不同负载条件对序列位置内隐学习的影响，本文主要内容关键词为：负载论文,序列论文,条件论文,位置论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
分类号 B842.3
1 前言
过去大量的研究都表明学习（至少外显学习）和记忆成绩会受到加工容量或资源、注意能量的限制与影响。然而最近有研究发现，内隐记忆不受加工容量和注意分散因素的影响（当然也有另外相反的数据结果）[1,2]。于是，很自然人们便同样开始注意内隐学习是否受加工容量和注意分散因素影响的问题，并进行了研究，然而，相互间结果却相当不一致。
Dienes等人使用人工语法学习程式，结果发现，第二任务对分类成绩与自由报告产生了相同程度的干扰。在复杂任务控制方面，Hayes和Broadbent等人发现，外显的人机交互任务会受到一个同时进行的需要记忆的第二任务的干扰，内隐的人机交互任务则不受其干扰；然而，Green和Shanks使用同样的研究程式却发现，任务的内隐形式同样受第二任务的影响[3-5]。
而更多的研究则集中于序列学习领域。Nissen和Bullemer报告第二任务影响内隐的序列学习[6]，在他们那项首创性研究中，分心条件下的被试在每一次对一个刺激反应之后都会听到一个高或低音调的声音，要求被试在完成对每一刺激反应之外，留意并在每一组段(block)间隔期报告该组段内高音调声音的次数，也即所谓的音调计数任务，结果发现，该任务影响被试的反应时变化（内隐学习的指标）。Cohen,Ivry和Keele等人研究[7]进一步得到了类似的结果。
而Stadler则认为，Cohen等人的结果并不能充分说明，序列位置的内隐学习需要注意，具有加工容量限制性，因为，或许是音调计数任务中的其它因素导致了这种条件下内隐学习成绩的下降，僻如，很可能是该任务破坏了序列事件间的联结结构，而并非竞争加工资源。为验证这种假设的正确性，Stadler进一步比较了声音计数任务、数字记忆任务和无任何第二任务而只是延长序列中事件间反应—刺激间隔(RSI,response-stimulus interval)到2000ms（其它两任务条件下，RSI均为400ms）三种条件下序列位置的内隐学习情况。结果发现，三种条件下的内隐学习量都显著低于400ms条件下无第二任务条件下的内隐学习量。同时，由于第三种条件下并没有第二任务与内隐学习任务竞争加工资源，只是RSI的加长减弱了序列结构上的联结，所以Stadler认为该条件下内隐学习的受损应该并非竞争加工资源的结果，而只能说是序列组织联结强度被削弱的结果。进一步地，Stadler推论认为，音调计数任务、数字记忆任务对内隐学习的干扰，也均是由于第二任务不断打断序列事件的联结，破坏序列联结组织引起的，序列位置的内隐学习不受加工容量或加工资源的影响[8]。
然而，我们认为，尽管RSI为2000ms条件下的内隐学习量与RSI为400ms条件下音调计数任务条件下的内隐学习量无显著差异，但这并不意味着音调计数任务所起的作用就等同于延长RSI的作用。因为，即使认为音调计数、数字记忆会破坏序列组织，从而损害内隐学习量，但也不能排除这两种条件下加工资源减少同样会影响内隐学习的可能性：因为很可能延长RSI对序列学习造成的损害大于另两任务“中断”序列组织的损害，从而掩盖了加工资源减少对内隐学习的影响作用。因此，对此需要更进一步的研究。
在对以上研究进行仔细分析之后，可以发现，以往对加工资源与内隐学习关系的研究通常采用的都是双任务操作模式。在这种模式中，第二任务对内隐学习的影响可能是因为第二任务与第一任务学习竞争加工资源的结果，但也可能是由于它干扰了内隐学习任务本身所导致，如在音调计数任务中，为了计算某种音调出现的数量，被试必须在序列事件出现的间隔不断进行辨别和加法运算，从而打断事件的联结，而在数字记忆负载条件下，被试为记住数字需要在序列事件呈现的间隔不断复述数字，这也同样破坏了序列的组织。而Ziessler等人的一系列研究都发现，序列反应时任务中，内隐学习的发生主要是以反应－刺激(R-S)之间的联结为基础[9,10]，Hoffman等人最近的研究发现反应、刺激的接近性会极大影响序列学习的效果[11]，而我们先前的研究也发现，反应－刺激间隔RSI的差异会导致序列位置内隐学习效果的不同[12]。因此，为真切考察内隐学习与加工资源的关系，必须排除其他影响因素，寻找不破坏反应－刺激联结的负载任务，同时，不同性质负载条件下反应－刺激间隔又须保持恒定。
