戴 惠 朱傳林 劉電芝

?

內隱知識具有抽象性嗎？——來自內隱序列學習遷移的證據(jù)*

戴 惠1朱傳林2劉電芝2

(1南京工業(yè)大學學生事務部, 南京 210000) (2蘇州大學教育學院, 蘇州 215000)

內隱知識是否具有抽象和概括性, 已有研究有著不同的爭議, 而遷移是檢驗習得知識是否具有抽象性的有效手段。探索RSI從0 ms至1000 ms中5種條件下內隱序列學習的遷移差異, 并試圖證實隨著RSI的變化, 遷移發(fā)生從無到有的變化, 以遷移來證明內隱知識的抽象性。結果發(fā)現(xiàn)：隨著RSI的增加, 遷移出現(xiàn)了從無到有的質變, 證明了內隱知識可具有抽象性; 內隱序列學習效應和轉移組段的新異刺激效應共同促進了遷移的產生, 純粹的內隱序列學習是產生遷移的必要非充分條件, 轉移組段(新異刺激)則加速促進了內隱知識的學習; 本實驗條件下產生的不可知但可遷移的內隱知識具有邊緣意識特點。

內隱知識; 序列學習; 遷移; RSI; 邊緣意識

1 引言

在內隱學習早期研究中, Reber、Knowlton等人認為內隱知識具有抽象和概括性(Knowlton & Squire, 1996; Reber, 1976), 但后續(xù)一些研究發(fā)現(xiàn)內隱學習獲得的是片段知識, 不具有抽象性(Abrahamse & Verwey, 2008; Jiménez, Vaquero, & Lupiá?ez, 2006; Schwarb & Schumacher, 2010)。遷移是指已學知識在不同的環(huán)境中仍然能得到有效提取利用, 或者已有知識促進類似新知識的學習和獲取。Pothos將遷移引入內隱學習領域, 并認為遷移是檢驗內隱學習知識是否具有抽象性的良好方式(Pothos, 2007)。內隱知識只有具有一定程度的抽象性, 才能發(fā)生遷移(Kuhn & Dienes, 2006; Reber, 1976)。

對內隱序列反應時任務中遷移的研究主要集中于近15年間, 研究成果大相徑庭。Dienes用一系列研究證實, 改變部分規(guī)則, 遷移能夠有效發(fā)生(Dienes, Kuhn, Guo, & Jones, 2011; Dienes & Longuet-Higgins, 2004; Kuhn & Dienes, 2005; Huang, Dai, Ye, Zhu, Li, & Liu, 2017)。Rünger等人探索了學習過的規(guī)則對全新規(guī)則的影響, 發(fā)現(xiàn)學習過規(guī)則的實驗組對全新規(guī)則的意識程度比未學習過規(guī)則的實驗組顯著更高(Rünger & Frensch, 2008)。研究者使用新異刺激理論來解釋這個結果, 即實驗組中由于新規(guī)則的意外事件效應, 使得恒常刺激規(guī)則和新異刺激規(guī)則產生了對比, 促進了被試對新規(guī)則的意識程度。此研究中, 兩個規(guī)則除了都是序列規(guī)則外, 沒有任何相似之處, 所以其實驗組對新規(guī)則的意識程度的提高, 并非學習本身的遷移。全新規(guī)則的應用只能探測新異刺激的效應, 不適合用于研究遷移效應。Tanaka和Watanabe讓所有被試學習某套序列規(guī)則, 然后分成三組, 分別學習完全鏡像規(guī)則, 部分鏡像規(guī)則和不重疊規(guī)則, 結果發(fā)現(xiàn)完全鏡像規(guī)則組的習得量最高, 即遷移效果最好(Tanaka & Watanabe, 2014)。Tanaka和Watanabe進一步探究了不同的學習時間(即學習的組段數(shù)量)對內隱規(guī)則學習是否有影響, 結果發(fā)現(xiàn)通過短期學習即可發(fā)生鏡像遷移(Tanaka & Watanabe, 2015)。

而另一些研究則表明內隱知識不具有抽象性, 受到刺激形式、呈現(xiàn)方式、呈現(xiàn)時間等因素的制約, 導致遷移無法發(fā)生(Abrahamse & Verwey, 2008; Jiménez et al., 2006; Schwarb & Schumacher, 2010)。Sanchez等人認為未能檢測到遷移的一個關鍵因素在于測量的敏感度, 以往研究往往采用定性的遷移指標, 因此無法定量檢測到部分遷移(Sanchez, Yarnik, & Reber, 2015)。因此, 他們用規(guī)則序列與隨機序列正確率的差值作為學習量和遷移量的定量指標, 再用遷移量與學習量的比值作為遷移程度的指標, 然后在內隱序列學習的復雜變式(Serial Interception Sequence Learning Task, 簡稱SISL)中分別改變線索呈現(xiàn)時間和線索呈現(xiàn)方式, 發(fā)現(xiàn)兩組條件下都發(fā)生了部分遷移。Sanchez等人的研究進一步指出, 刺激表征與規(guī)則的綁定差異會導致遷移效應的差異, 改變綁定效應強的刺激表征特征會妨礙遷移發(fā)生, 但是改變綁定效應弱的刺激表征特征仍能發(fā)生部分遷移(Sanchez et al., 2015)。

