在線測驗(yàn)法在統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性研究中的應(yīng)用

劉琦?盧張龍

摘 要 統(tǒng)計(jì)學(xué)習(xí)指從外界輸入的時(shí)間信息和空間信息中發(fā)現(xiàn)概率規(guī)律并以此規(guī)律學(xué)習(xí)新事物。近年來統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性成為研究熱點(diǎn)，但統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性研究采用的任務(wù)以及使用的離線測驗(yàn)法存在不足，降低了統(tǒng)計(jì)學(xué)習(xí)能力測驗(yàn)的信效度。未來研究應(yīng)進(jìn)一步深化理論，綜合運(yùn)用反應(yīng)時(shí)、眼動(dòng)、事件相關(guān)電位等在線測驗(yàn)法，建立信效度更高的統(tǒng)計(jì)學(xué)習(xí)能力測驗(yàn)。

關(guān)鍵詞 統(tǒng)計(jì)學(xué)習(xí)；個(gè)體差異性；在線測驗(yàn)；離線測驗(yàn)

分類號(hào) B844

DOI：10.16842/j. cnki. issn2095-5588.2023.06.006

1 引言

日常生活中，嬰兒接觸大量言語刺激，并通過這些語言信息對內(nèi)在語法規(guī)則進(jìn)行學(xué)習(xí)，即發(fā)生語言學(xué)習(xí)。語言學(xué)習(xí)離不開統(tǒng)計(jì)學(xué)習(xí)，是統(tǒng)計(jì)學(xué)習(xí)的一個(gè)特例。Saffran等（1996）首次提出統(tǒng)計(jì)學(xué)習(xí)概念，指從外界輸入的時(shí)間信息和空間信息中發(fā)現(xiàn)概率規(guī)律并以此規(guī)律學(xué)習(xí)新事物（于文勃等， 2021; Saffran et al.， 1996; Saffran & Kirkham， 2018; Siegelman et al.，2018）。統(tǒng)計(jì)學(xué)習(xí)成為研究熱點(diǎn)，受到越來越多研究者的關(guān)注（鄧玨等， 2021；徐貴平等， 2020; Frost et al.， 2019; Lavi-Rotbain & Arnon， 2021; Sherman et al.， 2020）。統(tǒng)計(jì)學(xué)習(xí)早期研究更多關(guān)注統(tǒng)計(jì)學(xué)習(xí)的普遍性，近年來越來越關(guān)注統(tǒng)計(jì)學(xué)習(xí)的個(gè)體差異性，重視統(tǒng)計(jì)學(xué)習(xí)成績的個(gè)體差異及統(tǒng)計(jì)學(xué)習(xí)過程的個(gè)體差異（盧張龍等， 2022; Growns et al.， 2020; Lany & Shoaib， 2019; Siegelman & Frost， 2015; Siegelman et al.， 2020）。

統(tǒng)計(jì)學(xué)習(xí)研究一般采用離線測驗(yàn)法（Frost et al.， 2019），離線測驗(yàn)包含兩個(gè)階段：熟悉階段和測驗(yàn)階段。熟悉階段向被試呈現(xiàn)一連串刺激，被試不知道刺激遵循統(tǒng)計(jì)規(guī)則。統(tǒng)計(jì)規(guī)則一般采用三聯(lián)體，三個(gè)刺激連續(xù)呈現(xiàn)構(gòu)成一個(gè)三聯(lián)體，三聯(lián)體內(nèi)的第一個(gè)刺激可以預(yù)測出后兩個(gè)刺激，三聯(lián)體間不存在可預(yù)測性，三聯(lián)體內(nèi)的轉(zhuǎn)換概率高于三聯(lián)體間的。在熟悉階段，被試被動(dòng)地注意刺激，沒有記錄下統(tǒng)計(jì)學(xué)習(xí)相關(guān)信息。測驗(yàn)階段一般采用2擇1迫選問卷，向被試呈現(xiàn)三聯(lián)體和新異刺激，要求被試判斷哪個(gè)刺激更熟悉，正確判斷得分作為統(tǒng)計(jì)學(xué)習(xí)指標(biāo)。如果得分顯著高于隨機(jī)水平，就認(rèn)為發(fā)生了統(tǒng)計(jì)學(xué)習(xí)。

