反馈方式对家族相似性类别学习的影响*

邢 强，孙海龙，车敬上

(1.广州大学心理学系，广州510006;2.广东南方职业学院，江门529000)

1 引言

为了更好地适应环境，人们需要将环境中的客体进行分类，并对不同类别的客体做出不同的反应，这一过程称为类别学习(category learning)。分类学习(classification learning)是类别学习的主要形式(Johansen ＆ Kruschke，2005)。在分类学习范式中，反馈必不可少，根据反馈的方式，可以分为正性反馈(positive feedback)和负性反馈(negative feedback)。正性反馈是指对正确反应给出反馈;负性反馈是指对错误反应给出反馈(Ashby ＆ Maddox，2010)。

分类学习的类别结构有多种，如基于规则的，信息整合的，家族相似性的类别结构。基于规则的类别，分类规则易于用言语表述，被试在学习过程中逐渐学习到这种分类规则，该类别结构的学习过程是验证假设的过程;信息整合的类别分类规则很难用语言描述，需要同时整合条纹频率和条纹方向两个维度，依赖于通过将大脑特定区域与特定反应模式之间联结，同时需要及时强化刺激与类别的联结。目前，研究者普遍认为基于规则的类别结构依赖于外显学习系统，信息整合的类别学习依赖于内隐学习系统的调节(Ashby et al.，1998;Ashby ＆ O’Brien，2005)。

Ashby 和O’Brien(2007)的研究表明，正性反馈与负性反馈对不同的类别结构具有不同的影响。在完成信息整合的类别任务时，正性反馈比负性反馈更加有效;而对于基于规则的类别任务，负性反馈比正性反馈更加有效。这种学习成绩上的分离效应，验证类别学习的多系统模型，但是实验受到了难度观的质疑，因为两种类别结构的难度上有差异。

正性反馈与负性反馈为何对不同类别学习的成绩有不同的影响?Kulhavy 和Anderson(1972)认为反馈的功能不仅仅是对正确反应给予正强化，还在于对错误反应给予负强化。正性反馈注重对正确反应的正强化，而负性反馈则注重对错误反应的负强化，并需要对类别的不同特征进行综合推理，正性反馈与负性反馈使用的分类策略不同。

COVIS 模型(Ashby et al.，1998，即内隐学习系统与外显学习系统互相竞争模型)认为内隐的程序学习只包括直接的基底神经核(basel ganglia)的神经通路，当纹状体突触前部或者后部激活、多巴胺含量超过正常水平时会使得突触通路(pathway synapses)得到强化。研究表明，提供正性反馈时多巴胺的含量会增加，从而使得突触通路得到强化。而负性反馈的发生则不能产生上述的条件，因此正性反馈比负性反馈更加有效(Ashby ＆ Maddox，2010;Ashby，Ennis，＆ Spiering，2007)。信息整合的类别学习是基于内隐学习系统调节的，因此，正性反馈能起到较好的促进作用(Schnyer，Pashler，Cepeda，Wixted，＆ Rohrer，2005;Smith ＆ Kimball，2010)。与此相反，规则的类别结构主要依赖于外显学习系统，在负性反馈条件下，被试能获得更多的信息，因此，负性反馈比正性反馈有更好的成绩。

家族相似性类别是一类主要基于相似性的类别结构。所谓家族相似性类别是指一个家族成员的特征都有些相似但又不同(Yamauchi ＆ Markman，1998)。信息整合的类别结构和基于规则的类别结构属于知觉材料，没有明显的特征可供推理，家族相似性类别结构具有更多的维度，更加接近自然类别材料。Yamauhchi 和Markman(1998)设计的非线性结构的家族相似性类别结构可以更为细致的测查家族相似性类别的表征模式以及学习策略(如表1)。

