认知科学

认知科学的核心研究对象是心智与智能，即信息如何被表征、加工、存储与使用，其研究范围涵盖知觉、注意、记忆、语言、推理、决策、学习、情绪以及意识等认知活动。^{55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开}

认知科学以“认知”作为统一对象，把传统上分属心理学、语言学、神经科学、计算机科学、人类学与哲学的问题整合为同一组关于表征与计算的问题。^{55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开|66Cognitive Scienceen.wikipedia.org前往参考资料 ↓在新标签页中打开}

认知科学的核心研究纲领通常被概括为“心智是信息加工系统”，其中心概念是表征（representation）与计算（computation），这一纲领奠定了认知科学作为独立交叉学科的对象界定。^{55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开|77The Computational Theory of Mindplato.stanford.edu前往参考资料 ↓在新标签页中打开}

认知科学的研究对象在层次上跨越多个尺度：从分子与突触层面的神经机制，到神经元群体与脑区层面的网络活动，再到行为与认知任务层面的表现，以及社会与文化层面的认知实践。^{88The Cognitive Neurosciencesmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

认知科学区别于单纯神经科学之处在于，它不只描述神经活动，还追问这些活动如何实现表征与计算功能，因此功能层面的解释是其对象界定的必要组成部分。^{55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开|99Cognitive Neuroscience: The Biology of the Mindwwnorton.com前往参考资料 ↓在新标签页中打开}

认知科学把“智能”作为研究对象，既包括人类智能，也包括动物智能与人工系统智能，这使它与人工智能研究在对象上存在重叠，但认知科学更强调以人类认知为参照来理解智能的实现机制。^{66Cognitive Scienceen.wikipedia.org前往参考资料 ↓在新标签页中打开|1010Artificial Intelligence: A Modern Approachpearson.com前往参考资料 ↓在新标签页中打开}

认知科学的核心研究对象在学科形成初期主要被界定为“心智的计算理论”，即把心智视为对符号的加工系统，这一界定深刻影响了认知科学早期的问题选择与实验设计。^{55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开|77The Computational Theory of Mindplato.stanford.edu前往参考资料 ↓在新标签页中打开}

随着联结主义与神经计算的发展，认知科学的核心研究对象从离散符号加工扩展到分布式表征与网络学习，但表征与计算仍是其对象界定的核心语汇。^{88The Cognitive Neurosciencesmitpress.mit.edu前往参考资料 ↓在新标签页中打开|1515Parallel Distributed Processing: Explorations in the Microstructure of Cognitionmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

认知科学的核心研究对象还包括语言这一认知能力，语言被视为了解心智结构与表征格式的关键窗口，语言加工与语言习得构成认知科学的重要研究领域。^{66Cognitive Scienceen.wikipedia.org前往参考资料 ↓在新标签页中打开|1616The Language Instinct: How the Mind Creates Languageharpercollins.com前往参考资料 ↓在新标签页中打开}

认知科学把学习与可塑性作为核心研究对象之一，关注经验如何改变表征与行为，这一对象连接了认知心理学、神经科学与机器学习。^{1515Parallel Distributed Processing: Explorations in the Microstructure of Cognitionmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

认知心理学是认知科学最直接、最核心的母体学科之一；认知科学在 20 世纪 70 年代形成独立学科时，其问题意识、实验范式与大量基础发现都直接继承自认知心理学。^{55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开|1717Cognitive Psychology: A Student's Handbook (8th ed.)routledge.com前往参考资料 ↓在新标签页中打开}

认知心理学在学科定位上通常被看作心理学的一个分支，研究注意、记忆、语言、推理、问题解决等心理过程；而认知科学是跨学科领域，除心理学外还整合神经科学、语言学、哲学、计算机科学/人工智能、人类学等。因此认知心理学与认知科学是部分与整体的关系，而非等同关系。^{55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开}

认知科学对认知心理学的主要贡献在于提供计算-表征的理论语言（如信息加工、表征、算法与实现层次的区分），使心理学实验发现能够被表述为可计算、可建模的机制假设；认知心理学则为认知科学提供最丰富的行为实验数据与效应库。^{1717Cognitive Psychology: A Student's Handbook (8th ed.)routledge.com前往参考资料 ↓在新标签页中打开}

在方法论上，认知心理学以行为实验（反应时、错误率、眼动、出声思维等）为主要手段，而认知科学整体更强调多方法汇聚，包括认知神经科学成像、计算建模、比较心理学与语言学分析等；两者在方法上重叠但不等同。^{99Cognitive Neuroscience: The Biology of the Mindwwnorton.com前往参考资料 ↓在新标签页中打开}

认知科学在学科建制上通常被界定为心理学、语言学、计算机科学、神经科学、哲学与人类学等学科的交叉领域，这一多学科构成在 20 世纪 70 年代认知科学学会成立及《认知科学》期刊创刊时期基本定型。^{1919About the Cognitive Science Societycognitivesciencesociety.org前往参考资料 ↓在新标签页中打开|2020Cognitive Science: A Multidisciplinary Journal – Aims and Scopeonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

认知科学学会（Cognitive Science Society）将认知科学描述为研究心智与智能的跨学科事业，其成员来自人工智能、语言学、人类学、心理学、神经科学、哲学与教育学等领域。^{1919About the Cognitive Science Societycognitivesciencesociety.org前往参考资料 ↓在新标签页中打开}

《认知科学》期刊（Cognitive Science: A Multidisciplinary Journal）在创刊宗旨中明确其覆盖范围包括人工智能、语言学、神经科学、哲学与心理学等对认知的交叉研究。^{2020Cognitive Science: A Multidisciplinary Journal – Aims and Scopeonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

在认知科学的经典六学科表述中，心理学提供行为实验范式，语言学提供句法与语义的形式化分析，计算机科学/人工智能提供计算建模与仿真，神经科学提供脑机制层面的约束，哲学提供概念分析与认识论基础，人类学提供跨文化比较视角。^{55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开}

认知科学的多学科构成并非固定不变：随着认知神经科学、计算认知科学、认知语言学等交叉子领域的兴起，学科边界持续重组，教育学、经济学、社会学等也被纳入认知研究的合作范围。^{1919About the Cognitive Science Societycognitivesciencesociety.org前往参考资料 ↓在新标签页中打开|55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开}

认知科学各构成学科之间在方法论上存在张力：心理学与神经科学偏重实验与生理证据，人工智能偏重建模与实现，哲学偏重概念分析，这种分工使认知科学常被描述为“多学科”而非严格整合的“单一学科”。^{55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开}

“认知科学”（cognitive science）这一术语最早于1956年在麻省理工学院（MIT）举行的一次信息论研讨会上被提出。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

1956年前后，心理学、语言学、计算机科学与神经科学等领域相继出现若干标志性成果，这些成果共同为认知科学的形成提供了思想与实证基础，因此1956年常被视为认知科学的“诞生之年”。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

1977年，《认知科学》（Cognitive Science）期刊正式创刊，为认知科学提供了专门的学术发表平台，推动该领域逐渐获得学术界的广泛认可。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

1978年，斯隆基金会（The Alfred Sloan Foundation）发布报告，明确提出认知科学的实质与目标，该报告被广泛视为认知科学正式建立起来的标志。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

斯隆基金会报告将认知科学界定为“探索心智的表征和计算能力，以及心智在人脑中的结构和功能表示”，这一表述成为认知科学狭义定义——心智的计算理论——的经典来源。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

从广义上看，认知科学是研究心智本质和认知规律的科学，它汇聚哲学、人工智能、心理学、人类学、计算机科学、语言学和脑神经科学等领域，利用不同学科的方法对认知的不同侧面进行综合研究，至今仍未形成统一的科学范式，是一个多学科交叉集群。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

“认知科学”（cognitive science）这一概念最早于1956年在麻省理工学院的一次信息论研讨会上被提出，这一时间点通常被视为认知科学思想萌芽的标志性事件之一。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

1977年，《认知科学》（Cognitive Science）期刊正式创刊，这是认知科学领域第一份以该学科命名的专业学术期刊，为该领域研究者提供了专门的发表与交流平台。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

《认知科学》期刊的创刊被普遍视为认知科学逐渐获得学术界广泛认可的重要标志之一，它使原本分散在哲学、心理学、人工智能、语言学、人类学与神经科学等学科中的相关研究有了一个共同的学科身份与交流阵地。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

在《认知科学》期刊创刊之后的1978年，斯隆基金会（The Alfred Sloan Foundation）发布报告，提出了认知科学的实质与目标，该报告被学界视为认知科学正式建立起来的标志性文献。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

