Осознаваемые и неосознаваемые процессы обработки информации при усвоении искусственной грамматики тема диссертации и автореферата по ВАК РФ 19.00.01, кандидат наук Иванчей Иван Иванович

• Иванчей Иван Иванович
• кандидат наук
• 2016

Оглавление диссертации кандидат наук Иванчей Иван Иванович

Введение

Глава 1. Обзор исследований осознаваемых и неосознаваемых процессов обработки информации в имплицитном научении

1.1 Искусственная грамматика как модель вероятностной среды

1.2 Имплицитное научение в разных задачах

1.3 Применение осознаваемых и неосознаваемых знаний при усвоении искусственной грамматики

1.4 Теории имплицитного научения

1.5 Стратегии обработки информации и принятия решений

1.6 Факторы, влияющие на стратегии

1.7 Маркеры стратегий принятия решения

1.8 Выводы

Глава 2. Методы исследования

2.1 Обзор экспериментов и применявшихся методов

2.2 Эксперимент

2.3 Эксперимент

2.4 Эксперимент

2.5 Эксперимент

Глава 3. Результаты исследования

3. 1 Результаты эксперимента

3.2 Обсуждение результатов эксперимента

3.3 Результаты эксперимента

3.4 Обсуждение результатов эксперимента

3.5 Результаты эксперимента

3.6 Обсуждение результатов эксперимента

3.7 Результаты эксперимента

3.8 Обсуждение результатов эксперимента

3.9 Обсуждение результатов проведённых экспериментальных исследований

Выводы

Заключение

Список литературы

Приложения

Приложение А. Стимульный материал, использованный в эксперименте

Приложение Б. Инструкция к эксперименту

Приложение В. Стимульный материал, использованный в эксперименте

Приложение Г. Инструкция к эксперименту

Приложение Д. Стимульный материал, использованный в эксперименте

Приложение Е. Инструкции к эксперименту

Приложение Ж. Стимульный материал, использованный в эксперименте

Приложение З. Инструкция к эксперименту

Приложение И

Приложение К

Приложение Л

Введение диссертации (часть автореферата) на тему «Осознаваемые и неосознаваемые процессы обработки информации при усвоении искусственной грамматики»

Введение

Актуальность темы исследования. В ходе жизни человек усваивает огромное количество закономерностей в окружающей среде. Большая часть из этих закономерностей заучивается человеком непреднамеренно. В когнитивной психологии такой тип научения называют имплицитным научением. В качестве примеров можно привести двигательные реакции: сохранение равновесия, схватывание быстро летящего предмета. С вычислительной точки зрения это очень сложные операции, однако эти «вычисления» происходят вне нашего сознания. Если говорить о более высокоуровневых навыках, то примерами могут служить усвоение языка (Perruchet, 2008; Winter, Reber, 1994), приобретение экспертного знания (Singley, Anderson, 1989; Berry, Dienes, 1993; Червинская, 2010) и оценка личности другого человека (Lewicki, Hill, Sasaki, 1989; Белова, 2004). В лабораторных экспериментах для изучения данного процесса широко применяется экспериментальная парадигма усвоения искусственной грамматики, предложенная первоначально Хомским и Миллером (Chomsky, Miller, 1958), а затем использованная Ребером (1967) для исследования имплицитного научения. Благодаря работам Ребера и ряда других исследователей роль имплицитного знания в усвоении сложных закономерностей стала предметом широких научных споров (Dulaney и др., 1984; Perruchet, Pacteau, 1990; Shanks, St. John, 1994; Dienes, 2012; Cleeremans, 2014). На сегодняшний день большинство авторов сходится на том, что в процессе научения формируются как осознаваемые, так и неосознаваемые знания, однако открытым остается вопрос о механизмах их взаимодействия.

Этот вопрос тесно связан с вопросом применения имплицитного знания. Каким образом человек принимает решения на основе знаний, о которых не может отчитаться? Исследователи расходятся в ответе на этот вопрос. Большая часть авторов придерживается мнения, что знания, о которых человек не может отчитаться, проявляются в поведении автоматически (Reber, 1993; Lewicki, Hill,

Czyzewska, 1997). В пользу этой позиции свидетельствует достаточно большое количество экспериментальных фактов: невозможность контролировать проявление неосознаваемых знаний у здоровых испытуемых (Jacoby, 1991; Destrebecqz, Cleeremans, 2001), а также сохранность имплицитного научения и имплицитной памяти у больных с амнезией (Nissen, Bullemer, 1987) и при болезни Альцгеймера (Reber, Martinez, Weintraub, 2003) и т.д.

С другой стороны, достаточно много теоретиков высказывают идеи о том, что роль по-настоящему неосознаваемых знаний в деятельности человека минимальна, и в большинстве случаев люди опираются на фрагментированный осознаваемый опыт (Dulaney, 1997; Shanks, St John, 1994; Perruchet, Vinter, 2002). Свою позицию эти авторы отстаивают, проводя эксперименты, демонстрирующие, например, что в случаях, когда вербальные отчёты испытуемых не содержат релевантной информации, люди могут опираться на фрагментированные осознаваемые знания, в которых не очень уверены (Perruchet, Pacteau, 1990). Таким образом, в поле исследований имплицитного научения столкнулись приверженцы могущественного когнитивного бессознательного и приверженцы слабого когнитивного бессознательного.

Ситуацию осложняет тот факт, что феномены имплицитного научения являются довольно слабыми, и достаточно плохо воспроизводятся. Так, Хендрикс с коллегами смог воспроизвести результаты примерно 10% экспериментов П. Левицки (Hendrickx и др., 1997). Этот факт, конечно же, активно используется для защиты своей позиции приверженцами теории слабого когнитивного бессознательного. В последние годы также появляются исследования, демонстрирующие, что в экспериментах испытуемые могут одновременно не осознавать содержания приобретённых знаний, но при этом целенаправленно применять их (Norman и др., 2011; Norman, Price, Duff, 2006; Eitam, Schul, Hassin, 2009). Эти факты довольно трудно объяснить как с точки зрения сильного, так и с точки зрения слабого когнитивного бессознательного. В связи с этим в последние

годы набирает популярность третья группа подходов, согласно которым содержание имплицитного знания напрямую не доступно субъекту, однако человек может опираться на него посредством неспецифических субъективных переживаний (метакогнитивных чувств), сходных с «обертонами» сознания в концепции У. Джеймса (Mangan, 2003; Price, Norman, 2008; Аллахвердов, 2000). Таким образом, как и в некоторых других областях психологии (см., например, исследования мышления - Валуева, Ушаков, 2015), неспецифическим субъективным переживаниям придаётся функциональная роль. Однако в описаниях природы этих переживаний также не наблюдается единства: некоторые исследователи отождествляют их с переживанием беглости переработки информации (Kinder и др., 2003), другие объясняют ограниченностью когнитивных ресурсов (Mangan, 2003), третьи связывают возникновение субъективного переживания с противоречиями или согласованностью работы нескольких независимых когнитивных систем (Аллахвердов, 2000). Таким образом, актуальность работы обусловлена тем, что вопрос о взаимодействии осознаваемых и неосознаваемых процессов при применении имплицитных знаний остаётся открытым до сих пор.

Объектом исследования является процесс усвоения искусственной грамматики человеком. Предметом исследования являются механизмы взаимодействия осознаваемых и неосознаваемых процессов обработки информации при усвоении искусственной грамматики.

Цель диссертационной работы — выявление соотношения осознаваемых и неосознаваемых знаний, приобретаемых в процессе усвоения искусственной грамматики, и условий их применения.

Для достижения поставленной цели сформулированы следующие задачи: 1) сопоставление теоретических подходов к объяснению диссоциации между усвоением сложных закономерностей на уровне поведения (имплицитное знание) и умением испытуемых отчитаться о характере приобретенного

знания на осознаваемом уровне (эксплицитные знания);

2) выявление и описание объективных индикаторов (маркеров), позволяющих понять, опирается ли человек на имплицитные или эксплицитные знания, когда принимает решение, классифицируя новые стимулы;

3) выявление и описание факторов, влияющих на соотношение имплицитных и эксплицитных знаний, приобретаемых в ходе усвоения искусственных грамматик, а также факторов, влияющих на вероятность применения имплицитных знаний в новых условиях и на новых стимулах.

Теоретико-методологические основания работы. В качестве теоретического базиса нашей работы используются многосистемные теории научения (Ashby, Paul, Maddox, 2011; Dienes, 2012; Reber, 1989; Пономарев, 1960), а также концепция В. М. Аллахвердова (Аллахвердов, 1993, 2000). В её рамках предполагается, что в когнитивной системе человека функционирует несколько когнитивных блоков. Эти блоки независимо друг от друга различными способами решают задачи обработки информации. Специальный механизм (механизм сознания) осуществляет мониторинг работы этих блоков. Как только они выдают совпадающий результат (например, одинаковую интерпретацию входящей информации), механизм сознания посылает позитивный сигнал. При этом блоки обработки информации не получают информацию о том, что именно в их работе совпало. Этот сигнал имеет качественную природу: он пронизывает всю систему, даёт общую оценку того, что блоки обработки информации работают хорошо. Этот сигнал и осознаётся субъектом. Осознающий субъект может начать поиск причин появления этого сигнала — проверять вербализованные гипотезы о том, какая именно задача решена. Важно отметить, что сигнал может быть и отрицательным — в случае несовпадения результатов работы блоков обработки информации. Умение распознать данный сигнал и атрибутировать его релевантным аспектам ситуации может вести к эффективному применению имплицитных знаний. Умение опираться на этот субъективный сигнал в отсутствие вербализованных гипотез и

является, в рамках концепции В. М. Аллахвердова имплицитным научением.

