認知靈活性對概率類別學習的影響*

馮 霞 馮成志

認知靈活性對概率類別學習的影響*

馮 霞1馮成志2

(1南通大學教育科學學院, 江蘇 南通 226019 ) (2蘇州大學心理系, 江蘇 蘇州 215123)

本研究采用“數字?字母轉換任務”區分高低認知靈活性者, 構建概率配對模式相同但形式不同的兩個概率類別學習任務, 借助ERP技術探討認知靈活性對概率類別學習任務的作用特點與機制。結果發現, 本研究的兩個任務中, 高認知靈活性組的規則習得水平均優于低認知靈活性組, 認知靈活性能促進概率類別的學習。同時, 對不同學習階段的ERPs分析結果顯示, 高認知靈活性者在概率類別學習中的優勢源于反饋加工過程。

認知靈活性, 概率, 規則學習, 反饋相關負波(FRN), P300

1 引言

認知靈活性是執行功能的重要成分, 是在抑制控制和工作記憶基礎上發展起來的(Diamond, 2013), 指隨環境變化做出改變的能力, 包括面對不相關變化時保持活動性的能力, 強調的是改變原有視角, 從多角度理解對象。它與任務轉換、創造性等概念有很大的重疊(Diamond, 2013)。高級認知過程, 如問題解決、創造性思維等離不開認知靈活性的重要促進作用, 研究表明, 能根據任務需求靈活地調整自身的認知抑制水平(白學軍, 姚海娟, 2018), 能靈活地進行思維模式轉換(何李等, 2020)是高創造性個體的特征。探索問題解決過程中認知靈活性發生作用的機制對理解高級思維過程和發展有效的促進性訓練方法有重要幫助。

在高級思維過程(如推理任務)中, 學習的有效性依賴于將選擇和強化進行持續整合, 從“刺激?選擇?反饋”中建立抽象的S-R規則聯結。研究發現高靈活性者和低靈活性者在多種涉及高級思維的任務中有差異性表現, 在歸納推理任務中, 高低靈活性兒童的學習潛力不同, 相對于高靈活性者, 低靈活性兒童需要更多的分步提示以達到相似的學習效果(Stad et al., 2019); 在模糊決策, 如愛荷華賭博任務(Iowa Gambling Task, IGT)中, 高靈活性者獲得了更多與任務有關的外顯知識, 且在決策加工的選擇評價、反應選擇和反饋加工中均存在優勢(Dong et al., 2016)。模糊決策本質上是一種不確定情境下的決策, 是一種概率學習。研究還通過“概率類別學習(probabilistic category learning)”范式來研究線索與結果間非確定性關系知識經驗的獲得, 這一類任務中同時包含了概率、分類及規則的屬性 (Craig et al., 2011; Schenk et al., 2017; 李開云等, 2012)。研究發現, 在概率類別學習中, 智商水平高的青少年被試, 積極反饋后能生成更具適應性的學習策略, 且背外側前額葉和背側前扣帶皮層激活程度增加(van den Bos et al., 2012)。智力與包括認知靈活性成分在內的執行功能間有千絲萬縷的聯系(Alfonso & Lonigan, 2021; Allan et al., 2014)。基于上述研究結果推測, 學習者自身的認知靈活性對概率類別學習存在影響。

類別學習中線索的作用也受到研究者們關注(Newell et al., 2007; 李開云等, 2012; 徐貴平等, 2011), 對線索特征的探討為回應概率類別學習的外顯和內隱系統之爭提供了證據。高預測性線索能提高學習者的表現, 這種反應模式不依賴于刺激的呈現時間, 而受限于線索和目標之間的概率匹配關系(Girardi et al., 2013)。本研究從概率類別學習中有無線索的角度關注線索對學習效果影響的作用。前人利用轉換任務發現, 對外顯線索的有效利用會減少轉換代價, 促進對特定反應規則的準備(Koch & Allport, 2006)。有研究關注了在不同概率提示線索下, 特殊人群(如強迫傾向人群)的認知加工特征, 結果顯示, 高強迫傾向者易固著于原來的加工方式, 低傾向個體會根據概率變化條件調整加工范式(苗小翠等, 2015)。認知靈活性本質上體現個體的抑制控制和認知轉移能力, 能抑制占優勢地位的無效線索, 高效地重新配置資源(Lange et al., 2015)。本研究針對正常群體, 探討在有線索的概率類別學習中, 高認知靈活性者是否能更好地利用線索, 促進學習。

借助事件相關電位技術高時間分辨率的優勢, 對概率類別學習分階段考察, 利于探索不同階段的學習特點, 拓展研究深度。Zeithamova和Maddox (2007)提出, 基于規則的類別學習至少包括兩個過程：類表征和類標準, 即知覺刺激、形成類別表征, 以及反饋加工、形成類別標準。Dong等(2016)在模糊決策研究中將以上兩階段進行了拓展, 將學習分成涉及刺激知覺、風險選擇和反饋學習的選擇評價、反應選擇和反饋加工階段, 并在這三個階段中均發現了高認知靈活性者的優勢：高認知靈活性組對刺激有更強的記憶能力、對任務形成了概念化知識、且對獎賞刺激形成預期。借鑒以上研究, 本研究利用ERP技術探討概率類別學習選擇評價和反饋加工階段的特點。

以往研究中, 衡量認知靈活性水平常用的實驗任務有威斯康星卡片分類任務(Wisconsin Card Sorting Test, WCST) (Dong et al., 2016)和轉換任務(Deák & Wiseheart, 2015; Erb et al., 2017)。研究指出, 轉換任務對認知靈活性的測量更純粹(Lange et al., 2018; Lange et al., 2017)。而且, 相對于衡量指標眾多、關鍵指標未在研究間達成一致的WCST任務(Feng & Feng, 2019)而言, 轉換任務中“轉換代價”的測量在各研究間基本統一, 也易于解讀與理解。因此, 本研究以轉換任務中的轉換代價作為區分不同認知靈活性水平被試的依據, 以Rogers (1995)的“數字?字母轉換任務”為具體實施任務。此外, 以往關于認知靈活性的研究多集中在兒童和青少年群體。原因之一可能是這些群體的認知靈活性尚處于發展中, 有較大的干預和提升空間。而處于成人初期的大學生, 認知靈活性、流體智力水平等特征已趨于穩定, 更適合用于比較不同認知靈活性水平者之間的學習特點, 以揭示認知靈活性對學習(尤其是高級思維學習過程)影響的一般性特征。

綜上, 本研究擬進一步探討3個問題：(1)認知靈活性對概率類別學習是否有影響？(2)認知靈活性對概率類別學習的作用是否受任務線索的影響？(3)認知靈活性主要對概率類別學習的哪個階段產生影響？為回應前兩個問題, 本研究中設置了兩個概率配置相同, 但線索特征不同的概率學習任務進行比較。針對第三個問題, 本研究采用了高時間分辨率的事件相關電位技術對學習過程進行分段考察。

