任務數量與工作記憶容量對交錯學習的影響 *

王家慰 冼美君 邢 強

(1 廣州大學心理學系，廣州 510006) (2 意大利帕多瓦大學普通心理學系，帕多瓦 35131)

1 引言

改變刺激呈現的順序將影響個體學習策略，進而影響測試成績（Zaki & Salmi, 2019）。在類別學習研究中，研究者發現了一個典型的學習順序效應—交錯呈現優勢（Birnbaum et al., 2013;Kornell & Bjork, 2008; Wang & Xing, 2019）。例如，Kornell和Bjork讓個體在集中呈現（連續呈現相同類別的刺激）和交錯呈現（交替呈現不同類別的刺激）條件下學習分類畫家的畫，發現交錯呈現的效果優于集中呈現。根據區別對比理論（discriminative-contrast hypothesis）的觀點，交替呈現不同類別的刺激突出了類別間的差異，利于個體掌握分類關鍵，促進分類成績（Birnbaum et al., 2013; Kornell & Bjork, 2008）。

以往研究結果多數支持交錯呈現優勢，但仍有少數研究發現兩種學習順序效果相差無幾，甚至集中呈現更佳。目前已發現學習順序與材料相似性（Carvalho & Goldstone, 2014; Zulkiply & Burt,2013）、類別結構（Noh et al., 2016）、學習方式（Carvalho & Goldstone, 2015），以及定義的呈現（Rawson et al., 2015）這幾個變量的交互作用。例如，Rawson等考察了概念學習中呈現定義與否對學習順序效應的影響：當不呈現定義時，交錯學習成績較好；呈現定義則集中學習成績較好。因此，個體并非都能從交錯呈現中獲益，交錯呈現優勢的穩定性有待進一步探究。

以往研究幾乎都在單任務條件下探究交錯呈現優勢，但在現實生活中，個體要完成的任務往往不只一個。在非單任務條件下是否還存在交錯呈現優勢呢？Wang等（2020）以畫家的畫為材料，在單任務條件下重復Kornell和Bjork（2008）的經典研究，而雙任務組被試除分類任務外，還需完成數字Stroop任務。結果顯示，任務數量與學習順序的交互作用不顯著，在兩種任務條件下均發現了交錯呈現優勢。然而，雙任務范式一般被用于探究工作記憶和注意的影響，但Wang等讓被試學習分類畫家的畫，這一任務本質上為信息整合類別學習任務。根據多重系統模型（Ashby et al.,1998; Maddox & Ashby, 2004），存在兩種獨立的學習系統：其中信息整合類別學習是一種內隱的程序性學習，無需意識參與；而基于規則類別學習則是一種外顯的陳述性學習，依賴于工作記憶和執行注意。因此，Wang等的研究結果無法將學習任務性質從結果中分離出來。為改進這一點，本研究擬用基于規則類別學習任務重復Wang等的操作，探究交錯呈現優勢在不同任務條件下的穩定性。這是本研究的第一個目的。

以往基于規則類別學習任務一般采用光柵圖作為材料。而光柵圖是人工材料，現實意義低，且類別少，不利于探究學習順序的影響。采用分子結構式為材料則能克服以上不足，但它是現實的學習材料，被試在學習時易受先驗知識影響。以往研究發現，個體原有知識會影響類別形成的過程，即知識背景效應。例如，Kim和Rehder（2011）通過眼動技術發現，經過訓練獲得一定知識后，被試關注點發生變化，他們更關注與分類相關的特征。同時，研究發現在不同學習順序中，個體的注意特點不同，如在交錯呈現中，個體更關注與分類相關的診斷性特征（Carvalho &Goldstone, 2017）。換言之，交錯呈現優勢與個體的注意有關，但被試的先驗知識也對注意產生影響，這也許會影響交錯呈現優勢。

除客觀條件外，研究者同樣關心學習的主體因素，即交錯呈現優勢能否在不同個體中體現。在眾多變量中，工作記憶容量（working memory capacity, WMC）是研究熱點。研究表明，工作記憶會影響個體的認知活動，這是復雜認知行為產生差異的重要影響因素（Caggiano et al., 2006）。目前對這一問題尚未得出一致結論。有研究發現高WMC個體更能從交錯呈現學習中獲益（Guzman-Munoz, 2017）；也有研究發現交錯呈現對低WMC個體影響更大（Sana et al., 2017）；也有研究在不同WMC條件下均發現交錯呈現優勢（Sana et al., 2018; Wang et al., 2020）。因此，有必要進一步探究不同WMC下的交錯呈現優勢。本研究擬使用Foster等（2015）研發的自動版的操作廣度、對稱廣度和旋轉廣度任務測量WMC，考察交錯呈現優勢在不同WMC個體中是否穩定。這是本研究的第二個目的。

