（发展与教育心理学专业论文）归类不确定情境下特征推理的简捷启发式策略研究.pdf

摘要 类别研究是认知心理学中的一个重要内容，类别知识在人们的认知活动中具有重要 的作用。对类别的研究，尤其是在归类不确定情境下的特征推理问题的研究具有重要的 意义。 目前关于特征推理的研究主要存在两种理论模型：单类说和理性模型。这两种理论 都认为在归类不确定的情境下，人们仍然会把新事物归入一个最有可能的类别中，把这 一类别确定为靶类别。两种理论的不同之处在于，单类说认为，人们的特征推理只考察 靶类别内的特征信息。理性模型认为，特征推理是同时考察靶类别和非靶类别内特征信 息所得出的结果。 这两种模型的理论基础是特征推理是基于类别的推理过程。然而，类别中影响的特 征推理的因素是什么，对这一问题研究者的观点有所不同。其中，m u r p h y 和r o s s2 0 0 5 年的研究结果表明，代表性影响特征推理，而诊断性不影响特征推理。然而，张娟、莫 雷则认为类别内所有成员中预测特征的概率对特征推理没有影响。 我们认为，在m u r p h y 和r o s s2 0 0 5 年的研究中，类别内代表性和目标内代表性的 比例方向一致，效应不能分离。本研究采用与m u r p h y 和r o s s 2 0 0 5 年研究相类似的几何 图形作为实验材料，实验中的自变量为类别内代表性和目标内代表性，各有两个水平： 均衡和不均衡，两两组合成四种条件，包括方向一致和不一致两种情况。分别用认知心 理学的实验方法和眼动研究方法，深入探讨靶类别中特征的类别内代表性和目标内代表 性对特征推理的影响作用和机制问题。实验一探讨的主要问题是：在两种代表性的不同 关系条件下，人们进行特征推理的主要依据。实验二的眼动研究中，随机选择了实验一 中的部分题目，通过对被试在推理过程中眼动指标的分析，进一步探讨两种代表性对特 征推理的影响机制问题。 研究结果表明：归类不确定情境下的特征推理主要关注的是靶类别的特征信息，遵 循简捷启发式的策略：首先在类别内代表性和目标内代表性之间选择具有推理线索的一 个作为依据，如能依此做出判断，推理完成。当依据一种代表性的信息不能足以做出判 断时，仍然不会考虑非靶类别的信息，随机选择一种代表性作为推理的依据。这表明， 存在以类别内代表性和目标内代表性为依据的两种特征推理方式。 关键词：特征推理类别内代表性目标内代表性简捷启发式策略 a b s t r a c t c a t e g o r yr e s e a r c hi sa l li m p o r t a n tp a r to fc o g n i t i v ep s y c h o l o g y k n o w l e d g ea b o u tc a t e g - o r i e sp l a y sa l li m p o r t a n tr o l ei np e o p l e sc o g n i t i v ea c t i v i t i e s e s p e c i a l l yr e a c h e so nf e a t u r e p r - e d i c t i n gw h e nc a t e g o r i z a t i o ni su n c e r t a i n ，h a v eg r e a ts i g n i f i c a n c e a tt h ep r e s e n t ，t h e r ea r et w ot h e o r i e sf o rf e a t u r e sp r e d i c t i n g ：s i n g l e - c a t e g o r yt h e o r ya n d r a t i o n a lm o d e l b o t ht h e o r i e sa g r e et h a tw h e nc a t e g o r i z a t i o ni su n c e r t a i n , p e o p l ew i l lc h o o s e t h em o s tl i k e l yc a t e g o r yt ob eat a r g e tc a t e g o r yf o ra l k * o b j e c t t h ed i f f e r e n c eb e t w e e nt h e t w ot h e o r i e si st h a ts i n g l e - c a t e g o r yt h e o r ya g r e e sp e o p l eo n l yp a ya t t e n t i o nt ot h ef e a t u r e p r o p e r t i e si nt a r g e tc a t e g o r y ，w h i l er a t i o n a lm o d e lb e l i e v e st h a tp e o p l ea r en o to n l yc o n c e r n e d w i t ht h ef e a t u r ep r o p e r t i e