認知與教學/長期記憶
當學生為考試學習並記憶課堂材料時，資訊去哪裡了？長期記憶在學習中仍然是絕對必要且重要的，因為學生學習的所有資訊都會被記住或儲存在短期記憶或長期記憶中。雖然短期記憶和長期記憶在儲存方面都很重要，但它們也會影響人們的學習、感知事物的方式以及他們如何構建感知中的意義。學習和記憶不斷相互影響，因為一個人對某些概念、主題或專案的記憶或先驗知識可以增強學習。在本節中，我們將根據廣泛接受的資訊處理模型，描述長期記憶的組成部分、功能和框架。我們還將把這個框架與認知聯絡起來，探索資訊到達長期記憶並存儲和提取的多種方式。最後，我們將討論一些描述長期記憶其他觀點的新模型和已建立模型。
長期記憶具有無限和永久的能力，可以儲存一個人在整個生命中經歷的所有資訊。對於所有學習者來說，擁有長期記憶是必要的。瞭解它的工作原理、構成和過程可以幫助學習者更好地理解他們自己的學習。
我們的長期記憶包含大量的資訊，這些資訊是在很長一段時間內積累起來的，與短期記憶（在另一節中討論）不同，它不需要不斷重複才能持久。儲存在 LTM 中的資訊被回憶或重建，而不是複述或重複。重要的是，LTM 通常被細分為知識類別，包括陳述性知識、程式性知識和條件性知識。
陳述性知識或記憶（有時也稱為語義知識）是指我們通常可以明確表達的知識，而程式性知識通常是指我們幾乎沒有或根本沒有困難就能執行的隱性技能和過程，但發現很難明確表達（後面關於產生式規則和 ACT-R 理論的部分將更詳細地解釋這些）。條件性知識意味著知道在什麼情況下或情況下部署陳述性知識和程式性知識。下面的表格顯示了每個類別的一些具體示例。
| 陳述性知識 | 程式性知識 | 條件性知識 |
|---|---|---|
| 行動電話是一種行動式電話。 | 如何打電話。 | 何時接聽電話和結束通話電話。 |
| 汽車通常有四個輪子。 | 如何駕駛汽車。 | 何時繫上安全帶和解開安全帶。 |
表 1. 陳述性知識、程式性知識和條件性知識的示例
“認知的構建塊”是許多理論家假設的五種心理結構，它們共同形成了長期記憶中所有心理框架和資訊的基石。[1] 它們本質上是 LTM 的組成部分。雖然這些組成部分中的許多可能具有相似的特徵，但它們彼此略有不同。我們將考察的前三個概念與陳述性知識密切相關，最後兩個通常被認為是程式性知識的一部分。[1]
什麼是概念？ 概念被認為是我們將心理結構分解並分類成具有意義的相對基本塊和分組的方式，然後可以用來理解任何新的傳入資訊。[1] 它們被認為是“概念上連貫的知識塊”，當有人提示提取資訊時，可以觸發並呼叫它們，通常被歸類為陳述性知識。[2] 例如，當談到貓的概念時，你可能會提到一類動物，它們彼此之間具有相似性：它們都是小而毛茸茸的；它們用“喵喵叫”來交流。貓可能有不同的毛色：白色、黑色、棕色等等；它們可能是家貓或野貓。然而，它們都屬於貓的類別。
基於高度常見/突出事件的概念被稱為原型。[1] 例如，北美籃球聯盟的最佳代表或原型可能是美國國家籃球協會。據信，概念與“認知的構建塊”的另外四個組成部分一起，共同形成了我們所知的長期記憶的基礎，支援語言功能、事實性知識和物體識別的獲取和發展——長期記憶的許多核心方面。[3]
概念由什麼組成？ 關於概念發展是如何發生的，存在兩種主要的理論。[3] 首先，一些理論家認為，概念是大腦中抽象的、心理的結構，它們是獨立於感覺運動系統形成的，而感覺運動系統接收了這些結構中的資訊。[3] 相反，另一種主要理論得到了神經影像技術的支援（例如 fMRI），即概念是根據感覺運動成分形成的，並作為多模態結構儲存在長期記憶中。[3]
我們把我們的概念資訊分為三個廣為接受的類別：物質、過程和心理狀態。[4] 過程的概念意味著我們儲存與一系列相互關聯的事件相關的心理資訊，這些事件發生時，我們預計會看到特定的結果。[4] 過程的一個例子可能是從任何高度掉落某物——重力不會讓它懸浮在空中，會作用於它，把它拉回到地球。心理狀態是指一個類別，本質上是為內部狀態和情緒而設計的，例如識別你什麼時候感到沮喪、快樂或對某事不確定。
我們如何形成概念？ 有三種已確立的方法與我們如何發展和形成我們的概念有關。首先是布魯納、古德諾和奧斯汀提出的保守聚焦策略。[5] 使用這種策略的個人能夠根據他們所面臨的概念的相關屬性選擇適當的刺激。其他人則喜歡聚焦博弈策略，他們相信我們在一個時間段內一次性地獲得了關於刺激的所有需要的資訊。[1] 選擇遵循這種策略的個人實際上將花費更少的時間來歸因刺激，而不是那些選擇保守聚焦策略的人。然而，他們更有可能犯錯，因為他們是在速度而不是徹底性的基礎上進行歸因的。[1] 人們可以利用的最後一種可能的策略稱為掃描策略，在這種策略中，個人會嘗試在給定時間內對多個假設進行檢驗。[1] 雖然這對於歸因刺激也是一種省時策略，但檢驗這些多個假設最終比一次檢驗一個假設的認知需求更大，因此會對個人處理和記憶資訊的能力產生負面影響。[1]
命題
[edit | edit source]命題是我們大多數理論家普遍認為我們儲存語言資訊和我們大部分陳述性知識的心理概念。[1] 命題被認為是能夠附加意義的最短語句，但本質上比概念更復雜，因為它們建立在預先存在的概念之上，以便形成有意義的陳述和斷言這些特定概念是如何相關的。[span>6] 為了成為命題，所做的陳述必須能夠被判斷為真或假（換句話說，是對知識的陳述性陳述）。[7] 以下是一個包含兩個命題的句子示例：“盧克買了過期的票。”
