WikiDer > Восприятие обучения

Perceptual learning
Часть серии по
Психология

Восприятие обучения является учусь лучше восприятие такие навыки, как различение двух музыкальные тона друг от друга или категоризации пространственных и временных паттернов, имеющих отношение к реальной экспертизе. Примеры этого могут включать чтение, видя отношения между шахматы штук, и зная, рентгеновский снимок изображение показывает опухоль.

Сенсорные модальности может включать визуальный, слуховые, тактильные, обонятельные и вкусовые. Перцептивное обучение формирует важные основы сложных познавательный процессов (то есть языка) и взаимодействует с другими видами обучения для получения перцептивного опыта.[1][2] В основе перцептивного обучения лежат изменения в нейронных схемах. Способность к перцепционному обучению сохраняется на протяжении всей жизни.[3]

Категориальное обучение против перцептивного обучения

Довольно легко спутать категориальное обучение и перцептивное обучение. Категориальное обучение - это «предполагаемое фиксированное, заранее установленное перцептивное представление для описания объектов, подлежащих категоризации».[4] Категорииное обучение построено на перцептивном обучении, потому что вы показываете различие между объектами. Перцептивное обучение определяется как «изменение восприятия как продукт опыта, и были рассмотрены доказательства, демонстрирующие, что различение между раздражителями, которые в противном случае сбивают с толку, улучшается посредством воздействия».[5] Вот несколько примеров, которые помогут лучше различить разницу:

Категория обучения:

Когда ученик изучает новый язык, он отличает иностранные слова от своих родных. Они помещают разные слова в разные категории.

Перцептивное обучение:

Когда ученик изучает новый язык, он может отличить слова, которые звучат так же, как их родной язык. Теперь они могут заметить разницу, в то время как при категориальном обучении они пытаются разделить их.

Примеры

Базовая сенсорная дискриминация

Лабораторные исследования выявили множество примеров резкого улучшения чувствительности за счет должным образом структурированного восприятия. учусь задачи. В визуальном Острота зрения по нониусу задачи, наблюдатели судят, смещена ли одна линия выше или ниже второй линии. Необученные наблюдатели часто уже хорошо справляются с этой задачей, но после обучения наблюдатели порог было показано улучшение в 6 раз.[6][7][8] Подобные улучшения были обнаружены для визуального распознавания движений.[9] и ориентационная чувствительность.[10][11]В визуальный поиск В задачах наблюдателям предлагается найти целевой объект, спрятанный среди отвлекающих факторов или в шуме. Исследования перцептивного учусь с визуальным поиском показывают, что опыт приводит к большому увеличению чувствительности и скорости. В одном исследовании Карни и Саги,[3] Было обнаружено, что время, затрачиваемое испытуемыми на поиск наклонной линии среди поля горизонтальных линий, резко улучшилось: примерно с 200 мс за один сеанс до примерно 50 мс в последующем. При соответствующей практике визуальный поиск может стать автоматическим и очень эффективным, так что наблюдателям не нужно больше времени для поиска, когда в поле поиска присутствует больше элементов.[12] Обучение тактильному восприятию было продемонстрировано на задачах пространственной остроты, таких как различение ориентации тактильной решетки, и на задачах вибротактильного восприятия, таких как частотное различение; Было обнаружено, что тактильное обучение при выполнении этих задач передается от обученных пальцев к необученным.[13][14][15][16] Практика чтения шрифтом Брайля и ежедневное использование осязания может лежать в основе улучшения тактильной пространственной остроты зрения слепых по сравнению со зрячими.[17]

Нейропсихология познания перцептивных категорий

Считается, что существует общее соглашение о том, что несколько систем обучения по разным категориям опосредуют обучение по разным структурам категорий. «Две системы, получившие поддержку, - это явная система, основанная на лобной части, которая использует логические рассуждения, зависит от рабочей памяти и исполнительного внимания и опосредуется в основном передней поясной извилиной, префронтальной корой и ассоциативным полосатым телом, включая головку хвостатого тела. Вторая - это неявная система, опосредованная базальными ганглиями, которая использует процедурное обучение, требует дофаминового сигнала вознаграждения и опосредуется в первую очередь сенсомоторным полосатым телом ».[18] Исследования показали, что при обучении по категориям значительно участвовало полосатое тело и меньше медиальные височные доли. У людей с повреждением полосатого тела необходимость игнорировать не относящуюся к делу информацию является более прогностическим признаком дефицита обучения, основанного на правилах. Принимая во внимание, что сложность правила предсказывает дефицит обучения категории интеграции информации.

В естественном мире

Перцептивное обучение широко распространено и постоянно происходит в повседневной жизни. «Опыт формирует то, как люди видят и слышат». [19] Опыт обеспечивает сенсорную информацию для нашего восприятия, а также знания об идентичности. Когда люди менее осведомлены о различных расах и культурах, у людей развиваются стереотипы, потому что они менее осведомлены. Перцептивное обучение - это более глубокая взаимосвязь между опытом и восприятием. Различное восприятие одного и того же сенсорного ввода может возникнуть у людей с разным опытом или подготовкой. Это приводит к важным вопросам об онтологии сенсорного опыта, взаимосвязи между познанием и восприятием.

Пример тому - деньги. Каждый день мы смотрим на деньги, и мы можем посмотреть на них и узнать, что это такое, но когда вас попросят найти правильную монету в аналогичных монетах, которые имеют небольшие различия, у нас могут возникнуть проблемы с обнаружением разницы. Это потому, что мы видим это каждый день, но мы не пытаемся напрямую найти разницу. Научиться распознавать различия и сходства между стимулами на основе воздействия на них. Исследование, проведенное Гибсоном в 1955 году, показывает, как воздействие стимулов может повлиять на то, насколько хорошо мы узнаем детали различных стимулов.

По мере того, как наша система восприятия приспосабливается к естественному миру, мы становимся лучше различать разные стимулы, когда они принадлежат к разным категориям, чем когда они принадлежат к одной и той же категории. Мы также склонны становиться менее чувствительными к различиям между двумя экземплярами одной и той же категории.[20] Эти эффекты описаны как результат категоричное восприятие. Эффекты категориального восприятия не передаются между доменами.