表1 家族相似性类别结构

家族相似性类别源于类别表征的原型理论，其更强调的是类别内的相似性，相比信息整合的类别结构具有更多更明确的维度特征。然而，一些研究表明，分类学习范式中，被试学习家族相似性类别结构的速度低于基于规则的和信息整合的类别结构(Shepard，Hovland，＆ Jenkins，1961)，即家族相似性类别结构更难成功学习。之所以会出现这样的结果，可能是家族相似性类别结构学习中使用的分类策略不同。

刘志雅和莫雷(2008)采用家族相似性材料，对不同学习方式对家族相似性材料的影响进行研究，测试阶段分别采用分类迁移测试，单特征推理测试，和概率推理测试，结果发现开始阶段被试使用单维度策略，逐渐转为单维度规则策略和例外策略，学习到类别原型。相关研究发现，在类别学习中，错误反应提供的信号能够引导规则的选择和策略转换(Monchi et al.，2004;Seger，2008;Schnyer et al.，2009;Smith ＆ Kimball，2010)。在此基础上，Smith等(2010)提出存在错误驱动机制，认为在类别学习时，反应错误可以告诉我们哪些特征更重要，为了减少归类错误，人们会主要关注对减少归类错误有用的特征，不断调整对特征维度的关注。

而有研究认为家族相似性材料是一种基于内隐学习系统的类别结构(Huang - Pollock，Maddox，＆Karalunas，2011)。根据以上分析，正性反馈应该能够促进家族相似性材料的类别学习。但根据错误驱动机制的观点，负性反馈应该能够促进家族相似性材料的类别学习。因此，在家族相似性材料的类别学习中，正性反馈与负性反馈对学习过程和效果有什么影响，还需要进一步研究。

为解决上述问题，本实验拟在Ashby 和O’Brien(2007)研究基础上，探讨不同反馈方式对于家族相似性类别学习的影响。反馈方式有正性反馈和负性反馈两个水平。类别学习采用“学习-测试”范式，其中，学习阶段采用分类学习范式;而在测试阶段，借鉴刘志雅和莫雷(2008)的研究，我们在测试阶段分别采用分类测试任务、记忆任务、推理任务三种测试任务，这样可以更为细致的对正性反馈与负性反馈对分类学习的效果进行分析。其中，分类测试任务与分类学习任务相似，只是加入了原型刺激，如果哪种反馈方式在分类学习中更易形成原型，那么其在分类学习测试任务中应该有更高的正确率;记忆任务是对构成类别的单个特征的记忆，如果哪一种反馈方式在类别结构学习更关注单个特征维度，那么在对单个特征的类别判断中成绩更好，通过此可以更加深入的探讨两种反馈方式在类别形成过程的不同作用。推理任务需要综合运用多种策略进行分析推理。通过不同的反馈方式对家族相似性类别结构的学习结果和学习机制等进行系统的探讨。

2 方法

2.1 被试

大学本科生和研究生36 人(男女各一半)。年龄为21 ～25 岁，正性反馈组为18 人，负性反馈组为18 人。所有被试裸眼(矫正)视力正常。

2.2 实验材料

使用Photoshop 设计图片，像素设置为1024 ×768。图片由一个类别标签(F 或J)和四个形状特征组成。F 和J 的原型见图1。

图1 F 和J 的原型

2.3 实验设计

自变量为反馈方式，分为正性反馈和负性反馈两个水平，单因素被试间设计。

因变量包括达到标准所需单元数、学习阶段和测试阶段的正确率。

2.4 实验程序

使用E -prime2.0 软件进行编程，图片呈现在分辨率为1024 ×768 的显示器上。实验分学习和测试两个阶段。

图2 正性反馈与负性反馈流程对比

在学习阶段，实验任务如图2 所示，首先呈现刺激，然后被试判断刺激所属类别，最后给出反馈。原型刺激在实验中不呈现，非原型实验刺激随机呈现，每8 个试次为1 个单元，每3 个单元有1 分钟休息时间。根据已有研究(刘志雅，莫雷，2008;Ashby ＆O’Brien，2007)的实验操作，当被试连续3 个单元的平均正确率达到90%，我们认为达到学习标准，即学习成功，进入测试阶段。被试30 个单元达不到学习标准，学习阶段也结束。负性反馈与正性反馈两种条件通过操纵反馈来实现，对于正性反馈条件，判断正确呈现红色的“√”，判断错误呈现空白;负性反馈条件下，判断错误呈现红色的“×”，判断正确呈现空白屏幕。