上述研究得到相悖的結論, 其原因可能有兩個因素：一方面, 以往研究使用的遷移指標不純粹。最初研究多采用新異組塊與前后兩個規(guī)則組塊平均反應時之差作為內隱學習量(D￠Angelo, Milliken, Jiménez, & Lupiá?ez, 2013; Frensch & Miner, 1994;Fu, Bin, Dienes, Fu, & Gao, 2013), 而后一些研究陸續(xù)證明, 新異刺激會促進內隱學習和意識程度, 在分析內隱學習量和遷移量以及兩者的關系時須考慮此因素(Rünger, 2012; Rünger & Frensch, 2008; 張劍心, 武燕, 陳心韻, 劉電芝, 2014) 。鑒于此, 有些研究嘗試將第一組段和新異刺激前的組段的平均反應時做比較來衡量被試的內隱學習效果(Norman, Price, Duff, & Mentzoni, 2007; 張劍心等, 2014), 但其中不可避免的受到了練習效應和疲勞效應的影響。因此, 本研究在表征質量和新異刺激理論研究基礎上, 改進前人分析路徑, 打破了慣用分析模式, 分離出了表征質量內隱學習量(RT8- RT7)和受新異刺激影響的學習量(RT8-RT9), 表征質量內隱遷移量(RT15-RT14)和受新異刺激影響的遷移量(RT15-RT16), 并考察它們與遷移的關系, 試圖得到發(fā)生遷移的RSI區(qū)間, 并探究在不同的RSI 情況下發(fā)生遷移的條件, 與此同時, 通過設置匹配的控制組盡可能地排除了練習效應和疲勞效應的干擾。

另一方面, 以往研究大多忽略了一個影響內隱學習的重要因素——RSI, 即反應與下一個刺激出現(xiàn)之間的時間間隔。內隱認知是一個漸進的意識加工過程, 意識性成分的貢獻隨著學習的推進而發(fā)生變化(張潤來, 劉電芝, 2014; Norman et al., 2007; Kuhn & Dienes, 2006), 而在這個漸進過程中, RSI是一個影響意識和無意識成分變化的關鍵因素。例如, Destrebecqz和Cleeremans的研究表明, 隨著RSI的增加(0 ms、250 ms、1500 ms), 意識成分對內隱學習的貢獻不斷增加(Destrebecqz & Cleeremans, 2001)。當RSI為1500 ms時, 被試的無意識學習已經完全轉化成意識性學習。Cleeremans認為隨著RSI增加, 加工時間增加, 內隱序列規(guī)則的表征質量會逐漸提高, 導致意識程度增加(French & Cleeremans, 2002)。陳寒采用PDP (Process Dissociation Procedure, PDP)加工分離程序分別計算了0~1500 ms的意識?無意識加工的貢獻率, 發(fā)現(xiàn)隨著RSI的增加由無意識加工占主導逐漸過渡到由意識加工占主導(陳寒, 楊治良, 韓玉昌, 曾玉君, 2009)。張劍心等人考察了高低情感開放性者在不同RSI條件 (0 ms、250 ms、500 ms、750 ms和1000 ms)下學習主序列和非主序列的復雜概率內隱序列的區(qū)別, 發(fā)現(xiàn)隨著RSI的增加, 高低情感開放性者對非主序列的學習/包容程度都能增加, 表明RSI不但影響意識程度, 還影響內隱學習加工過程本身(張劍心等, 2014)。在前人研究中相同固定的RSI條件下, 有些實驗中知識可遷移(Tanaka & Watanabe, 2015; Kuhn & Dienes, 2005), 有些則不能(Abrahamse & Verwey, 2008; Schwarb & Schumacher, 2010), 其中很重要的原因可能是由于在不同的實驗狀態(tài)下, 被試、具體實驗材料、實驗程序等不一致, 導致被試的意識程度和學習水平是不一樣的。因此, 前人在運用序列反應時任務研究內隱知識的遷移時缺乏同一條件下RSI設置的比較。其次, 前人研究中即便有考慮到RSI, 也對RSI設置有限(Destrebecqz & Cleeremans, 2001; Norman et al., 2007; 陳寒等, 2009), 且未有應用于遷移的研究中, 難以細致揭示RSI對內隱學習、遷移的不同影響。由于RSI為影響意識程度和內隱學習的重要因素, 因此, 在同一實驗條件下, 通過對RSI的細分操縱, 考察其對知識的學習程度, 即對內隱學習遷移效果的影響, 進而驗證內隱知識是否具有抽象性。

此外, 以往文獻還表明, 在內隱學習過程中可能會出現(xiàn)邊緣意識(Norman, Price, & Duff, 2006; Norman et al., 2007; Norman, 2010)。邊緣意識是指由特定知識經驗所引起的一類可被主體意識到的體驗情感, 而這些特定的知識本身卻不能進入意識層面。在邊緣意識狀態(tài)下的知識既具有認知的靈活性, 又具有內容的不可知性(James, 2010; Price, 2002)。Norman采用改進的序列反應時任務考察了序列學習中的邊緣意識結果表明學習任務中, 被試表達出對習得序列片段的可靠熟悉感, 或是對后續(xù)序列位置的期待感, 同時又不知道序列規(guī)則的存在, 從而證明邊緣意識的存在(Norman et al., 2007)。Dienes等人采用人工語法學習范式提出了判斷知識和結構知識, 并認為判斷知識是意識性的, 而結構知識是無意識的, 研究結果表明學習結果是兩者的混合體, 并稱為“直覺知識”, 這種直覺知識也符合邊緣意識的定義。邊緣意識揭示的意義在于, 內隱學習的過程中存在邊緣意識這種中間狀態(tài)。如果對這一過程進行不同視角的檢測, 也許可以發(fā)現(xiàn)更多的符合邊緣意識定義的不同程度的中間意識狀態(tài), 從而細化、拓展對邊緣意識的認識。由此本研究假設：隨著RSI的增加, 隨著刺激表征質量的提高, 內隱知識的遷移情況發(fā)生變化, 由不可遷轉為受新異刺激后可遷移, 再轉為穩(wěn)定的遷移; 在較長RSI條件下獲得的內隱知識不可口語報告但可產生遷移, 此時獲得的內隱知識未進入意識層面但具有認知靈活性的邊緣意識特點。

