反饋方式對家族相似性類別學習的影響*

邢 強，孫海龍，車敬上

(1.廣州大學心理學系，廣州510006;2.廣東南方職業學院，江門529000)

1 引言

為了更好地適應環境，人們需要將環境中的客體進行分類，并對不同類別的客體做出不同的反應，這一過程稱為類別學習(category learning)。分類學習(classification learning)是類別學習的主要形式(Johansen ＆ Kruschke，2005)。在分類學習范式中，反饋必不可少，根據反饋的方式，可以分為正性反饋(positive feedback)和負性反饋(negative feedback)。正性反饋是指對正確反應給出反饋;負性反饋是指對錯誤反應給出反饋(Ashby ＆ Maddox，2010)。

分類學習的類別結構有多種，如基于規則的，信息整合的，家族相似性的類別結構。基于規則的類別，分類規則易于用言語表述，被試在學習過程中逐漸學習到這種分類規則，該類別結構的學習過程是驗證假設的過程;信息整合的類別分類規則很難用語言描述，需要同時整合條紋頻率和條紋方向兩個維度，依賴于通過將大腦特定區域與特定反應模式之間聯結，同時需要及時強化刺激與類別的聯結。目前，研究者普遍認為基于規則的類別結構依賴于外顯學習系統，信息整合的類別學習依賴于內隱學習系統的調節(Ashby et al.，1998;Ashby ＆ O’Brien，2005)。

Ashby 和O’Brien(2007)的研究表明，正性反饋與負性反饋對不同的類別結構具有不同的影響。在完成信息整合的類別任務時，正性反饋比負性反饋更加有效;而對于基于規則的類別任務，負性反饋比正性反饋更加有效。這種學習成績上的分離效應，驗證類別學習的多系統模型，但是實驗受到了難度觀的質疑，因為兩種類別結構的難度上有差異。

正性反饋與負性反饋為何對不同類別學習的成績有不同的影響?Kulhavy 和Anderson(1972)認為反饋的功能不僅僅是對正確反應給予正強化，還在于對錯誤反應給予負強化。正性反饋注重對正確反應的正強化，而負性反饋則注重對錯誤反應的負強化，并需要對類別的不同特征進行綜合推理，正性反饋與負性反饋使用的分類策略不同。

COVIS 模型(Ashby et al.，1998，即內隱學習系統與外顯學習系統互相競爭模型)認為內隱的程序學習只包括直接的基底神經核(basel ganglia)的神經通路，當紋狀體突觸前部或者后部激活、多巴胺含量超過正常水平時會使得突觸通路(pathway synapses)得到強化。研究表明，提供正性反饋時多巴胺的含量會增加，從而使得突觸通路得到強化。而負性反饋的發生則不能產生上述的條件，因此正性反饋比負性反饋更加有效(Ashby ＆ Maddox，2010;Ashby，Ennis，＆ Spiering，2007)。信息整合的類別學習是基于內隱學習系統調節的，因此，正性反饋能起到較好的促進作用(Schnyer，Pashler，Cepeda，Wixted，＆ Rohrer，2005;Smith ＆ Kimball，2010)。與此相反，規則的類別結構主要依賴于外顯學習系統，在負性反饋條件下，被試能獲得更多的信息，因此，負性反饋比正性反饋有更好的成績。

家族相似性類別是一類主要基于相似性的類別結構。所謂家族相似性類別是指一個家族成員的特征都有些相似但又不同(Yamauchi ＆ Markman，1998)。信息整合的類別結構和基于規則的類別結構屬于知覺材料，沒有明顯的特征可供推理，家族相似性類別結構具有更多的維度，更加接近自然類別材料。Yamauhchi 和Markman(1998)設計的非線性結構的家族相似性類別結構可以更為細致的測查家族相似性類別的表征模式以及學習策略(如表1)。