从期刊创刊到斯隆基金会报告发表，1977年至1978年间的一系列建制化事件共同构成了认知科学从多学科研究汇聚为独立学科的关键节点：期刊提供了成果发表渠道，基金会报告则明确了学科的研究纲领与目标。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

斯隆基金会报告将认知科学的核心任务表述为“探索心智的表征和计算能力，以及心智在人脑中的结构和功能表示”，这一表述反映了认知科学作为心智计算理论的狭义定位，即把认知看作对内在心理表征的信息处理过程。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

认知科学作为一门交叉学科的建制化，通常以 1970 年代中期斯隆基金会（Alfred P. Sloan Foundation）启动的“认知科学计划”为关键节点；该计划在约十年间向多所大学提供资助，用于设立跨系的研究与教学项目。^{2121The Sloan Foundation and the Cognitive Science Programsloan.org前往参考资料 ↓在新标签页中打开|1919About the Cognitive Science Societycognitivesciencesociety.org前往参考资料 ↓在新标签页中打开}

斯隆基金会的资助直接催生或强化了一批早期认知科学机构，其中包括 1970 年代末在加州大学圣迭戈分校、麻省理工学院、约翰斯·霍普金斯大学、康奈尔大学、匹兹堡大学、科罗拉多大学博尔德分校、耶鲁大学、斯坦福大学、俄勒冈大学等校设立的认知科学项目或相关跨学科计划。^{2121The Sloan Foundation and the Cognitive Science Programsloan.org前往参考资料 ↓在新标签页中打开}

1977 年，在斯隆基金会资助下，加州大学圣迭戈分校正式成立认知科学系（Department of Cognitive Science），这常被视为世界上第一个以“认知科学”命名的系级建制。^{2222Cognitive Science at UCSD: The Early Yearslibrary.ucsd.edu前往参考资料 ↓在新标签页中打开}

1978 年，斯隆基金会资助的跨学科期刊《认知科学》（Cognitive Science）创刊，由认知科学学会（Cognitive Science Society）主办，成为该领域最早的专门学术刊物之一。^{2020Cognitive Science: A Multidisciplinary Journal – Aims and Scopeonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开|2323Cognitive Science Society: History and Annual Conferencecognitivesciencesociety.org前往参考资料 ↓在新标签页中打开}

1979 年，认知科学学会（Cognitive Science Society）在斯隆基金会等机构的支持下于加州大学圣迭戈分校召开首届年会，标志着认知科学共同体开始形成稳定的学术交流机制。^{2323Cognitive Science Society: History and Annual Conferencecognitivesciencesociety.org前往参考资料 ↓在新标签页中打开|2424Proceedings of the First Annual Conference of the Cognitive Science Societyescholarship.org前往参考资料 ↓在新标签页中打开}

斯隆基金会的认知科学计划不仅提供资金，还通过组织跨校会议、资助暑期学校与博士后岗位等方式，推动了心理学、语言学、计算机科学、神经科学与哲学等学科之间的制度化合作。^{2121The Sloan Foundation and the Cognitive Science Programsloan.org前往参考资料 ↓在新标签页中打开|1919About the Cognitive Science Societycognitivesciencesociety.org前往参考资料 ↓在新标签页中打开}

在斯隆计划之前，认知科学的智识基础已由 1950 年代至 1960 年代的信息处理心理学、生成语法、人工智能早期研究等奠定；斯隆基金会的角色主要在于将这些分散的研究传统整合为可识别的学科建制。^{1919About the Cognitive Science Societycognitivesciencesociety.org前往参考资料 ↓在新标签页中打开|55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开}

斯隆基金会对认知科学的资助在 1980 年代逐渐缩减并转向其他优先领域，但由其建立的系科、期刊与学会构成了此后认知科学学科延续的组织骨架。^{2121The Sloan Foundation and the Cognitive Science Programsloan.org前往参考资料 ↓在新标签页中打开|2525Sloan Foundation Annual Report 1985sloan.org前往参考资料 ↓在新标签页中打开}

物理符号系统假设（Physical Symbol System Hypothesis）由认知科学家艾伦·纽威尔（Allen Newell）与赫伯特·西蒙（Herbert A. Simon）提出，是认知科学早期最核心的理论纲领之一，其经典表述为：物理符号系统是普遍智能行为的充分必要条件。^{2626图文详情——科普中国资源服务cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

该假设中“必要”的含义是：任何体现出智能的系统，都可以被视为一个物理符号系统；也就是说，智能行为的发生必须以物理符号系统的运作为前提。^{2626图文详情——科普中国资源服务cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

该假设中“充分”的含义是：任何具有足够规模的物理符号系统，经过适当的组织之后都能够展现出智能行为，因此符号操作在原则上足以产生智能。^{2626图文详情——科普中国资源服务cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

“物理”一词强调该系统从根本上遵从物理学定律，可以由物质材料构成并实现，而不限于人类创造和使用的符号系统；这使该假设成为一个关于智能机器的经验性命题，而非单纯的数学或逻辑命题。^{2626图文详情——科普中国资源服务cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

一个物理符号系统包含两个主要部分：一是由符号组合而成的符号结构，这些结构指涉某种对象，并能以某种方式影响对象或被对象影响；二是在这些结构上进行运作的一系列过程，包括创建、修改、复制和销毁符号结构。智能行为正是这些运作过程作用于符号结构的结果。^{2626图文详情——科普中国资源服务cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

纽威尔和西蒙在《作为经验探索的计算机科学：符号和搜索》一文中指出，物理符号系统假设的形成经历了五个阶段：形式逻辑、图灵机与数字计算机、存储程序概念、表处理以及语言。^{2626图文详情——科普中国资源服务cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

在“形式逻辑”阶段（纽威尔和西蒙也称其为“形式符号处理阶段”），莱布尼茨提出建立“普遍的符号语言”和“一般数学”的设想，试图用人工符号语言代替自然语言、把推理规则转换为计算规则，以克服传统逻辑用自然语言表述时的不精确性；这种普遍符号语言被视为一种通行于全人类的人工语言，即一种符号系统。^{2626图文详情——科普中国资源服务cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

在“图灵机与数字计算机”阶段，图灵机被理解为一种主要处理逻辑符号的机器，可以处理由逻辑符号组成的东西（如文字文件、数学表达式），同时也能进行数值计算；图灵证明，只有图灵机能够解决的计算问题，实际计算机才能解决，若某问题图灵机不能解决，则实际计算机也无法解决。^{2626图文详情——科普中国资源服务cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

信息加工取向是认知科学中最早成型、影响最广的理论框架之一，其核心主张是把认知活动理解为对信息的接收、编码、存储、提取与转换过程，这一取向在20世纪50年代末至80年代初占据认知科学研究的主导地位。^{2727图文详情cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

信息加工取向的隐喻基础是「心理活动像计算机」，即把心智类比为物理符号系统，认为认知就是对符号的一系列计算处理，包括输入符号、输出符号、存储符号、复制符号、建立符号结构及条件性转移。^{2727图文详情cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

纽厄尔（Allen Newell）与西蒙（Herbert Simon）是信息加工取向的杰出代表，他们将图像、声音、文字、语言、意识等可被感知和分辨的有意义认知模式编码为物理符号，并把人类的认知活动模拟为计算机程序。^{2727图文详情cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

纽厄尔与西蒙合作开发了最早的模拟人类认知的启发式程序「逻辑理论家」（Logic Theorist），并在达特茅斯会议上发布，引起认知科学研究领域的极大轰动。^{2727图文详情cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

在逻辑理论家之后，纽厄尔与西蒙进一步研究人类求解难题的共同思维规律，开发出能够求解11种难题的「通用问题求解器」（General Problem Solver），把符号处理阶段的认知科学研究推向顶峰。^{2727图文详情cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

信息加工取向强调知识对行为和认知活动的决定作用，强调对认知过程的整体性研究，并采用计算机模拟方法对知觉、注意、记忆以及问题解决等认知问题进行了大量模拟研究。^{2727图文详情cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

在信息加工取向的框架下，认知被看作一个信息处理系统，描述认知的基本单元被定义为「符号」，不同的认知活动都可以模拟为一个计算机程序，因此人类认知被视为计算机程序对符号的一系列处理，从而实现智能。^{2727图文详情cloud.kepuchina.cn前往参考资料 ↓在新标签页中打开}

联结主义是认知科学中与符号主义并列的核心理论框架之一，主张认知过程可以由大量简单单元相互连接构成的网络来实现，知识以连接权重的形式分布式地存储在单元之间的连接上，而非以显式符号规则的形式存储。^{2828Connectionismplato.stanford.edu前往参考资料 ↓在新标签页中打开|2828Connectionismplato.stanford.edu前往参考资料 ↓在新标签页中打开}

