任务数量与工作记忆容量对交错学习的影响 *

王家慰 冼美君 邢 强

(1 广州大学心理学系，广州 510006) (2 意大利帕多瓦大学普通心理学系，帕多瓦 35131)

1 引言

改变刺激呈现的顺序将影响个体学习策略，进而影响测试成绩（Zaki & Salmi, 2019）。在类别学习研究中，研究者发现了一个典型的学习顺序效应—交错呈现优势（Birnbaum et al., 2013;Kornell & Bjork, 2008; Wang & Xing, 2019）。例如，Kornell和Bjork让个体在集中呈现（连续呈现相同类别的刺激）和交错呈现（交替呈现不同类别的刺激）条件下学习分类画家的画，发现交错呈现的效果优于集中呈现。根据区别对比理论（discriminative-contrast hypothesis）的观点，交替呈现不同类别的刺激突出了类别间的差异，利于个体掌握分类关键，促进分类成绩（Birnbaum et al., 2013; Kornell & Bjork, 2008）。

以往研究结果多数支持交错呈现优势，但仍有少数研究发现两种学习顺序效果相差无几，甚至集中呈现更佳。目前已发现学习顺序与材料相似性（Carvalho & Goldstone, 2014; Zulkiply & Burt,2013）、类别结构（Noh et al., 2016）、学习方式（Carvalho & Goldstone, 2015），以及定义的呈现（Rawson et al., 2015）这几个变量的交互作用。例如，Rawson等考察了概念学习中呈现定义与否对学习顺序效应的影响：当不呈现定义时，交错学习成绩较好；呈现定义则集中学习成绩较好。因此，个体并非都能从交错呈现中获益，交错呈现优势的稳定性有待进一步探究。

以往研究几乎都在单任务条件下探究交错呈现优势，但在现实生活中，个体要完成的任务往往不只一个。在非单任务条件下是否还存在交错呈现优势呢？Wang等（2020）以画家的画为材料，在单任务条件下重复Kornell和Bjork（2008）的经典研究，而双任务组被试除分类任务外，还需完成数字Stroop任务。结果显示，任务数量与学习顺序的交互作用不显著，在两种任务条件下均发现了交错呈现优势。然而，双任务范式一般被用于探究工作记忆和注意的影响，但Wang等让被试学习分类画家的画，这一任务本质上为信息整合类别学习任务。根据多重系统模型（Ashby et al.,1998; Maddox & Ashby, 2004），存在两种独立的学习系统：其中信息整合类别学习是一种内隐的程序性学习，无需意识参与；而基于规则类别学习则是一种外显的陈述性学习，依赖于工作记忆和执行注意。因此，Wang等的研究结果无法将学习任务性质从结果中分离出来。为改进这一点，本研究拟用基于规则类别学习任务重复Wang等的操作，探究交错呈现优势在不同任务条件下的稳定性。这是本研究的第一个目的。

以往基于规则类别学习任务一般采用光栅图作为材料。而光栅图是人工材料，现实意义低，且类别少，不利于探究学习顺序的影响。采用分子结构式为材料则能克服以上不足，但它是现实的学习材料，被试在学习时易受先验知识影响。以往研究发现，个体原有知识会影响类别形成的过程，即知识背景效应。例如，Kim和Rehder（2011）通过眼动技术发现，经过训练获得一定知识后，被试关注点发生变化，他们更关注与分类相关的特征。同时，研究发现在不同学习顺序中，个体的注意特点不同，如在交错呈现中，个体更关注与分类相关的诊断性特征（Carvalho &Goldstone, 2017）。换言之，交错呈现优势与个体的注意有关，但被试的先验知识也对注意产生影响，这也许会影响交错呈现优势。

除客观条件外，研究者同样关心学习的主体因素，即交错呈现优势能否在不同个体中体现。在众多变量中，工作记忆容量（working memory capacity, WMC）是研究热点。研究表明，工作记忆会影响个体的认知活动，这是复杂认知行为产生差异的重要影响因素（Caggiano et al., 2006）。目前对这一问题尚未得出一致结论。有研究发现高WMC个体更能从交错呈现学习中获益（Guzman-Munoz, 2017）；也有研究发现交错呈现对低WMC个体影响更大（Sana et al., 2017）；也有研究在不同WMC条件下均发现交错呈现优势（Sana et al., 2018; Wang et al., 2020）。因此，有必要进一步探究不同WMC下的交错呈现优势。本研究拟使用Foster等（2015）研发的自动版的操作广度、对称广度和旋转广度任务测量WMC，考察交错呈现优势在不同WMC个体中是否稳定。这是本研究的第二个目的。