1- 盧克買了票。(事件發生在過去)。
2- 票已經過期了。
人們認為，具有共同特徵或屬性的命題在命題網路中相互關聯，可以透過編碼或 檢索 與特定命題相關的的資訊來啟用命題網路。[1] 如果我們在一個新的句子中應用相同的命題網路：“盧克買了過期了的票”，我們會發現這兩個句子具有相同的含義。右側有一個表示這個想法的圖片。
圖式
[edit | edit source]什麼是圖式？ 圖式被認為是一個人對一般因果關係知識的心理表徵。[8] 我們獲得的任何和所有知識都組織在圖式中，圖式負責後續的編碼、儲存和檢索資訊。[1] 圖式是透過外部條件和個體自身先前知識的相互作用形成的。[9] 右側的圖片可以是關於哺乳動物的知識圖式的表示。
圖式被比作 腳手架 的心理等價物。換句話說，我們形成的圖式將在我們發現自己處於新情況或學習新資訊時為我們提供支援。[10]
圖式是如何形成的？ 在嘗試回憶新編碼的資訊時，在特定主題上擁有預先存在的圖式知識與提高記憶新資訊的保留率有關。[11] 據信，這是因為這使得新資訊能夠更快地被大腦吸收（從而被啟用的圖式吸收）。[11] 我們在圖式中編碼的資訊被分類到所謂的插槽中；某種意義上說，這是我們知識被編碼、儲存、檢索以及最終如何被感知的心理“類別”。[1] 當一個圖式發展起來並被證明是事件或概念的常見發生時，它很可能成為我們長期記憶的一部分，在那裡它將繼續作為我們回憶和任何可能被編碼的未來圖式資訊的基石。[1] 這個過程被稱為圖式例項化。[12]
產生式
[edit | edit source]產生式是“如果-那麼”語句，作為一組行動規則，控制著我們所有的程式性知識。[13] 以下是一個“如果-那麼”產生式的示例：“如果交通燈從綠燈變為黃燈，那麼減速”。產生式是瞬間的、自動的心理概念，在反覆接觸到常見的事件序列後，人類學會了將其作為第二天性。[1] 它們為這些事件提供了一組產生式規則和期望，並且像命題一樣，它們被組織在被稱為產生式網路的互動式組中。[1] 通常，透過啟用一個產生式，其他產生式將被觸發，以一系列認知過程和行動做出反應，直到最終目標實現。[1] 後面的部分將更詳細地討論產生式和產生式規則作為記憶理論。
指令碼
[edit | edit source]
指令碼是作為我們所有程式性知識基礎框架的心理概念。[1] 人們普遍認為，指令碼對於我們對周圍世界的社會理解至關重要，並且很大程度上起著提供管理社會情況和事件的資訊的作用，具體來說是，誰做了什麼，他們什麼時候做，他們對誰做以及為什麼。[14] 人們在許多型別的事件中使用指令碼，例如在酒店辦理入住手續。指令碼隨著時間的推移和持續接觸到本質上相似的重複事件而發展起來。[1] 例如，你可能會隨著時間的推移發展出自己的酒店辦理入住指令碼，它可以幫助你整理、記憶事情，以及對情況中可能發生的事件做出反應。右側的圖片是一個孩子在酒店辦理入住的指令碼。
這些構建塊對教學的影響
[edit | edit source]對於所有教育工作者（現任和未來）而言，瞭解認知構成的每個單獨組成部分，以及所有這些心理概念如何協同工作以促進學習、知識積累和發展，以及資訊提取和提取過程，都至關重要。透過這樣做，他們可以確保所有學生充分利用這些心理過程（例如，在學習新課程之前進行“複習課”以啟用之前的學習，構建新資訊的編碼框架，以及為以後更容易提取資訊做準備），以充分利用教育的益處。通過了解這些心理過程的內部運作機制，教育工作者將能夠更好地理解學習是如何發生的，以及如何在學生編碼新刺激和資訊時提供最佳幫助。
本節簡要討論了與長期記憶相關的編碼方面的幾個方面。有關編碼的詳細討論，請參閱下一章。
模態模型是描述資訊如何從環境中感知並經過一系列認知功能最終到達長期記憶（LTM）的最廣泛接受的模型之一。這是一個最近的研究總結的通用描述，它描述了資訊從我們的感官傳遞到短期記憶，最終到達長期記憶的順序。基於該模型，假設資訊經過三個“較低”記憶系統中的每一個，每個系統都有其獨立的功能。[1] 該模型顯著區分了不同的記憶功能以及它們之間的過程（該模型的更多細節將在後面討論不同記憶理論的章節中）。
編碼是將資訊從工作記憶轉移到長期記憶的過程，它非常重要，因為它對人們對事物的記憶程度具有重大影響。以下是一些眾所周知且廣泛使用的不同編碼和處理方法。
參照模態模型，複述是將資訊保留在短期記憶中的過程，通常透過不斷重複來實現。維持性複述通常採用不斷重複和迴圈資訊的策略（也稱為死記硬背），但它被認為是一種更膚淺的編碼方法，因為資訊通常僅被啟用很短的時間，並且一旦停止重複，就會迅速衰減。精細加工複述是一種更有意義的編碼方式，它透過將待學習的資訊與先前學習的資訊相關聯來賦予其意義。雖然這種複述形式消耗更多的認知資源，但它更利於長期記憶，並利用了更深入的編碼活動。[15]
存在幾種精細加工編碼策略，它們都使新資訊更容易處理或記憶。一種眾所周知且最常用的精細加工編碼策略是記憶術，它透過將新資訊與熟知的資訊配對來進行更復雜的編碼。該策略通常利用押韻、手勢、首字母縮略詞等。[1] 例如，你可以使用首字母縮略詞“SEG”來記憶你的購物清單：牛排（Steak）、雞蛋（Eggs）和大蒜（Garlic）。其他策略包括聯想，這是一種將新資訊與更有意義的事物聯絡起來，以及意象，這涉及將對應影像與待記憶事物聯絡起來。[1] 你也可以使用你對這些事物的聯想，將它們與你熟悉的場所（例如你的房子）聯絡起來。想象一下開啟客廳門時一股濃濃的大蒜味，門邊放著一盒破裂的雞蛋，餐桌上放著一塊多汁的牛排。使用這種策略，你可以透過想象從客廳走到餐廳的路線來記住這些物品。
