知覺學(xué)習(xí)中非顯著性刺激視覺加工的學(xué)習(xí)機(jī)制

摘 "要 "非顯著性刺激的知覺學(xué)習(xí)研究發(fā)現(xiàn)成人大腦具有可塑性， 但是知覺學(xué)習(xí)如何影響不同的視覺加工階段仍不清楚。通過將眼動指標(biāo)劃分為3個視覺加工階段來探究知覺學(xué)習(xí)的機(jī)制：搜索潛伏期（早期）， 是指從搜索屏呈現(xiàn)到第一次眼跳離開初始注視點(diǎn)位置的時間， 代表了在搜索屏中選擇第一個搜索位置的時間; 注視點(diǎn)個數(shù)和平均注視時間（中期）， 代表搜索過程中注視加工的位置個數(shù)和平均加工時間; 確定時間（后期）， 代表判斷當(dāng)前刺激是否為目標(biāo)并做出反應(yīng)的時間。結(jié)果發(fā)現(xiàn)對訓(xùn)練刺激的搜索正確率提高， 反應(yīng)時變快， 同時搜索潛伏期顯著增加， 注視點(diǎn)個數(shù)和平均注視時間減少， 且行為和眼動指標(biāo)的變化都沒有遷移至未訓(xùn)練刺激。說明知覺學(xué)習(xí)會影響早期和中期視覺加工階段， 可能通過增長搜索潛伏期， 同時減少眼跳的次數(shù)和降低注視時間來提高搜索表現(xiàn)。

關(guān)鍵詞 "知覺學(xué)習(xí)， 非顯著性刺激， 學(xué)習(xí)機(jī)制， 視覺加工， 眼動

分類號 "B842

1 "引言

知覺學(xué)習(xí)是指知覺能力隨著知覺訓(xùn)練或由于經(jīng)驗(yàn)而改變的現(xiàn)象（Fahle， 2005）。早期的研究者認(rèn)為， 大腦的可塑性是嬰幼兒和兒童時期具有的能力， 成人大腦不具備可塑性（Hubel amp; Wiesel， 1965）， 因此早期感覺區(qū)域的可塑性被認(rèn)為局限于出生后生命早期的關(guān)鍵期。然而， 研究發(fā)現(xiàn)即使是初級感覺皮層在成年后也具有可塑性（Gilbert et al.， 2001）。視覺領(lǐng)域知覺學(xué)習(xí)的研究采用多種任務(wù)， 都發(fā)現(xiàn)人類的視覺表現(xiàn)會隨著練習(xí)而顯著提高， 比如視覺光柵的檢測或辨別（Kahnt et al.， 2011）、運(yùn)動方向辨別（Liu amp; Weinshall， 2000）、紋理辨別任務(wù)（Karni amp; Sagi， 1991）等。

知覺學(xué)習(xí)有兩個基本特性：遷移性與特異性（馬小麗 等， 2009）。遷移性是指經(jīng)過訓(xùn)練后， 被試對訓(xùn)練刺激的視知覺能力有明顯提高， 同時這種能力的提高也表現(xiàn)在與之相似的刺激上（馬小麗 等， 2009; Fahle， 2005）。以往研究表明知覺訓(xùn)練的學(xué)習(xí)效果在某些情況下可以遷移到未訓(xùn)練的刺激， 比如朝向（J. Y. Zhang et al.， 2010）、空間位置（Xiao et al.， 2008）、運(yùn)動方向（Liu amp; Weinshall， 2000）等。采用聯(lián)合特征刺激（例如顏色和形狀）的知覺學(xué)習(xí)研究發(fā)現(xiàn)， 知覺學(xué)習(xí)效應(yīng)具有遷移性（Ding et al.， 2023; Su et al.， 2014）， Su等人（2014）和Ding等人（2023）分別探討了短期（40 ～ 50分鐘）和長期（6 ～ 10天）的線段顏色?朝向聯(lián)合特征搜索學(xué)習(xí)的遷移性， 結(jié)果都發(fā)現(xiàn)學(xué)習(xí)效應(yīng)不能遷移到顏色和朝向同時變化的目標(biāo)條件， 但可以部分遷移至只有一個特征（顏色或朝向）發(fā)生變化的目標(biāo)條件。在Ding等人（2003）采用線段朝向作為刺激進(jìn)行知覺學(xué)習(xí)， 研究結(jié)果發(fā)現(xiàn)雖然知覺學(xué)習(xí)效應(yīng)在行為上沒有表現(xiàn)出遷移性， 但在大腦活動上出現(xiàn)了遷移。然而， 知覺學(xué)習(xí)的效應(yīng)并不總是遷移的， 其他一些研究發(fā)現(xiàn)知覺學(xué)習(xí)具有特異性（Fahle amp; Edelman， 1993; Saffell amp; Matthews， 2003）。特異性指的是知覺學(xué)習(xí)效應(yīng)只局限于訓(xùn)練的刺激特征（Saffell amp; Matthews， 2003）。例如， 在游標(biāo)視敏度辨別任務(wù)中， 對水平朝向游標(biāo)進(jìn)行訓(xùn)練后， 辨別能力提高， 但這種表現(xiàn)的提高并未遷移到垂直朝向（Fahle amp; Edelman， 1993）。單眼訓(xùn)練任務(wù)的結(jié)果也發(fā)現(xiàn)， 辨別能力的提高不會從訓(xùn)練眼遷移到未訓(xùn)練眼（Fahle et al.， 1995）。

顯著性視覺刺激在環(huán)境中相對醒目， 比如說明亮的交通燈、顏色鮮艷的廣告牌等等， 因其與周圍環(huán)境的差異更易引起人們的注意。而非顯著性視覺刺激在環(huán)境中相對不引人注意， 與周圍刺激的同質(zhì)性較高， 比如在不同朝向的三角形中搜索某個特定朝向的三角形。目前已經(jīng)有一些研究證據(jù)表明非顯著性刺激的知覺學(xué)習(xí)與初級感覺皮層的變化有關(guān)（Fang et al.， 2005; Maertens amp; Pollmann， 2005）。Maertens和Pollmann （2005）使用功能磁共振成像（fMRI）研究了知覺學(xué)習(xí)與初級視覺皮層的神經(jīng)相關(guān)性， 實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)知覺學(xué)習(xí)表現(xiàn)的提高伴隨初級視覺皮層（V1）神經(jīng)活動的增加， 同時這種知覺學(xué)習(xí)效果具有視野位置特異性。但也有證據(jù)表明非顯著性刺激的知覺學(xué)習(xí)與更高水平的認(rèn)知過程變化有關(guān)。例如， 研究者認(rèn)為與自主注意力控制或決策相關(guān)的高級腦區(qū)（如額葉和頂葉皮層）在知覺學(xué)習(xí)中起重要作用（Kahnt et al.， 2011; Law amp; Gold， 2008， 2009）。初級視覺皮層或高級大腦皮層的參與實(shí)際上反映了知覺學(xué)習(xí)特異性和遷移性的不同神經(jīng)機(jī)制。對于初級視覺皮層來說， 神經(jīng)元的感受野范圍有限， 不同的朝向或位置由不同的神經(jīng)元表征， 因此隨著知覺學(xué)習(xí)的進(jìn)行， 只有表征訓(xùn)練刺激的神經(jīng)元發(fā)生了改變， 所以當(dāng)知覺學(xué)習(xí)的變化涉及初級視覺皮層的改變時， 通常缺乏遷移性（Sagi amp; Tanne， 1994）。Bao等人（2010）發(fā)現(xiàn)光柵對比度檢測任務(wù)具有位置特異性， 且在知覺學(xué)習(xí)后C1成分振幅增大， C1被認(rèn)為源于V1， 表明知覺學(xué)習(xí)可能改變了初級視覺皮層的神經(jīng)元感受野特性。而高級視覺皮層具有更大的感受野， 單個神經(jīng)元可以對不同的簡單線段朝向和位置敏感（Desimone amp; Ungerleider， 1989）， 因此在涉及高級皮層的參與時， 知覺學(xué)習(xí)一般表現(xiàn)出遷移性。有研究采用運(yùn)動方向辨別任務(wù)探究知覺學(xué)習(xí)的神經(jīng)機(jī)制， 發(fā)現(xiàn)辨別能力提高且可以遷移到未訓(xùn)練刺激， 同時外側(cè)頂內(nèi)區(qū)（LIP）反應(yīng)增強(qiáng)， 說明表征決策的高級皮層變化與知覺學(xué)習(xí)相關(guān)（Law amp; Gold， 2008）。