Младенцы, когда разные звуки принадлежат к одной фонетической категории их родного языка, как правило, теряют чувствительность к различиям между звуками речи к 10-месячному возрасту.[21] Они учатся обращать внимание на существенные различия между фонетическими категориями коренных народов и игнорировать те, которые менее значимы для языка. В шахматах опытные шахматисты кодируют большие фрагменты позиций и отношений на доске и требуют меньшего количества воздействий, чтобы полностью воссоздать шахматную доску. Это происходит не из-за их превосходных визуальных способностей, а, скорее, из-за их продвинутого извлечения структурных паттернов, характерных для шахмат.[22][23]

Когда женщина родит ребенка вскоре после рождения ребенка, она сможет понять разницу в том, как плачет ее ребенок. Это потому, что она становится более чувствительной к различиям. Она может сказать, что такое плач, потому что они голодны, их нужно переодеть и т. Д.

Обширная практика чтения на английском языке приводит к извлечению и быстрой обработке структурных закономерностей английских орфографических моделей. В эффект превосходства слов демонстрирует это - люди часто распознают слова гораздо быстрее, чем отдельные буквы.[24][25]

В речевых фонемах наблюдатели, которые слушают континуум равномерно расположенных согласных-гласных слогов, идущих от / be / to / de /, гораздо быстрее указывают на то, что два слога различаются, когда они принадлежат к разным фонематическим категориям, чем когда они были двумя вариантами одна и та же фонема, даже когда между каждой парой слогов были приравнены физические различия.[26]

Другие примеры перцептивного обучения в естественном мире включают способность различать относительную высоту звука в музыке,[27] выявлять опухоли на рентгеновских снимках,[28] сортировать суточных цыплят по полу,[29] почувствуйте тонкие различия между пивом и вином,[30] идентифицировать лица как принадлежащие к разным расам,[31] обнаруживать черты, которые отличают знакомые лица,[32] различать два вида птиц («большая синяя коронная цапля» и «воробей-щепка»),[33] и выборочно обращать внимание на значения оттенка, насыщенности и яркости, которые составляют определение цвета.[34]

Краткая история

Распространенная идиома «практика приводит к совершенству» отражает суть способности достигать впечатляющих навыков восприятия. Это было продемонстрировано веками и через обширную практику таких навыков, как дегустация вин, оценка тканей или музыкальные предпочтения. Первый документально подтвержденный отчет, датируемый серединой 19 века, является самым ранним примером тактильной тренировки, направленной на уменьшение минимального расстояния, на котором люди могут различать, были ли затронуты одна или две точки на своей коже. Оказалось, что это расстояние (JND, Просто заметная разница) резко уменьшается с практикой, и это улучшение хотя бы частично сохраняется в последующие дни. Более того, это улучшение, по крайней мере, частично, характерно для тренированного участка кожи. Особенно резкое улучшение было обнаружено для положений кожи, в которых первоначальное различение было очень грубым (например, на спине), хотя тренировка не могла снизить JND изначально грубых участков до исходно точных (например, кончиков пальцев).[35] Уильям Джеймс посвятил раздел в своих Принципах психологии (1890/1950) «улучшению различения на практике».[36] Он привел примеры и подчеркнул важность перцептивного обучения для экспертных знаний. В 1918 г. Кларк Л. Халл, известный теоретик обучения, обучил участников-людей научиться распределять деформированные китайские иероглифы по категориям. Для каждой категории он использовал 6 экземпляров, которые обладали некоторым неизменным структурным свойством. Люди научились ассоциировать звук как название каждой категории, и, что более важно, они смогли точно классифицировать новых персонажей.[37] Эта способность извлекать инварианты из экземпляров и применять их для классификации новых экземпляров пометила это исследование как эксперимент перцептивного обучения. Однако только в 1969 г. Элеонора Гибсон опубликовала свою основополагающую книгу Принципы перцептивного обучения и развития и определил современную область перцептивного обучения. Она основала изучение перцептивного обучения как исследование поведения и механизма изменения восприятия. Однако к середине 1970-х эта область находилась в состоянии покоя из-за смещения акцента на перцептивное и когнитивное развитие в младенчестве. Большая часть научного сообщества была склонна недооценивать влияние обучения по сравнению с врожденными механизмами. Таким образом, большая часть этого исследования была сосредоточена на характеристике основных перцептивных способностей младенцев, а не на процессах перцептивного обучения.

С середины 1980-х годов наблюдается новая волна интереса к перцептивному обучению из-за открытий корковой пластичности на самых низких сенсорных уровнях сенсорных систем. Наше более глубокое понимание физиологии и анатомии наших корковых систем было использовано для того, чтобы связать улучшение поведения с нижележащими корковыми областями. Эта тенденция началась с более ранних выводов Hubel и Визель что представления о восприятии в сенсорных областях коры существенно изменяются в течение короткого («критического») периода сразу после рождения. Мерцених, Каас и его коллеги показали, что, хотя нейропластичность уменьшается, она не устраняется по окончании критического периода.[38] Таким образом, когда внешний паттерн стимуляции существенно изменяется, нейронные представления на более низком уровне (например, начальный) сенсорные области также изменены. Исследования в этот период были сосредоточены на основных сенсорных различиях, где заметные улучшения были обнаружены почти в любой сенсорной задаче посредством практики различения. После обучения испытуемые были протестированы в новых условиях, и был оценен перенос обучения. Эта работа отошла от более ранней работы по перцепционному обучению, которая охватывала разные задачи и уровни.

Вопрос, который все еще обсуждается сегодня, заключается в том, в какой степени улучшение восприятия происходит в результате периферийных модификаций по сравнению с улучшением на этапах считывания более высокого уровня. Ранние интерпретации, например, предложенные Уильям Джеймс, связали это с механизмами категоризации более высокого уровня, согласно которым изначально размытые различия постепенно ассоциируются с совершенно разными ярлыками. Однако работа, сосредоточенная на базовой сенсорной дискриминации, предполагает, что эффекты перцептивного обучения специфичны для изменений на нижних уровнях сенсорной нервной системы (то есть первичной сенсорной коры).[39] Недавние исследования показали, что процессы перцептивного обучения многоуровневые и гибкие.[40] Это возвращает нас к более ранней гибсоновской точке зрения, согласно которой эффекты обучения на низком уровне модулируются факторами высокого уровня, и предполагает, что улучшение извлечения информации может включать не только сенсорное кодирование на низком уровне, но и понимание относительно абстрактной структуры и отношений во времени и Космос.

В течение последнего десятилетия исследователи стремились к более единому пониманию перцептивного обучения и работали над применением этих принципов для улучшения перцептивного обучения в прикладных областях.