有影響力的建構主義觀點，特別是來自 Craik 和 Lockhart 的理論，[16] 至今仍然具有重要意義。他們的加工深度理論是最有信譽的理論之一。根據該理論，學生從對待學習資訊的認知分析中獲益最多——資訊記憶在這些過程之後自然地保留。然而，資訊保留高度依賴於資訊被處理的方式。該理論認為，資訊被處理得越深入，賦予資訊的意義越多，資訊就被保留得越好，而對更膚淺細節的淺層處理往往會使資訊更快地遺忘。[1] 理論上和實踐中都已廣泛證明，參與更有意義的任務，而不是枯燥的任務，有助於學生更好地記住學習到的資訊。賦予學生自主權和選擇權也有助於記憶，因為 Jacoby 等人的研究表明，讓學生做出決策（尤其是困難的決策）會比讓他們做出簡單的決策或根本不做出決策更容易回憶起更多的任務。[1]
該理論由 Allan Paivio 提出，[17] 認為知識在長期記憶中以視覺或語言形式存在，或者兩者兼而有之。一些學者和心理學家支援這一點，他們認為，當資訊以影像和語言兩種形式進行處理和儲存時，它最容易被記住。[18] 基於該理論，在教育上的一個啟示是，在學習大腦的特徵和區域時，可以向學生展示人腦的圖形顯示以及文字資訊。該理論與 Richard Mayer 的 多媒體學習認知理論[19] 有些共同基礎，我們將在下一節討論。
Richard Mayer[19] 一直在探索影像和文字的組合，發現合適的組合可以提供最有效的教學，尤其是對於年齡較大的學生。 這一理論基於三個原則： a) 雙重編碼理論的觀點；[17] b) 工作記憶在儲存影像和語言資訊方面的容量非常有限，這意味著應該以最佳化學生工作記憶系統認知負荷的方式呈現指令，這也稱為認知負荷理論；[20] 以及 c) 學習需要組織和整合資訊。[21]
資訊檢索
[edit | edit source]啟用擴散
[edit | edit source]由於長期記憶中可能儲存著大量資訊，因此在正確的時間檢索或回憶出正確的資訊有時可能很困難。 這是透過一個被稱為啟用擴散的過程發生的，這意味著當我們當前心中有一部分知識時，其他相關的資訊也會被啟用，透過我們長期記憶中相互關聯的資訊網路。[22] 例如，如果 Ben 在想，“如果雨現在就停了該多好啊”，這可能會引發他想知道天氣預報，看看雨是否會影響他一週後的實地考察，這又會讓他想起聯絡他的旅行夥伴，讓他們在那天接他。
重建
[edit | edit source]由於某些記憶片段，例如很久以前發生的事件，可能難以回憶起來，我們的認知系統可能會利用任何我們可以記住的相關線索，並透過邏輯重建這些記憶片段，這可能會產生與實際發生的事件不完全相同但合乎邏輯和合理的記憶。[23] 例如，如果我們十年前和朋友去湖邊野餐，我們可能還能回憶起這次旅行，但記不起它的目的，我們可能會說那是一次圍繞湖泊的徒步旅行，這與最初的事件有一些相似之處，但並不完全相同。
遺忘
[edit | edit source]如果資訊長時間不訪問，我們最終可能無法檢索到它。 這可能是由於衰退或干擾造成的，分別指資訊訊號的減弱以及其他衝突資訊干擾了我們試圖回憶起的記憶片段。[24] 例如，我們可能不再記得在音樂會上穿了哪件 T 恤，因為那是幾年前的事了，或者如果我們認為它是一件藍色的，但朋友最近提到它實際上是綠色的。 對此的一種神經學解釋是，如果我們使用得不夠，我們的大腦細胞及其之間的連線會變得薄弱，甚至會死亡。[22]
儘管存在衰退和干擾過程，但知識可以長期儲存在長期記憶中，尤其是在有適當的提示和記憶資訊的其他方法的情況下。[25] 這些包括前面提到的技巧，例如使用記憶技巧和闡述。
專業知識和技能的自動化
[edit | edit source]顯式或陳述性知識可以透過許多過程獲得和構建，例如指令、經驗以及採用認知策略來記憶資訊（前面已提及）。
一些學者認為，當一個人透過練習和經驗在任務上變得更加熟練時，陳述性知識可以轉化為程式性知識，本質上意味著顯式知識的運用變得如此自動化，以至於變成了隱式技能。[22][13] 例如，當我們第一次嘗試包裝禮物時，我們可能會嘗試闡明該過程的每個步驟，例如：找到一塊適合禮物尺寸的包裝紙；將包裝紙包裹在禮物周圍；剪掉多餘的包裝紙；使用膠帶固定包裝紙。 隨著我們一遍又一遍地執行此任務，這些步驟會變得自動化，從而消除對單獨考慮每個步驟的必要性。 在後面的關於 ACT-R 理論部分中可以找到關於此的更詳細的示例。
長期記憶和學習：促進更高層次的編碼過程
[edit | edit source]當一個人對更復雜的資訊進行編碼時，通常會啟用更高層次的編碼過程，而更高層次的編碼過程通常對更高教育/學習者的目標更有幫助。[1] 教師應該嘗試促進這種過程。 如前所述，學生在對要學習的資訊進行更詳細的編碼時，往往表現得更好。 透過啟用先前知識和引導同伴提問等方法，教師可以啟用學生相關的圖式，併為理解和提出發人深省的問題提供機會。 啟用先前知識有助於為學習者準備新的學習活動：一組已知的知識可以幫助引導新的要學習的資訊。[1] 為了提高記憶力，教師可以鼓勵學生練習某些任務，直到他們獲得自動化。[13][1] 儘可能地，教師應該讓學生更多地參與到他們的學習中，以鼓勵積極學習，而不是被動學習。
長期記憶的功能：評估和研究