朝向?qū)傩缘闹X學(xué)習(xí)研究一般包括簡單線段朝向（Ahissar amp; Hochstein， 1997）和復(fù)雜形狀朝向（例如三角形和T形） （Hu et al.， 2018; Qu et al.， 2017）兩種。有研究者發(fā)現(xiàn)簡單線段朝向的知覺學(xué)習(xí)具有遷移性（Ding et al.， 2003）。Fang等人（2005）研究發(fā)現(xiàn)線段朝向知覺學(xué)習(xí)與初級視覺皮層相關(guān)， 被試對特定朝向線段訓(xùn)練后， V1區(qū)域活動水平增強(qiáng)。Qu等人（2017）對復(fù)雜形狀朝向的知覺學(xué)習(xí)發(fā)現(xiàn)， 在訓(xùn)練后N2pc成分振幅增大， 表明復(fù)雜形狀朝向在知覺學(xué)習(xí)后可以自動捕獲注意。Sigman等人（2000）的研究發(fā)現(xiàn)復(fù)雜形狀朝向的知覺學(xué)習(xí)具有位置及朝向特異性， 所以認(rèn)為復(fù)雜形狀朝向的知覺學(xué)習(xí)可能與初級視覺皮層有關(guān)。

Qu等人（2017）的研究中采用三角形朝向進(jìn)行訓(xùn)練， 知覺學(xué)習(xí)后被試的搜索表現(xiàn)顯著提高， 但未發(fā)現(xiàn)遷移性。前人研究發(fā)現(xiàn)任務(wù)難度會影響知覺學(xué)習(xí)的遷移（Ahissar amp; Hochstein， 1997）， 在Qu等人（2017）的研究中訓(xùn)練后三角形的搜索正確率（p’）僅為0.345， 因此本研究通過減小搜索集大小來降低任務(wù)難度， 探究三角形朝向在知覺學(xué)習(xí)后遷移性的缺失是由于任務(wù)難度還是由于三角形朝向本身具有知覺學(xué)習(xí)的特異性。此外， 實(shí)際的搜索過程包含不同的認(rèn)知加工階段及指標(biāo)， 如搜索潛伏期、注視時間、注視點(diǎn)個數(shù)等。有研究者發(fā)現(xiàn)視覺搜索訓(xùn)練后， 搜索潛伏期延長， 注視點(diǎn)個數(shù)減少， 瀏覽時間變短， 搜索效率提高（Q. Zhang et al.， 2022）。采用現(xiàn)實(shí)場景作為刺激的研究發(fā)現(xiàn)， 當(dāng)目標(biāo)出現(xiàn)在高概率區(qū)域時相比于低概率區(qū)域平均注視時間更少， 確認(rèn)時間更短（Malcolm amp; Henderson， 2010）。因此， 只通過正確率和反應(yīng)時并不能反映實(shí)際的視覺加工過程。

我們參考前人研究將眼動劃分3個階段（Malcolm amp; Henderson， 2009）來探討非顯著性刺激的知覺學(xué)習(xí)機(jī)制：第一個階段為早期視覺加工階段， 選擇搜索潛伏期作為分析指標(biāo)， 是指從搜索屏呈現(xiàn)到第一次眼跳離開初始注視點(diǎn)位置的時間， 代表了在搜索屏中選擇第一個搜索位置的時間， 我們假設(shè)搜索潛伏期可能反映了在眼跳之前被試內(nèi)隱注意的分配。有研究發(fā)現(xiàn)在眼跳之前， 注意就已經(jīng)被分配到了目標(biāo)出現(xiàn)的位置（Casteau amp; Smith， 2020; Kowler et al.， 1995）。Q. Zhang等人（2022）的研究發(fā)現(xiàn)， 在知覺學(xué)習(xí)后， 搜索潛伏期延長， 并在第一次眼跳前觀察到了目標(biāo)引發(fā)的N2pc成分， 認(rèn)為被試在眼跳前已經(jīng)將內(nèi)隱注意分配到目標(biāo)位置。因此我們假設(shè)， 如果知覺學(xué)習(xí)后， 早期視覺加工階段即搜索潛伏期顯著變長， 說明被試可能通過增強(qiáng)內(nèi)隱注意來促進(jìn)搜索。第二個階段為中期視覺加工階段， 即瀏覽階段， 被定義為從第一次眼跳到最后一次注視開始的時間， 這個階段包括的指標(biāo)有注視點(diǎn)個數(shù)和注視點(diǎn)的平均停留時間。研究者發(fā)現(xiàn)知覺學(xué)習(xí)后， 注視點(diǎn)個數(shù)（Q. Zhang et al.， 2022）會發(fā)生變化， 表明知覺學(xué)習(xí)后被試只需要搜索更少的位置。因此知覺學(xué)習(xí)后， 如果注視點(diǎn)個數(shù)顯著變少， 那么說明是通過搜索更少的位置來促進(jìn)搜索表現(xiàn); 如果注視時間顯著變短， 那么說明加工每一個位置的視覺加工速度變快。第三個階段為后期視覺加工階段， 被定義為從最后一個注視點(diǎn)開始到按鍵為止， 即確定時間， 代表被試確定當(dāng)前位置刺激是否為目標(biāo)并做出判斷的過程。有研究發(fā)現(xiàn)， 當(dāng)目標(biāo)出現(xiàn)在高概率區(qū)域時確認(rèn)時間變短（Malcolm amp; Henderson， 2010）， 表明被試可以更快識別目標(biāo)。因此如果知覺學(xué)習(xí)后后期視覺加工階段發(fā)生變化， 說明知覺學(xué)習(xí)會影響被試對當(dāng)前位置是否有目標(biāo)的判斷過程。因此， 通過分析3個階段的指標(biāo)以及在前后測的差異， 可以探討非顯著性刺激的知覺學(xué)習(xí)效應(yīng)如何影響不同的視覺加工階段， 為進(jìn)一步理解知覺學(xué)習(xí)的機(jī)制提供實(shí)驗(yàn)證據(jù)。

2 "實(shí)驗(yàn)方法

2.1 "被試

基于Hu等人（2018）的相似實(shí)驗(yàn)范式對非顯著性刺激知覺學(xué)習(xí)的研究所得出的效應(yīng)量大?。é? p = 0.373）， 采用MorePower 6.0 （Campbell amp; Thompson，

2012）計(jì)算至少需要16名被試（power = 0.8， α = 0.05）。共24名健康的成年人（M = 21.23歲， SD = 2.02歲; 19個女性）有償參加了實(shí)驗(yàn)。所有被試視力或者矯正視力正常， 右利手， 并且對研究的目的不知情。實(shí)驗(yàn)前獲得所有被試的書面知情同意書以及閩南師范大學(xué)心理與教育研究倫理委員會的批準(zhǔn)（倫理批準(zhǔn)號：2022-06-01）。

2.2 "設(shè)備和刺激

采用EyeLink 1000 （SR Research， Ontario， Canada）眼動儀記錄被試的眼動軌跡， 并使用9點(diǎn)校準(zhǔn)的方式進(jìn)行校準(zhǔn)和確認(rèn)過程， 每組任務(wù)開始之前會進(jìn)行漂移校正。采用MATLAB （MathWorks， Natick， MA， USA）環(huán)境下的Psychtoolbox 3.0工具包（Brainard， 1997）生成并呈現(xiàn)實(shí)驗(yàn)刺激。在實(shí)驗(yàn)過程中采用頭托來固定被試的頭部。顯示器的分辨率為1920×1080， 屏幕長度為52.7 cm， 被試離屏幕的距離為63 cm。刺激陣列由8個黑色三角形組成（圖1A）， 用Spyder X （Lin et al.， 2023）測得亮度值為0.12 cd/m2， 所有的刺激都呈現(xiàn)在亮度值為20.9 cd/m2的灰色背景上。8個三角形的邊長都為1°， 且距離屏幕中央7°視角。實(shí)驗(yàn)中三角形有4種可能的朝向（朝上、朝下、朝左、朝右）。

