第五章长时记忆

第五章长时记忆 补充：长时记忆的一般知识第一节长时记忆的代码第二节长时记忆的信息储存第三节长时记忆的信息提取第四节长时记忆的信息遗忘第五节架构与记忆

LTM的含义 • LTM指信息在人脑中储存一分钟以上，几天、几月、几年以及终身的记忆 • LTM所储存的信息是个体过去所经历的经验和所获得的知识 • LTM是一个庞大而复杂的信息库 • LTM所储存的信息大部分来自于STM

LTM的体系

情景记忆和语义记忆 • Tulving(1972)提出 • LTM包括情景记忆（episodic memory）和语义记忆(semantic memory) • 情景记忆 • 与某个特定时间和地点相联系的个体经验 • 语义记忆 • 世界的知识，是一个心理词库，是个人拥有的有关字词和其它语言符号、意义、规则、公式、概念等知识。

情景记忆与语义记忆的区别

情景记忆与语义记忆的区别（续）

情景记忆与语义记忆的联系： 信息贮存于情景和语义记忆系统的方式是高度相似的。对特定时间和地点的情景记忆，经过在不同背景上的多次重复，就逐渐概括成为语义记忆。二者之间并没有严格的界限，一般看作一个连续体的两端。

第一节长时记忆的代码 一、长时记忆的语意代码二、长时记忆的其他代码（视觉和言语代码）双代码理论

一、长时记忆的语意码 • 长时记忆中主要是语意编码 • 实验：萨克斯的早期实验验证 • 材料：听一段文字。目标句子；测验句子（四种） • 程序：目标句——音节——测验句 • 因变量：正确率 • 结果：p192 对句子意义改变敏感

一、长时记忆的语意码 • Mandler等（1977）的实验 • 材料：图画学习图片；再认图片（两类）表面性迷惑图片；类型改变图片 • 程序：学习图片——测验图片（判断新旧） • 因变量：正确率 • 结果：原图77%；判断为新的：表明模糊的图是60%；类型改变的图为94% • 结论：对图画意义的改变较为敏感。

一、长时记忆的语意码 • 命题表征（propositional representation）由谓词和中项组成，表达事实或状态。 • 语意在记忆中以命题的形式表征的。 • 举例：“这个老人骑着棕色的马” • 此句由三个命题组成：这个男人是老人老人骑着马马是棕色的

一、长时记忆的语意码 • 句子是由命题来表征的实验 • Kintsch等的实验 • 材料：句子字数相同（包含一个和三个命题的句子） • 程序：学习句子——回忆句子 • 因变量：回忆成绩结果：一个命题的回忆成绩高三个命题的回忆成绩低

一、长时记忆的语意码 • 文章段落是由命题来表征的实验 • Kintsch等（1973）的实验 • 材料：相同字数的文章段落字数相同（包含命题数不同） • 程序：学习理解段落意义 • 因变量：学习的时间 • 结果：包含命题少的段落学习时间短包含命题多的段落学习时间长

一、长时记忆的语意码 • 文本基点长时记忆中所储存的文章或段落的命题所组成的层次结构。高层次的命题是主要命题，低层次的命题是次要命题。 • 文本基点是长时记忆中命题结合的层次结构。 • 举例：

一、长时记忆的语意码 • 文本基点举例： • 海浪沉重地冲刷海滩，冲掉表面的泥沙，引起了对岸的侵蚀。 • 海浪冲刷-海滩（基于主要动词的命题） • 海浪冲掉泥沙（基于第二个动词的命题） • 海浪引起侵蚀（基于第三个动词的命题）

一、长时记忆的语意码 • 文本基点的实验 • Kintsch等（1978）的实验 • 材料：1300个词的文章 • 程序：阅读后——概况文章意义 • 自变量：间隔时间：0月，1月，3月 • 结果：0月——包含多数低水平命题 • 3月——包含少数低水平命题

二、长时记忆的其他编码 • 双编码假设 • 人物：Paivio，1974提出 • 内容：长时记忆中的主要代码不是语意编码，而是视觉的影像代码和言语的符号代码。对言语的记忆是听觉或发音的记忆，因此在长时记忆中，所有的信息都作为感觉的或运动的经验来表征。

双重编码理论 • 存在着独立的语义编码和表象编码系统 • 两个系统相互独立，但有密切联系 • 专门负责信息的编码、组织、转换、存贮和提取 • 表象系统专门处理非言语的客体和事件的知觉信息 • 语言系统则专门负责处理语言信息