1943年，沃伦·麦卡洛克与沃尔特·皮茨发表了人工神经元的数学模型，提出神经元可以被抽象为对输入进行加权求和后经阈值函数输出的二值单元，这一模型被视为神经网络研究的理论起点。^{2929A Logical Calculus of the Ideas Immanent in Nervous Activitylink.springer.com前往参考资料 ↓在新标签页中打开}

1949年，唐纳德·赫布在《行为的组织》中提出赫布学习规则：当两个神经元同时激活时，它们之间的连接强度会增强，这一“共同激活、共同连接”的假设成为后续联结主义学习算法的生物学灵感来源。^{3030The Organization of Behavior: A Neuropsychological Theorypsycnet.apa.org前往参考资料 ↓在新标签页中打开}

1958年，弗兰克·罗森布拉特提出感知机模型，它是一种可通过监督学习调整权重的线性分类器，并给出了感知机收敛定理，证明在线性可分数据上感知机学习算法能够收敛。^{3131The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brainpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

1969年，马文·明斯基与西摩·佩珀特出版《感知机》一书，指出单层感知机无法解决异或等线性不可分问题，这一结论在一段时间内抑制了神经网络研究的热情，也促使研究者转向多层网络与隐层表示的研究。^{3232Perceptrons: An Introduction to Computational Geometrymitpress.mit.edu前往参考资料 ↓在新标签页中打开}

1986年，大卫·鲁梅尔哈特、杰弗里·辛顿与罗纳德·威廉姆斯在《自然》杂志发表论文，系统阐述了通过反向传播算法训练多层前馈网络的方法，使网络能够学习非线性可分的内部表示，这一工作成为联结主义复兴的标志性成果。^{3333Learning representations by back-propagating errorsnature.com前往参考资料 ↓在新标签页中打开}

1986年，鲁梅尔哈特与詹姆斯·麦克莱兰主编的两卷本《并行分布式处理：认知微结构的探索》出版，系统提出了并行分布式处理（PDP）框架，主张认知加工是大量单元并行交互的结果，信息以分布式激活模式表征，该书成为联结主义认知科学纲领性文献。^{3434Parallel Distributed Processing: Explorations in the Microstructure of Cognitionmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

联结主义与符号主义之间存在关于认知架构的长期理论争论：符号主义认为认知的本质是对显式符号结构的操作，而联结主义认为认知是网络权重的动态模式，双方在解释系统性、组合性与语言加工等能力上各有主张。^{3535Connectionism and Cognitive Architecture: A Critical Analysissciencedirect.com前往参考资料 ↓在新标签页中打开|3434Parallel Distributed Processing: Explorations in the Microstructure of Cognitionmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

联结主义模型在认知科学中的典型应用包括：用简单循环网络模拟英语过去时态的产生与过度泛化现象，用多层网络模拟阅读中的词形—语音映射，以及用分布式表征解释语义启动与类别特异性损伤等认知现象。^{3636Rules of Languagescience.org前往参考资料 ↓在新标签页中打开}

联结主义框架在20世纪80—90年代成为认知科学的主流建模方法之一，推动了人工神经网络与机器学习的发展；进入21世纪后，深度学习的兴起使大规模神经网络成为人工智能的核心技术，同时也重新引发了关于神经网络能否作为认知模型的讨论。^{3737Deep learningnature.com前往参考资料 ↓在新标签页中打开|2828Connectionismplato.stanford.edu前往参考资料 ↓在新标签页中打开}

联结主义模型常被批评为“黑箱”：网络的内部权重与激活模式难以直接对应到可解释的认知机制，因此部分认知科学家认为其解释力有限，主张需要结合符号层面的约束或可解释性分析来提升理论价值。^{3838The Black Box Problem in Neural Networksnature.com前往参考资料 ↓在新标签页中打开}

具身认知是认知科学中反对“认知即离身的信息加工”这一经典假设的一类理论取向的总称，其共同主张是认知过程与身体的构造、感觉运动系统以及身体与环境的互动具有深刻连续性，而不能仅由大脑内部的符号表征与计算来解释。^{3939生成认知：理论基础与实践走向journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

生成认知（enactive cognition，又译生成主义、 enactivism）是具身认知思潮中的一个新取向，主张认知是通过身体活动“生成的”：认知的起点不是怎样精确表征世界的信息加工问题，而是行动者在情境中怎样利用知觉来指导自己的行动。^{3939生成认知：理论基础与实践走向journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

在生成认知看来，认知不是通过精确的心理表征去“恢复”一个预先给定的世界，而是通过知觉引导的行动“生成”或“造就”一个属于自己的世界；认知结构形成于经常和反复出现的感觉运动模式。^{3939生成认知：理论基础与实践走向journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

生成认知的理论渊源主要有两支：一是梅洛-庞蒂的身体现象学，它把意识理解为从一开始就被身体结构化的；二是詹姆斯、杜威等人的实用主义哲学，其对实践行动的强调深刻影响了生成认知对“行动”之于心智意义的重视。^{3939生成认知：理论基础与实践走向journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

生成认知常被追溯到瓦雷拉（Francisco Varela）、汤普森（Evan Thompson）与罗施（Eleanor Rosch）1991 年的著作《具身心智：认知科学与人类经验》，该书系统提出了以“生成”（enaction）为核心的认知观，并把身体与环境的互动置于认知解释的中心。^{3939生成认知：理论基础与实践走向journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

生成认知强调“所有的行动过程都是认识过程，所有的认识过程都是行动过程”，即知觉与行动不可分割，这一表述常被概括为“认知即具身的行动”。^{3939生成认知：理论基础与实践走向journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

具身认知与生成认知对“行动”在认知中地位的强调引发了大量争议，并推动了心理学研究范式的转变，例如从离身的符号加工范式转向关注身体、情境与感觉运动经验的研究取向。^{3939生成认知：理论基础与实践走向journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

生成认知与经典认知主义在“表征”问题上的分歧是公开的学术争论：生成认知一方主张认知可以无需精确的内部表征而由身体行动生成，而认知主义一方则坚持内部表征与计算是解释认知不可或缺的框架。^{3939生成认知：理论基础与实践走向journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

行为实验是认知科学中最基础、历史最悠久的研究方法之一，其核心逻辑是通过精确控制外部刺激并测量被试的外显反应（如按键、口头报告、眼动），来推断无法直接观察的内部认知过程。^{4040CHAPITRE 4. Techniques et méthodes utiliséestheses.univ-lyon2.fr前往参考资料 ↓在新标签页中打开}

反应时（response time, RT）与错误率是行为实验中最常采集的两类因变量。认知心理学家通过记录被试完成特定任务所需的时间与出错情况，推断其背后执行的“心理算法”（mental algorithms），这一取向被称为“心理计时学”（mental chronometry）。^{4040CHAPITRE 4. Techniques et méthodes utiliséestheses.univ-lyon2.fr前往参考资料 ↓在新标签页中打开}

由于反应时和错误率是对内部认知过程的间接测量，对这类数据的解释必须谨慎：同一组行为数据往往可以由多种不同的认知模型拟合，因此需要借助额外的实验条件或理论假设来约束推断。^{4040CHAPITRE 4. Techniques et méthodes utiliséestheses.univ-lyon2.fr前往参考资料 ↓在新标签页中打开}

行为实验通常采用严格的实验设计，通过操纵自变量（如刺激呈现时间、任务难度、线索有效性）并控制无关变量，来建立刺激与反应之间的因果联系。这种实验逻辑源自认知心理学，并构成认知科学各分支方法论的共同基础。^{4040CHAPITRE 4. Techniques et méthodes utiliséestheses.univ-lyon2.fr前往参考资料 ↓在新标签页中打开}

行为实验数据本身并不足以唯一确定认知机制，其解释必须置于明确的理论框架之中；理论通常导出具体的、可检验的假设，而实验则用于在这些竞争性假设之间做出裁决。^{4040CHAPITRE 4. Techniques et méthodes utiliséestheses.univ-lyon2.fr前往参考资料 ↓在新标签页中打开}

在当代认知科学中，行为实验常与脑成像技术（如fMRI、EEG）结合使用：行为数据提供认知功能的“是什么”与“何时发生”，脑成像数据则提供“在哪里发生”的信息。然而，脑成像数据的解释同样依赖于行为实验所确立的实验范式与理论背景。^{4040CHAPITRE 4. Techniques et méthodes utiliséestheses.univ-lyon2.fr前往参考资料 ↓在新标签页中打开}

