Introduction
Learning about categories is an important cognitive endeavor, but it is rarely an end: category learning is useful
in that it dictates how to interact with or use specific objects (Markman & Ross, 2003). As a result, Markman and Ross
(2003) argued that the knowledge representations acquired during category learning are ‘tuned’ to the task goal. A
useful paradigm to test this hypothesis is indirect category learning (Brooks, Squire-Graydon, & Wood, 2007; Minda
& Miles, 2010; Minda & Ross, 2004). In an indirect category-learning task, participants are not asked to make a
classification decision, but learning the categories will improve their performance (Minda & Ross, 2004). For
instance, Minda and Ross (2004) asked participants to decide how much food was needed to feed a set of artificial
creatures. The creatures belonged to two separate categories, and category membership was a predictor of food
consumption (the other factor was the size of the creature). One group of participants was not told about the categories
and only received corrective feedback on the amount of food selected (the indirect group), whereas the other group
had to make a categorical judgment on each trial (followed by categorization feedback) before deciding how much
food to feed the creature (the direct group). The results showed that participants in these two conditions learned
different category representations. Briefly, the performance of participants who learned the categories indirectly was
suggestive of a similarity-based representation, whereas the performance of participants who learned the categories
directly appeared to be rule-driven. Brooks et al. (2007) found similar results in a different indirect category-learning
task also involving a limited set of artificial creatures. The goal of this article is twofold. First, previous indirect
category learning research has focused on complex conditions in which a limited set of stimuli were presented,
and the categories could be learned using either a similarity-based or rule-based strategy. Here, we try to better
control the participant response strategy by using a new
การแนะนำ
เรียนรู้เกี่ยวกับประเภทที่เป็นความพยายามองค์ความรู้ที่สำคัญ แต่มันจะไม่ค่อยปลาย: การเรียนรู้ประเภทคือ
มีประโยชน์ในการที่จะสั่งการวิธีการโต้ตอบกับหรือใช้วัตถุที่เฉพาะเจาะจง (Markman &รอสส์, 2003) เป็นผลให้ Markman และรอสส์
(2003) ถกเถียงกันอยู่ว่าเป็นตัวแทนความรู้ที่ได้มาในระหว่างการเรียนรู้หมวดหมู่จะ 'ปรับ' เพื่อเป้าหมายของงาน
กระบวนทัศน์ที่มีประโยชน์เพื่อทดสอบสมมติฐานนี้คือการเรียนรู้ประเภททางอ้อม (บรูคส์ตุลาการ-Graydon ไม้&, 2007; Minda
ไมล์&, 2010; Minda &รอสส์, 2004) ในงานประเภทการเรียนรู้ทางอ้อมเข้าร่วมจะไม่ได้รับการถามที่จะทำให้การตัดสินใจการจัดหมวดหมู่
แต่การเรียนรู้ประเภทที่จะช่วยเพิ่มประสิทธิภาพของพวกเขา (Minda &รอสส์, 2004) ตัวอย่างเช่น
Minda และรอสส์ (2004) ถามผู้เข้าร่วมประชุมเพื่อตัดสินใจว่าอาหารเป็นสิ่งที่จำเป็นมากที่จะเลี้ยงชุดของสิ่งมีชีวิตเทียม
สิ่งมีชีวิตที่เป็นสองประเภทแยกและสมาชิกประเภทที่เป็นตัวบ่งชี้ของอาหารที่บริโภค
(ปัจจัยอื่น ๆ คือขนาดของสิ่งมีชีวิต) กลุ่มหนึ่งของผู้เข้าร่วมไม่ได้บอกเกี่ยวกับประเภท
และคนเดียวที่ได้รับข้อเสนอแนะการแก้ไขกับปริมาณของอาหารที่เลือก (กลุ่มอ้อม) ในขณะที่
กลุ่มอื่น ๆ ได้เพื่อให้การตัดสินเด็ดขาดในการพิจารณาคดี (ตามข้อเสนอแนะการจำแนกประเภท) แต่ละก่อนที่จะตัดสินใจเท่าใด
อาหารที่จะเลี้ยงสัตว์ (โดยตรง กลุ่ม) ผลการศึกษาพบว่าผู้เข้าร่วมในทั้งสองเงื่อนไขได้เรียนรู้การเป็นตัวแทนประเภทที่แตกต่างกัน
ในเวลาสั้น ๆ ,ประสิทธิภาพการทำงานของผู้เข้าร่วมที่ได้เรียนรู้ประเภททางอ้อมคือ
แนวทางของการเป็นตัวแทนความคล้ายคลึงกันตามในขณะที่ประสิทธิภาพการทำงานของผู้เข้าร่วมที่ได้เรียนรู้ประเภท
โดยตรงที่ดูเหมือนจะเป็นกฎที่ขับเคลื่อนด้วย อัล Brooks et (2007) พบผลที่คล้ายกันในหมวดหมู่ที่แตกต่างกันทางอ้อมการเรียนรู้งาน
ยังเกี่ยวข้องกับชุด จำกัด ของสิ่งมีชีวิตเทียมเป้าหมายของบทความนี้เป็นสองเท่า ก่อน
หมวดหมู่หน้าที่ทางอ้อมการวิจัยการเรียนรู้ที่มีความสำคัญกับเงื่อนไขที่ซับซ้อนในการที่ชุด จำกัด ของสิ่งเร้าที่ถูกนำเสนอและ
ประเภทที่อาจจะได้เรียนรู้โดยใช้กลยุทธ์ที่คล้ายคลึงกันที่ใช้หรือตามกฎ ที่นี่เราพยายามที่จะดีกว่า
ควบคุมกลยุทธ์การตอบสนองผู้มีส่วนร่วมโดยใช้ใหม่
การแปล กรุณารอสักครู่..