2 方法

2.1 被試

本實驗由實驗組和控制組組成。實驗組隨機選取在校大學生130人, 分為5組, 書面報告顯示, 所有被試均未發(fā)現(xiàn)規(guī)則, 因數(shù)據(jù)記錄有誤, 刪除無效被試6人, 共收集實驗組有效數(shù)據(jù)124人, 其中, 男性57名, 女性67名, 平均年齡21.71 ± 2.35 歲; 控制組由75名大學生組成, 其中, 男性40名, 女性35名, 平均年齡22.85 ± 1.72歲。被試均為右利手, 視力或矯正視力正常, 身體健康無疾病, 且自愿參加實驗, 實驗結束后獲得相應的報酬。實驗組有效被試分組如表1所示。

2.2 實驗任務與材料

采用內隱序列學習范式, 要求被試對出現(xiàn)在屏幕上的黑色圓點盡快盡準按鍵。反應刺激間隔(RSI) 為0 ms、250 ms、500 ms、750 ms、1000 ms。學習階段的刺激參照按照Destrebecqz等人的研究(Destrebecqz & Cleeremans, 2001), 序列規(guī)則出現(xiàn)在4個象限之一, 出現(xiàn)的位置順序符合SOC1：342312143241。刺激的位置及按鍵的示意圖如圖1所示。分為4個象限, 每個象限對應一個按鍵。遷移階段規(guī)則出現(xiàn)變化, 規(guī)則為SOC2:413423214312, 這是由原規(guī)則旋轉一個象限得到的, 所謂同形異構。

表1 不同RSI實驗被試分布情況

圖1 學習階段刺激位置及按鍵

采用清華同方電腦17寸CRT顯示器, 分辨率為1280×1024像素, 刷新頻率為75 Hz, 程序用Eprime 2.0 編寫。

2.3 實驗設計與程序

2.3.1 實驗設計

實驗組采用單因素(5個RSI：0 ms、250 ms、500 ms、750 ms、1000 ms)的實驗設計。其中RSI是被試間變量。每個RSI由學習階段10個組段和遷移階段6個組段組成。每個組段的刺激呈現(xiàn)順序遵循SOC規(guī)則。

實驗組采用遷移, 并通過規(guī)則的改變來構成遷移。學習階段與遷移階段的規(guī)則采用經典的SOC規(guī)則。SOC1規(guī)則為：342312143241, SOC2規(guī)則為：413423214312, 這是由原規(guī)則旋轉一個象限得到的, 兩者都是遵從前兩個刺激位置決定第三個刺激位置的高階規(guī)則, 這兩個序列中的位置頻率、成對位置間的轉換頻率、位置倒轉頻率和可能出現(xiàn)的所有位置的平均數(shù)都是一致的。

2.3.2 實驗程序

本實驗分兩步：首先是考察RSI不同是否會產生遷移的變化, 然后對產生遷移的實驗組設立相應的控制組, 進一步證實遷移確實來自于第一階段SOC1規(guī)則的學習。

實驗進程是先進行24個試次的隨機位置按鍵練習。參照經典的Norman(2007)的實驗程序, 學習階段共10個組段, 每個組段96試次, 共960個試次, 1~7是學習組段, 每個學習組段中SOC1序列循環(huán)7次, 在每一組段中插入一個隨機序列。組段8為隨機序列組成的轉移組段。組段9、10為回歸組段, 仍然是SOC1序列。每個組段之間至少會有15 s的休息時間, 之后被試按任意鍵繼續(xù), 直到反應結束。實驗記錄反應時和正確率。

通過前期預實驗, 遷移階段設6個組段(即組段11~16), 每個組段96試次, 共576個試次。其中組段11~14為遷移序列SOC2。組段15為隨機序列組成的轉移組段。組段16仍為回歸組段即SOC2序列。每個組段之間也至少有15s的休息時間。同樣記錄反應時和正確率。在被試完成實驗之后, 需要填寫問卷, 由3個問題組成：1)你認為下一個目標位置的出現(xiàn)是由什么決定的？2)用自己的話來描述目標移動的規(guī)則？3)你是什么時候發(fā)現(xiàn)目標的？以考察被試的學習是否外顯。三個問題均為開放式問題, 被試如果沒有發(fā)現(xiàn)規(guī)律或者發(fā)現(xiàn)錯誤規(guī)律則認為其學習內隱學習, 則進入統(tǒng)計處理數(shù)據(jù)。

控制組的程序同相應實驗組的遷移階段。

2.4 數(shù)據(jù)分析

參考Weiermann的標準(Weiermann, Cock, & Meier, 2010), 剔除錯誤率超過10%的被試, 將每個被試的錯誤反應、反應時低于100 ms或高于1000 ms的數(shù)據(jù)剔除。對于實驗組中的被試, 將每個組段中的12個隨機試次也剔除。口語報告顯示, 所有被試均不能將隱含的序列規(guī)則準確的描述出來, 因而都在內隱序列學習范疇內。運用SPSS 16.0對數(shù)據(jù)進行統(tǒng)計分析。

