眾所周知，記憶具體經歷細節的能力下降是正常衰老的一部分（Alghamdi和Rugg, 2020; Hashtroudi等人, 1989; Prull等人, 2006; Stark等人, 2010）。然而，記憶并不僅僅用于回憶特定經歷；我們還利用記憶來跨經歷進行概括，以學習新概念（Morton和Preston, 2021; Schapiro等人, 2017; Zeithamova和Bowman, 2020）。然而，年齡增長如何影響記憶泛化尚不清楚。一方面，一些記憶理論認為，記憶特定事件的能力和泛化能力基于相同的記憶表征（Hintzman, 1984; Kumaran和McClelland, 2012; Nosofsky, 1988），在這種情況下，我們預期記憶特異性的下降也會對老年人的泛化能力產生負面影響。另一方面，老年人的一些記憶能力相對完好，理論上可以支持泛化。老年人傾向于編碼經歷中的共同特征并提取其“要點”（Brainerd和Reyna, 2015, Brainerd和Reyna, 2002），而不是區分相似經歷的細節（Bowman等人, 2019; Bowman和Dennis, 2015; Gallo等人, 2006; Koutstaal和Schacter, 1997）。與先前經歷的部分重疊更有可能在老年人中觸發回憶（即模式完成）（Vieweg等人, 2015; Wilson等人, 2006; Wynn等人, 2021）。這些發現表明，老年人的記憶能力可能更適合形成跨經歷整合的記憶表征，從而支持概念學習和泛化。
由于分類通常涉及學習個別類別成員和對新例子的泛化，因此它非常適合研究年齡增長如何影響形成新概念知識的能力。關于分類的老齡化研究表明，分類表現存在年齡差異，這種差異的程度因類別結構和任務而異（參見Bowman等人, 2023）。研究表明，在學習典型類別成員時，年齡差異很小或沒有；但在學習非典型或例外項目時，年齡差異較大（Bowman等人, 2022; Davis等人, 2012; Valdez等人, 即將發表）。先前的研究還表明，分類中的年齡差異主要出現在學習階段，幾乎沒有證據表明泛化存在特定缺陷（Bowman等人, 2021），有時即使在學習表現上有缺陷，泛化表現也與年齡匹配（Bowman等人, 2022; Valdez等人, 即將發表）。因此，有證據表明老年人學習個別類別成員的能力不如年輕人，但這種缺陷并不總是對他們泛化能力產生重大影響。
此外，分類是一個有用的領域，用于測試記憶判斷背后的表征機制，因為存在不同的分類模型，這些模型強調記憶特異性與整合和抽象的不同方面。示例模型認為，類別由存儲在記憶中的個別類別成員表示，泛化涉及聯合檢索這些個別成員以確定待分類的例子與存儲的例子之間的相似性（Medin和Schaffer, 1978; Nosofsky, 1991）。相比之下，原型模型認為，類別由原型表示——這是一種從個別例子中抽象出來的理想化類別表征（Minda和Smith, 2011; Posner和Keele, 1968）。基于原型的泛化涉及確定待分類的例子與相關類別原型之間的相似性。鑒于老年人相對完好的基于要點的記憶能力和記憶特異性的下降，人們可能預期老年人比年輕人更依賴原型表征。然而，在老齡化研究中，使用正式的示例模型與原型模型的情況有限，研究結果也有所不同。有些研究發現老年人比年輕人更傾向于依賴原型策略（Bowman等人, 2022; Mata等人, 2012），也有研究發現不同年齡組的策略相似（Mata等人, 2012; Schenk等人, 2016; Valdez等人, 即將發表）。因此，需要進一步的證據來了解年齡增長如何影響基于原型和示例的分類。
分類的另一個優勢是，原型模型和示例模型的潛在變量可以擬合到fMRI數據中，使研究人員能夠測試大腦是否跟蹤進行基于原型或示例的分類判斷所需的信息。在年輕人中，已經確定腹內側前額葉皮層（VMPFC）和前海馬體與原型相關（Bowman等人, 2020; Bowman和Zeithamova, 2018; Liu等人, 2025）。這些發現與VMFPC和海馬體在多個記憶領域中的整合作用一致（Shohamy和Wagner, 2008; van Kesteren等人, 2010; Zeithamova等人, 2012）。相比之下，示例相關因素在枕葉和頂葉區域（Blank和Bayer, 2022; Bowman等人, 2020; Mack等人, 2013）、下外側前額葉皮層（Bowman等人, 2020; Mack等人, 2013）以及海馬體（Blank和Bayer, 2022）中被發現。值得注意的是，雖然有些研究只顯示了大腦中的原型相關因素（Bowman和Zeithamova, 2018）或僅示例相關因素（Mack等人, 2013），但也有研究在同一任務中同時發現了原型和示例相關因素（Bowman等人, 2020），甚至在同一個體中也是如此（Blank和Bayer, 2022）。因此，腦成像可以提供關于可用于進行泛化判斷的表征類型的新信息，即使某種表征策略在行為中最為突出。然而，尚未在老年人中擬合原型和示例模型與fMRI數據，這使得他們分類判斷的神經基礎仍不清楚。
在本研究中，我們旨在測試老年人在支持基于原型的分類時是否調動與年輕人相同的區域（VMPFC和前海馬體），以及這些區域中原型相關因素的年齡差異程度。為此，年輕（18-30歲）和老年人（60歲以上）使用具有10個二進制特征的新卡通動物學習了基于原型的類別結構（圖1A）。在這種結構中，一個卡通作為類別A的原型，包含了該類別成員中最常見的特征版本。類別B的原型是與類別A原型沒有共同特征的刺激。與類別A原型共享更多特征的刺激被認為是類別A的成員，反之亦然。通過這種結構，我們可以確定任何一對刺激之間的共享特征數量，從而根據原型和示例模型的形式化計算基于原型和示例的相似性。參與者在掃描儀外完成了基于反饋的類別訓練任務（圖1B），然后在分類測試期間進行了fMRI掃描，該測試包括訓練項目和新的泛化項目，但不包括反饋（圖1C）。我們對行為分類測試反應和fMRI測量的大腦激活水平進行了形式化的原型模型和示例模型擬合。我們測試了年齡在類別學習和泛化表現上的差異程度，行為反應在多大程度上能被原型模型或示例模型最好地解釋，以及前海馬體和VMPFC中的信號與原型模型的預測之間的相關性。
