类别特征相似性与竞争性的线性变化对特征推理的影响

探讨在双类别情境中,新项目与类别成员的关系对特征推理的影响.共包括两个实验,被试是62名大一年级学生.实验1与实验2分别探讨在有无类别标签的情况下,诊断特征数量的增减对新项目预测特征推理的影响,即探讨类别特征相似性与竞争性的线性变化对特征推理的影响.结果表明:无论有无类别标签,诊断特征数量的增减对新项目预测特征的推理影响是相同的,即相似性与竞争性的线性变化对特征推理的影响是相同的.     

类别特征的相似性与竞争性对归类的影响

探讨新项目特征的性质对归类的影响。共包括两个实验,被试是华南师范大学180名二年级本科生。研究材料分两部分,学习材料是两类昆虫的若干类别成员,每类昆虫有6种特征;测试材料则是与学习材料的类别成员有不同相似性或竞争性的新项目,要求被试经过学习之后对新项目进行归类,然后对被试归类的一致性或确信度进行分析。实验1主要探讨新项目与类别成员相似性对归类的影响;实验2主要探讨新项目特征的竞争性对归类的影响。结果表明,匹配特征数量及其概率是相似性的两个构成因素,它们与新项目的归类概率成正比,而对立特征数量及其概率则是竞争性的两个构成因素,它们均与新项目的归类概率成反比。     

部分呈现条件下类别分类学习中的信息表征机制

先前研究者普遍认为, 类别推理学习条件下可以同时表征诊断性信息和非诊断性信息, 而类别分类学习条件下中只能表征诊断性信息, 不能表征非诊断性信息。而最近又有研究者发现部分呈现条件下的类别分类学习可以表征非诊断性信息。本研究通过两个实验系统比较了全部呈现和部分呈现条件下类别分类学习的结果, 进一步探讨了分类学习条件下信息的表征情况, 并进一步探讨了部分呈现条件下的分类学习能够表征非诊断性信息的原因。实验1发现全部呈现6个特征、缺失1个特征(即部分呈现5个特征)、缺失2个特征(即部分呈现4个特征)3种条件下都能表征诊断性信息, 但只有部分呈现条件下能表征非诊断性信息。实验2发现全部呈现7个特征、缺失2个特征(即部分呈现5个特征)、全部呈现5个特征3种条件下都能表征诊断性信息, 但只有部分呈现条件下能表征非诊断性信息。总的实验结果表明：全部呈现条件下的分类学习只能表征诊断性信息, 而部分呈现条件下的分类学习能够同时表征诊断性信息和非诊断性信息, 并且部分呈现条件下表征非诊断性信息的原因是被试进行了推理学习, 而非注意广度的变化。     

特征概率影响多维和少维类别的分类学习和特征学习

探讨了特征概率对多维和少维类别的分类学习和特征学习的效果及策略的影响。结果表明高特征概率条件下,多维比少维类别的分类学习更容易,而且学到更多的特征知识,多维条件下人们更倾向于整体性加工策略,而少维条件下人们倾向于分析性加工策略。低特征概率条件下,多维比少维类别的分类学习和特征学习都困难,且两种条件下人们都倾向于采取分析性加工策略。     

类别标签与典型性程度对类别特征推理的影响

本研究采用学习-测试二阶段实验范式,探讨了类别标签及典型性程度对类别特征推理任务的共同影响,结果表明,类别标签及典型性程度都会影响类别特征推理任务,而且,类别标签及典型性程度之间存在交互作用,典型性程度为高条件下类别标签对类别特征推理任务的影响要高于典型性程度为低条件,类别标签匹配条件下,典型性程度对类别特征推理任务的影响要高于类别标签不匹配条件。     

学习条件和样例相似性对类别学习元认知监控的影响

采用“学习-迁移”范式 ,探讨了学习条件和样例相似性对类别学习元认知监控的影响。实验选取虚构动物材料,采用2（学习条件：规则、无规则）×3（样例相似性：低、中、高）×2（匹配类型：正向匹配、反向匹配）混合实验设计,结果显示,在规则条件下,高样例相似性组正向匹配新项目的分类正确率显著高于反向匹配新项目的分类正确率;在无规则条件下,样例相似性越高,正向匹配新项目的分类准确率越高,所有项目的信心值也越高。这表明,规则和样例相似性是类别学习元认知判断的线索;在同一任务中,分类会涉及基于规则和基于相似性两个过程。     

