The 15 references with contexts in paper I. Ivanchei I., N. Andriyanova V., И. Иванчей И., Н. Андриянова В. (2016) “Двусистемная символьная вычислительная модель усвоения искусственной грамматики // Dual-System Symbolic Computational Model of Artificial Grammar Learning” / spz:neicon:technomag:y:2015:i:5:p:251-265

1
Tunney R.J., Fernie G. Episodic and prototype models of category learning // Cognitive Processing. 2012. Vol. 13, iss. 1. P. 41–54. DOI: 10.1007/s10339-011-0403-2
Total in-text references: 4
  1. In-text reference with the coordinate start=3436
    Prefix
    Неизвестно, каким образом хранится информация о классе: в виде абстрактного правила, усреднённого «прототипического» представителя класса или запоминаются все представители класса с соответствующим лейблом? Разные теории позволяют сделать разные предсказания, однако до сих пор однозначного ответа на этот вопрос нет
    Exact
    [1]
    Suffix
    . Как должны быть закодированы признаки, чтобы мог осуществляться перенос сформированного навыка на другую сенсорную модальность — что продемонстрировано в экспериментальных исследованиях [2]?

  2. In-text reference with the coordinate start=15163
    Prefix
    Моделирование стандартного эксперимента В первой симуляции моделировался стандартный эксперимент. Параметры для него были следующими:  имплицитная инструкция;  AL случайно выбиралось для каждого испытуемого из диапазона
    Exact
    [1, 2]
    Suffix
    . Результаты симуляции представлены на рис. 2. Рис. 2. Сравнение результатов усвоения искусственной грамматики людьми и моделью. В верхней половине представлены графики по точности классификации стимулов, в нижней — по проценту стимулов, классифицированных как грамматические.

  3. In-text reference with the coordinate start=17190
    Prefix
    В эксперименте Ребера [3] этот показатель составил 49,5%, в нашем предыдущем исследовании [7] — 47,7% (ϭ = 10,2%) (см. рис. 2Б, имплицитная инструкция). 2.2. Моделирование поиска правил в обучающей серии Чтобы симулировать эксплицитный поиск правил в обучающей серии, мы изменили диапазон параметра «объём внимания на этапе научения» AT с
    Exact
    [1, 2]
    Suffix
    на [14, 15]. В таких условиях модель приобретала больше эксплицитного знания, и, в соответствии с определением «стратегии» (равенство 4), эксплицитный блок делал больший вклад в финальное решение о классификации.

  4. In-text reference with the coordinate start=18329
    Prefix
    Таким образом, соотношение вкладов эксплицитного и имплицитного блоков было зафиксировано на уровне 0,6. При этом параметр «внимание в обучающей серии» AL соответствовал имплицитной обучающей серии —
    Exact
    [1, 2]
    Suffix
    . Точность классификации в таком условии составила 64,6% (ϭ = 7,4%), что значимо ниже, чем в модели с имплицитной инструкцией (67,8%, ϭ = 7,3%), t(198) = 3,06, p = 0.002 (рис. 2А). Процент строк, классифицированных как грамматические, составил 40,5% (ϭ = 7,4%).

2
Scott R.B., Dienes Z. Knowledge applied to new domains: the unconscious succeeds where the conscious fails // Consciousness and Cognition. 2010. Vol. 19, no. 1. P. 391-398. DOI: 10.1016/j.concog.2009.11.009
Total in-text references: 5
  1. In-text reference with the coordinate start=3640
    Prefix
    Как должны быть закодированы признаки, чтобы мог осуществляться перенос сформированного навыка на другую сенсорную модальность — что продемонстрировано в экспериментальных исследованиях
    Exact
    [2]
    Suffix
    ? Отражением нерешённости этих и других психологических проблем может служить низкая эффективность компьютерных систем распознавания изображений (по сравнению со взрослым человеком и даже ребёнком).

