惩罚对学习时间分配中决策与绩效的影响(3)
3.2.2 重学收益比例分析
重学收益比例的的结果详见表1和图1。对重学收益比例进行2×2×2重复方差分析，结果发现，组别主效应不显著，难度的主效应显著，F(1，38)=9.99，p=0.003。分值的主效应显著，F(1，38)=6.61，p<0.014。难度、分值与组别之间的交互作用显著，F(1，38)=4.83，p=0.034。进一步进行简单效应分析发现，惩罚组在易1项目上的重学收益比例要显著低于奖励组，F(1，38)=6.09，p=0.018；而在其他三类项目上两组之间差异不显著。对奖励组的分析发现，对于不同分值项目，奖励组的重学收益比例都是容易项目要显著高于困难项目，F(1，38)=4.92(1分)，p=0.033；F(1，38)=14.59(5分)，p<0.001。对于惩罚组进行分析发现，只在5分项目上发现容易项目的重学收益比例显著高于困难项目，F(1，38)=15.54，p<0.001；在1分项目上无显著差异。并且在容易项目上，5分项目的重学收益比例显著高于1分项目，F(1，38)=18.41，p<0.001；而在困难项目上，不同分值项目之间差异不显著。
3.3 学习成绩分析
测试成绩分为首次测试成绩和重学收益，结果详见表2。对首次测试成绩进行2×2×2的重复测量方差分析结果表明，难度的主效应显著，F(1，38)=301.35，p<0.001；分值的主效应显著，F(1，38)=9.77，p=0.003；但组别的主效应并不显著。难度和分值之间存在着显著的交互作用，F(1，38)=14.03，p=0.001。进一步简单效应分析发现，不管分值的高低，学习者的首次测试成绩都表现为容易项目高于困难项目，F(1，38)=173.11(1分)，p<0.001，F(1，38)=214.94(5分)，p<0.001。因此，这种交互作用应该是效应大小不同导致的。另外发现只有在容易项目上，5分的首次测试成绩要高于1分的，F(1，38)=19.77，p<0.001。对于重学收益，2×2×2的重复测量方差分析结果表明，难度的主效应显著，F(1，38)=17.81，p<0.001；分值的主效应显著，F(1，38)=54.29，p<0.001；而组别的主效应不显著。分值与组别间存在着显著的交互作用，F(1，38)=8.31，p=0.006。进一步简单效应分析发现，惩罚组相比于奖励组在5分项目上的学习成绩显著提高，F(1，38)=17.56，p=0.023，而在1分项目上表现出下降的趋势，并不显著。两组学习者对于5分项目的重学收益都显著地高于1分项目，F(1，38)=10.06(奖励组)，p=0.003；F(1，38)=52.55(惩罚组)，p<0.001。
4.讨论
4.1 惩罚对学习策略的影响
4.1.1 惩罚对选择个数比例的影响
本研究探讨奖励和惩罚对学习时间分配决策行为的影响，结果表明，在奖励条件下，学习者进行项目选择时的策略只受分值的影响。不管对于困难词对还是简单词对，学习者都会更多的选择高分项目进行再学习。这个结果与之前的研究结果相一致(Ariel，et al.，2011，2009；Ariel，2012；Dunlosky &Ariel，2011；Soderstrom & McCabe，2011；牛勇，邱香，傅小兰，2010)。这进一步表明，在影响学习者学习决策的诸多因素中，分值(潜在奖励)是优先考虑的因素。当然，这种“选择高分项目”的策略可能与“期望效用最大化”的原则有关。分值的“期望效用”使得学习者更多的选择高分，以期望获得尽可能高的分数(奖励)。