so ft h et a r g e tc a t e g o r y , b u ta l s ot h ef e a t u r ep r o p e r t i e so f n o n - t a r g e t c a t e g o r i e s f e a t u r ep r e d i c t i n gi sa r e s u l to f s t u d y i n gi n f o r m a t i o na b o u ta l lc a t e g o r i e s b o t ht h e o r i e sb e l i e v et h a tf e a t u r e p r e d i c t i n gi st h ec a t e g o r y - b a s e di n d u c t i o n t h u s ，r e s e - a r c h e r sd i f f e rw i t hf a c t o r sa f f e c tp e o p l e sf e a t u r ep r e d i c t i n g m u r p h ya n dr o s si n v e s t i g a t e d ：j t h er o l eo fr e p r e s e n t a t i v e n e s sa n dd i a g n o s t i cc h a r a c t e r i s t i c so ft h ef e a t u r ei n2 0 0 5 t h e i rr e s u l t ss h o w e dt h a tr e p r e s e n t a t i v e n e s si m p a c t e df e a t u r e p r e d i c t i n g ，b u td i a g n o s t i cd i dn o t h o w e v e r , z h a n gj u a na n dm ol e i0 b t a i n e dd i f f e r e n tr e s u l t st h a tt h ef e a t u r ep r o p o r t i o no fa l lt h em e m b o r si nc a t e g o r i e sd i dn o tw o r ki nf e a t u r ep r e d i c t i n g w eb e l i e v et h a ti nm u r p h ya n dr o s s ss t u d y2 0 0 5 ，t h ed i r e c t i o no f o b j e c t i v er e p r e s e n t a - t i v e n e s sa n d c a t e g o r yr e p r e s e n t a t i v e n e s si st h es a m e ，s ot h er o l e so nf e a t u r ep r e d i c t i n gc a nn o t b es e p a r a t e d i nt h i ss t u d y , w eu ss i m i l a rg e o m e t r ym a t e r i a l st om u r p h ya n dr o s si n2 0 0 5 i n o u rt w oe x p e r i m e n t s ，f i x e df a c t o r sa r eo b j e c t i v er e p r e s e n t a t i v e n e s sa n dc a t e g o r yr e p r e s e n t a - t i v e n e s s e a c ho ft h e mh a st w ol e v e l s ：ab a l a n c e da n da nu n b a l a n c e dl e v e l ，c o m b i n i n gi n t of o u rc o n d i t i o n s s oi no u r s t u d y , w ei n v e s t i g a t ec a s e si n c l u d i n gd i r e c t i o nc o n s i s t e n ta n dd i s c o r d w eu s ec o g n i t i v ep s y c h o l o g ya n de y em o v e m e n tr e s e a r c hm e t h o dt oe x p l o r et h er o l ea n dt h e m e c h a n i s mo f t w ok i n d so f r e p r e s e n t a t i v e n e s s o n ei st h ef e a t u r e p r o p o r t i o no f t h eo b j e