以部分XOR作業探討類別學習中XOR策略生成的原因 - 政大學術集成

全文

(1)國立政治大學心理學研究所碩士學位論文. 指導教授：楊立行博士. 政治大以部分 XOR 作業探討類別學習中 XOR 策略生成的原因立. ‧ 國. 學. How the XOR categorization strategy is generated when learning a partial XOR category structure. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 研究生：張育瑋撰. 中華民國一○七年六月 DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(2) XOR 策略探討. 摘要 Conaway 與 Kurtz（2015）提出部分 XOR 作業（partial-XOR task）的行為證據，顯示在沒有學習的情況下，仍有一部分參與者會捨棄接近性而使用 XOR 策略進行分類。這樣的結果並沒辦法用參考點模型解釋，但能被發散自編碼模型（divergent autoencoder model，簡稱 DIVA；Kurtz, 2007）所解釋。然而，他們的研究並沒有說明，為什麼以及在何者情境下，人們會自主性地生成 XOR 策略。為此，本研究提出兩個假設，分別是對立捷思（contrast heuristic）與知識分化（knowledge partitioning）作為說明。實驗一先重製（replicate）了 Conaway 與 Kurtz 的結果。. 政治大而這個假設並沒有得到支持，顯示對立捷思不是人們自主性使用 XOR 策略的原立實驗二藉由破壞原先類別結構的對稱性，以期減少自主性 XOR 策略之生成，然. ‧ 國. 學. 因。實驗三則操弄刺激向度在不同類別內的相關程度，使得一個類別內兩刺激向度有高相關；但另一個類別內則相關為零。若如 DIVA 所示，自主性 XOR 策略的. ‧. 生成與類別內刺激向度之間的相關有關，我們應預期實驗三中觀察到的自主性. sit. y. Nat. XOR 策略生成的比例下降。若如知識分化所示，人們只是將部分 XOR 的結構切. n. al. er. io. 分成不同區域，再以不同規則進行分類，則 XOR 策略應仍會出現，不受刺激向. i Un. v. 度之間的相關程度影響，結果發現不但沒有下降還反而增加，支持知識分化的說. Ch. engchi. 法。同時，這兩個實驗也都發現 XOR 策略的生成與工作記憶廣度無關，進一步突顯知識分化與 XOR 策略之間的關聯性。由於採用知識分化策略必須要能夠分別注意不同的刺激向度，實驗四以心理不可分割的刺激向度進行實驗，果然沒有發現任何自主性 XOR 策略的生成。綜合四個實驗，本研究結論，使用部分 XOR 類別結構所誘發的自主性 XOR 分類策略其實是由於實驗參與者使用了知識分化的緣故。. 關鍵字： XOR 策略、知識分化、分類學習、工作記憶. i. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(3) XOR 策略探討. 目錄摘要 .............................................................................................................................................i 文獻探討 ................................................................................................................................... 1 規則模型 ............................................................................................................................... 1 原型理論 ............................................................................................................................... 2 範例理論 ............................................................................................................................... 2 混合模型 ............................................................................................................................... 4 特徵統計模型 ....................................................................................................................... 5 工作記憶和類別學習 ........................................................................................................... 9. 政治大. 實驗一 ..................................................................................................................................... 11. 立. 方法 ..................................................................................................................................... 11. ‧ 國. 學. 結果 ..................................................................................................................................... 13 討論 ..................................................................................................................................... 16. ‧. 實驗二 ..................................................................................................................................... 20. y. Nat. sit. 方法 ..................................................................................................................................... 21. n. al. er. io. 結果 ..................................................................................................................................... 23. i Un. v. 討論 ..................................................................................................................................... 31. Ch. engchi. 實驗三 ..................................................................................................................................... 33 方法 ..................................................................................................................................... 34 結果 ..................................................................................................................................... 36 討論 ..................................................................................................................................... 47 實驗四 ..................................................................................................................................... 49 方法 ..................................................................................................................................... 50 結果 ..................................................................................................................................... 51 討論 ..................................................................................................................................... 54. ii. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(4) XOR 策略探討. 