综上，对交错呈现优势稳定性的探究目前仍处于初始阶段，尚不清楚在何种情况下交错学习能发挥其优势。为进一步理解交错呈现的有效性，本研究分别从客观条件和主体因素中选取了任务数量和工作记忆容量这两个变量，探究它们的影响。具体而言，本研究在单任务或双任务条件下以集中呈现和交错呈现的顺序让被试学习分类分子结构式，并要求被试完成三个工作记忆广度任务测量WMC，探究交错呈现优势在不同学习条件和不同个体中的稳定性。

2 实验1：任务数量与WMC对交错学习的影响

2.1 研究方法

2.1.1 被试

用G*power软件确定被试人数。在保证较大效应量的前提下（effect size=0.4），当ɑ=0.05，Power(1-ɑ)=0.8时，需样本量52人。在校大学生64人参加实验，其中单任务组33人（男生11人），双任务组31人（男生9人），平均年龄为 20.75±2.86岁。

2.1.2 实验材料

选自Eglington和Kang（2017）的研究，为12种化合物的分子结构式（如图1所示）。每种化合物包括11个分子结构式，1个用于前测，6个用于学习，4个用于迁移测试。根据Eglington和Kang的研究结果，筛选出AB两组难度相当的材料。对于一部分被试，A组材料用于集中呈现，B组材料用于交错呈现；另一部分被试则相反。

图1 实验材料样例

2.1.3 实验设计

采用2（学习顺序：集中呈现、交错呈现）×2（任务数量：单任务、双任务）的混合实验设计。其中学习顺序为组内变量，任务数量为组间变量，分类正确率为因变量。

2.1.4 实验程序

被试被随机分到单任务或双任务条件，并完成以下任务。

（1）前测阶段

进行前测以考察先验知识。12个样例依次随机呈现在屏幕中央，下方呈现12个类别名称供被试选择，反应时间不限，无反馈。

（2）学习阶段

一共72个样例，分12个组块，每个组块含6个试次。6个组块的学习顺序为集中呈现（B），即连续呈现同一类别的6个样例；另外6个组块的学习顺序为交替呈现（I），即交替呈现6种类别的1个样例。组块之间的顺序为BIIBBIIBBIIB。

在单任务条件下，被试仅需完成类别学习任务。具体地，在每个试次中，先呈现注视点“+”1 s，接着呈现刺激和类别标签5 s，让被试进行观察学习。1 s后，开始另一个试次。在双任务条件下，除学习任务外，被试还要完成数字Stroop任务。具体而言，在注视点消失后，在屏幕两边呈现数值跟字号大小均不一致的两个数字200 ms。在刺激和类别标签消失后呈现线索词“数值”或“字号”，要求被试判断刚刚哪一边数字的数值或字号更大，反应时间不限。被试判断后，反馈“正确”或“错误”。

（3）分心任务

10道简单算术题，判断答案正确与否，提供1 s反馈。

（4）迁移阶段

共4个组块，每个组块随机呈现12种化合物中的一个样例。在每个试次中，刺激呈现在屏幕中央，下方呈现12个类别标签供被试选择，时间不限。若反应正确，反馈“正确”；若反应错误，反馈“错误”，同时呈现正确的类别名称。

（5）工作记忆广度任务

共三个任务，顺序随机，每个任务只需完成一轮。完成后，可得到被试在这三个任务中的的部分分数（partial score）和绝对分数（absolute score）（Conway et al., 2005; Foster et al., 2015）。本研究选取三个任务的部分分数总和为WMC的指标，范围为0～53。示例见图2。

图2 用于测试WMC的三个工作记忆广度任务示例（Foster et al., 2015）

在操作广度任务中，记忆项是字母，分心任务是判断数学算式的答案正确与否。被试先判断数学题答案，然后记忆一个字母，依次重复。最后，被试用鼠标按顺序点击所看到的字母。记忆项的数量范围为3～7，且数量随机而非逐个递增。

