ДВИЖЕНИЯ В СТРУКТУРЕ РЕШЕНИЯ ИНСАЙТНЫХ ЗАДАЧ (НА МАТЕРИАЛЕ ЗАДАЧИ 9 ТОЧЕК)

Полный текст

ВведениеВ настоящее время одним из наиболее актуальных направлений в психологии решения задач являются исследования феномена инсайта и когнитивных меха- низмов, лежащих в его основе. Подобный интерес продиктован острой необхо- димостью преодоления компьютерной метафоры и построения теоретических альтернатив классической теории задачного пространства (Newell, & Simon, 1972), в ранних вариантах которой для инсайта не находится места. На сегодняшний день существует несколько конкурирующих моделей, описывающих когнитивные механизмы инсайта. В первую очередь к ним относятся теория изменения репре- зентации (Ohlsson, 1984a, 1984b, 1992; Knoblich, Ohlsson, Haider, & Rhenius, 1999;Knoblich, Ohlsson, & Raney, 2001; Ohlsson, 2011) и теория контроля за продвиже- нием к цели (MacGregor, Ormerod, & Chronicle, 2001; Ormerod, MacGregor, & Chronicle, 2002; Chronicle, MacGregor, & Ormerod, 2004). Первая теория развива- ет неогештальтистскую концепцию переструктурирования репрезентации, в то время как вторая пытается модифицировать теорию задачного пространства так, чтобы объяснить инсайт посредством эвристического поиска в пространстве за- дачи. Авторы оставляют в стороне все так называемые «неспецифические» теории, которые объясняют феномен инсайта через функционирование рабочей (Влади- миров, Коровкин, Лебедь, Савинова, Чистопольская, 2016) или долговременной (Seifert, Meyer, Davidson, Patalano & Yaniv, 1995) памяти. Представляется, что те- оретическое объяснение инсайта должно быть связано в первую очередь со спе- циальными мыслительными механизмами, не сводимыми ни к каким другим психологическим процессам.В последнее время появляется все больше экспериментальных фактов, свиде- тельствующих о том, что активность решателя (в первую очередь, моторная) игра- ет не только инструментальную роль по реализации найденного функциональ- ного решения, но также может ускорять или замедлять процесс решения мысли- тельной задачи, если предшествует (Weisberg & Alba, 1981a; Lung & Dominowski, 1985; Kershaw & Ohlsson, 2004; Спиридонов, Лифанова, 2013; Werner & Raab, 2013) или сопутствует ему (Thomas, Lleras, 2009; Weller, Villejoubert, Vall e-Tourangeau, 2011). Подобные свидетельства не укладываются в полной мере в современные теории инсайта и требует более детального рассмотрения роли моторной актив- ности в ходе решения инсайтных задач. Когда речь заходит о роли моторики в структуре решения задачи (во всей совокупности психических механизмов, за- действованных в решении), необходимо различать две принципиально противо- положные точки зрения. Первая сводится к тому, что моторная активность во- влечена в реализацию результата работы когнитивных процессов, а значит явля- ется инструментальной, по своей сути, и не влияет на само содержание мышления (решения). Вторая точка зрения рассматривает моторную активность как спо- собную влиять на содержание психических процессов. Подобная точка зрения, например, представлена в рамках исследований «Воплощенного познания» (см., напр., Barsalou, 1999; Glenberg, 1997; Wilson, 2002; Zwaan, 1999).Большинство объяснительных моделей инсайта склоняются к первой точке зрения. Тем не менее, как было указано ранее, существуют экспериментальные свидетельства в пользу возможного влияния моторной активности на решение мыслительных задач. Однако подобные исследования не позволяют ответить на вопрос, какая именно моторная активность может влиять на процесс решения. Таким образом, можно обозначить проблему определения релевантности форм моторной активности по отношению к содержанию мыслительного процесса.Для того чтобы решить эту проблему, необходимо сначала описать, какие имен- но формы моторики (или их изменения) могут сопутствовать или просто быть связаны с мыслительными механизмами, участвующими в решении задачи. В качестве модели для описания моторной структуры решения инсайтной задачи авторы использовали одну из наиболее изученных инсайтных задач - 9 точек (Maier, 1930) (рис. 1, 2). Основное преимущество этой задачи заключается в том,что структура ее решения представляет собой последовательность попыток (проб),в каждой из которых решатель рисует прямые линии, вовлекая свою моторику непосредственно в процесс решения. При этом моторная активность сама по себе организована в последовательность реализуемых моторных единиц (рисование отдельных линий или их сочетаний), которые отделяются друг от друга паузами. В связи с этим важно выделить типологию моторных единиц в структуре решения инсайтной задачи, которая отражает динамику процесса решения, т.