DOI: https://doi.org/10.1038/s41539-025-00396-1
PMID: https://pubmed.ncbi.nlm.nih.gov/41501096
تاريخ النشر: 2026-01-07
المؤلف: Jun-Ping Zhu وآخرون
الموضوع الرئيسي: آليات الإدراك البصري والمعالجة
نظرة عامة
تبحث هذه الدراسة في قابلية نقل تعلم فئة دمج المعلومات (II) عبر مواقع شبكية مختلفة، متحدية الرأي التقليدي الذي يرى أن التعلم الإدراكي محصور في مناطق شبكية معينة بينما يكون تعلم الفئات أكثر عمومية. باستخدام نموذج تدريب مزدوج، تعلم المشاركون تصنيف الأنماط البصرية في موقع محيطي واحد، مع إجراء اختبارات نقل لاحقة في نصف المجال المعاكس. أكدت الدراسة على خصوصية المجال البصري في تعلم II، كاشفة أن نقل التعلم يتأثر بشكل كبير بالتسلسل الزمني للتدريب.
على وجه التحديد، حدث نقل قوي عندما شارك المشاركون في تدريب مزدوج، والذي شمل إما تعرضًا متزامنًا أو لاحقًا لمهمة غير ذات صلة في الموقع غير المدرب. على العكس، أدى أداء المهمة غير ذات الصلة قبل تدريب الفئة إلى فقدان كامل للنقل. يتوازى هذا التأثير المعتمد على الترتيب مع النتائج في التعلم الإدراكي، مما يشير إلى أن كل من تعلم فئة II والتعلم الإدراكي قد يعملان وفقًا لمبادئ مماثلة من اللدونة المحددة بالموقع والنقل المرن. تعزز هذه الرؤى فهمنا لآليات التعلم البصري وتقترح استراتيجيات محتملة لتحسين نتائج النقل.
مقدمة
تناقش مقدمة الورقة الدور الحاسم للتصنيف في الإدراك البشري، مسلطة الضوء على أهميته في تفسير المدخلات الحسية واتخاذ القرارات. تشير النماذج التقليدية، مثل نظريات النموذج الأولي والمثال، إلى أن التصنيف يعتمد على تمثيلات مجردة تكون إلى حد كبير مستقلة عن المدخلات الحسية ذات المستوى المنخفض. ومع ذلك، تشير النتائج الحديثة إلى أن تعلم الفئة يمكن تصنيفه إلى شكلين متميزين: التعلم القائم على القواعد (RB) وتعلم دمج المعلومات (II)، كل منهما مدعوم بآليات معرفية وعصبية مختلفة.
يتضمن التعلم القائم على القواعد التفكير الصريح، حيث يركز الأفراد على بعد واحد ذي صلة ويطبقون قواعد يمكن التعبير عنها لفظيًا للتصنيف، معتمدين بشكل كبير على أنظمة الذاكرة التصريحية مثل الذاكرة العاملة والانتباه التنفيذي. في المقابل، يتطلب تعلم دمج المعلومات دمج أبعاد متعددة من المحفزات ويعمل بشكل كبير بشكل ضمني، معتمدًا على آليات التعلم الإجرائي المدعومة بالتغذية الراجعة من العقدة القاعدية. من الجدير بالذكر أن الدراسات تكشف أن تعلم دمج المعلومات حساس لموقع الشبكية، مما يشير إلى ارتباط قوي بالعمليات الإدراكية ذات المستوى المنخفض، حيث تنخفض الأداء عندما تُعرض المحفزات خارج الموقع المدرب. تتوازى هذه الخصوصية مع التعلم الإدراكي، الذي يُعتقد أنه ينطوي على تغييرات بلاستيكية في المناطق البصرية المبكرة أو تعديلات في معالجة الرؤية على مستوى أعلى، مما يتماشى مع نظريات إعادة الوزن التي تقترح تغييرات في تفسير المدخلات الحسية بدلاً من ضبط الحواس نفسها.