Методы исследования. Основной методикой, применяемой в эмпирической части исследования, служит методика усвоения искусственной грамматики, предложенная А. Ребером (1967). Методика достаточно проста, но при этом позволяет в лабораторных условиях смоделировать ситуацию сложноорганизованной среды, в которой присутствуют неявные закономерности, заучиваемые человеком. Искусственная грамматика может выступать как модель усвоения статистических закономерностей в окружающей среде. Речь идет о закономерностях, которые могут быть зашумленными, и включают в себя связи между большим числом переменных, вследствие чего вербализовать их практически невозможно. В экспериментах показано, что имплицитное усвоение закономерностей подобного рода оказывается эффективнее, чем эксплицитный поиск правил, лежащих в их основе. Кроме того, используются современные методики оценки степени осознанности приобретенных знаний.

Проведено четыре эксперимента с применением данной методики. Все эксперименты были компьютеризированы. Программы для предъявления стимулов и записи ответов испытуемых были созданы с помощью пакета PsychoPy (версия 1.82.01) или являлись специально написанными программами. Для оценки результатов применялся стандартный подход статистической проверки значимости нулевой гипотезы. Использовались средства регрессионного и дисперсионного анализа, методов сравнения двух групп (критерий ^Стьюдента), корреляционный анализ. Статистическая обработка данных велась с использованием пакета R (версия 3.1.2).

Гипотезы исследования:

1. При аналитической стратегии принятия решения испытуемые будут использовать более консервативный критерий принятия решений (воспринимать большинство стимулов как «неграмматические», т. е. не соответствующие усвоенным закономерностям).

2. Необходимость обосновывать свои решения ведёт к использованию аналитической стратегии принятия решений.

3. Человек способен детектировать конфликт в своих имплицитных знаниях и это ведёт к переключению на аналитическую стратегию принятия решений.

4. Субъективный сигнал, на который опирается человек при применении имплицитных знаний, может быть порождён как восприятием стимула, так и принятием решения относительно этого стимула.

Положения, выносимые на защиту:

1. В ходе усвоения искусственной грамматики у человека формируются как имплицитные, так и эксплицитные знания о ее структуре. Применение усвоенных знаний в новой задаче опосредовано стратегией принятия решения: в случае холистической стратегии испытуемые опираются на имплицитные (невербализованные) знания, в случае аналитической стратегии испытуемые опираются на эксплицитные знания.

2. Поведенческими маркерами холистической стратегии являются либеральный или оптимальный критерий принятия решения, быстрые ответы, опора на частотные характеристики стимулов; маркерами аналитической стратегии являются консервативный критерий принятия решения, медленные ответы, опора на правила.

3. Внешним фактором, провоцирующим выбор аналитической стратегии принятия решения при усвоении искусственной грамматики, является необходимость отчитываться об основаниях своих решений.

4. Внутренним фактором, провоцирующим переход испытуемых с холистической стратегии на аналитическую, является возникновение конфликта между разными компонентами имплицитного знания.

Научная новизна диссертационной работы состоит в описании опосредующей роли метакогнитивных чувств в процессе принятия решения с

опорой на имплицитное знание. Важной частью работы является описание новых факторов и индикаторов (маркеров) соотношения осознаваемых и неосознаваемых компонентов в имплицитном научении, а также их теоретическое обоснование.

В качестве таких факторов выступает необходимость обоснования решений, принятых на основе имплицитных знаний, а также противоречие между разными компонентами имплицитных знаний.

В качестве нового индикатора соотношения осознаваемых и неосознаваемых компонентов в имплицитном научении предлагается рассматривать критерий принятия решения. Кроме того, в качестве такого индикатора предлагается рассматривать использование особых эвристик, основанных на представлении о частоте встречаемости определённых элементов закономерности при применении знания, приобретённого в ходе имплицитного научения.

Теоретическая значимость работы обусловлена важным местом научения в процессе обработке информации человеком. Практически все выделяемые учёными когнитивные процессы, такие как восприятие, внимание, память и др. находятся под влиянием прежнего опыта обработки информации, что, по сути, и является в широком смысле процессом научения. Как было сказано выше, имплицитное научение составляет значительную часть всех процессов научения, осуществляемых человеком.

Приведено сопоставление односистемных (Шэнкс, Перруше) и двусистемных (Пономарёв, Ребер, Аллахвердов, Канеман и др.) моделей репрезентации знаний в процессе научения. Показано преимущество двусистемных моделей: они лучше описывают диссоциации между имплицитным и эксплицитным научением, позволяют объяснить необходимость метакогнитивных субъективных переживаний, а также объяснить феномен стратегий обработки информации. Диссертационная работа выполнена в рамках подхода, разрабатываемого В. М. Аллахвердовым (1993, 2000). В работе осуществлена конкретизация положений его теории, позволяющая осуществить их

экспериментальную проверку. В терминах данного подхода описываются процессы имплицитного научения. Описываются возможные различия в принципах обработки информации разными когнитивными системами в ходе научения. Описываются механизмы взаимодействия этих систем посредством неспецифических субъективных переживаний (метакогнитивных чувств). Даётся альтернативная интерпретация возникновения метакогнитивных чувств. Проведено сопоставление теоретических подходов, рассматривающих роль субъективных переживаний в когнитивной деятельности человека. Получены эмпирические результаты, свидетельствующие, что данные субъективные переживания порождаются не просто беглостью переработки информации, а согласованностью в работе нескольких блоков обработки информации. Показано, что рассогласование в их работе также сопровождается субъективным сигналом, который осознаётся субъектом и ведёт к смене стратегии с холистической на аналитическую.

Практическая значимость работы обеспечена широким распространением имплицитных навыков в повседневной жизни. Имплицитное научение играет важную роль в усвоении языка (Cleeremans, Destrebecqz, Boyer, 1998; Perruchet, 2008; Winter, Reber, 1994), применении экспертного знания (Berry, Dienes, 1993; Singley, Anderson, 1989; Червинская, 2010), развитии и укреплении социальных стереотипов (Lewicki, Hill, Sasaki, 1989), оценке личности другого человека (Белова, 2004; Карпов, Морошкина, 2014). Проделанная работа позволяет разрабатывать методики, направленные на управление соотношением осознаваемых и неосознаваемых компонентов при научении. Например, уменьшение осознаваемых компонентов необходимо для успешного применения имплицитных навыков. Их увеличение важно при передаче знаний от экспертов новичкам, а также для преодоления негативных социальных стереотипов.

Степень достоверности и апробация результатов. Достоверность результатов обеспечивается методологически оправданным построением дизайнов

экспериментов, достаточным объёмом выборок, а также корректным применением статистических методов. Результаты экспериментов обсуждались на семинарах, проводимых на кафедре общей психологии СПбГУ, а также на ряде российских и международных конференций по когнитивной психологии: 5-я и 6-я международные конференции по когнитивной науке (Калининград, 2012, 2014), 5-я конференция молодых ученых памяти К. Дункера. Москва, 2014, конференция «Нейронаука и познание: сознание и когнитивный контроль» («Neurocog'12: Consciousness & Cognitive Control», Брюссель, 2012), XIV Международные чтения памяти Выготского Л.С. «Психология сознания: истоки и перспективы изучения» (Москва, 2012), «Имплицитное научение: взаимодействие осознаваемого и неосознаваемого» («Implicit learning: Interactions between consciousness & the unconscious» Санкт-Петербург, 2014), 4-й международный семинар по имплицитному научению («4-th Implicit Learning Seminar», Краков, 2015).

Глава 1. Обзор исследований осознаваемых и неосознаваемых процессов обработки информации в

имплицитном научении

1.1 Искусственная грамматика как модель вероятностной среды

Человека окружает вероятностная среда. Чтобы готовить адекватные реакции на будущие события, человек должен уметь эффективно предсказывать их. В исследованиях условного рефлекса показано, что животные способны связывать не только условный раздражитель с безусловным, но и усваивать взаимосвязи между условными раздражителями. Например, если один экспериментатор после звонка кормит собаку, а второй экспериментатор после звонка бьёт животное током, собака будет выделять слюну, когда вслед за появлением первого экспериментатора раздаётся звонок, но будет демонстрировать оборонительную реакцию, когда звонок раздаётся после прихода экспериментатора .№2 (Фейгенберг, 1972). Таким образом, организм высокоразвитого животного способен строить прогнозы на основе цепочки событий. То же самое наблюдается у человека. Мы по-разному реагируем на одно и то же событие в контексте предыдущих событий. Встреча с полицейским после совершения преступления оценивается не так, как встреча с полицейским после того, как человека самого ограбили. Такие закономерности могут отражать не только временные сукцессивные связи, но и симультанные: мы радуемся цветам, собранным в букет, но грустим, когда видим те же цветы в надгробном венке. Человек прогнозирует и воспринимает события в контексте предыдущих событий. События в повседневной жизни складываются в длинные прогнозируемые цепочки. Так, человек хорошо предсказывает последовательность событий в области, в которой он опытен, будь это профессия, хобби или бытовые навыки.