c t i v e m e m b e r si nt a r g e tc a t e g o r y , c a l l e do b je c t i v er e p r e s e n t a t i v e n e s s t h eo t h e ri st h ef e a t u r ep r o p o n i o no fa l lm e m b e r si nt a r g e tc a t e g o r y ，c a l l e dc a t e g o r y r e p r e s e n t a t i v e n e s s e x p e r i m e n to n e e x p l o r e sw h i c hr e p r e s e n t a t i v e n e s sp e o p l e sr e a s o n i n gb a s e do nu n d e rf o u rc o n d i t i o n s i ne y e m o v e m e n te x p e r i m e n t , w ed of u r t h e re x p l o r a t i o no nt h er o l em e c h a n i s m t h er e s u l t ss h o wt h a t ：w h e nc a t e g o r i z a t i o ni su n c e r t a i n ，t h et a r g e tc a t e g o r i e so fi n f o r m a - i l ) na r ec o n c 锄e dm o r cd u r i n gf e a t u r ep r e d i c t i n g r e a s o n i n gp r o c e s s f o l l o wt h es i m p l eh e u r - c i cs 仃a t e g y p e o p l ew i l lf i r s tc h o o s et h er e p r e s e n t a t i v e n e s sw h i c h c a np r o v i d ei n f o r m a t i o nf j u d 班e n t w h e nt h er e p r e s e n t a t i v e n e s si n f o r m a t i o n i sn o ts u f f i c i e n tt o j u d g e ，p e ，0 p l e s i 1 1d 1 ，tc o n s i d e rn o n t a r g e tc a t e g o r i e s ，ar e p r e s e n t a t i v ew i l lb er a n d o m l y s e l e c t e da sar e a s o n i n g u n d a t i o n 硼 1 i si 1 1 d i c a t e st h a tt w of e a t u r ep r e d i c t i n gp a t t e r n se x i s t ：r e a s o n i n gb y o b j e c t i v er e 。 e s e n t a t i v e n e s sa n db yc a t e g o r yr e p r e s e n t a t i v e n e s s e y w o r d s ：f e a t u r ep r e d i c t i n g ；o b j e c t i v er e p r e s e n t a t i v e n e s s ；c a t e g o r yr e p r e s e n t a t i v e n e s s ； s i m p l eh e u r i s t i cs t r a t e g y i i i 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得或其他教育机构的学位或证书而使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表 示谢意。 学位论文作者签名： 晏罐 签字日期：7 年 学位论文版权使用授权书 f 民西b i 本学位论文作者完全了解江西师范大学研究生院有关保留、使用 学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印 件和磁盘，允许论文被查阅和借阅。本人授权江西师范大学研究生院 可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： 夏谚 签字嗍：7 钌月罗日 冬确 一多陴 参7 各期 签日 师字导签 归类不确定情境下的简捷启发式策略研究 引言 类别研究是认知心理学中的一个核心问题，最早起源于概念的研究。概念是 人类思维的一种重要形式，是人类进行一切认知活动的基础。