可以看出，離線測驗(yàn)法是統(tǒng)計(jì)學(xué)習(xí)完成后對統(tǒng)計(jì)學(xué)習(xí)成績進(jìn)行測量，而不是對統(tǒng)計(jì)學(xué)習(xí)過程本身進(jìn)行測量（盧張龍， 2021; Batterink & Paller， 2017; Siegelman et al.， 2018， 2019），Siegelman等認(rèn)為離線測驗(yàn)法所測得的成績并不是統(tǒng)計(jì)學(xué)習(xí)的良好指標(biāo)（Siegelman， Bogaerts， Christiansen et al.， 2017），他們認(rèn)為離線測驗(yàn)法存在三點(diǎn)不足：第一，測驗(yàn)階段測驗(yàn)的數(shù)量少。個(gè)體差異性測驗(yàn)需要測驗(yàn)的數(shù)量多，以增加樣本間變異性，減少測驗(yàn)誤差。統(tǒng)計(jì)學(xué)習(xí)任務(wù)一般包含八個(gè)三聯(lián)體，測驗(yàn)階段只需要4～8次判斷，三聯(lián)體不重復(fù)的話，測驗(yàn)階段測驗(yàn)的數(shù)量少。第二，大部分被試成績處于隨機(jī)水平，降低了研究效度。如果大部分被試處于隨機(jī)水平，即使整體成績高于隨機(jī)，大部分?jǐn)?shù)據(jù)也是無效的。成績高于隨機(jī)水平，可能是由于猜測造成的。第三，所有測驗(yàn)項(xiàng)目都是相同類型和同等難度。測驗(yàn)階段項(xiàng)目的難度相同，測驗(yàn)的區(qū)分度差，不利于區(qū)分個(gè)體間差異。迫選測驗(yàn)項(xiàng)目主要有兩類：目標(biāo)三聯(lián)體和新三聯(lián)體。測驗(yàn)項(xiàng)目屬于相同類型和同等難度，會(huì)導(dǎo)致兩方面問題。一個(gè)是理論問題，相同類型測驗(yàn)項(xiàng)目重復(fù)施測只能檢測出能力的一部分。另一個(gè)是統(tǒng)計(jì)問題。按照項(xiàng)目反應(yīng)理論，相同類型和同等難度測驗(yàn)只能檢測出相同分布區(qū)域的信息，這將導(dǎo)致低統(tǒng)計(jì)學(xué)習(xí)者回答完全錯(cuò)誤或高統(tǒng)計(jì)學(xué)習(xí)者回答完全正確，低統(tǒng)計(jì)學(xué)習(xí)者之間或高統(tǒng)計(jì)學(xué)習(xí)者之間無法進(jìn)行區(qū)分。這將不可避免增加測驗(yàn)誤差和降低任務(wù)可信度。經(jīng)典的智力測驗(yàn)和工作記憶測驗(yàn)包含了不同難度測驗(yàn)，可以區(qū)分不同被試，可以通過改變測驗(yàn)項(xiàng)目難度實(shí)現(xiàn)。

2 在線測驗(yàn)法

針對離線測驗(yàn)法存在的不足，有人提出了在線測驗(yàn)法，在線測驗(yàn)法指記錄下統(tǒng)計(jì)學(xué)習(xí)過程中被試的反應(yīng)，通過在線測驗(yàn)法可以記錄熟悉階段的統(tǒng)計(jì)學(xué)習(xí)過程（Arnon， 2020; Siegelman， Bogaerts， Frost， 2017; Siegelman et al.， 2018）。通過在線測驗(yàn)法，一方面，可以將統(tǒng)計(jì)學(xué)習(xí)的認(rèn)知加工過程進(jìn)行區(qū)分，例如刺激的知覺編碼和分布特征的學(xué)習(xí)；另一方面，可以得到統(tǒng)計(jì)學(xué)習(xí)的學(xué)習(xí)曲線；而且可以避免測驗(yàn)階段的干擾，統(tǒng)計(jì)學(xué)習(xí)成績更加可靠。目前在線測驗(yàn)法主要有以下幾種：反應(yīng)時(shí)法、眼動(dòng)記錄法、事件相關(guān)電位和腦磁圖。統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性研究可以綜合使用在線測量法獲取不同指標(biāo)，提高統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性研究的信效度。

2.1 反應(yīng)時(shí)法

2.1.1 自定義速度法

以往統(tǒng)計(jì)學(xué)習(xí)研究要求被試被動(dòng)地觀看刺激串，而自定義速度法則要求被試主動(dòng)按鍵呈現(xiàn)下一個(gè)刺激，記錄下每個(gè)刺激的反應(yīng)時(shí)，自定義速度法假設(shè)三聯(lián)體刺激的按鍵速度快于隨機(jī)刺激的。Karuza等（2014）、Siegelman等（2018）、Witteloostuijn等（2019）采用自定義速度法，Karuza等使用非連續(xù)人工語法范式（aXb，刺激a預(yù)測刺激b，X指刺激隨機(jī)呈現(xiàn)），發(fā)現(xiàn)可預(yù)測刺激的按鍵快于不可預(yù)測刺激的，并且隨著練習(xí)次數(shù)的增加，可預(yù)測刺激和不可預(yù)測刺激的反應(yīng)時(shí)差異逐漸增大；Siegelman等（2018）發(fā)現(xiàn)三聯(lián)體第一個(gè)刺激的反應(yīng)時(shí)長于三聯(lián)體第二個(gè)和第三個(gè)刺激的；Witteloostuijn等（2019）發(fā)現(xiàn)5～8歲兒童可預(yù)測性刺激的反應(yīng)時(shí)短于不可預(yù)測性刺激的。

2.1.2 反應(yīng)時(shí)法

自定義速度法中的按鍵是為了控制刺激的呈現(xiàn)速度，而反應(yīng)時(shí)法中的按鍵是認(rèn)知加工過程的反映，需要被試根據(jù)目標(biāo)刺激做出相應(yīng)按鍵反應(yīng)。Misyak等（2010）首次提出了非連續(xù)性人工語法的反應(yīng)時(shí)測量。聽覺刺激遵循語法規(guī)則aXb，被試聽聲音刺激的同時(shí)，屏幕上呈現(xiàn)六個(gè)非詞，要求被試點(diǎn)擊相應(yīng)的非詞。結(jié)果發(fā)現(xiàn)，對可預(yù)測性位置所在的非詞刺激（例如aXb中的b）反應(yīng)速度比不可預(yù)測性位置所在的非詞刺激快（例如aXb中的a）。當(dāng)aXb語法規(guī)則消失后，這種效應(yīng)消失。結(jié)果表明，被試能夠區(qū)分可預(yù)測性聲音和不可預(yù)測性聲音。Gómez等（2011）提出了滴答檢測任務(wù)，要求被試對聲音刺激中出現(xiàn)的滴答聲做出反應(yīng)。滴答聲出現(xiàn)在詞語之間或詞語之中，結(jié)果發(fā)現(xiàn)滴答聲出現(xiàn)在詞語之間時(shí)的反應(yīng)速度快于詞語之中的。Gómez等認(rèn)為這是由于詞內(nèi)轉(zhuǎn)換概率高，詞間轉(zhuǎn)換概率低造成的。Qi等（2018）提出了目標(biāo)檢測任務(wù)，呈現(xiàn)聽覺或視覺刺激三聯(lián)體，被試對12個(gè)刺激中的目標(biāo)刺激進(jìn)行按鍵反應(yīng)，目標(biāo)刺激是三聯(lián)體的最后一個(gè)刺激，是可預(yù)測性刺激。結(jié)果發(fā)現(xiàn)成人和兒童對視覺刺激存在統(tǒng)計(jì)學(xué)習(xí)，反應(yīng)變快。

