自1990年開始，有越來越多的研究者開始重視類別學習表現的個別差異，即不同的受試者為何會在相同的分類作業中使用不同的策略。在過去，我們透過知識分化的現象去瞭解人們個別差異的分別，個別差異的分析可以幫助我們瞭解人與人之間的變異性與獨特性，然而，隨著這方面的研究逐漸增多，個別差異因素對於心理歷程的重要性不斷的被放大，但在過去類別學習的研究中對於個別差異的分析仍然一直沒有太深入的探討，主要是因為個別差異的分析結果，充滿了太多的不確定性以及未知可能性。在上述的狀況下，使用過去研究常用的分類方法，如非階層群聚分析中的k-means群聚分析法，必須先設定要分類組別數情狀下，未知可能性的組別可能就會被忽略，甚至被硬性併到其他組別，不但導致整體資料的遺失，嚴重的情況下還會使研究的效果無法突出。 為了避免過去分類時分析方法的缺點，所以本研究使用潛在剖面分析幫助分類學習中知識分化的分組，潛在剖面分析並不像K-Means聚類法與階層式聚類法一開始就要決定組別數目，而是取決於不同的組數數目時誰有最佳的適合度統計量。 相信使用潛在剖面分析可以避免知識分化中未知可能性組別的遺失，此點已在本研究的三個分析中可以得到證實。 本研究分別對於幾種不同類型的類別學習作業進行潛在剖面分析，透過研究中的四個實驗，以期開發出一套適合分析分類策略對於個別差異影響的方法。企圖證明在不同類型的實驗結構下，依然能使用潛在剖面分析來分類，且分類的結果可以找出適當的分組以及發現實驗未預期的組別。並結合結構方程混合模型，進一步去釐清在知識分化現象中，影響分類策略選擇的因子。

Sloutsky (2010; Kloos與Sloutsky, 2008) 操弄不同的類別結構亂度 (categorical entropy) 進行類別學習作業，藉此提出了雙系統理論，認為人們會啟動不同的系統，濃縮式系統 (compression-based system)或選擇式系統 (selection-based system)，以適應不同的類別結構組成之刺激材料。本研究回顧了Sloutsky的研究證據與過去類別學習領域的相關文獻，認為此雙系統理論可能只適用在向度數目較多的情境之下，因此設計了三個實驗，使用和Kloos與Sloutsky (2008) 相同的實驗派典，欲說明刺激材料的向度個數確實會影響到人們的類別學習行為。實驗一發現，Sloutsky所預測的類別結構與學習方式之交互作用只出現在向度個數較多的情境，向度個數少時則無此交互作用。實驗二得到與實驗一相同的結果，並排除了刺激材料本身特性（幾何圖形或類自然類別材料）此一混淆變項。實驗三採用特別設計的依變項，直接觀察受試者採用相似性(similarity)或規則(rule)的方式進行分類判斷，集群分析的結果顯示在向度數目少的情境時，不管何種類別結構受試者均傾向使用以規則為基礎的選擇式系統學習。因此，綜合以上發現，本研究認為Sloutsky的雙系統理論必須考慮到向度數目此一變項，才能更廣泛的應用於各種類別學習情境之中。 / The goal of this research is to point out that the dimensions of experimental materials can influence human category learning, which is neglected by traditional models of category learning. Three experiments in this research examined the effect of stimuli complexity by following the paradigms of Kloos and Sloutsky (2008). In Experiment 1, the prediction of Sloutsky’s theory (2010) on the interaction effect between category structures and learning conditions succeeds only at high complexity of materials, but fails in the low complexity condition. Experiment 2 was conducted by the same experimental setting as Experiment 1, but the natural-like stimuli were replaced by well-defined artificial geometrics. The result of Experiment 2 is the same as Experiment 1, suggesting that the complexity of materials plays a critical role in category learning no matter what kind of stimuli are used. Experiment 3 found that various materials complexity had distinct effects on human category representations. Namely, when experimental stimuli are relatively complex, people would use the corresponding category learning system to represent stimuli to learn dense categories or sparse ones. In contrast, when the stimuli are relatively simple, participants would represent the stimuli in a rule-based manner both in dense and sparse category structures.