度。分析其原因可能是因为被 试在知识获得阶段已经通过知识的描述构建出主题， 根据这个主题可以对特征进行简单归类，造成其在推 理学习阶段初期偏向于知识相关维度。 5. 结论 1) 先前知识影响推理学习的获得，对知识相关维 度的学习要优于知识中性维度。 2) 在推理学习过程中，先前知识使被试的注意指 向知识相关特征，远离中性知识特征，并且这种注意 的变化在刚开始进行分类时就发生了。 6. 致谢 本文是国家自然科学基金研究成果，感谢国家自 然科学基金对本研究的支持，项目编号 31070918。 参考文献 (References) 陈红敏, 郭璐, 莫雷, 郑海燕(2010). 一致的先前知识对类别学习影 响机制的探讨. 心理科学, 1期, 20-23. 阴国恩, 张阔, 王敬欣(2003). 基于理论的类别观和类别形成中的 知识效应. 心理科学, 4期, 731-732. 张阔, 阴国恩, 王敬欣(2006). 先前知识对初中学生学习家族相似 性类别的影响. 心理学探新, 1期, 56-61. 郑海燕, 郭璐, 莫雷, 陈红敏(2008). 机械特征相似程度不同情况下 类别联想对类别学习的影响. 心理科学, 3期, 588-591. 郑海燕, 莫雷(2010). 双类别情境中类别特征的相似性与竞争性对 特征推理的影响. 心理科学, 2期, 289-293. Barsalou, L. W. (1985). Ideals, central tendency, and frequency of instantiations determinants of graded structure in categories. Journal of Experimental Psychology: Learning, Memory and Cognition, 11, 626-654. Blair, M. R., Watson, M. R., Walshe, R. C., & Maj, F. (2009). Ex- tremely selective attention: Eye-tracking studies of dynamic atten- tion allocation to stimulus features in categorization. Journal of Ex- perimental Psychology: Learning, Memory and Cognition, 35, 1196- 1206. Hoffman, A. B., Harris, H., & Murphy, G. L. (2008). Prior knowledge enhances the category dimensionality effect. Memory & Cognition, 36, 256-270. Kaplan, A. S., & Murphy, G. L. (2000). Category learning with mini- mal prior knowledge. Journal of Experimental Psychology: Learning, Memory and Cognition, 26, 829-846. Kim, S., & Rehder, B. (2009). Knowledge effect the selective attention in category learning: An eyetracking study. In N. Taatgen, H. van Rijn, L. Schomaker, & J. Nerbonne(Eds.), Proceedings of the 31st Annual Conference of the Cognitive Science Society. Mahwah，NJ: Erlbaum. Love, B. C., Medin, D. L., & Gureckis, T. M. (2004). SUSTAIN: A network model of category learning. Psychological Review, 111, 309-332. Rehder, B., & Hoffman, A. B. (2005). Thirty-something categorization results explained: Selective attention, eyetracking, and models of category learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 31, 811-829. Spalding, T. L., & Murphy, G. L. (1999). What is learned in knowl- edge-related categories? Evidence from typicality and feature fre- quency judgm ents. Memory & Cognition, 27, 856-867. Wisniewski, E. J., & Medin, D. L. (1994). On the interaction of theory and data in concept learning. Cognit iv e Sc ie nc e, 18, 221-281.  先前知识对推理学习的影响 67 附录：实验材料 1. 知识获得阶段材 Copyright © 2011 Hanspub AP  先前知识对推理学习的影响 68 2. 推理学习阶段材料 Copyright © 2011 Hanspub AP  先前知识对推理学习的影响 69 Copyright © 2011 Hanspub AP  先前知识对推理学习的影响 Copyright © 2011 Hanspub AP 70 . 单特征测试阶段材料： 知识和学会的类别，判断以下动物的身体特征到底是属于“D”还是属于“K”？ 3 问题：请根据你刚刚学过的 |