重要的是，惩罚对学习项目的选择也受分值的调制。惩罚使得对1分项目的选择比例显著下降，而对5分项目的选择比例表现出上升的趋势。这表明在惩罚的条件下，学习者也会更加偏好奖励可能的最大化，即选择更多的高分项目以及更少的低分项目来进行学习。此结果与Bechara(1994)的爱荷华赌博任务中被试在惩罚条件时也会产生与奖励时相似的有利决策的结果类似。当然，Bechara(1994)发现当惩罚比例增大时，会使人们更多地做出不利选择(van den Bos，et al.，2006)。而本研究中，惩罚组的惩罚(扣掉相应分值)与奖励的比例是相同的，那么学习过程中的奖励和惩罚比例变化时如何影响决策行为还需要进一步研究。另外，奖励和惩罚的大脑加工机制是存在差异的(Knutson，et al.，2001，2007；Knutson & Greer，2008；Paulus & Stein，2006；Samanez-Larkin，et al.，2008；Wrase，et al.，2007)，以后也需要从脑科学的角度去揭示在惩罚条件下学习者作出更多地选择高分项目以及更少地选择低分项目的决策的脑机制。
4.1.2 惩罚对平均分配时间的影响
对于平均分配时间而言，难度和分值都会影响学习者对重学项目的学习时间分配，学习者会更多的将时间分配到困难的项目上以及高分的项目上。这些与前人的研究结果相符(Ariel，et al.，2009；Dufresne & Kobasigawa，1988，1989；Dunlosky，etal.，2011；Metcalfe，2002)。Ariel(2009)发现，学习者会优先选择高分项目进行学习，但在进行学习时间分配时，仍会将更多的时间分配到困难项目中。当然，学习者的这种策略模式可能与本研究中的惩罚的比例和方式等有关。在本研究中，以分值作为奖励和惩罚刺激，尽管最后被试的分数会与被试的报酬有关，但是这种分数的奖励和惩罚可能对被试的学习动机的影响是有限的，从而导致惩罚对学习时间的分配没有显著影响。当然另外一个重要原因可能与奖励的时间有关系，本研究中，被试奖励或者惩罚是在实验结束后进行的。而Janssen和Gray(2012)发现不同的奖励时间，如在任务结束后、任务中间还是任务中的某个特定时间，都会对个体的决策产生影响。 (曹晓华 王本驰 家晓余 李锋盈)
重学收益比例的的结果详见表1和图1。对重学收益比例进行2×2×2重复方差分析，结果发现，组别主效应不显著，难度的主效应显著，F(1，38)=9.99，p=0.003。分值的主效应显著，F(1，38)=6.61，p<0.014。难度、分值与组别之间的交互作用显著，F(1，38)=4.83，p=0.034。进一步进行简单效应分析发现，惩罚组在易1项目上的重学收益比例要显著低于奖励组，F(1，38)=6.09，p=0.018；而在其他三类项目上两组之间差异不显著。对奖励组的分析发现，对于不同分值项目，奖励组的重学收益比例都是容易项目要显著高于困难项目，F(1，38)=4.92(1分)，p=0.033；F(1，38)=14.59(5分)，p<0.001。对于惩罚组进行分析发现，只在5分项目上发现容易项目的重学收益比例显著高于困难项目，F(1，38)=15.54，p<0.001；在1分项目上无显著差异。并且在容易项目上，5分项目的重学收益比例显著高于1分项目，F(1，38)=18.41，p<0.001；而在困难项目上，不同分值项目之间差异不显著。
3.3 学习成绩分析
测试成绩分为首次测试成绩和重学收益，结果详见表2。对首次测试成绩进行2×2×2的重复测量方差分析结果表明，难度的主效应显著，F(1，38)=301.35，p<0.001；分值的主效应显著，F(1，38)=9.77，p=0.003；但组别的主效应并不显著。难度和分值之间存在着显著的交互作用，F(1，38)=14.03，p=0.001。进一步简单效应分析发现，不管分值的高低，学习者的首次测试成绩都表现为容易项目高于困难项目，F(1，38)=173.11(1分)，p<0.001，F(1，38)=214.94(5分)，p<0.001。因此，这种交互作用应该是效应大小不同导致的。另外发现只有在容易项目上，5分的首次测试成绩要高于1分的，F(1，38)=19.77，p<0.001。