  2. In-text reference with the coordinate start=11314
    Prefix
    Имплицитный блок оценивает среднюю частоту встречаемости каждого чанка предъявленной строчки в обучающей серии — эту меру называют «ассоциативная сила чанка» («Associative chunk strength», см.
    Exact
    [2]
    Suffix
    ). Она высчитывается для каждой тестовой строки i по формуле: , (1) где Chunksi – набор чанков в тестовой строке i, Ij – частота встречаемости чанка j в обучающей серии, n – общее количество чанков в тестовой строке i.

  3. In-text reference with the coordinate start=15163
    Prefix
    Моделирование стандартного эксперимента В первой симуляции моделировался стандартный эксперимент. Параметры для него были следующими:  имплицитная инструкция;  AL случайно выбиралось для каждого испытуемого из диапазона
    Exact
    [1, 2]
    Suffix
    . Результаты симуляции представлены на рис. 2. Рис. 2. Сравнение результатов усвоения искусственной грамматики людьми и моделью. В верхней половине представлены графики по точности классификации стимулов, в нижней — по проценту стимулов, классифицированных как грамматические.

  4. In-text reference with the coordinate start=17190
    Prefix
    В эксперименте Ребера [3] этот показатель составил 49,5%, в нашем предыдущем исследовании [7] — 47,7% (ϭ = 10,2%) (см. рис. 2Б, имплицитная инструкция). 2.2. Моделирование поиска правил в обучающей серии Чтобы симулировать эксплицитный поиск правил в обучающей серии, мы изменили диапазон параметра «объём внимания на этапе научения» AT с
    Exact
    [1, 2]
    Suffix
    на [14, 15]. В таких условиях модель приобретала больше эксплицитного знания, и, в соответствии с определением «стратегии» (равенство 4), эксплицитный блок делал больший вклад в финальное решение о классификации.

  5. In-text reference with the coordinate start=18329
    Prefix
    Таким образом, соотношение вкладов эксплицитного и имплицитного блоков было зафиксировано на уровне 0,6. При этом параметр «внимание в обучающей серии» AL соответствовал имплицитной обучающей серии —
    Exact
    [1, 2]
    Suffix
    . Точность классификации в таком условии составила 64,6% (ϭ = 7,4%), что значимо ниже, чем в модели с имплицитной инструкцией (67,8%, ϭ = 7,3%), t(198) = 3,06, p = 0.002 (рис. 2А). Процент строк, классифицированных как грамматические, составил 40,5% (ϭ = 7,4%).

3
Reber A.S. Implicit learning of artificial grammars // Journal of Verbal Learning and Verbal Behavior. 1967. Vol. 6, no. 6. P. 855-863. DOI: 10.1016/S0022-5371(67)80149-X
Total in-text references: 4
  1. In-text reference with the coordinate start=4543
    Prefix
    Более того, человек может вообще не подозревать, что он чему-то учится. Типичной задачей, на которой демонстрируется эффект имплицитного научения, является усвоение искусственной грамматики. Эта задача была впервые описана в работе А. Ребера
    Exact
    [3]
    Suffix
    . Эксперимент состоял из двух частей. В первой части (обучающая серия) испытуемым сообщалось, что они принимают участие в исследовании памяти и им предъявлялся набор из строчек, составленных из латинских букв: VRVRMX, VRRVX, MTMTX и т. д.

  2. In-text reference with the coordinate start=14921
    Prefix
    Показатели симуляции сравнивались с нашими эмпирическими данными (эксперимент И. И. Иванчея и Н. В. Морошкиной 2014 г. [7]), а также с данными, доступными по литературным источникам (эксперименты А. Ребера 1967
    Exact
    [3]
    Suffix
    и 1976 гг. [8]). 2.1. Моделирование стандартного эксперимента В первой симуляции моделировался стандартный эксперимент. Параметры для него были следующими:  имплицитная инструкция;  AL случайно выбиралось для каждого испытуемого из диапазона [1, 2].