е. устойчивые различия моторной активности в начале и в конце решения, а также связанные с этим различия успешных и неуспешных решателей.Рис. 1. Задача «9 точек» Н. Майера. Необходимо соединить четырьмя прямыми линиями, не отрывая карандаша от бумаги, 9 точек, расположенных указанным образом (Maier, 1930)Рис. 2. Одно из возможных правильных решений этой задачиПринимая во внимание то, что решателю приходится совершать огромное количество однотипных движений, можно утверждать, что одним из источников изменения моторной активности в ходе решения в данном случае является про- цесс автоматизации. Данный процесс должен приводить к сокращению продол- жительности пауз между моторными единицами и увеличению размера моторных единиц за счет объединения нескольких мелких в более крупные. В задаче 9 точек это может проявляться в том, что на ранних этапах решения испытуемые рисуют преимущественно только по одной линии за раз, а на более поздних - целые по- следовательности линий. Таким образом, можно предположить, что длина мотор- ных единиц на поздних этапах решения больше, чем на ранних.Второй источник изменений моторной активности в структуре решения ин- сайтной задачи может быть связан с понятием горизонта планирования (look- ahead) и с различными типами самого планирования. Стоит различать, как ми- нимум, два типа планирования: «онлайн» планирование, которое происходит непосредственно во время моторной активности, т.е. во время рисования линии, и «оффлайн» планирование, которое предшествует реализации движений реша- теля. В задаче 9 точек два этих типа планирования связаны с различной скоростью рисования линий: в случае «онлайн» планирования скорость рисования линий будет меньше, чем в случае «оффлайн» планирования. Таким образом, можно предположить, что успешные решатели отличаются от неуспешных по частоте рисования «быстрых» линий в сравнении с «медленными» линиями. Успешным решателям необходимо рассматривать большее количество альтернатив реально реализуемым моторным единицам, что значительно легче в случае «оффлайн» планирования. Поэтому частота быстрых линий у успешных решателей должна быть выше, чем у неуспешных.Третьим источником изменений моторики может служить изменение неадек- ватных последовательностей движений, которые использовались на ранних эта- пах решения задачи 9 точек. Поскольку сложность этой задачи связана с автома- тическими перцептивными ограничениями (например, расположение точек в виде квадрата), «навязывающими» ошибочные моторные программы рисования прямых линий внутри этого квадрата, предполагается, что для отыскания пра- вильного ответа необходимо найти и активировать другие способы рисования линий. И сделать это значительно легче посредством «оффлайн» планирования. Таким образом, можно предположить, что частота «медленных» линий на поздних этапах ниже, чем на ранних.Для проверки сформулированных гипотез было проведено квазиэксперимен- тальное исследование.Процедура и методика исследованияВыборка. В качестве испытуемых выступили 45 студентов РАНХиГС в возрас- те от 18 до 21 года (M = 19,32; SD = 0,59), из них 10 мужчин, 7 испытуемых были исключены из дальнейшего анализа, поскольку в постэкспериментальном опро- се заявили о том, что знакомы с задачей и вспомнили решение. Испытуемые участвовали в эксперименте за дополнительные баллы по учебным курсам. В остальном схема отбора испытуемых в выборку сводилась к простой рандоми- зации.Стимульным материалом в данном исследовании была инсайтная задача 9 то- чек, которая предъявлялась на планшете Asus (диагональ экрана - 12″; четыре- хядерный процессор - Intel Atom X5-Z8500 с тактовой частотой 1,44 ГГЦ; опе- рационная система Windows 10) с помощью специально написанной программы на языке Delphi.