[edit | edit source]隨著時間的推移積累的記憶更有可能長期儲存，但記憶的質量與數量同樣重要。 質量可以指個人在體驗過程中收集的感官資訊，比如在電影院聞到爆米花的味道，而且質量成分之間可以存在雙向關係，比如聞到爆米花的味道並想起電影，或者想到電影並想起爆米花的味道。
該領域的大多數研究集中在自我評估或個體記憶測試上，兩者都具有合理的誤差引數，儘管功能性磁共振成像裝置已被用於無創地觀察個體大腦的活動。 Anderson、Fincham、Qin 和 Stocco[26] 使用這種技術進行了一項實驗，以找到程式執行、目標設定、從陳述性記憶中控制檢索和影像表示構造與大腦皮層區域之間的聯絡。 實驗結果表明，這四個區域中的每一個都照亮了成像裝置上的不同皮層區域。 這些證據似乎表明大腦的不同區域處理這些不同的區域，但對該技術的批評指出，我們仍然不知道為什麼會出現這種活動，以及大腦中形成了哪些連線來引起這種活動的陣列。 儘管存在侷限性，但此類實驗確實讓我們比以前更深入地瞭解我們的大腦活動，並表明不同的資訊如何刺激大腦的不同區域，因此我們知道它們並非始終處於活躍狀態。
其他正在變化和發展中的記憶理論
[edit | edit source]網路模型
[edit | edit source]
網路模型可以比作思維導圖或頭腦風暴圖，因為資訊以類似網路的模式呈現，通常從一般資訊或類別到更具體的資訊或類別。這類似於一個小孩慢慢地發展出區分四條腿和毛皮的不同動物的能力，學習到狗和貓有不同的分類。網路模型是組織少量資訊的一個比較簡單的方法，當這些資訊在主題內與其他資訊相關聯時。這種模型在教學中直接得到應用——“思維導圖引導學生關注計劃、監控和評估他們的學習過程，這有助於他們獲得元認知知識，並將他們的理解遷移到解決新問題和情境中。”[27]
聯結主義模型
[edit | edit source]
聯結主義模型是一種“大腦隱喻”，它採用了傳統用於資訊處理、儲存和檢索模型的計算機隱喻；[1]它也被稱為並行分佈處理模型。[1]該模型包含基於上下文的理解概念；一個例子是在左側有一條直線的形狀，右側有一個“3”形。在序列“12 |3 14”中，這將被視為數字十三，但在序列“A |3 C”中，它可以被讀作字母“B”。正是由於聯結主義模型能夠適應上下文，並且能夠將認知任務與物理屬性相結合，它被開發出來以更好地涵蓋這些動態。該理論從多方面平行地看待人類的思維過程，因為人腦能夠在計算機無法想到比較或連線的時間和方式下考慮多個思維方向。如前所述，其他模型具有儲存-檢索方面的功能，可以恢復資訊，其中資訊的模式連線被儲存並在需要時恢復。相反，聯結主義模型理論認為模式或連線的元素被儲存為它們連線的強度，以便於檢索和重新連線。[28]關於此主題，Vickers 和 Lee 提出了一個重要觀點：“聯結主義對語義或有意義資訊的解釋是基於將意義視為對有限數量特徵的啟用，至少在輸入層是如此。”[29]這意味著，如果資訊具有深度而不是僅僅記憶事實，那麼該理論的效果最佳。
與產生式規則相關的記憶理論
[edit | edit source]在對人類認知系統的研究中，產生式（有時也稱為產生式規則）是達到特定目標或解決問題的規則。它們通常被認為是我們長期記憶中的組成部分（參見下面的認知心理學中的產生式部分）。本質上，每個產生式都可以被認為是思維過程中一個單一的指導步驟。它通常可以被表示為在特定條件下要採取的行動的說明——“條件-行動”或“如果-那麼”序列。[13][30]例如，在煎雞蛋這一總體目標中，一個產生式可以描述為
如果目標是煎雞蛋，
並且生雞蛋已經從蛋殼中取出，
並且平底鍋已經加熱到合適的溫度，
那麼將生雞蛋放入平底鍋中，
在這種情況下，產生式根據條件引導行動。一旦滿足條件（雞蛋已經從蛋殼中取出；平底鍋已經達到合適的溫度等），該規則就變得適用，並且執行操作（將雞蛋放入平底鍋中）。
關鍵特徵
[edit | edit source]產生式的重要特徵包括，如前所述，每個產生式可以被認為是一個規則或步驟，其學習可以獨立於獲得其他產生式進行。[13]此外，由於這種性質，當獲得一項複雜和複雜的技能或認知功能/過程時，可能意味著構成該技能的整個產生式序列都已被學習——相互關聯的子目標被串聯起來以實現一個總體目標。[13]例如，在煎雞蛋的例子中，在烹飪過程之前可能是另一項任務，例如找到最近的雜貨店並去那裡購買雞蛋，這本身就是烹飪雞蛋這一總體目標中的一個子目標。當然，一個過程中的產生式數量取決於其複雜程度。
另一個重要特徵是產生式規則本質上是抽象的，並且可以應用於性質相似的不同任務情境。[13]例如，前面提到的煎雞蛋的產生式也可以應用於煎蔬菜，這將涉及對平底鍋是否足夠熱的條件以及隨後將蔬菜放入平底鍋中的程式的相同依賴性。
此外，產生式可以特定於某一實踐領域，例如數學中的代數，或者相對普遍，例如使用吸塵器。[31]
認知心理學中的產生式
[edit | edit source]通常，在認知心理學中，陳述性知識（或陳述性記憶）與程式性知識的二分法用於區分我們每個人在長期記憶中擁有的知識、經驗或技能型別。陳述性知識是指可以明確陳述或表達的觀念或命題，而程式性知識只是指可以執行以實現目標的技能或行動。程式性知識通常難以用語言表達。從這個意義上說，陳述性與程式性的二分法也可以被稱為顯性與隱性知識或記憶。
