國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
58
第四章 分析二
分析二是對楊立行(民 96)的實驗進行二次分析，不同於分析一，蔡涵如(民 96)的實驗選用的類別結構，其中正確的分類規則為類別空間中的線性函式，並 且提供充足的情境線索；楊立行(民 96)的實驗中正確的分類規則為非線性函式，
並給予不多的足夠線索，企圖讓受試者在非線性函式的情境下自發性的去產生知 識分化的現象。此研究只有進行分類學習作業，而沒有測量工作記憶容量的作業，
對於楊立行(民 96)的資料進行二次分析的目的在於擴充潛在剖面分析的使用範 圍與時機，試圖證明潛在剖面分析在類別學習的實驗中，不只能適用於線性函式 所定義的結別結構，也可以廣泛地應用於其它類型的類型的類別結構中，例如：
非線性函式。楊立行(民 96)的實驗流程與刺激材料請見附錄三。
首先，在文獻回顧中可以發現，情境線索乃是知識分化的必要元素，從以往 獨立於刺激的外在情境線索(Lewandowsky & Kirsner, 2000; Lewandosky et al., 2002)，
到 Yang 和 Lewandowsky(2003, 2004)使用刺激本身結合的情境線索，都可以在認 知作業中誘發出一定程度的知識分化現象。Kalish 等人(2004)更在函式學習作業 上發現，即使不提供外在情境線索，受試者也能依據刺激材料本身的組成成分，
將之作為分化知識的線索，此時，刺激材料本身的組成成份在功能上扮演了情境 線索，受試者不僅習得有那些組成成份，同時也學會在依著不同的組成成份，決 定使用不同的函式進行反應。
為了能夠在類別學習作業找到上述現象，實驗材料中類別結構的設計師法 Kalish 等人(2004)以及 Aha 與 Goldstone(1992)的研究所使用的類別結構。在訓練階 段中呈現兩群刺激，如圖六所示，雖然讓受試者在學習過程中掌握所有刺激，但 所形成的界線為非線性的界線，如此一來便可在測驗階段檢驗受試者的所學習到 的界線為何，藉此可檢驗受試者是否會形成一整合的分類方法，亦或是依照不同 刺激而改變分類方式，即知識分化現象。在此設計中沒有提供任何情境線索，刺
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
59
激屬性的向度為矩形的高度與短線的位置，讓受試者在訓練階段中必須同時使用 雙向度訊息來分類才可以達到高正確率，使其和過去知識分化研究提供的外在情 境線索扮演相同的角色。並且讓刺激屬性具有刺激預測力，意同當某刺激屬性出 現時便可知另一刺激屬性為何。在此操弄下，預測受試者為了減低作業困難度，
會使用刺激屬性來將知識分化。
在研究中可以發現，受試者賴以分化知識的線索應是刺激屬性本身，與 Yang 和 Lewandowsky(2004)的研究相比，受試者採用的線索是問題解決的無效外在情 境訊息。兩者相異之處在於對類別知識的意涵不同，後者操弄的情境線索對於類 別沒有預測力，無法對分類問題有所助益。而此研究所設計的線索則是刺激屬性 本身，對於分類問題來說，刺激屬性具有類別的預測力，了解刺激屬性的差別對 於分類問題有直接的幫助。即便如此，在學習歷程中兩者仍具有相同的意義，皆 為受試者賴以分化知識的依據。因此可以說此研究操弄所引發的結果是在沒有情 境線索下的知識分化現象。且受試者應是主動地選擇刺激屬性來分化知識，故又 稱為自發性的知識分化。
Kalish 等人(2004)在函式學習研究上已經發現刺激本身的屬性也能作為一種 線索，用以拆解一完整知識為兩個以上的知識封包。換言之，人是主動性地看待 並靈活運用這些刺激屬性，即使不提供外在線索，在函式學習上仍有知識分化現 象的發生。依據刺激屬性將類別之是拆成不同的部分，根據不同刺激屬性形成不 同的類別界線來做為分類判斷的依據，其非線性函式的函式學習如圖三十三所 示。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
60
結果 訓練階段
在訓練階段的分析部分，根據文獻對於知識分化的定義，相信知識分化的產 生會因為受試者在不同的函式學習區段對於某類別的特定反應不同而有所不同。
所以在潛在類別分析時所使用的變項，如圖三十三所示將函式分為六個區段，受 限於訓練階段的類別學習結構設計，只使用其四個變項，即短線位置 150 到 450 以及矩形高度為 50 時，此區間設為一變項，為第四區域；短線位置 150 到 450 以及矩形高度為 150 時，此區間設為一變項，為第二區域；短線位置 550 到 850 以及矩形高度 650 時，此區間設為一變項，為第三區域；短線位置 550 到 850 以 及矩形高度 750 時，此區間設為一變項，為第一區域。
設定四個函式學習區間的範圍，而後根據四個區間受試者選擇 A 的反應型 態進行潛在剖面分析，訓練階段受試者總共會經歷五個實驗區間，分析時使用實 驗第二、第三與第五區間的資料，故總共會有 12 個變項。
‧
Exp3: Training PhaseGroups of Latent Classes C=2 C=3 C=4 C=5
Log likelihood
H0 Value
H0 Scaling Correction Factor for MLR
126.07
Information Criteria
Number of Free Parameters AIC
BIC
Sample-Size Adjusted BIC (n*=(n+2)/24) Entropy
37 Numbers of
Latent Classes
1 1 1 1
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
62