2 研究方法

2.1 被試

在高校內通過線上、線下渠道發布招聘信息, 310名在校大學生參加認知靈活性評定的“數字?字母轉換任務”。13人因不斷重復一個反應或對指導語理解錯誤或反應時過短(小于100 ms), 數據被刪除, 未參加后續實驗。剩余297名被試中, 男60人, 所有被試的平均年齡為18.7 ± 1.5歲, 均未參加過與本研究相同的實驗任務。根據“數字?字母轉換任務”的成績和本人參加腦電實驗的意愿, 共76人參加本研究的腦電實驗。所有視力或矯正視力正常, 右利手, 無認知障礙, 無精神疾病史。該研究獲蘇州大學倫理委員會批準, 所有被試在實驗前均簽署知情同意書, 在實驗完成后獲得相應的報酬。

2.2 研究任務

2.2.1 數字?字母轉換任務

采用經典“數字?字母轉換任務”范式, 即在刺激出現的田字格區域, 每次呈現一個字母(元音A/E/I/U或輔音G/K/M/R)和一個數字(奇數3/5/7/9/或偶數2/4/6/8/)組成的混合刺激。告知被試, 當刺激出現在田字格上方兩格時, 按E或I鍵判斷字母是元音或輔音; 田字格下方兩格時, 按E或I鍵判斷數字是奇數或偶數。被試練習正確率達到80%以上, 才能進入正式實驗。正式實驗共128次判斷。

記錄反應時和正確率, 以反應時轉換代價作為區分高靈活性者和低靈活性者的依據。反應時轉換代價通過轉換試次中正確反應的平均反應時與非轉換試次中正確反應的平均反應時求差而獲得。

2.2.2 瑞文推理測驗

為衡量被試的智力水平, 控制智力因素對實驗結果的干擾, 本研究采用簡版瑞文推理測驗施測。共20題, 每題答題時間90秒, 答對記1分, 答錯或超時記0分。

2.2.3 無線索的概率類別學習任務——圖片選擇任務

圖1 圖片選擇任務實驗流程圖

被試的任務是按F/J鍵選擇左側/右側的刺激更可能帶來獎勵, 三角形和六邊形反饋分別代表有獎或無獎(被試間平衡)。實驗中設置了4種(0-1/3、0-2/3、1/3-2/3、1-1/3)概率配對水平, 每種概率水平包含的試次數如表1所示。實驗共包括540個試次, 每完成45個試次休息一下。實驗前告知被試, 實驗中收獲得獎反饋的次數越多, 實驗完成后的實際獎勵越大。實驗前不透露被試任何關于概率的信息, 對刺激概率信息的感知, 以及兩兩比較時優勢選項的辨別需通過反饋信息的不斷積累而獲得。實驗完成后要求被試估計當4種刺激單獨出現時, 它們帶來獎勵的可能性。

表1 兩側刺激的概率配對關系

2.2.4 有線索的概率類別學習任務——硬幣搜索任務

硬幣搜索任務參考Bellebaum等(2008)的實驗任務。刺激呈現在黑色背景上, 注視點左右兩側各12個色塊, 告知被試12個色塊中各藏有一個硬幣會給你帶來獎勵, 按F/J鍵判斷注視點左側/右側更可能獲得獎勵。做出選擇后, 三角形和六邊形反饋分別代表有獎或無獎(被試間平衡)。實驗中收獲得獎反饋的次數越多, 實驗完成后的實際獎勵越大。

12個色塊中每側紅色塊的總數為4或8, 同時每側右列紅色塊的個數為0或2或4或6, 即獲得獎勵的概率為0或1/3或2/3或1。兩側刺激的概率配對及每種概率配對下的試次數量與圖片選擇任務相同, 如表1所示。隨著學習經驗的獲得, 會意識到任務中隱藏的線索, 即優勢列的關鍵作用。圖2的樣例中, 兩列右側為優勢列, 即按F鍵選擇左列獲得獎勵的概率是2/6(1/3), 按J鍵選擇右列獲得獎勵的概率是4/6(2/3)。優勢列在左或在右, 在被試間平衡。另外, 與圖片選擇任務不同的是, 該任務包含3個block (每個block180個試次), 在block2有無獎勵反饋之后會出現硬幣具體位置的提示：在有獎反饋后, 硬幣會出現在所選側右列的隨機紅色色塊中; 無獎反饋后, 硬幣會出現在所選側右列的隨機白色色塊中。左右側的設置在被試間平衡。實驗流程圖如圖2所示。實驗完成后要求被試報告做出選擇的依據。

圖2 硬幣搜索任務實驗流程圖

兩個任務中蘊含了相同的概率匹配關系、時間間隔和獎勵反饋模式, 以期用于任務間學習情況的對比分析。同時兩個任務在以下幾個方面存在差異：首先, 刺激形式不同, 這是為了避免被試內設計時任務規則間的互相干擾或易化。其次, 任務流程不同, 在無線索的圖片選擇任務中, 無區組設計, 而在有線索的硬幣任務中, 組塊2中出現了硬幣的具體位置, 該設置是為了降低任務難度。在前人研究和本任務的預實驗中, 均發現若無硬幣位置的提示, 最終習得規則人數將大大降低。第三, 存在無線索和有線索的設置差異。圖片選擇任務中無線索提示, 硬幣搜索任務的線索隱藏在色塊個數的比較中, 待被試通過學習而自主發現。

2.3 研究程序

對被試數字?字母轉換任務的轉換代價進行描述性統計分析(±= 813.41 ± 389.24 ms), 前后27%等分點分別為525.27 ms和1041.09 ms。從轉換代價前后27%群體中邀約被試參加腦電實驗。所有自愿被試需先完成瑞文推理測驗, 隨后分兩次完成圖片選擇任務和硬幣搜索任務, 實驗順序在被試間平衡, 兩次腦電實驗間隔兩周完成。

2.4 實驗儀器

EEG數據通過Vision Recorder 2.0 (Brain Product, Munich, Germany)和64導電極帽采集記錄。左右參考電極分別置于雙側乳突, 以雙側乳突平均值為參考。水平和垂直眼電分別記錄于左眼外側、左眼上1 cm處。所有電極點頭皮電阻均小于5 k?, 采樣率為1000 Hz。使用EEGLAB和ERPLAB對數據進行離線分析, 離線濾波低通為40 Hz, 峰值超過±100 μV的偽跡被刪除。