考慮到這種背景，產生式通常屬於隱性、程式性知識類別。事實上，產生式規則通常被描述為程式性知識的內容或“技能的體現”，[13]因為它們是指導行動或認知過程的個別步驟。本質上，簡單來說，產生式就是關於“如何做事情”，[24]這就是程式性知識所關心的內容。
總的來說，隨著練習和更多經驗的積累，一項技能變得更加自動化，這意味著構成該技能的產生式會更快、更一致地觸發。隨著這種情況的發生，表演者對每個單獨的產生式的意識會減弱，並逐漸將觸發產生式的序列視為單一的流暢動作。[32]
產生式規則的證據
[edit | edit source]在論證產生式規則在心理上是真實存在的時，Anderson 斷言，第一個證據是產生式規則非常適合描述正在進行的技能和認知任務的多個方面。[13]也就是說，它們提供了對任務如何執行的合乎邏輯和合理的解釋。Anderson 提出的另一個重要證據是，使用產生式規則，我們能夠預測一個人在執行一項技能或任務時的行為方面。[13]例如，當我們觀察到平底鍋變熱的情況時，我們就可以預期他/她會將食物放入其中（條件動作）。
ACT-R 模型：一個基於產生式規則的認知和長期記憶模型
[edit | edit source]一個非常突出的反映了產生式規則應用的理論是適應性思維特徵-理性 (ACT-R) 理論，約翰·安德森關於人類認知的理論，該理論使用產生式規則作為認知過程的基礎。ACT-R 理論提出的核心論點是，一項複雜的認知技能包含大量獨立的“與目標相關的知識單元”。[33]
ACT-R 的歷史
[edit | edit source]該理論最初源於人類聯想記憶 (HAM) 理論（該理論的創造者之一也是 John Anderson，ACT-R 理論的創造者），該理論解釋了人類記憶和知識的某些方面。它涉及陳述性知識的概念，但沒有涉及程式性知識。[34]
以此為基礎，John Anderson 隨後提出程式性知識由產生式規則組成。在對他的理論進行了一些改進後，他於 1983 年建立了最初的 ACT 理論，旨在解釋廣泛的認知過程。[13]
隨後，在考慮了更多關於認知技能的證據和新興資料後，Anderson 認為應該將認知過程中的理性分析元素與最初 ACT 理論的某種“機械”性質相結合，[13] 因此他建立了 ACT-R（R 代表理性）理論，[13] 他認為該理論比最初的 ACT 理論有所改進，因為它對環境的適應性和選擇性更強。[30][13]
該理論最初的重點是人類記憶和認知。它最突出的應用和發展是在計算機模型輔導系統（智慧輔導系統）。簡而言之，這些是計算機軟體，它們可以透過參考基於產生式規則的模型來指導學習者/學生進行問題解決，這些模型會生成解決此類問題的解決方案。[33] 這些計算機輔導系統主要在數學和科學等領域開發和使用。ACT-R 作為輔導系統的應用的更多細節將在另一章中討論。
該理論有三個基本思想：a）這些知識單元的表示；b）它們的獲取；c）它們在認知過程中的部署。[34] 這些將在下面討論。
該理論的一箇中心原則是在認知中既包含陳述性知識（如前所述，它是命題性的、語義性的知識）和程式性知識（它被表示為產生式規則），並且這兩種知識在認知處理中緊密協作。[34]
陳述性知識被編碼、儲存和表示在塊中，或人類記憶的單個單元，類似於模式（知識結構）。每個塊包含關於主題專案的命題或描述性特徵，儲存在槽中，[30] 包括它所屬的更大的類別。塊可以用文字格式或圖形格式表示。[34] 例如，關於煎雞蛋的塊可以用文字表示為：煎雞蛋是一種烹飪技能；需要在烹飪前將雞蛋從蛋殼中取出；需要熱量。右側是塊的圖形表示的可能性。
另一方面，程式性知識表示為一組產生式。[34] 如前所述，產生式可以採用相互關聯的一系列子目標的形式，這些子目標旨在實現一個總目標。
兩種知識之間的關係是，陳述性知識結構的塊提供了產生式發生所必需的條件和行動過程。例如，為了煮雞蛋，一個人必須擁有購買雞蛋、從蛋殼中取出雞蛋和準備鍋子等的知識塊。如果沒有其中之一，程式性知識就會有差距。因此，擁有更多知識塊意味著更多可用的產生式規則和更好的程式性知識。也可以認為，陳述性知識可以轉化為程式性知識，這將在下一節中討論。
陳述性知識的獲取方式相當簡單，要麼來自對環境中的資訊或想法的感知，[34] 要麼直接來自指令（被告知資訊）。[33] 由於陳述性知識塊是為告知產生式所必需的，因此 ACT-R 理論的這一原則意味著，具備執行認知或程式性任務的知識本質上需要收集任務所需的所有單個資訊塊——任務是“各個部分的總和”。[34] 因此，複雜的任務需要收集許多塊。
另一方面，程式性知識中產生式規則的獲取稍微困難一些，也不那麼直接，因為它們不能簡單地被告知或闡述。本質上，它們只有在陳述性知識被部署時才會被學習。這意味著學習者在執行任務時會獲得產生式規則，而不僅僅是在被告知陳述性資訊時。需要重點注意的是，這種部署只能在產生式發生所需的適當環境和條件下發生。當執行任務的條件合適時，以目標為導向的認知活動就會發生，其中陳述性塊會依次被付諸行動（或“執行”）。這樣，就可以認為它們實際上被轉換為產生式規則，以指導人的行為朝著目標前進。[33] 隨著練習，這種轉換過程可以在速度和準確性方面得到改進或加強。[33] 因此，提供練習和反饋的機會是促進產生式規則獲取的一種非常有利的方式。[33]
這方面涉及 ACT-R 對我們的認知結構如何能夠在特定任務或問題解決的環境中呼叫正確型別的知識的解釋。這是理性分析的功能——該理論名稱中的“R”部分。理性分析過程識別兩個元素，以便確定要啟用的心智中正確的塊和產生式規則：a）這種知識在過去這種情況下取得成功的機會；b）這種知識在這種情況下可能取得成功的機會。結合這兩個因素，這種選擇性過程識別了知識片段在給定任務環境中適用和適用的可能性。[34]
