摘要
本研究关注人们如何从各种形式的地图提取信息。研究者考察了任务因素、认知过程和个体差异作为地形定位时表现差异的决定因素。研究对象为188名澳大利亚陆军人员。空间视觉能力和视觉学习风格偏好被发现是表现的有效预测因素，而一种语言策略训练则显著提高了表现。
当没有提供有效策略时，具有强烈视觉学习风格偏好的受试者的表现明显优于低偏好的受试者，这表明这种处理偏好可能对未训练的表现产生强大的影响。
这些结果表明，大多数受试者通常以相对被动的方式进行地图阅读任务，没有任何连贯的策略，然后试图使用低效的空间编码来编码信息。
当提供了一种简单有效的口头策略时，大多数受试者能够采用它，并取得了一致的积极效果。这表明通过口头策略训练可以提高许多空间任务的表现。
//////////////////////////////////////////////////////////////////////////////////
研究选择了一项涉及地形图和三维地形模型的任务，受试者的目标是在地图上定位一个在模型上指示的位置。这一实验方式同时兼顾了现实与可操控性。因为将地图与三维世界关联是现实世界地图阅读的基础，同时研究者能够对受试者进行观察和询问。
概念
对地图的编码方式
语言格式：记忆为语义概念。如 陡峭的山、三个圆形小丘
空间/格式：记忆为图像，保留相对距离和大小信息
空间能力
空间关系/空间定向：在心智中旋转并比较比较简单形状的能力，例如比较在二维平面上旋转后的卡片与原本的异同
空间可视化：在心智中构建并变换复杂形状的能力，尤其是二维到三维。例如想像纸张折叠
实验概述
总共呈现了两个实验。目的是探讨与成功的位置定位相关的任务因素、认知过程和个体差异。
实验一确定个体差异和任务因素对表现的影响。个体差异包括语言和空间能力以及语言和视觉学习偏好，任务因素包括要搜索的地图面积和地图与模型的相对定向。
对照组：需要搜索整个地图，并且没有相对定向（地图与模型相对方向对齐）
面积组：有限的地图区域，但没有定向
定向-面积组：有限的地图区域 有定向
实验二开发了两种训练方法，一种鼓励语言处理，一种鼓励视觉处理。本实验的兴趣在于受试者使用的策略及其对位置定位表现的影响。另一个感兴趣的方面是表现策略在多大程度上受到个体差异变量的限制。
尽管两个实验被概念化分别呈现，但实际上是同时进行的。受试者被分配到五个组中的一个，其中三个在研究一中使用（对照、面积、定向-面积），三个在研究二中使用（对照、语言、视觉）；两项研究的对照组是相同的
实验1
受试者
澳大利亚陆军，包含教官和一般人员，年龄17-38，N=188
受试者是根据他们的语言能力和空间能力从初始组中选出的。初始组接受了能力和偏好测量。
一般空间能力的测量：对空间关系和空间可视化测量的标准化得分进行平均。选择5组各20人，使他们得分大致相等，且均值大致等于原始池的均值。
个体差异测量：在20-45人的小组中进行了能力和偏好测试
语言能力：the Higher Test, Form ML (Australian Council for Educational Research, 1981)，包括评估词汇、语言 相似性、语言推理和语言类比的项目 最高34分
空间关系：Ekstrom 卡片旋转测试，受试者需要判断一系列 八个目标形状是否与一个样本形状相同（即，旋转）或不同（即，镜像反转） ，最高得分为80分。
空间可视化：surface develop ment (VZ-3 from the Ekstrom et al., 1976, kit） 。要求受试者在脑中折叠一个复杂形状，并确定生成的三维图形上的哪些 边与二维原始图形中的五个指定边匹配。 总分60分
学习偏好：20-item questionnaire developed by Kirby et al. (1988)。视觉偏好项目询问受试者他们认为视觉辅助工具（如地图、插图和图表）有多 大帮助；他们是否更喜欢图示而非语言指令；以及他们是否喜欢视觉游戏（拼 图）。语言偏好项目以类似的方式涉及语言技能、技巧和游戏。每个量表的最高得分为10分 。
位置定位任务
该任务要求受试者在地形图上定位他们在三维地形模型中看到的一个位置，该模型代表地图所示的地形的一部分。 总共有五个模型，位置识别所需的时间与评估的难度程度直接相关，后续模型方向与地形越来越复杂。
实验条件
所有人依次通过一个练习模型和四个测试模型，收到关于选择正确性的反馈，但没有关于如何执行任务的指导。
对照组：在每种情况下都呈现完整地图，而没有提供其他信息
区域组：有标记的边界，其他与对照组相同
方向-区域组：除了有区域边界，还提供了地图和模型间正确方向的额外信息。在测试之前，测试者将每个模型与地图进行物理对齐，并告知受试者模 型和地图的方向是一致的。
结果
均值和标准差
所有受试者的能力、偏好和位置时间变量之间的相关性
除了空间关系外 ，所有个体差异变量与定位时间呈负相关，表明哥更高的能力或偏好与更快的表现相关。只有空间可视化的相关性在.05水平上显著。
回归分析。因变量是定位时间、自变量是语言能力、卡片旋转、表面发展、视觉偏好、语言偏好和组别。
关于个体差异变量，唯一显著的贡献来自表面发展和视觉偏好；负系数表明 ，能力或偏好的增加与更快的表现相关。
组别通过两个效应编码向量表示。：V1，其中控制组、面积组和 方向-面积组分别编码为−1、1和0；V2，其中它们分别编码为−1、0和1