本研究中內隱學習量采用兩種指標：(1)純粹學習量：組段8與7的差異量, 即RT8-RT7。即前7個組塊純粹序列學習后的學習量。(2)受新異刺激影響的學習量：轉移組段8與其后一組段(組段9)的平均反應時差異量, 即RT8-RT9, 此指標含有轉移組段的新異刺激效應產生的效果。

遷移量同樣采用兩種指標：(1)純粹遷移量：組段14與15的差異量, 即RT15-RT14。(2)受新異刺激影響的遷移量：轉移組段15與其后一組段(組段16)的平均反應時差異量, 即RT15-RT16, 此指標含有轉移組段的新異刺激效應產生的效果。

3 結果

3.1 短RSI (0 ms、250 ms)實驗組的內隱學習和遷移結果

對于純粹學習量(RT8-RT7), 如果第7組塊反應時顯著快于第8組塊(隨機組塊)反應時, 表明產生了內隱學習效應。分別對0 ms、250 ms實驗組的學習階段第7和8組塊反應時做配對樣本檢驗,0(25) = 4.28,< 0.001,= 0.65;250(21) = 3.94,< 0.01,= 0.65。實驗組的組塊7反應時均顯著快于組塊8反應時, 表明被試已經產生內隱學習效應。

對于受新異刺激影響的內隱學習量(RT8-RT9), 如果第9組塊反應時顯著快于第8組塊(隨機組塊)反應時, 表明產生了包含新異刺激效應的內隱學習效應。分別對兩種RSI條件實驗組的學習階段轉移組塊8與9的平均反應時配對樣本檢驗,0(25) = 6.64,< 0.001,= 0.80;250(21) = 2.81,< 0.05,= 0.53。實驗組的組塊9反應時均顯著快于組塊8反應時, 表明新異刺激后也顯現(xiàn)出內隱序列學習效應。

從圖2可以看出, 遷移階段由于規(guī)則改變, 被試的平均反應時上升, 之后趨于平緩。分別對兩種RSI的轉移組段15(隨機組段)與組段14的平均值做配對樣本檢驗, 結果顯示0(25) = 0.63,> 0.05,= 0.13;250(21) = 1.97,> 0.05,= 0.34。分別對兩種RSI的轉移組段15與組段16的平均值做配對樣本檢驗, 結果顯示當RSI = 0 ms時, 實驗組的組塊16和組塊15反應時差異不顯著, 當RSI = 250 ms時, 實驗組的組塊16反應時均顯著快于組塊15反應時,0(25) = 1.76,> 0.05,= 0.33;250(21) = 2.86,< 0.05,= 0.53。表明當RSI = 0 ms時, 被試在學習階段習得的規(guī)則并沒有遷移至后面的遷移階段中, 即沒有發(fā)生遷移。但當RSI = 250 ms時, 轉移組段出現(xiàn)之前未發(fā)生遷移, 而在轉移組段出現(xiàn)后遷移產生了, 表明在250 ms時, 在新異刺激的作用下, 遷移產生了。

圖2 RSI = 0 ms、250 ms各組段反應時變化曲線圖

3.2 實驗組三種較長的RSI = 500 ms、750 ms、1000 ms的內隱習得及遷移結果

對于純粹學習量(RT8-RT7), 分別對500 ms、750 ms、1000 ms中組段8和7做配對樣本檢驗, 發(fā)現(xiàn)在三種情況下, 轉移組段8(隨機序列)的平均反應時顯著高于組段7(500(25) = 2.88,< 0.05,= 0.50;750(23) = 2.96,< 0.01,= 0.53;1000(25) = 3.80,< 0.001,= 0.61), 說明被試已經產生內隱學習效應。對于受新異刺激影響的學習量(RT8-RT9), 分別對三個實驗組的組段8和9做配對樣本T檢驗, 發(fā)現(xiàn)轉移組段8(隨機序列)的平均反應時顯著高于組段9(500(25) = 5.47,< 0.001,= 0.74;750(23) = 3.75,< 0.001,= 0.62;1000(25) = 4.45,< 0.001),= 0.66, 結合圖3, 可見新異刺激后出現(xiàn)更強的出內隱序列學習效應。

根據(jù)所設立的兩種遷移指標, 分別對500 ms、750 ms、1000 ms三種情況下遷移組段進行分析, 發(fā)現(xiàn)不論是在轉移組段前(500(25) = 3.01,< 0.01,= 0.52;750(23) = 3.04,< 0.01,= 0.55;1000(25) = 5.23,< 0.001,= 0.72)還是轉移組段后(500(25) = 3.11,< 0.01,= 0.53;750(23) = 5.33,< 0.001, Cohen’s d = 0.74;1000(25) = 5.32,< 0.001,= 0.73), 都發(fā)現(xiàn)了遷移效應, 說明被試在學習階段習得的規(guī)則遷移到了遷移階段的學習之中。

3.3 RSI = 500 ms、750 ms、1000 ms的控制組實驗結果

在實驗組中, 在一些情況下檢測到了內隱序列學習的遷移, 有可能是由于：即使沒有學習階段SOC1規(guī)則的學習, 被試只學習6組段(包括轉移組段)的SOC2就能發(fā)生有效的內隱學習, 而實驗組在此時檢測到的遷移只不過是SOC2自身的內隱學習而已。因此, 我們選取檢測到遷移且遷移效果較好的RSI = 500 ms、750 ms、1000 ms三組, 設立只接受遷移階段訓練的控制組, 進一步來排除這一可能性。三組各自的關鍵組塊平均反應時(配對樣本檢驗)結果見表2。