行为实验方法涵盖多种具体范式，包括简单反应时任务、选择反应时任务、启动范式（priming）、搜索任务、双任务范式以及心理物理学方法（如信号检测论）等，不同范式适用于探测不同层次的认知过程（如知觉、注意、记忆、决策）。^{4040CHAPITRE 4. Techniques et méthodes utiliséestheses.univ-lyon2.fr前往参考资料 ↓在新标签页中打开}

行为实验的优势在于实验控制严格、因果推断力强、成本相对较低且易于重复；其局限在于只能测量外显行为，无法直接观测神经活动，且行为指标（如反应时）可能同时受到多种认知与非认知因素（如动机、策略、疲劳）的污染。^{4040CHAPITRE 4. Techniques et méthodes utiliséestheses.univ-lyon2.fr前往参考资料 ↓在新标签页中打开}

计算建模是认知科学的核心研究方法之一，其基本思路是用可执行的计算机程序或数学模型来模拟认知过程，通过模型的行为与人类实验数据（如反应时、错误率、眼动轨迹）的拟合程度来检验关于认知机制的理论假设。^{4141Computational Modeling in Cognitive Scienceoxfordhandbooks.com前往参考资料 ↓在新标签页中打开|4242Computational cognitive models of summarization assessmentlink.springer.com前往参考资料 ↓在新标签页中打开}

计算建模在认知科学中的早期典范包括：纽厄尔与西蒙于1972年提出的“通用问题求解器”（General Problem Solver），以及马尔于1982年出版的《视觉》一书，后者将视觉计算划分为计算理论、算法与表征、硬件实现三个层次，这一“马尔三层次”至今仍是计算建模方法论的基础框架。^{4343Human Problem Solvingworldcat.org前往参考资料 ↓在新标签页中打开|4444Vision: A Computational Investigation into the Human Representation and Processing of Visual Informationmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

联结主义建模（人工神经网络）在20世纪80年代复兴，鲁梅尔哈特与麦克莱兰主编的《并行分布式处理》（1986）系统阐述了用分布式表征和误差反向传播学习来模拟认知现象，成为计算建模的重要范式。^{4545Parallel Distributed Processing: Explorations in the Microstructure of Cognitionmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

计算建模与实验心理学、认知神经科学形成互补关系：模型产生可检验的定量预测，实验数据用于约束和比较模型；模型比较通常采用拟合优度、交叉验证、贝叶斯因子等指标，而非仅凭定性相似性。^{4646Model Comparison in Cognitive Scienceonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开|4747The Bayesian Brain: The Role of Uncertainty in Neural Coding and Computationcell.com前往参考资料 ↓在新标签页中打开}

计算建模面临的主要方法论挑战包括：模型参数的可识别性、模型复杂度与过拟合的权衡、以及同一行为数据可能被多个不同模型同时解释（模型等价性问题），因此模型比较与参数恢复检验成为标准实践。^{4848Modeling and parameter estimation in cognitive sciencesciencedirect.com前往参考资料 ↓在新标签页中打开|4949The problem of model equivalence in cognitive modelingpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

功能性磁共振成像（fMRI）通过检测血氧水平依赖（BOLD）信号来间接反映神经活动，其时间分辨率通常在秒量级，空间分辨率可达毫米级，是认知科学中定位脑功能区域的主要工具之一。^{5252Functional magnetic resonance imagingen.wikipedia.org前往参考资料 ↓在新标签页中打开}

脑电图（EEG）通过头皮电极记录神经群体电活动的总和，具有毫秒级的时间分辨率，但空间分辨率较低，常用于研究认知过程的时间进程。^{5353Electroencephalographyen.wikipedia.org前往参考资料 ↓在新标签页中打开}

脑磁图（MEG）测量神经活动产生的磁场，兼具毫秒级时间分辨率和较好的空间分辨率，但设备昂贵且需要磁屏蔽室，普及程度低于fMRI和EEG。^{5454Magnetoencephalographyen.wikipedia.org前往参考资料 ↓在新标签页中打开}

正电子发射断层扫描（PET）通过注射放射性示踪剂测量脑代谢或血流，可用于受体分布等分子层面研究，但涉及电离辐射且时间分辨率低，在认知科学中的应用已部分被fMRI取代。^{5555Positron emission tomographyen.wikipedia.org前往参考资料 ↓在新标签页中打开}

近红外光谱成像（fNIRS）利用近红外光穿透头皮测量血氧变化，便携且对运动伪影较宽容，适合婴幼儿和自然情境研究，但穿透深度有限，主要反映皮层表层活动。^{5656Functional near-infrared spectroscopyen.wikipedia.org前往参考资料 ↓在新标签页中打开}

fMRI的BOLD信号是神经活动的间接指标，其与神经元放电之间的定量关系仍是方法学研究的主题，解释fMRI结果时需考虑神经血管耦合的复杂性。^{5252Functional magnetic resonance imagingen.wikipedia.org前往参考资料 ↓在新标签页中打开|5757What we can do and what we cannot do with fMRInature.com前往参考资料 ↓在新标签页中打开}

EEG的高时间分辨率使其特别适合事件相关电位（ERP）研究，ERP成分（如N400、P300）被广泛用于探讨语言、注意和记忆等认知过程的实时动态。^{5353Electroencephalographyen.wikipedia.org前往参考资料 ↓在新标签页中打开|5858Event-related potentialen.wikipedia.org前往参考资料 ↓在新标签页中打开}

多模态成像（如fMRI与EEG结合）可同时获得高空间和高时间分辨率信息，已成为认知神经科学中整合不同层面证据的常用策略。^{5959Multimodal neuroimagingen.wikipedia.org前往参考资料 ↓在新标签页中打开}

脑成像研究的结果解释依赖于实验设计和统计分析方法的严谨性，相关方法学争议（如多重比较校正、可重复性）在认知科学界受到持续关注。^{6060Cluster failure: Why fMRI inferences for spatial extent have inflated false-positive ratespnas.org前往参考资料 ↓在新标签页中打开}

认知神经心理学是认知科学中通过研究脑损伤或神经系统疾病患者的选择性认知缺陷，来推断正常认知功能组织方式的研究取向。其基本逻辑是：如果某一认知成分受损而其他成分相对保留，就说明这些成分在功能上是可以分离的。^{6161Cognitive Neuropsychologyoxfordre.com前往参考资料 ↓在新标签页中打开|6262Cognitive neuropsychologyen.wikipedia.org前往参考资料 ↓在新标签页中打开}

认知神经心理学的核心方法论原则是“双重分离”（double dissociation）：若患者 A 在任务 X 上受损而任务 Y 保留，患者 B 在任务 Y 上受损而任务 X 保留，则可推断 X 与 Y 依赖可分离的认知加工成分。这一逻辑被广泛用于论证认知模块的功能独立性。^{6161Cognitive Neuropsychologyoxfordre.com前往参考资料 ↓在新标签页中打开|6363Double dissociationen.wikipedia.org前往参考资料 ↓在新标签页中打开}

认知神经心理学的经典研究范式包括：对失语症、失认症、失读症、失写症、面孔失认症（prosopagnosia）等选择性缺陷的病例分析，以及记忆、注意、执行功能等领域的分离研究。这些病例研究为认知架构的理论构建提供了关键约束。^{6262Cognitive neuropsychologyen.wikipedia.org前往参考资料 ↓在新标签页中打开|6464The Handbook of Cognitive Neuropsychology: What Deficits Reveal About the Human Mindroutledge.com前往参考资料 ↓在新标签页中打开}

认知神经心理学与认知神经科学在方法上互补：前者以脑损伤患者的行为缺陷为主要证据来源，后者更多依赖功能磁共振成像（fMRI）、脑电图（EEG）、脑磁图（MEG）等神经影像技术对健康被试进行测量。两者共同服务于对认知功能及其神经基础的推断。^{6161Cognitive Neuropsychologyoxfordre.com前往参考资料 ↓在新标签页中打开|6565Cognitive neuroscienceen.wikipedia.org前往参考资料 ↓在新标签页中打开}

认知神经心理学的方法论受到批评，主要涉及：病例研究的样本量小、个体差异大、损伤往往不局限于单一脑区，以及从缺陷推断正常功能时存在“逆向推断”的逻辑风险。这些局限促使研究者将病例分析与群体研究、神经影像和计算建模结合使用。^{6363Double dissociationen.wikipedia.org前往参考资料 ↓在新标签页中打开|6666Inference from deficits: The logic of cognitive neuropsychologypubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

