归类的实验室研究模型

本文综述了有关分类学习的几种模型,RULEX模型,ALCOVE模型和SUSTAIN监控／非监控分层适应增强网络模型,讨论了各种分类学习模型的优点及不足之处。重点介绍了SUSTAIN模型,该模型注重对类别结构的弹性寻找,并且具有五个独特的原则及一系列的具体规则,保证了其对广泛的人类分类学习数据的解释能力。     

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。     

归类优势与基本水平效应的再探讨

类别特异性分数是预测归类优势的有效指标。实验1考察该分数能否预测基本水平归类优势, 结果：分数较高的表现归类优势。实验2检验有归类优势的下位类别的分数, 结果：它们都有较高分数, 同时发现下位类别的特异性可以影响分数。实验3探讨相同的基本水平与特异性不同的下位组合的归类表现, 结果：下位特异性低就表现基本水平归类优势, 高则相反。据此提出“经验说”, 分数高低与人们在经验中对各层次类别形成的表征特异性程度相关。     

相似性判断和差异性判断的不对称性及其机制探索

本文阐述了相似性判断和差异性判断不对称性的相关研究。首先介绍了不对称性的发展及理论解释。其次,根据事件相关电位的研究结果,阐述了图-词信息的双编码模型对相似性判断的影响。接着分析和介绍了相似性判断的双编码过程及其时间进程。最后,作者提出有待深入研究的几个问题：（1）差异性策略在分类和推理中的应用;（2）相似性双编码过程的实证研究及其应用;（3）从发展认知神经科学的角度探讨不对称的认知神经机制。     

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     

先前知识对初中学生学习家族相似性类别的影响研究

采用特征—主题的类别学习范式,考察了先前知识对初中学生学习具有家族相似性结构人工类别的影响。结果表明:基于先前知识的主题关系对初中学生的类别学习有显著促进;初中学生在基于已有知识的类别学习中更多地获得了知识关联特征的信息,同时也能对机械特征保持敏感。     

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。     

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。     

不同类别学习方式的对比研究

55名被试被随机分配到两个组,分别通过分类学习与推理学习来学习两个类别,之后,两组被试对新的测试项目进行典型性评定,考察类别学习方式对类别表征的影响。研究结果表明,分类学习者仅仅依据项目的诊断性程度来评定,而推理学习者主要依据项目的典型性程度来评定。所以,诊断性信息在分类学习者的类别表征中占有重要位置,典型性信息在推理学习者的类别表征中占有重要位置,即分类学习与推理学习导致的类别表征不同。     

分类中相似性的理论与模型

相似性在分类的原型理论、样例理论、定义理论和理论解释观中都扮演着重要的角色。人们对相似性的研究由来已久,但是它在分类的领域中至今仍是一个相对模糊的概念,这部分地由于揭示相似性的真正机制将涉及到复杂的信息加工过程。本文以分类中的相似性为出发点介绍了近期相似性研究的一些理论与模型并在此基础上对概念和分类领域中的相似性研究进行了分析和总结。     

社会压力与决策角色对不同人际敏感性个体助人决策的影响

本研究基于人格的交互作用理论,通过时间与金钱两种助人决策情景,设计两个实验考察了人际敏感性特质对个体助人决策的影响,以及决策角色与社会压力两种情境因素在其中的作用。结果发现：(1)相比低人际敏感性,高人际敏感性个体更容易做出助人决策;(2)相比低社会压力,高社会压力下,高人际敏感性比低人际敏感性个体捐助的金钱更多; (3)高社会压力下,相比低人际敏感性个体,高人际敏感性个体为朋友与陌生人决策时会捐助更多的金钱。研究表明：人际敏感性影响个体的助人决策,决策角色与社会压力会对不同人际敏感性个体的助人决策有不同程度的影响。     

群体交叉分类效应的代数模型及其潜在加工过程

交叉分类被认为是一种能够有效减少群际偏见的方法。交叉分类效应的代数模型主要包括平均模型、相加模型和等价模型,各个模型都有自己成立的证据,其中支持相加模型的研究证据最多。尽管如此,交叉分类效应的代数模型有很明显的局限,即要求所有进行交叉的类别维度权重相等,这与真实社会情境是相矛盾的。交叉分类的潜在加工过程主要有基于认知角度的类别差异模型和基于动机角度的社会认同两种比较成熟的理论,前者又分为类别差异消除模型和类别差异减少模型。     