綜合討論 ................................................................................................................................. 55 研究主要發現 ..................................................................................................................... 55 知識分化與 DIVA 觀點的比較 ........................................................................................... 56 接近性策略與 XOR 策略的比較 ........................................................................................ 57 XOR 策略傾向指標 ............................................................................................................. 58 研究限制與未來方向 ......................................................................................................... 59 結論 ......................................................................................................................................... 62 參考文獻 ................................................................................................................................. 63. 政治大工作記憶廣度的分測驗程序立............................................................................................. 68. 附錄 ......................................................................................................................................... 68. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. iii. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(5) XOR 策略探討. 表目錄表1. 實驗二參與者在測驗階段區段間使用策略列聯表 ................................... 25. 表2. 實驗二參與者在測驗階段各區段使用策略列聯表 ................................... 25. 表3. 鍵結值與 S 指標的模擬結果 ....................................................................... 29. 表4. 實驗二各變項的相關係數矩陣 ................................................................... 31. 表5. 參與者在測驗階段使用策略（8 標準答案）列聯表 ................................ 42. 表6. 實驗三參與者在測驗階段區段間使用策略列聯表 ................................... 42. 表7. 實驗三參與者在測驗階段各區段使用策略列聯表 ................................... 43. 表8. 實驗三各變項的相關係數矩陣 ................................................................... 47. 學 ‧. ‧ 國 io. sit. y. Nat. n. al. er. 表9. 政治大實驗四參與者在測驗階段各區段使用策略列聯表 ................................... 52 立. Ch. engchi. i Un. v. iv. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(6) XOR 策略探討. 圖目錄圖 1：Aha 與 Goldstone（1992）的類別結構 ........................................................ 3 圖 2：XOR 結構例圖 ................................................................................................. 7 圖 3：部分 XOR 結構與策略 .................................................................................... 8 圖 4：實驗一訓練階段出現的刺激材料 ............................................................... 12 圖 5：實驗一訓練階段的正確率 ........................................................................... 13 圖 6：實驗一預測及測驗階段所使用的標準答案 ............................................... 14 圖 7：實驗一預測及測驗階段所使用的標準答案 ............................................... 15. 政治大圖 9：俞信安（2007）研究中觀察到的 KPXY 組 ................................................. 19 立圖 8：部分 XOR 作業中 XOR 策略產生的流程 ..................................................... 19. ‧ 國. 學. 圖 10：實驗二訓練階段出現的刺激材料 ............................................................. 21 圖 11：實驗二訓練階段的正確率 ......................................................................... 23. ‧. 圖 12：實驗二測驗階段合併區段一二的答 A 機率值 ......................................... 24. sit. y. Nat. 圖 13：實驗二預測及測驗階段所使用的標準答案 ............................................. 25. n. al. er. io. 圖 14：測驗階段各象限回答 A 類別之比例 ......................................................... 27. i Un. v. 圖 15：單維度結構範例 ......................................................................................... 28. Ch. engchi. 圖 16：實驗三中 XOR 策略產生的流程 ................................................................ 34 圖 17：實驗三訓練階段的類別結構 ..................................................................... 35 圖 18：實驗三訓練階段的正確率 ......................................................................... 36 圖 19：實驗三測驗階段合併區段一二的答 A 機率值 ......................................... 37 圖 20：實驗三區段內的分類等高線圖傾向 ......................................................... 37 圖 21：實驗三顏色組與邊長組測驗階段的分類等高線圖 ................................. 39 圖 22：測驗階段的分群 ......................................................................................... 39 圖 23：測驗階段群聚的標準答案 ......................................................................... 40. v. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(7) XOR 策略探討. 圖 24：測驗階段各情境在四個象限回答 A 類別之比例 ..................................... 44 圖 25：測驗區段各象限回答 A 類別之比例 ......................................................... 45 圖 26：實驗四中策略產生的流程 ......................................................................... 50 圖 27：實驗四使用的刺激材料 ............................................................................. 51 圖 28：實驗四訓練階段的正確率 ......................................................................... 52 圖 29：測驗區段各象限回答 A 類別之比例 ......................................................... 