Программа предъявляла испытуемым инструкцию: «Вам необходимо соединить девять точек четырьмя прямыми линиями, не отрывая пальца от экрана планше- та. Все попытки решить задачу необходимо делать не в уме, не в воздухе, а вруч- ную на экране планшета. У Вас будет несколько проб. Проба считается закон- ченной, как только Вы отрываете палец от экрана. Чем быстрее Вы справитесь с задачей, тем лучше». Затем на планшете в центре экрана появлялось изображение 9 точек, сгруппированных в форму «квадрата» (по 10 мм в диаметре каждая; рас- стояние между соседними точками по вертикали и горизонтали - 15 мм). Как только испытуемые начинали рисовать линии на планшете, программа фикси- ровала параметры их моторной активности (координаты точек нарисованных линий в пикселях и соответствующее каждому значению координат системное время в миллисекундах). Решение было ограничено 100 пробами, и, если испы- туемый не решал задачу за это количество проб, она считалась нерешенной. По- мимо параметров моторной активности испытуемых также фиксировалось время решения, успешность и количество проб. Эксперимент проводился индивиду- ально.В качестве зависимых переменных в данном эксперименте использовались па- раметры моторной активности в ходе решения: длина моторных единиц (нари- сованных линий или их частей) в пикселях, скорость их реализации в пикселяхза миллисекунду и продолжительность пауз между моторными единицами в мил- лисекундах. Зависимые переменные заданы в шкале интервалов.Поскольку данное исследование было квазиэкспериментальным и активного воздействия со стороны экспериментатора не было, вместо независимых пере- менных в строгом смысле слова использовались так называемые группирующие переменные. Одна из группирующих переменных была межгрупповой - успеш- ность решения, а другая внутригрупповой - этап решения задачи. У обеих пере- менных было по два уровня: успешные и неуспешные решатели, первая полови- на и вторая половина решения, соответственно. Каждая из группирующих пере- менных была задана в номинативной шкале. Для удобства описания при обработке результатов группирующие переменные упоминаются в качестве не- зависимых переменных в широком смысле этого слова.Обработка результатов: переменныеДля проверки сформулированных гипотез зарегистрированные данные мо- торной активности в координатах и системном времени в миллисекундах были преобразованы в переменные «Продолжительность пауз между моторными еди- ницами» в миллисекундах, «Длина моторной единицы» в пикселях и «Скорость реализации моторной единицы» в пикселях за миллисекунду.Продолжительность паузы между моторными единицами - это промежуток времени, за который не произошло никаких изменений в координатах точек (т.е. положения пальца испытуемого относительно экрана планшета). Для того чтобы выделить количество пауз в каждой из проб у каждого испытуемого, была выбра- на уставка (нижний порог) в 20 миллисекунд как минимальный период времени, за который не происходило изменений в координатах точек. Такая величина устав- ки позволяет отсечь влияние тремора конечностей испытуемых на рисование линий. Длина моторной единицы - расстояние в пикселях, которое рука решате- ля проходит, рисуя линию, в промежутке от одной паузы до следующей. Данная переменная рассчитывается после того, как выделены паузы и обозначены на- чальные и конечные точки для каждой из моторных единиц. Скорость реализации моторной единицы - отношение расстояния в пикселях ко времени в миллисе- кундах, потраченному на реализацию моторной единицы.Переменная «Скорость реализации моторной единицы» была преобразована в переменную «Тип планирования». Для этого по каждому испытуемому была вычислена медиана по этой переменной. Те значения скорости реализации мо- торной единицы, которые были меньше значения медианы, кодировались как«медленные» линии (1), а значения переменной, превышавшие медиану, - как«быстрые» линии (2).Для того чтобы задать независимую переменную этап решения (первая поло- вина и вторая половина решения), по каждому испытуемому количество потра- ченных им проб было поделено по медиане, и значения, оказавшиеся меньше медианы, были обозначены как начальный этап решения, а значения проб боль- ше медианы были обозначены как его конечный этап.Помимо этого, чтобы еще более «очистить» данные от моторного «шума», вы- званного тремором, при проверке гипотезы о длине моторных единиц и о раз-личных типах планирования моторных единиц были использованы только те данные, где длина линий превышала 10 мм (38 пикселей), т.е. превышала диаметр любой из 9 точек на экране планшета.РезультатыКоличественные результаты эксперимента (табл. 1-4) показали следующее.