В процессе жизнедеятельности человек усваивает множество закономерностей. При этом, большая часть этих закономерностей принимается человеком неосознанно. В когнитивной психологии подобный тип научения именуется имплицитным научением [1].
Имплицитное научение – процесс непреднамеренного, во многом неосознанного получения знаний, при котором человек не может вербализовать полученные знания, однако он в состоянии использовать его для решения задач [2].
Можно выделить несколько критериев, по которым можно выделять феномен имплицитного научения:
- Знания, которые были получены в результате неявного научения не доступны в полной мере для сознания. При этом субъект не может предоставить полный (или хотя бы какой-то) устный отчёт о полученной информации.
- Получаемая индивидом информация куда более сложная чем простые ассоциации или банальный подсчёт. Эти критерии соответствуют определению, представленному А. Ребером. [3]
- Имплицитное научение не включает в себя процессы сознательной проверки гипотезы, а является случайным следствием когнитивной обработки стимула. Данный критерий помогает разрешить возникающие противоречия относительно осведомлённости субъектов о полученном скрытом знании. Иногда возможно получение достоверного знания путём «замечания» закономерностей. Однако, эти индивиды развили полученные знания не используя метод проверки гипотез, можно утверждать, что они получили его с помощью иных механизмов, отличных от тех, которые изучались при проведении исследования. При этом, субъекты могут влиять на получение имплицитных знаний через другие сознательные стратегии, такие как игнорирование аспектов стимула [4,5].
Наиболее распространённые парадигмы, которые используются для изучения имплицитного научения: научение искусственной грамматике (Reber), научение последовательности (Nissen and Bullemer) и управление динамической системой (Berry and Broadbent) [6,7,8].
Управление динамическими системами (Dynamic system control)
Важной мотивацией исследования в области управления динамических систем было недовольство традиционными IQ тестами. По мнению сторонников данной позиции, организованные в компьютерной среде сценарии обладают «экологической достоверностью». Симуляторы промышленного производства, медицинские системы и политические системы – исполнение каждой из этих систем значительно упрощается при перенесении их в лабораторные условия. Компьютерные модели позволяют сохранять высокую степень точности по отношению к реальности, а также систематический контроль за зависимыми факторами [9,10,11,12].
В задачах управления динамическими системами участники должны управлять виртуальной моделью и получать выходные значения путём корректировки входных в ситуациях, когда отношения между входными и выходными определяются алгоритмом. Первой созданной комплексной задачей была организованная Д. Берри и Э.Д. Бродбентом в 1984 году модель сахарной фабрика. В этом задании участникам было дано задание контролировать число работников в симулированной сахарной фабрике и стремится к требуемому уровню производства при каждой попытке. Производство сахара является функцией предыдущих попыток производства сахара, текущего вклада работников и небольшой случайной ошибки. При этом взаимосвязь испытуемым не сообщается. Научение измеряется как доля испытаний, в которых выходной результат находится в рамках заданного предела +-1000 целевого уровня производства. Степень сознательности обучения измеряется при помощи вопросов о выбранной стратегии, открытых вопросов и предсказаний с множественным выбором [13].
Этот эксперимент дал старт различным наблюдениям, которые были произведены с помощью спрограммированных микромиров. Среди наиболее известных проведённых экспериментов также можно выделить судьбы области Таналанд и небольшого городка Лоххаузен, каждая из которых позволили в деталях рассмотреть взаимодействие человека со сложной системой.
Каждое новое исследование, проведённое в области управления динамическими системами, позволяло увидеть некоторые закономерности между характеристиками субъекта и эффективностью прохождения задачи.
В подавляющем числе имплицитных задач, включая задачи с управлением динамическими системами, прохождение эксперимента показывает различие в результатах испытуемых: можно выделить прошедших задание более успешно или менее успешно. По этой причине возникает вопрос – в связи с какими факторами связана эффективность прохождения имплицитной задачи.
Поэтому отдельным направлением в области имплицитного научения должно стать изучение психологических, личностных и когнитивных факторов, которые должны стать показателем эффективности решения комплексных задач.
Библиографический список
- Иванчей И.И. (2016). Осознаваемые и неосознаваемые процессы обработки информации при усвоении искусственной грамматики. Дисс.… канд. психол. н. 19.00. 01. СПб., 2016
- Морошкина, Н. В., & Гершкович, В. А. (2014). Актуальные тенденции в исследовании имплицитного научения. Вестник Санкт-Петербургского университета. Серия 16. Психология. Педагогика, (4), 14-24.
- Reber, A. S., Walkenfeld, F. E, & Hernstadt, R. (1991). Implicit and explicit learning: Individual differences and IQ. Journal of Experimental Psychology: Learning, Memory, and Cognition, 17, 888-896
- Klayman, J., & Ha, Y.-W. (1987). Confirmation, disconfirmation and information in hypothesis testing. Psychological Review, 94, 211- 228.
- LeCompte, D. C. (1992, November). Willful control and the learning of artificial grammars. Paper presented at the meeting of the Psychonomic Society, St. Louis, MO.
- Reber A. S. (1967). Implicit learning of artificial grammars. J. Verbal Learn. Verbal Behav. 6, 855–863.
- Nissen M. J., Bullemer P. (1987). Attentional requirements of learning: evidence from performance measures. Cogn. Psychol. 19, 1–32.
- Berry D., Broadbent D. E. (1984). On the relationship between task performance and associated verbalizable knowledge. Q. J. Exp. Psychol. 36, 209–231.
- Rigas, G., & Brehmer, B. (1999). Mental processes in intelligence tests and dynamic decision making tasks. In P. Juslin & H. Montgomery (Eds.), Judgement and decision making: Neo-Brunswikean and process-tracing approaches (pp. 45–65). Hillsdale, NJ: Lawrence Erlbaum Associates Inc
- Moray, N., Lootsteen, P., & Pajak, J. (1986). Acquisition of process control skills. IEEE Transactions on Systems, Man, and Cybernetics, SMC-16, 497–504.
- Gardner, P.H., & Berry, D.C. (1995). The effect of different forms of advice on the control of a simulated complex system. Applied Cognitive Psychology, 9 (Special Issue), S55–S79.
- Brehmer, B., & Dörner, D. (1993). Experiments with computer-simulated microworlds: Escaping both the narrow straits of the laboratory and the deep blue sea of the field study. Computers in Human Behavior, 9, 171–184.
- Dörner, D. (1996). The logic of failure. Recognizing and avoiding error in complex situations. Reading, MA: Addison-Wesley.