人们把某些事物所 具有的共同的本质特征抽取出来，加以概括，就形成了概念。概念形成是心理学 的一个重要研究领域。 概念在人的认知发展过程中有非常重要的功能，主要包括分类功能、推理功 能、联结功能和系统功能。其中，分类是概念最重要的功能，根据概念知识，人 们可以把当前事物归入到某一类别中，并对当前事物作出适当的行为反应。例如 人们把老虎归为猛兽类，当人们看到老虎时，就会做出逃跑的行为反应。反过来， 人们也可以根据大脑中储存的大量的概念知识，来推测事物的特征属性，这就是 概念的推理功能。联结功能是指概念可以通过相互联系形成更加复杂的概念和概 念体系，从而形成知识网络。由于概念具有抽象性和概括性，人们对概念的理解 又大致相同，借助概念进行交流非常方便且效率高，这体现了概念的系统功能， 这一功能还包括人们可以直接利用概念进行学习，以保证人类的知识和经验能够 代代相传。 那么，概念和类别到底有什么异同? 概念是对事物的本质属性的反映。概念 中储存了大量与同类别事物相关的知识。例如，大部分人关于“水果 的概念中 会包括这些信息：植物的果实，多汁，带有甜味，营养丰富等。类别是指不同的 种类，是相似的一类事物的总称。同一类别的事物都具有相同的本质特征，或者 它们在某些特性方面具有共同之处。概念和类别的研究目的是一致的，都是探讨 人脑是如何组织知识的问题。近2 0 年来的研究表明，类别和概念之间的区分， 并没有明确的界限，而是以一种边界模糊的状态存在。有的时候，“类别 被 认为是客观存在于这个世界的，而概念则是对类别的心理表征埋1 。 概念可以分为两大类：人工概念和自然概念。人工概念是研究者便于实验研 究而人为设计出来的一种概念，由于人工概念可以较好的控制已有的知识背景对 研究的影响，被大多数研究采用。自从m e d i n 和s m t i h 在1 9 8 4 年提出对人工概 念和自然概念的几个重要区别进行讨论，或者是规则理论受到批评以来，西方已 经鲜有人提到“概念 这个术语了，而更多的人转向对“类别 进行研究u 1 。对 类别的研究主要包括两个方面：类别形成的研究与特征推理的研究。 硕士学位论文 1 1 类别形成的研究 1 文献综述 类别形成的研究目的主要是探讨类别形成的信息加工过程，即类别是如何习 得的。研究者提出了多种类别形成的理论模型，主要包括规则观、原型观、样例 观、解释观、和双重系统模型。 1 1 1 经典观或规则观 规则观认为概念和类别知识是清楚而标准的，概念和类别是由标准特征来定 义的，标准特征是确定一个具体样例是否属于该类别的必要条件。也就是说人们 根据一个清晰的标准来衡量样例的特征，符合标准的被归入类别中，不符合标准 的则被排除在这个概念或是类别之外。b r u n n e r ，g o o d n w o 和a u s t n id 1 对人工概 念进行的研究充分证明了概念的形成过程就是规则的确定过程。 1 1 2 原型观 r o s h 和m e r v is 的实验结果说明橘子和苹果在水果成员中的典型性最高，提 出存在样例的典型性效应h 1 。所谓典型性是指某些类别成员相对于其他类别成员 而言是该类别中更好的样例，如鹦鹉比鸵鸟更像鸟，鹦鹉是鸟类中比鸵鸟更好的 样例。他们把这些具有更多类别特征的成员称为类别的原型，原型就是某些类别 成员的理想化的表征。然而，传统的规则观不能对样例的典型性效应做出解释。 原型观认为我们的大脑中储存的不是类别的规则，而是类别的原型，对新样 例的归类是由该样例与类别原型的相似性决定的。这种相似性可以根据特征匹配 的个数估算出来，如果特征匹配达到一定的阈限，则被认为是该类别的成员。在 可以同时归入多个类别的情况下，则优先选择与新样例的特征匹配率最高的那个 类别。原型观有一个重要的概念叫“家族相似性”，家族相似性的涵义是这样的： 好比一个大家族的成员在生理特征上彼此相似一样，同一类别的成员看上去也彼 此相似。 原型观可以对典型性做出较好的解释：一个样例与原型的相似性越大，表示 该样例具有更多的典型性特征，与类别中的其他成员的家族相似性也就越大，该 样例就越典型。原型观的主要缺点有：第一，认为样例的典型性效应是不变的， 是独立于情境之外的。有研究表明典型性会随着情境的变化而变化畸1 ；第二，它 2 归类不确定情境下的简捷启发式策略研究 假定人们独立的看待事物的每个特征，而事实上，事物的特征是或多或少联系在 一起的。 1 1 3 样例观 样例观认为我们的大脑中储存的是一组特定的例子和情景，而不是原型。对 新样例的归类过程就是把新样例与储存在大脑中类别的一组样例进行比较，把它 归入相似性最大的那个类别的过程。支持样例观的研究中最经典的是m e d i n 和 s c h a f f e r 1 的研究。样例观弥补了原型观的两个缺点。首先，样例观对典型性因 情境而改变做出了良好的解释：因为人脑中储存的样例不止一个，在某一情境下， 与情境联系最紧密的那个样例最容易被激活。样例观认为人们会利用样例之间的 某些共同特征来获得额外的信息。例如，单凭蘑菇的原型特征不能得到蘑菇颜色 与毒性之间的关系，但是我们可以根据样例某些特征之间的联系获得这方面的信 息。近2 0 年来，样例观已经取代了原型观的主导地位，但它的最大问题在于无 法解释这些样例是如何被组合在一起的，其次是为什么有些相差很大的事物也被 归为一类，例如企鹅和鹰。 