图3 记忆测试和推理测试样例

测试阶段包括三个分测试，不给反馈。第一个是分类测试，要求被试像学习阶段那样对呈现的图片进行判断，判断的图片增加了两个类别的原型。第二个是记忆测试(图3 左)，要求被试判断单个特征所属类别。第三个为推理测试(图3 右)，要求被试判断虚线所指的两个特征哪个属于所标示的类别。

3 结果与分析

3.1 学习过程分析

负性反馈组18 名被试中有13 名被试达到学习标准，达到学习标准所用的平均单元数为13.5(SD=7.4)。正性反馈组18 名被试中有16 名达到学习标准，所用的平均单元数为20.9(SD =6.9)。对达到两种条件下达到学习标准的平均单元数进行独立样本t 检验发现两者差异显著t(27)= -2.763，p =0.01，Cohen’s d=1.1，表明负性反馈下比正性反馈条件下被试更快的达到学习标准。而两种反馈条件下，达到学习标准的人数并不相等，正性反馈组有16 人，负性反馈组有13 人，对达到学习标准的被试数量进行Χ2检验，结果表明，Χ2(1)=2，p=0.16，两者差异不显著。则说明负性反馈与正性反馈在达到学习标准的人数方面没有显著差异。

为了直观清楚地观察被试的学习过程，我们绘制出被试在学习阶段后期的学习曲线。由于被试学习的速度不同，根据研究结果，借鉴Ashby 和O’Brien(2007)的操作，我们统一取实验结束前7 个单元作为分析对象，因此在剔除学习较快(学习不足7个单元即达到学习标准)的被试后，正性反馈组选用了15 个被试，负性反馈组选用了11 个被试。对每个单元的正确率进行平均，画出后期学习曲线如图4。

图4 后期学习曲线

由图4 可以看出，正性反馈组和负性反馈组各单元平均正确率的变化趋势基本一致。在达到标准之前负性反馈组的正确率一直低于正性反馈组，而学会之后负性反馈组被试的正确率超过正性反馈组。

进行2(学习单元:达到学习标准前，达到学习标准后)×2(反馈方式:正性反馈，负性反馈)的方差分析，由图5 可以看出，在达到标准之前，正性反馈组的正确率高于负性反馈组，在达到标准之后，负性反馈组的正确率高于正性反馈组。学习单元主效应显著，F(1，25)=140.819，p ＜0.01，=0.85，表明存在学习效应。反馈方式主效应边缘显著，F(1，25)=2.821，P =0.054。两者交互作用显著F(1，25)=4.236，p ＜0.01，=0.14，表明达到标准前和达到标准后，正性反馈与负性反馈对类别学习有不同的影响。

表2 两种反馈在达到标准前后的正确率(M±SD)

图5 简单效应分析

3.2 学习结果分析

对两种反馈条件下不同类型测试任务的正确率(如表3)进行独立样本t 检验。结果表明，分类测试成绩差异显著，t(27)=3.225，p ＜0.001，Cohen’s d=0.39，负性反馈下的测试成绩优于正性反馈下的测试成绩;记忆测试的成绩差异显著，t(27)=2.359，p=0.019 ＜0.05，Cohen’s d=0.32，表明记忆测试中负性反馈成绩优于正性反馈条件下的成绩;推理测试两者差异不显著，t(27)= -0. 021，p =0.983 ＞0.05，表明无论是正性反馈和负性反馈两者在推理测试上的成绩没有差异。

