인간의 우연학습

Human contingency learning
이것은 인간을 위한 학습 방법과 관련된 위키피디아 기사입니다.


인간 우연 학습(HCL)은 사람들이 특정 자극으로부터 발생할 확률이 가장 높은 결과를 기반으로 지식을 획득하는 경향이 있다는 관찰입니다. 즉, 개인은 특정 행동과 특정 결과 사이의 연관성을 수집합니다. 그것은 많은 유기체를 위한 학습의 한 형태입니다.

자극 쌍은 반응의 속도, 반응의 정확성, 정의적 평가 및 인과적 속성에 영향을 미치는 것과 같은 반응에 많은 영향을 미칠 수 있습니다.[1]

20년 동안 인간의 우연 학습에 대한 많은 발전이 있었습니다. 제안된 많은 모델이 모든 기존 데이터를 통합할 수 없기 때문에 인간 우연 학습의 추가 발전이 필요합니다.[2]

묘사

인간의 우연 학습은 자극과 반응 사이의 관계 또는 통계적 상관 관계에 대한 명시적 또는 암묵적 지식의 획득 및 개발에 중점을 둡니다.[1] 그것은 칭찬이나 처벌을 통해 행동을 장려하거나 억제할 수 있는 학습 과정인 작동 조건화와 유사합니다. 그러나 인간의 우연 학습은 인지 과정으로 인식되어 왔으며 고전적 조건화에 추가된 것으로 간주될 수 있습니다.[1] 인간의 우연 학습은 또한 자극과 반응 대신 두 자극 사이의 통계적 상관관계에 초점을 맞춘 고전적 조건화에 이론적 뿌리를 두고 있습니다.[3]

인간의 우연 학습에 대한 실험 방법이나 연구는 종종 상당히 유사한 것으로 밝혀집니다.[2] 인간의 우연 학습에 대한 많은 연구의 참가자들은 특정한 자극과 특정한 반응이 없거나 존재하는 많은 상황에 대한 정보를 받습니다.[2] 그런 다음 자극이 반응과 관련된 정도를 결정하라는 말을 듣습니다.[2] 예를 들어, 실험에서 실험 참가자들은 가상의 사람이 먹은 음식 목록과 환자가 음식 이후 알레르기 반응을 겪었는지 여부에 대한 세부 정보(반응)를 제공받습니다.[2] 분기별 실험 심리학 저널에 따르면, 참가자들은 이 정보를 동일한 환자가 다른 세트의 음식을 섭취한 후 알레르기 반응을 보일 확률을 결정하기 위해 적용할 것입니다.

인간의 우연성 학습은 주로 동물을 연구하는 데 중점을 둔 고전적 조건화(그리고 일부는 조작적 조건화)에서 기본 개념을 계승합니다. 그것은 이러한 연구를 확장하고 인간 행동에 대한 추가적인 적용을 제공합니다.[4]

인간의 우연 학습은 유기체가 이전의 경험을 바탕으로 환경의 사건을 예측하고 제어할 수 있도록 하기 때문에 인간 생존에 중요한 능력으로 인식됩니다.[2]

이론근

고전적 조건의 아버지 이반 파블로프

고전(파블로비아) 컨디셔닝의 기원

인간의 우연 학습은 고전적 조건화와 그 뿌리를 두고 있는데, 러시아의 심리학자 이반 파블로프의 이름을 따서 파블로비안 조건화라고도 합니다.[5] 두 자극이 연결되어 동물이나 사람에게 새로운 반응을 만들어내는 연상을 통한 학습의 한 유형입니다.[3] 그 인기 있는 실험은 반복되는 종소리와 함께 음식이 개들에게 제공되는 파블로프의 개들로 알려져 있습니다; 초기 자극이었던 음식은 개에게 침을 흘리게 할 것입니다.[6] 벨과 음식이 짝을 이루면서 전자는 음식이 짝에서 제외된 후에도 새로운 자극제가 되었습니다.[6] 따라서 이는 개들이 음식이 도착할 것으로 예상하기 때문에 초기 자극 없이 종(새로운 자극)이 개들로부터 무조건적인 반응을 불러일으킬 것이라는 것을 의미했습니다.[6]

절차적 수준에서 인간의 우연 학습 실험은 고전적인 조건 테스트 방법과 매우 유사합니다.[2] 신호와 결과로 구성된 자극은 짝을 이루고 자극에 대한 참가자의 결정(컨틴전시 판단)을 평가합니다.[2]

작동조건부의 기원

1950년경 하버드 대학의 스키너(B.F. Skinner)

인간의 우연 학습은 또한 작동 조건과 강한 유사성을 가지고 있습니다.[1] 언급한 바와 같이, 그 학습 방법은 특정 행동에 대한 칭찬 또는 처벌을 사용하는 것을 포함합니다. 특정 동작이 특정 결과를 나타내면 테스트 대상자는 동작과 결과 사이의 연관성을 만듭니다. 예를 들어, 어떤 행동이 긍정적인 결과를 포함한다면, 개인이나 유기체는 이것으로부터 배우고 그 행동이 보상받는 것으로 인식하는 것처럼 계속할 것입니다.[7] 이 이론은 B.F.에 의해 개발되었습니다. 스키너는 1938년 저서 "생물의 행동: 실험 분석".