在对称广度任务中，记忆项是红色方块的位置，分心任务是判断形状是否左右对称。记忆项的数量范围为2～5。其余同操作广度任务。

在旋转广度任务中，记忆项是箭头的长度和方向，分心任务是判断旋转的字母是否为正像。其余同对称广度任务。

2.2 结果

2.2.1 分类正确率

以前测成绩为协变量，进行2（学习顺序）×2（任务数量）重复测量协方差分析，结果显示：任务数量的主效应显著，F(1, 61)=7.40，p=0.008，=0.11。其余主效应和交互作用均不显著，ps＞0.05。

未发现交错呈现优势的原因可能是被试包括文理科生。对前测成绩进行独立样本t检验，t(62)=12.04，p＜0.001，发现理科生的前测成绩（M=0.50,SD=0.15）显著优于文科生（M=0.16,SD=0.08）。前面分析提到先验知识可能会影响交错呈现优势，因此增加学科类型这一变量（单任务，理科22人；双任务，理科17人）进一步分析，以前测成绩为协变量，进行2（学习顺序）×2（任务数量）×2（学科类型）重复测量协方差分析，结果显示：任务数量的主效应边缘显著，F(1, 59)=3.92，p=0.05，=0.06，单任务的正确率（M=0.64,SD=0.22）优于双任务（M=0.57,SD=0.26）。学科类型的主效应显著，F(1,59)=12.02，p=0.001，=0.17，理科生的成绩（M=0.71,SD=0.15）显著优于文科生（M=0.50,SD=0.15）。学习顺序和学科类型的交互作用显著，F(1, 59)=8.01，p=0.006，=0.12。简单效应结果显示：对于文科生，交错学习的成绩（M=0.55,SD=0.17）显著优于集中学习（M=0.45,SD=0.16），F(1, 57)=11.40，p=0.001，=0.18；对于理科生，集中学习的成绩（M=0.73,SD=0.17）略高于交错学习（M=0.69,SD=0.15）。其他主效应及交互作用均不显著，ps＞0.05。见图3。

图3 实验1迁移阶段的分类正确率

2.2.2 个体差异

被试的WMC范围为39.95±6.43。独立样本t检验的结果显示两组被试的WMC差异不显著，t(56)=1.25，p=0.21。对个体差异进行回归分析，其中WMC为连续变量，将其去中心化；任务数量和学习顺序为类型变量，用-1和1代表变量的两个水平。变量以“进入”的方式进入到回归分析的两个组块中，第一个组块包含主效应，第二个组块包含交互作用。结果显示：模型拟合的结果边缘显著，F(3, 115)=2.31，p=0.08，adj.R2=0.03，任务数量的主效应显著（β=0.22,t=2.41,p=0.02），其他主效应和交互作用均不显著。为避免学科的影响，分文理科，重复上述分析。结果发现，对于文科生，模型拟合的结果不显著，F(3, 41)=1.43，p=0.25，adj.R2=0.031，且只发现学习顺序的主效应边缘显著（β=0.31,t=2.00,p=0.05），其他主效应和交互作用均不显著。对于理科生，模型拟合的结果不显著，F(3, 73)=1.37，p=0.26，adj.R2=0.03，且所有的主效应和交互作用都不显著。

2.3 讨论

实验1的目的是探究交错呈现优势在不同任务以及WMC个体身上是否稳定。结果显示，交错呈现更利于文科生学习，而集中呈现似乎更利于理科生学习，并且学习顺序与任务数量的交互作用不显著，表明这两种学习顺序效应在不同任务中是稳定的。同时，对个体差异分析的结果显示，交错呈现优势仅体现在文科生身上，且不受WMC影响。

不过，本研究的初衷是探究交错呈现优势在双任务条件下的稳定性，并未将学科类型这一变量纳入考虑范围。从实验1的结果可知交错呈现优势仅体现在文科生身上，但实验1的进一步分析将文理科生分开，导致了统计的样本量不足。因此，为进一步检验这一问题，实验2仅招募文科被试，重复实验1的操作，探究文科生的交错呈现优势在不同学习条件和不同个体中的稳定性。

3 实验2：任务数量与WMC对文科生交错学习的影响

3.1 研究方法

3.1.1 被试

用G*power软件确定被试人数。在保证较大效应量的前提下（effect size=0.4），当ɑ=0.05，Power(1-ɑ)=0.8时，需样本量52人。在校大学生62人参加实验，均为文科生。其中单任务组31人（男生6人），双任务组31人（男生4人），平均年龄为20.58±2.51岁。

