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。

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。

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)=ΣkP(k\F)·P(j\k)。

归类不确定情境下特征推理的理论模型述评

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"。当前归类不确定情境下特征推理的理论解释有理性模型、理性模型的发展贝叶斯分析修正公式和新的贝叶斯公式、单类说、综合条件概率模型,本文对这些理论进行了介绍和评价,并对研究范式和影响因素进行展望。

类别不确定时特征推理新进展的研究综述

人们不能完全确定将事物归入某一类别的情境称为类别不确定情境。国内外众多的学者对归类不确定条件下的特征推理情况进行了研究。本文对研究的新进展进行综述，并对本领域的发展进行了展望。

项目诊断性在特征推理中作用的研究

该研究在Murphy等人2005年研究的基础上,探讨了项目诊断性对特征推理的影响。实验1探讨归类情况下,项目诊断性对特征推理的影响。实验2探讨不归类情况下,项目诊断性对特征推理的影响。实验结果表明,归类与否决定项目诊断性是否影响特征推理。在归类情况下,高低两种诊断性条件下的特征概率判断没有差异,表明归类情况下,项目诊断性不影响特征推理;在不归类的情况下,高低两种诊断性条件下的特征概率判断存在显著差异,表明不归类情况下,项目诊断性影响特征推理。