由表2結果可見, 無論使用純粹遷移量還是受新異刺激的遷移量, 控制組均未出現(xiàn)顯著的內隱學習效應, 說明6個組塊的訓練量不足以產生有效的內隱學習。因此, RSI = 500 ms、750 ms、1000 ms實驗組顯著的遷移效應應該是SOC1學習對SOC2學習的遷移, 而不是單純的SOC2學習效應。

圖3 RSI = 500 ms、750 ms、1000 ms各組段反應時變化曲線圖

表2 RSI = 500 ms、750 ms、1000 ms控制組數(shù)據(jù)

3.4 不同RSI學習量和遷移量的差異比較

依據(jù)Sanchez, Yarnik, Reber的觀點(Sanchez et al., 2015), 本研究計算了不同RSI條件下內隱學習和遷移的量化指標。圖4表明, 不同RSI學習量、遷移量均有差異。進一步的量化分析及多重比較見表3。

圖4 不同RSI學習量、遷移量條形圖

不同RSI實驗組均顯現(xiàn)內隱學習效應。對不同RSI實驗組的純粹學習量和受新異刺激影響的學習量做5(組別)×2(指標)重復測量方差分析, 發(fā)現(xiàn)交互作用不顯著, RSI主效應顯著, 對不同RSI分組的純粹學習量做單因素方差分析, 發(fā)現(xiàn)差異不顯著(> 0.05), 而對不同RSI分組受新異刺激影響的學習量做單因素方差分析, 差異顯著,(4, 123) = 5.71,< 0.01, η2= 0.87。進一步LSD差異檢驗經Bonferroni Correction校正后, 結果顯示RSI = 0 ms時, 受新異刺激影響的學習量顯著大于其他分組(< 0.05), 而其他RSI分組之間差異并不顯著。說明, 當RSI為0時, 受新異刺激影響的內隱學習量達到最大, 且新異刺激對內隱學習的促進作用此時也最為明顯。

對不同RSI之間的純粹遷移量和受新異刺激影響下的遷移量進行單因素方差分析, 發(fā)現(xiàn)差異不顯著(> 0.05)。但為了進一步揭示在不同RSI情況下的差異, 因此進一步LSD差異檢驗經Bonferroni Correction校正后, 結果顯示RSI = 0 ms情況下受新異刺激影響的遷移量顯著小于RSI為750 ms和1000 ms兩個分組(< 0.05), 而其他RSI分組之間差異并不顯著。

從圖中, 也可以看出, 在遷移階段, 受新異刺激影響下, 各RSI情況下的遷移量均有所增加, 尤其是在RSI較短組中尤為明顯, 前面結果分析中曾指出, 在RSI為0 ms時, 新異刺激前后均未表現(xiàn)出遷移效應, 而在RSI為250 ms時, 在新異刺激后才表現(xiàn)出遷移效應, 說明新異刺激對內隱學習的遷移有一定的促進作用, 只是在某些情況下還不足以表現(xiàn)出來。

4 討論

4.1 隨RSI增加, 遷移發(fā)生從無到有的變化, 內隱知識逐漸具有抽象性。

對于內隱學習能否遷移, 前人采用不同的研究范式得到了不同的結果(Abrahamse & Verwey, 2008; Jiménez et al., 2006; Sanchez et al., 2015; Tanaka & Watanabe, 2014)。本研究發(fā)現(xiàn)隨著RSI增加, 內隱序列學習的遷移發(fā)生了由無到有的變化。本研究遷移階段學習規(guī)則與原規(guī)則雖然本身截然不同, 但都必須遵循同樣的高階規(guī)則, RSI的增加, 為獲得抽象的高階規(guī)則創(chuàng)造了條件, 從而促進了遷移。當RSI = 0 ms內隱知識不能發(fā)生遷移, 當RSI = 250 ms時, 發(fā)生弱遷移, 即表現(xiàn)在新異刺激影響下出現(xiàn)遷移現(xiàn)象。當RSI = 500 ms、750 ms、1000 ms時, 發(fā)生了遷移。之所以RSI條件影響遷移效應, 很可能源于前人所提及的內隱序列學習表征質量和意識程度隨RSI增加而逐漸提高的原因(Destrebecqz & Cleeremans, 2001; Kuhn & Dienes, 2006)：在短RSI條件下(0 ms和250 ms), 內隱知識的表征質量和抽象性較低, 導致遷移困難; 而在較長與長RSI條件下(500 ms、750 ms和1000 ms), 內隱知識的表征質量和抽象性得以顯著提高, 至某一節(jié)點(本研究條件下為500 ms)內隱知識具備了獲得遷移的抽象性特點, 從而遷移發(fā)生。

表3 不同RSI內隱學習量和遷移量的數(shù)據(jù)比較[M (SD)]