3.1.2 实验材料

同实验1。

3.1.3 实验设计

同实验1。

3.1.4 实验程序

同实验1。

3.2 结果

3.2.1 分类正确率

以前测成绩为协变量，进行2（学习顺序）×2（任务数量）的重复测量协方差分析，结果显示：学习顺序的主效应显著，F(1, 59)=11.20，p=0.001，=0.16，交错学习的成绩（M=0.48,SD=0.18）显著优于集中学习（M=0.41,SD=0.19）。其他主效应及交互作用均不显著，ps＞0.05。见图4。

图4 实验2迁移阶段的分类正确率

3.2.2 个体差异

被试的WMC范围为39.61±6.56。独立样本t检验的结果显示两组被试的WMC差异不显著，t(54)=0.07，p=0.94。同实验1，对个体差异进行回归分析。结果显示：模型拟合的结果显著，F(7,111)=2.19，p=0.04，adj.R2=0.07，学习顺序的主效应边缘显著（β=-0.17,t=-1.81,p=0.07），任务数量的主效应显著（β=1.19,t=2.10,p=0.04），WMC的主效应显著（β=0.19,t=2.10,p=0.04），但交互作用均不显著（β=0.12,t=1.29,p=0.20）。

3.3 讨论

实验2以文科生为被试，发现了交错呈现优势。同时，研究发现学习顺序与任务数量的交互作用不显著，即交错呈现优势稳定存在于单任务和双任务条件中。另外，对个体差异的结果分析同样发现了存在交错呈现优势的趋势，且这一优势不受WMC影响，再次验证了实验1的结果。

4 总讨论

本研究以分子结构式为材料，让被试在单任务或双任务条件下以集中呈现和交错呈现的方式学习，同时通过三个工作记忆广度任务测量WMC，探究在基于规则类别学习中，任务数量和WMC对交错呈现优势的影响。结果显示，交错呈现优势仅体现在文科生中；而对于理科生，则不存在这一现象，甚至集中呈现略优于交错呈现。另外，任务数量和WMC均不影响文科生的交错呈现优势，表明交错呈现优势稳定存在于单任务和双任务条件中，同时不同WMC的文科生均能从交错呈现中获益。

4.1 任务数量对学习顺序效应的影响

两个实验一致显示，学习顺序效应在单任务条件和双任务条件相同，表明任务数量不影响学习顺序效应。依据区别对比理论，交错呈现便于让被试比较类别间的差异，从而促进分类成绩（Birnbaum et al., 2013; Kornell & Bjork, 2008）。一旦这一区别对比的过程受阻，交错呈现优势消失。在本研究中，交错呈现优势在双任务条件下是稳定的，表明个体对不同类别刺激的区别对比过程可能不受分心任务影响，即当前的双任务并未阻碍比较类别间差异的认知过程。

然而，交错呈现优势在双任务下的稳定性并不是绝对的，可能与双任务的难度和性质有关。Birnbaum等（2013）的研究体现了双任务会干扰交错呈现优势。Birnbaum等为探究交错呈现优势的机制，通过在试次间插入与实验无关的问题10 s以增加时间间隔，相当于让被试完成双任务，这与本研究有异曲同工之妙。他们发现增加时间间隔导致交错呈现优势消失。为何同样使用了双任务，本研究却得出不同的结果？这可能是因为在Birnbaum等的研究中，双任务不但时间长，且贯穿整个实验过程，要求被试一直记忆这些问题的答案。这无疑极大地影响被试对刺激进行区别对比的过程，导致交错呈现优势消失。反观数字Stroop任务，任务时间短且难度低。虽有一定影响，但并不能完全阻断被试完成区别对比的过程。根据区别对比理论，只要存在区别对比这一过程就会出现交错呈现优势。因此本研究中双任务条件下交错呈现优势依然存在。另外，本研究使用观察学习范式，这一范式对认知资源的需求较低。尽管双任务占据了一定的认知资源，但这对观察学习的影响不大，个体仍能在学习过程中对不同类别间的刺激进行区别对比。