الطرق
استخدمت الدراسة تصميمًا تجريبيًا منظمًا يتكون من أربعة تجارب متميزة، كل منها يتضمن مجموعة مشاركين فريدة. تضمنت كل تجربة مرحلة تدريب تلتها مرحلة اختبار بعدي، جميعها أجريت ضمن جلسة واحدة استمرت حوالي 1 إلى 1.5 ساعة. تضمنت مرحلة الاختبار بعدي كتلتين من مهمة فئة II، تم تنفيذها بدون تغذية راجعة في كل من المواقع المدربة وغير المدربة، مع تقييم الموقع المدرب أولاً. تم أخذ التباين في دقة الخط الأساسي بين المشاركين في الاعتبار باستخدام تقاطعات عشوائية، وأكدت اختبارات نسبة الاحتمالية أن المنحدرات العشوائية لم تكن ضرورية لملاءمة النموذج.
لتقييم نقل التعلم، تم حساب مؤشر النقل (TI) على النحو التالي:
\[
TI = P_{Transfer} – 0.25 \cdot P_{Trained} – 0.25
\]
حيث يمثل \(P_{Transfer}\) و \(P_{Trained}\) الدقة في مواقع النقل والمدربة، على التوالي. تشير قيم TI القريبة من 1 إلى نقل كامل، بينما تشير القيم القريبة من 0 إلى خصوصية الموقع. شملت التحليلات الإحصائية اختبارات t لعينة واحدة لمقارنة TI ضد 0 و 1، وتحليل التباين أحادي الاتجاه للمقارنات بين المجموعات، واختبارات t بايزي عندما كانت النتائج التكرارية غير ذات دلالة. تم تفسير عوامل باي (BF10) وفقًا للإرشادات المعمول بها، مع BF10 < 0.33 تشير إلى دعم معتدل لفرضية العدم. تم تمثيل النتائج بصريًا من خلال أشكال مختلفة توضح النتائج السلوكية عبر نماذج التدريب المختلفة والظروف.
النتائج
في مهمة تعلم فئة دمج المعلومات (II)، تم تدريب المشاركين على تصنيف المحفزات بناءً على التغذية الراجعة، حيث شملت الدراسة أربعة تجارب تتضمن مجموعات مشاركين متميزة. أشار تحليل التأثيرات المختلطة الخطية (LME) للبيانات المجمعة إلى تأثير رئيسي كبير لموقع الاختبار بعدي (F(1, 68) = 38.67، p < 0.0001)، بينما لم يتم العثور على تأثير رئيسي كبير للمجموعة (F(3, 68) = 0.72، p = 0.54). من الجدير بالذكر أن هناك تفاعلًا كبيرًا بين المجموعة وموقع الاختبار بعدي (F(3, 68) = 7.47، p = 0.0002)، مع الكشف عن المقارنات اللاحقة عدم وجود اختلافات كبيرة في دقة الاختبار بعدي في الموقع المدرب بين المجموعات (ps > 0.17)، مما يشير إلى نتائج تعلم مماثلة عبر التجارب.
بالإضافة إلى ذلك، أظهر تحليل LME لمهمة تمييز تباين الأنماط، المشار إليها باسم “المهمة غير ذات الصلة” في التجارب 2-4، أن الدقة في الكتلة النهائية كانت أعلى بكثير من الكتلة الأولى عبر جميع التجارب الثلاثة (ps < 0.002)، مما يؤكد التعلم القوي في هذه المهمة. أكملت المجموعة الأساسية في التجربة 1 10 كتل من مهمة فئة II، بينما شاركت مجموعات التدريب المزدوج في التجارب 2-4 في 8 كتل من المهمة غير ذات الصلة تحت ترتيبات زمنية متغيرة، مع تضمين مراحل الاختبار بعدي كتل فئة II في كل من المواقع المدربة ومواقع النقل.
