例句 中 提到 的 Swazi 部落 。 圖 2.9 __UNDEF__ 顯示 一 個 我們 剛才 所 描述 的 的 選擇 與 統整 過程 之 流程圖 。 Kintsch 在 1979 __UNDEF__ 時 把 他 和 Van Dijk 的 想法 寫成 一 個 電腦 程式 ， 然後 把 此 程式 安裝入 電腦 內 ， 同時 也 將 該 三 個 例句 讀入 電腦 以便 操作 ， 而 每 一 個 例句 的 操作 處理 都 在 一 個 循環 內 產生 。 圖 2.10 __UNDEF__ 顯示 在 每 一 個 循環 中 發生 的 事件 。 在 第一 個 循環 中 ， 此 程式 選擇 了 「 Swazi 部落 」 、 「 曾交戰 」 以及 「 鄰近 部落 」 做為 活化 的 概念 ， 而 讓 __UNDEF__ 「 因為 」 及 「 爭奪 某些 城池 」 保持 不 活化 的 狀態 。 在 第二 個 循環 中 ， 此 程式 則 嘗試 要 從 上述 第一 個 例句 中 那 三 個 活化 的 概念 以及 第二 個 例句 的 概念 中 找出 其 共通 的 概念 符號 。 由於 沒有 發現 任何 共通 概念 符號 ， 因此 該 電腦 程式 便 下 了 一 個 推論 ： 「 Swazi 部落 」 的 概念 可以 連到 「 在 那些 勇士 當中 」 的 概念 上 ， 同時 執行 了 這 個 連結 。 這 便是 圖 2.10 __UNDEF__ 中 ， 在 「 Swazi 部落 」 和 「 在 那些 勇士 當中 」 之間 的 雙箭號 所 代表 的 意思 。 接下來 ， 此 程式 又 選 了 三 個 活化 的 概念 ， 包括 ： 「 有 兩 個 （ 未婚 ） 男士 」 ， 「 名叫 」 ， 以及 「 Kakra 和 Gum 」 。 在 第三 個 循環 中 ， 電腦 程式 接著 尋找 此 三 個 活化 概念 和 第三 個 例句 中 新 概念 間 之 共通 符號 ， 而 這 一 次 電腦 確實 找到 了 其 共通 概念 符號 。 於是 第二 及 第三 例句 間 便 終於 被 連結 起來 了 （ 圖 中 在 「 Kakra 和 Gum 」 及 「 Kakra 陣亡 了 」 之間 的 線條 即 表示 此 關聯 ） 。 關於 這 個 電腦 程式 我們 必須 問 一 個 重要 的 問題 ： 這樣 的 電腦 輸出 是否 和 人類 在 操作 相同 作業 時 所 表現 的 行為 相 一致 ？ 若是 ， 則 此 實驗 證實 這 的確 是 一 個 解釋 人類 理解 行為 的 好 理論 ； 若 不 一致 ， 則 我們 便 不 採用 這 個 理論 來 解釋 人類 的 理解 過程 。 Kintsch 推論 若 人類 使用 與 此 電腦 程式 相似 的 運作 過程 ， 則 人們 應對 電腦 在 較多 循環 中 都 處理到 的 概念 比對 電腦 只 在 一 個 循環 中 處理 過 的 概念 有 較 好 的 記憶 。 這 是 因為 在 工作 記憶 中 ， 若 某 一 概念 牽涉到 愈 多 的 操作 ， 則 此 概念 愈 容易 被 記住 。 電腦 類比 中 對 某 一 概念 的 操作 數目 即 是 此 概念 在 多少 循環 中 出現 的 數目 。 表 2.1 __UNDEF__ 顯示 100 大學生 對 上述 文章 做 回憶 實驗 的 研究 結果 ， 其中 同時 也 附有 學生 回憶 每 一 個 概念 的 人數 百分比 ， 以及 其 概念 在 電腦 程式 中 出現 的 循環 數目 之 比較 。 在 100 個 學生 中共 有 80 個 受 試 學生 回憶出 表 中 第二 個 概念 ： 「 曾交戰 」 ； 而 此 概念 出現 在 兩 個 電腦 循環 中 。 只有 46 個 學生 回憶出 表 中 第四 個 概念 ： 「 因為 」 ； 此 概念 也 只 出現 在 一 個 電腦 程式 循環 中 。 