從本質上講，這也意味著人類認知系統會記錄哪些型別的知識在哪些型別的任務中是合適的，儘管這很可能是在心智中進行的潛意識過程。因此，該理論對這方面的解釋基本上描述了一個統計過程。[34]
簡而言之，根據 ACT-R 理論，陳述性知識透過對周圍環境中資訊的感知來編碼（包括學生從老師、父母和同伴等那裡獲得的指令）；程式性知識是透過學習在執行任務或解決問題的環境中部署這種陳述性知識（通常是許多單元依次部署）而產生的；以及在給定情況下選擇正確的知識型別進行部署，取決於認知系統對知識片段有用和合適的可能性的估計。
在 ACT-R 的許多應用中，Anderson 及其同事進行的兩項實驗為該理論提供了重要的經驗證據。這些實驗研究了大學生如何計算出從起點到地圖上不同中途點到最終目的地的最有效路線（賓夕法尼亞州匹茲堡市的城市地圖），並考慮了成本和時間等因素。[13] 這些實驗是透過監控學生在計算機螢幕上檢視地圖並單擊他們想要移動到或透過的位置/中途點來完成的，以到達最終目的地。
然後，將受試者的發現與基於 ACT-R 理論（使用一組產生式規則）的計算機模型生成的“思維過程”和解決方案進行比較，以解決相同的導航問題。下表[13]顯示了一些模型中用於確定此導航任務中路線的產生式規則示例
| [為了]組合路線 | |
|---|---|
| 如果 | 目標是從位置 1 找到到位置 2 的路線， 並且存在到位置 3 的路線，並且位置 3 更靠近位置 2， |
| 那麼 | 選擇到位置 3 的路線， 並從那裡進一步計劃。 |
| 直接路線 | |
| 如果 | 目標是從位置 1 找到到位置 2 的路線， 並且存在從位置 1 到位置 2 的路線， |
| 那麼 | 選擇該路線。 |
表 2. 確定導航任務中路線的產生式規則示例
ACT-R 模型的思維方式與大學生一步一步地比較 - 模型做出的每個路線選擇（每個產生式）都與每個學生做出的每個選擇並列（他們點選的中途點）。結果表明，ACT-R 模型的路線決策與學生的路線決策“67% 的時間相匹配”，[13]即使它們不匹配，它們也與學生的第二或第三個最佳選擇相匹配，密切平行於人類受試者在認知上的行為方式。[13]
此外，另一個重要的發現是，計算機模型在做出路線選擇時的延遲（所用秒數）與受試者的決策速度非常相似。即使這一發現是一個相對普遍的相關性，它也可能支援 ACT-R 理論關於人類認知系統在執行認知任務時根據產生式規則做出判斷所需時間的觀點（在做出決策之前考慮和評估不同的路線選擇）。[13]
與 ACT-R 理論一致的最終結果是，隨著實驗期間（大約一週）的練習，人類受試者在最佳化路線規劃的速度方面有所提高，這可能支援了強化產生式規則可以提高任務效能的原則。[13]
安德森指出了這種地圖導航活動及其在支援 ACT-R 理論方面的證據的重要性，[13]他認為，它涉及一項現實生活中的任務，人們需要考慮成本和時間等現實因素和後果，而不是將實驗建立在抽象的學術問題上，例如數學問題，這些問題與真實情況幾乎沒有關聯。此外，找到到達目的地的不同路線這樣的任務涉及不止一種解決方案，這意味著解決方案的成功程度不同，這使得它成為檢驗 ACT-R 模型是否忠實於人類認知系統的更現實的測試。
除了這些實驗之外，對 ACT-R 理論的其他高度重要的經驗支援包括對智慧輔導系統 (ITS) 的研究，這在裡特和他的同事等學者中得到了詳細的探討。[35]雖然不在本章的範圍內，但關於計算機輔導系統的進一步討論將在另一章中進行詳細闡述。
ACT-R 理論的教學意義
[edit | edit source]基於上述理論的原則和特徵，安德森等人[33]提供了一份設計輔導系統的原則清單，其中一些原則也適用於一般的教學設計，包括以下想法：a）將技能表示為一組產生式；b）闡明解決問題時的子目標（產生式）；c）針對特定問題情境提供指導，同時促進可轉移的產生式規則；d）僅關注必要的產生式規則，以減少記憶負擔；e）根據任務中產生式規則需要細化到何種程度，提供適當粒度的指導；f）隨著學習者獲得能力，適當地收回指導幫助。
您可以訪問《問題解決、批判性思維和論證》一章（2.5 認知輔導員解決問題）和《學習數學》一章（4.5 認知輔導員教授代數）以獲取有關認知輔導員及其有效性的更詳細資訊。
對 ACT-R 理論的批評和回應
[edit | edit source]由於 ACT-R 理論認為，獲取或理解一項技能（或認知任務）僅僅意味著學習構成它的各個產生式，因此它面臨著來自建構主義學習觀點的批評，即對知識或技能的理解是由學習者自己構建的，而不是以預先指定的方式實現的。[13]
這與該理論認為學習者的答案或問題解決方案應該符合或被歸類到某些產生式規則集中的觀點相結合，使其對認知採取了一種行為導向的方法，[13]壓制了元認知等因素。安德森等人[33]回應說，ACT-R 的方法在指導應該如何專注於將技能或任務分解為組成部分方面與行為主義方法相似，但他們認為 ACT-R 以更抽象的方式（可能在不同情境之間更具可遷移性）表示任務，而不是典型的行為方法。