表3 正性反馈与负性反馈的测试正确率(M±SD)

4 讨论

4.1 正性反馈与负性反馈对分类学习的影响

对于家族相似性类别任务，负性反馈的作用要优于正性反馈。达到学习标准的速度上，负性反馈组要快于正性反馈组。Kelley 和McLaughlin(2012)认为错误的反应是一种主动的认知加工，而正确的反应更多是一种被动的认知加工，因此相对正性反馈，负性反馈可以使得被试及时的调整规则，获取更大的信息量，更快速度的达到学习标准。

对两种反馈方式的测试阶段的成绩进行比较，在分类测试上，负性反馈组成绩显著好于正性反馈组，说明负性反馈有利于提高被试对于样例的记忆;在记忆测试中，相比于分类测试任务，需要被试对类别结构有较深层次的学习才能取得较好成绩，负性反馈组被试的成绩显著好于正性反馈组，表明负性反馈可能使得被试对样例有更深的加工。但是在需要深加工的推理任务中，负性反馈与正性反馈对家族相似性材料的作用并无显著差异。因为虽然记忆测试与推理测试中都需要对类别结构有深层加工，但是推理需要结合多个维度进行，记忆测试仅需要对单个维度进行判断，相对容易。

Ashby 和O’Brien(2007)的研究表明，在完成信息整合任务时，正性反馈比负性反馈更加有效，而对于基于规则的任务，负性反馈比正性反馈更加有效，主要是基于学习时间与学习正确率指标上，与之对比可以发现，家族相似性类别任务在学习速度上，负性反馈显著高于正性反馈，学习正确率，达到90%的正确率之前，正性反馈的正确率更高。

学习成功之前，正性反馈的正确率均高于负性反馈，而在学习效率上，负性反馈的学习效率显著优于正性反馈，即正性反馈需要更多的学习单元才能达到学习标准。但是达到学习标准之后，负性反馈的正确率迅速超过正性反馈。正性反馈与负性反馈对于类别表征的形成有不同的影响。正性反馈使得被试更为关注类别间的差异性，保证了学习的准确率，而一旦原型形成，被试通过负性反馈，获取更多的类别信息，转换分类策略，学习效率更高。

人们在最初有选择简单策略倾向，如单一规则策略。随着学习要求的提高，一种策略不能达到目的时，可以转变策略，形成更复杂的策略，如规则加例外策略和信息整合策略(刘志雅，莫雷，2008)。从后期学习曲线图中可以看出，在后期的1，2，3 学习单元，负性反馈条件的正确率小于正性反馈下的。由于负性反馈仅仅告诉被试分类错误与否，不一定使被试能够成功地进行类别学习，而正性反馈通过提供正确的刺激信息，可以保证类别学习的成功。后期前三个学习单元，两种条件下正确率均很低，正性反馈的正确率大于负性反馈的正确率，正性反馈条件下强化学习起到更大的优势作用，但是甚至在后期的4 单元时出现了学习倒退的现象，但随后快速上升，表现出潜伏学习的特点。刘志雅和莫雷(2008)采用三水平家族相似性材料时同样发现潜伏学习。Grimm 和Maddox(2013)的实验中采用基于规则和信息整合的类别学习，通过模型拟合分析认为，被试的学习策略确实有一个转换的过程，初始阶段使用单一维度的优势策略，逐渐转换为合适的联合策略的过程。并发现在第五个学习单元出现策略转换，被试的学习成绩在短暂的退步后学习速度更快。后期学习曲线图中同样表现出这一趋势:达到学习标准前，成绩有一个明显的退步，这是因为解决家族相似性材料的学习，被试最早的使用简单规则策略，逐渐地，被试的分类策略发生转变，对类别内不同维度之间关系加以关注，有效运用多个维度信息的整合以便成功进行分类。分类策略的转变导致了学习成绩的短暂下降，间接证明了被试分类策略转换。