2.2 眼動(dòng)記錄法

眼動(dòng)記錄法不需要被試做出按鍵反應(yīng)，在自然條件下觀看刺激，對觀看刺激過程中的眼動(dòng)反應(yīng)進(jìn)行記錄。Karimian等（2020）比較了語言發(fā)育遲緩兒童和正常兒童的統(tǒng)計(jì)學(xué)習(xí)能力，分析了他們統(tǒng)計(jì)學(xué)習(xí)過程中的眼動(dòng)。有三個(gè)屏幕，刺激出現(xiàn)在其中一個(gè)屏幕，兒童需要注視刺激所在屏幕，通過攝像機(jī)記錄下兒童的眼動(dòng)和頭動(dòng)。實(shí)驗(yàn)完成后對錄像進(jìn)行逐幀分析，獲取眼動(dòng)/頭動(dòng)數(shù)據(jù)，兒童的反應(yīng)包括預(yù)期觀察和反應(yīng)觀察。結(jié)果發(fā)現(xiàn)語言發(fā)育遲緩兒童和正常兒童的統(tǒng)計(jì)學(xué)習(xí)成績沒有差異，表明統(tǒng)計(jì)學(xué)習(xí)能力和語言能力不相關(guān)。

2.3 事件相關(guān)電位

事件相關(guān)電位技術(shù)應(yīng)用于統(tǒng)計(jì)學(xué)習(xí)研究，可以揭示出統(tǒng)計(jì)學(xué)習(xí)發(fā)生、發(fā)展的時(shí)間進(jìn)程（Daltrozzo & Conway， 2014; Kóbor et al.， 2018， 2019）。主要有兩種研究思路，第一種是記錄下統(tǒng)計(jì)學(xué)習(xí)熟悉階段的EEG，對三聯(lián)體第一個(gè)刺激和第三個(gè)刺激誘發(fā)的ERP進(jìn)行比較（Abla et al.， 2008），三聯(lián)體第一個(gè)刺激誘發(fā)的ERP大于三聯(lián)體第三個(gè)刺激誘發(fā)的，即三聯(lián)體啟動(dòng)效應(yīng)；第二種是記錄下統(tǒng)計(jì)學(xué)習(xí)測驗(yàn)階段的EEG，對熟悉三聯(lián)體和新異三聯(lián)體誘發(fā)的ERP進(jìn)行比較（Fran?ois & Sch?n， 2011），熟悉材料誘發(fā)的ERP大于非熟悉材料誘發(fā)的，即熟悉效應(yīng)。

2.3.1 三聯(lián)體啟動(dòng)效應(yīng)

在聽覺統(tǒng)計(jì)學(xué)習(xí)（Abla et al.， 2008）和視覺統(tǒng)計(jì)學(xué)習(xí)（Abla & Okanoya， 2009）中，均發(fā)現(xiàn)了三聯(lián)體啟動(dòng)效應(yīng)，均存在N400成分，即三聯(lián)體首元素所誘發(fā)的N400波幅比第二、三個(gè)元素更明顯。Abla等（2008）通過ERP分析了統(tǒng)計(jì)學(xué)習(xí)發(fā)生發(fā)展的時(shí)間進(jìn)程。呈現(xiàn)連續(xù)聲音流同時(shí)記錄腦電，并將統(tǒng)計(jì)學(xué)習(xí)過程分為三個(gè)階段。結(jié)果發(fā)現(xiàn)，在刺激出現(xiàn)后約400 ms 的時(shí)候，靠近額中央?yún)^(qū)位置出現(xiàn)一個(gè)明顯N400，這一ERP效應(yīng)可能和大腦中提取統(tǒng)計(jì)規(guī)則的過程有關(guān)。進(jìn)一步根據(jù)迫選測驗(yàn)結(jié)果將被試分為高表現(xiàn)組、中等表現(xiàn)組以及低表現(xiàn)組，并比較不同表現(xiàn)組在加工聲音流時(shí)的N400效應(yīng)。結(jié)果發(fā)現(xiàn)，盡管行為測驗(yàn)結(jié)果表明所有被試都習(xí)得了統(tǒng)計(jì)規(guī)則，但不同組之間的ERP效應(yīng)卻不相同。在高表現(xiàn)組，N400效應(yīng)出現(xiàn)在學(xué)習(xí)第一個(gè)階段；在中等表現(xiàn)組中，N400效應(yīng)出現(xiàn)在學(xué)習(xí)第三個(gè)階段；而低表現(xiàn)組在學(xué)習(xí)任何階段都沒有出現(xiàn)N400效應(yīng)。不同表現(xiàn)組之間的學(xué)習(xí)效應(yīng)出現(xiàn)時(shí)間不同，這表明學(xué)習(xí)者成功提取統(tǒng)計(jì)規(guī)則的速度不同。高表現(xiàn)者能夠更快地提取統(tǒng)計(jì)規(guī)則，中等表現(xiàn)組在較晚階段才提取了統(tǒng)計(jì)規(guī)則，而低表現(xiàn)組可能需要更長時(shí)間提取統(tǒng)計(jì)規(guī)則。Batterink和Paller（2017）進(jìn)一步發(fā)現(xiàn)統(tǒng)計(jì)學(xué)習(xí)知識(shí)是漸進(jìn)獲取的。呈現(xiàn)給被試三音節(jié)的無意義人造詞和隨機(jī)音節(jié)串，結(jié)果發(fā)現(xiàn)規(guī)則音節(jié)流中的三音節(jié)詞的神經(jīng)夾帶高于隨機(jī)音節(jié)的，隨著學(xué)習(xí)次數(shù)的增加，這種效應(yīng)更加明顯；而且三音節(jié)詞誘發(fā)的N400波幅大于隨機(jī)音節(jié)串誘發(fā)的，隨著學(xué)習(xí)次數(shù)的增加這種效應(yīng)更加明顯。結(jié)果表明統(tǒng)計(jì)學(xué)習(xí)知識(shí)是漸進(jìn)獲取的，由新異刺激逐漸轉(zhuǎn)換為熟悉刺激。