Научение можно рассматривать, как способность прогнозировать цепочки событий и готовить соответствующие реакции к ним. При этом такие цепочки могут быть достаточно длинными. Хорошим примером является построение предложений в речи. Так как любой взрослый человек имеет большой опыт в

использовании языка, прочитывая несколько слов в предложении, мы строим прогноз о том, какие слова встретятся дальше, и это определяет наше восприятие текста. Начав читать предложение «Василий зашёл на кухню и открыл ...», мы уже прогнозируем слово «холодильник» с большей вероятностью, чем «автомобиль» (рисунок 1). Если в какой-то последовательности вероятность события зависит от того, какое событие произошло до этого, такую последовательность называют марковской последовательностью (в противовес бернуллиевской последовательности, где исход каждого события не зависит от предыдущего — как при подкидывании монетки).

Василий

зашёл

на кухню

и открыл

другое

хк

шкаф

автомобиль

Америку

Рисунок 1. Марковское представление последовательности слов в читаемом предложении. Даны четыре первых слова в предложении (не считая союзов и предлогов), предсказывается пятое. Числами обозначена предсказываемая вероятность следующего слова после слова «открыл». Вероятность зависит от того, какие слова появлялись в предложении ранее.

Таким образом, цепочки предсказываемых событий можно описать марковской последовательностью. Например, если случилось событие А, то с вероятностью Р1 последует событие Б, а с вероятностью Р2 последует событие В. Если на втором шаге всё-таки произошло событие Б, на следующем шаге с вероятностью Р3 оно повториться, а с вероятностью Р4 произойдёт событие В и так далее. Чтобы изучать, каким образом люди учатся прогнозировать такие

последовательности событий, используются искусственные стимулы, которые представляют собой марковские цепочки из событий, помеченных, как в примере выше, буквами. Весь репертуар возможных последовательностей событий задаётся вероятностной структурой в виде специальной схемы. Она определяет, какие события, с какими вероятностями могут следовать друг за другом. Такая схема получила название искусственной грамматики, так как изначально она использовалась лингвистами для описания построения предложений в языке (Chomsky, Miller, 1958). Но искусственная грамматика может служить моделью усвоения вероятностных последовательностей событий практически из любых областей нашей жизни, поэтому многие исследователи научения использовали её в своих работах для создания вероятностной среды, с которой взаимодействует человек.

Можно привести следующие примеры реальных ситуаций научения, которые могут моделироваться методикой усвоения искусственной грамматики. Это например, усвоение орфографических закономерностей, которым не учат детей специально (Pacton и др., 2001), усвоение первого (Gomez, Gerken, 2000) и второго (Ellis, 1994; Robinson, 2002) языка, развитие вкусовых предпочтений (Brunstrom, 2004).

В 1967 году Артур Ребер опубликовал свою ставшую классической статью, в которой описал эксперименты по усвоению искусственной грамматики (Reber, 1967). В работе было показано, что сложные грамматические структуры искусственного языка могут усваиваться человеком без участия сознания. Эту способность Ребер впоследствии обобщил не только на процессы усвоения языка, но и на усвоение других закономерностей в окружающем человека мире. Ребер назвал это имплицитным научением. Исследование особенностей протекания имплицитного научения активно велось до девяностых годов XX века, следы имплицитного научения находили в очень разных процессах: от спорта (Raab, Johnson, 2008) до восприятия искусства (Reber, Schwarz, Winkielman, 2004).

Ребер полагал, что усвоение и применение имплицитных знаний совершается автоматически и не зависит от осознаваемых целей, гипотез или стратегий человека. И действительно: человек по определению не знает о наличии у него имплицитных знаний, как он может их применять? Параллельно с открытиями Ребера (и даже немного раньше) процессы неосознанного усвоения связей между объектами в одной задаче и их переноса на другие задачи описал Я. А. Пономарёв (Пономарёв, 1960, 1976). В его концепции такой перенос также осуществляется за пределами сознания — в плане конкретно-образных операций.

В восьмидесятые и девяностые годы XX века появились новые меры осознанности, которые позволили более подробно исследовать содержание сознания человека, на поведение которого влияют имплицитные знания. Выяснилось, что в такой ситуации далеко не всегда содержание сознания испытуемого никак не связано с его поведением. Усвоенные закономерности могут отражаться в сознании в виде фрагментарных знаний, в которых человек не очень уверен (Perruchet, Gallego, Savy, 1990; Shanks, St John, 1994; Tunney, Shanks, 2003). Критики «могущественного» когнитивного бессознательного утверждали, что на самом деле человек целенаправленно использует эти фрагментарные знания — что полностью противоречило концепции Ребера. Защитники когнитивного бессознательного находили и теоретические, и экспериментальные ответы на критику, и в настоящий момент большинство исследователей признаёт, что в ходе научения у человека формируются как осознаваемые, так и неосознаваемые репрезентации окружающей среды. Однако, остаётся неясно, какие процессы протекают на этапе применения имеющегося знания. Может ли человек целенаправленно применять неосознанные знания? Если да, то каким образом это происходит? Как контролируется знания, к содержанию которых субъект не имеет доступа? На решение этих вопросов направлены современные исследования в данной области. Знания и умения, о которых человек не может рассказать, но которые может применить на практике, присутствуют как у новичков на начальных этапах формирования какого-либо навыка, так и у опытных

экспертов — которые испытывают проблему передачи своего знания другим людям. Таким образом, исследование механизмов применения имплицитных знаний касается практические всего диапазона процесса научения — с его начальных этапов до самого конца.

В следующих абзацах мы рассмотрим исследования проблемы применения имплицитных знаний более подробно. Будут рассмотрены разные методики, экспериментальные феномены, полученные с их помощью, а также теоретические взгляды разных авторов.

1.2 Имплицитное научение в разных задачах

Начать обзор истории имплицитного научения можно с исследований формирования понятий. Методически очень многие эксперименты в рамках исследований имплицитного научения близки к опытам авторов классических работ по формированию понятий (см. Сахаров, 2006; Выготский, Сахаров, 1981).

Одна из базовых методик формирования понятий была предложена К. Халлом. Для исследования процессов формирования новых понятий, он использовал семантически нейтральный материал (Hull, 1920). Он предъявлял испытуемым псевдокитайские иероглифы, у которых были свои названия. Задачей испытуемых было запомнить, какому названию соответствует тот или иной иероглиф. Основным результатом Халла стал тот факт, что, даже не зная, что иероглифы с одинаковым названием имеют некоторые общие графические черты (а это было именно так), испытуемые принимали решения о названии новых иероглифов, опираясь на эти графические черты. То есть испытуемые усваивали основание для классификации, однако это знание не осознавалось ими.

Список литературы диссертационного исследования кандидат наук Иванчей Иван Иванович, 2016 год

Список литературы

1. Аллахвердов В.М. Опыт теоретической психологии. СПб.: Печатный двор, 1993.

2. Аллахвердов В.М. Сознание как парадокс. СПб: ДНК, 2000.

3. Аллахвердов В.М. и др. Экспериментальная психология познания: когнитивная логика сознательного и бессознательного. СПб.: Изд-во С.-Петерб. ун-та, 2006

4. Белова С.С. Субъективная оценка интеллекта другого человека: эффект вербализаций // Социальный интеллект: теория, измерение, исследования / под ред. Д.В. Люсин, Д.В. Ушаков. Москва: ИП РАН, 2004. С. 39-62.

5. Валуева Е. А., Ушаков Д. В. Сигнальная модель инсайта: от исторических предпосылок к эмпирическим предсказаниям // Современные исследования интеллекта и творчества / под ред. Журавлёва А. Д., Ушакова, Д. В., Холодной М. А. Москва: ИП РАН, 2004. С. 15-48.

6. Выготский Л. С., Сахаров Л. С. Исследование образования понятий: методика двойной стимуляции // Хрестоматия по общей психологии. Психология мышления / Под ред. Ю. Б. Гиппенрейтер, В. В. Петухова. М., 1981.

7. Гусев А.Н., Уточкин И.С. Психологические измерения: Теория. Методы: учебное пособие для студентов вузов. Москва: Аспект Пресс, 2011.

8. Ильясов И. И., Система эвристических приёмов решения задач. Москва: РОУ, 1992.

9. Карпов А.Д., Морошкина Н.В. Роль имплицитного научения при оценке психологических качеств другого человека по его внешнему облику // Лицо человека в науке, искусстве и практике / отв. ред. Ананьева К. И., Барабанщиков В. А., Демидов, А. А. - М.: Когито-Центр, 2014

10. Корнилова Т.В., Корнилов С.А. Интуиция, интеллект и личностные свойства (результаты апробации шкал опросника С.Эпстайна) // Психологические исследования. 2013. Т. 6. № 28.