表1 家族相似性類別結構

家族相似性類別源于類別表征的原型理論，其更強調的是類別內的相似性，相比信息整合的類別結構具有更多更明確的維度特征。然而，一些研究表明，分類學習范式中，被試學習家族相似性類別結構的速度低于基于規則的和信息整合的類別結構(Shepard，Hovland，＆ Jenkins，1961)，即家族相似性類別結構更難成功學習。之所以會出現這樣的結果，可能是家族相似性類別結構學習中使用的分類策略不同。

劉志雅和莫雷(2008)采用家族相似性材料，對不同學習方式對家族相似性材料的影響進行研究，測試階段分別采用分類遷移測試，單特征推理測試，和概率推理測試，結果發現開始階段被試使用單維度策略，逐漸轉為單維度規則策略和例外策略，學習到類別原型。相關研究發現，在類別學習中，錯誤反應提供的信號能夠引導規則的選擇和策略轉換(Monchi et al.，2004;Seger，2008;Schnyer et al.，2009;Smith ＆ Kimball，2010)。在此基礎上，Smith等(2010)提出存在錯誤驅動機制，認為在類別學習時，反應錯誤可以告訴我們哪些特征更重要，為了減少歸類錯誤，人們會主要關注對減少歸類錯誤有用的特征，不斷調整對特征維度的關注。

而有研究認為家族相似性材料是一種基于內隱學習系統的類別結構(Huang - Pollock，Maddox，＆Karalunas，2011)。根據以上分析，正性反饋應該能夠促進家族相似性材料的類別學習。但根據錯誤驅動機制的觀點，負性反饋應該能夠促進家族相似性材料的類別學習。因此，在家族相似性材料的類別學習中，正性反饋與負性反饋對學習過程和效果有什么影響，還需要進一步研究。

為解決上述問題，本實驗擬在Ashby 和O’Brien(2007)研究基礎上，探討不同反饋方式對于家族相似性類別學習的影響。反饋方式有正性反饋和負性反饋兩個水平。類別學習采用“學習-測試”范式，其中，學習階段采用分類學習范式;而在測試階段，借鑒劉志雅和莫雷(2008)的研究，我們在測試階段分別采用分類測試任務、記憶任務、推理任務三種測試任務，這樣可以更為細致的對正性反饋與負性反饋對分類學習的效果進行分析。其中，分類測試任務與分類學習任務相似，只是加入了原型刺激，如果哪種反饋方式在分類學習中更易形成原型，那么其在分類學習測試任務中應該有更高的正確率;記憶任務是對構成類別的單個特征的記憶，如果哪一種反饋方式在類別結構學習更關注單個特征維度，那么在對單個特征的類別判斷中成績更好，通過此可以更加深入的探討兩種反饋方式在類別形成過程的不同作用。推理任務需要綜合運用多種策略進行分析推理。通過不同的反饋方式對家族相似性類別結構的學習結果和學習機制等進行系統的探討。

