对归纳推理非对称性现象的特征迁移解释

作者创新提出对归纳推理非对称性现象的特征迁移解释,认为根据由前提类别已知的特征集合构成的特征样本中迁移出现在结论类别中的特征的比例,能预测作为新特征的归纳特征由前提类别迁移到结论类别的可能性。以大学生为被试的实验结果支持对非对称性现象的特征迁移解释而不是原来的两种相似性解释。     

特征归纳的关联相似性模型

作者提出特征归纳的关联相似性模型,用以描述以归纳特征的关联特征相似性为基础的归纳推理,把归纳推理中相似性和关联知识统一整合起来。该模型认为归纳强度主要取决于归纳特征与关联特征的关联强度和关联特征的相似性程度的乘积,归纳信心主要取决于关联强度,从而分离归纳信心和归纳强度。以大学生为被试的两个实验的主要结果支持关联相似性模型的主要预测。关联相似性模型能够描述解释以关联特征相似性为基础的归纳推理现象,比以往的归纳理论具有更大的解释能力和解释范围     

对以类别为基础的归纳推理的几种理论模型的评价

当前关于以类别为基础的归纳推理理论模型大致可以分为两种：强调相似性作用的归纳推理的理论模型和强调知识作用的归纳推理的理论模型。前者能较好的解释人们在知识贫乏领域的归纳推理现象,而后者则能够较好的解释人们在知识丰富领域的归纳推理现象。     

P3b反映基于相似性的图形类别归纳决策过程(309)

先前关于归纳推理的研究没有探讨过图形类别归纳任务中决策过程的事件相关电位(ERPs)特征。该研究采用图形材料,通过记录和分析图形类别归纳推理任务的结论评估阶段的脑电信号,探讨了不同类别条件下图形归纳推理决策过程的ERP特征。实验结果显示,推理决策过程中,当前提为一些狗具有某种属性特征时,结论一致类别(狗类及马类)比结论不一致类别下(椅子类)的归纳推理诱发了更大的P3b的波幅; 而结论一致类别下,类别内(狗类)比类别外(马类)推理诱发更大的后部脑区的P3b的波幅,反映了相似性对类别归纳的贡献。该研究为理解类别归纳过程的决策阶段的动态加工过程提供了神经电生理学证据。研究结果进一步支持了类别归纳的相似性理论模型。     

特征相似性、类别标签与因果关系在归纳推理中的作用

采用人工材料,比较类别标签、特征相似性与因果关系对归纳推理强度的影响。包括两个实验,实验1比较类别标签与特征相似性对归纳推理的影响,结果表明,当类别标签对归纳推理的影响显著强于特征相似性时,不能将类别标签等同于一个相似性特征。实验2进一步探讨类别标签与因果关系对归纳推理的作用,结果表明,因果关系作用明显强于类别标签的作用。综合两个实验的结果并整合前人相关研究,提出了不同关系影响归纳推理的强度假想。     

归纳推理的多样性效应及其机制探索

归纳推理结论范围大于前提范围的这一特点决定了归纳结论的不确定性,寻求前提的多样化是增强结论可靠度的重要途径。已有研究通过寻找证据、力度判断、特征扩展与归宿选择等研究方法发现前提类别覆盖范围、前提概率原则可以较好地解释多样性的内在机制。事实上,多样性效应的实质是大数原则在归纳推理中的运用,其产生的心理过程包括差异识别、大数信息抽取与大数信息运用三个步骤     

不同概念范畴和特征类别对儿童归纳推理多样性效应的影响

为探讨概念范畴和特征类别对归纳推理多样性效应的影响, 采用2(概念范畴: 生物类别与非生物类别)´2(特征类别: 不可见的隐蔽特征和可见的外显特征)的实验设计, 设计了四组任务来考察5~6岁、8~9岁儿童归纳推理多样性效应的表现水平。结果显示: 在非生物类别范畴材料上, 5~6岁儿童在两种特征类别上均未表现出多样性效应, 8~9岁儿童在隐蔽特征类别上表现出多样性效应; 在生物类别材料上, 5~6岁、8~9岁儿童在外显特征和隐蔽特征上均未表现出多样性效应。概念范畴和特征类别对8~9岁儿童的归纳判断力有显著影响: 在概念范畴上, 儿童在非生物范畴材料上的表现显著高于生物范畴; 在特征类别上, 儿童在隐蔽特征上的表现高于外显特征。     