  3. In-text reference with the coordinate start=15922
    Prefix
    В симуляции стандартного эксперимента точность классификации стимулов в тестовой серии составила 67,8% правильных ответов (ϭ = 7,3%). Это примерно соответствует точности классификации в первых экспериментах Ребера — 69,4%
    Exact
    [3]
    Suffix
    , однако выше точности, полученной в наших экспериментах — 60,1% (ϭ = 10,1%) [7]. Точность модели превышает уровень случайного угадывания (50%), t(99) = 24,47, p < 0,001, что является индикатором усвоения искусственной грамматики (см. рис. 2А, имплицитная инструкция).

  4. In-text reference with the coordinate start=16873
    Prefix
    Такой же результат был получен и по неграмматическим строкам, r = 0,51, t(14) = 2,19, p = 0,046. Критерий принятия решения. Процент строк, классифицированных как грамматические, у модели составил 47,2% (ϭ = 6,6%). В эксперименте Ребера
    Exact
    [3]
    Suffix
    этот показатель составил 49,5%, в нашем предыдущем исследовании [7] — 47,7% (ϭ = 10,2%) (см. рис. 2Б, имплицитная инструкция). 2.2. Моделирование поиска правил в обучающей серии Чтобы симулировать эксплицитный поиск правил в обучающей серии, мы изменили диапазон параметра «объём внимания на этапе научения» AT с [1, 2] на [14, 15].

4
Ivanchei I. Theories of Implicit Learning: Contradictory Approaches to the Same Phenomenon or Consistent Descriptions of Different Types of Learning? // The Russian Journal of Cognitive Science. 2014. Vol. 1, no. 4. P. 4–30.
Total in-text references: 1
  1. In-text reference with the coordinate start=5984
    Prefix
    Искусственная грамматика. Строчки набираются с помощью переходов по стрелкам между узлами, начало в первом узле, конец — в шестом. Этот результат был многократно повторён в последующих экспериментах (см. обзор
    Exact
    [4]
    Suffix
    ). На основании этих результатов Ребер сделал вывод о том, что испытуемые усваивали сложную структуру искусственной грамматики в виде неосознаваемых абстрактных правил. Абстрактных — потому что испытуемые могли правильно классифицировать новые стимулы.

5
Foerde K., Shohamy D. The role of the basal ganglia in learning and memory: Insight from Parkinson’s disease // Neurobiology of Learning and Memory. 2011. Vol. 96, no. 4. P. 624–
Total in-text references: 1
  1. In-text reference with the coordinate start=6842
    Prefix
    Во многих последующих исследованиях были продемонстрированы рассогласования в процессах имплицитного и эксплицитного научения. Например, испытуемые с расстройствами памяти, у которых было сильно нарушено целенаправленное запоминание стимулов, успешно выполняют задачу на классификацию строчек
    Exact
    [5]
    Suffix
    . В исследованиях Беловой было показано, что просьба обосновывать свои решения при применении имплицитного знания также снижает точность применения имплицитных знаний [6]. Кроме влияния на точность классификации, диссоциации были обнаружены и в других показателях научения.

6
6. DOI: 10.1016/j.nlm.2011.08.006 6. Белова С.С. Субъективная оценка интеллекта другого человека: эффект вербализаций // Социальный интеллект: теория, измерение, исследования / под ред. Д.В. Люсина, Д.В. Ушакова. М.: ИП РАН, 2004. С. 39-62.
Total in-text references: 2
  1. In-text reference with the coordinate start=7023
    Prefix
    Например, испытуемые с расстройствами памяти, у которых было сильно нарушено целенаправленное запоминание стимулов, успешно выполняют задачу на классификацию строчек [5]. В исследованиях Беловой было показано, что просьба обосновывать свои решения при применении имплицитного знания также снижает точность применения имплицитных знаний
    Exact
    [6]
    Suffix
    . Кроме влияния на точность классификации, диссоциации были обнаружены и в других показателях научения. Было показано, что, если просить испытуемых обосновывать свои решения на тестовом этапе, они демонстрируют консервативный критерий принятия решения, то есть реже отвечают, что строчка соответствует грамматике [7].

