Carvalho, P. F., & Goldstone, R. L. (2013). Putting category learning in order: Category structure and temporal arrangement affect the benefit of interleaved over blocked study. Memory & Cognition, 42(3), 481–495.
该研究旨在解决关于分类结构如何影响该优势以及同时呈现如何与该优势交互的问题。 实验1表明，interleave优于block学习的优势受到所研究类别结构的调节。interleave学习结果可以更好地归纳类内和类间相似度较高的类别，而block则可以更好地归纳类内和类间相似度较低的类别。在实验2中，为上述发现提供了证据：当同时呈现时，类别之间的比较（interleave）会导致高相似度类别的优势，但低相似度类别没有发现差异。在实验3中，直接比较了低相似度类别的同时呈现和连续呈现。再次发现使用这些类别进行block学习的总体益处。总体而言，这些结果表明：interleave强调类别之间的差异，而block强调发现同一类别中对象之间的共性。
Goldstone (1996)提出类别学习可能因为两个不同的原因而存在困难:类别间相似性高或类别内相似性低。这两种类别结构中的每一种都需要不同的过程来进行有效的类别学习。在类别间高度相似的情况下，最大的挑战是识别类别间的细微差异，这可能是由类别间频繁的交替造成的。在类别内相似性低的两个类别之间的快速交替可能不利于识别每个类别的相关属性。在这种情况下，按每个类别进行block学习可能更有好处，这样学习者可以识别隐藏在多样性中的类别成员之间的共享特征。
当一个类别的两个或多个样本同时出现时，参与者更善于识别类别的相关特征。此外，同时呈现的优势也可以在辨别学习中看到。当学习区分两个相似的物体时，同时呈现两个物体比连续呈现两个物体更容易区分，无论是interleave还是block。一个可能原因是，与连续呈现相比，同时呈现减少了内存限制，使学习者能够更有效地比较两个物体并提取相关信息。
同时呈现的一个方法是让学习者一次分类一个对象，但同时呈现先前分类的对象及其正确的类别分配以及当前要分类的对象。这种操作减少了交错演示之间的时间延迟，但不增加参与者可获得的信息量(参与者在每个时刻只能访问两个类别样本)。
在类别学习中，同时呈现优于连续呈现的可能原因：1将先前分类的刺激与新的刺激同时呈现，将减少与记忆先前项目的特征相关的记忆负荷，最大限度地发挥高相似性类别interleave和低相似性类别block的好处。2同时呈现将引入新的约束。例如，同时呈现可能强调属于不同类别的对象之间的差异。这可能会改变参与者解决学习任务的方式，从而改变interleave或block对学习的影响。
在本研究中，调查了interleave学习的优势是否取决于学习情境的特征。
本研究的3个实验使用的刺激是blob figures(见上图)。所有的斑点都是由随机生成的曲线段产生的。一个单一的曲线段定义了每一个类别，并出现在该类别的所有样本中。在高相似性集合中，每个样本都共享它们的大部分特征。在低相似性集合中，每个类别中的样本只共享与类别相关的特征。
实验1
自变量1 被研究类别的相似性结构(低相似性与高相似性，被试间)
自变量2 研究过程中的演示时间表(interleave与block，被试内)
study任务：刺激→分类→原刺激+纠正反馈
在interleave条件下，一个斑点被同一类别的斑点跟随的概率较低，而在block条件下，此概率较高。减少使用纯粹的interleave或block时参与者注意到响应交替模式的可能性，从而影响分类的准确性。
generalization任务：刺激（50%训练刺激+50%新刺激）→分类（无反馈）
Study阶段，对于低相似性类别结构和高相似性类别结构，block都优于interleave。此外，低相似度结构的结果总体上优于高相似度结构。
Generalization阶段，低相似度类的表现总体优于高相似度类。 此外，对于新刺激，在学习过程中block呈现会提高低相似度类别的归纳表现。相反，对于高相似度类别，interleave学习会导致对新项目的更好的归纳。
该实验的结果表明：（1）学习阶段的绩效与进度的关系不是对归纳能力的可靠的预测指标，学习期间的更高绩效并不一定会导致更好的学习；（2）interleave学习优于block学习的收益取决于上下文因素，例如类别结构（高相似性或低相似性）。
一个可能解释是，两个学习规则（interleave和block）强调刺激的相似和不同。哪一个规则更有益将取决于学习类别是否需要参与者在相同类别的对象之间找到相似性(如对于低相似性集合中的类别)或者在不同类别的对象之间找到差异(高相似性集合中的类别)。
实验2
在学习任务中，同时呈现先前分类项和新的待分类项。减少了任务的记忆限制。通过这种方式，可以直接访问先前的刺激，研究每种学习模式如何影响对于低相似性和高相似性类别的优势。
study阶段，被试在屏幕的右侧看到了一个刺激，必须将其分类为3种类别之一。之后提供纠正反馈，再将刺激和正确分类移动到屏幕的左侧。在任何分类试验（除了第一个试验）上，被试都可以在屏幕上同时看到前一个刺激和类别反馈激。
实验结果表明，当学习者有机会同时学习待分类项目和先前分类的项目时，类别结构和演示时间表之间的相互作用发生了变化。 在这种情况下，失去了低相似度类别block相较于interleave的优势，保留了高相似度类别interleave的优势，甚至更明显。 但是，仍然观察到类别结构和演示时间表之间的相互作用：对于高相似性类别，interleave学习导致更高的性能，而对于低相似性类别，学习示例方式似乎并不影响学习。
一个可能原因是，在此学习阶段，此处提出的同时呈现增加了仅依靠启发式“选择与先前试验相同的类别”的被试人数。 在实验2中，启发式方法的有效性甚至可能比在实验1中更高。另一种可能性是，同时呈现会增加不同类别刺激之间差异的显着性，从而改善interleave学习后的表现。
实验3
直接比较了低相似度类别的同时呈现研究。主要目的是研究同时性对低相似性类别的影响。
在研究阶段，在同时和连续条件下，参与者都无需尝试“猜测”正确的类别分配。在每次试验中，直接呈现示例与其类别。要求参与者学习刺激和正确类别，以便在随后的分类任务中表现良好。
测试阶段的结果是，呈现方式（同时与连续）对整体准确性没有主要影响，但是正如之前所看到的，被学习的项目的绩效要优于新项目。特别的是，block学习改善了测试过程中的性能，尤其是连续组。此外，与interleave相比，block学习后的表现更好。 呈现模式或任何变量之间的相互作用都没有出现影响。
总体而言，这些结果重复了实验1和2的研究结果。即对于低相似度类别而言，Block学习比interleave产生了更好的归纳能力，连续呈现和同时呈现条件均是如此。
总的实验结果表明，类别学习期间存在三种不同的因素相互作用，以促进归纳 ：（1）要学习的类别的结构（相似性高或低）； （2）范例的时间表示（连续或同时呈现）； （3）研究类别的时间表（interleave或block）。这三个因素共同作用以系统地指导学习，从而导致不同的趋势。 这种相互作用可以简单解释为学习者必须如何分配注意力以应对不同学习任务的独特挑战。interleave学习结果可以更好地归纳类内和类间相似度较高的类别，而block则可以更好地归纳类内和类间相似度较低的类别。