特征相似性和因果解释在归纳推理中的整合

为探讨特征相似性和因果解释在个体归纳推理中的作用,在控制知识经验影响的前提下,设置了非决定性的因果关系,操纵了因果机制强度和前提与结论对象之间的特征相似性水平,结果发现:(1)实验1结果显示,相似性和因果解释在归纳推理中的效应均显著,相似性效应随因果解释强度的减弱而增强,相似性与因果解释的相互作用影响归纳推理。(2)实验2结果显示,当基于相似性推论与基于因果解释推论产生冲突时,相似性和因果解释在归纳推理中的效应均显著,二者的交互作用不显著。在强、弱两种因果解释条件下,相似性在归纳推理中的效应均非常显著。总的结果表明特征相似性与因果解释共同影响个体的归纳推理,人们会整合两种信息进行归纳推理。     

基于原型特征因果关系的归纳推理研究

两个实验探讨新特征与类别原型特征之间存在因果关系时,因果关系对归纳推理的影响.实验1探讨不同典型性条件下,新特征与原型特征间的因果关系对归纳推理的影响.实验2探讨不同多样性条件下,新特征与原型特征间的因果关系对归纳推理的影响.研究结果表明,当新特征与原型特征之间存在因果关系时,因果关系会影响归纳推理的力度,但样例典型性和多样性仍是影响人们归纳推理的重要因素.     

面向不足与复杂认知的当代归纳逻辑研究

一从定性认知到定量认知:古典归纳逻辑到现代归纳逻辑归纳逻辑是以归纳推理和归纳方法为基本内容的知识体系。归纳推理的前提是一些关于个别事物或现象的判断,而结论是关于该类事物或现象的普遍性的判断。归纳推理的结论超出了前提所断定的范     

特征归纳中关联强度与关联相似性的交互作用效应

根据特征归纳的关联相似性模型分析和三个因素实验研究发现,在基于关联相似性而进行的特征归纳中,关联强度和关联相似性两因素对归纳强度的影响存在交互作用效应。关联相似性变化对归纳强度的影响依赖于关联强度,随关联强度的增加而增加。关联强度变化对归纳强度的影响依赖于关联相似性水平：在高的关联相似性条件下,归纳强度随关联强度增加而增加;在中等关联相似性条件下,归纳强度不受关联强度变化的影响;而在低的关联相似性条件下,归纳强度随关联强度增加而减小     

Feature-based versus category-based induction with uncertain categories

Previous research has suggested that when feature inferences have to be made about an instance whose category membership is uncertain, feature-based inductive reasoning is used to the exclusion of category-based induction. These results contrast with the observation that people can and do use category-based induction when category membership is known. The present experiments examined the conditions that drive feature-based and category-based strategies in induction under category uncertainty. Specifically, 2 experiments investigated whether reliance on feature-based inductive strategies is a product of the lack of coherence in the categories used in previous research or is due to the use of a decision-only induction procedure. Experiment 1 found that feature-based reasoning remained the preferred strategy even when categories with relatively high internal coherence were used. Experiment 2 found a shift toward category-based reasoning when participants were trained to classify category members prior to feature induction. Together, these results suggest that an appropriate conceptual representation must be formed through experience with a category before it is likely to be used as a basis for feature induction.     