綜上，對交錯呈現優勢穩定性的探究目前仍處于初始階段，尚不清楚在何種情況下交錯學習能發揮其優勢。為進一步理解交錯呈現的有效性，本研究分別從客觀條件和主體因素中選取了任務數量和工作記憶容量這兩個變量，探究它們的影響。具體而言，本研究在單任務或雙任務條件下以集中呈現和交錯呈現的順序讓被試學習分類分子結構式，并要求被試完成三個工作記憶廣度任務測量WMC，探究交錯呈現優勢在不同學習條件和不同個體中的穩定性。

2 實驗1：任務數量與WMC對交錯學習的影響

2.1 研究方法

2.1.1 被試

用G*power軟件確定被試人數。在保證較大效應量的前提下（effect size=0.4），當ɑ=0.05，Power(1-ɑ)=0.8時，需樣本量52人。在校大學生64人參加實驗，其中單任務組33人（男生11人），雙任務組31人（男生9人），平均年齡為 20.75±2.86歲。

2.1.2 實驗材料

選自Eglington和Kang（2017）的研究，為12種化合物的分子結構式（如圖1所示）。每種化合物包括11個分子結構式，1個用于前測，6個用于學習，4個用于遷移測試。根據Eglington和Kang的研究結果，篩選出AB兩組難度相當的材料。對于一部分被試，A組材料用于集中呈現，B組材料用于交錯呈現；另一部分被試則相反。

圖1 實驗材料樣例

2.1.3 實驗設計

采用2（學習順序：集中呈現、交錯呈現）×2（任務數量：單任務、雙任務）的混合實驗設計。其中學習順序為組內變量，任務數量為組間變量，分類正確率為因變量。

2.1.4 實驗程序

被試被隨機分到單任務或雙任務條件，并完成以下任務。

（1）前測階段

進行前測以考察先驗知識。12個樣例依次隨機呈現在屏幕中央，下方呈現12個類別名稱供被試選擇，反應時間不限，無反饋。

（2）學習階段

一共72個樣例，分12個組塊，每個組塊含6個試次。6個組塊的學習順序為集中呈現（B），即連續呈現同一類別的6個樣例；另外6個組塊的學習順序為交替呈現（I），即交替呈現6種類別的1個樣例。組塊之間的順序為BIIBBIIBBIIB。

在單任務條件下，被試僅需完成類別學習任務。具體地，在每個試次中，先呈現注視點“+”1 s，接著呈現刺激和類別標簽5 s，讓被試進行觀察學習。1 s后，開始另一個試次。在雙任務條件下，除學習任務外，被試還要完成數字Stroop任務。具體而言，在注視點消失后，在屏幕兩邊呈現數值跟字號大小均不一致的兩個數字200 ms。在刺激和類別標簽消失后呈現線索詞“數值”或“字號”，要求被試判斷剛剛哪一邊數字的數值或字號更大，反應時間不限。被試判斷后，反饋“正確”或“錯誤”。

（3）分心任務

10道簡單算術題，判斷答案正確與否，提供1 s反饋。

（4）遷移階段

共4個組塊，每個組塊隨機呈現12種化合物中的一個樣例。在每個試次中，刺激呈現在屏幕中央，下方呈現12個類別標簽供被試選擇，時間不限。若反應正確，反饋“正確”；若反應錯誤，反饋“錯誤”，同時呈現正確的類別名稱。

（5）工作記憶廣度任務

共三個任務，順序隨機，每個任務只需完成一輪。完成后，可得到被試在這三個任務中的的部分分數（partial score）和絕對分數（absolute score）（Conway et al., 2005; Foster et al., 2015）。本研究選取三個任務的部分分數總和為WMC的指標，范圍為0～53。示例見圖2。

圖2 用于測試WMC的三個工作記憶廣度任務示例（Foster et al., 2015）

在操作廣度任務中，記憶項是字母，分心任務是判斷數學算式的答案正確與否。被試先判斷數學題答案，然后記憶一個字母，依次重復。最后，被試用鼠標按順序點擊所看到的字母。記憶項的數量范圍為3～7，且數量隨機而非逐個遞增。