2.3 "實(shí)驗(yàn)程序

整個實(shí)驗(yàn)共3天， 分為前測、訓(xùn)練和后測三個過程（圖1C）。第一天進(jìn)行前測和訓(xùn)練， 第二天只進(jìn)行訓(xùn)練， 第三天進(jìn)行訓(xùn)練和后測。每個被試隨機(jī)分配其中一個朝向作為訓(xùn)練三角形（例如朝上）， 隨機(jī)分配另外一個朝向作為未訓(xùn)練三角形（例如朝右）， 其他朝向的三角形始終作為干擾物呈現(xiàn)。

在前測與后測會有兩個搜索任務(wù)：分別為搜索

訓(xùn)練三角形任務(wù)（以朝上為例）和搜索未訓(xùn)練三角形任務(wù)（以朝右為例）， 各160個試次， 同時記錄被試的眼動軌跡。例如， 當(dāng)被試的任務(wù)是搜索訓(xùn)練三角形時， 在目標(biāo)不出現(xiàn)的試次（50%試次）中， 搜索顯示的8個三角形由3種朝向（朝下、朝左、朝右）的三角形隨機(jī)呈現(xiàn)。在目標(biāo)出現(xiàn)的試次中（50%試次）， 其中一個干擾物被訓(xùn)練三角形替換。當(dāng)被試的任務(wù)是搜索未訓(xùn)練三角形時， 在目標(biāo)不出現(xiàn)的試次（50%試次）中， 搜索顯示的8個三角形由3種朝向（朝下、朝左、朝上）的三角形隨機(jī)呈現(xiàn)。在目標(biāo)出現(xiàn)的試次中（50%試次）， 其中一個干擾物被未訓(xùn)練三角形替換。訓(xùn)練過程每天完成1600個試次（每組400個試次， 共4組）， 不記錄眼動軌跡。在訓(xùn)練過程， 只對訓(xùn)練刺激進(jìn)行訓(xùn)練， 與前后測中搜索訓(xùn)練三角形的任務(wù)相同。

前后測及訓(xùn)練的實(shí)驗(yàn)流程圖（如圖1B）， 每個試次開始會呈現(xiàn)中央注視點(diǎn)， 在記錄眼動時（前后測）， 被試需要持續(xù)盯住中央注視點(diǎn)（離中央注視點(diǎn)視角小于2°） 500 ms搜索屏才會呈現(xiàn); 沒有記錄眼動時（訓(xùn)練）， 中央注視點(diǎn)固定呈現(xiàn)500 ms后呈現(xiàn)搜索屏。搜索屏呈現(xiàn)之后被試可以自由眼動搜索， 并在保證正確的前提下盡快判斷目標(biāo)是否出現(xiàn)（50%的試次出現(xiàn)）， 被試需要在搜索屏消失之前按鍵， 通過按鍵盤方向鍵的左鍵來報(bào)告目標(biāo)出現(xiàn)， 或按右鍵來報(bào)告目標(biāo)不出現(xiàn)， 搜索屏在按鍵后立即消失或在未按鍵的情況下呈現(xiàn)2000 ms后消失。

2.4 "數(shù)據(jù)分析

2.4.1 "行為分析

正確率和反應(yīng)時（只計(jì)算正確試次）指標(biāo)均采用2 （目標(biāo)類型：訓(xùn)練三角形vs未訓(xùn)練三角形） × 2 （測試階段：前測vs后測）的重復(fù)測量方差分析。我們采用以下公式報(bào)告搜索任務(wù)的正確率：

p’ = （p ? fp）/（1 ? fp）

其中p和fp分別指擊中和虛報(bào)反應(yīng)的比例（Hu et al.， 2018; Qu et al.， 2017）。為了使研究結(jié)果更為可靠， 我們報(bào)告了貝葉斯因子BF10 （Wagenmakers et al.， 2018; Wasserstein amp; Lazar， 2016）。BF10小于1反映了更有利于零假設(shè)的證據(jù)（BF10為1 ～ 0.33反映了較弱的證據(jù); 0.33 ～ 0.1為中等證據(jù); lt; 0.1為支持零假設(shè)的非常強(qiáng)的證據(jù)）， BF10大于1反映了更有利于替代假設(shè)（H1）的證據(jù)（BF10為1 ～ 3反映了較弱的證據(jù); 3 ～ 10為中等證據(jù); gt; 10為支持替代假設(shè)的非常強(qiáng)的證據(jù)）。

2.4.2 "眼動分析

眼動指標(biāo)的分析同樣采用2 （目標(biāo)類型：訓(xùn)練三角形vs未訓(xùn)練三角形） × 2 （測試階段：前測vs后測）重復(fù)測量方差分析。將眼動軌跡劃分為注視、眼跳和眨眼， 眼跳的定義為速度超過30°/s， 加速度超過8000°/s2， 運(yùn)動距離超過0.1°; 眨眼的定義為超過3 ms的數(shù)據(jù)丟失; 其余的區(qū)間則被劃分為注視， 且注視時間超過100 ms以上被視為一個注視點(diǎn)。

分析了第一個階段的搜索潛伏期指標(biāo)， 定義為從搜索屏呈現(xiàn)到第一次眼跳離開初始注視點(diǎn)位置的時間; 第二個階段為瀏覽階段， 定義為從第一次發(fā)生眼跳到最后一次注視開始的掃描時間， 瀏覽階段中包括的指標(biāo)有注視點(diǎn)個數(shù)和注視點(diǎn)的平均停留時間; 第三個階段為確定時間， 定義為被試做出反應(yīng)前最后一次注視的持續(xù)時間。當(dāng)試次開始時， 被試伴隨著眨眼或眼跳， 或搜索潛伏期小于80 ms的試次從分析中剔除， 同時行為反應(yīng)錯誤的試次也在眼動分析中刪除。在目標(biāo)出現(xiàn)試次和目標(biāo)不出現(xiàn)試次中， 前測與后測搜索訓(xùn)練三角形和未訓(xùn)練三角形的正確試次個數(shù)如圖2所示。

3 "研究結(jié)果

3.1 "行為結(jié)果

對于正確率（圖3A）， 2 （目標(biāo)類型：訓(xùn)練三角形vs未訓(xùn)練三角形） × 2 （測試階段：前測vs后測）重復(fù)測量方差分析結(jié)果顯示， 目標(biāo)類型（F（1， 23） = 83.25， p lt; 0.001， η2 p = 0.78）、測試階段的主效應(yīng)（F（1， 23） = 49.59， p lt; 0.001， η2 p = 0.68）及其交互作用（F（1， 23） = 101.68， p lt; 0.001， η2 p = 0.82）顯著。簡單效應(yīng)分析發(fā)現(xiàn)， 訓(xùn)練三角形后測的正確率顯著高于前測（Δ ?0.37 ± 0.14， t（23） = ?13.31， p lt; 0.001， Cohen’s d = 2.77， BF10 = 2.99， 95% CI = [?0.43， ?0.31]）， 未訓(xùn)練三角形前后測差異不顯著（Δ 0.00 ± 0.18， t（23） = 0.07， p = 0.942）。前測時， 兩種目標(biāo)類型正確率無顯著差異（Δ 0.01 ± 0.12， t（23） = 0.22， p = 0.829）， 后測時， 兩種目標(biāo)類型的正確率差異顯著（Δ 0.38 ± 0.15， t（23） = 12.15， p lt; 0.001， Cohen’s d = 2.53， BF10 = 6.05， 95% CI = [0.32， 0.45]）。