本研究的實驗結果證實了Mathews提出的最佳學習效果來自意識和無意識成分的交互作用的觀點(Mathews et al., 1989)。內隱認知是一個漸進的意識加工過程, 意識性成分的貢獻隨著學習的推進而發(fā)生變化(張潤來, 劉電芝, 2014; Norman et al., 2007; Kuhn & Dienes, 2006), 而在這個漸進過程中, RSI是一個影響意識和無意識成分變化的關鍵因素。Destrebecqz等人在實驗中也發(fā)現(xiàn)RSI = 0 ms時, 缺乏序列的外顯知識, 序列學習是內隱的, 而在其他RSI較大的情況下, 序列學習存在外顯的成分(French & Cleeremans, 2002)。本研究發(fā)現(xiàn), 僅在RSI = 0 ms情況下未出現(xiàn)遷移, 其他情況均發(fā)現(xiàn)遷移現(xiàn)象, 可能是由于隨著RSI的增加, 意識成分和無意識成分的貢獻程度隨著學習進程不斷發(fā)生變化, 遷移的產生可能是由于兩者的協(xié)同, 雖然不可口語報告出具體規(guī)則, 但此時的內隱知識卻同時具有抽象、概括、靈活、可用等特點。

4.2 內隱序列學習是產生遷移的必要非充分條件

本研究結果證實, 在5種RSI情況下, 被試均產生了內隱學習, 表現(xiàn)為在學習7個組段的純粹學習量上的反應時顯著下降, 但在0 ms時未產生遷移, 其他情況均有遷移效應產生。且在控制組實驗中, 控制組因為沒有經過前期的內隱序列學習, 因而和實驗組的結果相去甚遠。因此推斷, 純粹的內隱序列學習是產生遷移的必要非充分條件, 即遷移的發(fā)生以內隱序列學習為基礎, 但內隱序列學習不一定產生遷移。

且本研究發(fā)現(xiàn), 在RSI = 0 ms時, 不論是純粹學習量還是受新異刺激影響的學習量都處于5種情況下的最高水平, 尤其是受新異刺激影響的學習量顯著大于其他分組, 而此時, 卻是5種情況下唯一未檢測到遷移的情況, 說明內隱序列學習是遷移的基礎, 但內隱學習量并不是遷移發(fā)生的充分條件?？赏普撛赗SI = 0 ms時, 遷移未發(fā)生可能是由于以下兩種原因：(1)遷移是檢驗內隱學習獲得的知識是否具有抽象性的一種很好的指標。遷移需要對所學知識進行高度的抽象和概括(Pothos, 2007), 而在RSI = 0 ms時, 高強度的刺激?反應, 中間完全無間隔, 耗費過多的心理資源, 缺乏瞬間抽象需要的足夠時間與能量, 很難抽象出規(guī)則; (2)郭秀艷、楊治良等人用實驗證實在學習過程中, 內隱學習和外顯學習相互作用, 時而相互促進, 時而相互沖突(郭秀艷, 楊治良, 2002)。本研究推論, 遷移需要內隱學習和外顯學習達到一定的配比并協(xié)同作用, 而RSI = 0 ms時, 內隱學習占絕對主導, 因而難以遷移。具體是以上哪種原因導致RSI = 0 ms未產生遷移, 仍需后續(xù)進一步研究。

4.3 轉移組段新異刺激促進內隱知識的學習及遷移

已有研究多采用經典的轉移組段與其前后組段平均反應時之差作為內隱學習量的指標(D￠Angelo et al., 2013; Fu et al., 2013; Fu, Dienes, & Fu, 2010)。但轉移組段作為新異刺激, 能夠影響主序列的內隱學習量和意識程度, 該指標并不能反映出純粹的內隱學習量(黃建平, 張劍心, 劉電芝, 2015; 張劍心等, 2014)。因此, 本研究采用兩種學習量, 即純粹學習量和受新異刺激影響的學習量, 來測量被試內隱學習程度, 采用兩種遷移量, 即純粹遷移量和受新異刺激影響的遷移量, 來測量被試遷移程度。

如圖5所示, 5個RSI情況下, 受新異刺激影響的學習量均大于純粹學習量(RSI = 250 ms時除外, 在此情況下兩者差異并不顯著), 受新異刺激影響的遷移量均大于純粹遷移量。尤其在RSI較短的情況下, 在RSI = 0 ms時, 受新異刺激影響的學習量顯著大于其他分組, 在RSI = 250 ms時, 轉移組段之前, 并未發(fā)現(xiàn)遷移, 但在新異刺激后就出現(xiàn)了遷移效應。據(jù)此, 我們推斷, 新異刺激確實能夠對內隱學習及遷移產生影響, 究其深層原因可能是新異刺激加速促進了內隱學習, 促進了內隱成分和外顯成分達到一定配比并協(xié)同的邊緣意識狀態(tài), 從而達到了遷移的效果。這與已有研究一致(D'Angelo et al., 2013; Fu et al., 2010)。本研究中還發(fā)現(xiàn)這種影響在RSI較小時作用更為明顯。造成這種情況可能是由于新異刺激對內隱學習的促進作用更大, 當RSI越小, 內隱學習越純粹, 越接近完全內隱, 更容易受到新異刺激加速學習的影響, 而隨著RSI的逐漸增大, 外顯成分越多, 新意刺激的促進會越小。

4.4 具有認知靈活性卻未能進入意識層面的邊緣意識的發(fā)現(xiàn)

本研究采用了旋轉一個象限的近遷移(同形異構)作為新的衡量指標, 可能揭示出新的介于完全內隱和口語報告之間的邊緣意識：即在內隱學習下發(fā)生了遷移, 此時被試處于完全意識和完全無意識之間的中間意識狀態(tài), 即邊緣意識。