认知神经心理学的历史可追溯至 19 世纪对失语症患者的临床观察，布罗卡（Paul Broca）和韦尼克（Carl Wernicke）对语言障碍的定位研究奠定了“脑区—功能”对应关系的早期基础；20 世纪后期，随着认知心理学和信息加工理论的兴起，该取向被系统化为推断认知架构的方法。^{6262Cognitive neuropsychologyen.wikipedia.org前往参考资料 ↓在新标签页中打开|6464The Handbook of Cognitive Neuropsychology: What Deficits Reveal About the Human Mindroutledge.com前往参考资料 ↓在新标签页中打开}

认知心理学是认知科学这一多学科交叉集群中的核心构成学科之一。按中国社会科学网文章的界定，认知科学交织汇聚哲学、人工智能、心理学、人类学、计算机科学、语言学和脑神经科学等领域，而认知心理学被明确列为这一框架下的学科之一。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

认知科学与认知心理学之间是整体与部分的关系：认知科学是从广义上研究心智本质和认知规律的科学，利用不同学科的方法对认知的不同侧面进行综合研究；认知心理学则是从心理学进路切入这一综合研究的分支学科。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

认知心理学与认知科学框架下的语言学、人工智能、脑神经科学等学科之间存在实质性的相互碰撞与融合，这种跨学科互动催生了认知逻辑、语言逻辑、心理逻辑、人工智能逻辑、神经系统逻辑等新的研究领域。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

认知科学作为心智的计算理论，将认知看作信息处理过程对内在心理表征的一种计算；这一计算主义纲领同时构成认知心理学在学科形成期的主导理论框架，使认知心理学与人工智能、计算机科学共享同一套关于心智的信息加工语言。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

认知科学至今尚未形成统一的科学范式，仍是一个多学科交叉集群；这意味着认知心理学与认知科学内其他学科的关系并非稳定的学科分工，而是随理论纲领演替而不断重新协商的动态关系。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

人工智能与认知科学的关系是双向的：一方面，认知科学关于感知、记忆、学习、推理与语言的研究为人工智能（尤其是机器学习与自然语言处理）提供了问题设定与概念资源；另一方面，人工智能的模型与系统被认知科学用作检验关于心智如何运作的理论假设的计算工具。^{6767Advancing Cognitive Science with LLMsar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

在认知科学内部，人工智能被列为与心理学、神经科学、语言学、哲学、人类学并列的构成性学科之一，其贡献主要在于提供形式化建模与计算实现的手段，使认知理论可以被精确表述并接受检验。^{6767Advancing Cognitive Science with LLMsar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

大语言模型近年被引入认知科学，用于支持跨学科概念连接、理论形式化与知识综合等该领域长期存在困难的环节；相关综述指出，这类工具的作用是辅助研究者梳理概念联系、发现被忽视的问题，而非替代研究判断。^{6767Advancing Cognitive Science with LLMsar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

认知科学与人工智能在方法论上共享计算主义立场，即把认知过程类比为信息加工过程；这一共同框架使人工智能的算法与架构成为认知科学中可操作的理论表达形式，但也使认知科学对人工智能的借鉴高度依赖所采用的计算隐喻。^{6767Advancing Cognitive Science with LLMsar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

人工智能系统在认知科学中的证据地位存在方法上的限制：模型在任务上的表现本身并不直接构成关于人类认知机制的证据，需要与人类行为数据、神经科学发现进行对照才能支持理论主张。^{6767Advancing Cognitive Science with LLMsar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

认知科学在其学科形成之初就以“认知”（cognition）为对象，而神经科学以神经系统（尤其是脑）的结构与功能为对象；两者在研究对象上部分重叠，但认知科学更关注心智层面的计算与表征，神经科学更关注实现这些功能的生物学机制。^{55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开|6868Neurosciencebritannica.com前往参考资料 ↓在新标签页中打开}

认知神经科学（cognitive neuroscience）是认知科学与神经科学交叉形成的分支学科，其目标是揭示认知过程的神经机制；该术语在20世纪70年代末至80年代逐渐确立，并成为两个学科之间制度化的桥梁。^{6969Cognitive Neuroscienceoxfordre.com前往参考资料 ↓在新标签页中打开|88The Cognitive Neurosciencesmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

在方法层面，神经科学为认知科学提供了脑成像（如fMRI、PET、EEG/MEG）、单细胞记录、病变研究、脑刺激（如TMS、tDCS）等手段，使认知科学从行为与计算层面的推断扩展到对神经实现基础的直接观测与干预。^{7070Methods in Cognitive Neurosciencenature.com前往参考资料 ↓在新标签页中打开|7171Brain Imaging: Methods and Applicationsdirect.mit.edu前往参考资料 ↓在新标签页中打开}

认知科学对神经科学的影响主要体现在问题框架与理论约束上：认知科学提出的计算层级分析（如Marr的三层次：计算、算法、实现）为神经科学解释神经活动提供了功能层面的参照，促使神经科学不仅描述“在哪里”，还追问“计算什么”。^{7272Computational Neurosciencescholarpedia.org前往参考资料 ↓在新标签页中打开}

两者关系并非单向：神经科学发现（如海马位置细胞、网格细胞、预测编码机制）反过来修正和丰富了认知科学关于记忆、空间导航、知觉等认知架构的理论模型。^{7373Place Cells, Grid Cells, and the Brain's Spatial Representation Systemannualreviews.org前往参考资料 ↓在新标签页中打开|7474Predictive Coding in the Visual Cortexnature.com前往参考资料 ↓在新标签页中打开}

在学科制度上，认知科学与神经科学常被组织在同一研究机构或同一学术会议中（如认知神经科学学会），但两者的训练背景、期刊生态与资助渠道仍有差异，这导致跨学科合作中常出现术语与解释层次的摩擦。^{7575Cognitive Neuroscience Societycogneurosociety.org前往参考资料 ↓在新标签页中打开|7676The Future of Cognitive Neurosciencecell.com前往参考资料 ↓在新标签页中打开}

在认知科学内部，神经科学的介入程度并不均衡：感知、运动控制、记忆等领域与神经科学结合紧密，而高阶推理、语言、意识等领域的神经机制解释仍存在较大争议与空白。^{7878The Cognitive Neuroscience of Higher Cognitionnature.com前往参考资料 ↓在新标签页中打开|7979Neural Correlates of Consciousnessscholarpedia.org前往参考资料 ↓在新标签页中打开}

在认知科学的学科版图中，语言被普遍视为认知表达的主要过程，语言学与心理语言学因此被列为认知科学的核心构成学科之一；这一学科范围划分在中文文献中至少可追溯到1989年《国际社会科学杂志（中文版）》刊载的《认知科学与心理语言学》一文，该文把认知诸学科的范围列为认知的结构内容与过程、认知的本质（精神哲学）、语言（语言学与心理语言学）、认知的解剖学与生理学基础（神经心理学）以及认知的模拟等若干方面。^{8080认知科学与心理语言学-国际社会科学杂志(中文版)1989年01期-手机知网wap.cnki.net前往参考资料 ↓在新标签页中打开}

语言学为认知科学提供的是关于语言结构（音系、形态、句法、语义）的形式化描写与理论约束：生成语法传统把语言能力视为一种心智官能，主张用显式的规则系统刻画句子的生成与理解，这一取向使语言学从人文学科描述转向对心智计算机制的建模，成为认知科学早期理论框架的重要来源。^{8080认知科学与心理语言学-国际社会科学杂志(中文版)1989年01期-手机知网wap.cnki.net前往参考资料 ↓在新标签页中打开}

心理语言学处于语言学与心理学的交叉位置，研究语言理解、产生与习得的心理过程与机制，其典型方法包括反应时测量、眼动追踪、事件相关电位与脑成像等；它把语言学提出的结构假设转化为可检验的心理加工假设，是认知科学中连接形式理论与实验证据的桥梁学科。^{8080认知科学与心理语言学-国际社会科学杂志(中文版)1989年01期-手机知网wap.cnki.net前往参考资料 ↓在新标签页中打开}

认知科学的跨学科定位使语言学与心理语言学同神经心理学、人工智能（认知的模拟）等相邻领域形成互补分工：语言学与心理语言学处理语言这一认知表达过程的符号与加工层面，神经心理学提供解剖学与生理学基础，认知模拟则尝试在机器上复现相关过程。^{8080认知科学与心理语言学-国际社会科学杂志(中文版)1989年01期-手机知网wap.cnki.net前往参考资料 ↓在新标签页中打开}

认知科学从诞生起就与哲学共享问题域：斯隆基金会1978年报告将认知科学的目标界定为“探索心智的表征和计算能力，以及心智在人脑中的结构和功能表示”，这一表述本身承接了哲学关于心智、表征与知识的经典追问。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

