Диссертация (1147682), страница 19
Текст из файла (страница 19)
В процессеатрибутирования своего ответа испытуемый формирует вербальные гипотезы ипроверяет их с помощью субъективной обратной связи. Это позволяет удерживатьэти гипотезы на протяжении определённого времени.На выяснение того, какая гипотеза: односистемная или двусистемная —ближе к истине, будут направлены следующие эксперименты. В данномэксперименте,понашемумнению,произошласменастратегии:принеобходимости обосновывать свои решения испытуемые в больше мереиспользовали аналитическую стратегию. Однако, важно отметить, что испытуемыедемонстрируют довольно большой разброс по да-уровню.
Это может говорить отом, что использование той или иной стратегии является устойчивойиндивидуальной переменной, которую мы только ограниченно можем варьироватьв эксперименте.Во втором эксперименте мы хотели более подробно рассмотреть процессы,происходящие в психике испытуемых при атрибутировании своих ответовопределённым основаниям. В нём также подверглась проверке гипотеза о том, чтоизменение критерия принятия решения может быть связано с ограниченнымнабором вербальных гипотез, сформулированных человеком.3.3 Результаты эксперимента 2105ВыбросыДва испытуемых были удалены из выборки из-за того, что у них былслишком сдвинутый критерий принятия решения.
Первый классифицировал почтивсе строки как грамматические (95%), второй — почти все строки какнеграмматические (90%). Эти два испытуемых были единственными, ктоотличался от среднего больше, чем на 3 сигмы. Возможно, это отражает низкуюмотивацию или ложные гипотезы о целях эксперимента. Процент точных ответовдля этих испытуемых составил 55 и 50 соответственно.Сравнение условий ставок и уверенностиПодгруппу, в которой испытуемые оценивали уверенность в своих ответах,будем называть «уверенность». Подгруппу, в которой испытуемые делали ставкина свой ответ, будем называть «ставки». Две метакогнитивные меры осознанностибыли включены в эксперимент, чтобы исследовать, оказывают ли они различноевлияние на процесс научения.
Мы проанализировали различия между двумя этимигруппами по основным интересующим нас переменным, чтобы проверить, можемли мы слить две эти группы для дальнейшего анализа. Результат этого сравненияпредставлен в таблице 4.Таблица 4. Сравнение групп «уверенность» и «ставки». В скобках приведеныстандартные ошибки среднего.ГруппаПроцентВременаКритерийТест генерацииправильныхреакций (мс)(C)ОтклонениеРазличиеответовот случайногомежду«Уверенность»«Ставки»Т-тесты65,4 (2,9)69,2 (2,0)T(32) = -1,09,p > 0,15518 мс (375)4979 мс (379)0,031 (0,09)0,001 (0,03)t(32) = 1,00, t(21,9) = 0,30,p > 0,1p > 0,1уровня втестамиисключающем включениятестеиисключения0,03 (0,05)0,56 (0,13)t(32) = -1,18,p > 0,1t(32) = 0,443,p > 0,10,11 (0,05)0,64 (0,14)Как видно из таблицы 4, точность, времена реакций, критерий и результаты106теста генерации не различаются в двух подгруппах. Так как это основныепеременные для целей данной работы, подгруппы «уверенность» и «ставки» будутанализироваться вместе под названием «экспериментальная группа 2».Основныеописательныестатистикипотрёмитоговымгруппампредставлены в таблице 5.
Контрольную группу для удобства будем называть «КГ»,экспериментальную группу 1 — «ЭГ-1», экспериментальную группу 2 — «ЭГ-2»Таблица 5. Сравнение трёх групп. В скобках приведены стандартные ошибки среднего.ПроцентВременаДоляДоля Критерий Чувствительностьправильныхреакций правильных ложных(C)(d')ответов(мс) обнаруженийтревогКГ65,5 (1,9)3655 (192)0,64 (0,03) 0,34 (0,02)0,01 (0,05)0,83 (0,12)ЭГ-267,3 (1,7)5248 (266)0,66 (0,02) 0,33 (0,02)0,02 (0,05)0,93 (0,10)ЭГ-172,0 (1,7)4678 (354)0,67 (0,03) 0,25 (0,02)0,12 (0,06)1,20 (0,12)НаучениеВсе группы продемонстрировали научение, показав значимое отличиепроцента правильных ответов от уровня случайного угадывания (T-тесты, во всехгруппах p < 0,05).Для сравнения межгрупповых различий в точности использовалась линейнаярегрессия с группой в качестве независимой переменной.
Модель зафиксировалазначимые различия между КГ и ЭГ-1, коэффициент регрессии B = 0,07, t(79) = 2,36,p = 0,020. Между КГ и ЭГ-2 не было обнаружено значимых различий, B = 0,02, t(79)= 0,714, p = 0,477.Время ответаВремена реакции были логарифмированы из-за отличия их распределения отнормального. В КГ время ответа было значимо меньше, чем в ЭГ-1, B = 0,23, t(79)= 2,54, p = 0,013, и в ЭГ-2, B = 0,35, t(79) = 4,21, p < 0,001 (см. табл. 5).