Norman等人在以往研究中也發(fā)現(xiàn)過邊緣意識的存在(Norman et al., 2006; Norman et al., 2007; Rünger & Frensch, 2010)。并指出, 由于邊緣意識很難歸結為純粹的內隱或外顯, 處于邊緣意識狀態(tài)的知識不僅具有與意識狀態(tài)一樣的認知靈活性和相關意識性體驗, 同時還具有和無意識狀態(tài)一致的知識來源的主觀不可知性, 因而以意識程度而言, 應該是處于完全意識和完全無意識的中間狀態(tài)(Norman, 2010)。

本研究采用遷移作為衡量內隱抽象規(guī)則掌握的指標。與Norman等人(2007)采用的旋轉排除任務指標比較, 本研究采用遷移作為任務指標, 原規(guī)則和遷移規(guī)則雖遵循同樣的高階規(guī)則, 但具體規(guī)則本身截然不同, 因此, 被試需要具備更高意識程度的邊緣意識才可能實現(xiàn)遷移, 對被試提出更高要求和挑戰(zhàn)。據(jù)此推測, 本研究中產生的邊緣意識是一種新的邊緣意識——即能夠近遷移但不能口語報告出來, 并與Norman等人(2007)所發(fā)現(xiàn)的邊緣意識有本質差異。在本研究中的邊緣意識狀態(tài)下, 無意識和意識成分的組合模式和協(xié)同工作模式是怎樣的, 邊緣意識對遷移產生有何作用, 如何作用尚無法證明, 有待進一步的行為實驗或腦機制研究, 如考察被試腦區(qū)的激活及P3的波幅來確定。

5 結論

本研究通過設置不同RSI條件探索考察內隱知識的抽象性及其遷移效應, 發(fā)現(xiàn)：

(1) RSI是影響遷移能否發(fā)生的重要因素。隨著RSI的增加, 遷移出現(xiàn)了從無到有的變化。隨著RSI的增加, 內隱知識可成為能遷移的抽象知識。

(2) 內隱序列學習效應和轉移組段的新異刺激效應共同促進遷移的產生。純粹的內隱序列學習是產生遷移的必要非充分條件, 轉移組段(新異刺激)則加速促進了內隱知識的學習, 特別是在RSI較小時(當RSI = 0 ms)作用更為明顯。

(3) 揭示了具有認知靈活性卻未能進入意識層面的新的邊緣意識。在本實驗條件下, 內隱序列學習獲得的遷移知識, 是一種不可口語報告, 具有規(guī)則結構的不可知性但又可以產生近遷移的邊緣知識。

Abrahamse, E, L., & Verwey, W, B. (2008). Context dependent learning in the serial RT task.(4), 397–404.

Chen, H., Yang, Z. L., Han, Y. C., & Zeng, Y. J. (2009). A review of researches on the consciousness of implicit learning.32(4), 891?893.

[陳寒, 楊治良, 韓玉昌, 曾玉君. (2009). 內隱學習的意識性研究述評.(4), 891–893.]

D'Angelo, M, C., Milliken, B., Jiménez, L., & Lupiá?ez, J. (2013). Implementing flexibility in automaticity: Evidence from context-specific implicit sequence learning.(1), 64–81.

Destrebecqz, A., & Cleeremans, A. (2001). Can sequence learning be implicit? New evidence with the process dissociation procedure.(2), 343–350.

Dienes, Z., Kuhn, G., Guo, X., & Jones, C. (2011). Communicating structure, affect, and movement. In P. Rebuschat, M. Rohmeier, J. A. Hawkins, & I. Cross(Eds.),(pp. 156–169). Oxford University Press.

Dienes, Z., & Longuet-Higgins, C. (2004). Can musical transformations be implicitly learned?(4), 531–558.

French, R. M., & Cleeremans, A. (2002).(pp.160–170). Psychology Press.

Frensch, P. A., & Miner, C. S. (1994). Effects of presentation rate and individual differences in short-term memory capacity on an indirect measure of serial learning.(1), 95–110.

Fu, Q., Bin, G., Dienes, Z., Fu, X., & Gao, X. (2013). Learning without consciously knowing: Evidence from event-related potentials in sequence learning.(1), 22–34.

Fu, Q., Dienes, Z., & Fu, X. (2010). Can unconscious knowledge allow control in sequence learning?(1), 462–474.

Guo, X. Y., ＆ Yang, Z. L. (2002). The research history of implicit learning.(3), 85–90.

[郭秀艷, 楊治良. (2002). 內隱學習的研究歷程.(3), 85–90.]

Huang, J., Dai, H., Ye, J., Zhu, C., Li, Y., & Liu, D. (2017). Impact of response stimulus interval on transfer of non-local dependent rules in implicit learning: An ERP investigation., 2107.

Huang, J. P., Zhang, J. X., ＆ Liu D, Z. (2015). The inlfuence of transfer chuck number and position on implicit sequence learning.(6), 1326–1333.

[黃建平, 張劍心, 劉電芝. (2015). 內隱序列學習中轉移組塊的數(shù)量和位置效應.(6), 1326–1333.]

James, W. (2010). The principles of psychology, Vol I. InMineola, New York: Dover Publications.

Jiménez, L., Vaquero, J. M., & Lupiá?ez, J. (2006). Qualitative differences between implicit and explicit sequence learning.(3), 475–490.

Knowlton, B. J., & Squire, L. R. (1996). Artificial grammar learning depends on implicit acquisition of both abstract and exemplar-specific information.(1), 169–181.

Kuhn, G., & Dienes, Z. (2005). Implicit learning of nonlocal musical rules: Implicitly learning more than chunks.(6), 1417–1432.

