项目诊断性在特征推理中作用研究.docVIP

项目诊断性在特征推理中作用研究 　　摘要：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。 　　关键词：单类说；特征推理；项目诊断性；归类 　　中图分类号：B842.5　文献标识码：A　文章编号：1003―5184(2009)01―0027―05 　　 　　1　前言与目的 　　 　　项目的典型性是概念结构的主要成分，最早关于典型性的论述是Rosch和Mervis提出的。他们认为项目的典型性包括两个因素：项目类别间的诊断性和项目类别内的代表性。诊断性指的是一个项目属于靶类别，而不属于非靶类别的概率。一个项目的诊断性越高它属于靶类别的概率就越大。项目的诊断性会影响项目归类的确定性，诊断性越高对项目的归类就越确定，诊断性越低对项目的归类就越不确定。诊断性低的项目相对于诊断性高的项目具有非靶类别的更多特征，因而在判断诊断性低的项目是否属于靶类别时，会比判断诊断性高的项目是否属于靶类别更难。例如，企鹅和知更鸟都属于鸟类，但相对于知更鸟，企鹅就是一个诊断性低的项目，因为它不仅具有鸟这个靶类别的一些特征，而且还具有鸟之外的其他非靶类别的特征，比如会游泳，不会飞行，吃鱼等等，因而在判断企鹅是否是鸟时，就会更难判断。 　　 　　项目的代表性，可以用这个项目与靶类别中其他项目的相似程度来表示。该项目与靶类别中其他项目的相似程度越高，它在这个类别内的代表性就越高。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，唧唧叫。因而，在鸟这个类别中，知更鸟比企鹅更有代表性。 　　在对类别的研究中，为了研究的方便，通常会将类别结构数量化，因而典型性的两个成分，诊断性和代表性也可以进行数量化的表示和运算。诊断性的数量化操作是用线索效度来表示完成的，而代表性的数量化操作是用类别效度来完成的。 　　按照诊断性的定义，线索效度被定义为一个项目属于靶类别的概率。假设项目X具有特征F，那么项目x属于靶类别Y的概率，这就被称作特征F的线索效度。特征F线索效度的计算方法是：类别Y中有特征F的项目的个数，除以所有类别中有特征F的项目的个数，所有类别中有特征F的项目的个数，是类别Y中有特征F的项目的个数和其他类别中有特征F的项目的个数的总和。 　　而根据代表性的定义，类别效度被定义为一个项目具有某种特征的概率。例如，项目x是类别Y的一个项目，在考察项目x具有特征F的概率时，主要是看靶类别Y中具有特征F的项目的个数，类别Y中的项目含有特征F的比率越高，特征F的类别效度就越高，特征F在类别Y中的代表性就越高。同时，特征F的类别效度同其他非靶类别中的成员是否具有特征F是没有关系的。 　　 　　2005年，Murphy和Ross对诊断性和代表性在特征推理中的作用进行了详细的研究。他们首先控制代表性，考察诊断性对特征推理的影响。在实验中，研究者通过增加或减少非靶类别中具有特征F的项目的个数，来变化线索效度分数的分母，从而改变特征F的线索效度。然后控制诊断性，考察代表性在特征推理中的作用。在实验中通过变化某个特征在靶类别中的出现的概率来控制该特征的类别效度，从而控制该特征的代表性。 　　对诊断性研究具体如图1所示，给被试呈现该图片。告诉被试该图片上是四名儿童画的图形，他们分别是Liz、Rachel、Jessica、Mary，四名儿童实质上代表了四个不同的类别。 　　现在有一个正方形和心形，请被试估计正方形和心形分别最可能是谁画的，并预测正方形和心形的背景分别最可能是什么。在判断正方形是谁画的时，很明显Liz是靶类别，因为四名儿童一共画了12个正方形，而Liz一人就画了6个。根据线索效度的计算方法，正方形是Liz画的诊断性为6／12。由于Liz画的9个图形中6个图形的背景是点，根据类别效度的计算方法，被试预测，点背景是Liz画的三角形的背景的代表性为6／9。 　　同理在判断心形是谁画的，并预测心形的背景是什么时，Rachel是靶类别，同理按照线索效度的计算方法，心形是Rachel画的诊断性为6／8。由于他画的大部分图形是无背景的，因而被试预测，无背景是Rachel画的心形的背景的代表性为6／9。 　　由此可见，点是正方形背景的代表性是6／9，无背景是心形背景的代表性也是6／9，二者的代表性是相同的，因此有效的控制了代表性。但是诊断性不同，一个是6