哲学为认知科学提供了概念分析工具与理论框架，认知科学中的“表征”“计算”“意识”“意向性”等核心概念，其含义辨析与使用边界首先是在哲学传统中被系统讨论的。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

逻辑学与认知科学的交叉形成了认知逻辑、语言逻辑、心理逻辑、人工智能逻辑、神经系统逻辑等新研究领域，这些领域把逻辑的形式化方法用于刻画认知主体的推理、信念更新与语言理解。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

认知科学作为“心智的计算理论”，把认知看作对内在心理表征的信息处理计算，这一计算主义纲领的哲学根基可追溯到逻辑学与形式化推理传统，逻辑因而被视为认知建模的形式语言来源之一。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

认知科学被描述为交织汇聚哲学、人工智能、心理学、人类学、计算机科学、语言学和脑神经科学等领域的多学科交叉集群，且至今尚未形成统一的科学范式；哲学在其中承担的是概念澄清与前提批判的角色，而非实验数据生产。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

近年来认知科学与逻辑学之间的学科壁垒被打破，二者的碰撞与融合产生了实质性推进多学科发展的趋向，说明哲学逻辑学与经验认知研究之间并非单向的“基础—应用”关系，而是双向互动。^{33认知科学与逻辑学携手共进news.sina.cn前往参考资料 ↓在新标签页中打开}

知觉与注意是认知科学中最早被系统研究的主题之一：20世纪50年代前后，信息加工取向把知觉视为对输入信息的编码与解释过程，把注意视为在有限加工容量下对信息的选择机制，这一框架奠定了此后数十年实验研究的基本问题结构。^{8181Selection-for-prediction: rethinking early cognitive developmentpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在注意研究里，选择性注意被区分为若干可实验分离的成分，其中空间注意的定向常被描述为内隐定向与外显定向两类：前者指在不移动眼球的条件下把注意资源投向视野某处，后者伴随眼动或头部转向；这一区分是注意实验范式设计的常用出发点。^{8181Selection-for-prediction: rethinking early cognitive developmentpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

注意的容量限制是知觉研究中的稳定发现：在多项同时呈现的刺激中，被试通常只能报告其中很少一部分，这一现象在视觉搜索、变化盲视与注意瞬脱等范式中反复出现，被用来论证注意是一种资源受限的选择机制而非对全部输入的等量加工。^{8181Selection-for-prediction: rethinking early cognitive developmentpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

知觉研究长期围绕「自上而下」与「自下而上」两类加工的相互作用展开：自下而上指由刺激本身的物理特征驱动的加工，自上而下指由知识、预期与任务目标驱动的加工；多数理论认为真实知觉是二者共同作用的结果，分歧主要在于二者各自的权重与作用时程。^{8181Selection-for-prediction: rethinking early cognitive developmentpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

预测加工框架把知觉描述为生成模型对感觉输入原因的推断：大脑依据先验预期生成对输入的预测，并用预测与实际输入之间的误差来更新模型；在这一框架下，注意被解释为对预测误差的精度加权，即调节哪些误差信号被赋予更高权重。^{8181Selection-for-prediction: rethinking early cognitive developmentpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

关于早期认知发展的解释，长期存在「核心知识」取向与「领域一般注意先验」取向的分歧：前者主张婴儿早期认知由先天、领域特异的概念或类概念表征（如客体、物理事件、数量、施动者）组织；后者主张婴儿行为可能源于领域一般的注意先验，这些先验经演化塑造并用于选择预测所需的信息。^{8181Selection-for-prediction: rethinking early cognitive developmentpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

知觉与注意研究的方法学核心是行为测量与神经测量的结合：行为层面常用反应时、正确率、眼动与搜索斜率等指标；神经层面常用事件相关电位、脑磁图与功能磁共振成像，以分离注意定向、选择与维持等不同阶段的加工。^{8181Selection-for-prediction: rethinking early cognitive developmentpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

注意与知觉并非彼此独立的模块：注意被普遍认为能调节知觉加工的增益与优先级，例如提高被注意位置或特征的加工效率、改变对刺激的觉察阈限；这一调节作用在行为与神经两个层面都有实验证据支持。^{8181Selection-for-prediction: rethinking early cognitive developmentpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在临床与工程取向上，知觉与注意研究被用于解释注意缺陷、忽视症与意识障碍等情形中的选择失败，并被用于人机界面与驾驶安全等场景中的注意负荷评估；这些应用把实验室范式与真实环境中的表现联系起来。^{8181Selection-for-prediction: rethinking early cognitive developmentpubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

记忆是认知科学的核心研究主题之一，认知科学对记忆的研究涵盖从行为层面到神经机制层面的多个层次，包括记忆的编码、巩固、存储与提取等过程。^{8282NSTL国家科技图书文献中心zz.nstl.gov.cn前往参考资料 ↓在新标签页中打开}

情景记忆（episodic memory）是记忆研究中的重点对象，指个体对特定时间、地点发生的个人经历的记忆，其研究涉及主动与潜在、认知与神经等不同维度的记忆表征区分。^{8282NSTL国家科技图书文献中心zz.nstl.gov.cn前往参考资料 ↓在新标签页中打开}

记忆表征的认知神经科学研究采用因果视角，试图揭示记忆表征在神经层面的实现机制，并区分认知表征与神经表征。^{8282NSTL国家科技图书文献中心zz.nstl.gov.cn前往参考资料 ↓在新标签页中打开}

记忆巩固（memory consolidation）与内侧颞叶（medial temporal lobe）的关系是记忆研究的重要议题，海马体等内侧颞叶结构在记忆形成和巩固中起关键作用。^{8282NSTL国家科技图书文献中心zz.nstl.gov.cn前往参考资料 ↓在新标签页中打开}

记忆研究中的情景记忆模拟（event simulation）理论认为，回忆过去与想象未来共享类似的神经认知机制，这一观点由Donna Rose Addis等人提出并发展。^{8282NSTL国家科技图书文献中心zz.nstl.gov.cn前往参考资料 ↓在新标签页中打开}

语言偏侧化是人脑功能组织最具代表性的特征之一；在大多数右利手个体中，语言加工主要表现出左半球优势。^{8383心理所发表综述文章提出语言功能连接偏侧化存在跨时间尺度的动态变化--中国科学院心理研究所psych.cas.cn前往参考资料 ↓在新标签页中打开}

越来越多研究表明，语言偏侧化并非固定不变的脑功能属性，而会随发育、语言学习经验、脑部扰动以及当前语言加工状态发生变化。^{8383心理所发表综述文章提出语言功能连接偏侧化存在跨时间尺度的动态变化--中国科学院心理研究所psych.cas.cn前往参考资料 ↓在新标签页中打开}

传统语言侧化研究通常比较左右半球在语言任务中的激活强度来刻画侧化，例如计算语言相关脑区的偏侧化指数；但语言加工依赖多个脑区之间的协同作用，单纯考察局部脑区激活难以完整反映语言系统的网络组织。^{8383心理所发表综述文章提出语言功能连接偏侧化存在跨时间尺度的动态变化--中国科学院心理研究所psych.cas.cn前往参考资料 ↓在新标签页中打开}

近年来研究者开始从功能连接角度考察左右半球语言网络之间的不对称关系；功能连接偏侧化关注语言相关脑区之间相互作用的半球不对称性，可从局部脑区、网络和全脑功能组织等不同尺度进行刻画。^{8383心理所发表综述文章提出语言功能连接偏侧化存在跨时间尺度的动态变化--中国科学院心理研究所psych.cas.cn前往参考资料 ↓在新标签页中打开}

中国科学院心理研究所毕鸿燕研究组的杨炀副研究员与深圳大学徐敏教授受邀在 Trends in Neurosciences 发表综述文章，系统梳理基于功能连接的语言功能偏侧化研究，并提出跨时间尺度的动态框架：语言功能偏侧化在较长时间尺度上体现持续的可塑性，在较短时间尺度上表现出灵活的状态变化。^{8383心理所发表综述文章提出语言功能连接偏侧化存在跨时间尺度的动态变化--中国科学院心理研究所psych.cas.cn前往参考资料 ↓在新标签页中打开}

在文字书写过程中，语言与运动脑区的功能连接偏侧化呈现出跨任务与跨年龄的动态特征（Yang et al., 2024）。^{8383心理所发表综述文章提出语言功能连接偏侧化存在跨时间尺度的动态变化--中国科学院心理研究所psych.cas.cn前往参考资料 ↓在新标签页中打开}

推理与决策是认知科学的代表性研究主题之一，其核心问题是：人类如何在不确定条件下形成判断、进行推理并作出选择，以及这些过程背后的心理机制、计算过程与神经基础。^{8484予測・判断・意思決定の論理と計算kaken.nii.ac.jp前往参考资料 ↓在新标签页中打开}