53 圖 30：測驗階段各實驗在四個象限回答 A 類別之比例 ..................................... 53. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. vi. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(8) 文獻探討. 分類（categorization）是將原本紊亂的不同事物依據一定的標準來分群，建立各個類別（category），從而能簡化資訊、幫助理解。在演化上，分類能力也具有維生的意義，例如，幫助個體區辨眼前的食物是否可食用，又或者是在未明的危險情境下幫助個體快速決定要戰或要逃（fight or flight）。此外，分類能力也是許多認知行為的基礎(Ashby & Maddox, 2005)，概念形成、決策判斷、問題解決及歸納推理都與分類能力息息相關。. 政治大學習分類、分類的心智歷程是什麼，尤其著重於探討習得的類別是以何種表徵儲立. 由此可見分類是個重要的認知功能，也因此有許多心理學家投入研究人如何. ‧ 國. 學. 存在我們的記憶中。幾十年的累積下，研究者們提出了許多不同的分類理論，以下將這些理論依據它們所主張的類別表徵形式分成三大類：規則（rule-based）. ‧. 理論、原型（prototype）理論和範例（exemplar）理論，並討論各理論的觀點。. n. al. er. io. sit. y. Nat. 規則模型. i Un. v. 規則模型顧名思義指人在分類時是依據規則來判斷類別，舉例而言，要是三. Ch. engchi. 角形就必須符合定義：有三個邊的封閉圖形、內角和 180 度等，這類規則通常被稱為古典理論。規則除了可以是古典理論所認為的特徵定義，也可以被理解為知覺空間中的邊界（boundary），在這條邊界兩側的刺激分別對應於不同的類別標籤（category label）。著名的 GRT（General Recognition Theory）理論便是這類理論中的典型例子。根據 GRT，每個刺激可以被視為知覺空間裏的一個點，這些點構成不同的類別，不同的類別各自佔據空間中的不同區域，而這些區域由空間中的界線分割而成(參考 General Recognition Theory, Ashby & Townsend, 1986)；因此在學習類別時的目標，就是去找出那條足以區分不同類別的邊界。根據 GRT，這條邊界的型式可以是線性（最高次方數為 1），或者曲線（最高次方數超過 1）， 1. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(9) XOR 策略探討. 又或者是由多條邊界的交集（disjunction）或聯集（conjunction）所構成，完全取決於兩類別在兩個刺激向度上的變異數-共變數矩陣的結構。這個理論設定已經獲得相當多研究成果的支持(Ashby & Gott, 1988; Ashby & Maddox, 1990; Ashby, Paul, & Maddox, 2011)。. 原型理論原型理論認為人在學習時會在各類別中抽取中央趨勢（central tendency）形成各自的原型（prototype），原型可能有類別內最常見的特徵、最典型的特徵或為特徵的平均值；而分類的依據即是將欲分類的物品與各類別的原型做相似性比. 治政較，並將之歸入最相似的那組(Reed, 1972; D. J. Smith 大& Minda, 1998, 2000)。過去立研究也發現，一個類別中的原型，往往是類別內最典型的例子(Rosch & Mervis, ‧ 國. 學. 1975)。不同於規則理論，原型理論是以相似性作為分類基礎；任何刺激與原型. ‧. 愈相似，就有愈高的機會被判斷為該類別。然而，原型理論無法解釋人們何以能. sit. y. Nat. 學會非線性分割的類別結構；同時，原型理論在數學上也可以被視為 GRT 的線. io. al. n. 取代。. er. 性分類器（linear classifier）。因此，一如古典理論，原型理論漸漸被其它理論所. Ch. engchi. i Un. v. 範例理論範例理論同樣認為人是以相似性判斷來進行分類，但不同於原型理論，範例理論認為人們會將學習過的刺激作為範例（exemplar）記憶起來，當新的刺激出現時，會將範例而非原型拿來與之比較，最後以相似性加總作為分類的判斷。範例模型可以溯源至 Medin 與 Schaffer (1978)的情境模型（context model），該模型已初步建立相似性的計算，只是相似性被當成自由參數，由參與者的行為表現來估計，而且限制只能用在二元變項。Nosofsky (1986)擴展情境模型，建立廣泛性情境模型（generalized context model，簡稱 GCM），與 GRT 相同，GCM 也將刺激 2. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(10) XOR 策略探討. 視為是心理表徵空間中由不同特徵所組成的座標點，於是相似性可以藉由類別空間中座標點之間的距離來計算。由於有這部分的設計，相似性在 GCM 不再是自由參數而是可以直接計算的計量單位。此外，GCM 也引入選擇注意力（selective attention）的觀念，選擇注意力是一個空間距離的加權數，若某個向度被注意得比較多，則點與點在該向度上的距離會被放大；反之若某向度被注意得比較少，則該向度上的距離會被縮小，藉此來影響刺激之間的相似性。之後，ALCOVE 模型(Kruschke, 1992)將 GCM 結合錯誤驅動學習（error-driven learning） (Gluck & Bower, 1988; Rumelhart, Hinton, & Williams, 1986)，並以類神經網路的架構作模型架構，使得範例模型能動態學習及展現轉移注意力（shifting attention）。原型理. 治政論無法學會非線性類別結構，但是範例理論可以（例如，GCM 或 ALCOVE）。這大立使得範例理論比原型理論得到更多的支持。此外，藉由將不同刺激向度進行聯集 ‧ 國. 學. 或交集組合，GRT 也可以正確判斷非線性結構中的刺激類別。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 圖 1：Aha 與 Goldstone（1992）的類別結構1 資料來源：Aha & Goldstone（1992）。. 表徵同質性與異質性儘管上述的規則、原型和範例理論所主張的表徵形式各不相同，但三者都認 1. 該研究中使用方框與線段組合而成的圖形作為刺激，x 軸表示方框的大小，y 軸表示現段的所在位置。刺激材料圖可以參考圖 4。 3. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(11) XOR 策略探討. 為人們所習得的類別只有一種表徵，即分類規則、原型或者曾經看過的範例。這表示這些理論共同認為類別的表徵具有同質性。同質性的觀點使得表徵理論之間必定相互爭論何者才是人們習得類別的表徵，此議題也橫跨 80 年代中期到 90 年代中期，規則和範例觀點都有相當可觀的支持證據(Maddox & Ashby, 1993; Rips & Collins, 1993; E. E. Smith & Sloman, 1994)。然而，一些研究也顯示類別表徵可能並不單一：Roth 與 Shoben (1983)發現人們認為的典型飲料會隨著情境的不同（秘書 vs 卡車司機）而有不同（茶 vs 牛奶），顯示典型性似乎不只一套判斷標準。此外， Aha 與 Goldstone (1992)設計了一個分類實驗如圖 1 所示，共有 A 與 B 兩個類別且在訓練階段時呈現空間中. 治政 AB 所標各 6 個刺激，WXYZ 則為測驗階段時的檢驗刺激大。實驗結果參與者會將 W、立 Y 分入 B 類別，X、Z 分入 A 類別，顯示人們會依據目標所在類別空間的不同而有 ‧ 國. 學. 不同的分類判斷：當刺激出現在下半部時，參與者會以 Y 軸作為分界區分兩個類. sit er. io. 混合模型. y. Nat. 擇不同分類規則的現象暗示了異質性類別表徵的可能性。. ‧. 別，當刺激出現在右半部時，參與者則會以 X 軸作為判準，這種依據不同區域選. al. n. iv n C 隨著研究的繼續推展，單一表徵的理論漸漸不足以解釋現象，於是，到了 hengchi U. 90 年代末期，研究者們偏向承認習得的類別可以有多重表徵，以此觀點建立的模型可以統稱為混合模型（hybrid model）。例如，RULEX 模型(Nosofsky, Palmeri, & McKinley, 1994)強調人們先嘗試找出簡單分類規則，若還有規則無法正確分類的刺激，則將它們記下當成特例。在分類時，會先依照刺激與特例間的相似性分類，若與特例不夠相似，則以規則判斷其類別。類似的混合模型還有 ATRIUM 模型(Erickson & Kruschke, 1998)，相同的是，它也假設規則和範例是由不同的模組各自對刺激進行分類判斷。只是，分類的結果是這兩個模組的線性組合，而不是擇一模組進行分類判斷。到了 21 世紀初，爭 4. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(12) XOR 策略探討. 論的焦點轉向類別學習是由單一系統還是多重系統負責(Ashby, Alfonso-Reese, & Waldron, 1998; Donkin, Newell, Kalish, Dunn, & Nosofsky, 2015; Edmunds, Milton, & Wills, 2015; Newell, Dunn, & Kalish, 2010; Nosofsky & Johansen, 2000)。其中最有名的是多元系統觀的 COVIS 模型(Ashby et al., 1998)，它包括了規則（rule-based）和程序式學習（procedural learning based）的兩個子系統，二者可以各別視為是從規則理論和範例理論發展而成的模組(Kruschke, 2011, pp. 145-146)。由上述可見，混和模型透過組合不同的表徵模組來展現行為上的異質性。. 特徵統計模型. 治政其實，不論類別表徵是範例或規則，我們都可以將它們視為主張分類需要依大立照參考點才能進行：根據刺激與範例（或者原型）的相似性進行分類，此時的參 ‧ 國. 學. 考點是範例（或原型），故範例模型與原型模型皆為參考點模型(Matsuka, 2004)。. ‧. 廣義來說，規則也是參考點，依據刺激落在規則的哪一邊來決定它的類別也是依. sit. y. Nat. 照參考點進行分類(Kurtz, 2007)。除了這些參考點模型之外，另外還有一種模型. io. er. 在表徵同質性的基礎下運作，他們主張人們經驗到的刺激忠實反映它們在各特徵向度上的結構，而這個結構的統計特性就是類別的表徵。例如，電影這個類別在. al. n. iv n C 時間向度上，可能是一個正偏的分配，眾數位置在 h e n g c h i U120，因為多數電影的片長大約 120 分鐘，少數電影才會拍成極長的時間(Fried & Holyoak, 1984)。