对于重学收益，2×2×2的重复测量方差分析结果表明，难度的主效应显著，F(1，38)=17.81，p<0.001；分值的主效应显著，F(1，38)=54.29，p<0.001；而组别的主效应不显著。分值与组别间存在着显著的交互作用，F(1，38)=8.31，p=0.006。进一步简单效应分析发现，惩罚组相比于奖励组在5分项目上的学习成绩显著提高，F(1，38)=17.56，p=0.023，而在1分项目上表现出下降的趋势，并不显著。两组学习者对于5分项目的重学收益都显著地高于1分项目，F(1，38)=10.06(奖励组)，p=0.003；F(1，38)=52.55(惩罚组)，p<0.001。
4.讨论
4.1 惩罚对学习策略的影响
4.1.1 惩罚对选择个数比例的影响
本研究探讨奖励和惩罚对学习时间分配决策行为的影响，结果表明，在奖励条件下，学习者进行项目选择时的策略只受分值的影响。不管对于困难词对还是简单词对，学习者都会更多的选择高分项目进行再学习。这个结果与之前的研究结果相一致(Ariel，et al.，2011，2009；Ariel，2012；Dunlosky &Ariel，2011；Soderstrom & McCabe，2011；牛勇，邱香，傅小兰，2010)。这进一步表明，在影响学习者学习决策的诸多因素中，分值(潜在奖励)是优先考虑的因素。当然，这种“选择高分项目”的策略可能与“期望效用最大化”的原则有关。分值的“期望效用”使得学习者更多的选择高分，以期望获得尽可能高的分数(奖励)。
重要的是，惩罚对学习项目的选择也受分值的调制。惩罚使得对1分项目的选择比例显著下降，而对5分项目的选择比例表现出上升的趋势。这表明在惩罚的条件下，学习者也会更加偏好奖励可能的最大化，即选择更多的高分项目以及更少的低分项目来进行学习。此结果与Bechara(1994)的爱荷华赌博任务中被试在惩罚条件时也会产生与奖励时相似的有利决策的结果类似。当然，Bechara(1994)发现当惩罚比例增大时，会使人们更多地做出不利选择(van den Bos，et al.，2006)。而本研究中，惩罚组的惩罚(扣掉相应分值)与奖励的比例是相同的，那么学习过程中的奖励和惩罚比例变化时如何影响决策行为还需要进一步研究。另外，奖励和惩罚的大脑加工机制是存在差异的(Knutson，et al.，2001，2007；Knutson & Greer，2008；Paulus & Stein，2006；Samanez-Larkin，et al.，2008；Wrase，et al.，2007)，以后也需要从脑科学的角度去揭示在惩罚条件下学习者作出更多地选择高分项目以及更少地选择低分项目的决策的脑机制。
4.1.2 惩罚对平均分配时间的影响
对于平均分配时间而言，难度和分值都会影响学习者对重学项目的学习时间分配，学习者会更多的将时间分配到困难的项目上以及高分的项目上。这些与前人的研究结果相符(Ariel，et al.，2009；Dufresne & Kobasigawa，1988，1989；Dunlosky，etal.，2011；Metcalfe，2002)。Ariel(2009)发现，学习者会优先选择高分项目进行学习，但在进行学习时间分配时，仍会将更多的时间分配到困难项目中。当然，学习者的这种策略模式可能与本研究中的惩罚的比例和方式等有关。在本研究中，以分值作为奖励和惩罚刺激，尽管最后被试的分数会与被试的报酬有关，但是这种分数的奖励和惩罚可能对被试的学习动机的影响是有限的，从而导致惩罚对学习时间的分配没有显著影响。当然另外一个重要原因可能与奖励的时间有关系，本研究中，被试奖励或者惩罚是在实验结束后进行的。而Janssen和Gray(2012)发现不同的奖励时间，如在任务结束后、任务中间还是任务中的某个特定时间，都会对个体的决策产生影响。 (曹晓华 王本驰 家晓余 李锋盈)