2.3.2 熟悉效應(yīng)

Fran?ois和Sch?n（2011）通過熟悉效應(yīng)，考察了音樂訓(xùn)練對統(tǒng)計(jì)學(xué)習(xí)的影響。Fran?ois和Sch?n使用基于人工語法結(jié)構(gòu)的語音和旋律材料，以音樂家和非音樂家為被試，記錄下統(tǒng)計(jì)學(xué)習(xí)的ERP。結(jié)果發(fā)現(xiàn)在語音測驗(yàn)階段，音樂家誘發(fā)的N1波幅顯著大于非音樂家的，而且在750～850ms的時(shí)間窗口內(nèi)，音樂家表現(xiàn)出熟悉效應(yīng)，而非音樂家則沒有表現(xiàn)出熟悉效應(yīng)；在旋律測驗(yàn)階段，音樂家的N1和P2波幅都顯著大于非音樂家的，而且在350～550ms表現(xiàn)出熟悉效應(yīng)，而非音樂家在該時(shí)間窗沒有表現(xiàn)出熟悉效應(yīng)。結(jié)果表明音樂訓(xùn)練對聽覺統(tǒng)計(jì)學(xué)習(xí)具有促進(jìn)效應(yīng)。Fran?ois等（2014）進(jìn)一步將時(shí)間分為四部分，比較了不同時(shí)間段的N400波幅。音樂家的N400波幅表現(xiàn)出線性增加趨勢，在第四時(shí)間段下降，呈現(xiàn)倒U型學(xué)習(xí)曲線。音樂家N400波幅下降是因?yàn)槿?lián)體重復(fù)出現(xiàn)，出現(xiàn)了熟悉效應(yīng)。這項(xiàng)研究表明，音樂家具有更高的聽覺統(tǒng)計(jì)學(xué)習(xí)效率。

2.4 腦磁圖

Altamura等（2014）使用腦磁圖考察了統(tǒng)計(jì)學(xué)習(xí)不同學(xué)習(xí)階段的腦活動(dòng)。他們將學(xué)習(xí)過程分為四個(gè)階段，結(jié)果發(fā)現(xiàn)，統(tǒng)計(jì)學(xué)習(xí)不同學(xué)習(xí)階段涉及不同腦區(qū)。統(tǒng)計(jì)學(xué)習(xí)初期，在顳葉與運(yùn)動(dòng)區(qū)誘發(fā)出顯著的α波和β波；統(tǒng)計(jì)學(xué)習(xí)后期，在右側(cè)頂-枕區(qū)和左側(cè)顳中葉誘發(fā)出顯著的α波。Altamura等認(rèn)為這些腦電成分的激活反映了大腦對規(guī)律信息的自動(dòng)化加工。

Paraskevopoulos團(tuán)隊(duì)（2011， 2017， 2018）通過腦磁圖系列研究證實(shí)了音樂訓(xùn)練對聽覺統(tǒng)計(jì)學(xué)習(xí)和視-聽跨通道統(tǒng)計(jì)學(xué)習(xí)具有促進(jìn)作用。Paraskevopoulos等（2011）首次使用腦磁圖對比了音樂家和非音樂家的聽覺統(tǒng)計(jì)學(xué)習(xí)。結(jié)果發(fā)現(xiàn)音樂家的P50效應(yīng)（標(biāo)準(zhǔn)音和偏差音之間的差異波）顯著大于非音樂家的，表明長期的音樂訓(xùn)練促進(jìn)了聽覺統(tǒng)計(jì)學(xué)習(xí)能力。Paraskevopoulos等（2017）使用腦磁圖對比了音樂家和非音樂家與聽覺統(tǒng)計(jì)學(xué)習(xí)相關(guān)的皮質(zhì)網(wǎng)絡(luò)功能連接，結(jié)果發(fā)現(xiàn)，與非音樂家相比，音樂家聽覺統(tǒng)計(jì)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)具有更大的密度和效率，音樂家在聽覺統(tǒng)計(jì)學(xué)習(xí)中激活的皮層網(wǎng)絡(luò)包含了更廣泛的組織結(jié)構(gòu)，包括雙側(cè)顳葉后部、雙側(cè)頂內(nèi)小葉、雙側(cè)顳中回和前扣帶回。但是，Paraskevopoulos等人還發(fā)現(xiàn)與非音樂家相比，音樂家的額下回活動(dòng)有所減弱，這可能是因?yàn)橐魳芳以诮y(tǒng)計(jì)學(xué)習(xí)加工過程中涉及了更多不同的活動(dòng)源，因此額下回區(qū)域的激活相對較小。Paraskevopoulos等（2018）進(jìn)一步使用腦磁圖，考察了音樂家和非音樂家在聽覺、視覺和視-聽跨通道三聯(lián)體統(tǒng)計(jì)學(xué)習(xí)的神經(jīng)機(jī)制。結(jié)果發(fā)現(xiàn)，在探測違反統(tǒng)計(jì)規(guī)則的聽覺刺激時(shí)，音樂家右側(cè)顳上回、前輔助運(yùn)動(dòng)區(qū)的右側(cè)額上回、左側(cè)中央前回和右側(cè)額下回活動(dòng)明顯增強(qiáng)，且和非音樂家存在顯著差異；在探測違反統(tǒng)計(jì)規(guī)則的視-聽刺激時(shí)，音樂家右側(cè)顳上回和前輔助運(yùn)動(dòng)區(qū)右側(cè)額上回的活動(dòng)明顯增強(qiáng)，且和非音樂家存在明顯差異；但是視覺統(tǒng)計(jì)學(xué)習(xí)，音樂家和非音樂家的組間差異并不顯著。Paraskevopoulos等人還考察了統(tǒng)計(jì)學(xué)習(xí)任務(wù)中皮層區(qū)域之間的信息流強(qiáng)度，結(jié)果發(fā)現(xiàn)，在右側(cè)顳上回從右側(cè)額上回所接收到的信息量、右側(cè)顳上回送往右側(cè)顳橫回與左側(cè)額下回的信息量、左側(cè)額下回從右側(cè)顳上回和右側(cè)額上回接收到的信息量以及左側(cè)額下回送往右側(cè)顳橫回的信息量上，音樂家和非音樂家表現(xiàn)出顯著的組間差異；而且，與非音樂家相比，音樂家統(tǒng)計(jì)學(xué)習(xí)皮質(zhì)網(wǎng)絡(luò)各節(jié)點(diǎn)間的平均信息流顯著增加，結(jié)果表明音樂訓(xùn)練增強(qiáng)了皮質(zhì)網(wǎng)絡(luò)連通性。