于是，针对这些问题，本研究采用序列反应时内隐学习程式，在保证各条件下RSI均相同情况下，除了用数字记忆作为负载任务之外，还引入另外一种新的、不会破坏序列组织，也即在上一反应和下一刺激联结之间不会有干扰存在的负载任务——反向反应负载任务，对不同负载条件下的内隐学习情况进行比较，以考察内隐学习与加工资源的关系问题。
2 方法
2.1 实验设计
本实验采用单因素完全随机设计，操纵被试负载变量，负载有3种水平，一种为无负载，一种为记忆7位数字串的记忆负载，另一种为不间断序列结构的反向任务负载。由于反向负载只是要求被试在作出反应时按一种逆常规的方式进行反应，不会破坏位置间的联结，不会破坏序列组织，而只会与内隐学习任务本身竞争加工资源，所以，如果反向负载条件下的内隐学习量低于无负载条件下的学习量，便能断言，序列位置的内隐学习受加工资源影响；反则反之。
2.2 被试
从未参加过类似实验的华南师大本科生60名，男27，女33人，随机分为3组，每组20人，各完成一种实验条件，每组男女比例大致均衡。被试年龄为18～22岁，平均20.7岁，所有被试裸眼或矫正视力正常。实验均个别进行。
2.3 实验步骤
本实验采用张卫、Stadler等人[8,12]研究中的序列位置内隐学习程式，该程式要求被试对计算机屏幕上水平排列的4个矩形依次出现的位置进行快速反应，如果这些矩形呈现的位置遵循一定的规则，而被试在未意识到这些规则的情况下反应速度却有提高，便是其中发生了内隐学习。各条件下反应－刺激间隔RSI均为0ms，所有操作均在686微机上进行。各组具体做法简述如下。
2.3.1 无负载组 被试仅被要求完成常规的序列位置内隐学习操作。整个实验进程分为10个学习组段。前8个组段与第10组段矩形位置的呈现遵循一定规则，即一固定的位置序列，该序列从头到尾不间断地呈现9遍构成一组段的学习。第9组段中，实验刺激则按随机顺序呈现，但随机序列中任意两个先后相连刺激的呈现位置都不同。为尽量减少被试学习的非内隐性，每一组段都以四个随机刺激起始，紧接着呈现学习序列，因此，每一组段实际包括112个刺激。10组段共有1120个刺激。
实验开始前，首先告诉被试，他们将要完成的是一个有关反应速度的实验。接着指导被试进行反应练习，要被试将左手的中指、食指，右手的食指和中指分别放到键盘上的D、F、J、K键上，这四个键分别对应屏幕上从左至右的四个矩形，并告诉被试当刺激在某一矩形中出现时，要快而准地按下该矩形所对应的键。练习刺激共有8次，其顺序为随机排列。练习完毕，显示器屏幕中间出现一行字“以下开始正式实验，按任意键继续”，被试按下任一键之后，屏幕上出现四个空心矩形，接着开始呈现第一组段刺激的第一个，刺激一直呈现到被试作出反应为止。对于正确的反应，计算机自动记录从刺激开始呈现到被试作出反应的时间，若反应错误，则记录错误答案，视为无效反应，如反应时间低于200ms和超出1200ms，也记为无效反应。下一刺激在被试前一反应后立即出现。
第一组段共112个刺激呈现完毕之后，屏幕上出现一行字，“请稍休息”，10秒钟后，屏幕上又出现“按任意键继续”，被试接着完成下一组段刺激项目。计算机自动记录每次反应时间和错误答案。
2.3.2 记忆负载组 要求被试在完成常规序列位置内隐学习操作的同时，还需完成一项数字记忆任务。实验前指导和练习同上，练习完毕，计算机屏幕呈现这样一句话：“按空格键之后会出现一串数字，在接下来的反应过程中，请您务必在心里记住这一串数字，过一段时间后，计算机会提示你记录该数字串。注意：数字的呈现时间很短，大约5秒钟，请集中注意。”被试按下空格键之后，屏幕上呈现一个由7位阿拉伯数字所组成的随机数字串，该字串是由计算机从0～9这10个阿拉伯数字中随机抽取和排列的，但0不出现在字串之首或尾，数字串呈现时间为5秒。5秒钟后，数字串消失，屏幕上出现“按任意键开始实验”，被试按下任一键之后，屏幕上出现四个空心矩形，接着开始呈现第一组刺激的第一个，刺激一直呈现到被试作出反应为止。反应正误由计算机自动记录。每组段刺激完成之后，屏幕上呈现“请在记录纸上写下先前要求你记住的数字串，然后请稍休息”，被试按要求写下要求记忆的的数字串。10秒钟后，屏幕上又出现“按任意键继续”，被试按下任一键之后，计算机又会出现上述要求被试记住数字串的提示，接着呈现另一随机数字串，持续5秒钟后开始出现下一组刺激项目。每组段反应刺激都依此方式呈现。