不同的反馈方式下，外显学习系统和内隐学习系统对类别学习的影响有所差异。对类别内部各特征之间关系的推理依赖于内隐学习系统，它需要错误来进行即时调整。内隐学习系统在没有外部提示信息让其进行推理规则的时候发挥作用，推理的过程中学习者能够对材料进行更深层次的加工，这个系统耗费的认知资源较少;外显学习系统在外部特征之间能够看出联系的时候使用，外显学习系统需要的认知资源较多。大脑应该存在一个监控机制，综合考虑完成任务所用资源和完成任务的效率，以决定两个系统的使用程度，但是监控机制是如何调节外显学习系统和内隐学习系统，不同方式的反馈怎样影响两个系统还需进一步加以研究。

4.2 是强化学习，错误驱动?

根据强化学习的原理，对正确行为的强化可以促进想要的行为，而对错误行为的强化可以减少不想要行为发生的可能性(Niv，2009)。因此，正性反馈能促进标签和刺激的联结，已有的研究基本都支持正强化对类别学习的作用。对家族相似性类别学习而言，基于错误驱动的负性反馈具有更大影响。错误驱动能促使学习者去寻找事物之间的内部规则，更容易抓到事物本质，因此在记忆任务中和分类任务中，负性反馈比正性反馈有更大的作用。强化学习更多的是强化正确反应与刺激之间的联系，更多的是关注不同类别之间的差异性，而错误驱动使得被试可以对类别内各维度特征进行加工推理，因此，负性反馈条件下，被试对熟悉的单纯记忆任务和简单推理加工单维度特征任务有更好的表现。

负性反馈优于正性反馈的另一种解释就是负性反馈比正性反馈提供更多的信息，对于负性反馈，推理规则虽然使得被试对刺激进行更深的加工，但是当没有找到正确的规则时，被试可能要经历更加长久的时间。也就是说试误学习不一定能够学到知识，但是一旦尝试了正确的策略，就会学习的很快，而简单记忆能保证学会，但是效率较低。

陈琳、莫雷和刘志雅(2013)认为类别学习可能存在着双加工机制，即开始阶段时使用规则或者基于相似性的分类，但是作为一种高级的认知学习过程，有一种减少归类错误的驱动，存在认知加工的机制，被试在类别学习过程中会尽可能的掌握类别特征，以供进行逻辑推理，掌握较多的有效类别特征，促进完成推理。错误促使被试对假设的规则进行即时调整，这个时候错误既起到动力的作用，也为规则的修正提供了信息，人们会调整对不同特征维度的关注，更加关注对减少归类错误有用的特征。因此在负性反馈条件下，被试使用推理策略(Anderson，Ross，＆ Chin-Parker，2002)。Kornell，Bjork 和Garcia(2011)则进一步提出反馈对学习的影响中记忆的作用，具体而言，当被试做出正确反应时，被试在刺激与标签之间建立联结，这一过程提高了记忆的力量，使得被试更多运用记忆策略，但正性反馈本身并未起到作用。总体上，负性反馈对家族相似性材料有着更大的影响。

5 结论

5.1 在学习速度上，负性反馈现在优于正性反馈，但是在学习成功的人数上，两者之间没有显著差异。

5.2 对家族相似性材料而言，在低水平记忆策略上，负性反馈比正性反馈更加有效，而高级推理测试中，正性反馈与负性反馈作用没有差异。总体上负性反馈在学习结果和学习效率上均优于正性反馈。

陈琳，莫雷，郑允佳，王雨函. (2013). 类别学习的阻碍效应与双机制理论.心理科学，36(2)，356 -363.

刘志雅，莫雷.(2009).两种学习模式下类别学习的结果:原型和样例.心理学报，41，44 -52.

刘志雅，莫雷.(2008). 三水平特征的家族相似性类别结构的分类和推理学习.心理科学，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.