编码深度与提取路径
引入| English | 中文 | 拼音 |
|---|---|---|
| levels of processing/ˈlevlz ɒv ˈprəʊsesɪŋ/ | 加工水平 | jiā gōng shuǐ píng |
| transfer-appropriate processing/ˈtrænsfɜː əˈprəʊprɪət ˈprəʊsesɪŋ/ | 迁移适宜性加工 | qiān yí shì yí xìng jiā gōng |
答案前的判断
- 通过理解词义来记忆单词，比机械重复一百次更有效。
- 你的目标：利用加工水平理论对编码任务进行深度排序。
确定深度等级
- 加工水平理论（Craik和Lockhart）认为，记忆的强弱取决于编码的深度，而非学习的意图。浅层任务（如单词是否全大写？）产生的痕迹较弱；音韵任务（如是否押韵？）处于中等水平；语义任务（如是否符合句子语境？）则最为深入。
- 偶然学习者若进行深层任务，其记忆效果可能优于刻意学习者进行的浅层任务。
Which study task produces the best later free recall of a word list?
Semantic judgement is the deepest encoding; repetition without meaning is maintenance rehearsal.
区分复述方式
- 维持性复述重复材料而不改变内容，仅能短暂保持；精细复述将其与意义、图像及已有知识相联系，从而形成持久的记忆痕迹。
- 生成效应——对自己生成的答案记忆优于阅读过的文字——正是精细加工在起作用。
A rhyme-encoding task outperforms semantic encoding when the test is:
Transfer-appropriate processing: the encoding that matches the test wins, even over deeper encoding.
将编码方式与测试要求相匹配
- 迁移适宜性加工补充了提取环节：当编码方式与测试要求一致时，编码效果最佳。语义编码适用于语义测试；而在押韵识别测试中，语音编码可能优于语义编码。
- 深度加工通常更有效，因为大多数测试考察的是意义，但决定因素是匹配度而非单纯的深度。
回答“它是否符合句子”优于回答“它是否全大写”，即使事先未被告知有测试。生成列表中的缺失词优于直接阅读。在押韵测试中，押韵编码可优于意义编码——这体现了适当转换加工。潜水员在水下（即他们学习的地方）能更好地回忆单词列表，体现了编码特异性。
Better memory for answers you produce than words you read is the ____ effect.
Generation forces elaborative encoding.
增加情境背景
- 编码特异性将同样的匹配原则应用于情境：当提取环境或身心状态与编码时一致时，回忆效果更佳。
- 这些效应与早期记忆单元中的干扰机制并存：深度加工构建记忆痕迹，而匹配关系则负责提取该痕迹。
将重复等同于学习是错误的：维持性复述虽能短暂保持材料，但形成的痕迹较弱；若缺乏深层任务且无明确学习意图，其作用甚微。
哪个答案符合此案例？
依据加工层次对编码任务进行深度排序
Intending to learn, by itself, produces stronger memory than any incidental task.
Depth of processing, not intention, drives the trace; incidental deep tasks beat intentional shallow ones.
保持区别
- levels of processing 加工水平理论 —— 认为记忆强度取决于编码分析的深度的理论。
- transfer-appropriate processing 迁移适宜性加工 —— 当编码形式与提取测试的要求相匹配时，编码效果最佳。
- 利用加工水平理论对编码任务按深度进行排序。
- 根据编码与提取的匹配程度预测回忆表现。
- 区分精细复述与维持性复述。
Match each term with its precise meaning in this lesson.
Keep the distinctions stated in the teaching example.
Put this lesson’s reasoning or event sequence in order.
The order follows the stated process; check each stage before the next.