2.5 數據采集與分析

對行為數據的分析上, 為考察學習的動態過程, 對每個被試的數據以窗長為20, 步長為1進行劃窗分析。同時, 參考以往研究的標準(Bellebaum & Daum, 2008), 如果被試在連續20次反應中, 有16次及以上反應正確, 并以不低于此水平保持在實驗中, 則認為該被試掌握了任務的反應規則, 視為習得者。并以此轉折點為該被試的習得點, 進一步將實驗階段區分為習得前和習得后階段。

對腦電數據的分析上, 為探討不同學習進程中的學習特征與機制, 將兩個任務的ERP分析都分為選擇評價和反饋加工兩個階段。選擇評價階段鎖時于注視點及兩側刺激出現(如圖1和2所示流程圖中的第二屏), 刺激出現前200 ms為基線, 分析時程為1200 ms。觀察與分析發現兩側刺激誘發的ERP在額頂葉和枕區差異最大, 同時參考以往研究(Dong et al., 2016)的數據分析, 選取電極點P3、P4、Pz、PO3、PO4、POz對P200成分進行分析。由于具體任務形式差異, 在圖片任務中220～280 ms時間窗內的平均值作為P200衡量值, 硬幣搜索任務的分析時間窗為160～240 ms。時間窗選擇的考量是通過觀察總平均波形圖, 使得時間窗的中心點落在P200峰值上。反饋加工階段鎖時于反饋刺激出現, 反饋刺激出現前200 ms為基線, ERP分析時程為700 ms。電極點的選取參考以往關于反饋相關負波FRN的研究, 以200～300 ms時間窗內, Fz、FCz和Cz三個電極點的平均值作為FRN的衡量值; 同時將300～400 ms時間窗內, CPz、Pz和POz三個電極點的平均值作為P300的衡量值。

3 結果

3.1 數字?字母轉換任務

對參加實驗297名被試數字?字母轉換任務的轉換代價()進行描述統計分析, 結果顯示,X= 137.54 ms,X= 2085.30 ms,X= 813.41 ms,X= 389.24 ms。前后27%等分點的值分別為525.27 ms和1041.09 ms。基于此結果, 參加腦電實驗的高認知靈活性被試的轉換代價均小于525.27 ms, 低認知靈活性被試的轉換代價均大于1041.09 ms。

3.2 瑞文推理測驗

參加腦電實驗的被試共76人, 兩人(高/低靈活性組各1人)由于將是否得獎與對應的按鍵混淆, 數據未納入后續分析, 后續所有的結果分析均以74人的成績進行。對高認知靈活性組38人, 低認知靈活性組36人的智力測驗得分進行獨立樣本檢驗, 結果顯示, 兩組被試的成績無顯著差異,(72) = ?0.88,> 0.05, Cohen’s= ?0.21。說明, 高低認知靈活性組被試的智力水平相當, 排除智力因素對結果的影響。

3.3 行為數據分析

3.3.1 圖片選擇任務的行為數據分析

(1) 習得率和學習曲線

在圖片選擇任務中, 高靈活性組38人, 其中習得者32人, 占比為84.21%; 低靈活性組36人中, 習得者17人, 占比47.22%。高靈活性組的習得率水平顯著高于低靈活性組[c2= 11.31,= 1,= 0.001]。

以高低靈活性水平和是否習得規則為雙重依據, 將所有被試分為4組, 用學習曲線刻畫4組被試的學習動態, 結果如圖3所示。

圖3 圖片選擇任務中各組被試的學習曲線圖

(2) 正確率

本研究的獲獎反饋是基于概率屬性的, 以左側1/3?右側2/3概率配對為例, 被試選擇其中一側均可能獲獎或不獲獎。但如果選擇右側, 收獲獎勵反饋的可能性更大, 因此右側是一個正確選項。

74名被試(高靈活性組38人, 低靈活性組36人)中, 6人(高靈活性組5人, 低靈活性組1人)在實驗開始后的30個試次左右就達到研究設定的習得標準, 由于習得前階段的有效試次數太少, 這6名被試的分析中只有習得后階段。這個實驗過程中, 正確率始終未達到習得標準的共25人(高靈活性組6人, 低靈活性組19人)。重復測量數據分析中只分析了同時存在習得前和習得后的數據。因此, 共43人(高靈活性組27人, 低靈活性組16人)的數據被納入分析。

刪除超時未反應的試次, 對反應正確率進行2 (學習階段：習得前、習得后) × 4 (概率配對：0-1/3、0-2/3、1/3-2/3、1/3-1) × 2 (靈活性水平：高、低)重復測量方差分析。結果顯示：學習階段主效應顯著[(1, 41) = 146.91,< 0.001, η2= 0.78], 習得后正確率顯著大于習得前; 概率配對主效應顯著[(3, 123) = 14.87,< 0.001, η2= 0.27], 0-1/3配對條件的正確率顯著小于其它三種條件(s< 0.001)、0-2/3條件的正確率顯著大于1/3-2/3條件(< 0.05); 靈活性水平主效應顯著[(1, 41) = 6.08,< 0.05, η2= 0.13], 高靈活性組正確率顯著大于低靈活性組; 學習階段和概率配對交互作用顯著, 無論習得前還是習得后, 4種概率配對間的正確率均差異顯著(< 0.001)。其它交互作用均不顯著。

(3)反應時

對反應時2×4×2的重復測量方差分析結果顯示：僅習得前后和概率配對的主效應顯著。習得后的反應時顯著小于習得前[(1, 41) = 57.24,< 0.001, η2= 0.58], 0-1/3配對條件的反應時顯著慢于其它三種條件(s< 0.001), 1/3-1條件略快于0-2/3條件(= 0.085)和1/3-2/3條件(= 0.087)。

(4)獲獎概率估計

實驗結束后, 被試對4個刺激分別進行了獲獎概率估計, 刪除未用具體數字描述(語言描述或排序)的被試, 對63人的結果進行分析。被試對0, 1/3, 2/3和1獲獎概率下的估計值分別為0.27、0.41、0.62和0.67。單因素方差分析顯示概率主效應顯著[(3, 251) = 38.18,< 0.001], LSD事后多重比較發現, 除2/3和1之間獲獎估計值不顯著外, 其它兩兩之間差異均顯著。

3.3.2 硬幣搜索任務的行為數據分析

(1)習得率和學習曲線

在硬幣搜索任務中, 高靈活性組38人中, 習得者27人, 占比為71.05%; 低靈活性組36人中, 習得者12人, 占比33.33%。高靈活性組的習得率水平顯著高于低靈活性組[c2= 10.55,= 1,= 0.001]。

“高靈活性?習得”、“高靈活性?未習得”、“低靈活性?習得”、“低靈活性?未習得” 4組被試的學習曲線如圖4所示。兩個習得組的習得轉折點均在第二個block, 即第181～360試次之間, 高靈活性組是第244試次, 低靈活性組是第257試次。