此外，約翰·安德森承認，由於該理論的關鍵教育或教學設計含義是促進獲取各個產生式規則以完成任務，因此該理論的主要重點可以被認為是學習效率。[13]不出所料，這種優先順序對於那些重視學習深度或豐富程度而不是效率或速度的人來說可能顯得有問題。[13]安德森的回應是，學習深度可以簡單地解釋為豐富陳述性和產生式（程式性）知識，這需要練習和反饋。[13]
詞彙表
[edit | edit source]- 賦予意義
- 當對感知到的刺激賦予意義時
- 自動化
- 將一項技能發展到自動化的程度，使其成為一個不需要太多思考的隱式過程
- 多媒體學習的認知理論
- 梅耶的理論，基於雙重編碼理論，認知負荷必須在學習中得到管理，以及學習需要組織和整合資訊的觀點
- 概念
- 一種將心理資訊分類到有意義的類別和結構中的方法；“認知的基石”
- 條件性知識
- 對不同策略以及何時以及為何使用它們的知識；“知道為什麼”的知識
- 陳述性知識
- 事實性知識，例如知道首都城市和代數公式；“知道什麼”的知識
- 雙重編碼理論
- 帕維奧的理論，即以視覺和文字格式提供資訊可能會使學習受益
- 情景記憶
- 特定於每個人的個人經歷的記憶
- 基本學習
- 理解要處理的資訊所必需的認知需求
- 外來認知負荷
- 任何導致認知負荷超出原始認知任務的事情
- fMRI
- 功能性磁共振成像。一種神經成像技術，能夠透過檢測流向大腦啟用區域的血流變化來監測大腦活動
- 遺忘
- 記憶無法被回憶
- 偶然加工
- 對理解要處理的資訊有用的認知需求，但不完全必要
- 內在認知負荷
- 任何給定任務所需的認知負荷
- 長期記憶
- 在幾天、幾個月、幾年和/或幾十年時間內發展的記憶。一生積累的永久記憶
- 程式性知識
- 關於如何完成日常任務的知識，例如開車、滑雪或煮咖啡；“知道怎麼做”的知識
- 原型
- 一個極其常見/突出的概念
- 回憶
- 當以前儲存在短期或長期記憶中的資訊被記住時
- 重建
- 當以前儲存在短期或長期記憶中的資訊在回憶時被重建，但沒有完全記住時
- 參照保持
- 當一個人在同時處理其他資訊時，將資訊暫時儲存在工作記憶中
- 複述
- 認知重複，使資訊能夠在短期或長期記憶中保持活躍
- 提取
- 將資訊從長期記憶中轉移到工作記憶中的行為
- 支架
- 一個臨時支援框架，在物體（或圖式）“正在構建”時提供支援，在完成並且不再需要支援時被移除
- 圖式
- 幫助組織知識並指導思維、感知和注意力的認知結構
- 語義記憶
- 對一般概念和程式的非特定記憶；與特定的個人事件或經歷無關
- 感覺登記
- 工作記憶中的一種認知功能，其中儲存感知的輸入以接收意義
- 擴散啟用
- 透過回憶另一個相關想法觸發的想法回憶
參考文獻
[edit | edit source]- ↑ a b c d e f g h i j k l m n o p q r s t u v w x y z aa ab Bruning, R. 和 Schraw, G. (2011)。認知心理學與教學 (第 5 版)。皮爾森教育
- ↑ Khajah, M. M., Lindsey, R. V. 和 Mozer, M. C. (2014)。透過間隔複習最大限度地提高學生的記憶率：來自記憶計算模型的實用指導。認知科學主題，6(1), 157-169。doi:10.1111/tops.12077
- ↑ a b c d Bonner, M. F. 和 Grossman, M. (2012)。聽覺聯想皮層的灰質密度與原發性進行性失語症患者的聲概念知識相關。神經科學雜誌，32(23), 7986-7991。
- ↑ a b Chi, M.T.H.，de Leeuw, N.，Chiu, M. 和 La Vancher, C. (1994)。引出自我解釋提高理解力。認知科學，18, 439-477。
- ↑ Bruner, J.S., Goodnow, J.J. 和 Austin, G.A. (1956)。思維研究。紐約，紐約：Wiley
- ↑ Remue, J.，De Houwer, J.，Barnes-Holmes, D.，Vanderhasselt, M. 和 De Raedt, R. (2013)。重新審視自尊：隱式關係評估程式的效能作為一種衡量抑鬱症中自我與理想自我相關認知的指標。認知與情感，27(8), 1441-1449。doi:10.1080/02699931.2013.786681
- ↑ Anderson, J.R. (2005)。認知心理學及其影響 (第 6 版)。紐約：沃思
- ↑ Jui-Pi Chien. (2014)。模式作為文化的主要建模系統：非語言交流研究的前景。符號系統研究，42(1), 31-41。doi:10.12697/SSS.2014.42.1.02
- ↑ Le Grande, M. R.，Elliott, P. C.，Worcester, M. U. c.，Murphy, B. M.，Goble, A. J.，Kugathasan, V. 等人 (2012)。識別疾病認知模式及其與心臟病患者抑鬱和生活質量的關聯。心理學、健康與醫學，17(6), 709-722。doi:10.1080/13548506.2012.661865
- ↑ Sternberg, R. J. 和 Sternberg, K. (2012)。認知心理學 (第 6 版)。貝爾蒙特，加州：沃茲沃斯。