因此，這種也可以稱作是作業限制的統計模型（task-constrained statistical model） (Kurtz, 2007)。一個最近比較為人知悉的特徵統計模型是發散自編碼模型（divergent autoencoder model，簡稱 DIVA；Kurtz, 2007）。DIVA 模型使用三層類神經網路結構，從輸入層到隱藏層時會不分類別地以如同主成分分析（principle component analysis）的方式將看到的刺激材料重新編碼（recode），隱藏層節點會記錄抽取出來的刺激特徵向度，在隱藏層到輸出層時再將這些編碼解碼，並學習各類別在. 5. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(13) XOR 策略探討. 抽取出來的特徵向度上的分布情形。從程序中可以看出 DIVA 模型並不是識別、記住每個看過的刺激，而是學習刺激內在表徵的分配，再依此分布情形將刺激分組。此外，在解構與重構的過程後，DIVA 模型也就不會如同參考點模型一般，因相似性的計算方法而受類別空間中距離的限制。近期，Conaway 與 Kurtz (2015)使用部分 XOR（partial-XOR）類別結構進行分類實驗並發現參與者的反應明顯違反參考點模型的預測，即，參與者在訓練階段明明沒有線索支持使用 XOR 分類策略，卻在測驗階段時出現使用 XOR 策略進行分類的表現。這個結果十分有趣，也讓人不禁想探討究竟是什麼原因才會造成此結果。因此，本研究針對他們的研究進行延伸，企圖釐清背後原因。在此，先介. 治政紹他們使用的部分 XOR 類別結構，而後再介紹本研究的各個實驗。大立 ‧ 國. 學. 部分 XOR 類別結構. ‧. XOR（exclusive-or）是一種邏輯運算，當兩兩數值相同時為否，而數值不同. sit. y. Nat. 時為真。近來研究常將此種結構投射到類別空間中作為學習的規則；舉例而言，. io. er. 讓刺激材料為有大小（大 vs 小）及形狀（黑 vs 灰）兩種二分特徵向度的色塊，且在大小向度上定小為 0、大為 1，在形狀向度上定灰色特徵為 0、黑色為 1，則. al. n. iv n C 刺激材料皆可由 0、1 兩位數組成的代碼表示。此時若大黑方塊與小灰方塊屬於 hengchi U 一類，且大灰方塊與小黑方塊屬另一類，即為一種 XOR 結構，如圖 2 所示。 XOR 結構因具有許多重要的特性與爭議而被重視，譬如：在 XOR 結構中，. 兩類別無法被線性分割，顛覆了原型理論的適用性。原型理論認為判斷類別時，人們依照與類別原型的相似性來判斷，而原型又常是類別的平均數位置。若以圖 2 來看，則類別 A 和類別 B 縱使分散在四個角落，它們的平均數卻重疊在一起，以致於原型理論預測人們應該無法學會區分此二類別，但事實上人們卻可以，這個結果時常被用於支持範例理論(Estes, 1994)。另外，規則模型如 GRT 也可以解釋人們何以學會 XOR 類別結構，例如，習得的分類規則其實是雙曲線邊界。 6. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(14) XOR 策略探討. 然而，Conaway 與 Kurtz (2015) 修改原本的 XOR 作業，將刺激材料的兩個特徵從二分變項都再細分成連續量尺，此外在部分 XOR 作業中的訓練階段，實驗參與者不會看到所有特徵組合。若把刺激材料的兩個特徵作為 XY 軸，將所有圖形放上二維類別空間，實驗參與者在訓練階段時會隨機看到並學習第一、二和三象限的部分圖形，其中第一三象限屬於同類，第二屬於另一類，而剩餘第四象限沒有出現，如圖 3 所示。在測驗階段時，所有象限內的刺激都會出現，並要求實驗參與者進行分類。由於在訓練階段中，只有第一、二、和第三象限的刺激出現，故不能說是完整的 XOR 結構，見圖 3 左。從參考點模型觀點來預測，要是以相似性為分類判斷依據，則第四象限的刺激顯然會因為比較接近第一和第三象限的. 治政刺激而被判斷為類別 A，見圖 3 中。另者，要是以規則為分類依據，部分 XOR 大立結構也應該會誘使實驗參與者學會一條右上至左下的斜直線邊界，或者是一條垂 ‧ 國. 學. 直於 x 軸和一條垂直於 y 軸的聯集界線（例如，若 x < xc and y > yc，則為類別 B），. ‧. 不論是哪種規則都會將第二象限與其它象限隔離，以規則為表徵的角度來看，第. n. al. er. io. sit. y. Nat. 四象限都應該被判斷為類別 A，見圖 3 中。. Ch. engchi. i Un. v. 圖 2：XOR 結構例圖. 7. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(15) XOR 策略探討. 圖 3：部分 XOR 結構與策略2 資料來源：Conaway & Kurtz（2015）。. Conaway 與 Kurtz 將圖 3 中稱作接近性（proximity）策略，用以表達以相似性為基礎的分類策略。不過，由前述可知，傳統的規則模型也會做出相同的預測。. 被稱為 XOR 策略3，見圖 3 右。. 學. ‧ 國. 治政然而，他們的研究發現大約有 1/3 的參與者在測驗階段時，會將第四象限判斷為大立類別 B，就好像他們一開始就已經看過一個完整的 XOR 結構，於是這種分類策略 ‧. Conaway 與 Kurtz 將此行為資料放入 DIVA 模型，透過主成分分析，原本的. sit. y. Nat. 結構會經過轉軸投到新的類別空間，該空間可以擷取類別內特徵的相關，譬如：. io. er. A 類別中 XY 特徵呈現正相關，但在 B 類別中 XY 特徵呈現負相關，DIVA 模型依此可以讓 A 類別的範例在新的空間中位於其中一個軸向，B 類別則與另一個軸向有. al. n. iv n C Kurtz 即以此結果挑戰使用相似性作計算的分類模型，譬如 hengchi U. 關。Conaway 與. ALCOVE (Kruschke, 1992)、原型 prototype 模型(D. J. Smith & Minda, 2000)等參考點模型：在模型模擬時 DIVA 模型可以解釋行為資料中使用 XOR 策略的參與者，但上述的參考點模型卻無法，是為支持 DIVA 模型的證據。. 2. 左圖為訓練階段參與者學習的刺激；中圖為參與者運用接近性策略會產生的類別結構；右圖為. 參與者運用 XOR 策略會產生的類別結構，兩者的差異出現在第四象限回答 A 或 B 類。 3. 有些可能會認為 XOR 只是一種結構，不能做為一種策略，在 Conaway 與 Kurtz（2015）的原文中確實是使用外推法（Extrapolation）表示這裡所指的 XOR 策略，並以其與接近性策略對應。然而，在部分 XOR 的作業中參與者使用何種策略都是以其在測驗階段表現出的類別結構反推，故稱呼該群人為 XOR 策略使用者其來有自。另外，接近性策略在字面上就可以顯現參與者是使用接近性原則來分類，清楚地代表了一種表現；但外推法卻不能提供原則來區分出表現了 XOR 結構的人，而在原則不確定的情況下，我認為稱為 XOR 策略較為妥當。 8. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(16) XOR 策略探討. 然而，儘管 DIVA 模型可以解釋行為資料，但除了類別內特徵的相關外並沒有說明 XOR 策略生成的理由，或是生成的條件；意即，DIVA 無法說明甚麼時候有可能會出現 XOR 策略、甚麼時候不會，只提供資料的解釋，但無法提供預期。此外，類別內特徵的相關性是否為產生 XOR 策略的必要條件也值得探討。那麼除了 DIVA 外是否有其他的解釋？Yang (2016)引進以多項式核心（kernel）作為相似性計算的依據，說明在維持參考點模型架構的前提下，只需改變相似性計算的方式（例如，從歐幾里得（Euclidean）距離改為使用向量相關），參考點模型一樣可以預測出 XOR 策略。上述的解釋包含 DIVA 觀點都是針對一個既定類型資料進行解釋，並未檢驗. 治政過當類別架構有所更動後是否有相同結果，又是否有不同的預期。為了探討 XOR 大立策略生成的理由，並檢驗是否得以操弄 XOR 策略的生成或抑制其發生，本研究 ‧ 國. 學. 在實驗一，先仿造 Conaway 與 Kurtz (2015)的實驗流程，在稍微修改了結構的情. ‧. 況下，觀察在部分 XOR 作業中是否穩定會出現有使用 XOR 策略的參與者，並請. sit. y. Nat. 參與者在結束後描述他們在過程中是如何進行分類，以其作為後續研究的發想。. io. er. 若部分 XOR 作業中穩定會出現 XOR 策略與接近性策略兩種表現，那麼就該更進一步去探討參與者的個別差異對策略選擇的影響，即參與者的特徵或能力是. al. n. iv n C 否決定了分類的傾向，而又是否因為這項指標在人群中的組成結構穩定，使得不 hengchi U 同時地進行的部分 XOR 作業實驗都會出現兩種策略，乃至兩種策略的人數比例都相仿(Conaway & Kurtz, 2015, 2017). 工作記憶和類別學習在類別學習的領域之中，工作記憶廣度為最受矚目、最常被探討的個別差異項目。工作記憶與類別學習之間的關係，在 COVIS 模型提出後，受到大量的關注。 COVIS 模型認為類別學習透過兩個子系統進行，其中，外顯系統或稱規則為基礎的系統被認為與前額葉息息相關，所負責處理的是可以口語化的規則（例如，單. 9. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(17) XOR 策略探討. 向度的規則）；另一個子系統則被認為是與程序學習有關的內隱系統，以刺激反應連結的方法，學習不可口語化的規則。為檢驗這個說法，一些研究發現當工作記憶負荷增大時，單向度規則的學習表現受到較大的影響，但不可口語化的規則則沒有(Filoteo, Lauritzen, & Maddox, 2010; Maddox & Ashby, 2004; Maddox & David, 2005; Maddox, Love, Glass, & Filoteo, 2008; Zeithamova & Maddox, 2006)，不過，這類研究也往往被指出有實驗設計或分析上的瑕玼(Lewandowsky, 2011; Newell et al., 2010; Newell, Dunn, & Kalish, 2011; Nosofsky & Kruschke, 2002; Nosofsky, Stanton, & Zaki, 2005)。也有研究指出，在不可口語化規則的學習上，工作記憶廣度大者反而學習表現較差 (DeCaro, Thomas, & Beilock, 2008)，不過同一. 治政組研究人員在使用更為嚴格的標準檢驗資料後發現並沒有前述現象(DeCaro, 大立 Carlson, Thomas, & Beilock, 2009)。至此，工作記憶與類別學習的關係可能不如 ‧ 國. 學. COVIS 所述。. ‧. 