Для проверки гипотез об увеличении длины моторных единиц по ходу решения и о большей длине моторных единиц у успешных решателей в сравнении с неу- спешными был проведен двухфакторный дисперсионный анализ с повторными измерениями. Между средними значениями длин моторных единиц (табл. 1) на разных этапах решения были получены статистически значимые различия (F(1,32) = 12,39, p < 0,01, η2 = 0,27). Также, были получены статистически значи- мые различия между средними значениями длины моторных единиц у успешных и неуспешных решателей (F(1,32) = 17,8; p < 0,001, η2 = 0,36). Помимо этого был обнаружен эффект взаимодействия факторов успешности решения и этапа ре- шения (F(1,32) = 10,8, p < 0,01, η2 = 0,25).Средние и стандартные отклонения длин моторных единиц у успешных и неуспешных решателей в первой и второй половине решения(Mean and standard deviations of lengths of motor units for successful and unsuccessful solvers in the first and second half of the solution)Таблица 1Этап решенияДлина моторных единиц, пиксельУспешные решателиНеуспешные решателиMSDМуспMSDМнеуспMпо этапамНачало решения2344026220517206219,5Конец решения2897520716248Для проверки гипотез о различиях в продолжительности пауз между мотор- ными единицами у испытуемых, решивших и не решивших задачу, и о сокраще- нии продолжительности пауз по ходу решения задачи был проведен двухфактор- ный дисперсионный анализ с повторными измерениями. Между средними зна- чениями (табл. 2) продолжительности пауз у успешных и неуспешных решателей статистически значимых различий получено не было (F < 1). Также не были най- дены статистически значимые различия между средними значениями продолжи- тельности пауз на различных этапах решения задачи (F < 1). Эффект взаимодей- ствия факторов успешности и этапа решения относительно продолжительности пауз также не был получен (F < 1).Средние и стандартные отклонения в продолжительности паузу успешных и неуспешных решателей в первой и второй половине решения (Mean and standard deviations of the duration of pauses for successfuland unsuccessful solvers in the first and second half of the solution)Таблица 2Этап решенияПродолжительность пауз, мсУспешные решателиНеуспешные решателиMSDМуспMSDМнеуспMпо этапамНачало решения43713444047488458455,5Конец решения44312344265442,5Для проверки гипотезы о различии в частотности различных типов планиро- вания у успешных и неуспешных решателей на разных этапах решения был ис- пользован двухфаторный дисперсионный анализ с повторными измерениями. Для «медленных» линий статистически значимых различий в их количестве на начальном и конечном этапе решения получено не было (F < 1) (табл. 3). Тем не менее, были получены различия между успешными и неуспешными решателями (F(1,32) = 12,9, p < 0,001, η2 = 0,27). Эффект взаимодействия фактора успешности и этапа решения также найден не был (F < 1).Средние и стандартные отклонения в количестве медленных линийу успешных и неуспешных решателей в первой и второй половине решения (Mean and standard deviations of the number of “slow” lines for successfuland unsuccessful solvers in the first and second half of the solution)Таблица 3Этап решенияКоличество медленных линийУспешные решателиНеуспешные решателиMSDМуспMSDМнеуспMпо этапамНачало решения363035,5692571,552,5Конец решения3730763856,5Также были получены статистически значимые различия в частоте «быстрых» линий у успешных и неуспешных решателей: (F(1,32) = 15,5, p < 0,001, η2 = 0,35). Помимо этого были обнаружены различия в частоте встречаемости быстрых ли- ний на разных этапах решения: (F(1,32) = 9,5, p < 0,01, η2 = 0,23) (табл. 4). Эффект взаимодействия факторов успешности и этапа решения найден не был (F < 1).Таблица 4Средние и стандартные отклонения в количестве быстрых линийу успешных и неуспешных решателей в первой и второй половине решения (Mean and standard deviations of the number of “fast” lines for successfuland unsuccessful solvers in the first and second half of the solution)Этап решенияКоличество быстрых линийУспешные решателиНеуспешные решателиMSDМуспMSDМнеуспMпо этапамНачало решения272037,5603072,543,5Конец решения4843853866,5ОбсуждениеВ результате проверки гипотез авторы обнаружили различия между успешны- ми и неуспешными решателями по частоте рисования «медленных» линий, т.