在對稱廣度任務中，記憶項是紅色方塊的位置，分心任務是判斷形狀是否左右對稱。記憶項的數量范圍為2～5。其余同操作廣度任務。

在旋轉廣度任務中，記憶項是箭頭的長度和方向，分心任務是判斷旋轉的字母是否為正像。其余同對稱廣度任務。

2.2 結果

2.2.1 分類正確率

以前測成績為協變量，進行2（學習順序）×2（任務數量）重復測量協方差分析，結果顯示：任務數量的主效應顯著，F(1, 61)=7.40，p=0.008，=0.11。其余主效應和交互作用均不顯著，ps＞0.05。

未發現交錯呈現優勢的原因可能是被試包括文理科生。對前測成績進行獨立樣本t檢驗，t(62)=12.04，p＜0.001，發現理科生的前測成績（M=0.50,SD=0.15）顯著優于文科生（M=0.16,SD=0.08）。前面分析提到先驗知識可能會影響交錯呈現優勢，因此增加學科類型這一變量（單任務，理科22人；雙任務，理科17人）進一步分析，以前測成績為協變量，進行2（學習順序）×2（任務數量）×2（學科類型）重復測量協方差分析，結果顯示：任務數量的主效應邊緣顯著，F(1, 59)=3.92，p=0.05，=0.06，單任務的正確率（M=0.64,SD=0.22）優于雙任務（M=0.57,SD=0.26）。學科類型的主效應顯著，F(1,59)=12.02，p=0.001，=0.17，理科生的成績（M=0.71,SD=0.15）顯著優于文科生（M=0.50,SD=0.15）。學習順序和學科類型的交互作用顯著，F(1, 59)=8.01，p=0.006，=0.12。簡單效應結果顯示：對于文科生，交錯學習的成績（M=0.55,SD=0.17）顯著優于集中學習（M=0.45,SD=0.16），F(1, 57)=11.40，p=0.001，=0.18；對于理科生，集中學習的成績（M=0.73,SD=0.17）略高于交錯學習（M=0.69,SD=0.15）。其他主效應及交互作用均不顯著，ps＞0.05。見圖3。

圖3 實驗1遷移階段的分類正確率

2.2.2 個體差異

被試的WMC范圍為39.95±6.43。獨立樣本t檢驗的結果顯示兩組被試的WMC差異不顯著，t(56)=1.25，p=0.21。對個體差異進行回歸分析，其中WMC為連續變量，將其去中心化；任務數量和學習順序為類型變量，用-1和1代表變量的兩個水平。變量以“進入”的方式進入到回歸分析的兩個組塊中，第一個組塊包含主效應，第二個組塊包含交互作用。結果顯示：模型擬合的結果邊緣顯著，F(3, 115)=2.31，p=0.08，adj.R2=0.03，任務數量的主效應顯著（β=0.22,t=2.41,p=0.02），其他主效應和交互作用均不顯著。為避免學科的影響，分文理科，重復上述分析。結果發現，對于文科生，模型擬合的結果不顯著，F(3, 41)=1.43，p=0.25，adj.R2=0.031，且只發現學習順序的主效應邊緣顯著（β=0.31,t=2.00,p=0.05），其他主效應和交互作用均不顯著。對于理科生，模型擬合的結果不顯著，F(3, 73)=1.37，p=0.26，adj.R2=0.03，且所有的主效應和交互作用都不顯著。

2.3 討論

實驗1的目的是探究交錯呈現優勢在不同任務以及WMC個體身上是否穩定。結果顯示，交錯呈現更利于文科生學習，而集中呈現似乎更利于理科生學習，并且學習順序與任務數量的交互作用不顯著，表明這兩種學習順序效應在不同任務中是穩定的。同時，對個體差異分析的結果顯示，交錯呈現優勢僅體現在文科生身上，且不受WMC影響。

不過，本研究的初衷是探究交錯呈現優勢在雙任務條件下的穩定性，并未將學科類型這一變量納入考慮范圍。從實驗1的結果可知交錯呈現優勢僅體現在文科生身上，但實驗1的進一步分析將文理科生分開，導致了統計的樣本量不足。因此，為進一步檢驗這一問題，實驗2僅招募文科被試，重復實驗1的操作，探究文科生的交錯呈現優勢在不同學習條件和不同個體中的穩定性。

3 實驗2：任務數量與WMC對文科生交錯學習的影響

3.1 研究方法

3.1.1 被試

用G*power軟件確定被試人數。在保證較大效應量的前提下（effect size=0.4），當ɑ=0.05，Power(1-ɑ)=0.8時，需樣本量52人。在校大學生62人參加實驗，均為文科生。其中單任務組31人（男生6人），雙任務組31人（男生4人），平均年齡為20.58±2.51歲。