11. Кулюткин Ю. Н., Эвристические методы в структуре решений. Москва:Педагогика, 1970.

12. Петренко В. Ф. Динамика семантического поиска // Исследования речемыслительной деятельности. Алма-Ата, 1974.

13. Пономарев Я.А. Психология творческого мышления. Москва: Изд-во академии педагогических наук, 1960.

14. Пономарев Я.А. Психология творчества. Москва: Наука, 1976.

15. Розенталь Д.М. Концепции и определения сознания // Методология и история психологии. 2009. Том 4. Выпуск 3. С. 55-75.

16. Сахаров Л. С. О методах исследования понятий (1930) // Культурно-историческая психология. 2006. №2. - C. 32-47.

17. Спиридонов В. Ф. Психология мышления: Решение задач и проблем. Москва: Генезис, 2006.

18. Узнадзе Д. Н. Психологические исследования. М., 1966.

19. Ушаков Д.В. Одаренность, творчество, интуиция // Основные современные концепции творчества и одаренности / под ред. Д.Б. Богоявленская. Москва: , 1997. С. 78-89.

20. Ушаков Д.В. Интеллект: структурно-динамическая теория. Москва: ИП РАН, 2003.

21. Ушаков Д.В., Валуева Е.А. Параллельные открытия в отечественной и зарубежной психологии: пример интуиции и имплицитного научения // Образ российской психологии в регионах страны и в мире: Материалы международного Форума и Школы молодых ученых ИП РАН. Москва: «Институт психологии РАН», 2006. С. 32 - 44.

22. Фейгенберг И. М. Мозг, психика, здоровье. М.: Наука, 1972.

23. Холодная М. А. Психология интеллекта: парадоксы исследования. Санкт-Петербург: Питер, 2002.

24. Червинская К. Р. Психология извлечения экспертных знаний субъектов труда // автореферат диссертации на соискание ученой степени доктора психологических наук / Санкт-Петербургский государственный университет. Санкт-Петербург, 2010.

25. Abrams, M. Implicit learning in the psychiatrically impaired. Unpublished doctoral dissertation, City University of New York. 1987.

26. Ashby F.G. и др. A neuropsychological theory of multiple systems in category learning // Psychological review. 1998. Т. 105. № 3. С. 442-81.

27. Ashby F.G., Paul E.J., Maddox W.T. Covis // Formal approaches in categorization / под ред. E.M. Pothos, W.A. J. New York: Cambridge University Press, 2011. С. 65-87.

28. Berry D.C., Broadbent D.E. On the relationship between task performance and associated verbalizable knowledge // The Quarterly Journal of Experimental Psychology Section A. 1984.

Т. 36. № 2. С. 209-231.

29. Beaucousin V. и др. Global interference during early visual processing: ERP evidence from a rapid global/local selective task. // Frontiers in psychology. 2013. Т. 4. С. 539.

30. Berry D.C., Dienes Z. Implicit learning: Theoretical and empirical issues. Hove: Lawrence Erlbaum, 1993.

31. Berry D.C., Broadbent D.E. On the relationship between task performance and associated verbalizable knowledge // The Quarterly Journal of Experimental Psychology. 1984. Т. 36. № 2. С. 209-231.

32. Bornstein R.F. Exposure and affect: Overview and meta-analysis of research, 1968-1987. // Psychological Bulletin. 1989. Т. 106. № 2. С. 265-289.

33. Brooks L.R. Non-analytic concept formation and memory for instances // Cognition and concepts / под ред. E. Rosch, B. Lloyd. Hillsdale, NJ: Erlbaum, 1978. С. 169-211.

34. Brooks L.R., Vokey J.R. Abstract analogies and abstracted grammars: Comments on Reber (1989) and Mathews et al. (1989) // Journal of Experimental Psychology: General. 1991. Т. 120. № 3. С. 316-323.

35. Brunstrom JM. Does dietary learning occur outside awareness? // Consciousness and Cognition. 2004. № 13: 453-470.

36. Buchner A. Indirect effects of synthetic grammar learning in an identification task. // Journal of Experimental Psychology: Learning, Memory, and Cognition. 1994. Т. 20. № 3. С. 550-566.

37. Chan C. Implicit cognitive processes: theoretical issues and applications in computer systems design. Unpublished D.Phil thesis // 1992.

38. Chomsky N., Miller G.A. Finite state languages // Information and Control. 1958. Т. 1. № 2. С. 91-112.

39. Cleeremans A. Mechanisms of Implicit Learning: Connectionist Models of Sequence Processing. Cambridge, MA: MIT Press, 1993.

40. Cleeremans A. Principles for implicit learning // How implicit is implicit learning. 1997.

41. Cleeremans A. The Radical Plasticity Thesis: How the Brain Learns to be Conscious. // Frontiers in psychology. 2011. Т. 2. С. 86.

42. Cleeremans A. Connecting Conscious and Unconscious Processing // Cognitive Science. 2014.

С. 1-30.

43. Cleeremans A., Destrebecqz A., Boyer M. Implicit learning: news from the front // Trends in Cognitive Sciences. 1998. Т. 2. № 10. С. 587-590.

44. Destrebecqz A., Cleeremans A. Can sequence learning be implicit? New evidence with the process dissociation procedure. // Psychonomic bulletin & review. 2001. Т. 8. № 2. С. 343-50.

45. Dienes Z. и др. Unconscious knowledge of artificial grammars is applied strategically // Journal of Experimental Psychology: Learning, Memory, and Cognition. 1995. Т. 21. № 5. С. 13221338.

46. Dienes Z. Conscious versus unconscious learning of structure // Statistical learning and language acquisition / под ред. P. Rebuschat, J. Williams. : Mouton de Gruyter Publishers, 2012. С. 337364.

47. Dienes Z., Broadbent D., Berry D. Implicit and explicit knowledge bases in artificial grammar learning. // Journal of experimental psychology. Learning, memory, and cognition. 1991. Т. 17. № 5. С. 875-887.

48. Dienes Z., Scott R. Measuring unconscious knowledge: distinguishing structural knowledge and judgment knowledge // Psychological research. 2005. Т. 69. № 5-6. С. 338-51.

49. Dienes Z., Altmann G.T.M. Transfer of implicit knowledge across domains: How implicit and how abstract? // How implicit is implicit learning? / под ред. D. Berry. Oxford: Oxford University Press, 1997. С. 107-123.

50. Dienes Z., Perner J. The metacognitive implications of the implicit-explicit distinction // Metacognition: Process, function, and use. 2002. С. 241-268.

51. Dienes Z. и др. Unconscious knowledge of artificial grammars is applied strategically // Journal of Experimental Psychology: Learning, Memory, and Cognition. 1995. Т. 21. № 5. С. 13221338.

52. Dulany D. E. Consciousness in the explicit (deliberative) and implicit (evocative) // Scientific approaches to the study of consciousness. / J. D. Cohen, J. W. Schooler (Eds.). New Jersey: Erlbaum, 1997. P. 179 - 212.

53. Dulany D.E., Carlson R.A., Dewey G.I. A case of syntactical learning and judgment: How conscious and how abstract? // Journal of Experimental Psychology: General. 1984. Т. 113. № 4. С. 541-555.

54. Eitam B. u gp. Relevance-based selectivity: the case of implicit learning. // Journal of experimental psychology. Human perception and performance. 2013. T. 39. № 6. C. 1508-15.

55. Eitam B., Schul Y., Hassin R.R. Goal relevance and artificial grammar learning. // Quarterly journal of experimental psychology. 2009. T. 62. № 2. C. 228-38.

56. Ellis NC. Implicit and Explicit Learning of Languages. New York: Academic Press. 1994.

57. Fleming S.M., Lau H.C. How to measure metacognition // Frontiers in human neuroscience. 2014. T. 8. № 443.

58. Frensch P. a., Lin J., Buchner A. Learning versus behavioral expression of the learned: The effects of a secondary tone-counting task on implicit learning in the serial reaction task // Psychological Research. 1998. T. 61. № 2. C. 83-98.

59. Gebauer G.F., Mackintosh N.J. Psychometric intelligence dissociates implicit and explicit learning. // Journal of experimental psychology. Learning, memory, and cognition. 2007. T. 33. № 1. C. 34-54.

60. Gomez Rl, Gerken LA. Infant artificial language learning and language acquisition. Trends in Cognitive Science. 2000. № 4: 178-186.

61. Gordon P.C., Holyoak K.J. Implicit learning and generalization of the «mere exposure» effect. // Journal of Personality and Social Psychology. 1983. T. 45. № 3. C. 492-500.

62. Green D., Swets J.A. Signal Detection Theory and Psychophysics. New York: Wiley, 1966.

63. Haider H., Frensch P. a. Conflicts between expected and actually performed behavior lead to verbal report of incidentally acquired sequential knowledge. // Psychological research. 2009. T. 73. № 6. C. 817-34.

64. Hayes N.A., Broadbent D.E. Two modes of learning for interactive tasks // Cognition. 1988. T. 28. № 3. C. 249-276.

65. Hendrickx H. u gp. Hidden covariation detection might be very hidden indeed. // Journal of Experimental Psychology: Learning, Memory, and Cognition. 1997. T. 23. № 1. C. 201-220.