儘管如此，有許多研究支持工作記憶確實和類別學習有關(Lewandowsky,. sit. y. Nat. 2011; Lewandowsky, Yang, Newell, & Kalish, 2012)，工作記憶廣度大的人，確實在. io. er. 類別學習作業上表現較佳，不論學習的規則是否可以口語化都是如此。鑒於以上的背景脈絡及研究，本研究選擇以工作記憶為主要的個別差異，探討人是否因為. al. n. iv n C 不同的工作記憶廣度而在部分 XOR h e作業中使用不同的策略。 ngchi U. 雖然 Conaway 與 Kurtz (2015)研究的主旨在於強調參考點模型（尤其是範例模型）無法如同 DIVA 模型，透過對刺激空間的統計特性，預測 XOR 的策略，但部分 XOR 作業典範的結果本身就是一個值得探討的有趣現象。本研究將以四個實驗，檢驗部分 XOR 作業中是否穩定出現 XOR 策略，以及探討 XOR 策略可能的生成原因。. 10. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(18) XOR 策略探討. 實驗一. 本研究為檢驗 Conway 與 Kurtz (2015) 的 XOR 策略使用是否為偶然的現象，將原先結構稍作修改，並在不同時間地點的現下重新進行實驗。在 Conaway 與 Kurtz 的研究中，訓練階段隱藏的是第四象限的刺激材料（即大且深色方塊），在本實驗一中，則改為隱藏第一象限刺激（即大且淺色方塊），並對調 AB 兩類別標籤（圖 4）；這些修改也可以視為是將原有的結構垂直翻轉。雖然結構經過翻轉修改，但依舊保有部分 XOR 作業的形式，如果 XOR 策略. 政治大者；若實驗一中並沒有參與者生成 XOR 策略，則表示 XOR 策略可能會受到結構立的出現是個穩定的現象，則應預期實驗一中仍會出現一定比例的 XOR 策略使用. ‧ 國. 學. 翻轉的影響，又或者是跟實驗進行的時間地點有關，兩者皆表示 XOR 策略的生成並不穩定，可能是偶然得之。. ‧ sit. y. Nat. 方法. n. al. er. io. 實驗參與者與儀器。實驗參與者來自國立政治大學在學學生共 37 人，在實驗結. i Un. v. 束後會給予參與者車馬費或心理學相關課程的加分。實驗以 IBM-PC 相容之個人. Ch. engchi. 電腦進行，電腦皆使用 4:3 螢幕且固定為 1024*768 解析度。. 實驗刺激材料。在類別學習部分，實驗材料參考 Conaway 與 Kurtz (2015) 的研究，使用由邊長長度（像素）和顏色（灰階黑到白）兩個特徵向度所組成的填色矩形作為刺激。矩形大小及矩形顏色都是連續尺度，以此二特徵可以畫成一個二維的類別空間，X 軸數值表示邊長長度，Y 軸數值表示灰階顏色，空間中的點就是一個填色矩形的刺激。將大小取出等距的 7 個值：100、150、200、250、300、350、 400；灰階也取出 7 種顏色，由深入淺分別為：black、dim gray、gray、dark gray、. 11. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(19) XOR 策略探討. sliver、gainsboro、whitesomke，總共形成 49 個特徵組合。在訓練階段使用其中 6 種作為刺激，而在測驗階段中則全部使用。. 立. 政治大. ‧ 國. 學. 圖 4：實驗一訓練階段出現的刺激材料. ‧. 實驗程序。參與者會先閱讀實驗指導語（指導語並不特別鼓勵或反對使用假設檢. y. Nat. io. sit. 定方式來發現規則），在確認沒有問題後才開始進行實驗。. n. al. er. 實驗分作訓練及測驗兩階段，在訓練階段中有 6 種填色矩形刺激，其中 4. Ch. i Un. v. 個屬於 A 類別，分別位於類別空間中的第二及第四象限；另外 2 個屬於 B 類別，. engchi. 位於第三象限。為了平衡在一個區段中 A、B 類別出現的次數，B 類別的 2 個刺激會各重複出現一次，是以一個區段有 8 個嘗試次，此階段包含 12 個區段，共 96 個嘗試次。訓練階段中採用回饋學習典範，每次嘗試次會出現一個填色矩形，參與者要判斷該圖形屬於類別 A 或類別 B，若認為是 A 則按下鍵盤上的「F」鍵，若認為是 B 則按下「J」鍵，按下後螢幕會出現「Correct」或「Wrong」的回饋訊息。測驗階段中使用類別空間中 7 x 7 所有的點，共 49 種填色矩形，每種圖形各出現一次，共 64 個嘗試次。每個嘗試次中會出一個填色矩形方塊，參與者要判. 12. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(20) XOR 策略探討. 斷該圖形屬於類別 A 或類別 B，若認為是 A 則按下鍵盤上的「F」鍵，若認為是 B 則按下「J」鍵，但不會給予回饋。. 結果類別學習整體的表現。以正確率為依變項，區段（1 到 12）為獨變項做單因子受試者內變異數分析，發現區段的主要效果顯著（F（11, 396） = 24.47, MSe = 0.51, p < .01），事後檢定顯示從區段 2 開始正確率有顯著的提升，區段 7 之後的正確率又較中前區段來得更高。在最後幾個區段平均正確率達到 .90，表示實驗參與者有確實精熟訓練階段的範例。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 圖 5：實驗一訓練階段的正確率. 13. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(21) XOR 策略探討. 政治大. 圖 6：實驗一預測及測驗階段所使用的標準答案4. 立. ‧ 國. 學. 劃分策略組。如同先前文獻探討所言，參與者選擇何種策略是以其在訓練後表現的類別結構來定義，為了解個別參與者是屬於使用接近性策略抑或 XOR 策略，. ‧. 本實驗先依這兩種策略分別訂出標準答案。接近性標準答案中，只有第三象限的. sit. y. Nat. 刺激為類別 B（量化計分為 -1），其餘皆是類別 A（量化計分為 1）；反之，XOR. n. al. er. io. 標準答案中，則是第二、四象限的刺激為類別 A，第一、三象限刺激為類別 B，. i Un. v. 象限與象限間接壤的地帶因為不論歸於 A 類別或 B 類別都不會改變整體的結構. Ch. engchi. 趨勢，故將其量化為 0。每位參與者的表現可以視為計量空間（metric space）中 49 元素的一維向量，將此向量與兩個標準答案分別計算歐幾里德距離（Euclidean distance）就會得到參與者的反應與兩答案的相似程度，數值（距離）越大表示越不相似，反之數值越小則越接近標準答案結構，因此參與者的表現會被分入距離值較小的策略組。結果顯示 37 位參與者中有 13 人被分入 XOR 策略組、24 人被分入接近性策略組，除了出現不可忽略數量的 XOR 策略使用者外，兩策略的人數比例也相當. 4. 顏色黑色表示答案為 A（-1），顏色白色表示答案為 B（-1），象限間則定為灰色（0）表示介在 AB 兩類別中間。 14. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(22) XOR 策略探討. 接近先前的研究(Conaway & Kurtz, 2015, 2017)。圖 7 為兩策略組在測驗階段的平均表現，可以發現在關鍵的第一象限中兩組確實有相反的回答傾向。. 立. 政治大. ‧ 國. 學. 圖 7：實驗一預測及測驗階段所使用的標準答案. ‧ sit. y. Nat. 參與者的口語回報。在實驗一中，許多使用 XOR 策略的參與者會將其分類的準. er. io. 則描述成：「小的黑的圖形屬於 B 類，但大小相同卻是灰的圖形出現時，則類別. n. a 要顛倒」，透露出他們似乎發展了一種捕捉對立性的捷思來學習分類。 iv l C hengchi Un. 對立捷思（contrast heuristic）觀點：「已知一個圖形為其中一個類別，當需要分類的圖形與其有一特徵相同且另一特徵近乎顛倒，就歸類到另一類別」. 將上面這句話畫在類別空間中會發現其意思等同經過垂直或平行鏡射的圖形要屬於不同類別，這可能是一個關於對比、對稱的捷思。在原先 Conaway & Kurtz (2015)（圖 3）和實驗一使用的結構中（圖 4），訓練階段的 6 個刺激（4 個類別 A 以及 2 個類別 B）在兩個特徵向度上呈現完美的對稱。也就是說，參與者可以注意到類別 B 的刺激與類別 A 的刺激彼此總是在一個向度上有相同的水準，但 15. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(23) XOR 策略探討. 在另一個向度上不同，並可能因而生成了上述的捷思。運用此捷思，他們在訓練階段中可以習得 100%的正確率；在測驗階段中，當看到第一象限的刺激時，由於這些刺激和第二或第四象限的類別 A 刺激都可以找到在某一個向度上有相同的水準，並在另一個向度上有對稱的水準，因此根據捷思，參與者會將第一象限的刺激判斷為 B。若是如此，則就分類的反應來看，這正是 XOR 策略，然而它可能只是對立捷思的運用結果。除了對立捷思之外，在實驗中有另一群參與者回報他們是將類別空間分成兩個區塊來學習，譬如：「圖形較小的時候，深色的是 B 淺色是 A；圖形較大的時. 候就都是 A」又或者「圖形顏色較淺的時候，小的是 A 大的是 B；顏色較深的時. 治政候小的是 B 大的是 A」（參考圖 3），這種將類別結構根據情境線索（前句中為大大立小、後句中為顏色）區分成不同部分，並套用不同的規則即是知識分化的展現。 ‧ 國. 學 er. io. sit. y. Nat. 群，在不同的群之中套用不同的規則來分類」. ‧. 知識分化（knowledge partitioning）觀點：「將圖形先依照大小（或顏色）區分成兩. 雖然在部分 XOR 作業中顏色與大小皆為類別判斷的有效資訊，不同先前知. al. n. iv n C 識分化研究中使用獨立於類別判斷的第二層級 h e n g c h（second i U order）線索來進行分化，但根據 Kalish, Lewandowsky 與 Kruschke (2004)外在的情境線索不為知識分化的必要因素，在部分 XOR 作業中參與者可能就是自發性（spantaneous）地知識分化，並使用顏色或是大小作為情境線索來學習不同的知識封包。. 討論實驗一的結果證實在部分 XOR 作業中使用 XOR 策略不是偶然，而是這樣的結構都會誘發出兩種相反的分類策略。在確認了此現象之後，本研究進一步討論 XOR 策略生成的原因。 16. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(24) XOR 策略探討. 從參與者們的口語回報中，實驗一歸納出了兩個可能的觀點：對立捷思和知識分化來解釋人們習得 XOR 策略的由來。對立捷思源於在部分 XOR 作業訓練階段中，給定的刺激材料都符合對比的概念，且有空間中最極端的組合：相同大小顏色最深比最淺、相同顏色大小最大比最小，這些強烈的對比可能促使了對立捷思的建立與運用。因此，本研究後續的實驗二將透過破壞訓練階段刺激材料的對比結構，探討對立捷思與 XOR 策略之間的關係。