參數與資料的關係

在確立研究模型之後，下一步便是要找出這些以參數表徵的潛在變項與外顯 行為資料之間的關係。首先我們回顧一下 RJR 派典到底能夠提供哪些類型的行為 資料：

RH 認為能夠回憶，且答案寫對。

R_M 認為能夠回憶，但答案寫錯。

A 不能回憶，判斷可以再認，且再認正確。

B 不能回憶，判斷可以再認，但再認錯誤。

C 不能回憶，判斷不能再認，但再認正確。

D 不能回憶，判斷不能再認，且再認錯誤。

A、B、C、D 就是 2 x 2 列聯表的四個資料點，而 RH、RM兩類資料－即分別 為正確回憶(correct recall)與過犯型錯誤(commission error)(Nelson & Narens, 1990)

－在過去的知感研究中雖然有被討論，但是從未納入到知感精確度指標的計算中，

主要原因是自 Hart (1965) 開始，傳統上研究者定義的知感現象是在無法回憶時才 會產生。可是我認為就「監控有無記憶項目」的角度而言，知感的運作是一直在 進行的，並非是從回憶失敗以後才啟動，當我們可以回憶時心中「我知道」的感 覺，和當我們無法在有限時間內回憶時心中仍然有「我知道」的感覺，尚無證據 顯示它們有質的差別。因此我在接下來的研究中，會嘗詴加入 R_H、R_M兩類資料 的分析，這樣做另一個實際的好處是，使用六個資料點可以增加參數估計的自由 度。

以下我將分析每一類行為資料可能經歷的內在認知歷程，並使用研究模型的 參數表示之。

一、 認為能夠回憶，且答案寫對。這類情況受詴者的記憶項目必須正確，記憶 能夠完全提取，而且也有知感。以參數表示即為

c ∙ r ∙ d ∙ m = pr(R

_H) (5)

二、 認為能夠回憶，但答案寫錯。這類情況受詴者確有記憶被完全提取，也有 知感，但是記憶項目是錯誤的。以參數表示即為

(1 − c) ∙ r ∙ d ∙ m = pr(R_M) (6) 三、 不能回憶，判斷可以再認，且再認正確。這類情況受詴者可能有正確的記

憶項目，也有知感，但是無法完全提取；或者，記憶完全沒有提取，但知 感送出假警報，當受詴者發現選擇題的選項沒有引起他感覺的內容時，只 好隨機猜測，剛好猜到正確答案。以參數表示即為

c ∙ r ∙ (1 − d) ∙ m + (1 − r) ∙ (1 − m) ∙ g = pr(A) (7)

(7)式出現一個研究模型裡未見的參數 g，g 不是潛在變項，只是行為反應 的可能性，在我的架構下由於已經分離無意識記憶時「自以為猜測」的可 能性，所以 g 應可以合理假設為隨機猜測，也就是一個基於選擇題題數的 定量，不過在後面我仍會討論把 g 視為自由參數進行估計的情況。

四、 不能回憶，判斷可以再認，但再認錯誤。這種情況可能是記憶有部分提取，

但記憶項目是不正確的，不過因為有知感，受詴者會依感覺去選到錯誤的 選項；或者，記憶完全沒有提取，但知感送出假警報，當受詴者發現選擇 題的選項沒有引起他感覺的內容時，只好隨機猜測，可是猜錯了。以參數 表示即為

(1− c) ∙ r ∙ (1 − d) ∙ m + (1 − r) ∙ (1 − m) ∙ (1 − g) = pr(B) (8)

五、 不能回憶，判斷不能再認，但再認正確。這種情況可能是記憶其實有正確 的項目提取，但受詴者因為沒有知感而不知道自己知道，在意識上會表示 自己是亂猜的，但行為反應呈現他有無意識的記憶；或者，記憶只有部分 提取，但沒有知感，受詴者有可能猜對；或者，記憶毫無提取，監控正確 地報告「無知感」，受詴者也有可能猜對。以參數表示即為

c ∙ r ∙ d ∙ (1

− m) + r ∙ (1 − d) ∙ (1 − m) ∙ g + (1 − r) ∙ m ∙ g = pr(C) (9) 六、 不能回憶，判斷不能再認，且再認錯誤。這種情況和第五類一樣也可能是

反映無意識記憶，可是因為記憶項目是錯的，所以受詴者還是會選錯；或 者受詴者在記憶只有部分或完全沒有提取的情況，又沒有知感的線索，最 後又猜錯。以參數表示即為

(1− c) ∙ r ∙ d ∙ (1 − m) + r ∙ (1− d) ∙ (1 − m) ∙ (1 − g) + (1 − r) ∙ m ∙ (1 − g) = pr(D) (10)

以上(5)至(10)式可以重繪成如圖九的樹狀圖，稱為多項歷程樹狀模型 (Mul-tinomial Processing Tree Model, MPT) (Riefer & Batchelder, 1988)。該樹狀圖顯示，

所有參數歷程的總合的確為 1。

d m

R_H

1 - m C

r m

A

1 - d

1 - m

g

C

1 - g D

c m g

C

1 - r 1 - g D

1 - m

g

A

1 - g B

d m

R_M

r

1 - m D

1 - d

m

B

1 - c

1 - m

g

C

1 - g D

m g

C

1 - r 1 - g D

1 - m

g

A 1 - g B 圖九：知感與記憶提取歷程的多項歷程樹狀模型。

在文檔中 重新解讀知感 － 一個採用機率模型的統合分析研究 (頁 30-34)