《Frontiers in Psychology》:Early acquisition efficiency in visual-to-auditory sensory substitution: the role of structured learning
编辑推荐:
引言:当视觉输入不可用、受损或受限时,视觉-听觉感觉替代 将视觉信息转化为结构化的声音模式,从而支持获取原本由视觉传递的信息。其知觉可用性共同取决于将视觉信息编码为声音的感觉转换方案,以及学习者通过学习和经验获得声音-视觉映射 的学习条件。尽管先前的视觉-听觉
引言:当视觉输入不可用、受损或受限时,视觉-听觉感觉替代 将视觉信息转化为结构化的声音模式,从而支持获取原本由视觉传递的信息。其知觉可用性共同取决于将视觉信息编码为声音的感觉转换方案,以及学习者通过学习和经验获得声音-视觉映射 的学习条件。尽管先前的视觉-听觉感觉替代研究主要通过终点可学性或识别准确率来评估替代编码方案或学习方法,但仅凭终点表现无法表征在学习和可用知觉解码过程中出现的时间成本和效率。
方法:本研究在一个视觉-听觉映射框架保持不变的控制性知觉学习模型中,检验了基于信息加工原理的结构化学习是否与声音-视觉映射的更高效早期习得相关。研究分析了63名完成随机化视觉-听觉感觉替代学习实验的蒙眼视力正常成人的习得阶段行为记录,其中结构化学习条件和对照组分别有31名和32名参与者。结局指标包括正确试次反应时间、总学习时间、反应时间变异性和反向效率分数。
结果:与对照组相比,结构化学习与较短的正确试次反应时间、较低的总学习时间和较低的反向效率分数相关,而在反应时间变异性方面两组间无实质性差异。这些模式在鲁棒性分析和基线前测表现调整后依然明显。探索性日程衍生分析表明,结构化学习提供了更密集的重复暴露和更分阶段的感觉映射引入。
讨论:综合来看,这些行为日志发现表明,结构化学习与更高效的声音-视觉映射早期习得相关,并表明感觉替代学习中的习得效率可能与学习过程中这些映射的排序和重复方式有关。
研究背景与意义:感觉替代 (SS) 系统为人们通过替代感觉通道解释信息提供了行为窗口。视觉-听觉感觉替代 (V2A-SS) 将空间布局、形状和对比度等视觉属性转化为结构化的听觉模式,学习者必须通过经验将其作为声音-视觉映射加以习得。尽管V2A-SS已证明技术可行性与识别性能,但学习负担仍是限制其广泛应用与实际可用性的主要问题。以往研究多通过识别准确率等终点指标来评估系统或训练方法,但仅凭终点表现无法完全描述可用映射在习得过程中出现的时间成本、反应速度或反应稳定性。两种学习方法可能产生相似的终点评估性能,但在习得所需时间、成功知觉解码的速度或学习期间反应的一致性方面存在显著差异。为此,研究人员在保持V2A-SS映射框架恒定的控制性知觉学习模型中,基于Moon等先前的实验协议,检验基于信息加工学习理论 (IPLT) 的结构化学习是否与更高效的声音-视觉映射早期习得相关。研究得出结论:结构化学习与更高效的早期声音-视觉映射习得相关,这表明感觉替代学习中的习得效率不仅与视觉信息转化为声音的方式有关,还与学习过程中映射的排序和重复练习方式有关。该研究为知觉科学提供了行为日志证据,表明感觉暴露的时间和结构组织与早期知觉解码效率相关。这项研究成果发表在《Frontiers in Psychology》。