е. таких, планирование которых осуществляется «онлайн» по ходу рисования. Успешные решатели придерживались подобного типа планирования значитель- но реже как в начале решения, так и в конце. Подобный результат можно объ- яснить тем, что деление процесса решения задач на два этапа является довольно грубым и при увеличении количества выделяемых этапов можно увидеть дина- мику частотности «онлайн» планирования у успешных решателей. Также были обнаружены различия в частотности «быстрых» линий: на конечном этапе реше- ния и успешные, и неуспешные решатели чаще планируют моторную активность в «оффлайн» режиме. При этом также, как и с «онлайн» режимом успешные ре-шатели отличаются от неуспешных меньшей частотностью, что в принципе мож- но помимо всего прочего объяснить просто тем, что успешные решатели совер- шали значительно меньше лишних движений в процессе рисования линий. Таким образом, авторы получили косвенные свидетельства того, что как успешные, так и неуспешные испытуемые увеличивают интенсивность поиска ответа (о чем го- ворит увеличение количества моторных единиц) на последнем этапе решения. При этом увеличение интенсивности поиска во многом связано с именно бы- стрыми линиями, т.е. оффлайн планированием.Гипотеза о сокращении продолжительности пауз между моторными единица- ми не подтвердилась, что может говорить о том, что в данном случае накладыва- ются два эффекта, которые компенсируют друг друга. Первый эффект связан с предполагаемой автоматизацией и моторным научением в процессе решения за- дач и, следовательно, сокращением продолжительности пауз между моторными единицами, а второй - с уже упомянутым увеличением частотности использо- вания «оффлайн» планирования на последних этапах, что должно приводить к увеличению продолжительности пауз.Гипотеза относительно укрупнения моторных единиц подтвердилась. Увели- чение длины моторных единиц у успешных решателей в сравнении с неуспеш- ными можно объяснить за счет того, что для решения задачи необходимо рисовать более длинные линии, выходящие за пределы перцептивного квадрата. При этом взаимодействие факторов позволяет говорить о том, что более существенные раз- личия имеют место у успешных решателей на последнем этапе решения.Подобные результаты свидетельствуют о существенном и закономерном из- менении моторики по ходу успешного решения инсайтной задачи 9 точек. По- видимому, можно говорить о том, что движения решателей входят в саму «ткань» поисков правильного ответа, а не являются внешним сопровождением мысли- тельных процессов или способом фиксации полученного результата. По ходу ре- шения происходит перестроение моторных программ и переход таким образом к рисованию более длинных линий: движения перестают быть ограничены чер- ными точками, составляющими перцептивный квадрат; успешные решатели на- ходят новые стартовые и финишные точки для новых линий, лежащие в белом поле за его пределами. Все эти новшества обнаруживаются не дискурсивно, а в моторном плане. Применительно к задаче 9 точек и ей подобным моторная ак- тивность имеет ключевое значение для отыскания правильного ответа. Мышле- ние оказывается «растворено» в поиске правильных движений и их последова- тельности; или, наоборот, моторная активность оказывается содержанием, а не только способом решения мыслительной задачи. В любом случае фокус иссле- довательского интереса явно смещается с «ментальных» процессов на реальные особенности протекания решения, которые в данном случае связаны с протека- нием моторной активности.В связи с этим остро встает проблема реконцептуализации процесса решения инсайтных задач и самого феномена инсайта с привлечением новых теоретиче- ских представлений. Одной из заметных альтернатив теории задачного простран- ства в ближайшие годы могут стать уже упоминавшейся модели «Воплощенного познания», явно набирающие силу и популярность в различных областях психо- логических исследований.

Об авторах

Никита Иванович Логинов

Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации

Автор, ответственный за переписку.
Email: lognikita@yandex.ru

научный сотрудник лаборатории когнитивных исследований Российской академии народного хозяйства и государственной службы при Президенте РФ

проспект Вернадского, 82, стр. 1, Москва, Россия, 119571

Владимир Феликсович Спиридонов

Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации

Email: vfspiridonov@yandex.ru

доктор психологических наук, профессор кафедры общей психологии Российской академии народного хозяйства и государственной службы при Президенте РФ

проспект Вернадского, 82, стр. 1, Москва, Россия, 119571

Олег Анатольевич Мезенцев

Национальный исследовательский университет «Московский энергетический институт»

Email: mezentsevoa@mpei.ru

заведующий отделом программно-технических средств и оргтехники Национального исследовательского университета «Московский энергетический институт»

Красноказарменная ул., 14, Москва, Россия, 111250

Список литературы