  2. In-text reference with the coordinate start=14607
    Prefix
    Параметры выбирались вручную, исходя из теоретических гипотез и точности согласования модели и людей по целевым переменным (точность классификации, процент строчек, классифицированных как грамматические). Некоторые параметры модели были заданы изначально. Шум N = 15. Внимание в тестовой серии AT выбиралось для каждого симулированного испытуемого случайно из диапазона
    Exact
    [6, 10]
    Suffix
    . Остальные параметры варьировались с моделируемыми условиями эксперимента. Показатели симуляции сравнивались с нашими эмпирическими данными (эксперимент И. И. Иванчея и Н. В. Морошкиной 2014 г. [7]), а также с данными, доступными по литературным источникам (эксперименты А.

7
Иванчей И.И., Морошкина Н.В. Стратегии принятия решения в имплицитном научении // Шестая международная конференция по когнитивной науке: тез. докл. Калининград: Standartu Spaustuve, 2014. С. 709–710.
Total in-text references: 8
  1. In-text reference with the coordinate start=7372
    Prefix
    Было показано, что, если просить испытуемых обосновывать свои решения на тестовом этапе, они демонстрируют консервативный критерий принятия решения, то есть реже отвечают, что строчка соответствует грамматике
    Exact
    [7]
    Suffix
    . В экспериментах Ребера было показано, что если испытуемым ещё перед началом тестовой серии сообщать о наличии определённых правил грамматики и просить найти их в ходе запоминания, они также реже классифицировали строчки как грамматические в тестовой серии (точность классификации также была ниже в этих условиях) [8].

  2. In-text reference with the coordinate start=8980
    Prefix
    Новизна работы обусловлена описанием двухуровневой символьной (без нейросетевых компонентов) модели, а также её возможностью демонстрировать эффект инструкции в тестовой стадии эксперимента, полученный нами в экспериментальном исследовании с людьми
    Exact
    [7]
    Suffix
    . В следующем разделе будет описана архитектура модели, её параметры и способы реализации. В разделе «симуляция» будут приведены результаты моделирования и их сравнение с несколькими экспериментальными работами.

  3. In-text reference with the coordinate start=14829
    Prefix
    Остальные параметры варьировались с моделируемыми условиями эксперимента. Показатели симуляции сравнивались с нашими эмпирическими данными (эксперимент И. И. Иванчея и Н. В. Морошкиной 2014 г.
    Exact
    [7]
    Suffix
    ), а также с данными, доступными по литературным источникам (эксперименты А. Ребера 1967 [3] и 1976 гг. [8]). 2.1. Моделирование стандартного эксперимента В первой симуляции моделировался стандартный эксперимент.

  4. In-text reference with the coordinate start=15568
    Prefix
    В верхней половине представлены графики по точности классификации стимулов, в нижней — по проценту стимулов, классифицированных как грамматические. В левой половине — данные по экспериментальному исследованию Иванчея и Морошкиной
    Exact
    [7]
    Suffix
    , в правой — Ребера [8]. Вертикальные линии соответствуют 95% доверительным интервалам. Точность классификации. В симуляции стандартного эксперимента точность классификации стимулов в тестовой серии составила 67,8% правильных ответов (ϭ = 7,3%).

  5. In-text reference with the coordinate start=16000
    Prefix
    В симуляции стандартного эксперимента точность классификации стимулов в тестовой серии составила 67,8% правильных ответов (ϭ = 7,3%). Это примерно соответствует точности классификации в первых экспериментах Ребера — 69,4% [3], однако выше точности, полученной в наших экспериментах — 60,1% (ϭ = 10,1%)
    Exact
    [7]
    Suffix
    . Точность модели превышает уровень случайного угадывания (50%), t(99) = 24,47, p < 0,001, что является индикатором усвоения искусственной грамматики (см. рис. 2А, имплицитная инструкция). Корреляция в точности классификации разных строк.

  6. In-text reference with the coordinate start=16942
    Prefix
    Критерий принятия решения. Процент строк, классифицированных как грамматические, у модели составил 47,2% (ϭ = 6,6%). В эксперименте Ребера [3] этот показатель составил 49,5%, в нашем предыдущем исследовании
    Exact
    [7]
    Suffix
    — 47,7% (ϭ = 10,2%) (см. рис. 2Б, имплицитная инструкция). 2.2. Моделирование поиска правил в обучающей серии Чтобы симулировать эксплицитный поиск правил в обучающей серии, мы изменили диапазон параметра «объём внимания на этапе научения» AT с [1, 2] на [14, 15].