對于反應(yīng)時， 當(dāng)目標(biāo)出現(xiàn)時（圖3B）， 目標(biāo)類型（F（1， 23） = 178.68， p lt; 0.001， η2 p = 0.89）、測試階段主效應(yīng)（F（1， 23） = 130.64， p lt; 0.001， η2 p = 0.85）及其交互作用（F（1， 23） = 142.72， p lt; 0.001， η2 p = 0.86）顯著。簡單效應(yīng)分析發(fā)現(xiàn)， 訓(xùn)練三角形后測顯著快于前測（Δ 0.50 ± 0.10 s， t（23） = 24.26， p lt; 0.001， Cohen’s d =5.06， BF10 = 7.29， 95% CI = [0.45， 0.54]）， 而未訓(xùn)練三角形前后測差異不顯著（Δ ?0.01 ± 0.18 s， t（23） = ?0.40， p = 0.696）。前測時， 兩種目標(biāo)類型反應(yīng)時無顯著差異（Δ 0.0 1 ± 0.10 s， t（23） = 0.75， p = 0.462）， 后測時， 兩種目標(biāo)類型反應(yīng)時差異顯著（Δ ?0.50 ± 0.16 s， t（23） = ?14.76， p lt; 0.001， Cohen’s d = 3.08， BF10 = 2.28， 95% CI = [?0.57， ?0.43]）。當(dāng)目標(biāo)不出現(xiàn)時（圖3C）， 目標(biāo)類型（F（1， 23） = 80.46，

p lt; 0.001， η2 p = 0.78）、測試階段主效應(yīng)（F（1， 23） = 65.62， p lt; 0.001， η2 p = 0.74）及其交互作用（F（1， 23） = 60.34， p lt; 0.001， η2 p = 0.72）顯著。簡單效應(yīng)分析發(fā)現(xiàn)， 訓(xùn)練三角形后測的反應(yīng)時顯著快于前測（Δ 0.45 ± 0.20 s， t（23） = 11.06， p lt; 0.001， Cohen’s d = 2.28， BF10 = 8.74， 95% CI = [0.36， 0.53]）， 而未訓(xùn)練三角形前后測反應(yīng)時無顯著差異（Δ 0.04 ± 0.17 s， t（23） = 1.13， p = 0.270）。前測時， 兩種目標(biāo)類型反應(yīng)時無顯著差異（Δ 0.04 ± 0.11 s， t（23） = 1.64， p = 0.114）， 后測時， 兩種目標(biāo)類型反應(yīng)時差異顯著（Δ ?0.37 ± 0.21 s， t（23） = ?8.85， p lt; 0.001， Cohen’s d = 1.84， BF10 = 1.72， 95% CI = [?0.46， ?0.28]）。這些結(jié)果表明， 訓(xùn)練三角形的正確率和反應(yīng)時在知覺學(xué)習(xí)后表現(xiàn)出明顯的知覺學(xué)習(xí)效果， 并且這種效果不會遷移到未訓(xùn)練三角形。

為了探究知覺學(xué)習(xí)效應(yīng)隨著訓(xùn)練量的變化， 我們將總訓(xùn)練量平均分成6個部分（訓(xùn)練量1-6）。正確率（圖4A）的重復(fù)測量方差分析結(jié)果顯示訓(xùn)練量主效應(yīng)顯著， F（1， 23） = 135.00， p lt; 0.001， η2 p = 0.85。事后比較的結(jié)果發(fā)現(xiàn)， 除訓(xùn)練量4和訓(xùn)練量5差異不顯著（p = 1.000）， 其余相鄰訓(xùn)練量差異均顯著（ps lt; 0.05）。目標(biāo)出現(xiàn)試次反應(yīng)時（圖4B）重復(fù)測量方差

分析結(jié)果發(fā)現(xiàn)， 訓(xùn)練量主效應(yīng)顯著， F（1， 23） = 167.38， p lt; 0.001， η2 p = 0.88。進(jìn)一步分析表明， 所有相鄰訓(xùn)練量差異均顯著（ps lt; 0.01）。目標(biāo)不出現(xiàn)試次反應(yīng)時（圖4C）重復(fù)測量方差分析結(jié)果發(fā)現(xiàn)， 訓(xùn)練量主效應(yīng)顯著， F（1， 23） = 65.96， p lt; 0.001， η2 p = 0.74。進(jìn)一步分析表明， 訓(xùn)練量2和訓(xùn)練量3差異不顯著（p = 0.144）， 訓(xùn)練量3和訓(xùn)練量4差異不顯著（p = 0.113）， 其余相鄰訓(xùn)練量差異均顯著（ps lt; 0.01）。這些結(jié)果說明經(jīng)過3天的訓(xùn)練， 被試表現(xiàn)逐步提升。

3.2 "眼動結(jié)果

3.2.1 "搜索潛伏期

目標(biāo)出現(xiàn)試次搜索潛伏期（圖5A）的2 （目標(biāo)類型：訓(xùn)練三角形vs未訓(xùn)練三角形） × 2（測試階段：前測vs后測）重復(fù)測量方差分析結(jié)果顯示， 目標(biāo)類型（F（1， 23） = 2.00， p = 0.171）和測試階段主效應(yīng) （F（1， 23） = 1.51， p = 0.232）不顯著， 交互作用（F（1， 23） = 4.53， p = 0.044， η2p = 0.16）顯著。簡單效應(yīng)分析結(jié)果表明， 訓(xùn)練三角形后測的搜索潛伏期顯著長于前測（Δ ?32.43 ± 63.95 ms， t（23） = ?2.48， p = 0.021， Cohen’s d = 0.52， BF10 = 2.65， 95% CI = [?59.43， ?5.42]）， 未訓(xùn)練三角形搜索潛伏期前后測差異不顯著（Δ 0.31 ± 83.42 ms， t（23） = 0.02， p = 0.986）。前測時， 兩種目標(biāo)類型搜索潛伏期差異不顯著（Δ ?3.99 ± 49.91 ms， t（23） = ?0.39， p = 0.699）， 后測時， 兩種目標(biāo)類型搜索潛伏期差異顯著（Δ 28.75 ± 63.51 ms， t（23） = 2.22， p = 0.037， Cohen’s d = 0.46， BF10 = 1.66， 95% CI = [1.93， 55.57]）。

目標(biāo)不出現(xiàn)試次的搜索潛伏期（圖5B）結(jié)果同樣發(fā)現(xiàn)， 目標(biāo)類型主效應(yīng)（F（1， 23） = 4.52， p = 0.044）顯著， 測試階段主效應(yīng)（F（1， 23） = 1.06， p = 0.315）不顯著， 交互作用顯著， F（1， 23） = 8.88， p = 0.007， η2p = 0.28。簡單效應(yīng)分析結(jié)果表明， 訓(xùn)練三角形后測的搜索潛伏期顯著長于前測（Δ ?45.16 ± 75.56 ms， t（23） = ?2.93， p = 0.008， Cohen’s d = 0.61， BF10 = 6.12， 95% CI = [?77.06， ?13.25]）， 未訓(xùn)練三角形搜索潛伏期前后測無顯著差異（Δ 13.51 ± 101.67 ms， t（23） = 0.65， p = 0.52）。前測時， 兩種目標(biāo)類型搜索潛伏期差異不顯著（Δ ?9.67 ± 65.28 ms， t（23） = ?0.73， p = 0.475）， 后測時差異顯著（Δ 49.00 ± 67.07 ms， t（23） = 3.58， p = 0.002， Cohen’s d = 0.75， BF10 = 23.40， 95% CI = [20.68， 77.32]）。這些結(jié)果說明， 無論目標(biāo)是否出現(xiàn)， 訓(xùn)練三角形的搜索潛伏期在訓(xùn)練后顯著性增加， 并且不會遷移到未訓(xùn)練三角形。

3.2.2 "注視點(diǎn)個數(shù)