3 研究展望

統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性研究取得了不少研究成果，成為統(tǒng)計(jì)學(xué)習(xí)的一個(gè)重要研究方向，但是統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性研究在理論和研究方法方面還存在不足（Erickson et al.， 2016; Siegelman， Bogaerts， Christiansen et al.， 2017; Siegelman， Bogaerts， Frost， 2017）。

3.1 統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性理論

Frost等（2015）認(rèn)為統(tǒng)計(jì)學(xué)習(xí)存在個(gè)體差異性，一方面是由于視覺、聽覺等刺激編碼存在個(gè)體差異；另一方面是由于對刺激表征以及表征分布統(tǒng)計(jì)特征的加工速度存在個(gè)體差異。但目前還缺乏統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性理論，這也是統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性研究存在問題的根本原因。而已有統(tǒng)計(jì)學(xué)習(xí)理論普遍存在一個(gè)問題，即不夠精準(zhǔn)（Bogaerts et al.， 2021），不同統(tǒng)計(jì)學(xué)習(xí)理論中概念存在交叉重疊，以致于同一個(gè)任務(wù)范式用來測量不同成分；不同任務(wù)范式用來測量同一個(gè)成分，一定程度上造成了研究結(jié)果混淆。理論與方法相輔相成，理論的不統(tǒng)一，造成統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性研究的方法存在差異，進(jìn)而造成不統(tǒng)一甚至相互矛盾的研究結(jié)果。統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性研究的時(shí)間相對較短，統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性理論研究很少，還處于起步階段。在Conway、Siegelman等理論基礎(chǔ)上（Daltrozzo & Conway， 2014; Siegelman et al.， 2015， 2020; Siegelman， Bogaerts， Christiansen et al.， 2017; Walk & Conway， 2016），我們認(rèn)為應(yīng)當(dāng)對統(tǒng)計(jì)學(xué)習(xí)能力進(jìn)一步細(xì)分，統(tǒng)計(jì)學(xué)習(xí)能力是多元的，不是一種能力而是一組能力。

統(tǒng)計(jì)學(xué)習(xí)個(gè)體差異性研究還需要注意區(qū)分統(tǒng)計(jì)學(xué)習(xí)和序列學(xué)習(xí)兩個(gè)概念。統(tǒng)計(jì)學(xué)習(xí)與序列學(xué)習(xí)既有聯(lián)系又有區(qū)別。統(tǒng)計(jì)學(xué)習(xí)和序列學(xué)習(xí)都是程序性記憶的子成分（Kóbor et al.， 2018；Simor et al.， 2019），都是無目的、無意識(shí)學(xué)習(xí)（Batterink et al.， 2019; Christiansen， 2019）。為此有人認(rèn)為統(tǒng)計(jì)學(xué)習(xí)和序列學(xué)習(xí)是同一種機(jī)制，是一個(gè)概念（Daltrozzo & Conway， 2014）；但也有人認(rèn)為統(tǒng)計(jì)學(xué)習(xí)和序列學(xué)習(xí)不是同一種機(jī)制（Tal et al.， 2021）。統(tǒng)計(jì)學(xué)習(xí)和序列學(xué)習(xí)存在三點(diǎn)不同：第一，統(tǒng)計(jì)學(xué)習(xí)和序列學(xué)習(xí)的發(fā)展軌跡不同。Németh等（2013）認(rèn)為序列學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)從11歲開始具有不同發(fā)展特征，統(tǒng)計(jì)學(xué)習(xí)下降，序列學(xué)習(xí)能力增強(qiáng)。序列學(xué)習(xí)是漸進(jìn)發(fā)展，統(tǒng)計(jì)學(xué)習(xí)習(xí)得速度很快，并且統(tǒng)計(jì)學(xué)習(xí)表征穩(wěn)定，不會(huì)隨著學(xué)習(xí)次數(shù)增加而發(fā)生改變（Simor et al.， 2019）。第二，序列學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)的腦機(jī)制不同。內(nèi)隱序列學(xué)習(xí)與腹側(cè)嗅周皮層有關(guān)，外顯序列學(xué)習(xí)與基底神經(jīng)節(jié)有關(guān)。知覺統(tǒng)計(jì)學(xué)習(xí)與雙側(cè)海馬有關(guān)，運(yùn)動(dòng)統(tǒng)計(jì)學(xué)習(xí)與基底神經(jīng)節(jié)和運(yùn)動(dòng)區(qū)有關(guān)，與海馬無關(guān)（Rose et al.， 2011; Simor et al.， 2019）。第三，壓力對序列學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)的影響不同。壓力提高了統(tǒng)計(jì)學(xué)習(xí)成績，但對序列學(xué)習(xí)成績沒有影響，但降低了序列學(xué)習(xí)知識(shí)的外顯性（Toth-Faber et al.， 2020）。