  7. In-text reference with the coordinate start=23597
    Prefix
    Вторая рассогласованность между симуляцией и эмпирическими данными состоит в том, что в нашем предыдущем эксперименте необходимость обосновывать свои решения в тестовой серии привела только к сдвигу критерия, но не повлияла на точность классификации
    Exact
    [7]
    Suffix
    . Представленная модель демонстрирует статистически значимое снижение точности в условиях отчёта в тестовой серии (рис. 2А). В наших экспериментальных данных также наблюдается небольшое снижение (c 60,1% до 58,2%), однако оно не достигает уровня статистической значимости.

  8. In-text reference with the coordinate start=26257
    Prefix
    Модель достаточно хорошо согласуется с данными, полученными в экспериментальных исследованиях с людьми. В том числе успешно моделируется эффект инструкции в тестовой серии, описанный в нашем эксперимнетальном исследовании
    Exact
    [7]
    Suffix
    . Планируется дальнейшая разработка модели с целью симуляции других экспериментальных воздействий. Одно из важнейших направлений работы — возможность моделировать решение других задач, включающих в себя научение и категоризацию.

8
Reber A.S. Implicit learning of synthetic languages: The role of instructional set // Journal of Experimental Psychology: Human Learning and Memory. 1976. Vol. 2, no. 1. p. 88–94. DOI: 10.1037/0278-7393.2.1.88
Total in-text references: 4
  1. In-text reference with the coordinate start=7709
    Prefix
    В экспериментах Ребера было показано, что если испытуемым ещё перед началом тестовой серии сообщать о наличии определённых правил грамматики и просить найти их в ходе запоминания, они также реже классифицировали строчки как грамматические в тестовой серии (точность классификации также была ниже в этих условиях)
    Exact
    [8]
    Suffix
    . Для объяснения рассогласований между эксплицитным и имплицитным научением были предложены двусистемные теории научения [например, 2, 9]. Согласно таким подходам, в процесс научения вовлечены две когнитивные системы — эксплицитная и имплицитная.

  2. In-text reference with the coordinate start=14935
    Prefix
    Показатели симуляции сравнивались с нашими эмпирическими данными (эксперимент И. И. Иванчея и Н. В. Морошкиной 2014 г. [7]), а также с данными, доступными по литературным источникам (эксперименты А. Ребера 1967 [3] и 1976 гг.
    Exact
    [8]
    Suffix
    ). 2.1. Моделирование стандартного эксперимента В первой симуляции моделировался стандартный эксперимент. Параметры для него были следующими:  имплицитная инструкция;  AL случайно выбиралось для каждого испытуемого из диапазона [1, 2].

  3. In-text reference with the coordinate start=15590
    Prefix
    В верхней половине представлены графики по точности классификации стимулов, в нижней — по проценту стимулов, классифицированных как грамматические. В левой половине — данные по экспериментальному исследованию Иванчея и Морошкиной [7], в правой — Ребера
    Exact
    [8]
    Suffix
    . Вертикальные линии соответствуют 95% доверительным интервалам. Точность классификации. В симуляции стандартного эксперимента точность классификации стимулов в тестовой серии составила 67,8% правильных ответов (ϭ = 7,3%).

  4. In-text reference with the coordinate start=22846
    Prefix
    При большей опоре на него это становится видно в общем поведении модели. Кроме воспроизведения эффектов, демонстрируемых людьми, модель показала некоторые рассогласования с экспериментальными данными. Во-первых, в эксперименте Ребера
    Exact
    [8]
    Suffix
    испытуемые, которых просили искать правила в обучающей серии, показали более низкую точность классификации, чем испытуемые, которые выполняли стандартную задачу запоминания в обучающей серии (65,0% против 76,7% соответственно).