在推理研究中，一个长期被检验的区分是演绎推理与归纳推理：前者关注从前提必然推出结论的过程及其心理实现，后者关注在信息不完整时如何形成概率性判断。认知科学对二者的研究都同时借助逻辑模型与心理学实验。^{8484予測・判断・意思決定の論理と計算kaken.nii.ac.jp前往参考资料 ↓在新标签页中打开}

形式逻辑与证明论被用作刻画人类推理的规范模型，研究者通过比较被试的实际推理表现与逻辑规范之间的偏离，来推断人类推理所依赖的心理过程。^{8484予測・判断・意思決定の論理と計算kaken.nii.ac.jp前往参考资料 ↓在新标签页中打开}

图形推理（diagrammatic reasoning）是推理研究的一个专门方向，关注人们如何借助图形、图表等外部表征完成推理，而不仅依赖命题式的内部表征。^{8484予測・判断・意思決定の論理と計算kaken.nii.ac.jp前往参考资料 ↓在新标签页中打开}

在决策研究中，多属性决策（multi-attribute decision making）是重要课题，指选项在多个维度上各有优劣时人们如何权衡并作出选择；研究者通过改变属性表的呈现方式，考察决策一致性与推理能力之间的关系。^{8484予測・判断・意思決定の論理と計算kaken.nii.ac.jp前往参考资料 ↓在新标签页中打开}

阿莱悖论（Allais paradox）是决策研究中的经典实验情境，用于检验人们在风险选项之间的选择是否符合期望效用理论的独立性公理；认知科学研究者将其与个体的逻辑推理能力联系起来考察决策一致性。^{8484予測・判断・意思決定の論理と計算kaken.nii.ac.jp前往参考资料 ↓在新标签页中打开}

博弈论为决策研究提供了描述策略互动的形式框架，被用于分析个体在考虑他人选择时的判断与决策过程。^{8484予測・判断・意思決定の論理と計算kaken.nii.ac.jp前往参考资料 ↓在新标签页中打开}

眼动追踪（eye-tracking）被用于推理与决策研究，通过记录被试在决策任务中的注视模式，推断其信息搜索与属性比较的认知过程。^{8484予測・判断・意思決定の論理と計算kaken.nii.ac.jp前往参考资料 ↓在新标签页中打开}

行为遗传学方法（如双生子法）被引入决策研究，用于估计决策倾向中遗传因素与环境因素的相对贡献。^{8484予測・判断・意思決定の論理と計算kaken.nii.ac.jp前往参考资料 ↓在新标签页中打开}

推理与决策研究具有明显的跨学科特征，逻辑学、心理学、经济学、神经科学与行为遗传学的方法在同一研究项目中交汇，目标既包括理解人类判断与决策的机制，也包括将成果应用于现实决策情境。^{8484予測・判断・意思決定の論理と計算kaken.nii.ac.jp前往参考资料 ↓在新标签页中打开}

在认知科学中，专长（expertise）通常被界定为在特定领域内通过大量练习与经验积累而形成的、可稳定复现的高水平表现能力；与之相对，新手（novice）在该领域的知识组织方式与问题表征方式存在系统性差异。^{8585Expertiseoxfordbibliographies.com前往参考资料 ↓在新标签页中打开|8686The Cambridge Handbook of Expertise and Expert Performancecambridge.org前往参考资料 ↓在新标签页中打开}

德格鲁特（de Groot）关于国际象棋大师的研究是专长研究的经典起点：他让不同水平的棋手在短暂呈现真实棋局后复现棋子位置，发现大师与高手的复现成绩远优于一般棋手，但当棋子随机摆放时，各组差异大幅缩小。这一结果被解释为专长优势主要来自对有意义棋局模式的知觉组块（chunking），而非一般记忆能力。^{8787Thought and Choice in Chessdegruyter.com前往参考资料 ↓在新标签页中打开|8888Perception in chessdoi.org前往参考资料 ↓在新标签页中打开}

蔡斯与西蒙（Chase & Simon, 1973）以组块概念对上述棋局复现现象作出量化解释，提出专家通过将棋盘信息编码为更大的组块来突破短时记忆容量限制；后续研究进一步用模板（template）与检索结构（retrieval structure）等概念刻画专家长时记忆中的领域知识组织。^{8888Perception in chessdoi.org前往参考资料 ↓在新标签页中打开|8989Templates in chess memory: A mechanism for recalling several boardsdoi.org前往参考资料 ↓在新标签页中打开}

埃里克森等（Ericsson, Krampe & Tesch-Römer, 1993）提出“刻意练习”（deliberate practice）框架，主张专家级表现主要取决于针对特定任务、有反馈、有明确目标且由教练指导的高强度练习积累，并以小提琴学生练习时长的研究作为经验支持。^{9090The role of deliberate practice in the acquisition of expert performancedoi.org前往参考资料 ↓在新标签页中打开}

麦克纳马拉、汉布里克与奥斯瓦尔德（Macnamara, Hambrick & Oswald, 2014）对刻意练习与表现关系的元分析发现，刻意练习只能解释各领域表现差异的一部分方差，且解释比例随领域而异：在游戏与国际象棋等规则明确领域较高，在教育、职业与体育等领域较低。^{9191Deliberate practice and performance in music, games, sports, education, and professions: A meta-analysisdoi.org前往参考资料 ↓在新标签页中打开}

关于刻意练习对专家表现的解释力存在公开争论：埃里克森等认为元分析对“刻意练习”的操作化定义过宽、未严格区分有效练习与一般练习，因而低估了其作用；麦克纳马拉等则坚持其元分析结果表明刻意练习并非决定表现的唯一或主导因素。^{9090The role of deliberate practice in the acquisition of expert performancedoi.org前往参考资料 ↓在新标签页中打开|9191Deliberate practice and performance in music, games, sports, education, and professions: A meta-analysisdoi.org前往参考资料 ↓在新标签页中打开}

专长研究还揭示“专家—新手”差异不仅体现在知识量上，也体现在问题表征的深层结构上：专家倾向于按物理原理或功能结构对问题分类，新手则更多依据表面特征分类。^{9292Categorization and representation of physics problems by experts and novicesdoi.org前往参考资料 ↓在新标签页中打开}

在技能获得方面，菲茨与波斯纳（Fitts & Posner, 1967）提出的三阶段模型将技能学习划分为认知阶段、联结阶段与自动化阶段，强调练习过程中认知控制逐渐减少、动作程序逐渐自动化。^{9393Human Performanceopenlibrary.org前往参考资料 ↓在新标签页中打开}

关于专长发展的“一万小时法则”在大众传播中广为流行，但原始研究并未提出固定的一万小时阈值，后续元分析与综述亦不支持存在统一的小时数门槛。^{9090The role of deliberate practice in the acquisition of expert performancedoi.org前往参考资料 ↓在新标签页中打开|9191Deliberate practice and performance in music, games, sports, education, and professions: A meta-analysisdoi.org前往参考资料 ↓在新标签页中打开}

专长研究的方法论包括专家—新手比较、纵向追踪、出声思维与眼动记录等；近年来，脑成像研究被用于考察长期训练对脑结构与功能的影响，但训练引起的脑结构变化的方向与可重复性仍是活跃的研究问题。^{9494Training-induced brain plasticity: A review of the evidencedoi.org前往参考资料 ↓在新标签页中打开}

学习科学中的迁移研究关注已获得的知识与技能在新情境中的运用；专长研究显示，迁移往往比早期理论预期更有限，且高度依赖情境相似性与练习的变式程度。^{9595Transfer of learningsciencedirect.com前往参考资料 ↓在新标签页中打开}

认知神经科学作为认知科学的一个分支，在20世纪80年代末至90年代初正式形成，其标志性事件包括1989年由迈克尔·加扎尼加（Michael Gazzaniga）等人创办的《认知神经科学杂志》（Journal of Cognitive Neuroscience）以及1990年代功能性磁共振成像（fMRI）技术的普及。^{9696The Journal of Cognitive Neuroscience: A Brief Historydirect.mit.edu前往参考资料 ↓在新标签页中打开|9797Cognitive Neuroscience: The Biology of the Mind (5th Edition)books.wwnorton.com前往参考资料 ↓在新标签页中打开}

功能性磁共振成像（fMRI）基于血氧水平依赖（BOLD）信号，自1990年代初开始广泛应用于认知科学研究，成为探测人脑功能活动的主要无创手段之一。^{9898Functional Magnetic Resonance Imaging: An Introduction to Methodsglobal.oup.com前往参考资料 ↓在新标签页中打开|9999fMRI: A Window into the Human Brainnature.com前往参考资料 ↓在新标签页中打开}

