《Cognitive Psychology》:Implicit and explicit statistical learning in reading: Evidence from a randomized controlled-learning study and computational modeling
编辑推荐:
阅读习得中的一个关键挑战是理解学习者如何提取文字、意义和声音之间复杂的概率映射。统计学习(statistical learning, SL)理论为这类映射的获得提供了一种机制性解释,无论这种获得是通过接触而内隐地发生,还是通过教学而外显地发生。研究人员在汉语中
阅读习得中的一个关键挑战是理解学习者如何提取文字、意义和声音之间复杂的概率映射。统计学习(statistical learning, SL)理论为这类映射的获得提供了一种机制性解释,无论这种获得是通过接触而内隐地发生,还是通过教学而外显地发生。研究人员在汉语中开展了一项随机对照学习研究;汉语是一种以正字法、语义和语音之间多重亚词汇规律为特征的书写系统。九十五名患有或存在阅读障碍风险的二至三年级学生被随机分配到三个组之一:内隐SL训练组,接触重复的词汇和亚词汇正字法–语义–语音关联;外显SL训练组,接受相同的输入外加关于亚词汇字形–声音映射的外显教学;以及无SL控制组。两个SL组在训练过的汉字以及需要泛化的未训练汉字上均优于控制组。然而,只有外显组表现出将字形–声音映射抽象到新项目的能力。神经网络模拟进一步揭示了支持内隐和外显SL的不同机制,与阅读习得的双系统解释一致。总之,这些发现(1)阐明了内隐和外显学习如何不同地支持书面语言中统计结构的发现,(2)强调了阅读习得所依赖的内隐–外显双学习机制。
阅读习得的关键挑战在于学习者如何提取字形、意义与声音间复杂的概率映射。统计学习(statistical learning, SL)理论为此提供了机制性解释,但以往研究多集中于简单或确定性映射,对真实文字系统中多重准规则(quasi-regular)环境下内隐和外显学习的作用认识不足。发展性阅读障碍(developmental dyslexia)个体在统计学习上表现出较大异质性,为检验不同学习机制提供了重要窗口。为此,研究人员在汉语这一具有多重亚词汇规律的正字法系统中,将随机对照学习设计与神经网络建模相结合,系统比较了内隐与外显统计学习在阅读习得中的效果及潜在机制。
该研究发表于《Cognitive Psychology》。研究人员招募了95名二至三年级患有或存在阅读障碍风险的学生(来自香港主流小学,通过实验室官网公开招募并经语言病理学家筛查),随机分为内隐SL组、外显SL组和无SL控制组。经过12周教学后,两个SL组在训练字符和需要泛化的未训练字符上均优于控制组;只有外显组表现出对未训练声旁字符的抽象迁移。神经网络模拟显示,内隐和外显学习可由不同的向量绑定机制解释,支持阅读习得的双系统观点。该研究为揭示内隐-外显学习在复杂书写系统中的作用提供了行为与计算层面的证据。
主要技术方法包括:使用香港阅读障碍测试(HKT-P)筛选样本;采用多维序列反应时任务(multidimensional serial reaction time, MSRT)测量一般内隐统计学习能力;设计汉字学习任务,包含联想、泛化和抽象三个子集;开发元语言策略编码方案对错误反应进行语义和语音维度编码;构建基于神经网络的向量绑定模型(内隐模型用张量积绑定,外显模型用直接和绑定),在汉语语料库上预训练后模拟学习过程;统计分析使用广义线性混合效应模型(GLMM)、贝叶斯分析、探索性因素分析(EFA)和协方差分析(ANCOVA)等。最终有效样本95人,三组基线特征无显著差异。
3.1 内隐和外显统计学习在多大程度上促进复杂书写系统中亚词汇规律的学习和迁移?
通过对人类行为数据的广义线性混合效应模型分析,发现:在联想子集上,内隐组(OR=2.96, p=.019)和外显组(OR=5.71, p<.001)均显著高于控制组;在泛化子集上,内隐组(OR=2.30, p=.042)和外显组(OR=3.91, p=.001)均显著高于控制组;在抽象子集上,仅外显组(OR=2.75, p=.027)显著高于控制组,内隐组与控制组无显著差异。这表明内隐和外显统计学习均能促进准规则映射的学习和泛化,但只有外显学习支持更高层次的抽象。
3.2 计算模型能否捕捉内隐和外显统计学习的行为效应?
将相同的GLMM应用于模型模拟数据,结果显示:内隐模型在联想(OR=4.97, p<.001)和泛化(OR=2.02, p=.004)子集上显著优于控制模型;外显模型在联想(OR=6.07, p<.001)、泛化(OR=2.29, p=.001)和抽象(OR=7.34, p<.001)子集上均显著优于控制模型。该模式与人类数据基本一致,唯一差异是外显模型在抽象子集上比内隐模型优势更大(OR=6.60, p<.001),而人类数据中两组差异未达显著。模型结果支持内隐和外显学习依赖不同表征机制的观点。
3.3 这些学习形式如何影响统计学习与阅读过程之间的关联?
通过相关分析、层次聚类和K-means聚类,11个变量被分为三簇:阅读成绩、语义策略、语音策略。探索性因素分析得到语义因子(S因子)和语音因子(P因子)两个因素。MANCOVA发现组间在语义因子上存在显著差异,外显组对语义加工的依赖显著低于内隐组。逐步回归显示,内隐组的统计学习能力与语义加工正相关(b=0.76, p<.001),外显组的统计学习能力与语音加工正相关(b=0.46, p=.011)。这表明内隐学习促使学习者自适应地利用更可靠的语义规则,而外显学习则强化了语音解码策略。
讨论部分总结了内隐与外显统计学习的不同作用:内隐统计学习通过分布式表征自动提取多重统计规律,倾向于优先利用不确定性更低的语义规则;外显统计学习则通过选择性注意和符号规则提取,使学习者能够抽象出声旁-读音的规则性,并将其迁移到新异项目。两种学习形式互补,构成阅读习得的双系统机制。教育上,应将外显教学与系统性丰富的样例暴露相结合,以充分利用两种系统的优势。
研究结论翻译:在这项随机对照学习研究中,研究人员比较了被分配到内隐、外显和无统计学习(SL)条件的学生学习结果,以考察这些学习形式如何促进概率性亚词汇规律的获得。内隐SL组和外显SL组在训练字符以及包含训练声旁的新字符上均表现出显著进步。然而,只有外显SL组表现出规则式抽象,将声旁规则迁移到具有未训练声旁的完全新异字符,并表现出经Holm校正后仍显著的统计学习-语音耦合。相比之下,内隐SL组中统计学习能力较强的参与者优先优化语义加工,反映了在这一多维概率学习环境中对更可预测规律的自适应调整。这些结果支持统计学习的双系统机制框架,其中外显统计学习使符号抽象和语音线索使用随个体统计学习能力而变化,而内隐统计学习通过对环境结构的概率敏感性促进分布式优化。在教育上,该框架提示,将外显支架与内隐模式发现机会相结合、平衡且系统的教学,可能最能利用两种学习系统的互补优势,以支持儿童在复杂正字法中的阅读习得。