المناقشة
تبحث الدراسة في آثار نماذج التدريب المزدوج على التغلب على خصوصية الموقع الشبكي في تعلم فئة دمج المعلومات (II). تبني على النتائج السابقة التي أظهرت إمكانية النقل الواسع في التعلم الإدراكي من خلال التدريب المزدوج، كاشفة أن الترتيب الزمني لمهام التدريب يؤثر بشكل كبير على فعالية النقل. على وجه التحديد، تشير النتائج إلى أن التعرض المتزامن أو اللاحق لموقع النقل أثناء تعلم II يعزز النقل، بينما يؤدي التعرض السابق لمهمة غير ذات صلة إلى نقل أضعف. وهذا يشير إلى أن تعلم فئة II، على غرار التعلم الإدراكي، يظهر كل من القيود والمرونة فيما يتعلق بالتعلم المحدد بالموقع.
تؤكد التجارب التي أجريت على وجود خصوصية شبكية في تعلم فئة II، مع اختلافات أداء كبيرة بين المواقع المدربة وغير المدربة. ومع ذلك، أدى التدريب المزدوج المتزامن إلى تقليل هذه الخصوصية بشكل فعال، مما أدى إلى دقة متقاربة عبر المواقع. على النقيض من ذلك، لم يسهل التدريب المزدوج التسلسلي، خاصة عندما تسبق المهمة غير ذات الصلة تعلم II، النقل، مما يبرز أهمية ترتيب المهام في ديناميات التعلم. تؤكد هذه النتائج على دور آليات الانتباه وتشكيل تمثيلات أعلى مستوى وغير محددة بالموقع في تعزيز التعميم عبر السياقات المكانية. تقترح الدراسة آثارًا عملية لتعزيز نقل التعلم في الإعدادات السريرية والتعليمية، داعية إلى استراتيجيات تستفيد من التدريب المزدوج لتعزيز المرونة المعرفية وتعميم المهارات.
DOI: https://doi.org/10.1038/s41539-025-00396-1
PMID: https://pubmed.ncbi.nlm.nih.gov/41501096
Publication Date: 2026-01-07
Author(s): Jun-Ping Zhu et al.
Primary Topic: Visual perception and processing mechanisms
Overview
This research investigates the transferability of information-integration (II) category learning across different retinal locations, challenging the traditional view that perceptual learning is confined to specific retinotopic areas while category learning is more generalized. Using a double-training paradigm, participants learned to categorize visual gratings at one peripheral location, with subsequent transfer tests conducted in the opposite hemifield. The study confirmed visual-field specificity in II learning, revealing that the transfer of learning is significantly influenced by the temporal order of training.
Specifically, robust transfer occurred when participants engaged in double training, which included either simultaneous or subsequent passive exposure to an irrelevant task at the untrained location. Conversely, performing the irrelevant task prior to category training resulted in a complete loss of transfer. This order-dependent effect parallels findings in perceptual learning, indicating that both II category learning and perceptual learning may operate under similar principles of location-specific plasticity and flexible transfer. These insights enhance our understanding of visual learning mechanisms and suggest potential strategies for improving transfer outcomes.
Introduction
The introduction of the paper discusses the critical role of categorization in human cognition, highlighting its importance in interpreting sensory inputs and making decisions. Traditional models, such as prototype and exemplar theories, suggest that categorization relies on abstract representations that are largely independent of low-level sensory inputs. However, recent findings indicate that category learning can be categorized into two distinct forms: rule-based (RB) and information-integration (II) learning, each supported by different cognitive and neural mechanisms.