이 연구는 유쾌한 결과가 반복되면 특정 행동이 지속된다는 손다이크의 효과 법칙을 기반으로 계속되었습니다. 특정 행동에 불쾌한 결과가 있으면 그 행동이 계속될 가능성이 거의 없는 경우에도 그 반대입니다.[7]

인간의 우연학습의 배경이 되는 개념과 이론

모든 이론에서, 전반적인 인지 과정의 기초가 되는 기본 개념과 체계에 대한 소개를 제공하는 것이 필요합니다. 그러나 가설을 테스트하는 데 사용된 방법이 여전히 결정적이지 않고 검토 대상이기 때문에 이론은 여전히 테스트 중입니다.[2]

연합이론

경로 강화(Rescorla-Wagner 모델)

인간의 우연 학습에 내재된 주요 인지 이론 중 하나는 Rescorla-Wagner 모델을 기반으로 한 경로 강화입니다. 특정 입력에 반응하는 점진적인 학습 경향의 기초가 되는 메커니즘으로 제안되었습니다.[4] 경로 강화는 성능이 신호 표현과 결과 표현을 연결하는 경로의 강화에 기인하는 경우입니다.[8] 학습이 조건화된 자극과 조건화되지 않은 자극 사이의 연관성에 기인하는 고전적 조건화의 모델입니다.[9] Rescorla-Wagner 모델의 주요 초점은 조건 자극이 무조건 자극을 유발하거나 신호를 보낼 수 있다는 것입니다.[10]

더 강력한 경로를 통해 보다 효율적이고 자동적인 응답이 가능합니다.[11] 참가자들이 빠르게 진행되는 시퀀스 학습 과제에 직면할 때, 경로 강화는 그들의 응답 속도가 점차 빨라지는 것으로 설명됩니다.[12]

연상 모델은 신호 결과 관계에 대한 지식이 연상 결합으로 표현되고 테스트 질문의 정확한 의미론 없이도 결합이 유사하게 기능해야 한다고 가정합니다.[5] 그러한 관계의 예는 파블로프의 개들의 실험으로 연결될 수 있습니다.

조건 자극에 의해 유도되는 조건 반응의 강도는 조건 자극과 조건 자극의 표현 사이의 연관성이 얼마나 강한지에 따라 달라집니다.[2] 이 관계는 다음과 같은 학습 규칙이나 수학 방정식으로[2] 표현될 수 있습니다.

그 공식에서 볼 때, 각 다른 시행에 대한 조건부 자극 변화 사이의 연관 강도의 수준 또는 범위(δ V n V_{n}})이며, 이전에 획득한 신호의 연관 강도와 시행 자체 내에 현재 존재하는 모든 자극의 이미 존재하는 연관 강도에 따라 달라집니다. σ V V}). λ{\\lambda라는 용어는 특정 무조건 자극이 제공할 수 있는 가장 높은 연관 강도를 나타냅니다. 시험에 존재하는 무조건적인 자극을 나타내기 위해 그리스 용어는 종종 규정된 양의 값(때로는 1의 값)을 갖습니다.[10] 반대로 재판에서 무조건적인 부양책이 부족하다면 그리스 용어가 취하는 값은 0이 될 것입니다.[10] 공식의 및 항은 일정하며 특정 조건 없는 자극이 주어지면 학습 속도를 나타냅니다.[10] Dickinson et al.(1984)에 따르면, 이 모델은 주로 고전적 조건화에 적용되었지만, Rescorla-Wagner 모델은 인간 우연 학습에 적용됩니다.[2]

그러나 문제는 DeHouwer와 Beckers가 언급한 것처럼 모델의 고유한 가정입니다.

신호와 결과의 표현 사이에 연관성이 형성되고 이러한 연관성의 강도가 Rescorla-Wagner 학습 규칙에 따라 업데이트된다고 가정하기만 하면 됩니다. 그리고 목표 신호와 결과 사이의 우연성에 대한 판단은 그 신호와 결과의 표현을 연결하는 연관성의 힘을 반영하는 것입니다.