2 方法

2.1 被試

大學本科生和研究生36 人(男女各一半)。年齡為21 ～25 歲，正性反饋組為18 人，負性反饋組為18 人。所有被試裸眼(矯正)視力正常。

2.2 實驗材料

使用Photoshop 設計圖片，像素設置為1024 ×768。圖片由一個類別標簽(F 或J)和四個形狀特征組成。F 和J 的原型見圖1。

圖1 F 和J 的原型

2.3 實驗設計

自變量為反饋方式，分為正性反饋和負性反饋兩個水平，單因素被試間設計。

因變量包括達到標準所需單元數、學習階段和測試階段的正確率。

2.4 實驗程序

使用E -prime2.0 軟件進行編程，圖片呈現在分辨率為1024 ×768 的顯示器上。實驗分學習和測試兩個階段。

圖2 正性反饋與負性反饋流程對比

在學習階段，實驗任務如圖2 所示，首先呈現刺激，然后被試判斷刺激所屬類別，最后給出反饋。原型刺激在實驗中不呈現，非原型實驗刺激隨機呈現，每8 個試次為1 個單元，每3 個單元有1 分鐘休息時間。根據已有研究(劉志雅，莫雷，2008;Ashby ＆O’Brien，2007)的實驗操作，當被試連續3 個單元的平均正確率達到90%，我們認為達到學習標準，即學習成功，進入測試階段。被試30 個單元達不到學習標準，學習階段也結束。負性反饋與正性反饋兩種條件通過操縱反饋來實現，對于正性反饋條件，判斷正確呈現紅色的“√”，判斷錯誤呈現空白;負性反饋條件下，判斷錯誤呈現紅色的“×”，判斷正確呈現空白屏幕。

圖3 記憶測試和推理測試樣例

測試階段包括三個分測試，不給反饋。第一個是分類測試，要求被試像學習階段那樣對呈現的圖片進行判斷，判斷的圖片增加了兩個類別的原型。第二個是記憶測試(圖3 左)，要求被試判斷單個特征所屬類別。第三個為推理測試(圖3 右)，要求被試判斷虛線所指的兩個特征哪個屬于所標示的類別。

3 結果與分析

3.1 學習過程分析

負性反饋組18 名被試中有13 名被試達到學習標準，達到學習標準所用的平均單元數為13.5(SD=7.4)。正性反饋組18 名被試中有16 名達到學習標準，所用的平均單元數為20.9(SD =6.9)。對達到兩種條件下達到學習標準的平均單元數進行獨立樣本t 檢驗發現兩者差異顯著t(27)= -2.763，p =0.01，Cohen’s d=1.1，表明負性反饋下比正性反饋條件下被試更快的達到學習標準。而兩種反饋條件下，達到學習標準的人數并不相等，正性反饋組有16 人，負性反饋組有13 人，對達到學習標準的被試數量進行Χ2檢驗，結果表明，Χ2(1)=2，p=0.16，兩者差異不顯著。則說明負性反饋與正性反饋在達到學習標準的人數方面沒有顯著差異。

為了直觀清楚地觀察被試的學習過程，我們繪制出被試在學習階段后期的學習曲線。由于被試學習的速度不同，根據研究結果，借鑒Ashby 和O’Brien(2007)的操作，我們統一取實驗結束前7 個單元作為分析對象，因此在剔除學習較快(學習不足7個單元即達到學習標準)的被試后，正性反饋組選用了15 個被試，負性反饋組選用了11 個被試。對每個單元的正確率進行平均，畫出后期學習曲線如圖4。

圖4 后期學習曲線

由圖4 可以看出，正性反饋組和負性反饋組各單元平均正確率的變化趨勢基本一致。在達到標準之前負性反饋組的正確率一直低于正性反饋組，而學會之后負性反饋組被試的正確率超過正性反饋組。

進行2(學習單元:達到學習標準前，達到學習標準后)×2(反饋方式:正性反饋，負性反饋)的方差分析，由圖5 可以看出，在達到標準之前，正性反饋組的正確率高于負性反饋組，在達到標準之后，負性反饋組的正確率高于正性反饋組。學習單元主效應顯著，F(1，25)=140.819，p ＜0.01，=0.85，表明存在學習效應。反饋方式主效應邊緣顯著，F(1，25)=2.821，P =0.054。兩者交互作用顯著F(1，25)=4.236，p ＜0.01，=0.14，表明達到標準前和達到標準后，正性反饋與負性反饋對類別學習有不同的影響。

表2 兩種反饋在達到標準前后的正確率(M±SD)