实验研究之一 • 材料：具体词（收音机、歌曲）抽象词（忠诚、荣誉） • 原理：具体词——语言和表象抽象词——语言 • 假设：H1 双编码更有利于记忆 H0 单编码更有利于记忆 • 条件：自由回忆、有线索回忆和再认 • 结果：在自由回忆、有线索的回忆和再认测验中，都发现具体词比抽象词记住的更多

二、长时记忆的其他编码 • 双编码假设的验证实验之二 • 材料：容易记忆的图片（68+68张） • 程序：学习（68）——测验（新旧匹配） • 自变量：间隔时间(0,2s,3,7,120天） • 因变量：辨别的正确率 • 结果：p197 （均超过50%） • 结论：记忆是视觉影像代码

二、长时记忆的其他编码 • 双编码假设的验证实验的新解释 • Martindale(1991)的记忆扭曲现象回忆出的视觉形象是重新建造出来的，与原形象有差异，时间间隔越长差异越大。 • 记忆扭曲现象的实验

二、长时记忆的其他编码 • 记忆扭曲现象的实验 • 人物：Luftus等（1979） • 程序：观看有关车祸的电影后，问：据你估计当两车撞毁时，其时速是多少？（40）据你估计当两车相撞时，其时速是多少？（30） • 一周后： • 据记忆，影片中有没有看到撞碎的玻璃?（没有） • 回答：撞毁的30%；相撞的14%。

二、长时记忆的其他编码 • 对命题网络模型的质疑 • 关于命题表征的结构问题 Anderson 的主谓语；西金的动词、主语等 • 关于命题之间的关系问题西金的层次，安德森的网络及激活。 • 关于使用命题有效性的问题句子中命题和语法的交互作用

第三节长时记忆的语义储存 一、语义层次网络模型二、激活扩散模型三、神经网络模型

一、语义层次网络模型 • 人物：Collins & Quillian提出 • 语义记忆是由词与词之间的联系而构成的一个巨大的网络 • 知识的提取就是这个网络作用的结果 • 在LTM中，概念被分层次地组织而有逻辑性的种属关系 • LTM信息的提取是按语义的层次进行的，层次越多，所需要的时间越长。

语意层次网络模型

一、语义层次网络模型 基本内容 • 语意记忆的基本成分是表征一定客体或概念的结点。 • 结点之间有类属组成一种层次网络。 • 与每个概念储存在一起的是这一概念所具有的属性，下级概念不重复该属性。（知识经济） • 结点和属性是由箭头联系的，箭头表明各种成分之间具有直接的联系。（结点属性上结点）

一、语义层次网络模型 基本内容（续） • 一个特定的问题将会激活层次网络的一个结点，然后沿着箭头方向被激活，直到问题解决，如“金丝鸟是不是有皮肤”。 • 用来回答一个问题的时间和穿过层次网络去发现一个答案的距离是一致的。如回答“金丝鸟能唱歌” 和“金丝鸟有皮肤”的RT是不同的。 • 实验验证：

一、语意层次网络模型 对语意层次网络模型的评价 • 贡献 • 用一种有逻辑的知识结构有效地表征语意知识 • 该模型影响大，激起语意记忆的相关研究

一、语意层次网络模型 • 受质疑之处 • 概念是否有层次排列，概念之间的联系是否有等效关系。如：狗是动物<、哺乳动物。 • 概念属性的存在问题。如“动物能呼吸”、“鸟能呼吸”、“鸵鸟能呼吸” 的RT=？ • 一个概念的所有例子都能同样代表这个概念。如：“金丝鸟是鸟”<、“鸵鸟是鸟”的RT？

二、激活扩散模型 • 人物：Collins & Loftus, 1975 • 在语意层次网络模型上提出的。 • 语义记忆由语义相关性组织起来的。 • 当人们想到一个概念时，语义记忆中相应的结点就会被激活 • 激活了的节点扩散到其它的概念，特别是那些语义关系比较密切的概念 • 扩散能加速认知过程

二、激活扩散模型 • 方框为网络的结点，代表一个概念； • 概念之间的连线表示它们的联系； • 概念之间有更多的横向联系； • 连线长短表示联系的紧密程度； • 连线强弱表示使用频率的高低。

二、激活扩散模型 • 模型的基本内容 • 当问题中涉及一个概念或属性时，表征这个概念或属性的结点就会被激活。激活会通过连线扩散到网络中的临近结点上。由于扩散被激活的结点的激活程度，依赖于这些结点与最初被激活结点之间的联系的强度。 • 回答问题或验证一个陈述的机制，有赖于激活扩散会不会在网络中的某一个点上相遇。 • 如：“小汽车是不是机动车”。