9
Ashby F.G., Paul E.J., Maddox W.T. COVIS // In: Formal Approaches in Categorization / ed. by E.M. Pothos, A.J. Wills. New York: Cambridge University Press, 2011. С. 65–87.
Total in-text references: 1
  1. In-text reference with the coordinate start=25143
    Prefix
    Исследователями имплицитного научения предлагался ряд вычислительных моделей изучаемых процессов (см. [14]). Однако проблема взаимодействия осознаваемых и неосознаваемых знаний человека редко ставится в основание работы. Были предложены и двухуровневые модели, например, COVIS
    Exact
    [9]
    Suffix
    и CLARION [15], которые описывали взаимодействие осознаваемых и неосознаваемых процессов в ходе научения. Но в упомянутых моделях имплицитная система реализуется с помощью нейронных сетей, которые делают описание происходящего научения довольно сложным (неслучайно в машинном обучении нейросетевые модели называют моделями «чёрного ящика»).

10
Иванчей И.И., Морошкина Н.В. Взаимодействие имплицитных и эксплицитных знаний при научении искусственным грамматикам // Психологические исследования. 2013. Т. 6, No 32. С. 2. Режим доступа: http://psystudy.ru/index.php/num/2013v6n32/904ivanchei32.html (дата обращения 01.04.2015).
Total in-text references: 2
  1. In-text reference with the coordinate start=10435
    Prefix
    Эксплицитный блок выхватывает несколько чанков из каждой обучающей строчки и «запоминает» их — так моделируется эксплицитное запоминание фрагментов строчек. Хранение эксплицитных знаний в данной задаче именно в виде запомненных чанков подтверждается эмпирическими работами
    Exact
    [10]
    Suffix
    . Объём выхватываемых чанков задаётся параметром AL («Attention in learning phase», объём внимания в обучающей серии). Важно отметить, что операция выбора чанков реализована как извлечение с повторением, поэтому AL может быть больше, чем количество чанков в обучающей строке.

  2. In-text reference with the coordinate start=14607
    Prefix
    Параметры выбирались вручную, исходя из теоретических гипотез и точности согласования модели и людей по целевым переменным (точность классификации, процент строчек, классифицированных как грамматические). Некоторые параметры модели были заданы изначально. Шум N = 15. Внимание в тестовой серии AT выбиралось для каждого симулированного испытуемого случайно из диапазона
    Exact
    [6, 10]
    Suffix
    . Остальные параметры варьировались с моделируемыми условиями эксперимента. Показатели симуляции сравнивались с нашими эмпирическими данными (эксперимент И. И. Иванчея и Н. В. Морошкиной 2014 г. [7]), а также с данными, доступными по литературным источникам (эксперименты А.

11
Mealor A.D., Dienes Z. Explicit feedback maintains implicit knowledge // Consciousness and Cognition. 2013. Vol. 22, no. 3. P. 822–832.
Total in-text references: 1
  1. In-text reference with the coordinate start=12937
    Prefix
    Таким образом моделируется дополнительный эксплицитный поиск, который всегда сопровождает тестовую серию, а также зашумление, которое может снижать точность классификации в ходе тестовой серии
    Exact
    [11]
    Suffix
    . Окончательное решение относительно предъявленной строчки выбирается из двух решений, предложенных двумя системами. Вероятность выбора варианта той или иной системы регулируется специальным параметром S («Strategy», стратегия).

12
Opitz B., Hofmann J. Concurrence of rule- and similarity-based mechanisms in artificial grammar learning // Cognitive Psychology. 2015. Vol. 77. P. 77–99.
Total in-text references: 1
  1. In-text reference with the coordinate start=23271
    Prefix
    искать правила в обучающей серии, показали более низкую точность классификации, чем испытуемые, которые выполняли стандартную задачу запоминания в обучающей серии (65,0% против 76,7% соответственно). В симуляции в обоих условиях точность классификации строчек не различалась (рис. 2В). Однако результат Ребера не был воспроизведён в последующих экспериментах
    Exact
    [12]
    Suffix
    , так что это нельзя считать большой проблемой для модели. Вторая рассогласованность между симуляцией и эмпирическими данными состоит в том, что в нашем предыдущем эксперименте необходимость обосновывать свои решения в тестовой серии привела только к сдвигу критерия, но не повлияла на точность классификации [7].