目標(biāo)出現(xiàn)試次注視點(diǎn)個數(shù)（圖6A）結(jié)果發(fā)現(xiàn)， 目標(biāo)類型（F（1， 23） = 76.59， p lt; 0.001， η2 p = 0.77）、測試階段主效應(yīng)（F（1， 23） = 79.39， p lt; 0.001， η2 p = 0.78）及其交互作用（F（1， 23） = 51.74， p lt; 0.001， η2 p = 0.69）顯著。簡單效應(yīng)分析結(jié)果表明， 訓(xùn)練三角形后測的注視點(diǎn)個數(shù)顯著少于前測（Δ 2.04 ± 0.50， t（23） = 19.89， p lt; 0.001， Cohen’s d = 4.15， BF10 = 9.37， 95% CI = [1.83， 2.26]）， 未訓(xùn)練三角形注視點(diǎn)個數(shù)前后測無顯著差異（Δ ?0.02 ± 1.16， t（23） = ?0.10， p = 0.919）。前測時， 兩種目標(biāo)類型注視點(diǎn)個數(shù)差異不顯著（Δ 0.09 ± 0.89， t（23） = 0.48， p = 0.638）， 后測時差異顯著（Δ ?1.98 ± 0.88， t（23） = ?11.10， p lt; 0.001， Cohen’s d = 2.31， BF10 = 9.32， 95% CI = [?2.35， ?1.61]）。

目標(biāo)不出現(xiàn)試次注視點(diǎn)個數(shù)（圖6B）結(jié)果發(fā)現(xiàn)， 目標(biāo)類型（F（1， 23） = 59.65， p lt; 0.001， η2 p = 0.72）、測試階段主效應(yīng)（F（1， 23） = 71.24， p lt; 0.001， η2 p = 0.76）及其交互作用（F（1， 23） = 48.14， p lt; 0.001， η2 p = 0.68）顯著。簡單效應(yīng)分析結(jié)果表明， 訓(xùn)練三角形后測注視點(diǎn)個數(shù)顯著少于前測（Δ 2.23 ± 0.85， t（23） = 12.84， p lt; 0.001， Cohen’s d = 2.68， BF10 = 1.46， 95% CI = [1.87， 2.59]）， 未訓(xùn)練三角形注視點(diǎn)個數(shù)前后測無顯著差異（Δ 0.18 ± 1.14， t（23） = 0.79， p = 0.437）。前測時， 訓(xùn)練三角形瀏覽過程中注視點(diǎn)個數(shù)顯著多于未訓(xùn)練三角形（Δ 0.40 ± 0.73， t（23） = 2.65， p lt; 0.05， Cohen’s d = 0.55， BF10 = 3.59， 95% CI = [0.09， 0.70]）， 后測時， 訓(xùn)練三角形注視點(diǎn)個數(shù)顯著少于未訓(xùn)練三角形（Δ ?1.65 ± 0.91， t（23） = ?8.92， p lt; 0.001， Cohen’s d = 1.86， BF10 = 1.97， 95% CI = [?2.03， ?1.27]）。這些結(jié)果說明， 無論目標(biāo)是否出現(xiàn)， 訓(xùn)練后注視個數(shù)變少， 并且這種知覺學(xué)習(xí)效應(yīng)不會遷移到未訓(xùn)練三角形上。

3.2.3 "平均注視時間

目標(biāo)出現(xiàn)試次平均注視時間（圖7A）結(jié)果發(fā)現(xiàn)， 目標(biāo)類型（F（1， 23） = 82.58， p lt; 0.001， η2 p = 0.78）、測試階段主效應(yīng)（F（1， 23） = 39.63， p lt; 0.001， η2 p = 0.63）及其交互作用（F（1， 23） = 44.05， p lt; 0.001， η2 p = 0.66）顯著。簡單效應(yīng)分析結(jié)果表明， 訓(xùn)練三角形后測平均注視時間顯著短于前測（Δ 63.40 ± 42.04 ms，t（23） = 7.39， p lt; 0.001， Cohen’s d = 1.54， log （BF10） = 11.47， 95% CI = [45.65， 81.16]）， 未訓(xùn)練三角形平均注視時間前后測無顯著差異（Δ ?4.82 ± 23.23 ms， t（23） = ?1.02， p = 0.321）。前測時， 兩種目標(biāo)類型平均注視時間差異不顯著（Δ ?6.59 ± 19.90 ms， t（23） = ?1.62， p = 0.118）， 后測時差異顯著（Δ ?74.81 ± 42.84 ms， t（23） = ?8.56， p lt; 0.001， Cohen’s d = 1.87， log （BF10） = 13.80， 95% CI = [?92.90， ?56.73]）。

目標(biāo)不出現(xiàn)的試次平均注視時間（圖7B）結(jié)果發(fā)現(xiàn)， 目標(biāo)類型（F（1， 23） = 10.06， p lt; 0.01， η2 p = 0.30）主效應(yīng)顯著， 測試階段主效應(yīng)（F（1， 23） = 1.31， p = 0.263）及其交互作用（F（1， 23） = 0.29， p = 0.597）不顯著。這些結(jié)果說明， 當(dāng)目標(biāo)出現(xiàn)時， 在訓(xùn)練后搜索訓(xùn)練目標(biāo)的平均注視時間變短， 并且這種知覺學(xué)習(xí)效應(yīng)不會遷移到未訓(xùn)練三角形。

3.2.4 "確認(rèn)時間

目標(biāo)出現(xiàn)試次（圖8A）的確認(rèn)時間結(jié)果發(fā)現(xiàn)。目標(biāo)類型（F（1， 23） = 0.99， p = 0.329）、測試階段主效應(yīng)（F（1， 23） = 1.25， p = 0.274）及其交互作用（F（1， 23） = 1.70， p =0.206）均不顯著。目標(biāo)不出現(xiàn)試次（圖9B）確認(rèn)時間的結(jié)果顯示， 目標(biāo)類型（F（1， 23） =2.68， p = 0.115）、測試階段主效應(yīng)（F（1， 23） = 0.37， p = 0.552）及其交互作用（F（1， 23） = 2.47， p = 0.129）也均不顯著。這些結(jié)果說明訓(xùn)練并沒有顯著影響視覺加工的后期階段。

4 "討論

本研究采用與Qu等人（2017）類似的實(shí)驗(yàn)范式， 將整個視覺搜索的過程劃分為3個視覺加工階段， 更能直觀地探究知覺學(xué)習(xí)對不同階段產(chǎn)生的影響。本研究結(jié)果發(fā)現(xiàn)訓(xùn)練刺激在搜索潛伏期和瀏覽階段出現(xiàn)了顯著的知覺學(xué)習(xí)效應(yīng)， 然而代表后期視覺

加工階段的確認(rèn)時間并沒有受到知覺學(xué)習(xí)的影響， 這表明知覺學(xué)習(xí)效應(yīng)發(fā)生在視覺加工的相對早期和中期階段。為了進(jìn)一步探討知覺學(xué)習(xí)后搜索潛伏期增長與注視點(diǎn)個數(shù)減少之間的關(guān)系， 我們對搜索潛伏期與注視點(diǎn)個數(shù)進(jìn)行了皮爾遜相關(guān)分析， 結(jié)果發(fā)現(xiàn)搜索潛伏期與注視點(diǎn)個數(shù)呈顯著負(fù)相關(guān)（r23 = ?0.416， p lt; 0.05）， 表明搜索潛伏期越長， 注視點(diǎn)個數(shù)越少。同時我們根據(jù)注視點(diǎn)個數(shù)將目標(biāo)出現(xiàn)的試次分為兩類， 瀏覽過程中注視點(diǎn)個數(shù)為0是指刺激出現(xiàn)后被試只進(jìn)行了一次眼跳就做出了判斷， 所以被試從第一個眼跳直到按鍵中間僅有一個注視點(diǎn)， 而此注視點(diǎn)歸為確定時間， 并未計(jì)算到瀏覽過程中， 所以瀏覽過程中的注視點(diǎn)個數(shù)為0; 瀏覽過程中注視點(diǎn)個數(shù)大于0是指刺激出現(xiàn)后， 被試進(jìn)行了多于1次眼跳后才做出判斷， 即刺激出現(xiàn)后到按鍵中間有多于1個注視點(diǎn)。結(jié)果發(fā)現(xiàn)注視點(diǎn)個數(shù)為0 （30.32 ± 20.90%）的試次搜索潛伏期顯著長于注視點(diǎn)個數(shù)大于0 （69.70 ± 20.90%）的試次（p lt; 0.001）。Qu等人（2017）的研究也發(fā)現(xiàn)非顯著刺激的知覺學(xué)習(xí)引發(fā)了來自外紋狀視皮層LOC的N2pc成分， Q. Zhang等人（2022）也在知覺學(xué)習(xí)后發(fā)現(xiàn)了特異于訓(xùn)練目標(biāo)的顯著N2pc成分且在眼跳發(fā)生之前， 說明知覺學(xué)習(xí)后空間注意會集中到訓(xùn)練目標(biāo)刺激， 并在眼跳前進(jìn)行注意分配， 以優(yōu)化之后的搜索過程。因?yàn)橹挥性谘蹌赢a(chǎn)生之前將內(nèi)隱注意力分配給刺激時， 才能觀察到眼動前N2pc成分（Talcott amp; Gaspelin， 2021）。本文發(fā)現(xiàn)在知覺學(xué)習(xí)后注視點(diǎn)個數(shù)以及平均注視時間減少， 這可能在眼動之前就對內(nèi)隱注意進(jìn)行分配， 從而促進(jìn)搜索。