综上，研究发现任务数量不影响学习顺序效应，交错呈现优势在双任务条件下依旧稳定，但结果是否受双任务范式及学习范式的影响，还有待进一步探究。

4.2 WMC对学习顺序效应的影响

本研究发现交错呈现优势并未随个体WMC的不同而发生变化，表明WMC不影响交错呈现优势。根据区别对比理论，只要发生区别对比过程，在不同WMC个体身上都存在交错呈现优势。换言之，交错学习是一种高效的学习方式，它可以促进学习者发现有效的信息加工策略，且这一策略不需占用过多的WMC。因此，不同WMC的个体均可选择交错学习去提高成绩。然而，本研究采用的是观察学习范式，这一范式对工作记忆的要求不高，因此不同WMC个体均能胜任。此外，本研究被试为大学生，WMC相对较高且集中，难以体现分散的WMC对学习顺序的影响。

本研究结果与Sana等（2018）和Wang等（2020）的研究结果一致，但与Guzman-Munoz（2017）和Sana等（2017）的研究结果不一致。Guzman-Munoz与本研究结果存在的差异可能是因为：（1）材料不同（画家的画 vs.分子结构式）；（2）为避免疲劳效应的影响，本研究要求被试先完成学习任务，再测WMC，而Guzman-Munoz的研究恰相反。值得注意的是，在该研究中，WMC与学习顺序的交互作用仅为边缘显著，F(1, 98) =3.06，p=0.08，=0.03。

本研究结果与Sana等（2017）的结果不一致可能与材料有关。Sana等用了统计概念的材料，这一材料虽也属于基于规则材料，但特征较少。因此高WMC个体能通过记忆全部特征进行分类，无论在哪种学习顺序条件下学习，他们均表现良好，无法体现交错呈现优势。而低WMC个体无法像高WMC个体一般通过记忆全部特征去分类，且低WMC个体易受外部环境的影响，两种学习顺序的差异在他们身上表现得尤为明显。因此，交错呈现对低WMC个体影响更大。

综上，WMC对交错呈现优势的影响，目前尚不能得出一致结论，并非在所有情况下，交错呈现优势均适用于所有WMC水平的个体，还需考虑个体的学习方式及学习材料的难度等因素。因此，未来的研究还需用不同材料、不同范式在不同的被试群体中对这一问题进行探究。

4.3 学科类型对学习顺序效应的影响

本研究发现：对于文科生，交错学习效果更好；对于理科生则相反。文理科生对化学的先验知识是不平衡的，文科生较少先验知识，理科生较多先验知识。结合区别对比理论可推断：若个体的先验知识较少，基础知识较薄弱，关注类别间的差异能提高个体的成绩，即交错学习能促进个体的学习；若个体的先验知识较多，基础知识较扎实，关注类别内的相似性利于个体学习，即集中学习效果更佳。

以往研究都忽略了先验知识的影响。例如，Carvalho等（2016）让大学生学习计算数据的中心趋势，其中一组学生能自行决定学习顺序，而另一组学生的学习顺序则是固定的。该研究发现，若让学生自主选择，学生倾向选择集中学习，且这与随后的测试成绩正相关，即集中呈现促进学习。这与以往发现交错呈现优势的研究结论不一致。Carvalho等认为，以往研究大多在实验室进行，若在现实情况下，让被试进行自我调节学习，那么集中呈现将比交错呈现更有效。但在该研究中，两组学生的前测成绩都较高（自我调节组，72%；被安排组，73%），说明被试具有一定的先验知识，基础良好。因此，个体的先验知识较多，集中学习效果更佳。

另外，除先验知识外，文理科被试的认知风格差异也可能是影响类别学习顺序效应的原因。已有研究发现，场依存性与学生学习社会性学科存在一定关系；而场独立性则与科学学科存在相关（宋广文, 王瑞明, 2003; 张厚粲, 郑日昌, 1982;Mutlu & Temiz, 2013）。另外也有研究发现，文理科生在分类加工的过程中表现出不同，主要体现在首次加工阶段：文科生对问题的加工多于对选项的加工；理科生对问题和选项平均分配注意。同时，文科生重视对上位概念和下位概念的比较，而理科生则重视同水平概念间的比较（杨伟刚 等, 2015）。

因此，究竟是先验知识还是认知风格的差异影响学习顺序效应，亦或二者同时影响，还有待进一步的研究。

5 结论

（1）任务数量和WMC均不影响学习顺序效应。（2）当学习分类分子结构式时，学科类型会影响学习顺序效应，即对于文科生，交错呈现更有效；对于理科生，集中呈现略优于交错呈现。