圖4 硬幣搜索任務中各組被試的學習曲線圖

(2)正確率

74名被試(高靈活性組38人, 低靈活性組36人)中, 3人(均為高靈活性組)在實驗開始后通過較少的試次學習就達到研究設定的習得標準, 由于習得前階段的有效試次數太少, 這3名被試的分析中只有習得后階段。35人(高靈活性11人, 低靈活性24人)未習得規則, 無習得后階段。因此, 在包含習得前?習得后的重復測量分析中, 36人(高靈活性組24人, 低靈活性組12人)同時存在習得前和習得后階段。

刪除超時未反應的數據, 對正確率進行2(學習階段)×4(概率配對)×2(靈活性水平)重復測量方差分析。結果顯示：學習階段主效應顯著[(1, 34) = 709.73,< 0.001, η2= 0.95], 習得后正確率顯著高于習得前階段; 概率配對主效應顯著[(3, 102) = 10.94,< 0.001, η2= 0.24], 除了0-2/3和1/3-1這兩種概率配對間差異不顯著外, 其他每兩種配對間正確率差異均顯著; 學習階段和靈活性水平交互作用邊緣顯著[(1, 34) = 3.05,= 0.090, η2= 0.08], 簡單效應分析表明, 高低靈活性組僅在習得后階段正確率存在顯著差異[(1, 34) = 12.65,< 0.05, η2= 0.27], 其他主效應和交互效應均不顯著。

(3)反應時

與正確率的分析類似, 對反應時進行2 (學習階段) × 4 (概率配對) × 2 (靈活性水平)重復測量方差分析。結果顯示：僅學習階段和靈活性的交互作用不顯著, 其他主效應和交互效應均顯著。學習階段主效應顯著[(1, 34) = 84.56,< 0.001, η2= 0.71], 習得后的反應時顯著快于習得前; 概率配對主效應顯著[(3, 102) = 10.03,< 0.001, η2= 0.23], 除了0-2/3和1/3-2/3這兩種概率配對間差異不顯著外, 其他每兩種配對間正確率差異均顯著; 靈活性主效應邊緣顯著[(1, 34) = 3.40,= 0.074, η2= 0.09], 高靈活性組的反應時快于低靈活性組; 學習階段和概率配對交互作用顯著[(3, 102) = 7.73,< 0.001, η2= 0.19], 簡單效應分析顯示, 僅習得后階段4種概率配對間的反應時差異顯著; 概率配對和靈活性交互作用顯著[(3, 102) = 3.20,< 0.05, η2= 0.09], 簡單效應分析顯示, 僅低靈活性組在4種概率配對條件下反應時差異顯著; 三個因素交互作用邊緣顯著,(3, 102) = 2.18,= 0.100, η2= 0.06。

3.4 腦電數據分析

3.4.1 圖片選擇任務的腦電數據分析

43個同時存在習得前后的被試中, 有7人(高靈活性4人, 低靈活性3人)因腦電信號偽跡過多, 未參與腦電數據分析, 因此, 36人(高靈活性組23人, 低靈活性組13人)同時存在習得前和習得后階段, 進入腦電數據分析。

(1)選擇評價階段

對220～280 ms時間窗內的Pz、P3、P4、POz、PO3和PO4點的P200成分分別進行2 (學習階段) × 4 (概率配對) × 2 (靈活性水平)混合重復測量方差分析, Pz點的結果顯示, 學習階段和概率配對的交互作用邊緣顯著[(3, 102) = 2.66,= 0.052, η2= 0.07], 僅1/3-1條件下, 習得前后P200波幅邊緣顯著(= 0.068)。P3點的結果顯示, 概率配對和靈活性交互作用邊緣顯著[(3, 102) = 2.221,= 0.090, η2= 0.06], 簡單效應分析顯示, 僅在0-1/3條件下, 高低靈活性組間差異邊緣顯著(= 0.088)。P4點的結果顯示, 僅學習階段和概率配對交互作用邊緣顯著[(3, 102) = 2.608,= 0.056, η2= 0.07], 簡單效應分析顯示, 僅在1/3-1配對條件下, 習得前后差異顯著(< 0.05)。POz點的結果顯示, 學習階段和概率配對交互作用邊緣顯著[(3, 102) = 2.79,< 0.05, η2= 0.08], 簡單效應分析顯示, 1/3-1配對條件下, 習得前后差異顯著(< 0.05)。PO3點的結果顯示, 學習階段主效應顯著,(1, 34) = 6.12,< 0.05, η2= 0.15。PO4點的結果顯示, 學習階段主效應顯著,(1, 34) = 4.99,< 0.05, η2= 0.13; 概率配對和靈活性交互作用邊緣顯著[(3, 102) = 2.19,= 0.094, η2= 0.06], 簡單效應分析顯示, 僅在0-1/3配對條件下, 高低靈活性組間差異邊緣顯著(= 0.071)。

(2)反饋加工階段

在對FRN波幅的分析中, 采用了兩種分析方法：第一種是2 (學習階段) × 2 (刺激概率) × 2 (獲獎反饋) × 2 (靈活性水平)重復測量方差分析; 同時, 為探討概率類別學習任務中的預期效應, 考察被試基于反饋學習是否能在生理水平形成對潛在規則的預期, 進一步分析了預期內和預期外的波幅特點。本研究的0、1/3、2/3和1四種概率中, 0和1/3是低概率條件, 2/3和1是高概率條件。在高概率條件下獲得獎勵反饋、在低概率條件下沒有獎勵反饋均是意料之內的情形; 類似的, 高概率條件下沒有獎勵反饋、低概率條件下有獎勵反饋是意料之外的情形。因此, 預期內波幅 = 低概率無獎波幅 ? 高概率有獎波幅, 預期外波幅 = 高概率無獎波幅 ? 低概率有獎波幅。

首先, 以反饋刺激呈現后200～300 ms, 額中央區Fz、FCz和Cz三個電極點的均值作為FRN的衡量值, 2 (學習階段：前/后) × 2 (刺激概率：高/低) × 2 (獲獎反饋：有/無) × 2 (靈活性水平)重復測量方差分析結果顯示：概率主效應邊緣顯著[(1, 34) = 3.33,0.077, η2= 0.09], 低概率波幅略大于高概率; 獎勵主效應顯著[(1, 34) = 74.05,0.000, η2= 0.69], 獲獎反饋波幅大于無獎反饋; 學習階段、獲獎反饋和靈活性三者交互作用邊緣顯著[(1, 34) = 3.40,0.074, η2= 0.09], 簡單效應分析表明：各條件下的獎勵波幅均顯著大于無獎反饋(< 0.001); 學習階段、獲獎反饋和概率三者交互作用邊緣顯著,(1, 34) = 3.47,0.071, η2= 0.09。簡單效應分析表明：各條件下的獎勵波幅均顯著大于無獎反饋(< 0.001)。各實驗條件下的平均波形和波幅如圖5 所示。