— Jan De Houwer & Tom Beckers (2002) A review of recent developments in research and theories on human contingency learning, The Quarterly Journal of Experimental Psychology: Section B, 55:4, 289-310

따라서 Rescorla-Wagner 모델의 인간 우발 학습과의 관련성은 모델이 "우발성에 대한 지식을 인코딩하고 검색할 때 관찰자가 수행하는 능동적 역할을 과소평가"하기 때문에 문제가 있는 것으로 간주됩니다.[2]

예측성

예측성은 학습이 개인이 자극에 얼마나 몰입하느냐에 따라 결정된다는 이론입니다 - 특정한 신호에 더 많은 주의를 기울일수록 조건화의 속도가 더 빨라집니다.[13] 그것은 영국의 심리학자인 니콜라스 매킨토시에 의해 개발된 이론입니다. 연관성에 대한 예측력이 양이라고 가정하면, 개인이 어떤 신호에 적용하는 주의의 양은 다른 신호와 관련하여 결과에 대한 예측자와 동일한 신호의 신뢰도를 측정하는 척도가 됩니다.[13] 생물체가 신호의 예측력을 바탕으로 발생할 결과를 안정적으로 예측할 수 있는 정도를 평가하는 것입니다.[13] 매킨토시 모델에 따르면 일반적으로 개인이 초기 학습 단계에서 특정 예측력을 갖는 신호로부터 지식을 얻을 때 동물과 인간 모두의 학습률이 증가하는 경향이 있음이 발견되었습니다.[13]

자극 처리의 범위는 상대적 예측력과 절대적 예측력의 상호작용 효과에 의해서도 강제될 수 있습니다.[14] 절대 예측 메커니즘은 "전체 신호 화합물이 유익할 때 지배적일 것으로 예상됩니다."[13] 반면, "상대 예측 메커니즘은 동시에 제시된 신호가 예측성에 차이가 있을 때 지배해야 합니다."[13] 예측성과 관련된 이 두 이론은 서로 다른 심리학자들에 의해 제시되었으며, 절대 예측성은 피어스 & 홀에서 파생되었으며 상대 예측성은 매킨토시 이론의 일부입니다.[13]

어플

인간의 우연 학습은 다양한 유형의 모델이나 패러다임에서 연구되어 왔습니다. 일부 패러다임은 참가자들이 자극의 조합으로 제시될 때 자극들 사이의 연관 관계를 평가하도록 요구받는 것을 포함합니다.[1] 특히 인간의 경우 상관 자극 간의 관계를 결정하기 위한 판단, 각 자극과 반응 쌍 간에 다를 수 있는 반응 시간 및 정확도 이득을 측정하면서 자극과 반응 간의 예측 관계에 대한 판단 등 다양한 연구가 수행되었습니다.[1]

인간 우연 학습의 일부 응용 프로그램은 아래의 하위 제목에 요약되어 있습니다.

일반화 감소

일반화 감소는 연상 학습의 우산에 속하는 학습 유형입니다.[15] 그러한 사건의 조건이 현재와 비슷하다면 동물과 인간 모두 과거의 사건을 통해 학습하는 현재의 상황을 기준으로 삼는 개념입니다.[16] 연관 이론을 인간 학습의 맥락에 적용하는 것의 중요성은 일반화의 인간 행동에 기인합니다.[5] 일반화는 자극과 반응 사이의 연관성이 일반화되거나 초기와 유사한 자극에 표면적으로 적용되는 경우입니다.[15] 이를 더 확장하기 위해 자극 A와 관련하여 학습된 연관성을 만들 때, 그 연관성의 강도는 A를 구성하는 여러 요소에 걸쳐 분배될 수 있습니다. 다른 대상 B를 도입할 때 A가 포함한 것과 같은 요소를 일부 가지고 있다면 B가 자극 A의 연상 강도를 계승하는 정도는 둘이 공유하는 유사성의 양에 따라 달라집니다.[5] 요소의 가정은 자극이 "구성 요소(즉, 표현적 특징)로 구성된 화합물"로 볼 수 있기 때문에 이루어집니다.[17]

피어스의 모델

일반화 감소는 Pearce의 구성 가능한 모델로 나타낼 수 있습니다.[15] 두 자극의 유사성은 다음 식과 같습니다.[18]

상기 수식에서 는 두 자극이 모두 포함하는 요소의 양을 정량화한 것으로, 1 과 2 는 각 요소에 배타적인 요소의 총 수를 나타냅니다.[18] 하나의 자극이 무조건적인 자극과 짝을 이루면, 다른 자극에 대한 반응이 있다는 강도는 원래 조건화된 자극과 공유하는 요소의 수와 양의 관계를 갖습니다.[15] 반면 조건 자극과 각각의 배타적인 요소 사이에는 역의 관계가 있습니다.[15]

모형을 더 확장하면, 자극에 요소가 추가되면 공통 요소의 양이 증가함에 따라 반응이 증가합니다.[18] 반대로 요소를 제거하면 자극에서 공통 요소의 양이 감소하여 반응이 감소합니다.[18]