Характеристики

Эффекты открытия и беглости

Эффекты перцептивного обучения можно разделить на две большие категории: эффекты открытия и эффекты беглости.[1] Эффекты открытия включают в себя некоторые изменения в основах реагирования, такие как выбор новой информации, относящейся к задаче, усиление соответствующей информации или подавление нерелевантной информации. Эксперты извлекают большие «порции» информации и обнаруживают отношения и структуры высокого порядка в своих областях знаний, невидимые для новичков. Эффекты плавности включают изменения в простоте извлечения. Эксперты могут не только обрабатывать информацию высокого порядка, они делают это с большой скоростью и низкими затратами. нагрузка на внимание. Эффекты открытия и плавности работают вместе, так что по мере того, как структуры открытия становятся более автоматическими, ресурсы внимания сохраняются для открытия новых отношений, а также для мышления на высоком уровне и решения проблем.

Роль внимания

Уильям Джеймс (Принципы психологии, 1890) утверждал, что «Мой опыт - это то, чему я согласен уделить внимание. Только те вещи, которые я замечаю, формируют мой разум - без избирательного интереса опыт представляет собой полный хаос».[36] Его точка зрения была радикальной, но ее суть в значительной степени подтверждалась последующими поведенческий и физиологический исследования. Простого воздействия, кажется, недостаточно для приобретения опыта.

Действительно, соответствующий сигнал в данном поведенческий состояние можно считать шумом в другом. Например, когда предъявляются два похожих стимула, можно попытаться изучить различия между их представлениями, чтобы улучшить свою способность различать их, или вместо этого можно сосредоточиться на сходствах, чтобы улучшить свою способность идентифицировать оба как принадлежащие к той же категории. Конкретное различие между ними можно рассматривать как «сигнал» в первом случае и «шум» во втором случае. Таким образом, по мере того, как мы адаптируемся к задачам и окружающей среде, мы уделяем все больше внимания особенностям восприятия, которые актуальны и важны для поставленной задачи, и в то же время меньше внимания несущественным функциям. Этот механизм называется взвешиванием внимания.[40]

Однако недавние исследования показывают, что перцептивное обучение происходит без избирательного внимания.[41] Исследования такого перцептивного обучения, не имеющего отношения к задаче (TIPL), показывают, что степень TIPL аналогична той, которая определяется посредством процедур прямого обучения.[42] TIPL для стимула зависит от связи между этим стимулом и важными событиями задачи.[43] или при непредвиденных обстоятельствах вознаграждения стимула.[44] Таким образом, было высказано предположение, что обучение (не относящихся к задаче стимулов) зависит от пространственно распространенных обучающих сигналов.[45] Подобные эффекты, но в более коротком временном масштабе, были обнаружены для процессов памяти и в некоторых случаях называются усилением внимания.[46] Таким образом, когда происходит важное (предупреждающее) событие, обучение может также влиять на одновременные, несуществующие и несущественные стимулы.[47]

Временной ход перцептивного обучения

Временной ход восприятия учусь варьируется от одного участника к другому.[13] Восприятие обучения происходит не только во время первого сеанса тренировки, но и между занятиями.[48] Быстрое обучение (т. Е. Обучение в рамках первой сессии) и медленное обучение (т. Е. Обучение между сеансами) связано с различными изменениями во взрослом человеке. мозг. В то время как эффекты быстрого обучения могут сохраняться только в течение короткого периода времени в несколько дней, медленное учусь эффекты могут сохраняться на длительный срок в течение нескольких месяцев.[49]

Пояснения и модели

Модификация рецептивного поля

Исследования по основным сенсорный дискриминации часто показывают, что восприятие учусь эффекты специфичны для обучаемой задачи или стимул.[50] Многие исследователи считают это предположением, что перцептивное обучение может работать, изменяя рецептивные поля ячеек (например, V1 и клетки V2), которые изначально кодируют стимул. Например, отдельные ячейки могут адаптироваться, чтобы стать более чувствительными к важным функциям, эффективно рекрутируя больше ячеек для определенной цели, делая некоторые ячейки более специфичными для выполнения поставленной задачи.[51] Доказательства изменения восприимчивого поля были обнаружены с использованием методов записи одиночных клеток в приматы как в тактильной, так и в слуховой областях.[52]

Однако не все перцептивные учусь Задачи относятся к обученным стимулам или задачам. Сиретяну и Реттенбэк[53] обсудили эффекты обучения дискриминации, которые распространяются на глаза, места сетчатки и задачи. Ахиссар и Хохштейн[54] использовали визуальный поиск, чтобы показать, что обучение обнаружению одиночного элемента линии, скрытого в массиве сегментов линии, ориентированных по-разному, можно обобщить на позиции, в которых цель никогда не была представлена. В человеческом зрении не было обнаружено достаточной модификации рецептивного поля в ранних визуальных областях, чтобы объяснить перцептивное обучение.[55] Тренировка, которая приводит к значительным изменениям поведения, таким как улучшение различения, не вызывает изменений в рецептивных полях. В исследованиях, в которых были обнаружены изменения, они слишком малы, чтобы объяснить изменения в поведении.[56]

Теория обратной иерархии

Теория обратной иерархии (RHT), предложенная Ахиссаром и Хохштейном, направлена ​​на установление связи между динамикой и специфичностью обучения и лежащими в основе нейронными участками.[57] RHT предполагает, что наивная работа основана на ответах на высокоуровневых областях коры головного мозга, где представлены грубые категориальные представления окружающей среды. Следовательно, начальные этапы обучения включают понимание глобальных аспектов задачи. Последующая практика может привести к лучшему разрешению восприятия как следствие доступа к информации более низкого уровня через соединения обратной связи, идущие от высокого к низкому уровню. Для доступа к соответствующим представлениям низкого уровня требуется обратный поиск, в ходе которого выделяются информативные входные популяции нейронов на низком уровне. Следовательно, последующее обучение и его специфика отражают разрешение более низких уровней. Таким образом, RHT предлагает, чтобы начальная производительность ограничивалась разрешением высокого уровня, тогда как производительность после тренировки ограничивалась разрешением на низких уровнях. Поскольку высокоуровневые представления разных людей различаются из-за их предыдущего опыта, их первоначальные модели обучения могут отличаться. Несколько исследований с визуализацией соответствуют этой интерпретации, обнаружив, что начальная производительность коррелирует со средними (ЖИРНЫМ) ответами в областях более высокого уровня, тогда как последующая производительность больше коррелирует с активностью в областях более низкого уровня[нужна цитата]. RHT предполагает, что модификации на низких уровнях будут происходить только тогда, когда обратный поиск (от высокого до низкого уровня обработки) будет успешным. Такой успех требует, чтобы обратный поиск «знал», какие нейроны нижнего уровня информативны. Это «знание» приобретается путем многократного обучения на ограниченном наборе стимулов, так что одни и те же популяции нейронов более низкого уровня являются информативными во время нескольких испытаний. Недавние исследования показали, что смешение широкого спектра стимулов также может дать эффективное обучение, если эти стимулы явно воспринимаются как разные или явно помечены как разные. Эти результаты дополнительно подтверждают требование нисходящего руководства для получения эффективного обучения.