二、激活扩散模型 • 模型的作用 • 完善了语意层次网络模型。 • 能回答无直接联系的概念之间的问题。如：“救火车不是日落”。 • 能解释启动效应如：启动词、目标词医生——护士；医生——面包

二、激活扩散模型 • 语意层次模型与激活扩散模型的差异 • 概念和属性的地位差异同样的，等同的。包含关系。 • 概念和属性的联系差异相关链接的。类属链接。 • 概念之间语意距离的差异链接的长度有大小。上下级概念等距。

层次网络模型与激活扩散模型比较

二、激活扩散模型 • 对激活扩散模型的评价 • 完善了语意层次网络模型。用语义联系取代层次结构，更全面、灵活。 • 概念之间有不同的紧密程度和强度，能说明范畴大小效应、熟悉性效应及典型性效应等。 • 其加工过程包含决策机制。 • 更适合于人，具有更大的灵活性，可容纳更多的不确定性和模糊性。 • 不足：失去了原模型的单纯性和简单性。

三、神经网络模型 • 人物：Martindale,1991 • 神经网络模型中的语意分析器 • 其他分析器： • 野鸭、秋沙鸭大牧羊犬、阿富汗犬 • 鸭狗 • 鸟哺乳动物 • 动物

三、神经网络模型 • 基本内容 • 在神经网络中把储存语意的部分称为语意分析器，在其中有无数个对语意进行编码的结点，这些结点能从言语分析器和视觉分析器中接受输入。如“野鸭”结点，会接受各种收入，并将有关野鸭的知识储存在野鸭这个结点以及它和其他结点的联系之中。 • 结点是按层次排列的，通过层次结构把信息编码为越来越抽象的概念。

三、神经网络模型 • 基本内容（续） • 在神经网络模型的概念结点中，并不包括概念所具有的属性；且其最高水平的结点表示是最基本的概念。如：野鸭、鸭子。 • 在语意分析器中，水平越低，结点的数目越少。 • 模型中，虽然连线的长度一样，但强度不同，一个例子越典型，他与上级概念的联系越强。 • 存在同水平侧抑制的机制（结点间的抑制）。 • 模型中没有否定性的连线。

三、神经网络模型 • 验证实验一 • 人物：Battig 等，1969. • 任务：要求被试列出某一类属的项目。 • 结果：都能列出某些项目，但有些项目列出的少。 • 结论：有些项目容易想起，有些项目不易想起。 • 推论：项目存在典型和非典型。

三、神经网络模型 • 验证实验二 • 人物：Rosch 等，1975. • 任务：评定项目代表一类事物的程度，即典型性评定范式。 • 结果：家具—椅子、沙发（典型）；家具——电话（非典型）。 • 结论：某一类属的项目存在典型和非典型。

三、神经网络模型 • 验证实验三 • 人物：Rosch 等，1973. • 任务：对陈述句作是否判断；如“椅子是家具”、“电话是家具”。 • 结果：“椅子是家具”RT快； “电话是家具”RT慢。 • 结论：下级概念典型性越高，RT越快。

三、神经网络模型 • 侧抑制的实验 • 人物：Rosch 等，1975. • 范式：启动范式。 • 结果：类属词的启动减少了对高度典型的类属例子的反应时，但是增加了对低典型的类属例子的反应时。 • 举例：家具—椅子；家具—电话。 • 解释：在同一水平的结点之间相互抑制。

三、神经网络模型 • 模型中没有否认性连线 • 解释：知识经济的原则，有关系的事物是有限的，没有关系的事物非常多。 • 确定两个事物没有关系如果连个结点由同样的关系连接于同一个上级结点，那么这两个结点所表征的事物就是不同的。 • 见P208

三、神经网络模型 • 评价 • 神经网络模型是一个新的模型，有待于进一步的验证和发展。 • 工作记忆的神经网络模型研究是当今的热点，长时记忆的神经网络模型的热点时代指日可待。

模型验证：范畴大小效应NO 材料：简单句 P0金丝雀会唱歌 P1金丝雀是鸟 P2金丝雀是动物 P3金丝雀是鱼条件：0层次、1层次、2层次、3层次任务：判断句子的内容是否正确指标：反应时结果：语义层次不同，反应时不同

第五章 长时记忆