66. Higham P. a, Vokey J.R., Pritchard J.L. Beyond dissociation logic: evidence for controlled and automatic influences in artificial grammar learning. // Journal of experimental psychology. General. 2000. T. 129. № 4. C. 457-70.

67. Hill T. u gp. The role of learned inferential encoding rules in the perception of faces: Effects of nonconscious self-perpetuation of a bias // Journal of Experimental Social Psychology. 1990. T.

26. № 4. C. 350-371.

68. How implicit is implicit learning? / nog peg. D. Berry. Oxford: Oxford University Press, 1997.

69. Howard, D.V., and Howard, J.H. (1989) Age differences in learning serial patterns: Direct versus indirect measures. Psychology and Ageing, 4, 357-364.

70. Hull C.L. Quantitative aspects of the evolution of concepts: An experimental study // Psychological Monogrphs. 1920. T. 28. № 1. C. 1-86.

71. Jacoby L. A process dissociation framework: Separating automatic from intentional uses of memory // Journal of memory and language. 1991. T. 30. № 5. C. 513-541.

72. Jacoby L.L., Dallas M. On the relationship between autobiographical memory and perceptual learning. // Journal of experimental psychology. General. 1981. T. 110. № 3. C. 306-40.

73. Jiang Y., Leung A.W. Implicit learning of ignored visual context. // Psychonomic bulletin & review. 2005. T. 12. № 1. C. 100-6.

74. Johnston W.A., Hawley K.J., Elliott J.M. Contribution of perceptual fluency to recognition judgments. // Journal of experimental psychology. Learning, memory, and cognition. 1991. T. 17. № 2. C. 210-23.

75. Johnstone T., Shanks D.R. Two Mechanisms in Implicit Artificial Grammar Learning? Comment on Meulemans and Van der Linden (1997) // Journal of Experimental Psychology: Learning, Memory, and Cognition. 1999. T. 25. № 2. C. 524-531.

76. Kahneman, D. Maps of bounded rationality: A perspective on intuitive judgment and choice. A Nobel prize lecture, December 8, 2002. http://nobelprize.org/nobel prizes/economics/laureates/2002/kahneman-lecture.html

77. Kassin S. M., Reber A. S., Locus of control and the learning of an artificial language // Journal of Research in Personality. 1979. № 13. C. 111-118.

78. Kaufman S B. u gp. Implicit learning as an ability // Cognition. 2010. T. 116. № 3. C. 321-40.

79. Kinder A., Assmann A. Learning artificial grammars: no evidence for the acquisition of rules. // Memory & cognition. 2000. T. 28. № 8. C. 1321-32.

80. Kinder A. u gp. Recollection, fluency, and the explicit/implicit distinction in artificial grammar learning. // Journal of experimental psychology. General. 2003. T. 132. № 4. C. 551-65.

81. Kiyokawa S. u gp. Cross cultural differences in unconscious knowledge // Cognition. 2012. T.

124. № 1. С. 16-24.

82. Kotovsky, K., Simon, H. A. Empirical tests of a theory of human acquisition of concepts for sequential patterns // Cognitive Psychology. 1973, №4, С. 399-424.

83. Lewicki P., Czyzewska M., Hoffman H. Unconscious acquisition of complex procedural knowledge. // Journal of Experimental Psychology: Learning, Memory, and Cognition. 1987. Т. 13. № 4. С. 523-530.

84. Lewicki P., f M. Hidden covariation detection: a fundamental and ubiquitous phenomenon. // Journal of experimental psychology. Learning, memory, and cognition. 1997. Т. 23. № 1. С. 221-8.

85. Lewicki P., Hill T., Sasaki I. Self-perpetuating development of encoding biases. // Journal of experimental psychology. General. 1989. Т. 118. № 4. С. 323-37.

86. Maddox W.T., Ashby F.G. Dissociating explicit and procedural-learning based systems of perceptual category learning // Behavioural Processes. 2004. Т. 66. С. 309-332.

87. Mangan B. Taking Phenomenology Seriously: The «Fringe» and Its Implications for Cognitive Research // Consciousness and Cognition. 1993. Т. 2. № 2. С. 89-108.

88. Mangan B. The conscious fringe: Bringing William James up to date // Essential sources in the scientific study of consciousness / под ред. B. Baars, W.P. Banks, J. Newman. : MIT Press, 2003. С. 741-759.

89. Marcus G.F. и др. Rule learning by seven-month-old infants. // Science. 1999. Т. 283. № 5398. С. 77-80.

90. Mathews R.C. и др. Role of implicit and explicit processes in learning from examples: A synergistic effect. // Journal of Experimental Psychology: Learning, Memory, and Cognition. 1989. Т. 15. № 6. С. 1083-1100.

91. Mealor A.D., Dienes Z. Explicit feedback maintains implicit knowledge // Consciousness and cognition. 2013. Т. 22. № 3. С. 822-32.

92. Meulemans T., Linden M. Van der. Associative chunk strength in artificial grammar learning. // Journal of Experimental Psychology: Learning, Memory, and Cognition. 1997. Т. 23. № 4. С. 1007-1028.

93. Myers, C., Connor, M. Age differences in skill acquisition and transfer in an implicit learning paradigm // Applied Cognitive Psychology. 1992. № 6. С. 429-442

94. Navon D. Forest before trees: The precedence of global features in visual perception // Cognitive Psychology. 1977. Т. 9. № 3. С. 353-383.

95. Navon D. What does a compound letter tell the psychologist's mind? // Acta Psychologica. 2003. Т. 114. № 3. С. 273-309.

96. Newell B.R., Bright J.E.H. The relationship between the structural mere exposure effect and the implicit learning process // The Quarterly Journal of Experimental Psychology A. 2001. Т. 54. № 4. С. 1087-1104.

97. Nissen M.J., Bullemer P. Attentional requirements of learning: Evidence from performance measures // Cognitive Psychology. 1987. Т. 19. № 1. С. 1-32.

98. Norman E., Price M.C., Duff S.C. Fringe consciousness in sequence learning: the influence of individual differences. // Consciousness and cognition. 2006. Т. 15. № 4. С. 723-60.

99. Norman E. и др. Gradations of awareness in a modified sequence learning task. // Consciousness and cognition. 2007. Т. 16. № 4. С. 809-37.

100. Opitz B., Hofmann J. Concurrence of rule- and similarity-based mechanisms in artificial grammar learning // Cognitive Psychology. 2015. Т. 77. С. 77-99.

101. Pacton S. и др. Implicit learning out of the lab: the case of orthographic regularities. // Journal of experimental psychology. General. 2001. Т. 130. № 3. С. 401-426.

102. Peirce J.W. PsychoPy-Psychophysics software in Python // Journal of Neuroscience Methods. 2007. Т. 162. № 1. С. 8-13.

103. Perruchet P. Implicit learning // Cognitive psychology of memory. Vol.2 of Learning and memory: A comprehensive reference / под ред. J. Byrne. Oxford: Elsevier, 2008. С. 597-621.

104. Perruchet P., Pacteau C. Synthetic grammar learning: Implicit rule abstraction or explicit fragmentary knowledge? // Journal of Experimental Psychology: General. 1990. Т. 119. № 3. С. 264-275.

105. Perruchet P., Vinter A. The self-organizing consciousness. // The Behavioral and brain sciences. 2002. Т. 25. № 3. С. 297-330; discussion 330-88.

106. Persaud N., McLeod P., Cowey A. Post-decision wagering objectively measures awareness. // Nature neuroscience. 2007. Т. 10. № 2. С. 257-61.

107. Pothos E.M., Bailey T.M. The role of similarity in artificial grammar learning. // Journal

of Experimental Psychology: Learning, Memory, and Cognition. 2000. Т. 26. № 4. С. 847-862.

108. Price M.C., Norman E. Intuitive decisions on the fringes of consciousness: Are they conscious and does it matter? // Judgment and Decision Making. 2008. Т. 3. № 1. С. 28-41.

109. Raab M., Johnson J. Implicit learning as a means to intuitive decision making in sports // Intuition in Judgement and Decision Making .... 2008. С. 119-134.

110. Reber A.S. Implicit learning of artificial grammars // Journal of Verbal Learning and Verbal Behavior. 1967. Т. 6. № 6. С. 855-863.

111. Reber A.S. Transfer of syntactic structure in synthetic languages // Journal of Experimental Psychology. 1969. Т. 81. № 1. С. 115-119.

112. Reber A.S. Implicit learning of synthetic languages: The role of instructional set // Journal of Experimental Psychology: Human Learning and Memory. 1976. Т. 2. № 1. С. 88-94.

113. Reber A.S., Kassin S.M., Lewis S., Cantor G. On the relationship between implicit and explicit modes in the learning of a complex rule structure. // Journal of Experimental Psychology: Human Learning & Memory. 1980. Т. 6. № 5. С. 492-502.

114. Reber A.S. Implicit learning and tacit knowledge. // Journal of Experimental Psychology: General. 1989. Т. 118. № 3. С. 219-235.

115. Reber A.S. Implicit learning and tacit knowledge: An essay on the cognitive unconscious. New York: Oxford University Press, 1993. Вып. 1.