3.2 統(tǒng)計(jì)學(xué)習(xí)能力測驗(yàn)

能力測驗(yàn)需要滿足一定標(biāo)準(zhǔn)，比如分半信度、重測信度、內(nèi)部效度、成績的變異性等。如果不能滿足這些標(biāo)準(zhǔn)，不能作為能力測驗(yàn)（Siegelman et al.， 2018）。目前統(tǒng)計(jì)學(xué)習(xí)能力測驗(yàn)還未被廣泛接受和使用，與統(tǒng)計(jì)學(xué)習(xí)能力測驗(yàn)本身存在的問題有很大關(guān)系。未來統(tǒng)計(jì)學(xué)習(xí)能力測驗(yàn)研究還需要進(jìn)一步解決兩大問題：第一個(gè)是統(tǒng)計(jì)學(xué)習(xí)能力測驗(yàn)的信效度問題。統(tǒng)計(jì)學(xué)習(xí)在線測驗(yàn)信度低，這可能是由于，第一，反應(yīng)時(shí)成績依賴于被試的反應(yīng)速度，反應(yīng)速度快的被試反應(yīng)時(shí)成績提高得少，降低了統(tǒng)計(jì)學(xué)習(xí)成績。第二，由于次要任務(wù)消耗了部分注意資源而降低了統(tǒng)計(jì)學(xué)習(xí)成績（Franco et al.， 2015），降低了研究的信度（Siegelman， Bogaerts， Frost， 2017）和效度（Franco et al.， 2015）。統(tǒng)計(jì)學(xué)習(xí)能力測驗(yàn)效度低，有如下幾點(diǎn)原因：第一，統(tǒng)計(jì)學(xué)習(xí)研究以高概率三聯(lián)體學(xué)習(xí)為主，但真實(shí)環(huán)境中不只包含三聯(lián)體規(guī)律，而且也不局限于高概率三聯(lián)體；第二，真實(shí)環(huán)境中的規(guī)律更抽象、更復(fù)雜；第三，統(tǒng)計(jì)學(xué)習(xí)研究的材料格式上統(tǒng)一，例如相同大小或類別。真實(shí)環(huán)境中規(guī)律包含材料的很多特征都不是統(tǒng)一的；第四，統(tǒng)計(jì)學(xué)習(xí)研究往往在短時(shí)間內(nèi)對材料學(xué)習(xí)進(jìn)行重復(fù)多遍學(xué)習(xí)，但真實(shí)環(huán)境中的規(guī)律需要很長時(shí)間，而且很少重復(fù)出現(xiàn)（Bogaerts et al.， 2020; Lavi-Rotbain & Arnon， 2021）；第五，統(tǒng)計(jì)學(xué)習(xí)研究通過迫選測驗(yàn)對學(xué)習(xí)效果進(jìn)行評(píng)估，迫選測驗(yàn)無法得知統(tǒng)計(jì)學(xué)習(xí)發(fā)生發(fā)展的時(shí)間進(jìn)程，敏感性低（Frost et al.， 2019; Siegelman， Bogaerts， Frost， 2017; Siegelman et al.， 2018）。需要更為高效的能力測驗(yàn)解決這些問題。

第二個(gè)需要解決的問題是統(tǒng)計(jì)學(xué)習(xí)在線測驗(yàn)法成績和離線測驗(yàn)法成績相關(guān)性問題。有研究發(fā)現(xiàn)在線測驗(yàn)法成績和離線測驗(yàn)法成績高相關(guān)（Karuza et al.， 2014）；有研究發(fā)現(xiàn)在線測驗(yàn)法成績和離線測驗(yàn)法成績不相關(guān)（Franco et al.， 2015）。統(tǒng)計(jì)學(xué)習(xí)在線測驗(yàn)法和離線測驗(yàn)法成績低相關(guān)，一方面反映出統(tǒng)計(jì)學(xué)習(xí)理論問題，例如在線測驗(yàn)法和離線測驗(yàn)法分別反映了統(tǒng)計(jì)學(xué)習(xí)的不同成分（Misyak et al.， 2010）；在線測驗(yàn)法和離線測驗(yàn)法分別反映了統(tǒng)計(jì)學(xué)習(xí)的內(nèi)隱知識(shí)或外顯知識(shí)（Bertels et al.， 2012）。另一方面表明在線測驗(yàn)法的信度低，在線測驗(yàn)法不準(zhǔn)確或不穩(wěn)定。此外，在線測驗(yàn)法中的次要任務(wù)可能干擾了統(tǒng)計(jì)學(xué)習(xí)，次要任務(wù)分散了注意資源，降低了統(tǒng)計(jì)學(xué)習(xí)成績。為了提高在線測驗(yàn)法的信效度，得到更穩(wěn)定的在線測驗(yàn)和離線測驗(yàn)相關(guān)關(guān)系，未來研究需要進(jìn)一步提高研究的精準(zhǔn)性（Bogaerts et al.， 2021）。

參考文獻(xiàn)

鄧玨，葉子青，周加仙 （2021）. 音樂訓(xùn)練對統(tǒng)計(jì)學(xué)習(xí)能力的促進(jìn)作用. 心理發(fā)展與教育，37（6），904-912.