圖5 簡單效應分析

3.2 學習結果分析

對兩種反饋條件下不同類型測試任務的正確率(如表3)進行獨立樣本t 檢驗。結果表明，分類測試成績差異顯著，t(27)=3.225，p ＜0.001，Cohen’s d=0.39，負性反饋下的測試成績優于正性反饋下的測試成績;記憶測試的成績差異顯著，t(27)=2.359，p=0.019 ＜0.05，Cohen’s d=0.32，表明記憶測試中負性反饋成績優于正性反饋條件下的成績;推理測試兩者差異不顯著，t(27)= -0. 021，p =0.983 ＞0.05，表明無論是正性反饋和負性反饋兩者在推理測試上的成績沒有差異。

表3 正性反饋與負性反饋的測試正確率(M±SD)

4 討論

4.1 正性反饋與負性反饋對分類學習的影響

對于家族相似性類別任務，負性反饋的作用要優于正性反饋。達到學習標準的速度上，負性反饋組要快于正性反饋組。Kelley 和McLaughlin(2012)認為錯誤的反應是一種主動的認知加工，而正確的反應更多是一種被動的認知加工，因此相對正性反饋，負性反饋可以使得被試及時的調整規則，獲取更大的信息量，更快速度的達到學習標準。

對兩種反饋方式的測試階段的成績進行比較，在分類測試上，負性反饋組成績顯著好于正性反饋組，說明負性反饋有利于提高被試對于樣例的記憶;在記憶測試中，相比于分類測試任務，需要被試對類別結構有較深層次的學習才能取得較好成績，負性反饋組被試的成績顯著好于正性反饋組，表明負性反饋可能使得被試對樣例有更深的加工。但是在需要深加工的推理任務中，負性反饋與正性反饋對家族相似性材料的作用并無顯著差異。因為雖然記憶測試與推理測試中都需要對類別結構有深層加工，但是推理需要結合多個維度進行，記憶測試僅需要對單個維度進行判斷，相對容易。

Ashby 和O’Brien(2007)的研究表明，在完成信息整合任務時，正性反饋比負性反饋更加有效，而對于基于規則的任務，負性反饋比正性反饋更加有效，主要是基于學習時間與學習正確率指標上，與之對比可以發現，家族相似性類別任務在學習速度上，負性反饋顯著高于正性反饋，學習正確率，達到90%的正確率之前，正性反饋的正確率更高。

學習成功之前，正性反饋的正確率均高于負性反饋，而在學習效率上，負性反饋的學習效率顯著優于正性反饋，即正性反饋需要更多的學習單元才能達到學習標準。但是達到學習標準之后，負性反饋的正確率迅速超過正性反饋。正性反饋與負性反饋對于類別表征的形成有不同的影響。正性反饋使得被試更為關注類別間的差異性，保證了學習的準確率，而一旦原型形成，被試通過負性反饋，獲取更多的類別信息，轉換分類策略，學習效率更高。

人們在最初有選擇簡單策略傾向，如單一規則策略。隨著學習要求的提高，一種策略不能達到目的時，可以轉變策略，形成更復雜的策略，如規則加例外策略和信息整合策略(劉志雅，莫雷，2008)。從后期學習曲線圖中可以看出，在后期的1，2，3 學習單元，負性反饋條件的正確率小于正性反饋下的。由于負性反饋僅僅告訴被試分類錯誤與否，不一定使被試能夠成功地進行類別學習，而正性反饋通過提供正確的刺激信息，可以保證類別學習的成功。后期前三個學習單元，兩種條件下正確率均很低，正性反饋的正確率大于負性反饋的正確率，正性反饋條件下強化學習起到更大的優勢作用，但是甚至在后期的4 單元時出現了學習倒退的現象，但隨后快速上升，表現出潛伏學習的特點。劉志雅和莫雷(2008)采用三水平家族相似性材料時同樣發現潛伏學習。Grimm 和Maddox(2013)的實驗中采用基于規則和信息整合的類別學習，通過模型擬合分析認為，被試的學習策略確實有一個轉換的過程，初始階段使用單一維度的優勢策略，逐漸轉換為合適的聯合策略的過程。并發現在第五個學習單元出現策略轉換，被試的學習成績在短暫的退步后學習速度更快。后期學習曲線圖中同樣表現出這一趨勢:達到學習標準前，成績有一個明顯的退步，這是因為解決家族相似性材料的學習，被試最早的使用簡單規則策略，逐漸地，被試的分類策略發生轉變，對類別內不同維度之間關系加以關注，有效運用多個維度信息的整合以便成功進行分類。分類策略的轉變導致了學習成績的短暫下降，間接證明了被試分類策略轉換。