116. Reber A.S., Walkenfeld F.F., Hernstadt R. Implicit and explicit learning: individual differences and IQ. // Journal of experimental psychology. Learning, memory, and cognition. 1991. Т. 17. № 5. С. 888-96.

117. Reber R., Schwarz N., Winkielman P. Processing fluency and aesthetic pleasure: is beauty in the perceiver's processing experience? // Personality and social psychology review. 2004. Т. 8. № 4. С. 364-82.

118. Reber P.J., Squire L.R. Encapsulation of Implicit and Explicit Memory in Sequence Learning // Journal of Cognitive Neuroscience. 1998. Т. 10. № 2. С. 248-263.

119. Robinson P. Effects of individual differences in intelligence, aptitude and working memory on adult incidental SLA. // Individual Differences and Instructed Language Learning / под ред. Robinson P. Amsterdam: John Benjamins. 2002. C. 211-266

120. Runger D., Frensch P. a. How incidental sequence learning creates reportable knowledge: the role of unexpected events. // Journal of experimental psychology. Learning, memory, and cognition. 2008. T. 34. № 5. C. 1011-26.

121. Salthouse T.A., McGuthry K.E., Hambrick D.Z. A framework for analyzing and interpreting differential aging patterns: application to three measures of implicit learning // Aging neuropsychology and cognition. 1999. T. 6. № 1. C. 1-18.

122. Schwager S. u gp. Data-driven sequence learning or search: What are the prerequisites for the generation of explicit sequence knowledge? // Advances in Cognitive Psychology. 2012. T. 8. № 2. C. 132-43.

123. Scott R.B., Dienes Z. The conscious, the unconscious, and familiarity. // Journal of experimental psychology. Learning, memory, and cognition. 2008. T. 34. № 5. C. 1264-88.

124. Scott R.B., Dienes Z. Knowledge applied to new domains: the unconscious succeeds where the conscious fails. // Consciousness and cognition. 2010. T. 19. № 1. C. 391-8.

125. Shanks D.R., St John M. Characteristics of dissociable human learning-systems // Behavioral and Brain Sciences. 1994. T. 17. № 03. C. 367-395.

126. Shanks D.R., Wilkinson L., Channon S. Relationship between priming and recognition in deterministic and probabilistic sequence learning. // Journal of Experimental Psychology: Learning, Memory, and Cognition. 2003. T. 29. № 2. C. 248-261.

127. Singley M.K., Anderson J.R. The transfer of cognitive skill. Cambridge, MA: Harvard University Press, 1989.

128. Smith, E. E., Langston, C. Nisbett, R. The case for rules in reasoning // Cognitive Science. 1992. №16. C. 1-40.

129. Smith J.D. u gp. Deferred feedback sharply dissociates implicit and explicit category learning. // Psychological science. 2014.

130. Snodgrass, J. G., Corwin, J. Pragmatics of measuring recognition memory: Applications to dementia and amnesia. Journal of Experimental Psychology: General. 1988. 117, 34-50.

131. Tanaka D. u gp. Role of selective attention in artificial grammar learning. // Psychonomic bulletin & review. 2008. T. 15. № 6. C. 1154-1159.

132. Tunney R.J. Sources of confidence judgments in implicit cognition. // Psychonomic bulletin & review. 2005. T. 12. № 2. C. 367-73.

133. Tunney R.J., Shanks D.R. Subjective measures of awareness and implicit cognition. // Memory & cognition. 2003. Т. 31. № 7. С. 1060-71.

134. Turner C.W., Fischler I.S. Speeded tests of implicit knowledge. // Journal of Experimental Psychology: Learning, Memory, and Cognition. 1993. Т. 19. № 5. С. 1165-1177.

135. Unsworth N., Engle R.W. Individual differences in working memory capacity and learning: evidence from the serial reaction time task. // Memory & cognition. 2005. Т. 33. № 2. С. 213-20.

136. Waldron E.M., Ashby F.G. The effects of concurrent task interference on category learning : Evidence for multiple category learning systems // Psychonomic Bulletin & Review. 2001. Т. 8. № 1. С. 168-176.

137. Whittlesea, B. W. A., Dorken, M. D. Incidentally, things in general are particularly determined: An episodic-processing account of implicit learning // Journal of Experimental Psychology: General. 1993. № 122, С. 227-248.

138. Whittlesea B.W., Price J.R. Implicit/explicit memory versus analytic/nonanalytic processing: rethinking the mere exposure effect // Memory & cognition. 2001. Т. 29. № 2. С. 234-46.

139. Whittlesea B.W., Williams L.D. The discrepancy-attribution hypothesis: II. Expectation, uncertainty, surprise, and feelings of familiarity. // Journal of Experimental Psychology: Learning, Memory, and Cognition. 2001. Т. 27. №2 1. С. 14-33.

140. Winter B., Reber A.S. Implicit learning and the acquisition of natural languages // Implicit and explicit learning of languages / под ред. N.C. Ellis. London: Academic Press, 1994. С.115-145.

141. Zizak D.M., Reber A.S. Implicit preferences: the role(s) of familiarity in the structural mere exposure effect. // Consciousness and cognition. 2004. Т. 13. № 2. С. 336-62.

Приложения

Приложение А. Стимульный материал, использованный в эксперименте 1

Обучающая серия Тестовая серия

Грамматические Грамматические Неграмматические

MXRVXT MVXRM VMX

VMTRRRR MXTRMVR MXVT

MXTRRR VXVT VTXMR

VXVRMXT MXRMXRV VTTVRX

VXVTXM MXRTVMT MRMMXM

VMTRRRX VMT VTTMRRV

MXRTMVR MVXRVMT MTXRRVT

VMRMXTR MVXTRRR VTRMXXX

МХТ MXRMXTR MTVXTTX

'УМ^УХ'У^ VMRVMT VMTVTMX

MVRVM MXRTVVM MVVVXMR

VMRMVRV VMRTMVR VXTRTRT

VMRMVXR MXTRRRX MRTTTTV

МХБЯ^ХТ VXVTRRX VTRTXXR

MXRMVXT MXTRRX MVVXRRR

MVXTX VMRTMXT VXTVRXM

Приложение Б. Инструкция к эксперименту 1

Инструкция в обучающей серии

Здравствуйте. Вам предлагается принять участие в эксперименте, направленном на исследование памяти. Перед вами на экране будут появляться строчки, составленные из латинских букв. Ваша задача — стараться запомнить как можно больше из предъявленных строчек. Всего будет 32 строчки. Каждая будет предъявляться на 4 секунды. По окончании предъявления начнётся второй этап эксперимента.

Инструкция в тестовой серии в группе 1

Сейчас начнётся второй этап эксперимента. Строчки, которые предъявлялись на первом этапе, были сформированы на основе специальных правил. Сейчас вам будут предъявляться новые строчки, и ваша задача будет состоять в том, чтобы определить, какие из них подчиняются тем самым правилам, по которым были

составлены строчки на первом этапе. Как только строчка появится на экране, вы можете отвечать. Если вы считаете, что строчка подчиняется введённым на первом этапе правилам, то жмите клавишу СТРЕЛКА ВЛЕВО, если считаете, что НЕ подчиняется - клавишу СТРЕЛКА ВПРАВО (в окошке будут изображены кнопки, чтобы вы не запутались). Строчки будут предъявляться на 3 секунды, а потом исчезать. Вы можете давать ответ сразу после появления строчки. Как и в первом этапе, их будет 32.

Инструкция в тестовой серии в группе 2

Сейчас начнётся второй этап эксперимента. Строчки, которые предъявлялись на первом этапе, были сформированы на основе специальных правил. Сейчас вам будут предъявляться новые строчки, и ваша задача будет состоять в том, чтобы определить, какие из них подчиняются тем самым правилам, по которым были составлены строчки на первом этапе. Как только строчка появится на экране, вы можете отвечать. Если вы считаете, что строчка подчиняется введённым на первом этапе правилам, то жмите клавишу СТРЕЛКА ВЛЕВО, если считаете, что НЕ подчиняется - клавишу СТРЕЛКА ВПРАВО (в окошке будут изображены кнопки, чтобы вы не запутались). Строчки будут предъявляться на 3 секунды, а потом исчезать. Вы можете давать ответ сразу после появления строчки. Как и в первом этапе, их будет 32. После каждого ответа укажите, пожалуйста, НА КАКОМ ОСНОВАНИИ ВЫ ПРИНЯЛИ СВОЁ РЕШЕНИЕ. Вам предоставится такая возможность. Нажмите «Продолжить», чтобы начать второй этап эксперимента.