不确定归类的类别等级一致性限制与分离

该文以大学生被试,实验考察在集中呈现类别成员信息的非对齐类别等级结构条件下的不确定归类。实验结果表明,对个体的不确定归类会受类别的上下级包含关系限制而保持等级一致性,导致出现下级归类错误或上级归类错误;而对群体的不确定归类不会受类别上下级包含关系限制而保持等级一致性,而是与类别层次的实际分布相一致,出现上下级归类的分离。     

The Power of Change: Interpersonal Attraction as a Function of Attitude Similarity and Attitude Alignment

Abstract

In an experimental simulation with Israeli participants, the author examined the influence of two aspects of pre-employment screening (duration of screening and type of testing) on applicants' attitudes toward a recruitment effort and toward a potential job. Testing that lasted longer led to more favorable attitudes. The participants considered knowledge testing, compared with personality testing, more job related, less invasive of privacy, and less sensitive to the amount of time spent testing.     

不同语境下交流学习双方语言相似性的比较

设计交流学习任务和个人迁移任务,采用交流范式,探查了不同语境下交流学习双方语言相似性特征。结果显示：（1）语言交流方式下双方语言相似性水平最高,其次是对象可视方式,最后是表情和对象可视方式。（2）交流双方语言相似性随交流进程呈现倒U型分布,仅表情方式下自b6开始语言相似性相对稳定。（3）交流任务b10中双方相似性的交流语境效应显著,个人任务中不显著;表情方式下任务类型主效应不显著。结果发现：随着交流语境中非语言因素的增加,语言对于双方认知协调作用逐渐减弱;表情可视性促进了语言参照惯例的形成效率;仅表情和对象可视语境下双方相似性在交流和个人任务间表现出一致性。     

图形相似比较中的加工模型:特征与结构的作用

本研究采用单一目标映射技术(one-shot mapping)设计实验考察了相似比较中的加工模型。实验结果表明:相似等级的判定对映射任务中结构映射没有显著性影响。相似加工不一定表现为基于结构的加工,基于特征的加工和基于结构的加工是相似加工中两种并行的加工模式。在反应时方面,基于结构的加工的反应时比基于特征的加工的反应时更长。     

Comparing Exemplar- and Rule-Based Theories of Categorization

ABSTRACT— We address whether human categorization behavior is based on abstracted rules or stored exemplars. Although predictions of both theories often mimic each other in many designs, they can be differentiated. Experimental data reviewed does not support either theory exclusively. We find participants use rules when the stimuli are confusable and exemplars when they are distinct. By drawing on the distinction between simple stimuli (such as lines of various lengths) and complex ones (such as words and objects), we offer a dynamic view of category learning. Initially, categorization is based on rules. During learning, suitable features for discriminating stimuli may be gradually learned. Then, stimuli can be stored as exemplars and used to categorize novel stimuli without recourse to rules.     

Social Categorization Moderates Social Projection

When categorized into social groups, people view members of in-groups, but not members of out-groups, as being similar to themselves. In three experiments, social categorization moderated the spread of social projection in both minimal and value-tagged laboratory groups and regardless of whether individual perceivers judged both groups or only one. The categorization effect tracked changes in the perceiver's group status so that most perceivers projected only to present but not past in-groups. The lack of out-group projection supported an anchoring hypothesis, according to which self-referent information is engaged only when it is considered applicable to the judgment at hand. The induction hypothesis and the differentiation hypothesis, which predicted positive and negative out-group projection, respectively, were not supported. Implications for theories of intergroup perception and bias are discussed.     

Mixture Models of Categorization

Many currently popular models of categorization are either strictly parametric (e.g., prototype models, decision bound models) or strictly nonparametric (e.g., exemplar models) (F. G. Ashby & L. A. Alfonso-Reese, 1995, Journal of Mathematical Psychology, 39, 216-233). In this article, a family of semiparametric classifiers is investigated where categories are represented by a finite mixture distribution. The advantage of these mixture models of categorization is that they contain several parametric models and nonparametric models as a special case. Specifically, it is shown that both decision bound models (F. G. Ashby & W. T. Maddox, 1992, Journal of Experimental Psychology: Human Perception and Performance, 16, 598-612; 1993, Journal of Mathematical Psychology, 37, 372-400) and the generalized context model (R. M. Nosofsky, 1986, Journal of Experimental Psychology: General, 115, 39-57) can be interpreted as two extreme cases of a common mixture model. Furthermore, many other (semiparametric) models of categorization can be derived from the same generic mixture framework. In this article, several examples are discussed and a parameter estimation procedure for fitting these models is outlined. To illustrate the approach, several specific models are fitted to a data set collected by S. C. McKinley and R. M. Nosofsky (1995, Journal of Experimental Psychology: Human Perception and Performance, 21, 128-148). The results suggest that semi-parametric models are a promising alternative for future model development.