1 1 4 解释观或理论观 原型观和样例观都是基于相似性的理论，这里的相似性的具体含义是特征与 特征之间是相互独立的，它们以相加的方式来增加相似性。在特征独立的前提下， 对典型性的判断应该是相对稳定不变的，不会受到情境的影响。但是，大量的研 究表明情境因素会影响典型性判断。例如，r o t h 和s c h o b e n 的研究就发现，在 秘书休息这一情境下，茶是最典型的饮料，而当情境是卡车司机休息时，牛奶比 茶更具有典型性畸1 。解释观认为，人们可能会使用理论性的和解释性的背景知识 对样例进行归类。解释观有助于解释一些表面上没有相似性的物体是如何在特定 情境下被归为一个类别的现象。例如，小狗、人群、运动器材、跑步，表面上这 些事物没有什么共同的地方，但是在锻炼身体的背景下，他们就可以纳入到一个 类别范畴中。 1 1 5 双重系统理论 以上各理论模型都属于类别学习的单系统模型。双重系统理论是由a s h b y 、 a lf o n o s o r e e s 和t u r k e n 等人于1 9 9 8 年提出的订1 。该理论假设人们至少存在两 个分离的分类系统：一个是在意识控制下的基于外显推理的言语分类系统，另一 个是内隐的基于程序学习的非言语分类系统。这两种分类系统有着不同的神经基 础，分别由两个平行的、在功能上独立的神经环路传导。双重系统理论的实验研 3 硕士学位论文 究通常采用两种类别结构材料基于规则的类别结构和基于信息整合的类别 结构，分别引发外显的和内隐的分类系统，以证明这两种分类系统是独立存在的。 1 1 6 类别学习的两种学习模式 类别学习有分类学习和推理学习两种学习模式。分类学习的实验范式通常分 为学习和迁移两个阶段。在学习阶段，研究者预先将所有的刺激分成a 、b 两个 类别，并逐一呈现刺激，要求被试判断该刺激属于哪个类别，被试每次判断后， 主试都予以即时的反馈，通过多次尝试，直到达到某个预定的学习目标，就表明 被试已经习得了这一新的类别。随后是迁移阶段，给被试呈现一些新的样例，让 他判断属于两个类别中的哪个类别，以此来间接推测类别知识的表征模型。而推 理学习模式是以y a m a u c h 和m a r k m a n 阳1 为代表的研究者提出的。推理模式中有两 个重要的概念，一个是类别标签，也就是类别的名称；另一个是特征值，是指某 一个特征的不同属性。学习的过程是逐个呈现刺激，并告诉被试该刺激所属的类 别标签。但每个刺激并不是完整呈现的，在某一个维度上设置一个缺失特征，被 试的任务就是推理该缺失特征的特征值，每次推理都给予即时的反馈。经过多轮 推理之后，被试也习得了类别知识。类别学习模式关注的是分类任务，而推理学 习模式更加注重类别表征的用途，即对新事物的特征属性进行推理和预测。 t a k a s h iy a m a u c h i 认为先前对两种类别学习方式的对比研究结果显示，人 们在分类学习过程中，学习者关注的是用来区分类别的类别间信息。然而，推理 学习过程中，学习者关注的是类别的抽象的概括( 例如原型) ，是类别内的信息。 研究者采用与以往研究不相同的非线性分离结构对两种学习方式下的类别学习 难度进行了评估。所谓非线性分离结构是指不能用一条非常清晰的直线把两个类 别划分开来的一种类别结构。结果发现，与分类学习方式相比，用特征推理的方 式学习非线性分离结构更难阳3 。这一结果反映出非线性分离结构的类别原型并不 是对类别成员特征的良好概括，也说明了类别结构的清晰对推理的重要性。刘志 雅和莫雷采用学习迁移任务范式，比较了学习非线性分离结构时，两种学习方式 在学习效率、学习过程与策略和学习结果上的差异。研究结果表明，分类学习的 速度显著快于推理学习；推理学习比分类学习更为关注类别内不同特征的相互关 系，但在分类策略的运用上，推理学习不如分类学习灵活；在学习的结果上，推理 学习倾向于原型记忆，而分类学习倾向于样例记忆h 们。 1 2 特征推理的研究 特征推理的研究属于类别运用的研究，旨在探讨人们如何根据已有的知识对 4 归类不确定情境下的简捷启发式策略研究 从未见过的事物归类，并对该事物的某些特征进行推理。例如，当我们去一个新 的餐馆时，虽然从没用过那里的餐具，但是根据以往的知识我们可以推知如何用 那里的刀叉。在这个例子中，人们对刀叉的归类是非常确定的。但是在许多情况 下，人们不能完全确定某个事物应该归入哪一类别，这种情境就被称为“归类不 确定的情境 。这种不确定的程度会因为两方面的因素而有所增加：一是物体本 身的因素，如物体不是类别中的典型成员；二是人们对物体的特征了解有限，例 如由于光线或者是距离的原因看不清楚远处的动物，我们通常就不能确定该动物 是什么。然而，即使是在这种无法确定归类的情境中，一般认为人们也会把物体 归入那个最可能的类别中，并根据这个最可能的类别对物体的行为或特征作出推 理，我们将这种推理称为“归类不确定情境下的特征推理 。归类不确定情境下 的特征推理是推理研究中的一个重要方面，目前已有的最有影响力的两种理论解 释是a n d e r s o n 的理性模型和m u r p h y 和r o s s 的单类说。另外，国内的研究者也 提出了自己的理论假设。 