内隐学习的争论及限制问题

姜珊，女，讲师，1983年5月出生，黑龙江省齐齐哈尔人。2005年于东北师范大学心理系获得学士学位，2008年和2012年于华东师范大学心理与认知科学学院获得硕士和博士学位。现为上海政法学院社会管理学院讲师。从事的研究领域为认知心理学和实验心理学。目前已在Consciousness and Cognition《心理学探新》《心理科学》等杂志发表多篇学术报告。 

内隐学习指的是一种不需要意识参与的学习，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。

该著作从内隐学习的经典研究范式、意识性测量方式的发展、人工语法任务和远距离规则研究中关于抽象性的争论、序列学习任务中知觉学习和动作学习的争论，以及先前知识经验对内隐学习的影响几个方面探讨了内隐学习领域存在的分歧、内隐学习是否存在限制等问题，为深入理解内隐学习的特征和机制提供了参考。

第一章  内隐学习概述

一、　内隐学习研究范式概述

二、　意识性测量方式

第二章  内隐学习的抽象性问题

一、　内隐学习抽象性的争论——基于限定状态人工语法的研究

二、　内隐学习的迁移研究

三、　远距离规则的研究

四、　远距离规则习得的实质——熟悉感的贡献

五、　远距离规则未来的研究方向

第三章  内隐学习中的知觉学习和动作学习

一、　序列反应时任务中知觉学习和动作学习的争论

二、　任务无关规则的内隐知觉学习

第四章  内隐学习的限制问题：　先前知识经验与内隐学习

一、　先前知识对内隐和外显概念学习的影响

二、　人工语法任务中先前经验对规则习得的影响106

三、　内隐学习的跨文化差异研究

附录1汉语声调远距离规则内隐学习实验一的学习和测验材料

附录2汉语声调远距离规则内隐学习实验二的学习和测验材料

附录3汉语声调远距离规则内隐学习实验三的学习和测验材料

附录4汉语声调远距离规则内隐学习实验四的学习和测验材料

参考文献

  序

大学者，大学问也。唯有博大学问之追求，才不负大学之谓；唯有学问之厚实精深，方不负大师之名。学术研究作为大学与生俱来的功能，也是衡量大学办学成效的重要标准之一。上海政法学院自建校以来，以培养人才、服务社会为己任，坚持教学与科研并重，专业与学科并举，不断推进学术创新和学科发展，逐渐形成了自身的办学特色。

 

学科为学术之基。我校学科门类经历了一个从单一性向多科性发展的过程。法学作为我校优势学科，上海市一流学科、高原学科，积数十年之功，枝繁叶茂，先后建立了法学理论、行政法学、刑法学、监狱学、民商法学、国际法学、金融法学、环境与资源保护法学、诉讼法学等一批二级学科。2016年获批法学一级学科硕士点，为法学学科建设的又一标志性成果，法学学科群日渐完备，学科特色日益彰显。以法学学科发端，历经数轮布局调整，又生政治学、社会学、经济学、管理学、文学、哲学，再生教育学、艺术学等诸学科，目前已形成以法学为主干，多学科协调发展的学科体系，学科布局日臻完善，学科交叉日趋活跃。正是学科的不断拓展与提升，为学术科研提供了重要的基础和支撑，促进了学术研究的兴旺与繁荣。

 

学术为学科之核。学校支持和鼓励教师特别是青年教师钻研学术，从事研究。如建立科研激励机制，资助学术著作出版，设立青年教师科研基金，创建创新性学科团队等等。再者，学校积极服务国家战略和地方建设，先后建立了中国—上海合作组织国际司法交流合作培训基地、最高人民法院“一带一路”司法研究基地、上海市高校“一带一路”安全研究院和上合组织研究院人文社科重点研究基地和智库、上海教育立法咨询与服务研究基地等，为学术研究提供了一系列重要平台。以这些平台为依托，以问题为导向，以学术资源优化整合为举措，涌现了一批学术骨干，取得了一批研究成果，亦促进了学科的不断发展与深化。在巩固传统学科优势的基础上，在国际政治、国际司法、国际贸易、国家安全、海洋法、教育法、体育法等领域开疆辟土，崭露头角，获得了一定的学术影响力和知名度。

 

学校坚持改革创新、开放包容、追求卓越之上政精神，形成了百舸争流、百花齐放之学术氛围，产生了一批又一批科研成果和学术精品，为人才培养、社会服务和文化传承与创新提供了有力的支撑。上者，高也。学术之高，在于挺立学术前沿，引领学术方向。“论天下之精微，理万物之是非”。潜心学术，孜孜以求，探索不止，才能产出精品力作，流传于世，惠及于民。政者，正也。学术之正，在于有正气，守正道。从事学术研究，需坚守大学使命，锤炼学术品格，胸怀天下，崇真向美，耐得住寂寞，守得住清贫，久久为功，方能有所成就。