关键技术方法:研究分析了63名蒙眼视力正常成人的习得阶段行为记录(样本队列来源),其中结构化学习组31人,对照组32人。两组使用相同的V2A-SS映射框架和刺激集,在两周内完成六次实验。结构化学习组接受基于IPLT的学习包,包含分阶段学习与复习模块;对照组使用顺序全集学习。转换算法将8 × 8像素图像编码为一秒听觉信号。主要技术方法包括对反应时间进行对数转换以解决正偏态,应用试次级广义估计方程 (GEE) 模型分析组间差异,并使用可交换的工作相关结构和稳健标准误;同时构建调整基线前测表现的参与者级模型,以及探索性日程衍生暴露描述符分析。
研究结果:
学习阶段知觉解码时间与鲁棒性:通过对实验1至4阶段的试次级GEE模型分析得出,结构化学习组的正确试次反应时间显著短于对照组,相对减少约25.0%。包含实验阶段及其实验与组别交互项的补充模型得出了显著的整体交互作用(χ
2 = 28.96, df = 3, p < 0.001)。该反应时间优势在无修剪、基于四分位距 (IQR) 修剪等替代预处理规格以及调整项目身份和形状难度后依然稳健。
时间习得成本、反应稳定性、综合效率与练习结构:通过分析总学习时间和反向效率分数 (IES) 得出,结构化学习组的总学习时间和IES显著低于对照组,总学习时间相对减少15.7%,IES相对减少31.6%。在反应时间变异性方面两组无实质性差异。结构化学习组的重复次数更高且总学习时间更短。
前测调整的鲁棒性分析:通过构建调整基线前测表现的参与者级模型得出,对照组仍表现出更长的对数转换反应时间、更高的对数转换IES和更长的总学习时间。学习阶段准确率未显示出可比的组间差异,表明反应时间、总学习时间和IES差异不能由基线前测差异解释。
日程衍生的暴露结构与练习密度:通过重构学习阶段暴露序列得出,结构化学习协议分阶段增加累计唯一项目覆盖(从实验1的8项到实验2的16项,最终在实验4扩展至全集23项),而对照组从实验1起即暴露于全集。在实验1至4期间,结构化学习组的练习密度高于对照组,平均复发滞后更短。
探索性协议关联的练习密度分析:通过将练习密度纳入补充GEE模型得出,更高的练习密度与更短的反应时间和更低的IES相关。纳入练习密度后,组间系数减弱,表明练习密度为观察到的习得效率模式提供了协议关联的解释背景。
结构化学习条件内学习阶段时间的描述性分解:通过分解结构化学习组的学习阶段时间得出,测验相关活动占比最大(60.2%),其次是对比展示与选择以及形状介绍,复习阶段的测验时间比例高于学习阶段,这与累积复习和提取导向练习的逻辑一致。
讨论与结论总结:研究提供了行为日志证据,表明结构化学习与V2A-SS中更高的早期习得效率相关。学习的时间和结构组织与早期知觉解码效率相关。反应时间优势在多种分析规格和基线调整后依然稳健,而学习阶段准确率未显示同等差异,表明这是效率提升而非泛化的成就优势,且无明显速度-准确率权衡。日程衍生分析表明,结构化学习包将项目新颖性分阶段分布,并以更高密度提供暴露机会,降低了并发处理负荷。由于练习密度未经独立操纵,无法进行正式的中介效应声明,应将结构化学习包视为一个整体。虽然本研究未直接测试向更复杂刺激和功能使用的下游迁移,但当前发现表明,早期学习的组织方式可能与学习者进入成功声音-视觉映射习得的效率有关。在研究的结论部分,研究人员指出,在该控制的V2A-SS学习模型中,结构化学习与更高效的早期习得特征相关,包括较短正确试次反应时间、较低总学习时间和改善的综合速度-准确率效率,且无明显反应时间不稳定性增加的证据。早期声音-视觉映射习得的效率不仅与视觉信息转化为声音的方式有关,还与这些映射在学习过程中排序和重复练习的方式有关。结果应被解释为控制性知觉学习模型的证据,而非直接证据证明下游功能应用或现实世界辅助效益。未来研究应检验类似优势是否扩展至最终用户群体、更长训练时间及更具生态效度的任务。