Обогащение против дифференциации

В некоторых сложных задачах восприятия все люди являются экспертами. Мы все очень искушены, но не безупречны в идентификации места происшествия, идентификации лица и речи. восприятие. Традиционные объяснения приписывают этот опыт некоторым целостным, несколько специализированным механизмам. Возможно, такая быстрая идентификация достигается более конкретными и сложными детекторами восприятия, которые постепенно «разбивают» (т. Е. Объединяют в единицу) характеристики, которые имеют тенденцию совпадать, что упрощает получение всего набора информации. Вопрос о том, можно ли какое-либо совпадение функций постепенно разбивать на части с практикой или можно получить только с некоторой предварительной предрасположенностью (например, лица, фонологические категории). Текущие результаты показывают, что такой опыт коррелирует со значительным увеличением объема коры головного мозга, вовлеченного в эти процессы. Таким образом, у всех нас есть несколько специализированных областей лица, которые могут проявлять врожденное свойство, но мы также развиваем несколько специализированных областей для написанных слов, в отличие от отдельных букв или цепочек буквоподобных символов. Более того, у специальных экспертов в данной области есть более крупные области коры, вовлеченные в эту область. Таким образом, у опытных музыкантов слуховые области больше.[58] Эти наблюдения согласуются с традиционными теориями обогащения, предполагающими, что повышение производительности включает увеличение коркового представительства. Для этого опыта базовая категориальная идентификация может быть основана на расширенных и подробных представлениях, в некоторой степени локализованных в специализированных областях мозга. Физиологический Имеющиеся данные свидетельствуют о том, что тренировка для точного распознавания по основным параметрам (например, частота в слуховой модальности) также увеличивает представление тренированных параметров, хотя в этих случаях увеличение может в основном затрагивать сенсорные области более низкого уровня.[59]

Выборочное взвешивание

В 2005 году Петров, Дошер и Лу отметили, что перцептивная учусь можно объяснить с точки зрения выбора анализаторов, которые лучше всего выполняют классификацию, даже в простых задачах распознавания. Они объясняют, что некоторая часть нейронной системы, отвечающая за конкретные решения, имеет специфичность.[требуется разъяснение], а единицы восприятия низкого уровня - нет.[40] В их модели кодировки на самом низком уровне не меняются. Скорее, изменения, которые происходят в перцептивном обучении, возникают из-за изменений более высокого уровня, абстрактных представлений соответствующих стимулов. Поскольку специфика может происходить из-за дифференцированного выбора информации, эта «теория выборочного переназначения» позволяет изучать сложное абстрактное представление. Это соответствует более раннему мнению Гибсона о перцептивном обучении как о выборе и учусь отличительных черт. Отбор может быть объединяющим принципом перцептивного обучения на всех уровнях.[60]

Влияние протокола обучения и динамики обучения

Иван Павлов обнаруженный кондиционирование. Он обнаружил, что когда за стимулом (например, звуком) сразу несколько раз следует еда, простое предъявление этого стимула впоследствии вызовет слюноотделение во рту собаки. Он также обнаружил, что, когда он использовал дифференциальный протокол, последовательно предлагая пищу после одного стимула и не предлагая пищу после другого стимула, собаки быстро приучались к выборочному слюноотделению в ответ на вознаграждение. Затем он спросил, можно ли использовать этот протокол для увеличения различения восприятия, по-разному награждая два очень похожих стимула (например, звуки с одинаковой частотой). Однако он обнаружил, что дифференциальное кондиционирование не было эффективным.

За исследованиями Павлова последовало множество обучающих исследований, в которых было обнаружено, что эффективный способ повысить разрешающую способность восприятия - это начать с большой разницы в требуемом измерении и постепенно переходить к небольшим различиям в этом измерении. Этот переход от простого к сложному был назван «переносом по континууму».

Эти исследования показали, что динамика обучения зависит от протокола обучения, а не от общего объема практики. Более того, кажется, что стратегия, неявно выбранная для обучения, очень чувствительна к выбору первых нескольких испытаний, во время которых система пытается идентифицировать соответствующие сигналы.

Консолидация и сон

В нескольких исследованиях задавался вопрос: учусь происходит во время тренировок или между ними, например, во время последующего сна. Динамика учусь трудно оценить, поскольку непосредственно измеряемым параметром является производительность, на которую влияют как учусь, вызывающие улучшение, и усталость, которая снижает производительность. Текущие исследования показывают, что сон способствует улучшению и долговечности учусь эффекты, путем дальнейшего укрепления связей при отсутствии постоянной практики.[48][61][62] Обе медленная волна и REM Стадии сна (быстрое движение глаз) могут способствовать этому процессу через еще не изученные механизмы.

Сравнение и контраст

Практика сравнения и сопоставления экземпляров, принадлежащих к одной или разным категориям, позволяет выявить отличительные признаки - признаки, которые важны для задачи классификации, - и отфильтровать нерелевантные признаки.[63]

Сложность задания

Учусь сначала простые примеры могут привести к лучшей передаче и лучшему учусь более сложных случаев.[64] Записывая ERP от взрослых людей, Дин и его коллеги исследовали влияние сложности задачи на мозговые механизмы обучения зрительному восприятию. Результаты показали, что тренировка с трудными задачами повлияла на более раннюю стадию обработки зрительной информации и более широкие зрительные области коры головного мозга, чем тренировка с помощью простых задач.[65]

Активная классификация и внимание

Активные усилия по классификации и внимание часто необходимы для получения эффекта восприятия обучения.[62] Однако в некоторых случаях простое воздействие определенных вариаций стимула может улучшить различение.

Обратная связь

Во многих случаях перцептивное обучение не требует обратной связи (независимо от того, верна ли классификация).[59] Другие исследования показывают, что обратная связь блока (обратная связь только после блока испытаний) дает больше обучающих эффектов, чем отсутствие обратной связи вообще.[66]

Пределы

Несмотря на заметное перцептивное обучение, продемонстрированное в различных сенсорных системах и при различных парадигмах обучения, очевидно, что перцептивное обучение должно сталкиваться с определенными непревзойденными ограничениями, налагаемыми физическими характеристиками сенсорной системы. Например, в задачах на осязательную пространственную остроту эксперименты показывают, что степень обучения ограничена площадью поверхности кончика пальца, которая может ограничивать базовую плотность механорецепторы.[13]

Отношение к другим формам обучения

Декларативное и процедурное обучение

Во многих областях знаний реального мира перцептивное обучение взаимодействует с другими формами обучения. Декларативное знание имеет тенденцию происходить с перцептивным обучением. По мере того, как мы учимся различать множество винных вкусов, мы также развиваем широкий спектр словарей, чтобы описать сложность каждого аромата.