Приложение В. Стимульный материал, использованный в эксперименте 2

Обучающая серия Тестовая серия

Грамматические Грамматические Неграмматические

VVTX мямх УМУХ

МЯЯМХ ММЯУХ УХМЯХ

VTTVX VTVTX МХУТХ

MMRTVX ММЯУТХ УУТУУХ

MRRRMX MRMRVX MTVRMX

VTTTVX VTTVTX VMRRVX

MMRTVTX MMRTTVX VTVMRVX

MRRRRMX MRMRTVX MMXVRMX

VTTTVTX VTTTTVX MMXTXRX

VVTRTVX VVTRVTX VTRMVVX

VTTTTVTX MRRMRVTX MVTRMXVX

VTVTRVTX MRRRMRVX VTTVTTVX

MMRTTVTX VTTVTRVX MMRVXTMX

MRRMRTVX VVTRTTVX VTXRTVVX

MRMRTVTX MMRVTRVX MMRRTTVX

VVTRVX MTRVXX

VTVTRVX MRVMRTX

MRMRVTX VVTXMXX

VVTRTVTX VVXXMXVX

VTVTRTVX VTVVTRVX

Приложение Г. Инструкция к эксперименту 2

Инструкция в обучающей серии

Вам предлагается принять участие в эксперименте, направленном на исследование памяти. Перед вами на экране будут появляться строчки из латинских букв. Ваша задача - запоминать их. Всего будет 30 строчек. Каждая будет предъявляться на 4 секунды. По окончании предъявления начнётся второй этап эксперимента. Пожалуйста, будьте предельно сосредоточены, постарайтесь ни на что не отвлекаться. Нажмите пробел, чтобы начать эксперимент.

Инструкция в тестовой серии для контрольной группы

Строчки, которые предъявлялись Вам на первом этапе были не случайными наборами букв, а были составлены на основе специальной системы правил, определяющей порядок букв в строчке. Сейчас вам будут предъявлены новые строчки, и ваша задача будет состоять в том, чтобы определить, какие из них

подчиняются этим правилам, а какие являются случайными наборами букв. Если вы считаете, что строчка подчиняется введённым на первом этапе правилам, жмите клавишу "К", если считаете, что НЕ подчиняется - клавишу 'Ъ". Строчки будут предъявляться на 7 секунд, а потом исчезать. Вы можете давать ответ в любой момент: как только строка появилась и после её исчезновения. Всего будет 40 строк. Нажмите пробел, чтобы начать второй этап эксперимента.

Инструкция в тестовой серии для группы, оценивавшей уверенность Строчки, которые предъявлялись Вам на первом этапе были не случайными наборами букв, а были составлены на основе специальной системы правил, определяющей порядок букв в строчке. Сейчас вам будут предъявлены новые строчки, и ваша задача будет состоять в том, чтобы определить, какие из них подчиняются этим правилам, а какие являются случайными наборами букв. Если вы считаете, что строчка подчиняется введённым на первом этапе правилам, жмите клавишу "К", если считаете, что НЕ подчиняется - клавишу 'Ъ". Строчки будут предъявляться на 7 секунд, а потом исчезать. Вы можете давать ответ в любой момент: как только строка появилась и после её исчезновения. Всего будет 40 строк. В каждой пробе вам нужно будет оценить свою уверенность в данном ответе. Нажмите пробел, чтобы начать второй этап эксперимента.

Инструкция в тестовой серии для группы, делавшей ставки на свои ответы Строчки, которые предъявлялись Вам на первом этапе были не случайными наборами букв, а были составлены на основе специальной системы правил, определяющей порядок букв в строчке. Сейчас вам будут предъявлены новые строчки, и ваша задача будет состоять в том, чтобы определить, какие из них подчиняются этим правилам, а какие являются случайными наборами букв. Если вы считаете, что строчка подчиняется введённым на первом этапе правилам, жмите клавишу "К", если считаете, что НЕ подчиняется - клавишу "Ъ". Строчки будут предъявляться на 7 секунд, а потом исчезать. Вы можете давать ответ в любой момент: как только строка появилась и после её исчезновения. Всего будет 40 строк.

В каждой пробе вам нужно будет сделать ставку на ваш ответ. У вас есть 100 очков. Дав ответ, вы можете поставить 10, 20, 30 или 40 очков на то, что он правильный. Если ответ действительно окажется правильным, вам прибавится столько очков, сколько вы поставили. Если ответ окажется неправильным - по такой же схеме очки отнимутся. Ваша задача - заработать как можно больше очков. О сумме заработанных очков вы узнаете в конце эксперимента. Нажмите пробел, чтобы начать второй этап эксперимента.

Инструкция в тестовой серии для группы, отчитывавшейся об основаниях своих решений

Строчки, которые предъявлялись Вам на первом этапе были не случайными наборами букв, а были составлены на основе специальной системы правил, определяющей порядок букв в строчке. Сейчас вам будут предъявлены новые строчки, и ваша задача будет состоять в том, чтобы определить, какие из них подчиняются этим правилам, а какие являются случайными наборами букв. Если вы считаете, что строчка подчиняется введённым на первом этапе правилам, жмите клавишу "К", если считаете, что НЕ подчиняется - клавишу 'Ъ". Строчки будут предъявляться на 7 секунд, а потом исчезать. Вы можете давать ответ в любой момент: как только строка появилась и после её исчезновения. Всего будет 40 строк. В каждой пробе вам нужно будет указать, на основе чего вы приняли своё решение. Нажмите пробел, чтобы начать второй этап эксперимента.

Приложение Д. Стимульный материал, использованный в эксперименте 3

Обучающая серия Тестовая серия

Грамматические Неграмматические Грамматические Неграмматические

MXRVXT VTXTRXM MVXRM VMX

VMTRRRR VMRMXTM MXTRMVR MXVT

MXTRRR VRXXRTX VXVT VTXMR

VXVRMXT VXTTRMR MXRMXRV VTTVRX

VXVTXM VXMMXRR MXRTVMT MRMMXM

VMTRRRX VMXTXRX VMT VTTMRRV

МХЯТМУЯ УЯМЯМЯТ МУХЯУМТ МТХЯЯУТ

УМЯМХТЯ УТТЯМХ МУХТЯЯЯ УТЯМХХХ

МХТ МХУУУЯУ МХЯМХТЯ МТУХТТХ

УМЯУХУЯ МУТХХЯТ УМЯУМТ УМТУТМХ

МУЯУМ МУУХЯЯХ МХЯТУУМ МУУУХМЯ

УМЯМУЯУ МУТУУУ УМЯТМУЯ УХТЯТЯТ

УМЯМУХЯ МТТЯЯХ МХТЯЯЯХ МЯТТТТУ

МХЯТУХТ МТУУЯ УХУТЯЯХ УТЯТХХЯ

МХЯМУХТ МХМЯХ МХТЯЯХ МУУХЯЯЯ

МУХТХ МУХ УМЯТМХТ УХТУЯХМ

Приложение Е. Инструкции к эксперименту 3

Инструкция в обучающей серии

Вам предлагается принять участие в эксперименте, направленном на исследование памяти. Перед вами на экране будут появляться строчки, составленные из латинских букв. Строчки будут разных цветов: зелёного и голубого. Ваша задача — стараться запомнить строчки ЗЕЛЁНОГО цвета. Всего будет 32 строчки. Каждая будет предъявляться на 4 секунды. По окончании предъявления начнётся второй этап эксперимента. Будьте предельно сосредоточены, постарайтесь ни на что не отвлекаться! Нажмите "Продолжить", чтобы начать эксперимент.

Инструкция в тестовой серии

Сейчас начнётся второй этап эксперимента. Строчки зелёного цвета, которые предъявлялись на первом этапе, были сформированы на основе специальных правил. Строчки синего цвета были случайным набором букв. Сейчас вам будут предъявляться новые строчки, и ваша задача будет состоять в том, чтобы определить, какие из них подчиняются тем самым правилам, по которым были составлены зелёные строчки на первом этапе. Как только строчка появится на экране, вы можете отвечать. Если вы считаете, что строчка подчиняется введённым на первом этапе правилам, то жмите клавишу СТРЕЛКА ВЛЕВО, если считаете, что НЕ подчиняется - клавишу СТРЕЛКА ВПРАВО. Строчки будут предъявляться на 3 секунды, а потом исчезать. Вы можете давать ответ сразу после появления

строчки. Как и в первом этапе, их будет 32. Нажмите "Продолжить", чтобы начать второй этап эксперимента.

Приложение Ж. Стимульный материал, использованный в эксперименте 4

Обучающая серия. Грамматические стимулы для группы 1.

Обучающая серия. Грамматические стимулы для группы 2.

Тестовая серия. Грамматические стимулы (для группы 2)

Приложение З. Инструкция к эксперименту 4

Инструкция в обучающей серии

Вам предлагается принять участие в эксперименте, направленном на исследование памяти. Перед вами на экране будут появляться абстрактные фигуры. Ваша задача - постараться запомнить как можно больше из них. Всего будет 36 фигур. Каждая будет предъявляться на 5 секунд. По окончании предъявления начнётся второй этап эксперимента. Пожалуйста, будьте предельно сосредоточены, постарайтесь ни на что не отвлекаться. Нажмите пробел, чтобы начать эксперимент.

