学习中的预测 | Prediction in Learning

Created
Oct 12, 2021 12:55 PM
Tags

image
image

本页面是基于我在“研究之家2020”上的演讲,并以类似演讲的形式呈现。

image

预测与学习

预测是我们生活中的基本认知功能,特别是在学习中。当与环境相互作用时,我们和其他物种一样,做出预测,并按照我们的期望行事。然后,结果要么是预期(expected)的并确认了我们现有的内部模型,要么是出乎意料(unexpected)的结果,并需要更新相关认知。这一步对于学习是至关重要的,并且使我们能够对未来做出更好的预测。

Non-declarative :内隐记忆,如骑车、打球
Non-declarative :内隐记忆,如骑车、打球

预测是每一种学习的一部分吗?

有确凿的证据表明,预测在简单类型的学习中起着重要作用,比如经典条件反射(巴甫洛夫的狗)。这些类型的学习传统上被归类为内隐性学习,因为我们不需要意识到学习的过程,我们不能“宣布”我们所学到的东西。这些关于预测的观点如今甚至延伸到了人工智能研究领域,是一个相当“热门的话题”1^1。然而,我们将要问一个不同的(尽管并非完全不相关)问题:

image

预测在陈述性学习中的作用是什么?

陈述性知识是关于对事实和事件的学习。这种学习发生在课堂上,当我们明确和有意识地构建知识时。

我们在这里集中讨论陈述性学习中的预测过程。然而,在这个背景下,我们会问,在这些明显不同的系统中,预测的作用有什么不同和相似之处。

image

在这种背景下思考预测引发了一些有趣的问题:

  • 预测是学习者直观使用的一个自然过程吗?
  • 是否有些学生比其他学生预测得更多?这些是好奇心更强的学生吗? 或是预测增强了好奇心?
  • 预测和好奇——先有鸡还是先有蛋?

最后

  • 我们可以诱发预测和好奇心吗? 我们应该这么做吗?或者我们应该“直接告诉他们”?
cognitive neuroscience of prediction: 预测的认知神经科学
cognitive neuroscience of prediction: 预测的认知神经科学

关于预测和好奇心的问题并不新鲜,并且引起了科学家和教育工作者的好奇心,是的,我们知道基于预测的活动可以促进学习,好奇心促进探索和学习。这里的目标并不是要覆盖整个研究领域,而是要关注一系列来自认知神经科学的研究——跨越实验调查的层次,并且大部分是来自于专门针对陈述性学习的人类行为实验的发现。关于预测在学习中的作用,他们描绘了一幅有趣而充满希望的画面。

💡
下面我们将讨论有关以下问题的证据和想法:
  • 为什么预测是有趣的? 它与意义的形成有什么关系?
  • 关于预测在获得陈述性知识中的作用,我们知道些什么?
  • 预测、好奇心和学习之间有什么关系?
  • 我们为什么要在课堂上使用预测?

image

预测在意义形成中的作用是什么

我对下面这个问题特别感兴趣: 「什么是意义,我们如何为教育目的定义它?」我认为意义有一些特质值得我们关注:

  • 意义对于更好和更多的学习是必不可少的。
  • 它往往很难实现,需要注意、集中和处理的精神资源。

image

因此,我们可以说,创造意义是一个必要难度,这是比约克教授在 1994 年提出的概念,这个理论简单来说就是我们应该让自己学习记忆的过程始终保持必要的难度,这种难度虽然在最初会减慢你的学习速度,但是长期来看对学习效果更加有利。 但重要的是要注意到,这些策略的核心是帮助我们塑造意义: 我们测试哪些链接在时间的流逝和上下文的变化中幸存下来——我们修复那些没有的链接。从某种意义上说,创造意义是必要难度中的女王。创造意义是使有效实践更加困难的事情。

image

但是我们也在为意义而挣扎,因为它难以捉摸——我们不知道什么是意义,我们看不到它——我经常听到人们用它不是什么来定义意义: 它不是死记硬背,它不是孤立的知识片段,等等……

image

因此,尝试和定义意义是有用的:

将新信息与我们已经知道的事情以一种特定的方式联系起来,使其在一定范围内发挥作用

image

使用一个建造金字塔的具体模型来思考意义是有帮助的: 较小的、较轻的三角形块代表我们已经拥有的知识片段。我们可以在一个非常特定的位置添加一个新的(深色)信息片段,来建立一个金字塔。金字塔是一个由组织良好的知识片段组成的结构,它本身具有一种功能——它是一个结构,我们可以用它来建造更大更精致的金字塔。最后,同一个概念在不同的语境中可能有不同的含义层次(比如社会学中的平等,和数学中的平等,是不同的)

image

我们可以进一步用这个模型来描述整个学习过程:

为了构建一个知识体系,我们需要确保我们有相关的先验知识(prior knowledge)——基础层次。接下来,我们应该能够关注和处理新的输入信息(New infomation),而且非常重要的是,将它们以一种非常特殊的方式连接在一起,从而创建一个新的功能结构:意义形成阶段(meaning making)。随着时间的推移和实践(pratice),我们巩固了这个新的结构(functional unit),并可以很容易地使用它进一步建设。

image

这个模型有助于强调学习的先决条件,以及对各个阶段的思考。这也有助于我们意识到预测的重要性:

如上所述,意义制定是必不可少的,但难以捉摸,最“本质但难以捉摸”的部分是这一个: 我们如何确保位置是准确的?毕竟,这发生在“黑盒子”,学习者的头脑,我们无法去直接访问。

image

预测是使用我们先前的知识,以期待或预测的位置引入新的知识块。

例如: 桃花是怎样变成桃子的? —— 相关知识块不一定是新的(桃花和桃子) ,但连接是新的,所以的意义,便是关于这种形式的一切链接。

image

可视化这个过程: 我们检索现有的知识,然后使用它来预测一个可能的连接。接下来,这个预测可以得到证实(上图) ,也可以得到意想不到的解释(下图)。

首先,有大量证据表明,先验知识对于学习是绝对必要的(例如3)。

image

其次,有证据表明存在两种途径:

  • 与现有图式或心理模型相一致的新知识更容易学习和更好地记忆(4)。你很容易就会知道西红柿是蔬菜沙拉的一部分。
  • 新的信息,是意外的或违反现有的模型,也更容易学习和记住。例如,我们都会在某一时刻惊讶地发现番茄实际上是一种水果,而且你可能从那时起就记住了这个事实
image

在这两种情况下,事件或项目比不相关的信息更容易记住。例如,如果一个西红柿只是随机购物清单上的一个项目。

有趣的是,我们也知道这两个途径是通过不同的互补神经通路来处理的,其中一个通路负责匹配现有的图式,另一个通过新颖的方式整合组件(也许是海马体的作用)

image

在这个西红柿的例子中,一个“已知”的知识块可能会让我们感到惊讶,如果它以一种意想不到的方式与先前的知识相关联,这就是预测的价值所在——这种不匹配可能促进学习。通过探索预测,我们将注意力集中在创造意义的最难以捉摸的部分。我们将特别关注学习的这一方面: 预测在更新记忆中的作用: 创造新的连接,重组或更新我们的知识库。

image

值得注意的是,考虑更新和重组知识的神经生物学,因为预测的故事从那里开始: 为了更新知识,大脑中现有的连接被重新连接。这个在生物学层面上的过程称为再巩固。

  • 巩固 - 是学习后形成联系的最初生物过程。
  • 重新巩固 - 当已经巩固的记忆在检索时变得可塑性强,并且再次依赖于生物过程的重新连接。

image

预测:神经生物学的角度

这是一个令人兴奋的发现,不是吗?也许一个潜在的机制的好处检索实践 —— 我们检索和重新激活,检查相关性在当前的情况下,这导致更新的之间的连接方式。

与此同时,有证据表明,并不是每次微量元素被激活时都会发生重新整合—— Lee (6)对分子、神经元和动物行为水平研究的发现进行了一次引人入胜的回顾。

image

Lee (2009)认为,重新整合是一种专门调节内存更新的机制,因此,它由以下进程触发:

  • 激活:旧的记忆必须在更新之前被激活
  • 预测错误信号:当预期和实际事件在重新激活期间不匹配。

image

更新人类陈述性记忆

更有趣的是,我们现在有一些来自认知神经科学的证据,使用人类行为实验和关注陈述性学习来支持这个方向。

以下是对人类陈述性学习中更新记忆的一些研究证据的回顾。

Day 1 :学习 ; Day 3:更新;Day 5:记忆测试
Day 1 :学习 ; Day 3:更新;Day 5:记忆测试

研究的重点是更新记忆,因此,实验设计遵循这样的一般模式: 首先,参与者学习一些东西,然后他们有机会检索和更新他们所学到的东西,最后,他们被测试,看看记忆是否更新,在什么实验条件下。通常会有几天的间隔,因此我们绝对处于长期记忆的领域。

image

第一项利用记忆激活的研究: 两组学生在第一天学习了一个列表,上面列出了20个实际的具体的和可见的物体(用灰色矩形表示)。两天后,他们又学到了另一个新物品列表(红色矩形)。在这种情况下,实验组被提醒在学习第二个清单之前的第一次学习经历(尽管没有详细说明) ,而另一组则没有。最后,两天后,两组被要求回忆第一个列表中的项目(灰色项目)。

image

他们发现记住的项目数量(灰色)没有差别,然而有趣的是,“提醒”组记住了第二个列表中的更多项目(红色) ,就好像它们是第一个列表的一部分。

也就是说,只有当列表1在新学习之前被激活时,它们旧的记忆痕迹才被(错误地)更新。

💡
这个证据强调了激活我们已经记住的信息是如何用新颖的信息更新我们的知识的。这意味着仅有先前的知识是不够的,它还应该在正确的时间被重新激活。 我们在这里得到一个机制本身的一瞥,即使当刺激是离散的和实际上毫无意义。有趣的是,同一组的其他研究在孩子身上也显示了类似的结果,另一组的进一步研究使用短的有意义的视频片段作为刺激,复制了结果并证明了更新过程中惊喜的附加价值——记忆被激活时会更新,尤其是当预测被推翻时——在这里阅读更多关于它的内容。

image

另一项最近的研究(10)进一步探索了惊喜或更具体的预测错误的影响。在这里,参与者学习“与学校相适应”的材料: 六页长的文字描述了一个陌生的历史事件,他们花了35-40分钟阅读和学习。

两天后,他们参加了一个由100个开放式问题组成的测试。他们先回答问题,然后评估自信程度,最后以正确答案的形式得到反馈。九天之后,他们再次接受测试,看看这些反馈是否能够更新他们的记忆。

image

为了测试预测错误的影响,研究人员选择了回答错误的问题,并将它们分为“高置信率不正确”代表较大的预测错误(上)和“置信度较低的不正确”代表较小的预测错误(下)。

你能预测结果吗? 哪种情况会导致更多的记忆更新?

image

也许你已经猜到,错误的预测实际上是更可取的。因为预测误差较大的项目,高置信度评分不正确的项目,比差距较小或预测误差较小的项目更容易被更新。

此外,在一个补充性的功能成像实验中,参与者经历了一个类似的过程,但是第二阶段发生在 fMRI 机器中——反馈,即正确的答案,引发了奖励系统的激活,类似于非陈述性类型的强化学习。这表明奖励系统参与了这种类型的学习。

💡
总结一下,我们可以看到现有的陈述性知识在下列情况下,可以用新的信息更新:
  • 先前的知识在学习之前被激活
  • 当先验知识引出一个预测错误,或违背期望

因此,当涉及到人类陈述性学习时,类似于动物模型的发现:激活和预测错误促进用新的信息更新现有知识!