Точно так же перцептивное обучение также гибко взаимодействует с процедурные знания. Например, опыт восприятия бейсболиста, играющего с битой, может определить на ранней стадии полета мяча, бросил ли питчер крученый мяч. Однако перцептивная дифференциация ощущения размахивания битой различными способами также могла быть вовлечена в обучение моторным командам, которые производят требуемый взмах.[1]

Неявное обучение

Перцептивный учусь часто говорят, что скрытый, так что учусь происходит без осознания. Совершенно не ясно, является ли восприятие учусь всегда подразумевается. Возникающие изменения чувствительности часто неосознаваемы и не требуют сознательных процедур, но перцептивная информация может быть отображена на различных ответах.[1]

В сложных задачах перцептивного обучения (например, сортировка новорожденных цыплят по полу, игра в шахматы) эксперты часто не могут объяснить, какие отношения стимулов они используют при классификации. Однако в менее сложных перцептивных учусь задач, люди могут указать, какую информацию они используют для классификации.

Приложения

Улучшение навыков восприятия

Важное потенциальное применение перцептивного учусь это приобретение навыков для практических целей. Таким образом, важно понимать, вызывает ли обучение повышенному разрешению в лабораторных условиях общее обновление, которое переносится в другие контексты окружающей среды, или является результатом механизмов, зависящих от контекста. Улучшение сложных навыков обычно достигается путем обучения в сложных условиях моделирования, а не по одному компоненту за раз. Недавние протоколы лабораторных тренировок со сложными компьютерными играми показали, что такая практика действительно изменяет визуальный навыки в общем, которые переносятся в новые визуальные контексты. В 2010 году Ахтман, Грин и Бавелье проанализировали исследования видеоигр для тренировки визуальных навыков.[67] Они цитируют предыдущий обзор Green & Bavelier (2006).[68] об использовании видеоигр для улучшения восприятия и когнитивных способностей. У игроков в видеоигры были улучшены различные навыки, включая «улучшенную зрительно-моторную координацию,[69] повышенная обработка на периферии,[70] улучшенные умственные навыки вращения,[71] большие способности разделенного внимания,[72] и более быстрое время реакции,[73] назвать несколько ». Важной характеристикой является функциональное увеличение размера эффективного визуального поля (в пределах которого зрители могут идентифицировать объекты), которое обучается в играх-действиях и переносится в новые настройки. Будь то изучение простых различений, которые обученные разделению, переход к новым контекстам стимула (например, сложные условия стимула) все еще остается открытым вопросом.

Подобно экспериментальным процедурам, другие попытки применить перцептивный учусь Методы освоения базовых и сложных навыков используют обучающие ситуации, в которых учащийся проходит множество коротких классификационных испытаний. Таллал, Мерзених и их коллеги успешно адаптировали парадигмы слуховой дискриминации для решения проблем речи и языка.[74][75] Они сообщили об улучшениях у детей с нарушением языкового обучения, использующих специально усиленные и расширенные речевые сигналы. Результаты касались не только слуховой дискриминации, но и понимания речи и языка.

Технологии перцептивного обучения

В сфере образования недавние усилия Филип Келлман и коллеги показали, что перцептивное обучение можно систематически производить и ускорять с помощью специальных компьютерных технологий. Их подход к методам перцептивного обучения принимает форму модулей перцептивного обучения (PLM): наборов коротких интерактивных испытаний, которые развивают в конкретной области распознавание образов учащихся, способности классификации и их способности отображать различные представления. В результате практики сопоставления преобразований (например, алгебры, дроби) и нескольких представлений (например, графиков, уравнений и словесных задач) учащиеся демонстрируют значительные успехи в распознавании своей структуры в дробном обучении и алгебре. They also demonstrated that when students practice classifying algebraic transformations using PLMs, the results show remarkable improvements in fluency at algebra problem solving.[60][76][77] These results suggests that perceptual learning can offer a needed complement to conceptual and procedural instructions in the classroom.

Similar results have also been replicated in other domains with PLMs, including anatomic recognition in medical and surgical training,[78] reading instrumental flight displays,[79] and apprehending molecular structures in chemistry.[80]