1 2 1 特征推理的理论模型 1 2 1 1a n d e r s o n 的理性模型 a n d e r s o n 的理性模型n 妇认为，对于任何目标物f 来说，人们预测其具有特 征j 的可能性时，将遵从b a y e s i a n 规则：易，i d 。莩只女1 刃只歹m ( 公式中k 代表 学习者已知道的目标可能归属的所有类别) 。公式表示，目标物f 具有特征j 的 概率等于该目标物f 属于某类别的概率乘上该类别的每一物体具有特征j 的概率 的总和，即人们是根据多个类别的信息来对事物的特征做出推理。在目标可能归 属多个类别的情况下，如果存在目标最可能归属的“靶类别 ，人们会考虑“靶 类别 的信息，但同时也会考虑其他。非靶类别 的信息，其最后决策是综合考 虑多个类别的信息得出的最优化的结果。理性模型为归类不确定情境下的特征推 理，提供了一种综合考虑各个类别信息的理论解释。 1 2 1 2 单类说 m u r p h y 和r o s s 提出了单类说n 羽。单类说认为，人们在特征推理时不会像理 性模型所说的那样认真谨慎。单类说的主要观点是，在归类不确定的情境下，人 们的特征推理会选择目标物最可能归属的类别“靶类别。单类说是对理性 模型的巨大挑战，经过十几年的发展，单类说逐渐成为归类不确定情境下特征推 理的重要理论解释。单类说和理性模型的最大分歧就在于人们的特征推理是否考 虑了非靶类别的信息，单类说认为没有考虑，而理性模型认为人们的特征推理既 s 硕士学位论文 考虑靶类别的信息，又考虑非靶类别的信息。 1 2 1 3 综合条件概率模型 王墨耘、莫雷以人工类别为实验材料，探讨了在归类不确定情境下，集中呈 现类别成员样例的特征推理。他们运用模型匹配的分析技术，检验被试的特征推 理符合哪种理论预期，并提出了综合条件概率模型。研究者认为，特征推理并不 是基于类别的间接推理，而是基于预测特征的综合条件概率的直接推理。综合条 件概率指的是预测特征在靶类别和非靶类别中所有目标项目内所占的比例“3 1 。 综合条件概率模型与理性模型有相同之处，都认为归类不确定情境下的特征 推理会考虑所有类别的特征信息。两种理论模型的不同之处在于，理性模型还是 基于类别的特征推理模型，而综合条件概率模型认为类别不是特征推理的中介， 没有靶类别和非靶类别之分，特征推理直接依据的是预测特征在所有目标项目中 所占的比例。 1 2 2 特征推理的实证研究 1 2 2 1 人工类别的研究 m u r p h y 和r o s s 1 2 1 以人工类别为研究材料，通过控制靶类别信息，考察了非 靶类别信息对特征推理的影响。如图l 所示，告诉被试图片上是四位儿童画的图 形，四位儿童分别是b o b ，j o h n ，s a m 和e d ，实质上代表了四个不同的类别。现在 有两位儿童分别画了一个三角形和一个正方形，让被试回答以下问题： 1 a 有人画了个三角形，你认为是谁画的? 是他画的概率有多大? l b 这个三角形的背景是什么? 是这一背景的概率有多大? 2 a 有入画了个正方形，你认为是谁画的? 是他画的概率有多大? 2 b 这个正方形的背景是什么? 是这一背景的概率有多大7 在预测三角形是谁画的、背景是什么时，很明显b o b 是靶类别，因为四位儿 童一共画了5 个三角形，而b o b 一人就画了3 个。由于b o b 画的4 个图形中就有 3 个图形的背景是黑色，因而被试预测b o b 画黑色三角形的概率是：p ( b o bl 三角 形) - p ( 黑色ib o b ) = ( 3 5 ) ( 3 4 ) = 9 2 0 其他儿童画黑色三角形的概率之和是： p ( j o h ni 三角形) p ( 黑色ij o h n ) + p ( s a mi 三角形) p ( 黑色ls a m ) + p ( e dl 三角 形) p ( 黑色le d ) = ( 1 5 ) ( 1 4 ) + ( 1 5 ) ( 1 4 ) + 0 0 = 2 2 0 在预测正方形是谁画的、背景是什么时，同理j o h n 是靶类别，被试预测j o h n 画 白色正方形的概率是：( 3 5 ) ( 3 4 ) = 9 2 0 其他儿童画白色背景的正方形的概率之和是： 6 归类不确定情境下的简捷启发式策略研究 p ( b o bi 正方形) p ( 白色背景lb o b ) + p ( s a mi 正方形) p ( 白色背景i s a m ) + p ( e dl 正方形) p ( 白色背景le d ) = o 0 + 0 0 + 0 0 = 0 匾因匝司 l |l 一i 图圈l 硐 幽酬 图1m u r p h y 和r o s s l 9 9 4 年的研究实验l 所用样例 也就是说，靶类别b o b 画黑色三角形的概率是9 2 0 ，非靶类别内其他儿童画黑 色三角形的概率之和是2 2 0 ；靶类别j o h n 画白色正方形的概率是9 2 0 ，非靶类 别内其他儿童画白色正方形的概率之和是0 。很明显，黑色三角形和白色正方形 在靶类别内的概率相同，都为9 2 0 ；在非靶类别内的概率不同，分别为2 2 0 和 0 。