圖十五、楊立行(民 96)訓練階段各組平均數與標準誤。A 圖為各類別在實驗 不同的三個區段時，四個變項選擇 A 機率的平均數與標準誤；B1、B2、B3 圖分別為受試者在訓練階段的實驗區段 2、區段 3 與區段 5 所使用的四個變 項中選擇 A 的機率。
楊立行(民 96)的實驗與蔡涵如(民 97)實驗的最大差別在於沒有情境線索，為 自發式的知識分化，針對該非線性分類規則的學習結果，潛在剖面分析發現，在 訓練階段可以分成四個組別，第一組為不論實驗刺激位於哪一個區域發生，受試 者選擇 A 的機率皆差不多，約 50%左右，有大約 11 個人在這一組；第二組為當 實驗刺激出現於第一區域時，受試者有較高的機率將刺激歸類為 A 類別，約有 9
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
63
個人在這一組；第三組為真實學會分類的組別，在第一區域、第二區域又較高的 機率將刺激歸類於 A 類別，有 20 人組於這一組別；第四組為使用單向度進行分 類的組別，該組受試者只使用短線位置進行分類，若實驗刺激超過 500，則歸為 A 類，低於 500 則歸為 B 類別，有 4 人屬於這一組。值得注意的是，第三組為真 實學會分類的組別，雖然該組成員在訓練階段學會真實分類，但仍然有可能在測 驗階段產生知識分化的現象。
測驗階段
在測驗階段進行潛在剖面分析時，所使用的變項如圖三十三所示，根據受試 者在此函式學習的六個區段中將類別歸類為 A 的機率設為變項，即短線位置 150 到 450 以及矩形高度為 750 時，此區間設為一變項，為第一區域；短線位置 550 到 850 以及矩形高度為 750 時，此區間設為一變項，為第二區域；短線位置 150 到 450 以及矩形高度為 150 到 650 時，此區間設為一變項，為第三區域；短線位 置 550 到 850 以及矩形高度 150 到 650 時，此區間設為一變項，為第四區域；短 線位置 150 到 450 以及矩形高度為 50 時，此區間設為一變項，為第五區域；短 線位置 550 到 850 以及矩形高度 50 時，此區間設為一變項，為第六區域。
因測驗階段在實驗中只進行一個區間，包含 64 個嘗試，使用分析的資料總 共為六個變項。可以預期因為受試者在訓練階段未獲得足夠的資訊，他們會根據 實驗刺激自發性的形成知識分化而表現在測驗階段中，潛在剖面分析則會根據他 們在不同區段選擇 A 類別的組態進行分類，進而分類出不同知識分化的可能性。
‧
Exp3: Transfer PhaseGroups of Latent Classes C=2 C=3 C=4 C=5
Log likelihood
H0 Value
H0 Scaling Correction Factor for MLR
-18.14
Information Criteria
Number of Free Parameters AIC
BIC
Sample-Size Adjusted BIC (n*=(n+2)/24) Entropy
19 Numbers of
Latent Classes
1 1 1 1
結果發現，當類別為五組時有最好的適配度指標，BIC=-228.822，AIC=-341.226，
Sample-Size Adjusted BIC=-426.239，且所有變項皆達顯著水準，各組之間的相關 極低，各組人數如表十二所示。各類別在不同變項之平均數與標準誤如圖十六所 示，觀察圖十六可以發現五個組別組別之間的差異極大，但從圖十六的 B 圖可 以得知，在相同的組別上，在不同的區間幾乎沒有什麼差別存在。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
65
圖十六、楊立行(民 96)測驗階段各組平均數與標準誤。A 圖為各類別在測驗 階段時，六個區域選擇 A 機率的平均數與標準誤；B 圖為受試者在測驗階 段的六個區域選擇 A 機率的平均數組態，可根據此一組判斷知識分化現象 的差異。
根據分類出來的結果，在測驗階段可以分成五個組別，從圖十六可以得知，
第一組為學會函式學習當中真實界線的一組，即 TB 組，受試者在刺激出現在函 式學習中區域 1、區域 2、區域 3 時，將刺激分類為 A 的機率較低，在刺激出現
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
66
在函式學習中區域 4、區域 5、區域 6 時，將刺激分類為 A 的機率較高，如圖十 七的 G1 圖，只有 2 個人在這一組，代表在學習非線性的分類規則時，尤其是資 訊不足的情境下，真實界線是很難學會的；第二組屬於並未學會規則的一組，受 試者無論在函式學習中的任何一個區域，將刺激分類為 A 的機率都差不多，約 50%左右，有 11 人屬於這一組別；第三組的受試者為反轉的知識分化組，即受 試者雖然有產生知識分化的現象，但其知識分化的界線卻與真實界線相反，即該 組受試者雖然學會真實界線，但卻自發性的衍生出另外一條界線，且這條界線與 真實界線呈相反方向的趨勢，如圖十七的 G3 圖，所以稱為反轉的知識分化組。
當刺激出現在函式學習中區域 1、區域 4、區域 5 時，受試者傾向將刺激分類為 A 類組，但當刺激出現在函式學習中區域 2、區域 3、區域 6 時，受試者傾向將 刺激分類為 B 類組，有 10 人屬於這一組別；第四組的受試者為只使用單一向度 當作分類標準的組別，如圖十七的 G4 圖所示，即當刺激的短線位置超過 500，
當刺激出現在函式學習中區域 1、區域 4、區域 5 時，受試者傾向將刺激分類為 A 類組，但當刺激出現在函式學習中區域 2、區域 3、區域 6 時，受試者傾向將 刺激分類為 B 類組，有 10 人屬於這一組別；第四組的受試者為只使用單一向度 當作分類標準的組別，如圖十七的 G4 圖所示，即當刺激的短線位置超過 500，