Смотрите также

Рекомендации

  1. ^ а б c d Kellman, P. J. (2002). "Perceptual learning". In Pashler, H.; Gallistel, R. (eds.). Stevens' Handbook of Experimental Psychology. 3: Learning, Motivation, and Emotion (3rd ed.). Нью-Йорк: Вили. Дои:10.1002/0471214426.pas0307. ISBN 0471214426.
  2. ^ Goldstone, R. L., Steyvers, M., Spencer-Smith, J. & Kersten, A. (2000). Interaction between perceptual and conceptual learning. In E. Diettrich & A. B. Markman (Eds). Cognitive Dynamics: Conceptual Change in Humans and Machines (pp. 191-228). Lawrence Erlbaum and Associates
  3. ^ а б Karni, A; Sagi, D (1993). "The time course of learning a visual skill". Природа. 365 (6443): 250–252. Bibcode:1993Natur.365..250K. Дои:10.1038/365250a0. PMID 8371779. S2CID 473406.
  4. ^ Carvalho, Paulo (2017). Human Perceptual Learning and Categorization. Wiley handbooks in cognitive neuroscience. п. 1. ISBN 978-1-118-65094-3.
  5. ^ Dwyer, Dominic (2017). Human Perceptual Learning and Categorization. School of Psychology, Cardiff University, United Kingdom: The Wiley Handbook on the Cognitive Neuroscience of Learning. п. 1. ISBN 978-1-118-65094-3.
  6. ^ Westheimer, G; McKee, SP (1978). "Stereoscopic acuity for moving retinal images". Журнал Оптического общества Америки. 68 (4): 450–455. Bibcode:1978JOSA...68..450W. Дои:10.1364/JOSA.68.000450. PMID 671135.
  7. ^ Saarinen, J; Levi, DM (1995). "Perceptual learning in vernier acuity: What is learned?". Исследование зрения. 35 (4): 519–527. Дои:10.1016/0042-6989(94)00141-8. PMID 7900292. S2CID 14458537.
  8. ^ Poggio, T.; Fahle, M.; Edelman, S (1992). "Fast perceptual learning in visual hyperacuity". Наука. 256 (5059): 1018–21. Bibcode:1992Sci...256.1018P. Дои:10.1126/science.1589770. HDL:1721.1/6585. PMID 1589770.
  9. ^ Ball, K; Sekuler, R (1982). "A specific and enduring improvement in visual motion discrimination". Наука. 218 (4573): 697–698. Bibcode:1982Sci...218..697B. Дои:10.1126/science.7134968. PMID 7134968.
  10. ^ Shiu, LP; Pashler, H (1992). "Improvement in line orientation discrimination is retinally local but dependent on cognitive set". Percept Psychophys. 52 (5): 582–588. Дои:10.3758/BF03206720. PMID 1437491. S2CID 9245872.
  11. ^ Vogels, R; Orban, GA (1985). "The effect of practice on the oblique effect in line orientation judgments". Видение Res. 25 (11): 1679–1687. Дои:10.1016/0042-6989(85)90140-3. PMID 3832592. S2CID 37198864.
  12. ^ Schneider, W.; Shiffrin, R.M. (1977). "Controlled and automatic human information processing: I. Detection, search, and attention". Психологический обзор. 84 (1): 1–66. Дои:10.1037/0033-295X.84.1.1. S2CID 26558224.
  13. ^ а б c Wong, M .; Peters, R. M.; Goldreich, D. (2013). "A Physical Constraint on Perceptual Learning: Tactile Spatial Acuity Improves with Training to a Limit Set by Finger Size". Журнал неврологии. 33 (22): 9345–9352. Дои:10.1523/JNEUROSCI.0514-13.2013. ЧВК 6618562. PMID 23719803.
  14. ^ Sathian, K; Zangaladze, A (1997). "Tactile learning is task specific but transfers between fingers". Perception & Psychophysics. 59 (1): 119–28. Дои:10.3758/bf03206854. PMID 9038414. S2CID 43267891.
  15. ^ Imai, T; Kamping, S; Breitenstein, C; Pantev, C; Lütkenhöner, B; Knecht, S (2003). "Learning of tactile frequency discrimination in humans". Картирование человеческого мозга. 18 (4): 260–71. Дои:10.1002/hbm.10083. ЧВК 6871959. PMID 12632464.
  16. ^ Harris, JA; Harris, IM; Diamond, ME (2001). "The topography of tactile learning in humans". Журнал неврологии. 21 (3): 1056–61. Дои:10.1523/JNEUROSCI.21-03-01056.2001. ЧВК 6762328. PMID 11157091.
  17. ^ Wong, M; Gnanakumaran, V; Goldreich, D (11 May 2011). "Tactile spatial acuity enhancement in blindness: evidence for experience-dependent mechanisms". Журнал неврологии. 31 (19): 7028–37. Дои:10.1523/jneurosci.6461-10.2011. ЧВК 6703211. PMID 21562264.
  18. ^ Roeder, Jessica (2017). The Neuropsychology of Perceptual Category Learning. Handbook of categorization in cognitive science. п. 1. ISBN 978-0-08-101107-2.
  19. ^ Goldstone, Robert (2015). Perceptual Learning. The Oxford handbook of philosophy of perception. п. 1. ISBN 978-0-19-960047-2.
  20. ^ Goldstone, R.L.; Hendrickson, A. (2010). "Categorical perception". Междисциплинарные обзоры Wiley: когнитивная наука. 1 (1): 69–78. Дои:10.1002/wcs.26. PMID 26272840.
  21. ^ Werker, J.F.; Lalonde, C.E. (1988). "Cross-language speech perception: initial capabilities and developmental change". Развивающая психология. 24 (5): 672–83. Дои:10.1037/0012-1649.24.5.672.
  22. ^ De Groot, A.D. (1965). Thought and choice in chess. The Hague, Netherlands: Mouton.
  23. ^ Chase, W.G.; Саймон, Х.А. (1973). "Perception in Chess". Когнитивная психология. 4 (1): 55–81. Дои:10.1016/0010-0285(73)90004-2.
  24. ^ Reicher, G.M. (1969). "Perceptual recognition as a function of meaningfulness of stimulus material". Журнал экспериментальной психологии. 81 (2): 275–280. Дои:10.1037/h0027768. PMID 5811803.
  25. ^ Wheeler, D. D. (1970). Processes in the visual recognition of words (Doctoral dissertation, University of Michigan, 1970)" Dissertation Abstracts Internationals 31(2), 940B.
  26. ^ Liberman, A.M.; Harris, K.S.; Hoffman, H.S.; Griffith, B.C. (1957). "The discrimination of speech sounds within and across phonemes boundaries". Журнал экспериментальной психологии. 54 (5): 358–368. Дои:10.1037/h0044417. PMID 13481283. S2CID 10117886.
  27. ^ Burns, E.M .; Ward, W.D. (1978). "Categorical perception - phenomenon or epiphenomenon: Evidence from experiments in the per- ception of melodic musical intervals". J. Acoust. Soc. Являюсь. 63 (2): 456–68. Bibcode:1978ASAJ...63..456B. Дои:10.1121/1.381737. PMID 670543.
  28. ^ Myles-Worsley, M.; Johnston, W.A.; Simon, M.A. (1988). "The influence of expertise on X-ray image processing". Журнал экспериментальной психологии: обучение, память и познание. 14 (3): 553–57. Дои:10.1037/0278-7393.14.3.553. PMID 2969946.
