分类:意义学习的遗忘曲线

来自Big Physics


研究背景和问题

著名的Ebbinghaus遗忘曲线[1]说,对于一个通过死记硬背记住的词,其能够被记住的概率是随着时间指数衰减的。这个指数可能和个体有关,也可能和被学习内容有关。但是,Ebbinghaus的实验本身是通过学习无意义词汇来做的,因此,只能运用机械式学习也就是死记硬背,而不能通过理解型学习来习得。

现在,我要问的问题是,对于通过理解型学习习得的东西,其遗忘曲线也是指数的吗,还是另一种形式,比如说慢的很多的幂率衰减?

其实,这个问题有其他人研究过,甚至有人怀疑在Ebbinghaus的实验中,其实也是用幂率的形式来描述更合适[2][3][4][5][6]。尤其是,当考虑多个实验被试在多个学习对象的实验中,有可能每一个被试在每一个学习对象上的(就算是)指数函数的衰减参数不一样,而这个不一样一旦做平均可能就会带来从指数到幂率的变换。

理论研究和实验设计

从理论上,我们想看一下,概念之间的联系会造成什么后果。

第一步看一下:假设概念是独立的,是不是可以从理论上验证,就算每个概念对应的衰减指数不一样(这时候可能需要假设一个衰减指数的分布函数形式),整体看起来,只要假设每个概念自身还是指数衰减的,则还是满足指数衰减规律。当然,如果每一个概念独立加上每一个概念的指数函数形式一样,则整体来看肯定还是指数衰减的。

第二步,如果上面的结论是正面的,也就是说,整体来看,多个独立概念合起来的遗忘曲线是指数的,如果假设每一个都是指数的,那么,我们就可以考虑概念之间的联系(这时候需要从理论上假设一种联系的网络),是否可以把指数的衰减变成幂率的衰减。

上面这个两步还可以这样来做:找一个遗忘曲线指数衰减行为的模型,如果前人已经做过的话,在这个基础上,加上概念之间的联系,看看遗忘曲线的函数形式是不是会改变。

在这里,一个关键,就是一旦有了网络,遗忘将如何发生。例如,我们可以这样,如果这个概念周围的其他概念的熟练程度还是大于某个阈值的,则甚至在这个概念本身的熟练程度比较小的时候,这个概念也是能够被回忆起来的。

从实验上,我们可以考虑人造的概念或者字的学习,其中一些概念的理据性(和其他概念之间的联系)比较强,其中一些没有理据。然后,测这些概念的遗忘率,来看两者是不是有区别。例如分成三种情况:所学习的人造字的内部结构是没有意义的(音、行、义之间没有联系),人造字的内部结构是有意义的(音、行、义之间有联系)但是不提醒被试这个联系,人造字的内部结构是有意义的(音、行、义之间有联系)同时提醒被试这个联系。然后来看学习这的遗忘曲线。甚至,我们可以考虑结合脑科学研究,比较一下这三种情况下脑活动是不是有区别,例如活跃区域的区别,或者更有意思的脑活跃模式(例如连通性之类的指标)的区别。

下一步的工作

  1. 文献调研,看看Ebbinghaus遗忘曲线的实验和模型的研究
  2. 做理论模型的探索
  3. 做实验研究的探索

另一个研究背景

实际上,除了遗忘曲线的形状,理解型学习和机械式学习一个更加要对比的是学习效果,包含遗忘时间(也就是就算遗忘曲线相同但是遗忘时间不一样,也是有意义的差别)、知识迁移应用能力、学习方法的迁移应用能力。[7][8]的研究发现,花大致相同的学习时间,如果我们只看记忆召回率的话,基于概念地图的理解型学习远远不如基于重复测验的机械式学习。

当然,这个研究非常有问题:对采用概念地图来做理解型学习的被试的培训非常不充分,很有可能这些被试其实并没有学会概念地图也不会理解型学习;测试题也仅仅是考查记忆召回,而没有看知识用于解决问题用于帮助其他知识的理解型学习的能力,更加没有看理解型学习这个方法迁移到其他知识的学习的能力。但是,要注意,这是实验研究。实验研究本身总是有意义的。你可以说实验没设计好,所以,结论有问题,但是这实验也表明,如果要比拼学习的时间成本和简单的记忆找回效果,则理解型学习确实不见得不重复记忆好,不管是通过考试的方式来重复,还是通过背诵的方式来重复。

于是,问题来了,那你来设计严格的实验检验,能够体现出来理解型学习的好处的实验检验啊!

理解型学习可能的好处是:长期记忆的效果更好,也就是说,由于是理解了再形成的记忆,就算没有做很高频率的记忆召回练习,也能够在学习者的知识结构中保持很长时间;系统性,也就是说具有成长性,后续内容的学习,由于前面内容的理解型学习以及通过搞懂联系来学习的习惯,实际上会降低成本;创造性,由于更善于看到联系,在把知识用于解决问题和提出问题上,有优势;可以更好地教给别人。

那么,能不能设计一些实验来检验是不是真的有这些好处呢?

参考文献

  1. Ebbinghaus H. (2013). Memory: a contribution to experimental psychology. Annals of neurosciences, 20(4), 155–156(2013). doi:10.5214/ans.0972.7531.200408. https://en.wikisource.org/wiki/Memory:_A_Contribution_to_Experimental_Psychology
  2. Murre JMJ, Chessa AG. Power laws from individual differences in learning and forgetting: mathematical analyses. Psychonomic Bulletin & Review. 2011;18(3):592-597. doi:10.3758/s13423-011-0076-y.
  3. JOHN T. WIXTED and EBBE B. EBBESEN Genuine power curves in forgetting: A quantitative analysis ofindividual subject forgetting functions, Memory & Cognition 1997,25 (5), 731-739 https://link.springer.com/content/pdf/10.3758%2FBF03211316.pdf
  4. Murre JMJ, Dros J (2015) Replication and Analysis of Ebbinghaus’ Forgetting Curve. PLoS ONE 10(7): e0120644. doi:10.1371/journal. pone.0120644.
  5. Kahana, M., Adler, M., 2002. Note on the power law of forgetting. https://memory.psych.upenn.edu/files/pubs/KahaAdle02.pdf
  6. Donkin C., Nosofsky RM., A power-law model of psychological memory strength in short- and long-term recognition. Psychol Sci. 2012 Jun;23(6):625-34. doi: 10.1177/0956797611430961.
  7. Jeffrey D. Karpicke, Janell R. Blunt, Retrieval Practice Produces More Learning than Elaborative Studying with Concept Mapping. Science, 331(6018), 772-775 (2011). 10.1126/science.1199327.
  8. M. Teresa Lechuga, Juana M. Ortega-Tudela, Carlos J. Gómez-Ariza, Further evidence that concept mapping is not better than repeated retrieval as a tool for learning from texts, Learning and Instruction, 40, 61-68 (2015), https://doi.org/10.1016/j.learninstruc.2015.08.002.

本分类目前不含有任何页面或媒体文件。