学习、遗忘与再学习的分层动态模型

本文所开发的模型对关于学习、遗忘和再学习的一系列著名研究结果提供了定量解释，这些结果涵盖从数秒（如 Peterson & Peterson, 1959）到数周（如 Ebbinghaus, 1885/1964; Perkins, 1914）的延迟。该模型追踪单个项目在学习、遗忘和随时间再学习过程中的回忆概率。在学习期间，回忆概率上升，而在保持间隔期间则呈指数下降。关键在于，这种下降的速率并非固定不变，而是由一个遗忘指数所支配，该指数本身在学习期和延迟期之间发生变化。这些变化被组织在一个跨多个时间尺度运作的相互作用过程的层级结构中，使回忆动态能够在学习和延迟过程中系统性地演变。这一结构使模型能够在单一框架内捕捉系列位置、列表长度、间隔和长期保持的效应。尽管诸如 Ebbinghaus、Peterson 和 Peterson 以及 Perkins 的经典研究常被视为不同现象的演示，但本模型表明，它们可以被理解为源自一组共同的基础过程。

中文由 AI 翻译，仅供参考，以原文为准。