通过这样的设置，研究者可以考察被试在进行特征推理的时候，有没有利用 非靶类别的信息，这是特征推理的两种理论的主要分歧所在。如果特征推理遵循 理性模型，被试同时考虑多个类别的信息，那么被试对黑色三角形和白色正方形 的概率估计就会有差异；如果特征推理遵循单类说，被试只考虑靶类别的信息， 那么被试对黑色三角形和白色正方形的概率估计就不会有差异。实验结果是两者 的概率估计没有差异，说明了在归类不确定情境下，人们的特征推理只考虑靶类 别的信息，而没有考虑非靶类别的信息，结果支持了单类说。 莫雷、赵海燕n 钔认为，m u r p h y 和r o s s n 2 1 的研究结果可能是由于两种原因造 成的。第一，非靶类别中预测特征的概率设置的太小，没能引起被试的注意。第 二，非靶类别中的目标特征与预测特征始终是分离的，而不是结合的。例如，在 对画黑色三角形的概率进行估计的时候，三角形是目标特征，黑色背景是预测特 征。j o h n 和s a m 两位儿童虽然也画了黑色背景的图形，但是都不是三角形，黑 色和三角形在非靶类别中是分离的。研究者设计了三个实验，探讨归类不确定情 境下目标特征与预测特征的结合与分离对特征推理的影响。结果表明，分离时， 被试不会考察非靶类别的信息；结合时，被试会利用非靶类别的信息进行特征预 测，从而验证了他们的假设。 1 2 2 2 自然类别的研究 m a l t 等人n 5 1 还采用故事的形式，以自然类别为实验材料进行了研究，让被 7 硕士学位论文 试看完故事后回答后面的问题。在研究中，每个故事都有两个版本( 版本i 和版 本l i ) ，每个版本中都设置了一个靶类别和一个非靶类别，被试只看其中的一个 版本并回答该版本后面的问题。下面以研究中的一个故事为例加以说明： 版本i ：s u l l i v a n 太太变得越来越焦虑，当她读早报时，她读到了一个小 偷最近偷了邻居家的东西，于是她的心情变得很糟糕，在接下来的时间里她变得 更加烦躁。她的孙子午后2 点要来拜访她，她需要去百货店，买一些牛奶，好做 巧克力面包，她的两个孙子都很喜欢。她也想去吸一下书房的地毯，那样孩子们 可以在那儿玩玩具。同时，她也要把给孩子们买的塑料玩具放到一起。可是，她 发现吸尘器的发动机太热了，并且发出奇怪的声音，所以她不敢让它吸太长时间。 当她准备去百货店时，她看到一个人沿着她的车道走进来，并且走进了后院。她 突然想到房地产经纪人要来看看她准备卖出去的房子，所以她需要跟他说一天的 事情。她觉得那个人可能是房地产经纪人，她想她最好还是呆在家里。时间越来 越紧，更糟糕的是，当她回来摆放玩具时，发现其中的一个支撑的部件丢了，玩 具直立不起来了。她知道孙子们是不会关心地毯是否被吸过的，但是如果没有面 包和玩具，这次拜访就没什么意思了。她很害怕他们心爱的奶奶会让他们失望。 阅读完故事后要求被试回答六个问题，有四个问题用于测试被试是否理解了 这个故事，在这里不加以罗列。另有两个问题直接与研究目的有关： ( 1 ) 那个沿着车道走来的人会注意到s u l l i v a n 太太的房门坚固性的概率有 多大? ( 2 ) 那个沿着车道走来的人在接下来的1 5 分钟内会按门铃的概率有多大? 在这个故事的版本i 中，靶类别是“房地产经纪人 ，非靶类别是“小偷”。 版本i i 与版本i 几乎一样，只是非靶类别不同，把“小偷 替换成了“有线电视 工人”，把故事中关于小偷的那句话替换成“有线电视公司会派入来安装设备。” 两个版本需要被试回答的问题相同。 很明显，注意房门的坚固性对于两个版本中共同的靶类别“房地产经纪 人”来说，是有可能的，并且这个可能性是一样的。但是对于两种非靶类别来说 是不一样的，版本r 中的“小偷有可能对房门的坚固性感兴趣，而版本i i 中的 “有线电视工人 却不会。对于第二个问题也是这样，“小偷 在白天会按门铃 的可能性很小，而“有线电视工人 却很有可能按门铃。如果被试只考虑了靶类 别“房地产经纪人的信息，两个故事版本中非靶类别的不同就不会对被试 的回答产生影响。如果被试同时考虑了靶类别和非靶类别的信息，阅读不同版本 被试对两个问题的回答就会有差异，表现为阅读版本i 的被试对第一个问题的概 率估计会更高、对第二个问题的概率估计会更低。研究者的结果是阅读不同故事 版本的被试对这两个问题的回答没有差异，结果支持了在归类不确定的情境下， 人们对自然类别进行特征推理时，也遵循单类说。 m a l t 等人的此项研究还认为人们在某些特殊情况下可能会使用多个类别的 8 归类不确定情境下的简捷启发式策略研究 信息进行特征推理，主要有两个：一是在归类高度不确定的情境下、二是要求被 试回答的问题与非靶类别有关。m u r p h y 和r o s s 针对这个问题进行了研究n 引。实 验采用的也是短故事。与m a l t 等人所不同的是，在实验一中，研究者进一步增 加了归类的不确定性：他们不是用几个词语来提示归类的不确定性，而是在故事 中设置了包含不确定性的语句，来增加归类的不确定性。比如，把m a l t 等人在 研究中使用的“看上去像 这样的词语换成“她想那个男人可能是房地产经纪人， 但是她记得他好像是个老人”或者是“这个男的声音听起来和b i l l 记忆中的有 点不一样”这样的语句。在增加了归类的不确定性的条件下，研究者发现被试依 然只考虑了靶类别的信息，而没有考虑非靶类别的信息。