참고문헌

  1. ^ a b c d e f Schmidt, James R. (2012), "Human Contingency Learning", Encyclopedia of the Sciences of Learning, Springer US, pp. 1455–1456, doi:10.1007/978-1-4419-1428-6_646, ISBN 9781441914279
  2. ^ a b c d e f g h i j k l m n De Houwer, Jan; Beckers, Tom (2002). "A Review of Recent Developments in Research and Theories on Human Contingency Learning". The Quarterly Journal of Experimental Psychology Section B. 55 (4b): 289–310. doi:10.1080/02724990244000034. ISSN 0272-4995. PMID 12350283. S2CID 16165406.
  3. ^ a b McLeod, Saul (2018). "Classical Conditioning Simply Psychology". www.simplypsychology.org. Retrieved 2019-05-22.
  4. ^ a b Sternberg, Daniel A.; McClelland, James L. (2011-12-22). "Two Mechanisms of Human Contingency Learning". Psychological Science. 23 (1): 59–68. doi:10.1177/0956797611429577. ISSN 0956-7976. PMID 22198929. S2CID 16297513.
  5. ^ a b c d Shanks, David R. (2007). "Associationism and cognition: Human contingency learning at 25". Quarterly Journal of Experimental Psychology. 60 (3): 291–309. doi:10.1080/17470210601000581. ISSN 1747-0218. PMID 17366302. S2CID 31848828.
  6. ^ a b c McLeod, Saul (2018). "Pavlov's Dogs Study and Pavlovian Conditioning Explained Simply Psychology". www.simplypsychology.org. Retrieved 2019-05-22.
  7. ^ a b McLeod, Saul (2018). "Edward Thorndike - Law of Effect Simply Psychology". www.simplypsychology.org. Retrieved 2019-05-22.
  8. ^ Rescorla, Robert A. (1971). "Variation in the effectiveness of reinforcement and nonreinforcement following prior inhibitory conditioning". Learning and Motivation. 2 (2): 113–123. doi:10.1016/0023-9690(71)90002-6. ISSN 0023-9690.
  9. ^ Abbott, Bruce B. (2016). "The Rescorla-Wagner Model of Classical Conditioning". users.ipfw.edu. Archived from the original on 2016-09-23. Retrieved 2019-05-22.
  10. ^ a b c d e Chance, Paul (2008). Learning and behavior : active learning edition (international ed.). pp. 85–89. ISBN 978-1111834944. OCLC 952304376.
  11. ^ Cohen, Jonathan D.; Dunbar, Kevin; McClelland, James L. (1990). "On the control of automatic processes: A parallel distributed processing account of the Stroop effect". Psychological Review. 97 (3): 332–361. doi:10.1037/0033-295x.97.3.332. ISSN 0033-295X. PMID 2200075.
  12. ^ Cleeremans, Axel; McClelland, James L. (1991). "Learning the structure of event sequences". Journal of Experimental Psychology: General. 120 (3): 235–253. doi:10.1037/0096-3445.120.3.235. ISSN 0096-3445. PMID 1836490.
  13. ^ a b c d e f g Kattner, Florian (2014-11-26). "Transfer of absolute and relative predictiveness in human contingency learning". Learning & Behavior. 43 (1): 32–43. doi:10.3758/s13420-014-0159-5. ISSN 1543-4494. PMID 25425296.
  14. ^ Le Pelley, M. E. (2004). "The Role of Associative History in Models of Associative Learning: A Selective Review and a Hybrid Model". The Quarterly Journal of Experimental Psychology Section B. 57 (3b): 193–243. doi:10.1080/02724990344000141. ISSN 0272-4995. PMID 15204108.
  15. ^ a b c d e Wheeler, Daniel S.; Amundson, Jeffrey C.; Miller, Ralph R. (2006). "Generalization Decrement in Human Contingency Learning". Quarterly Journal of Experimental Psychology. 59 (7): 1212–1223. doi:10.1080/17470210600576342. ISSN 1747-0218. PMID 16769621. S2CID 45067927.
  16. ^ Mercado, Eduardo; Orduna, Itzel; Myers, Catherine E.; Gluck, Mark A. (2001). "Generalization of auditory classification abilities in bats, humans, and neural networks". doi:10.1037/e537102012-609. {{cite journal}}: 저널 인용 요구사항 journal= (도와주세요)
  17. ^ Estes, William (2014-06-20). Estes, William (ed.). Handbook of Learning and Cognitive Processes (Volume 2). doi:10.4324/9781315770437. ISBN 9781315770437.
  18. ^ a b c d Pearce, John M. (1987). "A model for stimulus generalization in Pavlovian conditioning". Psychological Review. 94 (1): 61–73. doi:10.1037/0033-295x.94.1.61. ISSN 0033-295X. PMID 3823305.