3.1.2 實驗材料

同實驗1。

3.1.3 實驗設計

同實驗1。

3.1.4 實驗程序

同實驗1。

3.2 結果

3.2.1 分類正確率

以前測成績為協變量，進行2（學習順序）×2（任務數量）的重復測量協方差分析，結果顯示：學習順序的主效應顯著，F(1, 59)=11.20，p=0.001，=0.16，交錯學習的成績（M=0.48,SD=0.18）顯著優于集中學習（M=0.41,SD=0.19）。其他主效應及交互作用均不顯著，ps＞0.05。見圖4。

圖4 實驗2遷移階段的分類正確率

3.2.2 個體差異

被試的WMC范圍為39.61±6.56。獨立樣本t檢驗的結果顯示兩組被試的WMC差異不顯著，t(54)=0.07，p=0.94。同實驗1，對個體差異進行回歸分析。結果顯示：模型擬合的結果顯著，F(7,111)=2.19，p=0.04，adj.R2=0.07，學習順序的主效應邊緣顯著（β=-0.17,t=-1.81,p=0.07），任務數量的主效應顯著（β=1.19,t=2.10,p=0.04），WMC的主效應顯著（β=0.19,t=2.10,p=0.04），但交互作用均不顯著（β=0.12,t=1.29,p=0.20）。

3.3 討論

實驗2以文科生為被試，發現了交錯呈現優勢。同時，研究發現學習順序與任務數量的交互作用不顯著，即交錯呈現優勢穩定存在于單任務和雙任務條件中。另外，對個體差異的結果分析同樣發現了存在交錯呈現優勢的趨勢，且這一優勢不受WMC影響，再次驗證了實驗1的結果。

4 總討論

本研究以分子結構式為材料，讓被試在單任務或雙任務條件下以集中呈現和交錯呈現的方式學習，同時通過三個工作記憶廣度任務測量WMC，探究在基于規則類別學習中，任務數量和WMC對交錯呈現優勢的影響。結果顯示，交錯呈現優勢僅體現在文科生中；而對于理科生，則不存在這一現象，甚至集中呈現略優于交錯呈現。另外，任務數量和WMC均不影響文科生的交錯呈現優勢，表明交錯呈現優勢穩定存在于單任務和雙任務條件中，同時不同WMC的文科生均能從交錯呈現中獲益。

4.1 任務數量對學習順序效應的影響

兩個實驗一致顯示，學習順序效應在單任務條件和雙任務條件相同，表明任務數量不影響學習順序效應。依據區別對比理論，交錯呈現便于讓被試比較類別間的差異，從而促進分類成績（Birnbaum et al., 2013; Kornell & Bjork, 2008）。一旦這一區別對比的過程受阻，交錯呈現優勢消失。在本研究中，交錯呈現優勢在雙任務條件下是穩定的，表明個體對不同類別刺激的區別對比過程可能不受分心任務影響，即當前的雙任務并未阻礙比較類別間差異的認知過程。

然而，交錯呈現優勢在雙任務下的穩定性并不是絕對的，可能與雙任務的難度和性質有關。Birnbaum等（2013）的研究體現了雙任務會干擾交錯呈現優勢。Birnbaum等為探究交錯呈現優勢的機制，通過在試次間插入與實驗無關的問題10 s以增加時間間隔，相當于讓被試完成雙任務，這與本研究有異曲同工之妙。他們發現增加時間間隔導致交錯呈現優勢消失。為何同樣使用了雙任務，本研究卻得出不同的結果？這可能是因為在Birnbaum等的研究中，雙任務不但時間長，且貫穿整個實驗過程，要求被試一直記憶這些問題的答案。這無疑極大地影響被試對刺激進行區別對比的過程，導致交錯呈現優勢消失。反觀數字Stroop任務，任務時間短且難度低。雖有一定影響，但并不能完全阻斷被試完成區別對比的過程。根據區別對比理論，只要存在區別對比這一過程就會出現交錯呈現優勢。因此本研究中雙任務條件下交錯呈現優勢依然存在。另外，本研究使用觀察學習范式，這一范式對認知資源的需求較低。盡管雙任務占據了一定的認知資源，但這對觀察學習的影響不大，個體仍能在學習過程中對不同類別間的刺激進行區別對比。