另外三个实验探讨了在 m a l t 等人提出的第二种情况下被试的特征推理行为。结果显示，当预测特征与 非靶类别有关的时候，被试基本还是依据靶类别的信息进行推理，只是在非常有 限的条件下，被试才会使用多个类别的信息。很显然，实验结果没有支持m a l t 等人的说法。 1 2 2 3 多层次类别和跨类别的研究 以上不论是对人工类别还是自然类别的研究，考察的都是单个等级类别的特 征推理，然而，大多数类别结构是多等级的，例如，“香蕉 这个类别按照种类 划分，又可以分为3 0 0 多个下位类别。有研究表明，在要求判断一个概念是否属 于一个给定类别的任务中，人们对基本水平概念( 如“汽车 ) 较上位概念( “交 通工具 ) 和下位概念( “小轿车 ) 的反应速度要更快，表现出基本水平概念的 优先效应n 刀。m u r p h y 和b r o w n e ll 等人n 胡认为，虽然这种效应可能是由于基本层 次概念的名称都比较短，又是人们最常用的一些名称的原因。然而，他们认为这 种效应的原因还不明确，并对其进行了深入的研究。研究者在实验中挑选了四种 上位概念，每个上位概念下又挑选了四个基本水平概念，两个为典型，两个为不 典型。每种基本水平概念下又挑选两个下位概念，一个为典型，一个为不典型。 这样，每一个类别概念都可以用等级和典型性两个维度来加以区分。实验结果说 明，判断速度并不是由类别概念的等级决定的，而是由该类别概念与其他类别概 念的区分度大小决定的，区分度越高，判断的速度就越快。例如，虽然“赛车” 并不属于基本水平概念，但是对它的判断速度与基本水平概念的判断速度没有差 异。 l a g n a d o 和s h a n k s 也考察了归类不确定时，人们对多等级类别概念的特征 推理问题n9 | 。如表1 所示，市民读的报纸类型分为上下两个类别层次。上位类别 是报纸的类型，分为小报和大报，下位类别是报纸的具体名称( c h r o n i e l e 、 h e r a l d 、r e p o r t e r 、g l o b e ) ，c h r o n i e l e 和h e r a l d 两种报纸属于小报，r e p o r t e r 和g l o b e 两种报纸属于大报。 9 硕士学位论文 表1 某地1 0 0 名市民的读报情况及投票情况 实验分为学习阶段和测试阶段两部分，被试在学习阶段的任务是了解阅读不同报 纸的读者的情况和他们的选举意向。从表1 中我们可以很容易的获得以下信息： 读小报的市民多于读大报的市民，读的人最多的一份报纸是r e p o r t e r ，并且 r e p o r t e r 的读者会全部选举进步党的候选人，而其他报纸的大部分读者会选举 自由党候选人。在测验阶段，告诉被试现在从该地市民中随机抽取一名，请他们 预测该市民选举进步党候选人的概率是多少。被试的回答是5 0 ，这是由于1 0 0 名市民在总体上选举自由党候选人和进步党候选人的人数是相等的，都有5 0 人。 但是如果换一种提问方式，要求被试先回答随机选出来的那个市民最有可能读的 报纸名称，大部分被试会回答r e p o r t e r ，因为r e p o r t e r 的读者最多。然后再让 被试预测该市民选举进步党候选人的概率是多少，被试的回答由之前的5 0 提高 到了8 0 ，因为r e p o r t e r 的读者全部会选举进步党候选人。要求被试先回答这 名市民最有可能读的报纸类型时，他们可能选择小报，在接下来的预测中，对该 市民选举进步党候选人的概率由之前的5 0 降低到3 8 ，因为在小报读者中很少 人会选举进步党候选人。从被试的回答可以看出，在首先要求被试回答市民可能 读的报纸名称和报纸类型时，被试对投票概率的预测是基于读者所归属的类别来 进行的，是基于类别的特征推理，这一结果也支持了单类说。 m u r p h y 和r o s s 对可归入多个类别的概念的特征推理进行了研究，在实验 中，研究者要求被试学习一些食物概念，食物通常是一种跨类别的概念，例如， 一个硬面包圈可以归入面包类、也可以归入早餐食物类。在类别学习阶段，告诉 被试关于类别的虚假信息。例如，告诉被试7 5 的面包都是由于曲霉菌而发霉变 质的，然后让被试预测一个硬面包由于曲霉菌而变质的可能性。研究结果表明， 对跨类别的概念进行特征推理时，人们还是会选择其中的一个类别作为靶类别， 运用靶类别的信息进行特征推理，结果也支持了单类说。 1 2 2 4 项目典型性的研究 项目的典型性是概念结构的一个主要成分r o s h 和m e r v i s 最早对典型性进行 了论述。他们认为项目的典型性由两个因素决定，分别是项目的代表性和诊断眭， 其中代表性是类别内的因素，而诊断性是类别间的因素。代表性可以用该项目与 靶类别中其他项目的相似程度来表示。相似性越高，它在这个类别内的代表性就 l o 归类不确定情境下的简捷启发式策略研究 越高。例如，企鹅和知更鸟，知更鸟有许多其它鸟所共有的特征：会飞，筑巢， 下蛋，卿卿叫。因而，在鸟这个类别中，知更鸟比企鹅更具有代表性。诊断性可 以用该项目与非靶类别中项目所具有的相同特征数来表示，相同特征数越少，诊 断性