不同的反饋方式下，外顯學習系統和內隱學習系統對類別學習的影響有所差異。對類別內部各特征之間關系的推理依賴于內隱學習系統，它需要錯誤來進行即時調整。內隱學習系統在沒有外部提示信息讓其進行推理規則的時候發揮作用，推理的過程中學習者能夠對材料進行更深層次的加工，這個系統耗費的認知資源較少;外顯學習系統在外部特征之間能夠看出聯系的時候使用，外顯學習系統需要的認知資源較多。大腦應該存在一個監控機制，綜合考慮完成任務所用資源和完成任務的效率，以決定兩個系統的使用程度，但是監控機制是如何調節外顯學習系統和內隱學習系統，不同方式的反饋怎樣影響兩個系統還需進一步加以研究。

4.2 是強化學習，錯誤驅動?

根據強化學習的原理，對正確行為的強化可以促進想要的行為，而對錯誤行為的強化可以減少不想要行為發生的可能性(Niv，2009)。因此，正性反饋能促進標簽和刺激的聯結，已有的研究基本都支持正強化對類別學習的作用。對家族相似性類別學習而言，基于錯誤驅動的負性反饋具有更大影響。錯誤驅動能促使學習者去尋找事物之間的內部規則，更容易抓到事物本質，因此在記憶任務中和分類任務中，負性反饋比正性反饋有更大的作用。強化學習更多的是強化正確反應與刺激之間的聯系，更多的是關注不同類別之間的差異性，而錯誤驅動使得被試可以對類別內各維度特征進行加工推理，因此，負性反饋條件下，被試對熟悉的單純記憶任務和簡單推理加工單維度特征任務有更好的表現。

負性反饋優于正性反饋的另一種解釋就是負性反饋比正性反饋提供更多的信息，對于負性反饋，推理規則雖然使得被試對刺激進行更深的加工，但是當沒有找到正確的規則時，被試可能要經歷更加長久的時間。也就是說試誤學習不一定能夠學到知識，但是一旦嘗試了正確的策略，就會學習的很快，而簡單記憶能保證學會，但是效率較低。

陳琳、莫雷和劉志雅(2013)認為類別學習可能存在著雙加工機制，即開始階段時使用規則或者基于相似性的分類，但是作為一種高級的認知學習過程，有一種減少歸類錯誤的驅動，存在認知加工的機制，被試在類別學習過程中會盡可能的掌握類別特征，以供進行邏輯推理，掌握較多的有效類別特征，促進完成推理。錯誤促使被試對假設的規則進行即時調整，這個時候錯誤既起到動力的作用，也為規則的修正提供了信息，人們會調整對不同特征維度的關注，更加關注對減少歸類錯誤有用的特征。因此在負性反饋條件下，被試使用推理策略(Anderson，Ross，＆ Chin-Parker，2002)。Kornell，Bjork 和Garcia(2011)則進一步提出反饋對學習的影響中記憶的作用，具體而言，當被試做出正確反應時，被試在刺激與標簽之間建立聯結，這一過程提高了記憶的力量，使得被試更多運用記憶策略，但正性反饋本身并未起到作用。總體上，負性反饋對家族相似性材料有著更大的影響。

5 結論

5.1 在學習速度上，負性反饋現在優于正性反饋，但是在學習成功的人數上，兩者之間沒有顯著差異。

5.2 對家族相似性材料而言，在低水平記憶策略上，負性反饋比正性反饋更加有效，而高級推理測試中，正性反饋與負性反饋作用沒有差異。總體上負性反饋在學習結果和學習效率上均優于正性反饋。

陳琳，莫雷，鄭允佳，王雨函. (2013). 類別學習的阻礙效應與雙機制理論.心理科學，36(2)，356 -363.