盧張龍（2021）. 眼動(dòng)記錄法在序列學(xué)習(xí)研究中的應(yīng)用. 心理研究，14（6），512-517.

盧張龍，劉夢娜，劉玉潔，馬盼盼，張瑞平（2022）. 內(nèi)隱序列學(xué)習(xí)表征機(jī)制探究： 眼動(dòng)證據(jù). 心理學(xué)報(bào)，54（7），779-788.

徐貴平，范若琳，金花 （2020）. 統(tǒng)計(jì)學(xué)習(xí)的認(rèn)知神經(jīng)機(jī)制及其與語言的關(guān)系.心理科學(xué)進(jìn)展，28（9），1525-1538.

于文勃，王璐，瞿邢芳，王天琳，張晶晶，梁丹丹（2021）. 轉(zhuǎn)換概率和詞長期待對語音統(tǒng)計(jì)學(xué)習(xí)的影響. 心理學(xué)報(bào)，53（6），565-574.

Abla， D.， Katahira. K.， & Okanoya， K. （2008）. On-line assessment of statistical learning by event-related Potentials. Journal of Cognitive Neuroscience， 20（6）， 952-964.

Abla， D.， & Okanoya， K. （2009）. Visual statistical learning of shape sequences： An ERP study. Neuroscience Research， 64（2）， 185-190.

Altamura， M.， Carver， F. W.， Elvevag， B.， Weinberger， D. R.， & Coppola， R. （2014）. Dynamic cortical involvement in implicit anticipation during statistical learning. Neu-roscience Letters， 558， 73-77.

Arnon， I. （2020）. Do current statistical learning tasks cap-ture stable individual differences in children？ An inves-tigation of task reliability across modality. Behavior Research Methods， 52（1）， 68-81.

Batterink， L. J.， & Paller， K. A. （2017）. Online neural monitoring of statistical learning. Cortex， 90， 31-45.

Batterink， L. J.， Paller， K. A.， & Reber， P. J. （2019）. Understanding the neural bases of implicit and statistical learning. Topics in Cognitive Science， 11（3）， 1-22.

Bertels， J.， Franco， A.， & Destrebecqz， A. （2012）. How implicit is visual statistical learning？ Journal of Ex-perimental Psychology： Learning， Memory， and Cognition， 38（5）， 1425-1431.

Bogaerts， L.， Frost， R.， & Christiansen， M. H. （2020）. Integrating statistical learning into cognitive science. Journal of Memory and Language， 115， 104167.

Bogaerts， L.， Siegelman， N.， & Frost， R. （2021）. Statistical learning and language impairments： Toward more precise theoretical accounts. Perspectives on Psychological Science， 16（2）， 319-337.

Christiansen， M. H. （2019）. Implicit statistical learning： A tale of two literatures. Topics in Cognitive Science， 11（3）， 468-481.

Daltrozzo， J.， & Conway， C. M. （2014）. Neurocognitive mechanisms of statistical sequential learning： What do event-related potentials tell us？ Frontiers in Human Neuroscience， 8， 437.

Erickson， L. C.， Kaschak， M. P.， Thiessen， E. D. & Berry， C. A. S. （2016）. Individual differences in statistical learning： Conceptual and measurement issues. Collabra， 2（1）， 14.

Franco， A.， Eberlen， J.， Destrebecqz， A.， Cleeremans， A.， & Bertels， J. （2015）. Rapid serial auditory pres-entation： A new measure of statistical learning in speech segmentation. Experimental Psychology， 62（5）， 346-351.

Fran?ois， C.， Jaillet， F.， Takerkart， S.， & Sch?n， D. （2014）. Faster sound stream segmentation in musicians than in nonmusicians. PLoS One， 9， e101340.

Fran?ois， C.， & Sch?n， D. （2011）. Musical expertise boosts implicit learning of both musical and linguistic structures. Cereb Cortex， 21（10）， 2357-2365.

Frost， R.， Armstrong， B. C.， & Christiansen， M. H. （2019）. Statistical learning research： A critical review and possible new directions. Psychological Bulletin， 145（12）， 1128-1153.

Frost， R.， Armstrong， B. C.， Siegelman， N.， & Christiansen， M. H. （2015）. Domain generality versus modality specificity： The paradox of statistical learning. Trends in cognitive science， 19（3）， 117-125.

Gómez， D. M.， Bion， R. A. H.， & Mehler， J. （2011）.The word segmentation process as revealed by click detection. Language and Cognitive Processes， 26（2）， 212-223.

Growns， B.， Siegelman， N.， & Martire， K. A. （2020）. The multi-faceted nature of visual statistical learning： Individual differences in learning conditional and distr-ibutional regularities across time and space. Psychonomic Bulletin & Review， 27（5）， 1291-1299.

Karimian， F.， Kazemi， Y.， & Najimi， A. （2020）. Statistical learning in late talkers and normal peers. Advanced Biomedical Research， 9， 22.

Karuza， E. A.， Farmer， T. A.， Fine， A. B.， Smith， F. X.， & Jaeger， T. F. （2014）. Online measures of prediction in a self-paced statistical learning task. Proc Cognitive Science society， 36， 725-730.

