论文部分内容阅读
人类具备一种功能强大的学习机制,能够无意识地获得关于外部世界的结构化规则的知识。这种学习机制被称为内隐学习,由Reber于1967年提出。在近半个世纪以来的内隐学习研究中,始终萦绕在研究者心中的两个十分重要的问题是：(1)内隐学习获得的究竟是何种类型的知识?是具体的表面特征还是抽象的深层规则?(2)内隐学习是如何发生的?其内在机制是什么?传统的内隐学习研究通常都使用限定状态语法,而限定状态语法一般都是相邻规则,难以排除相邻元素的组块等表面特征的影响。因此,限定状态语法在考察内隐学习获得的是表面特征还是抽象规则这一问题上存在局限。本研究采用不相邻的远距离规则,即汉语声调对称规则——倒映对称规则和逆行对称规则,并通过有效地控制组块等表面特征,试图为内隐学习能否获得抽象规则提供全新的证据。此外,与限定状态语法的内隐学习不同,远距离的对称规则的内隐学习原则上需要一个记忆缓冲器才能发生。本研究结合行为实验与神经网络模拟实验,通过比较倒映规则和逆行规则的内隐学习,考察对称规则内隐学习所需的记忆缓冲器的类型,试图进一步揭示内隐学习的内在机制。本研究得到了以下结果：(1)内隐学习能够突破组块等表面特征的限制、进而习得抽象的汉语声调对称规则,为组块与规则学习之争提供了新的证据；(2)汉语声调对称规则的内隐学习只有在规则所在背景变化较大的条件下才能发生,证实了抽象规则的内隐学习受到背景的变异性的调节,为内隐学习能够获得抽象规则提供了佐证；(3)汉语声调倒映规则比逆行规则更加容易被内隐学习,这意味着内隐学习机制在功能上可能优先使用先进先出记忆缓冲器、而非后进先出记忆缓冲器；(4)简单循环网络模型(SRN模型)能够匹配人类被试的内隐学习,证实了SRN模型具备的记忆缓冲器以及计算原理能够模拟对称规则的内隐学习。并且,与人类被试的实验结果一致,SRN模拟结果发现汉语声调倒映规则比逆行规则更加容易被内隐学习,进一步从神经网络模拟的角度证实了内隐学习机制在功能上可能优先使用了先进先出记忆缓冲器。