概念学习,亦即类别学习、概念获得或概念形成,是人类认知的一项基本能力。根据Bruner等人的定义,概念学习是“寻找和测试可以用来区分各个类别的示例和非示例的属性”。简言之,概念是一种心理类别,帮助我们对物体、事件或思想进行分类,并基于我们对每一个体的共同相关特征理解。这些共同特征使得具体的物体与抽象的思想之间的界限变得清晰。
概念学习是一种策略,要求学习者对含有概念相关特征的群体或类别进行比较与对比。
概念获得的过程通常依赖五个类别:任务的定义、所遇到的例子的性质、验证程序的性质、特定分类的结果以及施加的限制。在进行一项概念学习任务时,人类通过观看一组示例物体及其类别标签来进行分类。学习者简化所观察到的内容,以示例的形式进行浓缩。随着学习的进行,这种简化版本的内容随后将被应用于未来的示例。
概念学习可以是简单的也可以是复杂的,因为学习过程涉及许多领域。如果一个概念较为困难,学习者便不容易简化,因此不容易学习。一般来说,概念学习的任务可被称为从示例中学习。
大多数的概念学习理论都基于示例的储存,并避免任何形式的摘要或明确抽象。
在机器学习中,这种学习理论也被应用于训练计算机程序。概念学习的过程需要从训练示例中推断出布尔值函数。每一个概念都有两个组成部分:属性和规则。属性是决定某个数据实例是否属于该概念的特征,而规则则代表了哪些属性组合会符合该概念的正向实例。
概念学习必须与通过记忆回忆或辨别两者之间不同的事物进行区分。尽管这些问题彼此密切相关,因为事实的记忆回忆可以被视为一种“微不足道”的概念过程,但学习的过程与概念的定义密切相关。
具象概念是可以通过个人感官和认知所感知的物体,例如椅子或狗。随着所用词汇与有形实体的关联,这些概念变得愈加具体。不过,抽象概念则涉及情感、个性特征和事件等,例如像“幻想”或“寒冷”这样的词汇在概念上更为抽象,其定义随个人经历而变化。
具象概念的记忆难易度通常高于抽象概念,因为具象概念与先前的个人互动存在直接关联。
对于抽象概念的学习,通常涉及情感、伦理等主题,这些概念的理解则依赖于情境发展的规则和背景。例如,在理解寒冷这一概念时,它可能指的是周围环境的物理温度或对某人行为和个性的描述。
在教育和学习中,基于概念的获得是一种主动的学习方法。因此,可以根据特定目标制定相关的学习计划、方法和目标。此外,对概念获得的深入理解可以通过提问来促进,例如:这个概念的关键属性是什么?这个概念的目的何在?概念的具体实例有哪些?
由于概念学习可以受到偏见的影响,历史上许多研究也探讨了概念的功能如何影响学习过程,重点放在外部的功能上。当阅读这些文章和研究时,对潜在的偏见进行识别和质量评估显得尤为重要。
对于人类(或动物)的概念学习,目前尚无法做出一般性的陈述,因为心理学理论的多样性使得概念学习的观点变得异常复杂。从行为心理学到认知心理学,许多理论皆曾在历史上起伏不定,然而对于如何进行概念学习的理解也在不断演化。
例如,神经网络模型的出现打破了传统的概念组织方式,让我们开启了对知识结构的更深入探索。
随着科学的进步,我们逐渐明白,无论是采用基于规则的学习方法、原型理论或是例证理论,这些都只是在更大范畴中的不同试着理解概念的方式。每一种方法都能够捕捉到学习过程中的某些侧面,但也都各自有其局限性。
随着机器学习和行为科学的进一步发展,未来的研究将如何改变我们对于人类概念学习的理解?