Kóbor， A.， Horváth， K.， Kardos， Z.， Takács， á.， Janacsek， K.， Csépe， V.， & Németh， D. （2019）. Tracking the implicit acquisition of nonadjacent transitional probabilities by ERPs. Memory & Cognition， 47（8）， 1546-1566.

Kóbor， A.， Takács， á.， Kardos， A.， Janacsek， K.， Horváth， K.， Csépe， V.， & Németh， D. （2018）. ERPs differentiate the sensitivity to statistical probabilities and the learning of sequential structures during procedural learning. Biological Psychology， 135， 180-193.

Lany， J.， & Shoaib， A. （2019）. Individual differences in non-adjacent statistical dependency learning in infants. Journal of Child Language， 47（2）， 1-25.

Lavi-Rotbain， O.， & Arnon， I. （2021）. Visual statistical learning is facilitated in Zipfian distributions. Cognition， 206， 104492.

Misyak， J. B.， Christiansen， M. H.， & Tomblin， J. B. （2010）. On-line individual differences in statistical learning predict language processing. Frontiers in Psychology， 1， 31.

Németh， D.， Janacsek， K.， & Fiser， J. （2013）. Age-dependent and coordinated shift in performance between implicit and explicit skill learning. Frontiers in Computational Neuroscience， 7， 147.

Paraskevopoulos， E.， Chalas， N.， & Bamidis， P. （ 2017）. Functional connectivity of the cortical network supporting statistical learning in musicians and non-musicians： An MEG study. Scientific Reports， 7（1），16268.

Paraskevopoulos， E.， Chalas， N.， Kartsidis， P.， Wollbrink， A.， & Bamidis， P. （2018）. Statistical learning of multisensory regularities is enhanced in musicians： An MEG study. Neuroimage， 175， 150-160.

Paraskevopoulos， E.， Kuchenbuch， A.， Herholz， S.， & Pantev， C. （2011）. Musical training effects on statistical learning of melodies： An MEG study. Neuroscience Letters， 500， 43.

Qi， Z.， Sanchez Araujo， Y.， Georgan， W. C.， Gabrieli， J. D & Arciuli， J. （2018）. Hearing matters more than seeing： A cross-modality study of statistical learning and reading ability. Scientific Studies of Reading， 23， 101-115.

Rose， M.， Haider， H.， Salari， N.， & Büchel， C. （2011）. Fun-ctional dissociation of hippocampal mechanism during implicit learning based on the domain of associations. The Journal of Neuroscience， 31（39）， 13739-13745.

Saffran， J. R.， Aslin， R. N.， & Newport， E. L. （1996）. Statistical learning by 8-month-old infants. Science， 274（5294）， 1926-1928.

Saffran， J. R.， & Kirkham， N. Z. （2018）. Infant statistical learning. Annual Review of Psychology， 69（1）， 181-203.

Sherman， B. E.， Graves， K. N.， & Turk-Browne， N. B. （2020）. The prevalence and importance of statistical learning in human cognition and behavior. Current Opinion in Behavioral Sciences， 32， 15-20.

Siegelman， N.， Bogaerts， L.， Armstrong， B. C.， & Frost， R. （2019）. What exactly is learned in visual statistical learning？ Insights from Bayesian modeling. Cognition， 192， 104002.

Siegelman， N.， Bogaerts， L.， Christiansen， M. H.， & Frost， R. （2017）. Towards a theory of individual differences in statistical learning. Philosophical Transactions of the Royal Society B： Biological Sciences， 372， 20160059.

Siegelman， N.， Bogaerts， L.， & Frost， R. （2017）. Measuring individual differences in statistical learning： Current pitfalls and possible solutions. Behavior Research Methods， 49， 418-432.

Siegelman， N.， Bogaerts， L.， Kronenfeld， O.， & Frost， R. （2018）. Redefining “Learning” in statistical lear-ning： What does an online measure reveal about the assimilation of visual regularities？ Cognitive Science， 42（53）， 692-727.

Siegelman， N.， & Frost， R. （2015）. Statistical learning as an individual ability： Theoretical perspectives and empirical evidence. Journal of Memory and Language， 81， 105-120.

Siegelman， N.， Rueckl， J. G.， Steacy， L. M. Frost， S. J. Van den Bunt， M.， Zevin， J. D.， ... Morris， R. D. （2020）. Individual differences in learning the regularities between orthography， phonology and semantics predict early reading skills. Journal of Memory and Language， 114， 104145.

Simor， P.， Zavecz， Z.， Horváth， K.， ?ltet? ， N.， T?r?k， C.， Pesthy， O.， ... Németh， D. （2019）. Deconstructing procedural memory： Different learning trajectories and consolidation of sequence and statistical learning. Frontiers in Psychology， 9， 2708.

Tal， A.， Bloch， A.， Cohen-Dallal， H.， Aviv， O.， Ashkenazi， S. S.， Bar， M.， & Vakil， E. （2021）. Oculomotor anticipation reveals a multitude of learning processes underlying the serial reaction time task. Scientific Reports， 11， 6190.

Toth-Faber， E.， Janacsek， K.， Szollosi， A.， Keri， S.， & Németh， D. （2020）. Procedural learning under stress： Boosted statistical learning but unaffected sequence learning. BioRxiv， 092726.

Walk， A. M.， & Conway， C. M. （2016）. Cross-domain statistical-sequential dependencies are difficult to learn. Frontiers in Psychology， 7， 250.

Witteloostuijn， M. V.， Lammertink， I.， Boersma， P.， Wijnen， F.， & Rispens， J. （2019）. Assessing visual statistical learning in early-school-aged children： the usefulness of an online reaction time measure. Frontiers in Psychology， 10， 2051.