除了對立捷思外，本研究也探討知識分化對 XOR 策略運用的影響，為此，先回顧知識分化的研究文獻。知識分化首先由 Lewandowsky 與 Kirsner (2000) 等人提出，他們發現消防員對於火勢蔓延的知識並非整合且單一，而是將知識根據不同的情境線索（點燃的. 治政回火（back burning）或要撲滅的火（fire fighting））切分成多個部分，並儲存於大立各自的知識封包（parcels）中。因此，消防員真正的判斷標準並不是單純依靠物 ‧ 國. 學. 理條件（風速、坡度），而是習得在一種情境中（例如：回火）會使用其中一個. ‧. 封包的知識來判斷，當出現另外情境時（例如：要撲滅的火）就要使用另一個封. sit. y. Nat. 包內的知識來預測火勢。. io. er. Yang 與 Lewandowsky (2003, 2004)以類別學習作業為研究對象，發現知識分化不是專家所獨有，更可能是一種人類學習的基本特色。以 Yang 與 Lewandowsky. al. n. iv n C 的研究為例，參與者會將類別空間劃分成兩區域，並且以顏色作為情境 hengchi U. (2004). 線索來運用分類規則，而非將兩個區域整合成同一條規則，顯示了人們在類別作業中同樣會進行知識分化。後續 Lewandowsky, Roberts 與 Yang (2006)在類別學習典範下操弄刺激材料可否口語化和知覺可不可分割兩種特性，結果除了同樣發現有知識分化的情形外，也觀察到難度的不同會影響是否採行知識分化，呼應了 Lewandowsky, Kalish 與 Ngang (2002)的發現。回到實驗一，從參與者的回報中可以發現不論是接近性策略使用者或是 XOR 策略使用者都可以使用知識分化來簡化作業，兩者的差異在於封包內的知識，即分類的依據。接近性策略者應是在劃分出包含第一象限的區域中，選擇一致地判. 17. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(25) XOR 策略探討. 斷為 A 類別；XOR 策略者則是在劃分出包含第一象限的區域中，運用了有別於相似性的判斷。舉例而言，若參與者以顏色作為情境劃分了淺色的區域與深色的區域，XOR 策略者可能是比較了這兩個區域，產生出「兩類別錯覺」（two-label illusion）認為淺色區域必須如同深色區域一般有兩種類別存在，並因此啟動了相異性判斷：判斷怎麼樣的刺激比較不會是 A，進而將最遠離的既大且淺色圖形歸類為 B 類別。兩類別錯覺是指儘管實驗並沒有特別規定或引導，參與者卻會自主地認為在兩個知識封包中都必須含有 AB 兩個類別的判斷準則。兩類別錯覺的現象近似於 Levering 與 Kurtz (2015) 所發現的錯覺對比（illusory contrast），兩位研究者在特徵推論作業（feature inference test）中發現即使經過學習，在兩類別中平均出現. 治政的特徵仍會被認為在分類上有預測力，且錯誤地認定兩類別在此特徵向度上有對大立立的強度或模樣。此外，錯覺也可能源自於實驗設計上只有兩個類別，造成「非 ‧ 國. 學. A 即 B」的現象，且在訓練階段時為了平衡兩類別的學習故出現各半的 A 與 B 類. ‧. 別刺激，可能使得參與者認為 AB 為等量且對立的兩個類別。最後，部分 XOR 作. sit. y. Nat. 業中並不會強迫必須進行知識分化，若參與者並未將類別空間切割成不同區域，. io. er. 則其就該會如參考點模型所示，單純地使用相似性進行判斷，進而展現接近性策略，整合上述的步驟，描繪部分 XOR 作業中 XOR 策略產生的流程如圖 8。. n. al. Ch. engchi. i Un. v. 18. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(26) XOR 策略探討. 圖 8：部分 XOR 作業中 XOR 策略產生的流程註：流程中實心線為通往 XOR 策略的過程（O 表示採用、X 表示不採用），並在上方舉例類別空間的劃分。. 知識分化除了能解釋部分 XOR 作業外，在俞信安（2007）為了探討知識分化的研究中，有 32.26%的參與者經過了圖 5 的學習後，產生了 XOR 般的類別結構：將習得之類別界線推演至未知領域並改變其分類方式，研究中也以此作為參與者確實進行知識分化現象的證據。. 立. 政治大. ‧. ‧ 國. 學 sit. y. Nat. al. n. 資料來源：俞信安（2007）。. er. io. 圖 9：俞信安（2007）研究中觀察到的 KPXY 組5. Ch. engchi. i Un. v. 最後，與主張同質性表徵的特徵統計模型（例如：DIVA）不同，知識分化的主要特色在於揭示異質性的知識表徵(Lewandowsky, Kalish, & Griffiths, 2000; Lewandowsky et al., 2002; Yang & Lewandowsky, 2003, 2004)。本研究在後續的三個實驗中會透過操弄類別結構或刺激特性來促發或抑制對立捷思或知識分化的形成，並觀察使用 XOR 策略的傾向是否對應的上升或下. 5. 同樣使用方框線段圖作為刺激，空心圓與叉號為訓練階段看到的刺激，真實的邊界是一條肩型. 曲線且線上為 B 類別、線下為 A 類別。圖中為俞信安（2007）研究中發現的其中一種表現，KPXY （knowledge partition by axis X and Y）表示參與者以 X=400 與 Y=500 將空間切分成四個區域，並認為相鄰的區域會有對應的類別，圖中 AB 字母表示受試者的反應。 19. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(27) XOR 策略探討. 降，由此期盼能找到不只事後解釋，更能事前預測的理論來解釋部分 XOR 作業中 XOR 策略生成的原因。. 實驗二. 實驗一重製了 Conway 與 Kurtz (2015) 的發現，確認在部分 XOR 作業中確實會誘發兩種不同的分類傾向，且這個現象不會因為隱藏的象限不同而有不同。此外，從實驗一參與者的回報中本研究歸納了兩種可能的生成原因：對立捷思的生成與知識分化的運用。本研究首先以實驗二探討在部分 XOR 的分類學習作業中，. 政治大響，另外也測量工作記憶廣度以了解 XOR 策略的使用是否與工作記憶廣度有關。立人的分類策略是否與對立捷思有關，即受到類別結構中 A、B 兩類別對稱性的影. ‧ 國. 學. 實驗二修改自 Conaway 與 Kurtz 訓練階段的結構，首先，將原有的 7 x 7 的類別空間擴大成偶數的 8 x 8。如此一來，可劃分出等大的四個象限，各象限之. ‧. 間不會有類別未定的模糊地帶，且依據 X 軸、Y 軸中間值為對稱軸，每個點都可. sit. y. Nat. 以找到相鄰象限的對稱點，即每個刺激材料都找得到兩個對立的配對刺激。之後，. n. al. er. io. 再將原來部分 XOR 結構第二象限中的一個 B 類別範例往中心方向右下方移動（見. i Un. v. 圖 6），其他範例位置則保持不動。值得注意的是，新的類別結構中 A、B 兩類別. Ch. engchi. 內特徵分布依舊各自為右上到左下與左上到右下，兩者的差異依舊。然而，經過移動後，訓練階段中 A、B 類別的範例都只剩下一半還保有水平或垂直的對稱刺激，對立比例由原本的每個刺激都存在另一個類別的對應刺激（100%），降低至只剩下一半找得到對應（50%）。對立比例的減少會降低對立捷思在訓練階段的適用性，實驗二預期會因此導致參與者沒有發現對立捷思或選擇不採用，進而使得 XOR 策略使用者減少。此外實驗二增加了一個測驗階段的區段，使得參與者有第二次面對全部 64 種特徵組合的機會，也能由此觀看策略運用隨著區段的變化。實驗二預期在訓練階段時結構不利於捷思發展，然而在測驗階段的第一個區段後，受試者看過了所 20. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(28) XOR 策略探討. 有 64 個刺激，可能會意識到這些刺激都可以用對立捷思來解釋，因而在區段二採用捷思來進行判斷，造成區段一二可能會有不同的策略運用。. 立. 政治大. ‧ 國. ‧ sit. y. Nat. 方法. 學. 圖 10：實驗二訓練階段出現的刺激材料註：y 軸表示灰階，數字越大表示顏色越淺，數字越小表示顏色越深。. io. er. 實驗參與者與儀器。實驗參與者來自國立政治大學在學學生共 48 人，在實驗結束後會給予參與者車馬費或心理學相關課程的加分。實驗以 IBM-PC 相容之個人. al. n. iv n C 電腦進行，電腦皆使用 4:3 螢幕且固定為解析度。實驗流程、刺激呈 h e n g1024*768 chi U. 現以及資料收集皆由 Matlab 的 Psychotoolbox 套件(Brainard & Vision, 1997)的程式碼控制。. 實驗刺激材料。在類別學習部分，實驗材料參考 Conaway 與 Kurtz (2015) 的研究，使用由邊長長度（像素）和顏色（灰階黑到白）兩個特徵向度所組成的填色矩形作為刺激。矩形大小及矩形顏色都是連續尺度，以此二特徵可以畫成一個二維的類別空間，X 軸數值表示邊長長度，Y 軸數值表示灰階顏色（0 表示黑色，255 表示白色），空間中的點就是一個填色矩形的刺激。將大小取出等距的 8 個值： 21. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(29) XOR 策略探討. 140、200、260、320、380、440、500、560；灰階取出等距的 8 個值：25、50、 75、100、120、150、175、200，總共形成 64 個特徵組合，在訓練階段使用其中的 6 種作為刺激：（140, 25）、（200, 50）、（500, 175）、（560, 200）為 A 類別，（140, 200）、（260, 150）為 B 類別，而在測驗階段中則全部使用。在工作記憶廣度測驗中，本實驗採用 Lewandowsky, Oberauer, Yang 與 Ecker (2010) 研發的 Matlab 程式套件，總共有四個分測驗：memory updating（MU）、 operational span（OS）、sentence span（SS）、spatial short-term memory （SSTM）。這四個測驗能涵蓋工作記憶大部分的範疇：言語面向對應空間面向，及儲存功能對應控制整合功能。關於這四個測驗的敍述請見附錄。. 立. 政治大. 實驗程序。參與者會先閱讀實驗指導語（指導語並不特別鼓勵或反對使用假設檢. ‧ 國. 學. 定方式來發現規則），在確認沒有問題後才開始進行實驗。實驗流程分作兩部分，. ‧. 一個部分 XOR 作業的分類實驗，另一部分則為工作記憶廣度的測驗，為了消除. y. sit. io. er. 憶測驗。. Nat. 疲憊可能造成的影響，所有參與者會先進行分類實驗，並在一天以後進行工作記. 分類實驗為一個部分 XOR 作業，實驗又分作兩個階段：訓練階段及測驗階. al. n. iv n C 段。