有研究者同樣記錄了知覺學(xué)習(xí)前后的眼動軌跡， 發(fā)現(xiàn)知覺學(xué)習(xí)后搜索潛伏期增長， 注視點(diǎn)個數(shù)減少（Q. Zhang et al.， 2022）， 這與本研究結(jié)果一致。

Q. Zhang等人（2022）采用的顏色?朝向聯(lián)合特征刺激屬于維度間特征聯(lián)結(jié)， 而本研究采用的三角形是維度內(nèi)特征聯(lián)結(jié)， 兩者都屬于非顯著性刺激， 說明無論是幾何形狀的知覺學(xué)習(xí)還是聯(lián)合特征的知覺學(xué)習(xí)， 在早期視覺加工階段可能存在相似的學(xué)習(xí)機(jī)制。但是在中期視覺加工階段， 盡管幾何形狀的知覺學(xué)習(xí)和聯(lián)合特征的知覺學(xué)習(xí)都有更少的注視點(diǎn)個數(shù)， 但聯(lián)合特征在知覺學(xué)習(xí)前后的平均注視時間差異不顯著（Q. Zhang et al.， 2022）， 這與幾何形狀的知覺學(xué)習(xí)結(jié)果不一致， 說明盡管幾何形狀和聯(lián)合特征的知覺學(xué)習(xí)在中期視覺加工階段可能存在相似的學(xué)習(xí)機(jī)制， 但是兩者之間的學(xué)習(xí)機(jī)制也并非完全相同。

雙可塑性模型（Dual-Plasticity model） 提出了兩種類型的知覺學(xué)習(xí)可塑性（Watanabe amp; Sasaki， 2015）：基于特征的可塑性和基于任務(wù)的可塑性?；谔卣鞯目伤苄员灰暈閷τ?xùn)練特征的神經(jīng)反應(yīng)的變化， 而基于任務(wù)的可塑性是指通過訓(xùn)練改善了與任務(wù)相關(guān)的處理過程， 這與視覺表征和認(rèn)知區(qū)域之間的連接性的變化相關(guān)（Shibata et al.， 2016）。這兩種可塑性說明知覺學(xué)習(xí)存在著不同的機(jī)制。在本研究中， 如果知覺學(xué)習(xí)是基于特征的可塑性， 那么目標(biāo)特征出現(xiàn)時的知覺學(xué)習(xí)效應(yīng)， 應(yīng)該與目標(biāo)不出現(xiàn)時不同。而本研究結(jié)果發(fā)現(xiàn)搜索潛伏期、注視點(diǎn)個數(shù)以及確認(rèn)時間無論在目標(biāo)特征出現(xiàn)或者不出現(xiàn)時的知覺學(xué)習(xí)效應(yīng)都是一致的， 說明非顯著刺激的知覺學(xué)習(xí)可能是基于任務(wù)的可塑性。

不同任務(wù)難度對知覺學(xué)習(xí)的結(jié)果也有不同影響， 較簡單任務(wù)的知覺學(xué)習(xí)一般涉及高級視皮層的變化， 因此會表現(xiàn)出遷移性， 而較困難和精細(xì)任務(wù)知覺學(xué)習(xí)一般涉及初級視覺皮層變化， 表現(xiàn)出特異性（Ahissar amp; Hochstein， 1997）。Qu等人（2017）在任務(wù)較難的情況下沒有發(fā)現(xiàn)知覺學(xué)習(xí)的遷移性， 本研究減少搜索集大小來降低任務(wù)難度后， 訓(xùn)練三角形朝向的知覺學(xué)習(xí)效應(yīng)仍未遷移到未訓(xùn)練三角形， 具有特異性。研究者認(rèn)為知覺學(xué)習(xí)缺乏遷移性可能是由于學(xué)習(xí)效應(yīng)的神經(jīng)基礎(chǔ)位于感覺加工的早期階段（Karni amp; Sagi， 1991）， 這種可塑性變化可能發(fā)生在初級視覺皮層。因?yàn)樵缙谝曈X皮層的神經(jīng)元具有較小的感受野， 并對簡單的刺激特征（如朝向）具有選擇性， 因此更容易表現(xiàn)出特異性。盡管一些研究者將知覺學(xué)習(xí)的特異性歸因于V1神經(jīng)元的可塑性， 但知覺學(xué)習(xí)的神經(jīng)機(jī)制可能更復(fù)雜。不僅涉及初級皮層的參與， 也涉及到感覺處理、決策、自上而下的任務(wù)相關(guān)性、行動選擇過程等大腦區(qū)域網(wǎng)絡(luò)的參與（Law amp; Gold， 2008， 2009）。這些感覺過程和認(rèn)知過程都可能在任務(wù)過程中發(fā)生改變， 知覺學(xué)習(xí)可能涉及多個過程、層次和大腦區(qū)域。因此， 未來研究應(yīng)把知覺學(xué)習(xí)視為過程性的改變， 可以從神經(jīng)生理角度探究不同腦區(qū)在知覺學(xué)習(xí)不同階段的參與情況， 而并非簡單的將知覺學(xué)習(xí)特異性歸為V1皮層的可塑性。

除了任務(wù)難度對知覺學(xué)習(xí)效果有影響之外， 訓(xùn)練時間對知覺學(xué)習(xí)也有不同影響。本研究在Qu等人（2017）的基礎(chǔ)上， 降低任務(wù)難度的同時雖然縮短了訓(xùn)練時間， 但前后測的結(jié)果表明被試的搜索能力有顯著的提高。有研究發(fā)現(xiàn)在短短一個小時的訓(xùn)練后， 知覺學(xué)習(xí)的成績迅速提高（Fahle et al.， 1995）， 同樣Ahissar與Hochstein （1996）在對pop-out檢測的知覺學(xué)習(xí)中也發(fā)現(xiàn)， 行為表現(xiàn)在訓(xùn)練1400個試次后有了顯著提升。Karni與Sagi （1993）提出知覺學(xué)習(xí)可能有快速學(xué)習(xí)階段和慢速學(xué)習(xí)階段， 快速學(xué)習(xí)階段是在訓(xùn)練后短時間有了顯著改善; 而慢速學(xué)習(xí)階段是在最后一次訓(xùn)練后6～8小時之后才表現(xiàn)出明顯的改善， 這一階段的變化通常與睡眠有關(guān)。Ding等人（2023）的研究對顏色?朝向聯(lián)合特征刺激進(jìn)行搜索訓(xùn)練， 訓(xùn)練后發(fā)現(xiàn)了顯著的知覺學(xué)習(xí)效應(yīng)， 且這種知覺學(xué)習(xí)效應(yīng)會遷移到與目標(biāo)共享相同顏色或朝向特征的新目標(biāo)上。在訓(xùn)練幾個月后再次后測時發(fā)現(xiàn)， 顏色特征的搜索表現(xiàn)相比于第一次后測顯著下降， 而朝向刺激的搜索表現(xiàn)與第一次后測沒有顯著差異， 研究者認(rèn)為， 朝向特征搜索能力的提高相對困難， 且慢速學(xué)習(xí)一般可以長期維持， 所以認(rèn)為朝向的學(xué)習(xí)主要是慢速學(xué)習(xí)的結(jié)果， 而顏色特征的學(xué)習(xí)可能是快速學(xué)習(xí)。

