分类:理解型学习和机械式学习对比
研究背景和问题
前人研究发现人类在习得新词汇的意义时会激活头脑中的奖赏系统 (Ripolles et al., 2014)。
Ripolles et al. (2014)考察了36名被试在完成词汇学习任务时奖赏脑区——腹侧纹状体（ventral striatum, VS）——的活动情况。发现被试在学得新词意义的时候（M+ vs. M-; M+学得vs. M-没学得；M+ = 可获得词义的条件；M- = 不可获得词义的条件），VS会强烈激活，而且这样的激活与被试在奖赏任务中的激活很相似，而且VS与皮层上的脑区存在更强的功能连接。
此外，他们还考察了被试的VS与皮层上脑区的白质纤维束，发现该纤维束的径向弥散（radial diffusivity, RD）与被试学得新词的比例存在负相关。然而更大的RD反映的是轴突更细或髓鞘化程度更小。该研究揭示了人类在学得新词时奖赏系统会参与其中，并且这可能是人类获得语言的关键优势。该研究的亮点在于考察了奖赏（动机）与语言学习的关系，并且从多个角度（i.e. 不同对方方式的激活、功能连接和解剖连接）共同指向VS以增加结论的可信度。
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
- 文献调研，看看Ebbinghaus遗忘曲线的实验和模型的研究
- 做理论模型的探索
- 做实验研究的探索
参考文献
引用错误：<references>中定义的<ref>标记带有未在前文中出现的组（group）属性“”。
引用错误：<references>中定义的<ref>标记带有未在前文中出现的组（group）属性“”。
引用错误：<references>中定义的<ref>标记带有未在前文中出现的组（group）属性“”。
引用错误：<references>中定义的<ref>标记带有未在前文中出现的组（group）属性“”。
引用错误：<references>中定义的<ref>标记带有未在前文中出现的组（group）属性“”。
引用错误：<references>中定义的<ref>标记带有未在前文中出现的组（group）属性“”。