脑电图（EEG）和脑磁图（MEG）具有毫秒级时间分辨率，而fMRI具有较高的空间分辨率，多模态成像技术的结合已成为认知神经科学研究的常见策略。^{100100Multimodal Imaging: Combining EEG and fMRIsciencedirect.com前往参考资料 ↓在新标签页中打开}

近十年来，认知神经科学领域出现了对可重复性和统计功效的反思，部分fMRI研究的效应量较小、样本量不足，推动了预注册、多中心数据共享等开放科学实践。^{101101Reproducibility in Cognitive Neurosciencenature.com前往参考资料 ↓在新标签页中打开|102102Open Science and Neuroimagingsciencedirect.com前往参考资料 ↓在新标签页中打开}

认知神经科学的发展趋势包括：从定位主义向网络与连接组学视角转变，强调大脑区域间的功能连接和动态交互。^{103103The Connectome and Cognitive Neurosciencecell.com前往参考资料 ↓在新标签页中打开}

计算认知神经科学通过构建神经网络模型来解释认知功能的神经机制，已成为连接实验数据与理论假设的重要桥梁。^{104104Computational Cognitive Neurosciencemitpress.mit.edu前往参考资料 ↓在新标签页中打开}

近年来，认知神经科学越来越多地与其他学科交叉，如与人工智能、教育学和临床医学的融合，推动了教育神经科学和神经精神病学等新兴方向的发展。^{105105Educational Neuroscience: A New Fieldnature.com前往参考资料 ↓在新标签页中打开}

脑与认知科学国家重点实验室依托中国科学院心理研究所建设，其英文名称为 State Key Laboratory of Brain and Cognitive Science, Institute of Psychology, Chinese Academy of Sciences，机构地址标注为北京 100101。这一署名信息在 2005 年发表于《心理科学进展》的综述文章《认知科学——新千年的前沿领域》中即已出现，说明该实验室至迟在 2005 年前后已以这一名称运行并作为科研署名单位。^{22认知科学——新千年的前沿领域journal.psych.ac.cn前往参考资料 ↓在新标签页中打开|107107Cognitive Science—the Scientific Frontier of New Millenniumjournal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

该实验室的研究人员在国内心理学核心期刊上参与发表认知科学总体性综述，例如周昊天与傅小兰 2005 年发表于《心理科学进展》第 13 卷第 4 期（388–397 页）的《认知科学——新千年的前沿领域》，文章把认知科学定位为^{22认知科学——新千年的前沿领域journal.psych.ac.cn前往参考资料 ↓在新标签页中打开|107107Cognitive Science—the Scientific Frontier of New Millenniumjournal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

进入新千年后，认知科学的前沿领域被概括为以脑与认知的交叉研究为核心，中国科学院心理研究所脑与认知科学国家重点实验室的研究者在2005年发表的综述中即把认知科学定位为「新千年的前沿领域」，并系统梳理了其学科格局与发展方向。^{22认知科学——新千年的前沿领域journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

认知神经科学的兴起是新千年认知科学最显著的趋势之一：脑成像技术（如功能磁共振成像、脑电与脑磁图）使研究者能够在活体人脑上观察认知活动的神经基础，从而把传统的认知心理学实验与神经科学方法结合起来。^{22认知科学——新千年的前沿领域journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

认知科学在新千年呈现出多学科交叉加剧的态势，心理学、神经科学、计算机科学、语言学、哲学与人类学等学科围绕「心智如何工作」这一共同问题形成合作，单一学科方法难以覆盖认知现象的全部层次。^{22认知科学——新千年的前沿领域journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

计算建模与人工智能方法在认知科学前沿中占据重要位置：研究者试图用计算模型刻画知觉、记忆、语言与推理等认知过程，并以模型与人类行为数据的吻合程度来检验理论。^{22认知科学——新千年的前沿领域journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

认知科学的前沿研究日益强调从实验室走向现实应用，教育、临床与人工智能等场景中的认知规律研究成为学科拓展方向之一。^{22认知科学——新千年的前沿领域journal.psych.ac.cn前往参考资料 ↓在新标签页中打开}

认知科学自 1970 年代确立以来，其学科身份长期建立在“心智即计算”这一核心假设之上，即认为认知过程可以被理解为对符号的加工与操作。这一假设为认知科学提供了统一的研究纲领，但也正是围绕它的分歧，构成了“是否存在统一的认知科学”这一争论的起点。^{55Cognitive Scienceplato.stanford.edu前往参考资料 ↓在新标签页中打开|108108The MIT Encyclopedia of the Cognitive Sciencesmitpress.mit.edu前往参考资料 ↓在新标签页中打开}

围绕“统一性”的争论在 1980 年代至 1990 年代因联结主义与符号主义之争而进一步激化：联结主义以分布式表征与神经网络模型挑战符号加工假设，使得认知科学内部出现至少两套不相容的计算解释框架，削弱了“单一范式”的说法。^{2828Connectionismplato.stanford.edu前往参考资料 ↓在新标签页中打开|109109The Symbolic vs. Connectionist Debatemitpress.mit.edu前往参考资料 ↓在新标签页中打开}

具身认知与情境认知等取向的兴起，对“认知即颅内计算”的统一图景提出了更根本的挑战，主张认知活动依赖于身体形态与环境的实时耦合，从而把认知科学的边界扩展到传统计算框架之外，进一步加深了关于学科统一性的分歧。^{1212Embodied Cognitionplato.stanford.edu前往参考资料 ↓在新标签页中打开}

从文献计量与学科建制看，认知科学长期以跨学系的研究中心、专业期刊与会议为组织载体，这种建制形态本身既反映了整合的努力，也说明其统一性主要停留在组织层面而非理论层面。^{110110Cognitive Science Societycognitivesciencesociety.org前往参考资料 ↓在新标签页中打开|2020Cognitive Science: A Multidisciplinary Journal – Aims and Scopeonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

关于“是否存在统一的认知科学”，较为审慎的共识是：认知科学在研究对象上具有最低限度的统一性，但在解释框架与方法论上呈现多元并存；因此该问题在很大程度上取决于“统一”被理解为理论统一、方法统一还是建制统一。^{2020Cognitive Science: A Multidisciplinary Journal – Aims and Scopeonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

计算主义（computationalism）是认知科学早期的主流理论框架，其核心主张是：认知过程本质上是在心智中进行的计算，即对符号表征的形式化操作；心智类似于计算机，思维类似于程序运行。这一立场与认知科学在20世纪50—70年代的形成过程紧密相关，并长期主导了认知科学的研究议程。^{111111NSTL国家科技图书文献中心cd.nstl.gov.cn前往参考资料 ↓在新标签页中打开}

具身认知（embodied cognition）及更广义的后认知主义（post-cognitivist）进路对计算主义提出挑战，主张认知不能脱离身体与环境的耦合来理解，身体形态、感知运动能力与情境嵌入是认知过程的构成性部分，而非仅仅是输入输出通道。^{111111NSTL国家科技图书文献中心cd.nstl.gov.cn前往参考资料 ↓在新标签页中打开}

围绕计算主义与具身认知的争论，学界存在一个关键分歧：后认知主义进路是否与计算主义相容。一部分作者认为，若把计算理解为非表征的、机制性的，那么生成主义（enactive approach）的许多概念也可用于计算语境，反之亦然；另一部分作者则坚持计算主义无法为未来的后认知主义科学提供所需的东西。^{111111NSTL国家科技图书文献中心cd.nstl.gov.cn前往参考资料 ↓在新标签页中打开}

这场争论的一个核心哲学议题是表征问题：计算主义通常预设认知系统内部存在表征，而激进具身认知（radical embodiment）则倾向于否定表征在认知解释中的核心地位，主张以身体与环境的动态耦合取代内部表征。^{111111NSTL国家科技图书文献中心cd.nstl.gov.cn前往参考资料 ↓在新标签页中打开}

在方法论层面，具身认知与动力学系统取向关系密切，常以动力系统视角描述智能体与环境的交互，这与计算主义以符号操作和算法为核心的解释策略形成对照。^{111111NSTL国家科技图书文献中心cd.nstl.gov.cn前往参考资料 ↓在新标签页中打开}

围绕情境认知（situated cognition）的争论，学界讨论的焦点之一是：后认知主义进路与计算主义之间能否保持理论连贯性，以及计算主义在多大程度上仍能容纳情境化、具身化的认知解释。^{111111NSTL国家科技图书文献中心cd.nstl.gov.cn前往参考资料 ↓在新标签页中打开}