幾乎 所有 的 概念 都 呈現 這樣 的 型態 ： 在 兩 個 循環 中 被 使用 的 概念 比 只 在 一 個 循環 中 被 使用 的 概念 可 被 較多 的 受 試 學生 回憶出 （ 除了 第一 個 及 第十三 個 概念 之外 ） 。 於是 ， 概括 而 言 ， 這些 資料 和 理論 呈現 一致 的 結果 ， 因此 我們 也 可以 下 結論 ， 認為 Kintsch 和 Van Dijk 的 理論 是 有 說服力 的 。 可是 有 些 心理學 理論 則 不 像 Kintsch 和 Van Dijk 的 那樣 ， 那些 理論 通常 不 是 曖昧 不明 ， 就 是 只 在 循環 論證 ， 或者 同時 有 此 兩 項 缺點 。 這樣 的 理論 在 直覺 上 也許 頗 吸引人 ， 但 卻 無法 真正 導引出 新 的 知識 ， 這 是 因為 它們 通常 被 扭曲 及 塑造成 可以 為 幾乎 是 所有 的 事情 做 證明 ， 因此 也 從來 不會 被 駁倒 。 科學 知識 是 要 建構 在 可能 被 推翻 ， 及 要求 理論 的 精益求精 之上 的 ； 而 教育 實施 則 可 從 這些 新 的 心理學 知識 發展 中 獲益 。 因此 ， 發展出 清楚 且 具有 邏輯 一致性 的 理論 便是 認知 心理學 的 一 項 很 重要 的 目標 。 而 使用 電腦 模擬 法 來 檢測 認知 模式 的 好處 之 一 ， 便是 這樣 的 模式 必須 很 清晰 ， 而且 邏輯 一致 ， 如此 電腦 程式 才 可以 完善 運作 。 □ 人工 智慧 在 電腦 科學 之下 有 一 個 被 稱為 人工 智慧 __UNDEF__ ( artificial intelligence ) __UNDEF__ 的 次級 領域 ， 這 種 方法 具有 很多 認知 心理學 電腦 模擬 的 特性 。 所 使用 人工 智慧 科學家 們 的 目標 乃是 要 設計 及 發展出 一些 可以 模擬 人類 智能 的 系統 ， 如 ： 下棋 或 學習 等 。 這 是 人工 智慧 科學家 和 那些 設計 人類 操作 表現 之 電腦 模擬 系統 的 認知 心理學家 所 共享 的 目標 。 然而 對 電腦 科學家 而言 ， 他們 比 心理學家 受到 較少 的 限制 ， 因為 他們 可以 使用 任何 他們 想要 的 運作 歷程 去 達到 智力 表現 的 目的 ， 而 心理學家 卻 只 能 使用 和 已 知 的 人類 訊息 處理 歷程 相 一致 的 處理 過程 。 下棋 是 一 個 可以 用來 說明 這 個 概念 的 很 好 的 例子 ， 因為 電腦 科學家 已經 發展 了 許多 下棋 的 電腦 程式 （ e .
 
g .
 
, Greenblatt , Eastlake , & Crocker , 1967 ） 。 典型 的 這 類 程式 在 決定 下 一 步 如何 走 之前 ， 會 考慮 並 評量 所有 可能 且 合法 的 棋步 。 這 對 即使 是 專家 的 人們 也 無法 如此 做到 ， 因為 他 ／ 她 不可能 在 一 段 時間 內在 心 中 保存 這麼 大量 的 訊息 。 然而 ， 這些 專家 棋士 是 可以 在 多 年 的 下棋 經驗 中 ， 學會 辨識 很 大 數目 的 棋局 ， 同時 也 會 在 下棋 過程 裡 出現 這些 型態 的 棋局 時 ， 提取 可以 致勝 的 棋步 。 那些 會 考慮 所有 合法 棋步 的 電腦 程式 曾 成功 地 打敗 與 其 能力 相近 的 人類 專家 棋士 __UNDEF__ ( Newell & Simon , 1972 __UNDEF__ ) ， 然而 電腦 所 使用 的 運作 過程 和 人類 專家 棋士 所 採用