 

好花还须绿叶扶。为了更好地推动学术创新和学术繁荣，展示上政学者的学术风采，促进上政学者的学术成长，我们特设立《上海政法学院学术文库》，旨在资助有学术价值、学术创新和学术积淀的学术著作公开出版，以褒作者，以飨读者。我们期望借助《上海政法学院学术文库》这一学术平台，引领上政学者在人类灿烂的知识宝库里探索奥秘、追求真理和实现梦想。

 

3000年前有哲人说：“头脑不是被填充的容器，而是需要被点燃的火把。”那么，就让《上海政法学院学术文库》成为点燃上政人学术智慧的火种，让上政学术传统薪火相传，让上政精神通过一代一代学人从佘山脚下启程，走向中国，走向世界！

愿《上海政法学院学术文库》的光辉照亮上政人的学术之路！

 

上海政法学院校长刘晓红

内隐学习的抽象性问题

内隐学习研究的第二个核心问题是被试在人工语法学习的过程中获得的知识究竟是什么？是抽象的规则还是表面的相似性？自从Reber（1967）创立了人工语法范式依赖，这一问题就一直引发了持久的争论，从最初的限定状态人工语法到迁移研究，再到远距离规则范式的研究，随着研究方法的不断更新、进步和发展，研究者对这一问题也有了更为深入的认识，下面将从以下几个方面对内隐学习抽象性的问题进行梳理：　基于限定状态人工语法研究引发的关于内隐学习抽象性的争论；迁移研究范式如何在一定程度上澄清这一问题；以人工语言、音乐和汉语声调为载体的远距离规则研究、远距离规则习得的实质及对远距离规则学习未来的研究展望。

 

一、　内隐学习抽象性的争论——基于限定状态人工语法的研究

自Reber于1967年提出了人工语法范式以来，得到了研究者们广泛的关注。在此后的40余年里，有关内隐学习的实验研究发展迅速。总的来说，采用人工语法范式探讨内隐学习的核心问题，主要表现在两个方面：　（一）被试在人工语法学习的过程中获得的知识究竟是什么？（二）被试获得的知识是内隐的还是外显的？第一个问题涉及的是内隐学习的抽象性问题，即被试能否获得抽象规则；第二个问题涉及的是意识性知识的测量问题。在这一章我们将主要探讨第一个问题，即内隐学习的抽象性问题，关于意识性知识的测量问题将在后面的章节详细探讨。

 

对于第一个问题，被试在人工语法学习的过程中获得的知识究竟是什么，一直以来是存在争论的。一方面，Reber（1967）指出被试在人工语法学习过程中获得的是抽象规则，因此对新的字符串进行分类时的正确率显著高于随机水平，这一观点提出后受到了很多研究者的质疑。另一方面，其他一些研究者则认为被试在人工语法学习过程中获得的只是一些特定的样例（exemplars; Brooks, 1978; Brooks & Vokey, 1991; Vokey &
Brooks, 1992）或组块（chunks; e.g., Dulany, Carlson, &
Dewey, 1984; Perruchet & Pacteau, 1990; ServanSchreiber
& Anderson, 1990），而非抽象规则。事实上，这两种争论简言之就是抽象规则和表面特征（相似性）之间的争论。下面将分别针对这两方面争论进行探讨。

 

（一）　内隐学习习得的知识是抽象规则

Reber和Allen（1978）指出“被试所获得的知识是对语法的底层结构或部分结构的表征”（what subjects tacitly know is a valid, if partial, representation of
the actual underlying rules of the language）。换句话说，被试对这种人工语法形成了一种基于规则的表征形式，可以把这种知识称之为语法性（grammaticality）。由于这种限定状态人工语法区分了合法串和非法串，因此，对这种规则的获得就表现在被试区分合法串和非法串的能力上。那么对这种规则性的知识究竟指的是什么？一些研究者指出（Reber, 1993; Pothos & Bailey, 2000）在人工语法任务中，学习阶段的字符串只是人工语法图的一部分样例。因此，被试在学习阶段获得的规则可能表现为一种规则网络（network of rules），这种规则网络和研究者使用的用于生成字符串的人工语法图可能并不完全相同。在随后的分类测验中，被试可能会发生分类错误，但这不是因为被试没有获得规则，而是他们获得的规则网络和语法图并不完全一致。

 

然而，这种仅仅通过分类判断的正确率显著高于随机水平就认为被试习得了语法结构本身的结论，受到了许多研究者的质疑。一些研究者认为获得这种高于随机水平的正确率并不一定意味着规则的获得，还可能是获得了其他的一些知识（例如，相似性）。

 