進一步地, 反饋刺激呈現后200～300 ms, 額中央區Fz、FCz和Cz三個電極點的均值作為FRN的衡量值, 2 (學習階段) × 2 (預期：內/外) × 2 (靈活性水平)重復測量方差分析結果顯示, 預期主效應邊緣顯著[(1, 34) = 3.33,0.077, η2= 0.09], 預期外FRN波幅大于預期內條件(如圖6所示); 學習階段和靈活性交互作用邊緣顯著[(1, 34) = 3.40,= 0.074, η2= 0.09], 但兩組被試在習得前和習得后階段波幅差異均不顯著。

同時, 反饋刺激呈現后300～400 ms, 頂枕區CPz、Pz和POz三個電極點的均值P300波幅2 (學習階段) × 2 (刺激概率) × 2 (獲獎反饋：有/無) × 2 (靈活性水平)重復測量方差分析結果顯示, 學習階段主效應邊緣顯著[(1, 34) = 3.30,= 0.078, η2= 0.09], 習得前波幅略高于習得后; 刺激概率主效應顯著[(1, 34) = 19.16,< 0.001, η2= 0.36], 低概率刺激波幅顯著大于高概率; 獲獎反饋主效應顯著[(1, 34) = 52.80,< 0.001, η2= 0.61], 有獎反饋波幅顯著大于無獎反饋; 學習階段和刺激概率交互作用顯著[(1, 34) = 10.83,< 0.05, η2= 0.24], 簡單效應分析表明, 僅在高概率條件下, 習得前后P300波幅差異顯著; 刺激概率、獲獎反饋和靈活性三者交互作用顯著[(1, 34) = 5.30,< 0.05, η2= 0.14], 但簡單效應分析表明, 高低靈活性組在各條件下的波幅差異均不顯著; 4個因素交互作用邊緣顯著[(1, 34) = 3.18,= 0.083, η2= 0.09], 簡單效應分析表明, 高低兩組靈活性被試在“習得前?高概率?有獎反饋”條件下P300波幅差異邊緣顯著[(1, 34) = 3.04,= 0.091, η2= 0.08], 各實驗條件下的平均波形和波幅如圖7所示。

3.4.2 硬幣搜索任務的行腦電數據分析

36個同時存在習得前后的被試中, 有3人(均為高靈活性)因腦電信號偽跡過多, 未參與腦電數據分析, 因此, 33人(高靈活性組21人, 低靈活性組12人)同時存在習得前和習得后階段, 進入腦電數據分析。

圖5 圖片選擇任務中, 高低認知靈活性組在Fz、FCz、Cz點的平均波形圖(上)和波幅圖(下)

圖6 圖片選擇任務的反饋加工階段FRN波形圖

(1)選擇評價階段

對160～240 ms時間窗內的Pz、P3、P4、POz、PO3和PO4點的P200成分分別進行2 (學習階段) × 4 (概率配對) × 2 (靈活性水平)混合重復測量方差分析, 均顯示學習階段主效應顯著, Pz點的結果顯示, 習得后選擇評價的P200波幅顯著小于習得前,(1, 31) = 6.65,< 0.05, η2= 0.18。兩側概率差為2/3的兩個條件(0-2/3, 1/3-1)下, 習得后波幅均顯著小于習得前(< 0.05)。P3點的結果顯示, 學習階段主效應顯著[(1, 31) = 9.90,< 0.05, η2= 0.24], 學習階段和概率配對交互作用邊緣顯著[(3, 93) = 2.34,= 0.08, η2= 0.07], 簡單效應分析顯示, 0-2/3和1/3-1配對條件下, 習得前波幅顯著大于習得后(< 0.05)。P4點的結果顯示, 學習階段主效應顯著,(1, 31) = 12.23,< 0.06, η2= 0.28。POz點的結果顯示, 學習階段主效應顯著[(1, 31) = 11.24,< 0.056, η2= 0.27], 除1/3-2/3配對條件下, 習得前后波幅差異邊緣顯著(= 0.077), 其它三個概率配對條件下差異均顯著(s< 0.05)。PO3點的結果顯示, 學習階段主效應顯著,(1, 31) = 15.93,< 0.001, η2= 0.34。PO4點的結果顯示, 學習階段主效應顯著,(1, 31) = 16.37,< 0.001, η2= 0.35。

(2)反饋加工階段

與圖片選擇任務相同, 對反饋加工的FRN波幅進行了效價和預期特點的分析。

反饋刺激呈現后200～300 ms, 額中央區Fz、FCz和Cz三個電極點的均值作為FRN的衡量值, 2 (學習階段：前/后) × 2 (刺激概率：高/低) × 2 (獲獎反饋：有/無) × 2 (靈活性水平)重復測量方差分析結果顯示, 概率主效應顯著[(1, 31) = 5.31,< 0.05, η2= 0.15], 低概率波幅顯著大于高概率; 獲獎反饋主效應顯著[(1, 31) = 44.26,< 0.001, η2= 0.59],有獎反饋波幅顯著大于無獎反饋; 獲獎反饋和靈活性交互作用邊緣顯著[(1, 31) = 3.38,= 0.08, η2= 0.10], 簡單效應分析結果說明, 無論高靈活性還是低靈活性者, 獲獎反饋波幅都顯著大于無獎反饋(< 0.05); 學習階段和刺激概率交互作用顯著[(1, 31) = 5.38,< 0.05, η2= 0.15], 簡單效應結果顯示, 規則習得后, 低概率波幅大于高概率條件(< 0.05); 高概率條件下, 習得前波幅大于習得后(< 0.05); 學習階段、刺激概率和靈活性三者交互作用顯著,(1, 31) = 6.02,< 0.05, η2= 0.16; 習得后, 高靈活性者的低概率波幅顯著大于高概率(= 0.001), 高靈活性者僅在高概率條件下, 習得前波幅大于習得后(=0.01), 各實驗條件下的平均波形和波幅如圖8所示。

圖7 圖片選擇任務中, 高低認知靈活性組在CPz、Pz、POz點的平均波形圖(上)和波幅圖(下)

反饋刺激出現后200～300 ms、額中央區Fz、FCz和Cz三個電極點均值的2 (學習階段) × 2 (預期：內/外) × 2 (靈活性水平)重復測量方差分析結果顯示：預期主效應顯著[(1,31) = 5.31,< 0.05, η2= 0.15]、靈活性主效應邊緣顯著[(1,31) = 3.38,= 0.08, η2= 0.10]、學習階段和預期交互作用顯著[(1,31) = 5.38,< 0.05, η2= 0.15], 簡單效應分析發現, 預期內外的波幅差異僅在習得后階段顯著; 學習階段?預期?靈活性水平三者的交互作用顯著[(1,31) = 6.02,< 0.05, η2= 0.16], 簡單效應分析結果說明, 高靈活性組在“習得前?預期內” (< 0.05)和“習得后?預期外” (= 0.073)的波幅顯著大于低靈活性組(波幅值更負), 如圖9所示。

