Incremental implicit learning of bundles of statistical patterns

شکل گیری نمایشی دقیق از یک محیط کار، اغلب به صورت قدم به قدم انجام می شود، زیرا اطلاعات مربوط به یادگیری نمایندگی تنها در طول زمان بوجود می آیند. این ماهیت افزایشی یادگیری یک مشکل مهمی است: معمولا معلوم نیست که آیا دنباله ای از محرک ها تنها یک الگوی واحد یا چندین الگو است که با یکدیگر همپوشانی می شوند. در مورد اول، یادگیرنده می تواند به طور مستقیم از هر یک از محرک های مشاهده شده به طور مداوم بازنمایی نمایندگی خود از محیط کار را بررسی کند. با این حال، در مورد دوم، یادگیرنده ابتدا باید ترتیب محرک ها را به دسته های مختلف تجزیه کند تا بتوان الگوهای چندگانه را مخلوط کرد. ما یک پارادایم یادگیری آماری بازی ویدئویی را ایجاد کردیم و (1) بررسی کردیم که آیا دانش آموزان بدون داشتن دانش قبلی از وجود یک مولکول مولکولی؟ - متعاقب تحریک هایی که الگوهای آماری منطقی هماهنگ را تعریف می کنند می توانند حضور آنها را در ورودی تشخیص دهند و (2) آیا دانش آموزان قادر به ساخت یک نماینده غنی هستند که الگوهای مختلف آماری مرتبط با بسته های نرم افزاری را رمزگذاری می کنند. با مقایسه رفتار یادگیری انسانی با پیش بینی های سه مدل محاسباتی، شواهدی وجود دارد که یادگیرندگان می توانند هر دو وظایف را با موفقیت انجام دهند. علاوه بر این، ما در مورد دلایل اساسی که چرا یادگیری بسته های محرک رخ می دهد، حتی زمانی که چنین رفتار ممکن است غیر منطقی باشد، بحث می کنیم.