关系复杂性调节规则学习的认知及发展神经机制

To determine the effect of cognitive load and development of cognitive ability, the effect of relational complexity on rule learning is investigated. By adopting the event-related potential (ERPs) and functional magnetic resonance imaging (fMRI) techniques, the sub-processes of perceptual matching, relational comparison, relational integration and relational mapping underlying different levels of relational rule learning are explored. Moreover, the neurocognitive mechanisms of rule learning between adult and adolescence are compared, and the training methods of rule learning ability are determined. It is anticipated to reveal the effect of cognitive load and development of cognitive ability on rule learning, and to establish the corresponding relational comparison-mapping model. The potential results could clarify the cognitive and developmental neural mechanisms of rule learning, provide a new perspective of computational model of rule learning, and contribute to the improvement of strategic training of rule learning.

针对认知负荷和认知能力发展对规则学习的影响，本项目以规则学习中关系复杂性效应为研究对象，采用事件相关电位（ERPs）和功能性磁共振脑成像（fMRI）技术，研究规则学习中，不同关系水平下的知觉匹配、关系比较、关系整合及关系映射等过程，通过分析成人与青少年规则学习的认知神经机制，确立规则学习能力的训练方法。项目预期将揭示认知负荷和认知能力发展的作用，建立规则学习的关系比较-映射模型。项目研究成果对阐明规则学习的认知神经机制，揭示其认知神经发展的规律具有重要意义，可以为规则学习的计算模型提供新思路，在规则学习的策略训练方面具有重要的应用前景。

结题摘要.背景和目的：规则学习做为智力的基础，受到认知负荷的调节。本项目团队前期研究显示，关系复杂性可以用来描述数学规则的认知负荷。因此，本项目以规则学习中的关系复杂性效应为研究对象，探讨数学规则学习中的知觉匹配、关系整合、冲突加工和假设形成等过程，揭示其认知神经机制，且在此基础上探索认知神经发展的规律。.方法：（1）梳理双系统理论中，启发式加工和分析式加工之间可能存在冲突，如何影响推理表现。（2）采用事件相关电位（ERP）技术，探讨在相同形状条件和相同数字条件下的数学匹配任务中，知觉加工与数学事实提取两种加工发生冲突时如何加工。（3）在数学规则获得过程中，存在知觉失匹配和规则破坏两种冲突形式，采用ERP技术探讨两种冲突的加工有何异同。（4）复杂数学问题通常需要整合多重数学关系而非简单地发现规则破坏，比较关系整合与数学规则学习过程之间的神经电生理基础，验证关系整合可以预测数学规则学习。（5）基于前一研究，采用磁共振成像（fMRI）技术，来验证关系整合与数学规则学习的神经网络有无差异。（6）验证关系整合训练是否提升数学规则学习的表现，并诱发相应的神经机制变化。.关键数据和重要结果：（1）任务相关性调节冲突加工，通过注意任务相关特征实现，而非抑制任务无关冲突。（2）规则学习过程中，知觉失匹配诱发P200，N200，P300和晚正成分LPC；规则破坏特异性地诱发了N400和晚负成分。（3）关系整合和规则学习任务均诱发N400和晚负成分LNC，且关系整合可预测规则获得过程。（4）关系整合和规则学习任务均激活额顶网络，且关系整合任务中的额极皮层和背外侧前额叶激活可以预测规则获得的对应脑区的激活。.结论：关系复杂性调节数学规则学习，监测数学关系变化是数学规则学习中的核心加工，即关系整合及其训练可以预测和提升规则学习表现，以及额顶网络的连接。.意义：本项目发现有助于提升数学归纳推理能力，为人工智能模拟推理加工提供新思路。

内容获取失败，请点击重试