2.3.3 反向负载组 要求被试用反向反应的方式来进行序列位置内隐学习。与上述两组不同，本实验条件下，计算机屏幕上从左至右的4个矩形不是分别对应于键盘上的D、F、J、K键，相反的，它们分别对应的是键盘上的K、J、F、D键，也即是反向对应。
实验开始前，告诉被试，他们将要完成的是一个有关过度学习如何影响操作成绩的实验。接着指导被试练习，让被试将左手的中指、食指，右手的食指和中指分别放到键盘上的D、F、J、K键上，并告诉被试反应的规则，即当反应刺激在某一矩形中出现时，要快而准地按下该矩形所对应的键。练习刺激共有8次，其顺序为随机排列。练习完毕后实验正式开始。为防止被试忘记、尤其是每次休息后开始新组段时忘记反应规则，主试需特别向被试强调要切记反应规则，并注意监视。其它做法均同无负载组。
包括休息，各组约需15～25分钟完成。
2.4 实验后交谈和判别任务
为考察被试对自己操作和学习任务知识的内隐性，所有被试在完成上述实验操作之后均被询问跟其操作有关且逐步深入的3个问题。问题1是“对这项任务，你有些什么感受”，问题2是“对这项任务，即白色方块的出现，你有没有注意到某些特殊的地方”，问题3是“你是否注意到白色方块出现的位置有什么规律（①根本没注意到②没什么规律③似乎有些规律④很明显有规律）”，这些问题的选择主要借鉴了Lewicki等人，Cleeremans和McClelland,Churchill和Gilmore等人的研究[12-15]。如果被试对问题3的回答是③或④，将进一步被要求完成一项判别任务。具体做法是在类似正式实验情景的状态下呈现规则序列的刺激，要求被试按自己感受或认为的规律估计和判别下一个白色方块最可能出现的位置，被试回答下一刺激呈现的位置之后，向其呈现该刺激呈现的正确位置，并要求被试接着进行判断，如此重复，每一被试要连续对一个序列的刺激进行预估，共12次。每次判别任务进行时，为让被试的判别有一定基础，先有4个刺激只让被试观察而不必决断。
根据被试对实验后交谈问题的回答和判别任务的预估成绩，区分出内隐和非内隐被试。标准是：如被试对问题3的回答是①或②；或对问题3的回答为③或④，但他们在判别任务中的正确预估均不超过连续三个位置，即判定该被试为内隐被试，该标准参照Willingham,Nissen和Bullemer等人研究[16]制定。
3 结果与分析
3.1 各实验条件下内隐被试的鉴别
根据被试对实验后交谈问题的回答与判别任务的预估成绩，对各实验条件下的被试学习作内稳与非内隐的区分。结果发现，无负载组内隐被试为17人，其中12人对问题3的回答为③或④，他们在判别任务上的正确预估成绩总平均为4.25个，与随机水平4个没有显著差异（由于任意两个先后相连刺激的呈现位置不同，因此在根据某一位置刺激预估下一位置时，被试只有三个位置可供选择，故在进行序列预估时，被试随机选中正确位置的可能性为12的1/3，即4个[12]）,t(11)=2.09,p＞0.05；数字负载组内隐被试为19人，其中15人对问题3的回答是③或④，他们在判别任务上的正确预估成绩总平均为4.40个，与随机水平4个没有显著差异，t(14)=1.20,p＞0.05；反向负载内隐被试为20人，其中14人对问题3的回答是③或④，他们在判别任务上的正确预估成绩总平均为4.07个，与随机水平4个没有显著差异，t(13)=0.34,p＞0.05。
下面的分析仅对这些内隐被试进行。
3.2 不同负载组被试的反应时分析
被试在各负载条件下，每个组段正确反应的反应时情况见图1。
图1 不同负载情况下的序列位置内隐学习
首先对三种负载条件下被试组段1-8的平均反应时进行3×8方差分析，结果发现，组段间主效应十分显著，F(7,371)=43.2,p＜0.001，组段与负载交互作用也十分显著，F(14,371)=4.89,p＜0.001。分别对每种负载条件下被试在组段1-8上的平均反应时进行F检验，结果表明，无负载、数字记忆负载与反向负载条件下，组段主效应均十分显著，三种条件下F检验的结果依次为F(7,112)=17.71,p＜0.001;F(7,126)=18.96,p＜0.001;F(7,133)=19.56,p＜0.001。结合图1可看出，随着学习组段的增多，各负载条件下被试的反应时间均明显下降。此外，负载条件主效应也十分显著，F(2,53)=67.5,p＜0.001。