预测和好奇心

在我们之前讨论过的实验中,预测是一个内隐过程,是检索先前知识的固有过程——我们检索信息,然后将其与“现实”进行比较,以评估它们之间的差距。

这就解释了为什么这种机制在使用提取练习时可能会在更新记忆中发挥作用,然而,有趣的是要问预测错误如何促进学习,并引入好奇心的作用。

意识到预测错误是否会让人们更好奇是什么触发了学习?还是天生好奇的个体倾向于做出更多的预测,从而从新信息中获益更多?首先是什么,好奇心还是预测?

image

好奇心是这个谜题中有趣的一部分: 它被认为是“学习的烛芯”——事实上,好奇心被发现与探索和学习以及奖励系统的激活有关。

有人认为,状态好奇心(state curiosity)是一种刺激探索和寻求信息以减少不确定性的动机状态,其中信息本身可能作为一种奖励(11)。

最近,认知神经科学的几项研究都在探索好奇心的作用机制,我希望你们对好奇心在更新记忆中的作用感到好奇。

image

在这项研究中,研究人员直接评估了做出预测和培养好奇心之间的关系。

参与者接触了90个有缺失信息的数字琐事(numerical trivia facts),然后,他们要么预测缺失的数字(上) ,要么生成一个例子(下)。注意这是一个严格的控制,控制组仍然被要求思考事实,但不能预测目标数量。然后,他们对自己的好奇心进行打分,并等待几秒钟,期待正确的答案。这项研究还包括在指定的时间点瞳孔放大作为好奇心的生理测量。

image

他们发现,在预测条件下,更多的事实与生成例子条件相比,得到了更高的好奇度评分,而且在这种条件下,瞳孔扩张也更大。

这些结果表明,产生预测会激发好奇心。

image

这些发现,以及一系列认知心理学和认知神经科学心理学的研究,包括生理学和神经影像学的发现,已经引导研究人员建立了一个引人注目的框架,来解释好奇心在学习中的作用,包括大脑相关区域的假定作用。

他们认为,识别预测错误,一个差距或与已知的冲突,会导致一个评估过程,估计差距的主观大小,这可能会导致一种好奇的状态,或者如果差距太大,以至于出现焦虑状态,这就退出了学习循环。

image

然后,好奇心通过奖励系统刺激学习,而奖励系统的输入增强了对新信息的注意、编码和整合。这反过来可能引发另一个周期。

这是一个建议的模型,基于一些令人信服的数据,但仍然是一个模型。然而,它导致了非常有趣的预测 —— 和进一步的研究,是相关的教育工作者以及。一个有希望的实际问题是,通过触发预测,我们是否可以激发好奇心,这种好奇心通过先天的奖励机制来加强新信息的编码和巩固,通过神经系统,比如你们知道的海马体。

image

课堂上的预测

这种诱导预测的想法与实际课堂上的发现并不相悖,我们以一项在课堂演示的背景下探索预测的研究作为结论。这是一个非常有趣的话题,因为每个人都喜欢示范,但是我们如何确定学习者实际上是在学习,而不仅仅是在“围绕学习”中获得乐趣呢?

image

一项针对大学预科物理学生(15岁)的研究,在物理概论课程中,提出了这一观点: 他们比较了以下四种教学条件和演示:

  • 没有演示(这是基线):只有主题介绍和相关解释
  • 观察——演示之后是解释
  • 预测——学生记录他们对结果的预测,观察演示,然后给出解释
  • 预测和讨论——学生记录预测,观察演示,进行同伴讨论,最后听解释

image

为了衡量学习情况——研究人员进行了一项测试,具体评估了示范中的知识,要求对结果作出回答,并要求解释。只有完全正确的答案才被认为是正确的。

很明显,单纯的演示并不能解释什么,但是在一个单独的预测任务上投入额外的两分钟,可以提高记忆力和解释力。是否值得投入额外的时间进行同伴讨论也取决于你有多少时间。

💡
有时我们可能会想,是否应该先示范然后解释以引起学习者的注意,或者更确切地说,应该先解释然后再示范以引起更好的理解。也许我们可以把预测看作一个指导方针:当你想要解释一个东西的时候,先让受众进行对结果的预测,然后再进行演示和解释,这样能让其预期和结果更加不匹配,继而激发其好奇心。

image

预测和预检(Prediction and Pretesting)