包含组别变量的模型的 R^2 为 0.618，而排除组别变量的模型的 R^2为 0.191。这一差异表明引入组别变量后，模型的解释力大幅提升。
组间定位时间的观察差异（见表1）接近在消除个体差异变量的影响后估计的 差异：比较控制组和面积组，观察到的差异为6.17，而估计的差异为6.66；比较 面积组和方向-面积组，观察到的差异为1.75，估计的差异为1.40。
实验一的目的是探讨影响受试者在定位时间的能力、偏好和任务因素。
在能力变量中，唯一显著的预测因素是空间可视化，空间关系和言能力均不显著。这证实了位置定位需要复杂的变换空间技能 ，超出一般能力的假设 。
在偏好测量中，只有视觉偏好在回归分析中对位置定位具有显著的预测性。受试者对视觉学习的表达兴趣预测了特定 空间任务的表现，即使在去除多种能力变量的影响后也是如此。这证实了兴趣或偏好是重要的假设，并且表明视觉偏好代表了一组复杂的强变量，其中可能包括受试者愿意采用费力的空间策略。
组别效应的解释是直接的。提供定位区域节省了超过6分钟，超过对照组的60%；提供有关方向的信息节省了1.5分钟，约占对照组的15%。
实验一的结果强调了空间因素（能力和偏好）相对于语言因素的重要性。同时，在没有关于面积或方向感的额外信息的情况下，完整任务的表现相对较差。
在实验二中受试者的策略将通过教学进行操控。研究目的是探讨通过对语言和空间策略的教学，受试者在完整任务中的表现能够提高到何种程度。
实验2
受试者
为实验一中的对照组，以及未使用的两个受试者组。每组n=20.
训练条件
包括对照组、口头训练组和空间训练组。
在语言策略组中，受试者被指导口头识别模型地形中最显著的特征（例如，三座锥形山丘排成一行），并在寻找地图上模型的一般区域时大声复述这些特征。
受试者被教导以从左到右、从上到下的方式系统地扫描。找到一般区域后，他们被告知使用相同的语言策略检查个别特征及其之间的关系（例如，“山丘后面应该有 一个陡峭的山谷”）。
如果任何特征不匹配，他们会被告知寻找不同的区域。一旦找到并检查了大致区域，就使用相同的语言程序来定位确切位置（例如，“在中间的半腰”）。
在空间策略组中，受试者被指示识别模型上的显著特征，并想象它们在等高线图上的样子。在演示模型上选择了不同的坡度，并与地图上的等高线模式相匹配。强调了特征之间的视觉关系， 并通过手势来模拟坡度和等高线模式的主要变化来强化形状。
重点放在了由显著特征形成的等高线模式的预期外观以及这些特征之间的空间关系上。确切的位置将通过手势和想象其在地图上相对于其他特征的位置来确定。
对照组受试者唯一收到的 反馈是他们为每个模型选择的位置是否正确。那些自发采用某种 形式策略的受试者既没有受到鼓励，也没有受到阻止。
程序与评分
语言标记和复述被 视为使用语言策略的指标。
视觉策略通过手势的使用和 “看开”来进行索引；也就是说，受试者在试图想象轮廓模式应该是什么时，会从模型和地图上移开视线。
缺乏所有这些指标被视为表明“没有明显策略”
结果
三组中受试者使用的策略
三种策略组的均值和标准差
所有受试者的能力、偏好与位置定位变量之间的相关性
删除了不显著的交互项
主要显著效应：
不同策略组的表现：
· 表现最优的区域：图中显示，高空间可视化能力和高视觉偏好的被试在定位任务中表现最佳，即定位时间最短。这表明，当这两种能力都较强时，任务表现得到最大提升。
策略训练与使用
整体来看，语言策略组表现最佳（M = 7.67），显著快于空间策略组（M = 10.75）和无策略组（M = 11.56），其标准差快了 0.75 到 1.0 个单位。
讨论
会影响表现的变量：
搜索面积和地图与模型的相对定向 （实验1）
空间可视化和视觉偏好（两个实验）
语言策略（实验2）
编码类型的影响：
空间可视化作为一种（自身）能力和偏好是重要的。
语言过程则作为策略使用，这通常是训练的结果。未训练的受试者几乎没有自发使用语言策略。
空间编码不一定低效。具有高水平视觉化能力和对视觉学习有强烈兴趣的受试 者在这些研究中表现非常出色。
在没有策略的组别中，视觉偏好有利于好的表现
语言策略的效用：
语言处理可能在两个方面提供帮助。首先，语言编码对于大多数受试者来说可能更熟悉，更容易在工作记忆中保留。例如，“三座尖尖的山丘 排成一行”提供了足够的信息来定位其中一个模型，而关于山丘的确切形状 或坡度的更精确空间信息并不是必需的。
其次，语言编码允许进行双重编码。地图和模型会自动引发一些视觉/空间编码，而额外的语言编码将提供第二组检索线索。同时语言编码还可以减轻空间工作记忆的过载。
语言策略的成功并不受能力或偏好变量的限制。 且对于大多数受试者，通过使用简短的策略训练程序，表现可以显著提高。
Schofield, N. J., & Kirby, J. R. (1994). Position location on topographical maps: Effects of task factors, training, and strategies. Cognition and Instruction, 12(1), 35–60. https://doi.org/10.1207/sxci1201_2
到此这篇预训练和自训练（预训练和训练有什么区别）的文章就介绍到这了,更多相关内容请继续浏览下面的相关推荐文章，希望大家都能在编程的领域有一番成就！版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/bcyy/60684.html