进一步，对不同负载条件下第8组段（规则序列）与第9组段（随机序列）被试的反应时进行3×2方差分析，结果发现，序列间主效应十分显著，F(1,53)=158,p＜0.001，同时，序列与负载条件交互作用也显著，F(2,53)=4.66,p＜0.05，分别对每种负载条件下被试在组段8和组段9上的平均反应时作差异显著性检验，结果表明，无负载条件下，t(16)=8.76,p＜0.001，在数字负载条件下，t(18)=4.62,p＜0.001，反向负载条件下，t(19)=8.61,p＜0.001。这说明各负载条件下被试均对重复序列产生了一定程度的学习，而并非仅仅由于练习效应而导致组段1～8反应时间的下降。除此之外，负载主效应也十分显著，F(2,53)=49.2,p＜0.001。
进一步以每位被试第8组段与第9组段平均反应时之差作为学习量[6,8,12,17]，对不同负载条件下被试的学习量作方差分析，结果发现，三种负载条件下的内隐学习量有着显著性差异，F(2,53)=4.66,p＜0.05。对学习量进行多重比较，得到表1。由表可见，无负载组被试内隐学习量（54ms，标准差为25.4ms）与反向负载组被试的内隐学习量（46.1ms，标准差为23.9ms）无显著差异，t(19)=7.90,p＞0.05，但与数字负载组被试的内隐学习量（28.8ms，标准差为27.2ms）有非常显著的差异，t(19)=25.2,p＜0.001；反向负载条件下被试的内隐学习量与数字负载条件下被试的内隐学习量差异也十分显著，t(19)=17.3,p＜0.01。
表1 不同条件下内隐学习量的多重比较
条件无负载反向负载数字负载
反向负载
7.9
数字负载
25.2***17.3**
注：***p＜0.001,**p＜0.01,*p＜0.05。
关于学习量指标的计算这里需再作些说明，由图1可以看到，从整体上看，反向负载组被试反应时的减少幅度似乎大于其它两条件，而上文对三负载条件下第1～8组段反应时的方差分析也发现，组段与负载交互作用显著，这似乎提示反向负载组被试的练习效应比其他组大，或者说，反向负载组有着相对较大可能的自身学习。然而，仔细考察图1可以看到，三条学习曲线变化趋势的差异主要表现在前3个组段，从第4个组段起其趋势已基本一致，而再进一步对三种负载条件被试在组段4～8上的反应时进行方差分析，结果发现，组段与负载交互作用不显著，F(8,212)=1.473,p＞0.05。而在下文关于被试反应错误率的分析中也可看到，虽说反向负载组被试在组段1-8上的反应错误率差异显著，但这种差异也主要表现在第1～3组段上，在组段4～8上反应错误率不显著，F(4,76)=0.143,p＞0.05。由此可见，即使数字负载组和反向反应负载组可能存在着性质不同的练习效应或自身学习效应，但从第4组段开始起，这些效应的效果或变化趋势已基本趋同，不存在统计上的差异，因此，这里对三种条件我们采用了同样的指标，以组段9与8的反应时差异作为内隐学习量。
3.3 被试反应错误率分析
为考察不同负载条件下不同组段上被试反应错误率的差异情况，对之作负载条件间（组间）和组段间（组内）的方差分析。结果表明，在组段1～8间，被试在不同组段上的反应错误率有显著性差异，F(7,371)=2.56,p＜0.05，不同负载条件下被试的反应错误率也差异显著，F(2,53)=5.545,p＜0.05，组段与负载交互作用显著，F(14,371)=4.89,p＜0.001。进一步的统计分析表明，仅在反向负载条件下，被试在组段1-8上的反应错误率有显著性差异，F(7,133)=5.462,p＜0.05，随着组段的增加，反向负载组被试的反应错误率逐渐下降，再具体些分析，在组段1-3上，反应错误率差异显著，F(2,38)=9.033,p＜0.01，在组段4-8上，反应错误率差异不显著，F(4,76)=0.143,p＞0.05。而在数字负载与无负载条件下，被试在组段1至组段8的反应错误率差异均不显著，前者F(7,126)=0.268,p＞0.05，后者F(1,112)=1.147,p＞0.05。