反饋刺激呈現后300～400 ms, 頂枕區CPz、Pz和POz三個電極點的平均值作為反饋加工P300的衡量值。2 (學習階段) × 2 (刺激概率：高/低) × 2 (獲獎反饋：有/無) × 2 (靈活性水平)重復測量方差分析結果顯示：概率主效應顯著[(1, 31) = 17.28,< 0.001, η2= 0.36], 低概率的P300波幅顯著大于高概率條件; 獲獎反饋主效應顯著[(1, 31) = 71.16,< 0.001, η2= 0.70], 有獎反饋波幅顯著大于無獎反饋; 概率和靈活性水平交互作用顯著[(1, 31) = 8.20,< 0.05, η2= 0.21], 簡單效應分析表明, 僅低靈活性組的高低概率條件間的P300波幅存在差異; 學習階段和概率交互作用顯著[(1, 31) = 4.18,< 0.05, η2= 0.12], 僅在高概率條件下, 習得前后的波幅差異顯著。其它主效應和交互效應均不顯著。各實驗條件下的平均波形和波幅如圖10所示。

圖8 硬幣搜索任務中, 高低認知靈活性組在Fz、FCz、Cz點的平均波形圖(上)和波幅圖(下)

圖9 高低靈活性組在學習階段和預期各交互條件下的FRN波形圖(上)和波幅圖(下)

圖10 硬幣搜索任務中, 高低認知靈活性組在CPz、Pz、POz點的平均波形圖(上)和波幅圖(下)

4 討論

4.1 概率類別任務的學習特點

本研究的兩個實驗任務均涉及規則形成和概率估計的雙重加工過程。被試需要基于每個試次的“刺激?反應?反饋”鏈, 尋找出適用于整個任務的最可能反應標準, 并以此為依據做出正確反應。同時, 相較于一般的概率估計任務, 本研究的兩個任務均未事先透露任何有關概率的信息, 被試需要克服尋找確定性結果的反應偏向, 最終接受一定程度不可避免的無獎反饋(Craig et al., 2011)。從任務結束后與被試的溝通中發現, 盡管有的被試已對優勢選項有了判斷, 但仍然會嘗試其它的反應標準, 想找到一個能穩定獲得有獎反饋的依據, 驗證了確定性認知偏向的存在。

從學習曲線、反應正確率和反應時分析結果可以看出, 盡管在兩個任務的學習后階段, 被試對刺激的獲獎可能性都有了優劣區分, 但無線索的圖片選擇任務的學習效果弱于硬幣搜索任務, 具體體現為：第一, 學習曲線上, 習得后階段, 圖片選擇任務的正確率只徘徊在基線附近, 這反映學習者對該任務規則的不確定程度高于硬幣搜索任務。第二, 正確率數據說明, 圖片任務中, 學習者在0-1/3配對條件的習得后正確率僅為0.67, 并未形成明顯的反應傾向。這可能是由于兩側都極少會獲得積極反饋, 被試無法僅基于一側1/3的獲獎可能性構建選擇依據。

那為什么無線索的圖片選擇和有隱藏線索的硬幣搜索任務的概率配對條件完全相同, 學習效果卻不盡一致呢？可能的原因是任務的規則表征層次及依賴的加工系統存在差異。概率類別學習基于外顯的言語系統, 還是內隱的程序加工系統, 以及兩個系統之間的關系, 一直存在爭議(Lagnado et al., 2006; Li et al., 2016; 徐貴平等, 2011)。本研究的圖片選擇任務完成后, 極少有被試能清晰報告出他們完成任務的依據, 附加進行的圖片刺激選擇排序是為了幫助研究者識別被試的選擇傾向, 該任務的學習表現出內隱加工的特點。而硬幣搜索任務中, 大部分被試能對所依賴的反應依據進行描述, 規則表征上升到外顯系統。這得益于任務中反應線索的存在：兩側紅色方塊數量差異的線索有助于將概率問題轉換為頻數問題, 降低難度。這也促使學習后期, 硬幣搜索任務的規則明顯度增加, 前人研究證明, 在任務明顯度和信息量大的情況下, 會表現出外顯學習的特征(劉志雅, 鄭琛, 2015)。而圖片選擇任務中的線索就是刺激材料本身, 無法通過對某個特征的關聯獲得正確反應“捷徑”。聯結學習理論指出, 概率學習中存在兩種獨立的學習過程, 一種依賴長時記憶系統, 通過內隱的、累積的方式形成概率表征; 另一種依賴短時記憶系統, 通過對最近事件的加工形成概率經驗(Otto et al., 2011)。圖片任務中, 被試只能根據先前累積的模糊概率表征和近期試次的概率經驗來反應。值得一提的是, 內隱和外顯系統可能同時參與到概率學習的過程(李開云等, 2012), 就本研究的結果來看, 主要依賴內隱加工的無線索圖片任務和可在線索推動下到達外顯層次的硬幣任務中, 均可能到達習得的水平, 但有線索的概率類別學習會大大增加學習者做出反應的信心, 表現出更穩定的習得水平。此外, 前人關于高低概率線索作用的研究發現, 線索的作用在高概率條件下能有效發揮, 以促進選擇性注意策略的生成(Girardi et al., 2013)。學習者最初基于試次間關系的內隱信息做出選擇判斷, 當某個高概率的特殊關系或結構被知覺為優勢信息時, 認知系統才會基于該線索組織后續的學習過程。在本研究的硬幣任務中, 兩側優勢列刺激的概率差異大即為優勢信息。結果也證實了該優勢信息對學習的促進(兩側概率差為2/3的兩個條件(0-2/3, 1/3-1)下, 習得后波幅均顯著小于習得前)。Girardi等(2013)進一步認為鎖時于高頻率線索的機制是任務中內源性注意成分轉換的開關。

4.2 認知靈活性在不同學習階段的特點

本研究從選擇評價和反饋加工兩個階段著手, 在不包含線索的圖片選擇任務和包含線索的硬幣搜索任務中探討認知靈活性的作用, 發現認知靈活性對學習的影響與任務特點存在很大關系。