在訓練階段中有 6 種填色矩形刺激，其中 U A 類別，分別位於類別空 h e n g c h4i 個屬於間中的第一及第三象限；另外 2 個屬於 B 類別，位於第二象限。為了平衡在一個區段中 A、B 類別出現的次數，B 類別的 2 個刺激會各重複出現一次，是以一個區段有 8 個嘗試次，此階段包含 12 個區段，共 96 個嘗試次。訓練階段中採用回饋學習典範，每次嘗試次會出現一個填色矩形，參與者要判斷該圖形屬於類別 A 或類別 B，若認為是 A 則按下鍵盤上的「S」鍵，若認為是 B 則按下「；」鍵，按下後螢幕會出現「Correct」或「Wrong」的回饋訊息。測驗階段中有兩個區段，每個區段中使用類別空間中 8 x 8 所有的點，共 64 種填色矩形刺激，每種刺激各出現一次，共 64 個嘗試次。每個嘗試次中會出一 22. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(30) XOR 策略探討. 個填色矩形刺激，參與者要判斷該圖形屬於類別 A 或類別 B，若認為是 A 則按下鍵盤上的「S」鍵，若認為是 B 則按下「；」鍵，但不會給予回饋。在區段一結束後有提供間隔，參與者可以稍作休息後再進入區段二。區段二的流程與區段一相同，但刺激呈現的順序為另一組隨機序列，不與區段一相同。. 結果總共有 48 位參與者進行實驗，其中有 1 位因為程式當機或主試者的操作失誤而在工作記憶廣度的部分分測驗上有遺漏，另有 1 位因為資料毀損而沒有工作記憶廣度分數，這兩位參與者其他完好的資料仍會納入計算。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 圖 11：實驗二訓練階段的正確率. 類別學習整體的表現。以正確率為依變項，區段（1 到 12）為獨變項做單因子受試者內變異數分析，發現區段的主要效果顯著（F（11, 517） = 43.85, MSe = 0.58, p < .01），事後檢定顯示正確率從區段 1 到 3 有逐漸提升，並在區段 4 後穩定。在最後幾個區段中平均正確率達到 .95，表示實驗參與者有確實精熟訓練階段的範例。. 23. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(31) XOR 策略探討. 圖 12：實驗二測驗階段合併區段一二的答 A 機率值. 治政在測驗階段中，參與者會對所有 64 個刺激進行分類，回答該圖形屬於 A或大立 B 類別，平均所有參與者的答案繪製出圖 8，其中顏色越深表示回答 A 類別的比 ‧ 國. 學. 例越高，越淺則 B 類別的比例越高。從圖 8 可以發現，延續訓練階段，參與者在. ‧. 測驗階段時能掌握第一、三象限為 A 類別，第二象限為 B 類別的規則，而第四. sit. y. Nat. 象限則為搖擺的象限，有些人認為是 A 有些人認為是 B，因而呈現中間機率的灰. io. al. er. 色。以下將參與者分為使用 XOR 策略者與使用接近性策略者兩組來進行探討。. n. iv n C 劃分策略組。如同實驗一，設定 h XOR 標準答案與接近性標準答案（圖 13），並計 engchi U 算參與者的反應與兩標準答案的距離值。參與者的表現會被分入距離值較小的那組策略，如果參與者兩個典型性值相同，則分入 50/506組。參與者在測驗階段中區段一、二的表現分開計算，可以各自被歸入不同的策略組。. 6. 實驗二中 XOR 與接近性標準答案只在第四象限有差異，意即若第四象限回答 A 類別的比例大於 0.5，則參與者在測驗階段的表現會被歸類為接近性策略使用者；若回答 A 類別的比例小於 0.5，則會被歸類為 XOR 策略使用者；若參與者回答 A 類別的比例與 B 類別的比例相等就會無法確定屬於 XOR 抑或接近性策略，只好歸入 50/50 組。50/50 組也同字面意思表示此組內參與者第四象限的回答 AB 類別比例各半。 24. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(32) XOR 策略探討. 政治大. 圖 13：實驗二預測及測驗階段所使用的標準答案. 立. io. n. al. 3 2 23. y. 1 0 2. 表 2 實驗二參與者在測驗階段各區段使用策略列聯表 XOR 策略 C h. Block1 Block2. 17 15. 接近性策略. sit. 11 1 5. Nat. 50/50 接近性策略. 50/50. ‧. XOR 策略. XOR 策略. er. Block2. ‧ 國. Block1. 學. 表 1 實驗二參與者在測驗階段區段間使用策略列聯表. e n g50/50 chi 3 3. i Un. v. 接近性策略 28 30. 跨區段的策略運用。表 1 為測驗階段各區段間採用策略的列聯表。從表中會發現參與者在區段間會傾向使用相同的策略，排除 50/50 組後使用 McNemar 卡方計算改變顯著性，結果為 𝒳 2 （1, n = 42）= 0.13, p = .72，表示區段一與區段二策略的改變不顯著，參與者可能沒有如實驗預期般在區段間改變回答的策略。表 2 為測驗階段區段一二採用策略的人次表，由表中可以得知在 XOR 策略與接近性策略的比例上，區段一二分別為：17（35.42%）比 28（58.33%）、15（32.61%） 25. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(33) XOR 策略探討. 比 30（65.22%）都相當接近之前研究所發現的 1:2 比例。將實驗二區段一、區段二分別和實驗一所觀察到的 13（35.14%）比 24（64.86%）作卡方同質性檢定得到 𝒳 2 （1, n = 82） = 0.00, p = .99 和 𝒳 2 （1, n = 82） = 0.00, p = 1 表示實驗二不論區段，使用 XOR 與接近性策略的比例與先前實驗相同，並沒有如預期觀察到 XOR 策略者減少的趨勢。然而，人數比例這個尺度較為粗糙且嚴苛，以下引入並分析其他指標。. 回答 A 類別的比例。測驗階段的每個嘗試次都是二元反應，不是 A 類別即是 B 類別，因此回答 A 類別的比例 p(A)可以作為類別結構的指標。以標準答案的 XOR. 治政策略與接近性策略為例，兩者在第一象限（既大且淺色）大、第二象限（既小且淺立色）及第三象限（既小且深色）中會有著相同的答案，而 XOR 策略組與接近性 ‧ 國. 學. 策略組的差異在於類別空間中第四象限（既大且深色）要被分類為 B 類別，故. ‧. XOR 策略組在第四象限回答 A 類別的比例應較低。而為了確實區分出不同象限，. sit. y. Nat. 在計算 A 類別的比例時會先排除各象限與其他象限接壤的區域，以實驗二關鍵的. io. er. 第四象限為例，僅計算空間中最右下角的 3x3 區域；也因為這個 3x3 區域與實驗一的範圍大小相同，因此能與實驗一的結果進行比較。. al. n. iv n C 首先，以策略組作為獨變項、第四象限回答 h e n g c h i AU的比例作為依變項的變異數分. 析指出不同策略組的人在第四象限 A 比例存在不同（F（2, 93）= 185.1, MSe = 4.73, p < .01），經過事後檢定確認接近性策略組的比例顯著大於 50/50 組（t（62）= 5.25, p < .01），50/50 組的比例又再顯著大於 XOR 策略組的人（t（36）= 4.71, p < .01），接近性策略組也就顯著大於 XOR 策略組（t（88）= 18.71, p < .01），顯示第四象限回答 A 的比例確實可以作為策略採用的指標，於是接下來以回答 A 類別的比例來檢驗實驗預期。圖 14 為各象限選擇 A 類別的比例條狀圖，在第一二三象限中的趨勢顯示參與者都能學習並擴展訓練階段的範例，然第一三象限回答的比例不似標準 XOR 26. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(34) XOR 策略探討. 或接近性策略那樣的極端可能是因為參與者在判斷時並不一定使用中間值作為界線（參考圖 12 中的界線），或是實驗中不小心按錯鍵所造成。為檢驗測驗區段間是否有改變，以區段、象限作為獨變項、回答 A 類別的比例作為依變項進行變異數分析，結果象限的主要效果顯著（F（3, 141） = 87.58, MSe = 9.17, p < .01）顯著象限間有差異。此外，區段的主要效果（F（1, 47） = 9.38, MSe = 0.09, p < .01）和區段與象限的交互作用（F（3, 141）= 6.41, MSe = 0.10, p < .01）都顯著，檢驗單純主要效果後發現區段的差異來自於第一象限（F（1, 47）= 19.35, MSe = 0.35, p < .01），而在關鍵的第四象限中區段一與區段二並無顯著差異（F（1, 47）= 0.42, MSe = 0.01, p = .52），與實驗預期不完全相同。. 治政實驗二另外也預期實驗操弄會使得參與者 XOR大策略傾向降低，取實驗一的立資料作為對照基準，實驗二的回答 A 類別比例應該較低。記錄實驗二區段一與區 ‧ 國. 學. 段二關鍵第四象限的比例，並分別對實驗一關鍵第一象限的數值進行 t 檢定，結. ‧. 果得到前者 t（83）= -1.34, p = .18，後者 t（83）= -1.16, p = .25，皆無顯著差異，. n. al. er. io. sit. y. Nat. 表示實驗二中 XOR 策略傾向與實驗一相仿，並不如預期般有所減少。. Ch. engchi. i Un. v. 圖 14：測驗階段各象限回答 A 類別之比例. 27. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(35) XOR 策略探討. 政治大結構的對稱性。除了上述所說的差異外，XOR 策略結構上非常對稱，既在 X 軸與立圖 15：單維度結構範例. ‧ 國. 學. Y 軸上有對稱軸，更同時對稱右上到左下的對角線和左上到右下的對角線。相比之下，接近性策略只對稱左上到右下的對角線，而若受試者只是單純地使用單一. ‧. 特徵向度來進行分類，譬如圖 15 所示，這種單維度（uni-dimensional）的結構就. sit. y. Nat. 僅會在其中一個特徵向度上有對稱軸，也不會在任何對角線對稱。依循這種想法，. n. al. er. io. 本研究建立了一個 S 指標（s 表示 symmetry）來展現類別結構的對稱性，這種指. i Un. v. 標能區分出 XOR 策略與其他結構在對稱性上的差異，除了能用來將參與者的表. Ch. engchi. 現劃分策略組，更能將結構數值化，得以記錄結構間的不同。為了捕捉對稱性，首先找出類別空間中在四個角上的刺激作為基準點，將原先每個刺激點的二維座標改寫成在空間中此刺激點到四個基準點的歐幾里得距離，故新生成一含有四個元素的座標。舉例而言，第二象限的基準座標點的新座標就為（7, 0, 7, 7√2）。之後，將此座標丟入一個兩層類神經網絡（neural network）來進行學習，輸入層有四個節點分別對應四個座標元素，輸入經過各自的鍵結在一個輸出節點上加總，最後若加總興奮值大於 0 則表示判斷為 A，小於 0 表示判斷為 B。