Попарныесравнения с поправкой Тьюки на множественные сравнения не показали значимыхразличий между ЭГ-1 и ЭГ2, p = 0,315.Критерий107В данном эксперименте мы провели довольно много корреляционных тестовс использованием критерия принятия решения, поэтому мы использовали болееконвенциональную меру критерия вместо да-уровня — С (Гусев, Уточкин, 2011).Среди всех групп только в ЭГ-1 С значимо отличался от от нуля, t(23) = 2,16,p = 0,042. В КГ t(23) = 0,15, p = 0,879, в ЭГ-2 t(33) = 0,34, p = 0,738. Однако полнаялинейная регрессия не продемонстрировала статистически значимой разницымежду группами, F(2, 79) = 1,26, p = 0,29. Как видно из таблицы 5, во всех группахбыла примерно одинаковая доля правильных обнаружений, однако доля ложныхтревог значимо различалась. Линейная регрессия с долей ложных тревог в качествезависимой переменной показала значимое различие между КГ и ЭГ-1, B = -0,09,t(79) = -2,65, p = 0,010, и отсутствие значимых различий между КГ и ЭГ-2, B = -0,01,t(79) = -0,35, p = 0,725.
Полная модель оказалась значимой, F(2, 79) = 4,32, p = 0,017.Попарное сравнение с поправкой Тьюки подтвердило этот вывод, показав значимоеразличие между КГ и ЭГ-1, p = 0,026, и между ЭГ-1 и ЭГ-2, p = 0,037. Ни один изэтих тестов не оказался значимым для доли правильных обнаружений, F(2, 79) =0,37. Таким образом, мы обнаружили, что именно в ЭГ-1 количество ошибокложной тревоги значимо меньше, чем в двух других группах (см. табл.5), а за счетэтого и общий процент правильных ответов также оказался выше.Тест генерацииГлавный эффект условия генерации. Для оценки генерации былиспользован подход, описанный выше.
Усреднённая эффективность выполнениязаданий в тестах включающей и исключающей генерации для трёх групппредставлена на рисунке 10.108Рисунок 10. Средние отклонения от случайного уровня ПАСЧ (позиционной ассоциативнойсилы чанка) сгенерированных строк с 95% доверительными интервалами.Для анализа использовалась линейная регрессия с отклонением ПАСЧ отслучайного уровня в качестве зависимой переменной и условием генерации(включающая или исключающая) и группой в качестве предикторов.
Свободныйчлен — это отличие базового уровня (исключающая генерация в КГ) от нуля, такимобразом он является мерой неконтролируемого знания в КГ. Для испытуемых КГсвободный член был равен -0,01 и не отличался значимо от нуля, t(79) = -0,19, p= ,850.
ЭГ-1 и ЭГ-2 не отличались статистически значимо от КГ. Другими словами,ни одна группа испытуемых не продемонстрировала неконтролируемых влиянийусвоенного знания. Коэффициент регрессии (B) отражает разницу междуусловиями включающей и исключающей генерации, и для КГ он составил 0,52, чтозначимо выше нуля, t(79) = 5,32, p < 0,001.
Опять же, ЭГ-1 и ЭГ-2 не отличались от109КГ, что говорит о примерно одинаковом уровне контролируемого знания в трёхгруппах. На основе данных результатов можно сделать следующий вывод.Испытуемые обладают достаточным объёмом эксплицитного знания, для того,чтобы формулировать строчки, соответствующие грамматике, в условиивключающей генерации чаще, чем в условии исключающей генерации.Соответствие грамматике стимулов, созданных в условии исключающей генерации,не превышало случайный уровень, что говорит о том, что испытуемые былиспособны целенаправленно не применять своё знание грамматики.Чтобы не запутаться далее, точно соотнесём используемые в описании тестагенерации понятия: Объём имплицитного знания — то же самое, что и объём неконтролируемогознания:насколькоболее(илименее)грамматическимиявляютсясгенерированные в тесте исключающей генерации строки по сравнению суровнем случайно сгенерированных строк. На рис.
10 обозначен тёмнымистолбиками. Объём эксплицитного знания — то же самое, что и объём контролируемогознания: насколько более грамматическими являются сгенерированные втесте включающей генерации строки по сравнению с уровнем случайносгенерированных строк. На рис. 10 обозначен светлыми столбиками. Эффективность генерации — разница между объёмом эксплицитного иимплицитного знания. На рис.
10 может быть оценена как разница в высотесветлых и тёмных столбиков.Корреляция между точностью классификации и генерацией. Точностьклассификации строчек в тестовом этапе эксперимента коррелировала с объёмомэксплицитного знания по тесту генерации на статистически значимом уровне, r =27,9, p = 0,011. В группах наблюдаются некоторые различия. В контрольной группе110значение корреляции было самым сильным: r = 0,44, p = 0,031, в ЭГ-1 r = 0,14, p =0,524, в ЭГ-2 r = 0,28, p = 0,113.Корреляции между С и генерацией.
Мы ожидали, что эффективностьгенерации будет коррелировать с критерием принятия решения, так как он являетсямаркером используемой стратегии. Если критерий является индикаторомсознательного контроля, объём контролируемого знания, измеренный какэффективность генерации (коэффициент регрессии), должен положительно с нимкоррелировать. В то же время показатель неконтролируемого знания (свободныйчлен) должен отрицательно коррелировать с критерием.Была использована линейная регрессия с эффективностью генерации вкачестве зависимой переменной и условием генерации, C и группой в качествепредикторов.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