实际上，即使被试在人工语法任务中不能够表征限定状态人工语法图，但是他们却能够形成一些特殊的知识来表征学习阶段的合法串，并利用这些知识进行分类判断。Dulany等人（1984; Dulany, Carlson, & Dewey,
1985）提出了人工语法学习的微小规则假设（microrules hypothesis of AGL），他们认为在学习阶段，被试能够洞察哪些元素（长度为2或3的）构成了学习串，他们将这些元素称为特征（feature）。例如，被试可能发现学习串只能以M或V开头，那么在测验阶段，他们就可以利用这一线索进行分类判断。他们将这种规则称为微小规则。

 

（二）　内隐学习习得的知识是表面特征

表面特征（相似性）指的是字符串包含的任意片段（fragment）或组块（chunk），主要的长度为2（bigram）或3（trigram）。片段是由Perruchet和Pacteau（1990）提出的，而组块是由Knowlton和Squire（1996）提出的。

1. 片段理论（Fragment Theory）

持被试习得了片段知识观点的研究，其方法主要是在学习阶段让被试学习合法字符串的片段，而非整体字符串，如果被试所获得的知识是基于这种片段知识，那么，他们分类判断的正确率将和学习整体串没有差异。Perruchet和Pacteau（1990）发现被试分类判断的正确率和学习整体串差异不大，此外，他们设置了一些非法串，这些非法串是由一系列合法的片段组成，结果发现被试会将这些非法串错误地判定为合法。因此他们认为片段知识在分类判断中发挥重要的作用，被试在学习阶段加工字符串时，会逐渐意识到某些字母之间存在着先后的顺序关系，最终被试在学习阶段获得了一些长度为2或3的片段。在测验阶段，当被试看到一个新的字符串，他们就能够判断这个新串是否是由学习阶段形成的片段组成的，进而作出分类判断。

 

实际上，可以看出Perruchet和Pacteau（1990）的片段理论和Dulany等人（1984）的微小规则理论是十分相似的。两者都认为被试在学习阶段根据学习串形成了一些片段，在测验阶段通过这些形成的片段进行分类判断。例如，当看到测验字符串MSSXV时，被试可能会因为认出了MS和XV，从而判断其合法。按照Dulany等人（1984）的观点，我们并不知道除了这种形式的微小规则外是否还存在其他形式的微小规则。但是，Brooks和Vokey（1991）指出，片段理论和微小规则理论是异曲同工的，微小规则实际上就是片段的一种形式。

2. 组块假设（Chunking Hypothesis）

根据ServanSchreiber（1991）提出的竞争组块假设（competitive chunking hypothesis），同时出现的组块或元素单元经过组织会形成更大的组块。每个组块出现的频率决定了其重要性。对于一个新的字符串，如果它能够被主观分解成的组块数量越少，它与学习阶段字符串的相似性程度就越大。因此，被试最初形成的可能是长度为2的组块，接着逐渐形成长度为3的组块，长度为4的组块，以此类推。这一观点与Perruchet和Pacteau（1990）片段理论中所认为的长度为2的组块是人工语法学习中重要单位的观点相一致。

 

ServanSchreiber和Anderson（1990）指出，对于竞争组块假设，更具体地来说，当被试完成学习阶段的记忆任务时，面对一个没有意义的长字符串，他们会将这个字符串拆分成组块。例如，对于字符串“TTXVPXVS”，被试可能首先将其拆分成组块（TTX）,（VP）,和（XVS），然后逐渐形成更为复杂的组块，例如按照顺序形成（（TTX）（VP）） 和（（（TTX）（VP））（XVS）），最终形成一个整体的字符串。记忆一个字符串的过程就是按照等级对组块进行组织的过程，类似于加工一个句子：　从单个元素组块（elementary chunks）到词组块（word chunks），再到句子组块（sentence chunks）的过程。从词组块到句子组块的过程包含不同方式和等级的组织形式，即短语组块（phrase chunks）。

 

被试在学习阶段需要记忆大量的字符串，这些字符串从本质上讲是存在一些相似性的（由于它们符合同一套语法规则），从组块的角度看也是如此，因此这种相似性会对字符串的记忆有促进作用。例如，对于图211中的字符串TTXVPXVS和VXVPXXXVS，如果被试先按照上述的组块记忆字符串TTXVPXVS，然后记忆VXVPXXXVS，那么在记忆后一个字符串时，会受到已形成的构成前一个字符串组块的影响。被试可能首先会将第二个长度为9的字符串分解成6个组块：　V X（VP） X X（XVS），其中的（VP）和（XVS）是前一个字符串记忆过的组块。接下来形成的组块可能是（VX）和（XX），这时这个字符串就包含了4个组块，接下来可能会形成更为复杂的两个组块：　（（VX）（VP））和（（XX）（XVS））。根据这一假设，构成一个字符串的组块的个数越少，那么这个被试就会对该字符串越熟悉，它与其他字符串的相似性程度就越大。这里所说的个数指的不是整个等级结构中包含的组块总数，而是在等级结构的最顶层的组块个数。