在另一项使用课堂兼容材料进行的研究中(17),我们看到,在通过谷歌搜索信息之前尝试想出一个答案,比立即转向谷歌搜索更有效。研究结果表明(没有结论),对于拥有更多相关的先前知识的学习者来说,这种效果更为突出。这一发现与上面提出的围绕预测的想法是一致的。而且,预测可以作为使用预测试(Pretesting)等方法的指导原则:它是有效的,或者说,当预测试允许有意义的预测时,它的效果更好(见这里的更多内容)。

image

总结:预测与学习

让我们回到金字塔模型来总结学习的条件,以及在我们探索它时预测的作用。我们发现,预测对于期望和现实之间的不匹配以及记忆应该更新的情况尤其重要。正如我们在一开始所说,预测在几种类型的学习中扮演着重要的角色,并且特别在较简单的类型中进行了研究。然而,我们关注的是陈述性学习——事实和事件,以及预测在产生意义中可能扮演的角色。

image

那么,这个过程的要素是什么呢?首先,人们普遍认为学习需要先验知识。

image

然而,正如我们所看到的,仅有先前的知识是不够的,它还必须被有意地激活,以获得被更新的机会。

image

传统模式的下一步将是引入新的信息——尤其是一种新的方式将各个部分连接在一起——以创造意义,建立一个新的金字塔。然而,我们强调了将这个基本但难以捉摸的过程分解成其元素并利用预测的好处的可能好处:通过诱导所有学习者预测连接的性质,我们支持一个过程,在这个过程中,他们注意到并意识到可能的不匹配,这会引起有针对性的好奇心,增加他们对新的意外信息的注意和编码,也会加强长期记忆的巩固。

image

我们可以试着把「诱导预测(inducing prediction)」想象成「一种有针对性和结构化的探索学习方式」。倡导发现学习的人强调自己发现的好处,反对者会说我们不能确定学生到底在想什么,既然这绝对是关键(记忆是思维的残留物,对吗?)教师最好适当解释。

通过要求每个人预测,我们可以利用这两方面的好处,称之为有针对性的发现: 设置阶段,将学习者指向可能不匹配的方向,让学习者,所有的学习者,从预测中受益,变得好奇,并获得新的意义。

💡
最后的评论 预测是一个有趣的话题,因为它似乎是我们如何学习的一个基本要素,它涉及到基础和更高的学习形式,就像我们在课堂上使用和发展的那些。这是我看到未来在认知神经科学、认知心理学和教育之间架起桥梁的主题之一。预测不是一个特定的策略,但是也许,就像检索一样,它是一个认知过程,如果你教学,并且确定它能够支持学生学习的正确地点,那么这个认知过程是值得注意的。 在思考预测的时候,我想到了许多与课堂有关的问题,其中一些在下面——如果你能分享一些你的问题,我会很高兴,并且继续这个对话。

预测是实际上的猜测吗? 不,猜测不是针对不匹配,也不是随机选择。预测是当我们有足够的先验知识和我们关注的缺失环节。所以,根据我们所学到的知识,我预测猜测不会对好奇心和学习产生类似的影响。
故意诱导预测的价值是什么? 这不是很自然吗? 是的,预测是基于一个自然的过程,但是和往常一样,课堂教授的知识面临的挑战是,它不是自然的,而且联系也不总是显而易见的。有些孩子可能会含蓄地使用预测并记得更多。我们可能会给它们贴上天生好奇的标签。但正如我们所见,我们可以通过引导每个人的预测,鼓励他们进入好奇的状态。 此外,在课堂上还有许多其他更简单、更“自然”的预测(例如: “我预测老师不会注意到这个纸球飞向篮子”) ,就像许多其他有效的方法一样——通过引导专注的预测,我们支持每个人建立在他们天生的能力之上,并将努力引向我们认为重要的事情。
预测与必要难度的关系是什么 必要难度是有效的实践方法,如检索实践和分布式实践(2)。这个想法是这些策略在困难的时候是有效的。我们可以问问这个困难是从哪里来的,一个好的答案是,它源于更新有意义的联系的必要性。当我们试图回忆过去学过的东西时,在一个新的环境中或使用不同种类的线索时,我们可能会陷入困境,我们现有的心理模型不能完全工作,我们发现我们需要更新它。也就是说,在缺少链接的地方创建或重新构建一个新链接。在更新的意义上,预测可能是非常相关的: 我们检索错误或不准确,这是一个预测错误,通过找出正确的答案,我们从新的学习中获得。我希望你能看到这些研究线索如何汇聚,并为我们的教学带来相关的见解。