Ding等人（2023）的研究發(fā)現(xiàn)聯(lián)合特征的學(xué)習(xí)效果不僅可以部分遷移到與被訓(xùn)練目標(biāo)具有相同顏色或相同朝向的新目標(biāo)上， 并且學(xué)習(xí)效應(yīng)的總量近似等于單個特征遷移效應(yīng)的總和。說明聯(lián)合特征的知覺學(xué)習(xí)后并不是形成一個新的功能單元， 而是對單個特征進(jìn)行學(xué)習(xí)的， 說明了對聯(lián)合特征知覺學(xué)習(xí)是基于特征的注意增強(qiáng)機(jī)制（Ding et al.， 2023; Su et al.， 2014）。而根據(jù)單元化假設(shè)（unitization hypothesis）， 維度內(nèi)聯(lián)合特征（如三角形）經(jīng)過知覺學(xué)習(xí)后會形成一個與聯(lián)合特征相對應(yīng)的新的功能單元（Czerwinski et al.， 1992）， 并且知覺學(xué)習(xí)效應(yīng)特異于訓(xùn)練目標(biāo)， 不能遷移到任何新的目標(biāo)上（Su et al.， 2014）。未來研究需要更多的電生理證據(jù)從更深層次腦區(qū)加工的角度來探究兩者之間的學(xué)習(xí)機(jī)制。

5 "結(jié)論

本研究通過考察不同眼動指標(biāo)所代表的視覺加工階段探討知覺學(xué)習(xí)促進(jìn)搜索的學(xué)習(xí)機(jī)制。研究結(jié)果發(fā)現(xiàn)三角形朝向的知覺學(xué)習(xí)效應(yīng)主要發(fā)生在早期以及中期的視覺加工階段， 且具有特異性， 知覺學(xué)習(xí)可能是通過增加第一次眼跳前的搜索潛伏期來減少搜索的位置以及更快的加工每一個位置進(jìn)而提高搜索表現(xiàn)。

參 "考 "文 "獻(xiàn)

Ahissar， M.， amp; Hochstein， S. （1996）. Learning pop-out detection： Specificities to stimulus characteristics. Vision Research， 36（21）， 3487?3500. https：//doi.org/10.1016/0042- 6989（96）00036-3

Ahissar， M.， amp; Hochstein， S. （1997）. Task difficulty and the specificity of perceptual learning. Nature， 387（6631）， 401?406. https：//doi.org/10.1038/387401a0

Bao， M.， Yang， L.， Rios， C.， He， B.， amp; Engel， S. A. （2010）. Perceptual learning increases the strength of the earliest signals in visual cortex. Journal of Neuroscience， 30（45）， 15080?15084. https：//doi.org/10.1523/JNEUROSCI.5703-09. 2010

Brainard， D. H. （1997）. The psychophysics toolbox. Spatial Vision， 10（4）， 433?436. https：//doi.org/10.1163/156856897X00357

Campbell， J. I. D.， amp; Thompson， V. A. （2012）. MorePower 6.0 for ANOVA with relational confidence intervals and Bayesian analysis. Behavior Research Methods， 44（4）， 1255?1265. https：//doi.org/10.3758/s13428-012-0186-0

Casteau， S.， amp; Smith， D. T. （2020）. Covert attention beyond the range of eye-movements： Evidence for a dissociation between exogenous and endogenous orienting. Cortex， 122， 170?186. https：//doi.org/10.1016/j.cortex.2018.11.007

Czerwinski， M.， Lightfoot， N.， amp; Shiffrin， R. M. （1992）. Automatization and training in visual search. The American Journal of Psychology， 105（2）， 271?315. https：//doi.org/ 10.2307/1423030

Desimone， R.， amp; Ungerleider， L. G. （1989）. Neural mechanisms of visual processing in monkeys. Handbook of Neuropsychology， 2（1983）， 267?299.

Ding， Y.， Li， T.， amp; Qu， Z. （2023）. Is a new feature learned behind a newly efficient color-orientation conjunction search？ Psychonomic Bulletin and Review， 30（1）， 250?260. https：//doi.org/10.3758/s13423-022-02156-3

Ding， Y.， Song， Y.， Fan， S.， Qu， Z.， amp; Chen， L. （2003）. Specificity and generalization of visual perceptual learning in humans： An event-related potential study. NeuroReport， 14（4）， 587?590. https：//doi.org/10.1097/00001756-200303240- 00012

Fahle， M. （2005）. Perceptual learning： Specificity versus generalization. Current Opinion in Neurobiology， 15（2）， 154?160. https：//doi.org/10.1016/j.conb.2005.03.010

Fahle， M.， amp; Edelman， S. （1993）. Long-term learning in vernier acuity： Effects of stimulus orientation， range and of feedback. Vision Research， 33（3）， 397?412. https：//doi.org/ 10.1016/0042-6989（93）90094-D

Fahle， M.， Edelman， S.， amp; Poggio， T. （1995）. Fast perceptual learning in visual hyperacuity. Science， 35（21）， 3003?3013. https：//doi.org/10.1126/science.1589770

Fang， F.， Murray， S. O.， Kersten， D.， amp; He， S. （2005）. Orientation-tuned fMRI adaptation in human visual cortex. Journal of Neurophysiology， 94（6）， 4188?4195. https：//doi.org/ 10.1152/jn.00378.2005

Gilbert， C. D.， Sigman， M.， amp; Crist， R. E. （2001）. The neural basis of perceptual learning. Neuron， 31（5）， 681?697. https：//doi.org/10.1016/S0896-6273（01）00424-X

Hu， L.， Ding， Y.， amp; Qu， Z. （2018）. Perceptual learning induces active suppression of physically nonsalient shapes. Psychophysiology， 56（9）， 1?17. https：//doi.org/10.1111/ psyp.13393

Hubel， D. H.， amp; Wiesel， T. N. （1965）. Binocular interaction in striate cortex of kittens reared with artificial squint. Journal of Neurophysiology， 28（6）， 1041?1059. https：//doi.org/10.1152/ jn.1965.28.6.1041

Kahnt， T.， Grueschow， M.， Speck， O.， amp; Haynes， J. D. （2011）. Perceptual learning and decision-making in human medial frontal cortex. Neuron， 70（3）， 549?559. https：//doi.org/ 10.1016/j.neuron.2011.02.054

Karni， A.， amp; Sagi， D. （1991）. Where practice makes perfect in texture discrimination： Evidence for primary visual cortex plasticity. Proceedings of the National Academy of Sciences of the United States of America， 88（11）， 4966?4970. https：//doi.org/10.1073/pnas.88.11.4966

Karni， A.， amp; Sagi， D. （1993）. The time course of learning a visual skill. Nature， 365（6443）， 250?252. https：//doi.org/ 10.1038/365250a0

Kowler， E.， Anderson， E.， Dosher， B.， amp; Blaser， E. （1995）. The role of attention in the programming of saccades. Vision Research， 35（13）， 1897?1916. https：//doi.org/10.1016/ 0042-6989（94）00279-u

Law， C. T.， amp; Gold， J. I. （2008）. Neural correlates of perceptual learning in a sensory-motor， but not a sensory， cortical area. Nature Neuroscience， 11（4）， 505?513. https：//doi.org/10.1038/nn2070

Law， C. T.， amp; Gold， J. I. （2009）. Reinforcement learning can account for associative and perceptual learning on a visual-decision task. Nature Neuroscience， 12（5）， 655?663. https：//doi.org/10.1038/nn.2304

Lin， Z.， Ma， Q.， amp; Zhang， Y. （2023）. Psycalibrator： An open-source package for display gamma calibration and luminance and color measurement. Advances in Methods and Practices in Psychological Science， 6（2）， 1?14. https：//doi.org/10.1177/25152459221151151

Liu， Z.， amp; Weinshall， D. （2000）. Mechanisms of generalization in perceptual learning. Vision Research， 40（1）， 97?109. https：//doi.org/10.1016/S0042-6989（99）00140-6

Ma， X. L.， Yang， B.， Zhong， X.， amp; Song， Y. （2009）. The neural mechanism of perceptual learning. Advances in Psychological Science， 17（4）， 653?658.