归纳推理中的属性中心性效应

通过三个实验研究了属性的中心性程度对归纳推理的影响,结果表明,在归纳推理中存在属性中心性效应,中心属性比其他属性（次中心属性、再次中心属性）更能影响归纳推理。但属性中心性效应的出现受到了前提对象和结论对象相似性程度的制约,当前提对象和结论对象的相似程度高时,中心属性比其他属性更能影响归纳推理;随着相似性水平的降低,中心属性的归纳推理力度越来越弱,而次中心属性、再次中心属性的归纳推理力度则会依次表现出越来越强的趋势,到最后当前提对象和结论对象的属性完全不相似时,最次中心属性的归纳推理力度达到最高水平,而中心属性的归纳推理力度则降低到最低水平。由于再次中心属性的归纳推理力度的最高水平没有显著高于随机水平,而中心属性的归纳推理力度的最低水平却显著低于随机水平,因此,研究者认为,在前提对象和结论对象完全不相似的情况下,被试将确信不能采用中心属性来进行归纳推理的力度判断,而采用猜测的方式选择了肯定可以排除的项目之外的其他项目,这体现了具有不确定的归纳推理活动的过程的典型特征     

Categorical reasoning from multiple diagrams.

Syllogistic reasoning from categorical premise pairs is generally taken to be a multistep process. Quantifiers (all, no, some, some ... not) must be interpreted, representations constructed, and conclusions identified from these. Explanations of performance have been proposed in which errors may occur at any of these stages. The current paper contrasts (a) representation explanations of performance, in which errors occur because not all possible representations are constructed, and/or mistakes are made when doing so (e.g., mental models theory), and (b) conclusion identification explanations, in which errors occur even when information has been correctly and exhaustively represented, due to systematic difficulties that people may have when identifying particular conclusions, or in identifying conclusions in particular circumstances. Three experiments are reported, in which people identified valid conclusions from diagrams analogous to Euler circles, so that the first two stages of reasoning from premise pairs were effectively removed. Despite this, several phenomena associated with reasoning from premise pairs persisted, and it is suggested that whereas representation explanations may account for some of these phenomena, conclusion identification explanations, which have never previously been considered, are required for others.     

归纳推理和演绎推理的关系理论及其模型

推理是人类高级认知过程的一种,相关的心理学研究一般将其分为归纳推理和演绎推理两个方面。归纳推理是从特殊到一般的推理过程,与之相对的演绎推理则是从一般到特殊的过程。归纳推理和演绎推理的关系问题是当前心理推理研究领域的一个重点问题。这一问题主要有两种理论解释：一种是单过程理论,该理论认为归纳推理和演绎推理本质上是同一个认知过程,以单过程理论为基础构建的推理模型称为单维模型;另一种是双过程理论,认为归纳推理和演绎推理是两个不同的认知过程,并不同程度地受到启发和分析过程的影响。未来研究可多关注推理的时间进程,以及采用不同的研究方法对各自理论提供数据支持。     

归纳推理中相似性和类别标签的作用

该文采用“篇章阅读”实验范式探索了归纳推理中前提类别和结论类别间相似性、结论类别标签属性对归纳推理的作用。90名大学生被试参加了3个实验。实验1结果表明,归纳推理受前提类别和结论类别之间相似性的影响,相似性越高归纳推理力度越强;实验2结果表明,归纳推理还受结论类别上位类别知识的影响,当类别属性和相似性冲突情况下,被试更倾向按照类别属性进行推理;实验3结果表明,归纳推理通达上位类别知识是一个主动建构的过程,即使是在类别标签不确定的情况下,被试仍然依赖类别标签进行推理。并初步提出了“归纳推理力度=两事物相似性×归类概率”模型设想。     

Mental models and probabilistic thinking

This paper outlines the theory of reasoning based on mental models, and then shows how this theory might be extended to deal with probabilistic thinking. The same explanatory framework accommodates deduction and induction: there are both deductive and inductive inferences that yield probabilistic conclusions. The framework yields a theoretical conception of strength of inference, that is, a theory of what the strength of an inference is objectively: it equals the proportion of possible states of affairs consistent with the premises in which the conclusion is true, that is, the probability that the conclusion is true given that the premises are true. Since there are infinitely many possible states of affairs consistent with any set of premises, the paper then characterizes how individuals estimate the strength of an argument. They construct mental models, which each correspond to an infinite set of possibilities (or, in some cases, a finite set of infinite sets of possibilities). The construction of models is guided by knowledge and beliefs, including lay conceptions of such matters as the “law of large numbers”. The paper illustrates how this theory can account for phenomena of probabilistic reasoning.