13
Allakhverdov V.M., Gershkovich V.A. Does consciousness exist? In what sense? // Integrative Psychological & Behavioral Science. 2010. Vol. 44, no. 4. P. 340–7.
Total in-text references: 1
  1. In-text reference with the coordinate start=24840
    Prefix
    Одним из главных требований конструируемой модели было наличие двух независимых блоков обработки информации. Для этого существуют как эмпирические основания, описанные выше, так и теоретические
    Exact
    [13]
    Suffix
    . Исследователями имплицитного научения предлагался ряд вычислительных моделей изучаемых процессов (см. [14]). Однако проблема взаимодействия осознаваемых и неосознаваемых знаний человека редко ставится в основание работы.

14
Formal Approaches in Categorization / ed. by E.M. Pothos, A.J. Wills. Cambridge University Press, 2011.
Total in-text references: 2
  1. In-text reference with the coordinate start=17200
    Prefix
    В эксперименте Ребера [3] этот показатель составил 49,5%, в нашем предыдущем исследовании [7] — 47,7% (ϭ = 10,2%) (см. рис. 2Б, имплицитная инструкция). 2.2. Моделирование поиска правил в обучающей серии Чтобы симулировать эксплицитный поиск правил в обучающей серии, мы изменили диапазон параметра «объём внимания на этапе научения» AT с [1, 2] на
    Exact
    [14, 15]
    Suffix
    . В таких условиях модель приобретала больше эксплицитного знания, и, в соответствии с определением «стратегии» (равенство 4), эксплицитный блок делал больший вклад в финальное решение о классификации.

  2. In-text reference with the coordinate start=24957
    Prefix
    Для этого существуют как эмпирические основания, описанные выше, так и теоретические [13]. Исследователями имплицитного научения предлагался ряд вычислительных моделей изучаемых процессов (см.
    Exact
    [14]
    Suffix
    ). Однако проблема взаимодействия осознаваемых и неосознаваемых знаний человека редко ставится в основание работы. Были предложены и двухуровневые модели, например, COVIS [9] и CLARION [15], которые описывали взаимодействие осознаваемых и неосознаваемых процессов в ходе научения.

15
Hélie S., Sun R. An integrative account of memory and reasoning phenomena // New Ideas in Psychology. 2014. Vol. 35, no. 1. P. 36–52. Science and Education of the Bauman MSTU,
Total in-text references: 2
  1. In-text reference with the coordinate start=17200
    Prefix
    В эксперименте Ребера [3] этот показатель составил 49,5%, в нашем предыдущем исследовании [7] — 47,7% (ϭ = 10,2%) (см. рис. 2Б, имплицитная инструкция). 2.2. Моделирование поиска правил в обучающей серии Чтобы симулировать эксплицитный поиск правил в обучающей серии, мы изменили диапазон параметра «объём внимания на этапе научения» AT с [1, 2] на
    Exact
    [14, 15]
    Suffix
    . В таких условиях модель приобретала больше эксплицитного знания, и, в соответствии с определением «стратегии» (равенство 4), эксплицитный блок делал больший вклад в финальное решение о классификации.

  2. In-text reference with the coordinate start=25160
    Prefix
    Исследователями имплицитного научения предлагался ряд вычислительных моделей изучаемых процессов (см. [14]). Однако проблема взаимодействия осознаваемых и неосознаваемых знаний человека редко ставится в основание работы. Были предложены и двухуровневые модели, например, COVIS [9] и CLARION
    Exact
    [15]
    Suffix
    , которые описывали взаимодействие осознаваемых и неосознаваемых процессов в ходе научения. Но в упомянутых моделях имплицитная система реализуется с помощью нейронных сетей, которые делают описание происходящего научения довольно сложным (неслучайно в машинном обучении нейросетевые модели называют моделями «чёрного ящика»).