跟據 Abdi, Valentin 與 Edelman (1999, pp. 58-60)，此處使用的兩層類神經網絡可以使用擬反矩陣（pseudo inverse）直接忽略學習過程得到最後鍵結值。 28. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(36) XOR 策略探討. 因此將參與者在測驗階段的表現用 A 為 1、B 為-1 的方式編碼後，以區段為單位送入類神經網絡得到四個鍵結值，概念上近似取四個基準點作為範例，然後計算四個範例對類別的權重。得到四個鍵結值後，將第一鍵結值減去第三鍵結值並取絕對值，再加上同樣計算的第二第四鍵結值，最後總合除以 2 再平方即為 S 指標。. 𝑆=(. |𝑊1 −𝑊3 |+|𝑊2 −𝑊4 |. )2. 2. (1). 此處的類神經網絡不是要模擬參與者的反應，而是用作計算對稱性的計量工. 政治大右下的對角線，那麼第一鍵結值與第三鍵結值的權重應該相等，相減之後等於 0；立具，因此重點不在回答 A 或 B，而是四個鍵結值的樣態。若類別結構對稱左上到. ‧ 國. 學. 若類別結構對稱右上到左下的對角線，那麼第二鍵結值與第四鍵結值的權重應該相等，相減之後等於 0；當結構為 XOR 標準答案時上述同時成立，也就會計算出. ‧. 來的 S 指標等於 0。表 3 呈現使用模擬的 XOR 策略、接近性策略與單維度策略所. sit. y. Nat. 得的 S 指標，可以發現 S 指標有確實地區分出了 XOR 與其他策略，數值越靠近 0. n. al. er. io. 該與 XOR 策略越相似。相較於綜合象限內一併計算的類別 A 比例指標，S 指標會. i Un. v. 受到刺激實際位於象限內何處的影響。此外，值得一提的是，S 指標的計算方法. Ch. engchi. 與多項式核心相似性的概念有異曲同工之處。. 表 3 鍵結值與 S 指標的模擬結果 XOR 策略接近性策略單維度策略. W[1]. W[2]. W[3]. W[4]. S. 0.439 0.385 -0.143. -0.439 -0.197 -0.143. 0.439 0.099 0.143. -0.439 -0.197 0.143. 0 0.0204 0.0818. 以前述分群後的策略組作為獨變項、S 指標作為依變項的變異數分析指出不同策略組的人在 S 指標上會有顯著的差異（F（2, 93）= 51.14, MSe = 0.005, p < .01），經過事後檢定發現接近性策略者相比 XOR 策略與 50/50 有較大的 S 指標，將測驗 29. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(37) XOR 策略探討. 階段的兩個區段分開解釋也都能發現接近性策略者的 S 指標比 XOR 策略還來的大（t（43）= 8.98, p < .01）、（t（43）= 5.85, p < .01）。為了以 S 指標檢驗測驗階段區段間策略是否不同，以 S 指標為依變項，區段為獨變項進行受試者內變異數分析，結果 F（1, 47）= 2.51, MSe < 0.001, p = .12）表示區段間的對稱性並無改變，與表 1 和表 2 的結果一致。. 反應時間。研究也分析參與者在每個測驗階段嘗試次上所花費的時間，將嘗試次分為第四象限及其他，以此做為獨變項，參與者的反應時間作為依變項進行變異數分析。結果顯示在區段一中，刺激在第四象限時的反應時間顯著地較長（F（1,. 治政 47） = 11, MSe = 41.7, p < .01），在區段二也同樣有差（F（1, 47） = 9.67, MSe = 大立 115.29, p < .01）。這可能是因為參與者沒見過第四象限既大且深的方塊，因此必 ‧ 國. 學. 須花較多時間思考如何分類。這也顯示對第四象限的分類概念，可能是在測驗階. ‧. 段實際見到時才生成。. sit. y. Nat. 另外，若聚焦在第四象限，區段一中嘗試次所花費的反應時間會與參與者被. io. er. 分到哪個組別有相關（F（2, 765） = 6.17, MSe = 27.52, p < .01），事後檢定顯示 XOR 策略組的反應時間會顯著低於接近性策略組（p<.01）以及 50/50（p<.05）. al. n. iv n C 組。而區段二中則沒有差異（F（2, = 0.33, MSe = 5.22, p = .72）。 h e765） ngchi U. 工作記憶廣度的影響。表 4 為全部參與者在各項數值的兩兩相關列表，工作記憶廣度分測驗彼此都有正相關，然而，工作記憶的各項分數卻都與 S 指標和回答 A 類別的比例無關。就算更細微將參與者依策略組分群，分開檢驗 XOR 策略者和接近性策略者，工作記憶各分數依舊與 S 指標和回答 A 類別的比例無關，僅在參與者第一個測驗區段被分為接近性策略者時，其 MU 工作記憶分數與 S 指標有邊緣顯著的負相關（r（25） = -.38, p = .05），顯示在接近性策略者中工作記憶越大可能會越傾向 XOR 策略。 30. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(38) XOR 策略探討. 表 4 實驗二各變項的相關係數矩陣 MU MU OS. OS. SS. SSTM. S_bl1. S_bl2. pA_bl1. pA_bl2. .32*. .48** .81**. .35* .46**. -.17 .10. .04 .16. -.03 .07. .01 .03. .54**. .16. .17. .17. .10. .02. .22. .04. -.03. .61**. .87**. .73**. .55**. .69**. SS SSTM S_bl1 S_bl2 pA_bl1 pA_bl2. 立. .86**. 政治大. 註：*p < .05. **p < .01；回答 A 類別比例只計算第四象限。. ‧. ‧ 國. 學. 討論. sit. y. Nat. 實驗二探討對立捷思是否是 XOR 策略生成之原因，訓練階段的修改降低了. io. er. 對立捷思的適用性，預期會使得捷思不受青睞進而觀察到 XOR 策略者有所減少。. al. v. n. 另外，測驗階段的區段二因為已看過所有刺激，因此對立捷思的適用性會再提升. i n C U h e n g cXORh 策略。上來，預期區段二較區段一有更多人使用 i. 實驗二的結果顯示人數比例依舊與更改結構前的研究相仿，預期一並沒得到支持。預期二宣稱訓練階段的兩個區段該有差異，然而結果卻是無論使用人數比例、第四象限回答 A 類別的比例，抑或是結構對稱性，都沒有差異，參與者一致地在區段一二使用相同的分類方法。這些結果顯示對立捷思並非在學習過程中影響的因素，反而可能是一種後向解釋。對立捷思的概念可能是參與者在實驗後被詢問到如何分類時，才去思考並組織成的描述，因此捷思出現的時間點晚於學習或測驗歷程，以至於實驗二發現操弄捷思並不會影響分類表現。. 31. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(39) XOR 策略探討. 實驗二否定了以對立捷思作為 XOR 策略生成原因的想法，雖非刻意為之，但與先前相仿的結果也使得實驗二的資料恰好能作為實驗三、四比較的基準點，使得我們能除了人數比例之外，將第四象限回答 A 類別的比例或對稱性等指標納入分析，能更精細的比較異同。在對立捷思遭受反駁後，實驗三、四中，以知識分化作為理論，檢驗分類表現是否會分別受到類別結構和刺激特徵特性的影響。最後，工作記憶廣度與 XOR 策略的使用並沒有穩定的相關，可能無法確立工作記憶廣度大小為 XOR 策略生成與否的原因。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i Un. v. 32. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(40) XOR 策略探討. 實驗三. 以知識分化的觀點來看部分 XOR 作業，第一個分歧點是參與者在訓練階段時是否要將知識分化成不同封包。在 Conaway 與 Kurt (2015) 的研究及實驗一、二中，訓練階段總共只有 6 個刺激需要學習，且學習嘗試次眾多，要達到 100% 正確率並不困難，因此參與者可不必使用知識分化的策略。若參與者在訓練階段並沒有動用知識分化，那麼當進入到測驗階段並遭遇到未見過的刺激圖形時，參與者就該會也僅會將新的刺激放入整合無分化的類別空間中，單純地使用相似性. 政治大若參與者嘗試在訓練階段進行知識分化，當其進入到測驗階段並遭遇到未見立. 進行判斷，即成為了接近性策略使用者。. ‧ 國. 學. 過的刺激圖形時，就會視新刺激出現在哪個區域而套用不同的分類知識。因為在部分 XOR 作業的典範下，並無額外情境線索，故只能依刺激的 X 特徵或 Y 特徵. ‧. 進行劃分，而不論是哪種分化方法，都會使得有一區域含有 A、B 兩類別範例，. sit. y. Nat. 另一區域則只有 A 類別範例跟更多先前未見過的特徵組合。. n. al. er. io. 接下來就第二個分歧點：是否有兩類別錯覺。若稱有 A、B 兩類別範例的區. i Un. v. 域為空間一，只有 A 類別範例的區域為空間二，當參與者沒有意識到或不採用錯. Ch. engchi. 覺，則其可以簡單的將空間二直接都認為是 A 類別。若參與者有激發兩類別錯覺，那麼他便會認為空間二中也會有屬於類別 B 的圖形，於是將比較不像既有 A 類別範例的新刺激歸類為 B 類別，是為 XOR 結構。實驗二依循上述流程，並透過更改訓練階段的類別結構嘗試促使參與者知識分化；一旦知識分化的比例上升，儘管不操弄兩類別錯覺，XOR 策略人數比例也該會跟著上升（圖 16）。. 33. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.

(41) XOR 策略探討. 立. 政治大. ‧ 國. 學. 圖 16：實驗三中 XOR 策略產生的流程. 註：流程中實心線為通往 XOR 策略的過程（O 表示採用、X 表示不採用），並在上方舉例類別空. ‧ y. Nat. 方法. sit. 間的劃分。. n. al. er. io. 實驗參與者與儀器。實驗參與者來自國立政治大學在學學生共 52 人，參與者會. i Un. v. 被隨機分配進入兩個情境，其中顏色組有 28 人，邊長組有 24 人。在實驗結束後. Ch. engchi. 會給予參與者費或心理學相關課程的加分。實驗會以 IBM-PC 相容之個人電腦進行，電腦皆使用 4:3 螢幕且固定為 1024*768 解析度。實驗流程、刺激呈現以及資料收集將皆由 Matlab 的 Psychotoolbox 套件(Brainard & Vision, 1997)的程式碼控制。. 實驗刺激材料。刺激材料如同實驗二，使用由大小及顏色兩特徵所組合成的填色方塊，圖 17 左為顏色組，該訓練階段的結構中顏色比較單純，只有 4 種灰階色，而在邊長特徵則出現較多不同的大小。如前述所言，在部分 XOR 作業中參與者僅能使用顏色與邊長作為情境線索，而在顏色組的結構中，顏色是比較簡單的特 34. DOI:10.6814/THE.NCCU.PSY.007.2018.C01.