类别不确定下的特征推理是基于类别还是基于特征联结

共有3个实验探讨归类不确定情况下的特征推理是基于类别进行还是基于特征联结进行。实验1在中文条件下重复了Verde等人2005的实验,得出了与之相符的结果,这个结果用基于类别的理性模型的设想或者是用基于特征联结的设想都可以解释。实验2考察被试在靶类别的类别特征频次并且特征结合出现频次高低不同的条件下特征推理的情况,实验2的结果表明,高集中与低集中两种条件下特征推理没有显著差异,不符合特征推理是基于类别进行的设想,而与特征推理是基于特征联结进行的设想吻合。实验3进一步考察被试在特征结合出现的总频次并且靶类别中特征结合出现的总频次高低不同的条件下特征推理的情况,结果表明,在高结合条件下进行特征推理要优于在低结合条件,支持了在归类不确定情况下的特征推理是基于特征联结进行的设想。据此可以认为,人们的特征推理是基于特征之间联结的频次进行,而不是基于类别进行     

预测特征竞争范式下的特征推理方式

当面临归类不确定的情景时,人们的特征推理是基于类别进行,还是基于特征联结进行,一直是类别研究中的重要内容。本研究采用预测特征竞争范式对这一问题进行了探究。共两个实验：实验1采用预测特征竞争范式探讨推理前预先归类时,人们的推理方式是基于类别还是基于特征联结。实验2采用预测特征竞争范式探讨推理前不预先归类时,人们的推理是基于类别还是基于特征联结。实验结果表明,推理前预先归类时,被试倾向于基于类别进行推理。推理前不预先归类时,被试倾向于根据特征联结进行推理。     

类别成员跨维度特征关系对类别学习的影响

探讨类别成员具有多维度相同特征与多维度匹配特征条件下对人们类别学习的影响。被试来自华南师范大学一年级本科生,要求他们学习不同特征结构的类别材料,然后进行测试,以学习阶段的单元数与错误率、测试阶段的反应时与错误率为指标。共包括3个实验,实验1探讨了类别成员具有双维度相同特征、双维度匹配特征与非匹配特征条件下进行类别学习的成绩。实验2探讨类别成员在空间位置分离的两个维度上具有相同特征对类别学习的影响。实验3进一步探讨类别间成员具有双维度相同特征对类别学习的影响。结果表明：（1）类别成员具有双维度相同特征时,人们在归类学习中会将这两个维度看成是一个维度,从而促进类别学习;（2）类别成员具有双维度匹配特征,或者在两个不相邻维度具有相同特征时,对于类别学习没有起到这种特定的促进作用;（3）如果类别间成员具有双维度相同特征,则对类别学习产生消极影响。研究结果表明,在类别学习过程中,特征相似性状况对维度的确立也会产生影响。     

关系复杂性对关系类别间接性学习的影响

以216名大学生为被试,使用关系复杂性变化的三种虚拟外星生物实验材料,创设个人功能预测的关系类别的间接性学习条件和参照性交流功能预测的关系类别的间接性学习条件,探讨关系复杂性对关系类别间接性学习的影响。结果发现:关系类别的功能预测间接性学习过程中,关系复杂性和学习条件的交互作用极其显著,具体来讲,关系复杂性对关系类别间接性学习的影响仅显著地表现在参照性交流关系类别间接性学习过程中;当学习材料为4特征复杂关系时,参照条件下被试功能预测成绩极其显著高于个人条件,当学习材料为6特征复杂关系加二阶同功能简单关系时,两种学习条件间不存在显著差异,当学习材料为6特征复杂关系加二阶异功能简单关系时,个人条件极其显著高于参照条件。     

不同学习方式下归类不确定时的特征推理

采用学习-迁移模式, 探讨了同时学习和继时学习两种方式下归类不确定时的特征推理。共包括2个实验, 其中实验1探讨了固定学习轮次的情况, 实验2探讨了固定学习正确率的情况。实验结果表明：同时呈现类别要素的同时学习方式下, 被试习得序列式的单类别表征(原型表征), 在归类不确定时的特征推理中按照“单类的Bayesian规则”进行特征推理, 即P(j\F) =P(k\F)·P(j\k); 相继呈现类别要素的继时学习方式下, 被试习得并列式的多类别表征, 在归类不确定时的特征推理中按照“理性模型”进行推理, 即 P(j\F) =Σk P(k\F)·P(j\k)。     

