归类不确定情境下特征预测的理性模型研究

探讨了Bayesian规则计算公式的具体含义,进而考察了归类不确定情境下的特征预测是否符合Bayesian规则.包括2个实验:实验1探讨保持类别内目标成员中预测特征的比例不变,而改变类别内所有成员中预测特征的比例是否影响特征预测.实验2探讨保持类别内目标成员中预测特征的比例不变,进一步扩大类别内所有成员中预测特征比例的差异是否会影响特征预测.结果表明: 类别内目标成员中预测特征的比例影响特征预测,而类别内所有成员中预测特征的比例不影响特征预测.据此,本研究认为,Murphy对Bayesian规则计算公式的含义理解有偏差,其由此提出的"单类说"值得商榷.     

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     

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。     

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.     

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)。     

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     

多类别情境中类别特征的相似性与竞争性对特征推理的影响

探讨在多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212名大一学生。实验1与实验2分别探讨类别特征的竞争性与相似性对特征推理的影响。结果表明:无论当非靶类别中目标与关键特征维度是否结合及是否预先归类时,类别特征的相似性与竞争性影响特征推理,验证了类别学习的特征概率模型。     

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。     

归类不确定时特征推理的单类说理论

人们不能完全确定某个事物应该归入哪个类别的情境,被称作“归类不确定的情境”。关于归类不确定情境中的特征推理,目前有两种理论解释：Anderson的理性模型和Murphy与Ross的“单类说”。理性模型认为,在归类不确定情境中,预测事物是否具有某个特征时,人们会考虑该事物可能属于的所有类别,既会考虑靶类别的信息,又会考虑非靶类别的信息。单类说则相反,认为在归类不确定情境下的特征推理,人们只会考虑靶类别的信息,而不考虑非靶类别的信息。该文重点介绍了单类说的发展进程,并对归类不确定情境中的特征推理进行了展望     

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。     

类别使用的特征诊断效应

运用预备实验评定过的鱼轮廓图,考察了类别判断和特征预测这两种类别使用方式下的特征诊断效应。被试是48名大学生,学习材料是两类鱼的类别成员,在测验阶段,实验1判断新项目类别标签,实验2预测新项目的缺失特征。结果表明,类别判断条件下,单个特征诊断力加强和诊断性特征数量增加都对类别判断有促进作用;特征预测条件下,只有单个特征诊断力加强可以促进特征预测,诊断性特征数量增加无助于特征预测     

归类不确定时样例代表性对特征归纳预测的影响研究

作者用以大学生被试的一个实验考察归类不确定情景下样例的代表典型性对特征归纳预测的可能影响。实验结果表明,预测特征相对于目标特征的综合条件概率影响特征归纳预测,而样例的代表典型性并不影响特征归纳预测,没有出现样例的代表典型性效应。预测特征综合条件概率策略能预测解释这种结果。     

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。