劉志雅，莫雷.(2009).兩種學習模式下類別學習的結果:原型和樣例.心理學報，41，44 -52.

劉志雅，莫雷.(2008). 三水平特征的家族相似性類別結構的分類和推理學習.心理科學，31，289 -293.

Ashby，F.G.，＆ Alfonso-Reese，L.A.(1998).A neuropsychological theory of multiple systems in category learning. Psychological Review，105(3)，442.

Ashby，F.G.，＆ O’Brien，J. B. (2007). The effects of positive versus negative feedback on information-integration category learning.Perception ＆ Psychophysics，69，865 -878.

Ashby，F. G.，＆ O’Brien，J. B. (2005). Category learning and multiple memory systems.Trends in Cognitive Science，2，83 -89.

Ashby，F.G.，Ennis，J. M.，＆ Spiering，B. J. (2007). A neurobiological theory of automaticity in perceptual categorization.Psychological Review，114(3)，632 -656.

Ashby，F.G.，＆ Maddox，W.T.(2010).Human category learning 2.0. Annals of the New York Academy of Sciences，1224，147 -161.

Anderson，A.L.，Ross，B. H.，＆ Chin - Parker，S. (2002). A further investigation of category learning by inference.Memory＆ Cognition，30，119 -128.

Grimm，L. R.，＆ Maddox，W. T. (2013). Differential impact of relevant and irrelevant dimension primes on rule -based and information-integration category learning.Acta Psychologica，144，530 -537.

Huang - Pollock，C. L.，Maddox，W. T.，＆ Karalunas，S. L.(2011).Development of implicit and explicit category learning.Journal of Experimental Child Psychology，109(3)，321-335.

Johansen，M.K.，＆ Kruschke，J.K.(2005).Category representation for classification and feature inference. Journal of Experimental Psychology:Learning，Memory，＆ Cognition，31，1433 -1458.

Kelley，C.M.，＆ McLaughlin，A.C.(2012).Differences in feedback use for correct and incorrect responses. Proceeding of the Human Factors and Ergonomics Society 56th Annual Meeting.

Kornell，N.，Bjork，R. A.，＆ Garcia，M. A. (2011). Why tests appear to prevent forgetting:A distribution based bifurcation model.Journal of Memory and Language，65(2)，85 -97.

Kulhavy，R. W.，＆ Anderson，R. C. (1972). Delay - retention effect with multiple-choice tests.Journal of Educational Psychology，63，505 -512.

Niv，Y.(2009).Reinforcement learning in the brain.Journal of Mathematical Psychology，53，139 -154.

Shepard，R. N.，Hovland，C. L.，＆ Jenkins，H. M. (1961).Learning and memorization of classifications. Psychological Monographs，75(13)，517.

Schnyer，D.，Pashler，H.，Cepeda，N.J.，Wixted，J.T.，＆ Rohrer，D. (2005). When does feedback facilitate learning of words?Journal of Experimental Psychology:Learning，Memory，＆ Cognition，31，3 -8.

Seger，C.A.(2008).How do the basal ganglia contribute to categorization?Their roles in generalization，response selection，and learning via feedback. Neuroscience ＆ Biobehavioral Reviews，32，265 -278.

Smith，T. A.，＆ Kimball，D. R. (2010). Learning from feedback:Spacing and the delay -retention effect.Journal of Experimental Psychology:Learning，Memory，＆ Cognition，36，80-95.

Yamauchi，T.，＆ Markman，A. B. (1998). Category learning by inference and classification.Journal of Memory ＆ Language，39，124 -148.