在選擇評價階段, 硬幣任務中未發現認知靈活性發揮作用的證據, 圖片任務中發現僅在0-1/3概率配對下高低靈活性組間存在微弱的差異(P3和PO4點差異邊緣顯著)。該結果與Dong等(2016)在愛荷華賭博任務中發現的高低認知靈活性者的差異性表現不符, 也未能支撐本研究提出的假設。研究者指出, 該階段分析的P200成分與刺激的知覺、注意加工和短時記憶有關(Dong et al., 2016; 邢強等, 2017)。盡管兩個任務選擇評價階段的ERP組間差異結果相似, 但推測原因并不相同。在無線索的圖片任務中, 兩組差異不明顯是因為即使是高靈活性學習者, 也未能對所有的配對刺激形成相對穩定的差異化表征; 而在有線索的硬幣任務中, 多個電極點上顯示出P200的習得階段主效應, 說明刺激已被差異化表征。兩被試組無差異的可能原因是, 在線索和組塊2的驅動下, 削弱了高低靈活性組之間的差異。

在反饋加工階段, 圖片選擇任務中, 高認知靈活性組的正確率高于低靈活性組; 在反饋加工指標P300成分上, 高認知靈活性組在“習得前?高概率?有獎反饋”條件下的波幅略大于低靈活性組。反饋P300成分更多地反映對結果評價自上而下的控制過程, 能吸引更多注意分配的因素, 包括獎勵效價、大小等都可能作用于P300(Wu & Zhou, 2009)。獲得獎勵反饋的高概率刺激能快速吸引高認知靈活性學習者的注意力, 他們消耗較少的認知資源就能完成對這類刺激的加工。硬幣搜索任務中, 高靈活性組的反應時略小于低靈活性組; 在習得后階段, 高靈活性組的正確率高于低靈活性組; 在反饋加工指標FRN成分上, 高靈活性組的波幅略大于低靈活性組, 且高靈活性組在“習得前?預期內”和“習得后?預期外”兩個條件下的FRN波幅大于低靈活性組。FRN反映的是基于線索評價后, 對隨后可能結果的預期(Bellebaum & Daum, 2008; 李丹陽等, 2018)。在本研究概率類別學習任務中, FRN形成的前提條件是, 學習者基于“刺激?反應?反饋”的學習, 對特定線索后的反應結果形成預期。數據表明, 在硬幣搜索任務的行為反應達到設定的基準線之前, 高靈活性者已對預期內結果有了更強的預期; 同時在習得后階段, “高概率?無獎”和“低概率?有獎”的結果會讓他們覺得更意外。然而, 即使是高靈活性組, 也未能在圖片選擇任務的所有條件下對反應選擇的結果形成穩定預期, 故圖片選擇任務中未能在反饋FRN成分上表現出差異。這與兩個任務的行為曲線差異表現相一致。

本研究的結果說明, 在概率類別任務中, 高認知靈活性組的規則習得率高于低靈活性組, ERPs結果進一步說明這種學習優勢與反饋加工密不可分。對反饋信息, 無論是外部顯性反饋還是內部隱性反饋信息的有效加工能幫助學習者梳理當前狀態到目標狀態之間的差距, 并在此基礎上生成備選方案。靈活性的形成依賴選擇及使用恰當的信息, 理解當下的情境(Spiro, 1988), 能將反饋信息與當前問題情境進行有效整合的學習者更容易洞悉規則, 獲得解決方案。研究證實, 這種反思性思維傾向對認知靈活性有顯著的正向預測作用(Orakc?, 2021)。本研究針對大學生被試群體的結果說明：在完全無干預條件下, 就群體層面而言, 給予相同反饋信息時, 低靈活性學習者無法達到高靈活性者同等的學習效果(相似的規則習得率、相似的沖突覺察水平)。

此外, 由于本研究從降低任務難度角度考慮, 在硬幣搜索任務中增加了組塊2的設計, 但這也可能會直接導致高低靈活性組間差異的縮小, 如學習曲線上顯示高低靈活性組的習得拐點非常接近, 高低靈活性組僅在選擇評價的個別條件(如0-1/3概率配對)、反饋加工的“習得前?預期內” “習得后?預期外”水平上存在差異性證據。

4.3 不足與展望

研究使用了是否包含線索的兩個概率類別任務, 探討認知靈活性在概率類別學習中的作用。兩個任務在特征上的進一步匹配能有助于進行更充分的對比分析。在匹配任務的基礎上, 未來研究還可以進一步設置層次更豐富的線索特征來探討認知靈活性的作用。

5 結論

第一, 概率類別任務中, 高認知靈活性組的規則習得水平優于低認知靈活性組, 認知靈活性具備跨任務優勢。

第二, 高認知靈活性者在概率類別學習中的優勢源于反饋加工過程。

Alfonso, S. V., & Lonigan, C. J. (2021). Trait anxiety and adolescent's academic achievement: The role of executive function., 101941.

Allan, N. P., Hume, L. E., Allan, D. M., Farrington, A. L., & Lonigan, C. J. (2014). Relations between inhibitory control and the development of academic skills in preschool and kindergarten: A meta-analysis.(10), 2368–2379.

Bai, X., & Yao, H. (2018). Differences in cognitive inhibition between persons with high and low creativity: Evidences from behavioral and physiological studies.(11), 1197–1211.

[白學軍, 姚海娟. (2018). 高低創造性思維水平者的認知抑制能力：行為和生理的證據.(11), 1197– 1211.]

Bellebaum, C., & Daum, I. (2008). Learning-related changes in reward expectancy are reflected in the feedback-related negativity.(7), 1823– 1835.

Craig, S., Lewandowsky, S., & Little, D. R. (2011). Error Discounting in probabilistic category learning.(3), 673–687.

Deák, G. O., & Wiseheart, M. (2015). Cognitive flexibility in young children: General or task-specific capacity?, 31–53.

Diamond, A. (2013). Executive functions., 135–168.

Dong, X., Du, X., & Qi, B. (2016). Conceptual knowledge influences decision making differently in individuals with high or low cognitive flexibility: An ERP study.(8), e0158875. doi: 10.1371/journal.pone.0158875

Erb, C. D., Moher, J., Song, J.-H., & Sobel, D. M. (2017). Cognitive control in action: Tracking the dynamics of rule switching in 5-to 8-year-olds and adults., 163–173.

Feng, X., & Feng, C. (2019). The index predicting power and feedback processing characteristics in the WCST.(3), 72–78. doi: 10.11648/j.pbs. 20190803.13

Girardi, G., Antonucci, G., & Nico, D. (2013). Cueing spatial attention through timing and probability.(1), 211–221.

He, L., Li, Y., Zhuang, K., Chen, Q., Sun, J., Yang, W., & Wei, D. (2020). Network connectivity of the creative brain: current knowledge and future directions.,(1), 25–36.

[何李, 李彧, 莊愷祥, 陳群林, 孫江洲, 楊文靜, 位東濤, 邱江. (2020). 創造性的大腦網絡連接特征與研究展望.(1), 25–36.]

Koch, I., & Allport, A. (2006). Cue-based preparation and stimulus-based priming of tasks in task switching.(2), 433–444.