Kuhn, G., & Dienes, Z. (2006). Differences in the types of musical regularity learnt in incidental- and intentional- learning conditions.(10), 1725–1744.

Mathews, R. C., Buss, R. R., Stanley, W. B., Blanchardfields, F., Cho, J. Ryeul., & Druhan, B. (1989). Role of implicit and explicit processes in learning from examples: A synergistic effect.(6), 1083–1100.

Norman, E. (2010). “The Unconscious” in current psychology.,(3), 193–201.

Norman, E., Price, M. C., & Duff, S. C. (2006). Fringe consciousness in sequence learning: The influence of individual differences.(4), 723–760.

Norman, E., Price, M. C., Duff, S. C., & Mentzoni, R. A. (2007). Gradations of awareness in a modified sequence learning task.(4), 809– 837.

Reber, A. S. (1976). Implicit learning of artifical grammars.(6), 855–863.Pothos, E. M. (2007). Theories of artificial grammar learning.(2), 227–244.

Price, M. C. (2002). Measuring the fringes of experience.(7), 8–16.

Rünger, D. (2012). How sequence learning creates explicit knowledge: The role of response-stimulus interval.(5), 579–590.

Rünger, D., & Frensch, P. A. (2008). How incidental sequence learning creates reportable knowledge: The role of unexpected events.(5), 1011–1026.

Rünger, D., & Frensch, P. A. (2010). Defining consciousness in the context of incidental sequence learning: Theoretical considerations and empirical implications.(2), 121–137.

Sanchez, D. J., Yarnik, E. N., & Reber, P. J. (2015). Quantifying transfer after perceptual-motor sequence learning: How inflexible is implicit learning?(2), 327–343.

Schwarb, H., & Schumacher, E. H. (2010). Implicit sequence learning is represented by stimulus—response rules.(6), 677–688.

Tanaka, K., & Watanabe, K. (2014). Implicit transfer of reversed temporal structure in visuomotor sequence learning.(3), 565–579.

Tanaka, K., & Watanabe, K. (2015). Effects of learning duration on implicit transfer.(10), 2767–2776.

Weiermann, B. Cock, J., & Meier, B. (2010). What matters in implicit task sequence learning: Perceptual stimulus features, task sets, or correlated streams of information?.(6), 1492–1509.

Zhang, R. L., Liu, D. Z. (2014). The development of graded consciousness in artificial grammar learning.(11), 1649–1660.

[張潤來, 劉電芝. (2014). 人工語法學習中意識加工的漸進發(fā)展.(11), 1649–1660.]

Zhang, J. X., Wu, Y., Chen, X. Y., & Liu, D. Z. (2014). Probabilistic implict sequence learning differences between individuals with high vs. low openness /feeling.,(12), 1793–1804.

[張劍心, 武燕, 陳心韻, 劉電芝. (2014). 高低情感開放性者概率內隱序列學習進程差異.(12), 1793–1804.]

Is implicit knowledge abstract? Evidence from implicit sequence learning transfer

DAI Hui1; ZHU Chuanlin2; LIU Dianzhi2

(1Student Affairs Office, Nanjing Tech University, Nanjing 210000, China) (2School of Education, Soochow University, Suzhou 215000, China)

Studies have shown that whether implicit knowledge is abstract is still under dispute, and transfer is an effective way to test this. The present study was designed to investigate transfer of implicit sequence knowledge under five different RSI conditions, to explore the status of consciousness underlying transfer, and then to prove the abstractness of implicit knowledge.

Ninety volunteers (college students) were randomly assigned to five experimental groups. Twelve randomly selected college students were assigned to the control group. A classic implicit sequence learning task was adopted. Participants were required to press a key corresponding to the spatial location of the dark dot as quickly and accurately as possible. Each experimental group completed this task under one of five RSI conditions (0 ms, 250 ms, 500 ms, 750 ms, and 1000 ms). The task included a training and a transfer phase. In both phases, the spatial location arrangement for the sequence of dots followed the second-order conditional rule, but differed slightly. The control group did not undergo the training phase and were tested directly during the transfer phase, with the procedure being similar to that of its matched experimental group. Pure and novelty-influenced learning magnitude, two different indexes of implicit learning magnitude, were adopted. Similarly, two different indexes of implicit transfer magnitude, pure and novelty-influenced, were adopted.

The results showed: (1) By using a transfer design changed first-order structure, we found that the migration occurs with the increase of RSI, which proves that the implicit knowledge is abstract. (2) Implicit sequence learning is a necessary condition for migration learning. The novelty stimulus promotes implicit learning and transfer, and the effect is more obvious when RSI is small. (3) Moreover, in this study, a special type of fringe consciousness was found (RSI = 500 ms, 750 ms, 1000 ms), in which people can transfer knowledge that has cognitive flexibility and availability, but they cannot orally report the specific rules.

By using a transfer design changed first-order structure, this study proves that implicit knowledge is abstract under the fringe consciousness. Additionally, the effects of RSI、implicit sequence learning, and stimulus novelty on implicit learning and transfer were proved. This study provides abundant first-hand information to the field of implicit learning.

implicit knowledge; implicit sequence learning; transfer; RSI; fringe consciousness

2017-06-02

* 國家自然科學基金(31271084)、江蘇高校哲學社會科學研究項目(2017SJBFDY366)、江蘇省高校輔導員工作研究會專項(16FYHYB030)。

劉電芝, E-mail: dianzhiliu@foxmail.com

B842

10.3724/SP.J.1041.2018.00965