  29. ^ Biederman, I.; Shiffrar, M. M. (1987). "Sexing day- old chicks: a case study and expert systems analysis of a difficult perceptual-learning task". Журнал экспериментальной психологии: обучение, память и познание. 13 (4): 640–45. Дои:10.1037/0278-7393.13.4.640.
  30. ^ Peron, R.M.; Allen, G.L. (1988). "Attempts to train novices for beer flavor discrimination: a matter of taste". Журнал общей психологии. 115 (4): 403–418. Дои:10.1080/00221309.1988.9710577. PMID 3210002.
  31. ^ Shapiro, P.N.; Penrod, S.D. (1986). "Meta-analysis of face identification studies". Психологический бюллетень. 100 (2): 139–56. Дои:10.1037/0033-2909.100.2.139.
  32. ^ O'Toole, A. J.; Peterson, J .; Deffenbacher, K.A. (1996). "An "other-race effect" for categorizing faces by sex". Восприятие. 25 (6): 669–76. Дои:10.1068/p250669. PMID 8888300. S2CID 7191979.
  33. ^ Tanaka, J.; Taylor, M. (1991). "Object categories and expertise: Is the basic level in the eye of the beholder?". Когнитивная психология. 23 (3): 457–82. Дои:10.1016/0010-0285(91)90016-H. S2CID 2259482.
  34. ^ Burns, B.; Shepp, B.E. (1988). "Dimensional interactions and the structure of psychological space: the representation of hue, saturation, and brightness". Восприятие и психофизика. 43 (5): 494–507. Дои:10.3758/BF03207885. PMID 3380640. S2CID 20843793.
  35. ^ Volkman, A. W. (1858). "Über den Einfluss der Übung". Leipzig Ber Math-Phys Classe. 10: 38–69.
  36. ^ а б James, W (1890). The principles of psychology. я. New York: Dover Publications Inc. p. 509. Дои:10.1037/11059-000.
  37. ^ Hull, C.L. (1920). "Quantitative aspects of evolution of concepts". Psychological monographs. American Journal of Public Health. XXVIII. pp. 1–86. Дои:10.2105/ajph.10.7.583. ЧВК 1362740. PMID 18010338.
  38. ^ Merzenich MM, Kaas JH, Wall JT, Sur M, Nelson RJ, Felleman DJ (1983). "Progression of change following median nerve section in the cortical representation of the hand in areas 3b and 1 in adult owl and squirrel monkeys". Неврология. 10 (3): 639–65. Дои:10.1016/0306-4522(83)90208-7. PMID 6646426. S2CID 4930.
  39. ^ Fahle Manfred (Editor), and Tomaso Poggio (Editor), Perceptual Learning. The MIT Press (2002: p. xiv)ISBN 0262062216
  40. ^ а б c Petrov, A. A.; Dosher, B. A.; Lu, Z.-L. (2005). "The Dynamics of Perceptual Learning: An Incremental Reweighting Model". Психологический обзор. 112 (4): 715–743. Дои:10.1037/0033-295X.112.4.715. PMID 16262466. S2CID 18320512.
  41. ^ Watanabe, T .; Nanez, J.E.; Сасаки, Ю. (2001). «Восприятие обучения без восприятия». Природа. 413 (6858): 844–848. Bibcode:2001Natur.413..844W. Дои:10.1038/35101601. PMID 11677607. S2CID 4381577.
  42. ^ Seitz; Watanabe (2009). "The Phenomenon of Task-Irrelevant Perceptual Learning". Исследование зрения. 49 (21): 2604–2610. Дои:10.1016/j.visres.2009.08.003. ЧВК 2764800. PMID 19665471.
  43. ^ Seitz; Watanabe (2003). "Is subliminal learning really passive?". Природа. 422 (6927): 36. Дои:10.1038/422036a. PMID 12621425. S2CID 4429167.
  44. ^ Seitz, Kim; Watanabe (2009). "Rewards Evoke Learning of Unconsciously Processed Visual Stimuli in Adult Humans". Нейрон. 61 (5): 700–7. Дои:10.1016/j.neuron.2009.01.016. ЧВК 2683263. PMID 19285467.
  45. ^ Seitz; Watanabe (2005). "A unified model of task-irrelevant and task-relevant perceptual learning". Тенденции в когнитивных науках. 9 (7): 329–334. Дои:10.1016/j.tics.2005.05.010. PMID 15955722. S2CID 11648415.
  46. ^ Swallow, KM; Jiang, YV (April 2010). "The Attentional Boost Effect: Transient increases in attention to one task enhance performance in a second task". Познание. 115 (1): 118–32. Дои:10.1016/j.cognition.2009.12.003. ЧВК 2830300. PMID 20080232.
  47. ^ Y Jiang; MM Chun (2001). "Selective attention modulates implicit learning". The Quarterly Journal of Experimental Psychology A. 54 (4): 1105–24. CiteSeerX 10.1.1.24.8668. Дои:10.1080/713756001. PMID 11765735. S2CID 6839092.
  48. ^ а б Karni, A.; Sagi, D. (1993). "The time course of learning a visual skill". Природа. 365 (6443): 250–252. Bibcode:1993Natur.365..250K. Дои:10.1038/365250a0. PMID 8371779. S2CID 473406.
  49. ^ Qu, Z. Song; Ding, Y. (2010). "ERP evidence for distinct mechanisms of fast and slow visual perceptual learning". Нейропсихология. 48 (6): 1869–1874. Дои:10.1016/j.neuropsychologia.2010.01.008. PMID 20080117. S2CID 17617635.
  50. ^ Fahle, M., Poggio, T. (2002) Perceptual learning. Кембридж, Массачусетс: MIT Press.
  51. ^ Fahle, M.; Edelman, S. (1993). "Long-term learning in vernier acuity: Effects of stimulus orientation, range and of feedback". Исследование зрения. 33 (3): 397–412. Дои:10.1016/0042-6989(93)90094-d. PMID 8447110. S2CID 2141339.
  52. ^ Recanzone, G.H.; Schreiner, C.E.; Merzenich, M.M. (1993). "Plasticity in the frequency representation of primary auditory cortex following discrimination training in adult owl monkeys". Журнал неврологии. 13 (1): 87–103. Дои:10.1523/JNEUROSCI.13-01-00087.1993. ЧВК 6576321. PMID 8423485.
  53. ^ Leonards, U.; Rettenback, R.; Nase, G.; Sireteanu, R. (2002). "Perceptual learning of highly demanding visual search tasks". Исследование зрения. 42 (18): 2193–204. Дои:10.1016/s0042-6989(02)00134-7. PMID 12207979. S2CID 506154.
  54. ^ Ahissar, M.; Hochstein, S. (2000). "Learning pop-out detection: The spread of attention and learning in feature search: effects of target distribution and task difficulty". Исследование зрения. 40 (10–12): 1349–64. Дои:10.1016/s0042-6989(00)00002-x. PMID 10788645. S2CID 13172627.
  55. ^ Schoups, A.; Vogels, R.; Qian, N.; Orban, G. (2001). "Practising orientation identification improves orientation coding in V1 neurons". Природа. 412 (6846): 549–53. Bibcode:2001Natur.412..549S. Дои:10.1038/35087601. PMID 11484056. S2CID 4419839.