Lagnado, D. A., Newell, B. R., Kahan, S., & Shanks, D. R. (2006). Insight and strategy in multiple-cue learning.(2), 162–183.

Lange, F., Kip, A., Klein, T., Müller, D., Seer, C., & Kopp, B. (2018). Effects of rule uncertainty on cognitive flexibility in a card-sorting paradigm., 53–64.

Lange, F., Seer, C., & Kopp, B. (2017). Cognitive flexibility in neurological disorders: Cognitive components and event-related potentials., 496–507. doi: 10.1016/j.neubiorev.2017.09.011

Lange, F., Seer, C., Müller, D., & Kopp, B. (2015). Cognitive caching promotes flexibility in task switching: Evidence from event-related potentials., 17502.

Li, D., Li, P., & Li, H. (2018). The updated theories of feedback-related negativity in the last decade.,(9), 1642–1650.

[李丹陽, 李鵬, 李紅. (2018). 反饋負波及其近十年的理論解釋.(9), 1642–1650.]

Li, K., Fu, Q., & Fu, X. (2012). Cognitive and neural mechanisms of probabilistic category learning.(11), 1037–1044.

[李開云, 付秋芳, 傅小蘭. (2012). 概率類別學習的認知神經機制.(11), 1037–1044.]

Li, K., Fu, Q., Sun, X., Zhou, X., & Zhou, X. (2016). Paired- associate and feedback-based weather prediction tasks support multiple category learning systems., 1–10.

Liu, Z., & Zheng, C. (2015). Information amount and obviousness influence hypothesis generation.,(12), 1445–1453.

[劉志雅, 鄭琛. (2015). 信息量和明顯度對規則可獲得性的影響.(12), 1445–1453.]

Miao, X., Li, Y., Wang, M., & Zhang, Z. (2015). The information processing flexibility of obsessive-compulsive tendency individuals.(5), 1264– 1271.

[苗小翠, 李益娟, 汪孟允, 張仲明. (2015). 強迫傾向個體的信息加工靈活性.(5), 1264–1271.]

Newell, B. R., Lagnado, D. A., & Shanks, D. R. (2007). Challenging the role of implicit processes in probabilistic category learning.(3), 505–511.

Orakc?, ?. (2021). Exploring the relationships between cognitive flexibility, learner autonomy, and reflective thinking.,, 100838. doi: 10.1016/j.tsc.2021.100838

Otto, A. R., Taylor, E. G., & Markman, A. B. (2011). There are at least two kinds of probability matching: Evidence from a secondary task.(2), 274–279.

Rogers, R. D., & Monsell, S. (1995). Costs of a predictable switch between simple cognitive tasks.(2), 207–231.

Schenk, S., Lech, R. K., & Suchan, B. (2017). Games people play: How video games improve probabilistic learning., 208–214.

Spiro, R. J. (1988).. Paper presented at the The Tenth Annual Conference of the Cognitive Science Society, Montreal.

Stad, F. E., Wiedl, K. H., Vogelaar, B., Bakker, M., & Resing, W. C. M. (2019). The role of cognitive flexibility in young children's potential for learning under dynamic testing conditions.(1), 123–146.

van den Bos, W., Crone, E. A., & Güro?lu, B. (2012). Brain function during probabilistic learning in relation to IQ and level of education., S78–S89.

Wu, Y., & Zhou, X. (2009). The P300 and reward valence, magnitude, and expectancy in outcome evaluation., 114–122.

Xing, Q., Sun, H., Zhan, D., Hu, J., & Liu, K. (2017). The effect of executive function on verbal insight problem solving: Behavioral and ERPs studies.(7), 909–919.

[邢強, 孫海龍, 占丹玲, 胡婧, 劉凱. (2017). 執行功能對言語頓悟問題解決的影響：基于行為與ERPs的研究.(7), 909–919.]

Xu, G., Wen, H., Wei, X., & Mo, L. (2011). The influence of positions of cues on probabilistic category learning.,(3), 264–273.

[徐貴平, 溫紅博, 魏曉瑪, 莫雷. (2011). 線索呈現位置對概率類別學習的影響.(3), 264–273.]

Zeithamova, D., & Maddox, W. T. (2007). The role of visuospatial and verbal working memory in perceptual category learning., 1380–1398.

The effect of cognitive flexibility on probabilistic category learning

FENG Xia1, FENG Chengzhi2

(1School of Education Science, Nantong University, Nantong 226019, China)(2Department of Psychology, School of Education, Soochow University, Suzhou 215123, China)

Cognitive flexibility is related to one’s level of cognitive ability and creativity, and is an important feature of intelligence. With regard to probabilistic cue learning, whether the level of cognitive flexibility has an impact on the learning process in young adults remains to be studied. We addressed these questions by taking advantage of the event-related potentials (ERP) technique in two rule tasks with the same probability properties, which aimed to see how learners' cognitive flexibility promotes the dynamic process of probabilistic category learning, and its underlying neural mechanisms.

We chose the “number-letter task” as the effective tool to assess learners’ cognitive flexibility level based on previous research and pilot testing. The participants were ranked according to their switch cost. The first 27% (smaller switch cost) were assigned to the high flexibility group, and the last 27% were assigned to the low group. All participants completed the picture selection task and the coin search task in the EEG environment on two occasions with a two week interval in between. The two tasks had the same probability pairs (0-1/3, 0-2/3, 1/3-2/3, 1-1/3), yet were different in form. Leaning curves for different groups, accuracy, latency, and ERPs at different learning stages were recorded and analyzed for each task.

Behavioral results showed that in these two tasks, learners with high flexibility had a higher rule acquisition rate, although the high and low groups did not show any difference in rule acquisition speed. Learners' cognitive flexibility had cross-task advantages in probabilistic cue rule learning. For the ERP results, in the picture selection task there was a marginally significant difference between the two groups in the amplitude of the P300 component under the condition of preacquisiton-high - probability-reward. The advantage of high flexibility in rule learning was mainly due to the higher efficiency of feedback learning. In the coin search task, there was a significant difference between high and low flexibility groups in the amplitude of the FRN component under the conditions of preacquisiton- expectation and the conditions of postacquisition -unexpectation. Furthermore, only the low flexibility group showed a significant difference between the high and low probability conditions in the amplitude of the P300 component.

In conclusion, the study suggests that learners with high cognitive flexibility have a cross-task advantage in probabilistic category learning, which is mainly due to more efficient feedback learning.

cognitive flexibility, probability, rule learning, feedback-related negativity (FRN), P300

2021-07-21

* 教育部人文社科項目(17YJA880019), 江蘇省教育科學“十四五”規劃項目(B/2021/01/82), 江蘇省雙創博士項目(JSSCBS20211080)資助。

馮成志, E-mail: fengchengzhi@suda.edu.cn

B842