Rule-based learning involves explicit reasoning, where individuals focus on a single relevant dimension and apply verbalizable rules for categorization, relying heavily on declarative memory systems like working memory and executive attention. In contrast, information-integration learning necessitates the combination of multiple stimulus dimensions and operates largely implicitly, depending on procedural learning mechanisms reinforced by striatal feedback. Notably, studies reveal that information-integration learning is sensitive to retinal location, indicating a strong connection to low-level perceptual processes, as performance declines when stimuli are presented outside the trained location. This specificity parallels perceptual learning, which is thought to involve either plastic changes in early visual areas or adjustments in higher-level visual processing, aligning with reweighting theories that suggest alterations in sensory input interpretation rather than sensory tuning itself.
Methods
The study employed a structured experimental design consisting of four distinct experiments, each involving a unique participant group. Each experiment included a training phase followed by a post-test phase, all conducted within a single session lasting approximately 1 to 1.5 hours. The post-test phase featured two blocks of the II category task, performed without feedback at both trained and untrained locations, with the trained location assessed first. Variability in baseline accuracy among participants was accounted for using random intercepts, and likelihood ratio tests confirmed that random slopes were unnecessary for model fit.
To evaluate transfer of learning, a transfer index (TI) was calculated as follows:
\[
TI = P_{Transfer} – 0.25 \cdot P_{Trained} – 0.25
\]
where \(P_{Transfer}\) and \(P_{Trained}\) represent accuracy at the transfer and trained locations, respectively. TI values close to 1 indicate full transfer, while values near 0 suggest location specificity. Statistical analyses included one-sample t-tests to compare TI against 0 and 1, one-way ANOVA for between-group comparisons, and Bayesian t-tests when frequentist results were non-significant. Bayes factors (BF10) were interpreted according to established guidelines, with BF10 < 0.33 indicating moderate support for the null hypothesis. The results were visually represented through various figures illustrating behavioral outcomes across different training paradigms and conditions.
Results
In the information-integration (II) category-learning task, participants were trained to classify stimuli based on feedback, with the study encompassing four experiments involving distinct participant groups. A linear mixed-effects (LME) analysis of the pooled data indicated a significant main effect of post-test location (F(1, 68) = 38.67, p < 0.0001), while no significant main effect of group was found (F(3, 68) = 0.72, p = 0.54). Notably, there was a significant interaction between group and post-test location (F(3, 68) = 7.47, p = 0.0002), with post hoc comparisons revealing no significant differences in post-test accuracy at the trained location among the groups (ps > 0.17), indicating similar learning outcomes across the experiments.
Additionally, an LME analysis of the grating contrast discrimination task, referred to as the “irrelevant task” in Experiments 2-4, demonstrated that accuracy in the final block was significantly higher than in the first block across all three experiments (ps < 0.002), confirming robust learning in this task. The baseline group in Experiment 1 completed 10 blocks of the II category task, while the double-training groups in Experiments 2-4 engaged in 8 blocks of the irrelevant task under varying temporal arrangements, with post-test phases incorporating II category blocks at both trained and transfer locations.
Discussion
The study investigates the effects of double-training paradigms on overcoming retinal location specificity in information-integration (II) category learning. It builds on previous findings that demonstrated the potential for broad transfer in perceptual learning through double training, revealing that the temporal order of training tasks significantly influences transfer efficacy. Specifically, the results indicate that simultaneous or subsequent exposure to a transfer location during II learning enhances transfer, while prior exposure to an irrelevant task leads to weaker transfer. This suggests that II category learning, akin to perceptual learning, exhibits both constraints and flexibility regarding location-specific learning.
The experiments conducted confirm the presence of retinotopic specificity in II category learning, with significant performance differences between trained and untrained locations. However, the simultaneous double training effectively mitigated this specificity, resulting in comparable accuracy across locations. In contrast, sequential double training, particularly when the irrelevant task precedes II learning, did not facilitate transfer, highlighting the importance of task order in learning dynamics. These findings underscore the role of attentional mechanisms and the formation of higher-level, location-invariant representations in promoting generalization across spatial contexts. The study suggests practical implications for enhancing learning transfer in clinical and educational settings, advocating for strategies that leverage double training to foster cognitive flexibility and skill generalization.