Information between one event and another, or a stimulus and an outcome, can be acquired by learning their causal relationship. There are at least two distinct learning strategies for identifying a causal relationship : incremental learning that occurs from repeated trial and error and one-shot learning that occurs from just one pairing. Despite researches on biological studies such as conditioned taste aversion or one-shot learning studies based on relationship between ‘uncertainty and learning rate’ or‘prediction error and learning rate’, little has been known about the effect of one-shot learning on real-world scenarios. In this study, we designed a new task using a real world scenario to induce inductive and deductive. To further investigate the effect of one-shot learning on inductive and deductive reasoning, we carefully modulated uncertainty. When analyzing score and confidence according to factors of incremental/one-shot, inductive/deductive, and learning/inference, we found that the group that induced one-shot learning developed an inference rule better than a control group. Subjects who reported rule development achieved high scores with high confidence in the inference test, and also achieved high scores in the one-shot inference test.
자극과 결과 사이에서 정보를 얻을 때 우리는 인과관계를 학습한다. 인과관계 학습의 전략을 크게 반복적 시행착오를 통해 학습하는 점진 학습과 한 번의 경험으로 빠르게 학습되는 고속 학습으로 나눌 수 있다. 조건부 미각 혐오같은 생물학적 연구, 또는‘불확실성과 학습율’기반의 인과 학습 모델, 예측 오류 조절을 통한 고속 학습 등이 연구되었음에도 불구하고, 인간의 현실 세계의 학습을 반영한 시나리오로 고속 학습의 효과에 대해 진행한 연구는 많이 수행되지 않았다. 본 연구에서는 인간이 전제에서 결론에 이를 때 사용하는‘귀납 및 연역 추론’을 유도하는 현실 세계 시나리오를 사용하여 새로운 실험을 디자인하고, 불확실성을 조절하여 고속 학습을 유도하는 것이 인간의 학습에 얼마나 영향을 줄 수 있는지 살펴보고자 하였다. 점진/고속, 귀납/연역, 학습/추론의 요인에 따라 점수와 확신성을 분석한 결과, 우리의 실험은 불확실성의 차이를 잘 유도하였고, 고속 학습이 유도될 시 점진 문제에서 더 높은 확신을 보이며, 이들이 또한 추론 규칙을 더 잘 파악하는 결과를 확인하였다. 나아가 규칙을 더 잘 파악한 경우에 추론을 더 잘 했으며, 확신도 높았다. 따라서, 귀납 및 연역 추론으로 인과 관계를 학습할 때, 고속 학습을 유도하면 규칙을 더 잘 파악하며, 높은 확신으로 더 잘 추론할 수 있다.