- ↑ a b van Kesteren, Marlieke T. R.，Rijpkema, M.，Ruiter, D. J.，Morris, R. G. M. 和 Fernàndez, G. (2014)。在先驗知識的基礎上：模式依賴的編碼過程與學業成績相關。認知神經科學雜誌，26(10), 2250-2261。doi:10.1162/jocn_a_00630
- ↑ Rumelhart, D.E. (1981)。認知的基石。在 J.T Guthrie (編) 中，理解與教學：研究綜述 (第 3-26 頁)。紐瓦克，特拉華州：國際閱讀協會。
- ↑ a b c d e f g h i j k l m n o p q r s t u v w x y z Anderson, J. R. (1993)。心靈的規則。希爾斯代爾，新澤西州：勞倫斯·厄爾鮑姆。
- ↑ Trillingsgaard, A. (1999)。劇本模型與自閉症的關係。歐洲兒童與青少年精神病學，8(1), 45。檢索自 http://search.ebscohost.com/login.aspx?direct=true&db=aph&AN=4689586&site=ehost-live
- ↑ Craik, F.I.M. (1979)。人類記憶。心理學年鑑，30, 63-102。
- ↑ Craik, F.I.M. 和 Lockhard, R.S. (1986)。CHARM 不夠：關於 Eich 的線索回憶模型的評論。心理評論，93, 360-364。
- ↑ a b Paivio, A. (1986)。心理表徵：雙編碼方法。紐約，紐約：牛津大學出版社。
- ↑ Butcher, K.R. (2006)。從帶圖的文字中學習：促進心理模型發展和推理生成。教育心理學雜誌，98, 182-197。
- ↑ a b Mayer, R.E. (2001)。多媒體學習。紐約，紐約：劍橋大學出版社。
- ↑ van Merrienboer, J.J.G. 和 Sweller, J. (2005)。認知負荷和複雜學習：最新進展和未來方向。教育心理學評論，17, 147-177。
- ↑ Mayer, R. E. (2008)。應用學習科學：基於證據的多媒體教學設計原則。認知與教學，19, 177–213。
- ↑ a b c Anderson, J.R. (2010)。認知心理學及其影響。（第 7 版）。紐約，紐約：沃思。
- ↑ Koriat, A.，Goldsmith, M. 和 Pansky, A. (2000)。走向記憶準確性心理學，在 S.Fiske (編) 中，心理學年鑑，(第 481-537 頁)。帕洛阿爾託，加州：年度評論。
- ↑ a b Woolfolk, A.，Winnie, P. H. 和 Perry, N. E. (2016)。教育心理學 (定製版)。多倫多，安大略省：皮爾森教育。
- ↑ Erdelyi, M.H. (2010)。記憶的起伏。美國心理學家，65, 623-633。
- ↑ Anderson, J.R.，Fincham, J.M.，Qin, T. 和 Stocco, A. (2008)。心靈的中心迴路。認知心理學趨勢，12, 136-143。
- ↑ Ismail, M. N.，Ngah, N. A. 和 Umar, I. N. (2010)。思維導圖與合作學習對計算機科學學生程式設計能力、問題解決能力和元認知知識的影響。教育計算研究雜誌，42(1), 35-61。doi:10.2190/EC.42.1.b
- ↑ McClelland, J. L. (1988)。連線主義模型和心理證據。記憶與語言雜誌，27, 107-123。
- ↑ Vickers, Douglas 和 Lee, Michael D. (1997)。走向記憶的動態連線主義模型。行為與大腦科學，20, 40-41。doi:10.1017/S0140525X97460016
- ↑ a b c Anderson, J. R. 和 Matessa, M. (1997)。序列記憶的產生系統理論。心理評論，104(4), 728-748。檢索自 http://www.ebscohost.com/
- ↑ Anderson, J. R. (1990)。認知心理學及其影響。紐約，紐約：弗里曼。
- ↑ Schraw, G. (2006)。在 P. A. Alexander 和 P. H. Winne (編) 中，教育心理學手冊 (第 825-847 頁)。馬瓦，新澤西州：厄爾鮑姆。
- ↑ a b c d e f g h Anderson, J. R.，Corbett, A. T.，Koedinger, K. R. 和 Pelletier, R. (1995)。認知導師：經驗教訓。學習科學雜誌，4(2), 167-207。檢索自：http://www.jstor.org/
- ↑ a b c d e f g h i Anderson, J. R. (1996)。ACT：一種簡單的複雜認知理論。美國心理學家，51(4), 355-365。檢索自 http://www.ebscohost.com/
- ↑ Ritter, S.，Anderson, J. R.，Koedinger, K. R. 和 Pelletier, R. (2007)。認知導師：應用數學教育研究。心理公報與評論，14(2), 249-255。檢索自 http:// link.springer.com/