綜上，研究發現任務數量不影響學習順序效應，交錯呈現優勢在雙任務條件下依舊穩定，但結果是否受雙任務范式及學習范式的影響，還有待進一步探究。

4.2 WMC對學習順序效應的影響

本研究發現交錯呈現優勢并未隨個體WMC的不同而發生變化，表明WMC不影響交錯呈現優勢。根據區別對比理論，只要發生區別對比過程，在不同WMC個體身上都存在交錯呈現優勢。換言之，交錯學習是一種高效的學習方式，它可以促進學習者發現有效的信息加工策略，且這一策略不需占用過多的WMC。因此，不同WMC的個體均可選擇交錯學習去提高成績。然而，本研究采用的是觀察學習范式，這一范式對工作記憶的要求不高，因此不同WMC個體均能勝任。此外，本研究被試為大學生，WMC相對較高且集中，難以體現分散的WMC對學習順序的影響。

本研究結果與Sana等（2018）和Wang等（2020）的研究結果一致，但與Guzman-Munoz（2017）和Sana等（2017）的研究結果不一致。Guzman-Munoz與本研究結果存在的差異可能是因為：（1）材料不同（畫家的畫 vs.分子結構式）；（2）為避免疲勞效應的影響，本研究要求被試先完成學習任務，再測WMC，而Guzman-Munoz的研究恰相反。值得注意的是，在該研究中，WMC與學習順序的交互作用僅為邊緣顯著，F(1, 98) =3.06，p=0.08，=0.03。

本研究結果與Sana等（2017）的結果不一致可能與材料有關。Sana等用了統計概念的材料，這一材料雖也屬于基于規則材料，但特征較少。因此高WMC個體能通過記憶全部特征進行分類，無論在哪種學習順序條件下學習，他們均表現良好，無法體現交錯呈現優勢。而低WMC個體無法像高WMC個體一般通過記憶全部特征去分類，且低WMC個體易受外部環境的影響，兩種學習順序的差異在他們身上表現得尤為明顯。因此，交錯呈現對低WMC個體影響更大。

綜上，WMC對交錯呈現優勢的影響，目前尚不能得出一致結論，并非在所有情況下，交錯呈現優勢均適用于所有WMC水平的個體，還需考慮個體的學習方式及學習材料的難度等因素。因此，未來的研究還需用不同材料、不同范式在不同的被試群體中對這一問題進行探究。

4.3 學科類型對學習順序效應的影響

本研究發現：對于文科生，交錯學習效果更好；對于理科生則相反。文理科生對化學的先驗知識是不平衡的，文科生較少先驗知識，理科生較多先驗知識。結合區別對比理論可推斷：若個體的先驗知識較少，基礎知識較薄弱，關注類別間的差異能提高個體的成績，即交錯學習能促進個體的學習；若個體的先驗知識較多，基礎知識較扎實，關注類別內的相似性利于個體學習，即集中學習效果更佳。

以往研究都忽略了先驗知識的影響。例如，Carvalho等（2016）讓大學生學習計算數據的中心趨勢，其中一組學生能自行決定學習順序，而另一組學生的學習順序則是固定的。該研究發現，若讓學生自主選擇，學生傾向選擇集中學習，且這與隨后的測試成績正相關，即集中呈現促進學習。這與以往發現交錯呈現優勢的研究結論不一致。Carvalho等認為，以往研究大多在實驗室進行，若在現實情況下，讓被試進行自我調節學習，那么集中呈現將比交錯呈現更有效。但在該研究中，兩組學生的前測成績都較高（自我調節組，72%；被安排組，73%），說明被試具有一定的先驗知識，基礎良好。因此，個體的先驗知識較多，集中學習效果更佳。

另外，除先驗知識外，文理科被試的認知風格差異也可能是影響類別學習順序效應的原因。已有研究發現，場依存性與學生學習社會性學科存在一定關系；而場獨立性則與科學學科存在相關（宋廣文, 王瑞明, 2003; 張厚粲, 鄭日昌, 1982;Mutlu & Temiz, 2013）。另外也有研究發現，文理科生在分類加工的過程中表現出不同，主要體現在首次加工階段：文科生對問題的加工多于對選項的加工；理科生對問題和選項平均分配注意。同時，文科生重視對上位概念和下位概念的比較，而理科生則重視同水平概念間的比較（楊偉剛 等, 2015）。

因此，究竟是先驗知識還是認知風格的差異影響學習順序效應，亦或二者同時影響，還有待進一步的研究。

5 結論

（1）任務數量和WMC均不影響學習順序效應。（2）當學習分類分子結構式時，學科類型會影響學習順序效應，即對于文科生，交錯呈現更有效；對于理科生，集中呈現略優于交錯呈現。