 

为了控制被试在学习阶段所形成的组块，在ServanSchreiber和Anderson（1990）的实验中，要求被试记忆这些组块，同时在测验阶段设置了两类非法串：　不符合语法但包含被试记忆的组块和不符合语法也不包含被试记忆的组块。即两种非法串对于被试来说熟悉性是不同的，同时和学习阶段字符串的相似性程度也是不同的。结果发现被试对两类非法串的分类判断存在差异，他们更不容易将第一类字符串判定为非法。可见这种组块线索确实是分类判断的重要依据。

 

Boucher和Dienes（2003）补充了竞争组块理论，他们提出了一个前馈式的多层神经网络（multilayer feedforward neural network），每个组块对应了一个不同的单元，连续的层包含更大的组块。每当一个组块单元被激活时，它的“强度”（strength）参数增加，相应地决定了这个组块是否会被用来编码一个新的字符串。Boucher和Dienes（2003）发现这一组块模型比SRN模型更能够模拟人工语法学习的结果。

 

Knowlton和Squire（1994,
1996）计算了组块加工的结果，对组块加工进行了量化。他们定义了测验阶段每个字符串的关联组块强度（associative
chunk strength），即构成该字符串的长度为2和3的组块在学习阶段出现的次数。他们区分了两种不同的组块强度：　总体组块强度（global associative chunk strength）和开头结尾的前后组块强度（anchor chunk strengths）。一个测验字符串的总体组块强度的计算方法就是将构成该字符串的所有长度为2和3的组块在学习阶段出现的次数进行平均，如果一个测验字符串的总体组块强度越高，则这个字符串越容易被判定为合法串。开头结尾的前后组块强度的计算方法与总体组块强度类似，即将构成该字符串的开头和结尾的所有长度为2和3的组块在学习阶段字符串的开头和结尾出现的次数进行平均。总的来说，这种计算方式可以说是对片段重叠的测量，即测验字符串与学习字符串的重叠程度。目前，这种计算组块强度的方法已经被广泛地应用到人工语法的研究中（Johnstone & Shanks, 1999; Knowlton & Squire, 1994, 1996;
Meulemans & van der Linden, 1997; Pothos & Bailey, 2000; Kuhn &
Dienes, 2005）。组块假设的思想实际上是一种关联学习（associative learning），即假设了一种对前后关联的关系的敏感性，或是同时出现的刺激的敏感性（sensitivity to cooccurrence; Boucher &
Dienes, 2003）。

 

综上所述，组块假设是从关联学习的角度对人工语法学习的一种解释，可以认为它是片段模型在计算上的精细化。Brooks和Vokey（1991）认为片段知识和组块知识实际上等同于微规则。然而对组块强度的本质大多还认为它仅仅是一种相似性。这种混淆事实上仅仅反映了关联学习与规则和相似性之间关系的混淆。

 

3. 相似性（similarity）

人工语法学习包含了对学习阶段和测验阶段字符串的编码过程，所以对于新旧字符串的相似性是可以进行计算从而量化的。Brooks和Vokey（1991;
Vokey & Brooks, 1992, 1994）对人工语法学习中字符串之间的相似性进行了界定，即对于某个字符串，可以通过变化组成该字符串的字母（包括插入字母和删除字母）生成新的字符串，变化字母的数目决定了两个字符串的相似性。按照这种界定方式，对于一个测验串来说，如果它和学习阶段的某个字符串只有一个字母不同，那么就将其定义为相似，其他的情况都定义为不相似。这种相似性实际上是一种应用广泛的样例相似性（exemplar similarity）。

 

Vokey和Brooks（1992）在他们的实验中操纵了这种样例相似性，即对于测验阶段的合法串和非法串，分别设置高相似性的项目和低相似性的项目，这样测验项目就可以分为四类：　合法高相似性、合法低相似性、非法高相似性、非法低相似性。实验结果发现，语法性和相似性的主效应均显著，即相似性确实会影响被试的分类判断任务。此外，他们将语法性的影响解释为所有符合语法的测验字符串和所有学习阶段的项目具有总体的相似性。其他一些研究也证实了这种相似性对语法判断的影响（Higham,1997a, 1997b; Johnstone & Shanks, 1999; McAndrews &
Moscovitch, 1985; Pothos & Bailey, 2000）。

 

这种相似性与关联学习相比，前者实际上是一种全或无的固定形式的表征，而后者则认为对字符串的加工是一种自下而上的方式，即从构成字符串的元素逐渐到复杂的组块。对字符串的编码依赖于这些组块的构成形式。