在组段8（重复序列）与组段9（随机序列）上，不同负载条件下，被试的反应错误率无显著差异，F(2,53)=2.66,p＞0.05，不同序列之间，被试的反应错误率差异也不显著，F(1,53)=3.54,p＞0.05，同时，序列与负载条件的交互作用不显著，F(2,53)=0.06,p＞0.05。
3.4 数字记忆任务分析
对于记忆负载组，对每一组段要求被试记忆的数字串的正误进行统计和分析。统计时规定只有数字和位置顺序均无误才算对，譬如，如果被试仅仅只是遗漏了一个数字串的第二个字母，从而导致第二位起数字全错位，即使这些数字本身都没错，也只能说被试只记对了一个、也即第一个数字。按照此方法，结果发现，内隐被试对数字串记忆的平均错误率为4.96%，每一被试数字串记忆错误率与其学习量的相关不显著，r(18)=-0.10,p＞0.05。
4 讨论
内隐学习与加工容量、加工资源的关系问题是内隐认知研究领域当前仍有较大争议的问题，这种争议反映在人工语法学习领域，也同样反映在复杂系统控制任务和序列反应时任务等多个领域。在序列学习领域，Nissen和Bullemer,Cohen,Lvry和Keele等人[6,7]认为，内隐学习受音调计数等第二任务影响，表现出受加工资源大小的限制；但事实上，音调计数任务、数字记忆任务等第二任务对内隐学习的影响可能是由于其不断打断序列事件反应－刺激间联结，干扰了序列联结组织引起的。因此，运用传统的双任务学习程式并不能确切地反映加工资源和内隐学习的关系问题。于是，本研究为克服这种缺陷，引入了一项新的反向反应负载任务，试图通过对不同负载条件下内隐学习差异的比较来考察内隐学习与加工资源的关系问题。
按照我们的预想，如果数字负载对内隐学习的影响是由于打断了序列的组织结构，而非减少加工资源所导致，那么，当采用了一项不干扰序列组织结构但却占据加工资源的反向负载任务时，应该能更真实地反映出加工容量对内隐学习的影响。即如果加工容量会影响内隐学习，则反向负载条件下的内隐学习量应与无负载条件下的内隐学习量有所差别；如果加工容量不影响内隐学习，则反向负载条件下的内隐学习量应与无负载条件下的内隐学习量无差别，但同时却与数字负载条件下的内隐学习量有差别。实验结果显示，数字记忆负载条件下被试的内隐学习量为28.8ms，反向负载条件下被试的内隐学习量为46.1ms，而无负载条件下被试的内隐学习量为54ms，统计检验表明，无负载与数字记忆负载组之间被试学习量差异显著，而反向负载与无负载组被试学习量差异不显著，但与数字负载组被试之间学习量差异显著。说明本实验条件下SRT程式中的内隐学习确实不受加工资源或加工容量的影响。
对各组段被试反应错误率的统计结果显示，尽管反向负载组的被试在组段1至8的反应错误率有显著差异，但随组段增加被试的错误率表现为下降的趋势，而反应时间也随组段增加而下降，这说明没有出现精确性－速度交换效应。在组段8和组段9上，各条件下被试的反应错误率则无显著性差异。这说明本研究基于反应时间的分析是可靠的。
最后，还需对反向负载任务的作用问题作两点说明。首先是反向反应负载任务的性质问题，从表面上看，反向任务似乎只是变化了反应的方式，但事实上它的作用是在中央系统，按照Baddeley的观点，认知加工中中央控制系统(central executive,CE)有多种功能，其中之一便是抑制无关或“不良”刺激的破坏或干扰作用[18]。在本研究无负载条件下，被试采用惯常的、符合习惯的方式进行反应，而在反向反应条件下，被试却要求用违逆常规和习惯的方式进行反应，为完成这一任务，被试就须始终对惯常、但此时却不正确的反应方式进行抑制，占用一定的加工空间。
另外，有人认为，由于练习效应的影响，反向负载任务在实验后期的几个组段学习中有可能形成自动化反应而失去其作用。然而，事实上，在不论预试还是正式实验中，都并没出现这一现象。这可用反向负载条件下被试的反应时变化情况来加以说明。如果反向负载在学习后期失去作用，则图1中的反向负载组反应时变化曲线应随组段增加而降低，并逐渐趋近零负载曲线，然而，实际上并没出现这种结果，由图1可明显看出，反向负载反应时变化曲线与零负载曲线之间一直保持较大的距离，这至少说明反向负载在本研究的10个组段学习之内，还没有形成自动化，仍需占据一定的加工资源。