Инструкция в тестовой сериии

Фигуры, которые предъявлялись Вам на первом этапе, были не случайными наборами форм, а были составлены на основе специальной системы правил, определяющей порядок, в котором формы вкладываются друг в друга. Сейчас вам

будут предъявлены новые фигуры. Вам нужно будет выполнять два задания. Во-первых, иногда вам нужно будет определять, соответствует ли предъявленная фигура правилам, по которым были составлены фигуры на первом этапе, или является случайным набором форм. Если вы считаете, что фигура подчиняется введённым на первом этапе правилам, жмите клавишу "К", если считаете, что НЕ подчиняется - клавишу "Ъ". Во-вторых, иногда нужно будет просто оценить, насколько вам нравится предъявленная фигура. Оценку надо будет давать мышкой на шкале от 0 до 1 (0 = скорее не нравится, а 1 = скорее нравится). В этом задании нет правильных и неправильных ответов, нужно просто оценить эстетическую привлекательность фигур для вас. Всего будет 58 фигур. Нажмите пробел, чтобы начать второй этап эксперимента.

Приложение И

Была использована логистическая регрессия с мерами структурного сходства и группой в качестве предикторов и классификационным суждением в качестве бинарной зависимой переменной. В качестве случайного эффекта в модель был добавлен фактор испытуемого для учёта межиндивидуальной изменчивости в вероятности классификации строчки как грамматической.

Таблица. Коэффициенты регрессии для мер структурного сходства в трёх группах

Мера структурного сходства Коэффициент Ст. ошибка z-значение

Свободный член (КГ, все меры структурного -1,51 0,18 -8,26***

сходства = 0)

Грамматичность

0,67

0,18

3,63

***

ПАСЧ

0,21

0,18

1,14

Глобальная АСЧ

0,00

0,07

0,02

Концевая АСЧ

1,18

0,17

6,90

***

ЭГ-1

-0,42

0,27

1,51

ЭГ-2

-0,04

0,24

-0,16

Грамматичность: ЭГ-1

0,68

0,27

2,53'

ПАСЧ: ЭГ-1

-0,09

0,26

-0,35

Глобальная АСЧ: ЭГ-1

-0,04

0,10

-0,34

Концевая АСЧ: ЭГ-1 -0,06 0,15 -0,40

Грамматичность: ЭГ-2 0,14 0,24 0,56

ПАСЧ: ЭГ-2 -0,07 0,24 -0,30

Глобальная АСЧ: ЭГ-2 0,11 0,09 1,20

Концевая АСЧ: ЭГ-2 -0,14 0,13 -1,08

* р < 0,05. ** р < 0,01. *** р < 0,001

Модель представлена в таблице. Первый коэффициент — свободный член. Он отражает логарифм шанса классификации строчки как грамматической испытуемым из КГ при предположении, что все меры структурного сходства равны нулю. Как и ожидалось, он значимо ниже нуля. КГ использовалась в качестве базового уровня, а значит, первый коэффициент структурного сходства относился только к КГ. Коэффициенты для ЭГ-1 и ЭГ-2 отражают разницу между свободным членом для этих групп и КГ. Оба коэффициента оказались не значимыми. Коэффициент взаимодействия, помеченный двоеточием, относится к коэффициентам структурного сходства для соответствующих групп. Чтобы сосчитать коэффициенты структурного сходства для ЭГ-1 или ЭГ-2, необходимо сложить коэффициент для КГ и коэффициент взаимодействия для соответствующей группы. Грамматичность и краевая АСЧ статистически значимо предсказывали классификационные суждения в КГ. Глобальная АСЧ и ПАСЧ не достигли уровня статистической значимости. Такой паттерн результатов получен для всех групп, так как ни один коэффициент взаимодействия не значим, за исключением одного. Коэффициент грамматичности был значимо больше в ЭГ-1, чем в КГ. Это значит, что сама по себе грамматичность строчки влияла на решения испытуемых в большей мере в ЭГ-1, чем в КГ. Такого различия не было получено для КГ и ЭГ-2.

Чтобы прояснить значение этих коэффициентов мы можем экспонировать их и получим отношения шансов. Экспонировав коэффициент для грамматичности в КГ (0,67), мы получим 1,97. Таким образом, шансы грамматической строчки быть классифицированной положительно примерно в два раза выше, чем

неграмматической. Коэффициент для ЭГ-1 — это коэффициент для КГ (0,67) плюс коэффициент взаимодействия (0,68) = 1,35. Экспонировав его, мы получим 3,85. Таким образом, в ЭГ-1 для грамматической строчки шансы быть классифицированной положительно в 3,85 раз выше, чем для неграмматической строчки. На это различие в КГ и ЭГ-1 и указывает взаимодействие факторов, описанное выше. Этот результат говорит о том, что испытуемые всех групп опирались на частотность концевых буквосочетаний, а также на различия в грамматических и неграмматических строчках, не исчерпывающихся этой частотность. Но испытуемые ЭГ-1 опираются на эти источники в большей мере, чем КГ.

Приложение К

Модель представлена в таблице. Атрибуция «правила» была использована в качестве базового уровня.

Таблица. Коэффициенты регрессии для модели: да-уровень, предсказываемый по _атрибуции._

Коэффициент Ст. ошибка Отношение шансов 1- значение Средняя предсказанная вероятность ответа «Да»

Свободный член (Правила) -1,05 0,19 0,35 -5,38*** 0,26

Припоминание 1,36 0,22 3,89 6,27*** 0,58

Интуиция 0,46 0,26 1,59 1,79 0,36

Наугад 0,92 0,37 2,51 2,50* 0,47

* р < 0,05. ** р < 0,01. *** р < 0,001

Моделирование показало, что когда испытуемые атрибутировали их решения знанию правил, шансы, что они классифицируют строчку скорее как грамматическую, чем как неграмматическую, были 0,35. Шансы классифицировать строчку как грамматическую для проб, атрибутированных ответу наугад, были в

2,51 раза выше, чем для проб, атрибутированных правилам, 2 = 2.50, р = 0.012. Шансы, что строчка будет классифицирована как грамматическая, для проб, атрибутированных припоминанию, были примерно в 4 раза выше, чем для правил, 2 = 6.27, р < 0.001. А шансы классифицировать строчку как грамматическую для проб, атрибутированных интуиции, были в 1,59 раз выше для проб, атрибутированных знанию правил. Таким образом, когда испытуемые атрибутировали свои ответы знанию правил, они демонстрировали наиболее консервативный критерий принятия решения.

Приложение Л.

Логистическая регрессия с ответом испытуемого (Да / Нет) в качестве зависимой переменной и группой и метакогнитивной оценкой (уверенность / ставка) в качестве независимых переменных. Для каждого испытуемого был добавлен случайный свободный член, учитывающий разный да-уровень у разных испытуемых. Оценки рассматривались как категориальная переменная, соответственно логистическая регрессия демонстрирует веротяность ответа «Да» для базового уровня и отличия этой вероятности для других уровней от вероятности базового уровня. В качестве базового уровня была выбрана оценка уверенности, равная трём, так как эта ячейка содержала больше всего наблюдений, а также так как в ней наблюдается примерно равное количество ответов «Да» и «Нет» (169 и 161, соответственно). Коэффициенты подгруппы «Ставки» отражают отличие от соответствующих (уверенность на 3 = ставка на 30 и т.д.) коэффициентов подгруппы «Уверенность».

Таблица. Логистическая регрессия с ответом испытуемого (Да / Нет) в качестве зависимой переменной и группой и метакогнитивной оценкой (уверенность / ставка) в _качестве независимых переменных_

Независимая переменная В Ст. ошибка z-значение Р

Уверенность = 3 (базовый уровень) 0,05 0,12 0,38 0,705

Уверенность = 1 -1,09 0,43 -2,51 0,012*

Уверенность = 2 -0,26 0,20 -1,30 0,193

Уверенность = 4 0,21 0,20 1,09 0,276

Независимая переменная Б Ст. ошибка z-значение Р

Ставка = 30 0,16 0,20 0,78 0,437

Ставка = 10 0,43 0,49 0,89 0,374

Ставка = 20 -0,02 0,29 -0,08 0,933

Ставка = 40 0,70 0,38 1,86 0,063.

. р < 0,1. *р < 0,05. **р < 0,01. *** р < 0,001

Результата моделирования:

• Коэффициент для базового уровня (когда уверенность = 3) не отличается значимо от нуля, что говорит о том, что ответы «Да» и «Нет» даются примерно с одинаковой частотой.

• Из остальных коэффициентов для подгруппы уверенность только коэффициент для уверенности = 1 значимо отличается от базового уровня (значимо меньше). Это свидетельствует о том, что ответы «Да» при оценке уверенности = 1 даются значимо реже, чем в базовом уровне (при оценке уверенности = 3; из предыдущего пункта мы знаем, что там ответы «Да» и «Нет» даются примерно с одинаковой частотой)

• Коэффициенты для подргуппы «Ставки» отражают отличие от коэффициентов соответствующих уровней подруппы «Уверенность». Единственное отличие наблюдается при ставке = 40. Это значит, что на уровне статистической тенденции при ставке = 40 ответы «Да» даются значимо чаще, чем при оценке уверенности = 4 (из предыдущего пункта мы знаем, что распределение ответов при оценке уверенности = 4 значимо не отличается от равномерного). Это видно из рис. 14

Таким образом, моделирование подтверждает визуальный анализ распределений ответов на рис. 14: от равномерного отличаются распределения ответов «Да» и «Нет» при самой низкой оценке уверенности (больше ответов «Нет») и самой высокой ставке (больше ответов «Да»).