特征呈现方式对类别知觉表征的影响*

两个实验采用阻碍效应范式探讨了特征的呈现方式对类别知觉表征的影响。研究结果发现在阻碍效应范式中,改变特征的呈现方式引发了不同的类别知觉表征方式;当固定样例特征的呈现位置时,引发了基于样例整体相似性的表征;而随机样例特征的呈现位置时,引发了基于样例特征的解析表征。该结果支持了类别学习的多系统理论。     

归类不确定情景下特征推理的综合条件概率模型

用大学生被试,通过三个实验探讨在集中呈现类别成员样本信息的归类不确定情景下的特征推理。实验结果表明,单纯的归类确定性程度和靶类别靶特征的代表性并不直接影响被试的特征推理,而是预测特征相对于目标特征的综合条件概率直接影响被试的特征推理;特征推理不是基于类别中介的间接推理,而是基于特征关联综合条件概率的直接推理。实验结果支持作者提出的预测特征综合条件概率模型。     

自然概念语义特征提取的范畴效应

本研究采用概念特征自由列举实验范式,考察三类范畴(动物、自然食物、人造物)自然概念的语义特征提取反应时间的范畴效应。结果表明,⑴语义特征提取的反应时间存在范畴效应:提取动物特征的时间显著短于提取自然食物特征的时间,提取自然食物特征的时间显著短于提取人造物特征的时间;⑵三类范畴的特征提取时间模式表现出相同的规律:先是显著降低(第1到第2个特征),然后持续升高(第2到第10个特征)。语义特征提取的范畴效应反映了语义记忆组织的范畴特异性,有必要进一步分析特征提取时间与特征类型、关联特征、独有特征之间的关系,以深入揭示语义特征提取范畴效应的产生机制。     

归类不确定时人们的推理方式研究

该研究采用集中呈现样例的研究范式,探讨了归类不确定情况下,人们的推理方式。实验1控制特征联结频次,考察人们的推理方式是否是基于类别的推理。实验2控制类别中特征的基本概率,考察人们推理方式是否是基于特征联结的推理。实验结果表明,特征推理前不预先归类直接推理时,人们的推理根据目标特征与预测特征联结的频次进行,是基于特征联结的推理;特征推理前预先要求被试归类时,人们的特征推理是基于类别的推理。     

归纳推理的抽样理论

作者提出归纳推理的抽样理论,认为归纳推理实质是根据与归纳特征有关的抽样样本情况来推断结论类别具有归纳特征的可能性,其中的抽样可分为类别抽样和特征抽样两种。以大学生为被试的两个实验结果一致支持抽样理论而不是别的归纳推理理论。对于归纳推理的主要现象,抽样理论比其它的相似性解释具有更大的解释范围,特别是能够解释其它理论严格不能解释的归纳推理非对称性现象     

维度的结合与分离对归类不确定性预测的影响

探讨在归类不确定的情境下目标与预测特征两个维度的结合或分离对被试特征预测的影响。共包括 3个实验 :实验 1在Murphy和Ross的研究的基础上进一步提高非靶类型中目标及预测特征的基本概率 ,考察被试的特征预测是否会受非靶类型信息的影响。实验 2探讨非靶类型的目标与预测特征结合与否是否会影响被试预测特征时对非靶类型信息的使用。实验 3探讨提高靶类型中目标与预测特征结合的比例是否影响被试对特征的预测。结果表明 :当非靶类型中目标与关键特征处于分离的状态时 ,被试在进行特征预测时没有利用非靶类型的信息 ,符合单类说的假设 ;而当非靶类型中目标与关键特征结合时 ,被试在进行特征预测时则会利用非靶类型的信息 ,符合Bayesian规则 ;靶类型中的目标与关键特征结合的比例提高 ,被试对特征预测的概率也随之提高。据此 ,本研究将目标与预测特征结合比例这个变量加入Bayesian规则的计算公式 ,对该预测模型进行了修正