[馬小麗， 楊彬， 鐘翔， 宋艷. （2009）. 知覺學(xué)習(xí)的神經(jīng)機(jī)制. 心理科學(xué)進(jìn)展， 17（4）， 653?658.]

Maertens， M.， amp; Pollmann， S. （2005）. fMRI reveals a common neural substrate of illusory and real contours in V1 after perceptual learning. Journal of Cognitive Neuroscience， 17（10）， 1553?1564. https：//doi.org/10.1162/089892905774597209

Malcolm， G. L.， amp; Henderson， J. M. （2009）. The effects of target template specificity on visual search in real-world scenes： Evidence from eye movements. Journal of Vision， 9（11）， 1?13. https：//doi.org/10.1167/9.11.8

Malcolm， G. L.， amp; Henderson， J. M. （2010）. Combining top-down processes to guide eye movements during real-world scene search. Journal of Vision， 10（2）， 1?11. https：//doi.org/10.1167/10.2.4

Qu， Z.， Hillyard， S. A.， amp; Ding， Y. （2017）. Perceptual learning induces persistent attentional capture by nonsalient shapes. Cerebral Cortex， 27（2）， 1512?1523. https：//doi.org/10.1093/ cercor/bhv342

Saffell， T.， amp; Matthews， N. （2003）. Task-specific perceptual learning on speed and direction discrimination. Vision Research， 43（12）， 1365?1374. https：//doi.org/10.1016/ S0042-6989（03）00137-8

Sagi， D.， amp; Tanne， D. （1994）. Perceptual learning： Learning to see. Current Opinion in Neurobiology， 4（2）， 195?199. https：//doi.org/10.1016/0959-4388（94）90072-8

Shibata， K.， Sasaki， Y.， Kawato， M.， amp; Watanabe， T. （2016）. Neuroimaging evidence for 2 types of plasticity in association with visual perceptual learning. Cerebral Cortex， 26（9）， 3681?3689. https：//doi.org/10.1093/cercor/bhw176

Sigman， M.， amp; Gilbert， C. D. （2000）. Learning to find a shape. Nature Neuroscience， 3（3）， 264?269. https：//doi.org/ 10.1038/72979

Su， Y.， Lai， Y.， Huang， W.， Tan， W.， Qu， Z.， amp; Ding， Y. （2014）. Short-term perceptual learning in visual conjunction search. Journal of Experimental Psychology： Human Perception and Performance， 40（4）， 1415?1424. https：//doi.org/ 10.1037/a0036337

Talcott， T. N.， amp; Gaspelin， N. （2021）. Eye movements are not mandatorily preceded by the N2pc component. Psychophysiology， 58（6）， e13821. https：//doi.org/10.1111/ psyp.13821

Wagenmakers， E. J.， Marsman， M.， Jamil， T.， Ly， A.， Verhagen， J.， Love， J.， ... Morey， R. D. （2018）. Bayesian inference for psychology. Part I： Theoretical advantages and practical ramifications. Psychonomic Bulletin and Review， 25（1）， 35?57. https：//doi.org/10.3758/s13423-017-1343-3

Wasserstein， R. L.， amp; Lazar， N. A. （2016）. The ASA’s statement on p-values： Context， process， and purpose. American Statistician， 70（2）， 129?133. https：//doi.org/ 10.1080/00031305.2016.1154108

Watanabe， T.， amp; Sasaki， Y. （2015）. Perceptual learning： Toward a comprehensive theory. Annual Review of Psychology， 66， 197?221. https：//doi.org/10.1146/annurev- psych-010814-015214

Xiao， L. Q.， Zhang， J. Y.， Wang， R.， Klein， S. A.， Levi， D. M.， amp; Yu， C. （2008）. Complete transfer of perceptual learning across retinal locations enabled by double training. Current Biology， 18（24）， 1922?1926. https：//doi.org/10.1016/ j.cub.2008.10.030

Zhang， J. Y.， Zhang， G. L.， Xiao， L. Q.， Klein， S. A.， Levi， D. M.， amp; Yu， C. （2010）. Rule-based learning explains visual perceptual learning and its specificity and transfer. Journal of Neuroscience， 30（37）， 12323?12328. https：//doi.org/ 10.1523/JNEUROSCI.0704-10.2010

Zhang， Q.， Huang， Z.， Li， L.， amp; Li， S. （2022）. Visual search training bene?ts from the integrative e?ect of enhanced covert attention and optimized overt eye movements. Journal of Vision， 22（8）， 1?52. https：//doi.org/10.1167/jov.22.8.7

The mechanism of visual processing for nonsalient stimuli in perceptual learning

ZHANG Qi1，2，3， WANG Zile4， WU Meijun1

（1 School of Education and Psychology， Minnan Normal University， Zhangzhou 363000， China）

（2 Institute of Applied Psychology， Minnan Normal University， Zhangzhou 363000， China）

（3 Fujian Province Key Laboratory of Applied Cognition and Personality， Zhangzhou 363000， China）

（4 Institute of Psychology， Chinese Academy of Sciences， Beijing 100101， China）

Abstract

Previous studies have found that perceptual learning can improve the performance on visual search tasks. However， many cognitive processes are involved in visual search， and it is unclear at which visual processing stage perceptual learning facilitates search performance. The current study explored the mechanism of perceptual learning by dividing the eye movement metrics into three visual processing stages： search initiation time （the early visual processing stage）， which represents the cognitive process of the time of processing the current location and selecting the next search location; scanning time （the middle visual processing stage）， which includes the number and processing time of fixation positions; verification time （the late visual processing stage）， which represents determining whether the current stimulus is the target and making a verification.

A 2 （target type： trained vs. untrained triangle） × 2 （test stage： pretest vs. posttest） within-subjects design was used to address the above issue. 24 healthy young adults （5 males; mean age： 21.23 ± 2.02 years） participated as paid volunteers in this study. We randomly selected one of the four orientations of the triangle （Up， Down， Left， or Right） as the trained triangle， which would receive three days of training. Moreover， to ensure that the visual search training was specific to the trained triangle， the trained and untrained triangles were tested by recording the behavior results and eye movement before and after training （untrained triangle was randomly selected from the distractors）. Each trial started with a fixation cross （When eye movement was recorded， the search display would not appear until the participants fixated on the center cross for more than 500 ms; when eye movement was not recorded， the central fixation cross was presented for 500 ms and then the search screen was presented）. Then a search display was presented until the key response or the elapse reached 2000 ms since its onset. The response was recorded only before the fixation cross disappeared. The task of participants was to determine whether or not the target was presented as quickly as possible. Participants pressed the left arrow key to report the presence of a target or the right arrow key to report its absence.

A two-way repeated-measures ANOVA was conducted with the factors of target type （trained vs. untrained triangle） and test stage （pretest vs. posttest）. The behavior results found the reduced response time and increased accuracy when searching for trained stimuli after training. However， there was no significant difference in response time or accuracy between pretest and posttest for untrained stimuli. The results of eye movement tracking are as follows： （1） in the early visual processing stage， the search initiation time of the trained stimuli increased significantly after training， and there was no significant difference in the search initiation time between pretest and posttest for untrained stimuli. （2） In the middle visual processing stage， the number of fixations and the average fixation time of trained stimuli were significantly reduced after training， and there was no significant difference for untrained stimuli before and after training. （3） In the late visual processing stage， there was no significant difference in verification time between the pretest and posttest for both trained and untrained stimuli.

In conclusion， the accuracy and search initiation time of searching for trained stimuli was increased， while the number of fixations and the fixation time decreased. Moreover， the changes in behavior and eye movement indexes did not transfer to untrained stimuli. It is suggested that perceptual learning can affect the early and middle visual processing stages， and search performance may be improved by increasing the search latency， reducing the number of saccades， and reducing the fixation time.

Keywords "perceptual learning， nonsalient stimuli， learning mechanism， visual processing， eye movement