  56. ^ Ghose, G.M.; Yang, T.; Maunsell, J.H. (2002). "Physiological correlates of perceptual learning in monkey v1 and v2". Журнал нейрофизиологии. 87 (4): 1867–88. Дои:10.1152/jn.00690.2001. PMID 11929908.
  57. ^ M. Ahissar; S. Hochstein (2004). "The reverse hierarchy theory of visual perceptual learning". Тенденции в когнитивных науках. 8 (10): 457–64. Дои:10.1016/j.tics.2004.08.011. PMID 15450510. S2CID 16274816.
  58. ^ Draganski, B; May, A (2008). "Training-induced structural changes in the adult human brain". Behav Brain Res. 192 (1): 137–142. Дои:10.1016/j.bbr.2008.02.015. PMID 18378330. S2CID 2199886.
  59. ^ а б Gibson, J.J.; Gibson, E.J. (1955). "Perceptual learning: Differentiation or enrichment?". Психологический обзор. 62 (1): 32–41. Дои:10.1037/h0048826. PMID 14357525.
  60. ^ а б Kellman, P. J.; Garrigan, P. (2009). "Perceptual learning and human expertise". Обзоры физики жизни. 6 (2): 53–84. Bibcode:2009PhLRv...6...53K. Дои:10.1016/j.plrev.2008.12.001. ЧВК 6198797. PMID 20416846.
  61. ^ Stickgold, R.; LaTanya, J.; Hobson, J.A. (2000). "Visual discrimination learning requires sleep after training". Природа Неврологии. 3 (12): 1237–1238. Дои:10.1038/81756. PMID 11100141. S2CID 11807197.
  62. ^ а б Shiu, L.; Pashler, H. (1992). "Improvement in line orientation discrimination is retinally local but dependent on cognitive set". Perception & Psychophysics. 52 (5): 582–588. Дои:10.3758/bf03206720. PMID 1437491. S2CID 9245872.
  63. ^ Gibson, Eleanor (1969) Principles of Perceptual Learning and Development. New York: Appleton-Century-Crofts
  64. ^ Ahissar, M.; Hochstein, S. (1997). "Task difficulty and learning specificity". Природа. 387 (6631): 401–406. Дои:10.1038/387401a0. PMID 9163425. S2CID 4343062.
  65. ^ Wang, Y .; Song, Y.; Qu, Z .; Ding, Y.L. (2010). "Task difficulty modulates electrophysiological correlates of perceptual learning". Международный журнал психофизиологии. 75 (3): 234–240. Дои:10.1016/j.ijpsycho.2009.11.006. PMID 19969030.
  66. ^ Herzog, M.H.; Fahle, M. (1998). "Modeling perceptual learning: Difficulties and how they can be overcome". Biological Cybernetics. 78 (2): 107–117. Дои:10.1007/s004220050418. PMID 9525037. S2CID 12351107.
  67. ^ R.L. Achtman; C.S. Green & D. Bavelier (2008). "Video games as a tool to train visual skills". Restor Neurol Neuroscience. 26 (4–5): 4–5. ЧВК 2884279. PMID 18997318.
  68. ^ Green, C.S., & Bavelier, D.. (2006) The Cognitive Neuroscience of Video Games. In: Messaris P, Humphrey L, editors. Digital Media: Transformations in Human Communication. New York: Peter Lang
  69. ^ Griffith, J.L.; Voloschin, P.; Gibb, G.D.; Bailey, J.R. (1983). "Differences in eye-hand motor coordination of video-game users and non-users". Percept mot Skills. 57 (1): 155–158. Дои:10.2466/pms.1983.57.1.155. PMID 6622153. S2CID 24182135.
  70. ^ Green, C.S.; Bavelier, D. (2006). "Effect of action video games on the spatial distribution of visuospatial attention". Journal of Experimental Psychology: Human Perception and Performance. 32 (6): 1465–1478. Дои:10.1037/0096-1523.32.6.1465. ЧВК 2896828. PMID 17154785.
  71. ^ Sims, V.K.; Mayer, R.E. (2000). "Domain specificity of spatial expertise: The case of video game players". Applied Cognitive Psychology. 16: 97–115. Дои:10.1002/acp.759.
  72. ^ Greenfield, P.M.; DeWinstanley, P.; Kilpatrick, H.; Kaye, D. (1994). "Action video games and informal education: effects on strategies for dividing visual attention". Журнал прикладной психологии развития. 15: 105–123. Дои:10.1016/0193-3973(94)90008-6.
  73. ^ Castel, A.D.; Pratt, J.; Drummond, E. (2005). "The effects of action video game experience on the time course of inhibition of return and the efficiency of visual search". Acta Psychologica. 119 (2): 217–230. Дои:10.1016/j.actpsy.2005.02.004. PMID 15877981.
  74. ^ Merzenich; Jenkins, W.M.; Johnstone, P.; Schreiner, C.; Miller, S.; Tallal, P. (1996). "Temporal processing deficits of language impaired children ameliorated by training". Наука. 271 (5245): 77–81. Дои:10.1126/science.271.5245.77. PMID 8539603. S2CID 24141773.
  75. ^ Tallal, P.; Merzenich, M.; Miller, S.; Jenkins, W. (1998). "Language learning impairment: Integrating research and remediation". Scandinavian Journal of Psychology. 39 (3): 197–199. Дои:10.1111/1467-9450.393079. PMID 9800537.
  76. ^ Kellman, P. J.; Massey, C. M.; Son, J. Y. (2009). "Perceptual Learning Modules in Mathematics: Enhancing Students' Pattern Recognition, Structure Extraction, and Fluency". Темы когнитивной науки. 2 (2): 1–21. Дои:10.1111/j.1756-8765.2009.01053.x. ЧВК 6124488. PMID 25163790.
  77. ^ Kellman, P.J.; Massey, C.M.; Roth, Z.; Burke, T .; Zucker, J.; Saw, A.; и другие. (2008). "Perceptual learning and the technology of expertise: Studies in fraction learning and algebra". Прагматика и познание. 16 (2): 356–405. Дои:10.1075/p&c.16.2.07kel.
  78. ^ Guerlain, S.; La Follette, M.; Mersch, T.C.; Mitchell, B.A.; Poole, G.R.; Calland, J.F.; и другие. (2004). "Improving surgical pattern recognition through repetitive viewing of video clips". IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans. 34 (6): 699–707. Дои:10.1109/tsmca.2004.836793. S2CID 7058984.
  79. ^ Kellman, P.J.; Kaiser, M.K. (1994). "Extracting object motion during observer motion: Combining constraints from optic flow and binocular disparity". Журнал Оптического общества Америки A. 12 (3): 623–5. Дои:10.1364/JOSAA.12.000623. PMID 7891215. S2CID 9306696.
  80. ^ Wise, J., Kubose, T., Chang, N., Russell, A., & Kellman, P. (1999). Perceptual learning modules in mathematics and science instruction. Artificial intelligence in education: open learning environments: new computational technologies to support learning, exploration and collaboration, 169.