不确定时的特征推理.docxVIP

不确定时的特征推理 1 归类不确定时的特征推理 不能完全确定一个事物属于哪个类别，也被称为“不确定的类别”。在这种情况下，人们通常会推理这个事物的一些特征。例如,在野外不远的草丛里发现了一个动物,你可能立刻就作出了该动物可能会伤人的特征推理。究竟作出这样的推理前,是否先进行归类?如果归类了,是归到一个类别来进行推理,还是归到多个类别中进行考虑,引发了研究者极大的兴趣。 研究者们关注这种归类不确定时的特征推理究竟受什么因素的影响,当前主要有两方面的观点: 第一,以Murphy和Ross等(MurphyRoss,1994)为代表的提出了“单类说”。单类说认为,当归类不确定时人们对事物特征的推理遵循“单类的Bayesian规则”,用公式P(j\F)=P(k\F)·P(j\k)来表示。F表示要推理的事物,k表示该事物可以归入的类别,j表示要推理的特征。也就是说,如果存在着某个最可能归属的“靶类别”,人们只会根据靶类别的信息作出推理,而不会考虑其它非靶类别的信息。所谓“靶类别”,指的是人们推理某事物具有什么特征时,会先推断该事物最可能属于什么样的类别,这个最可能被确定的类别就是“靶类别”。如上例,野外一个不确定类别动物的伤人概率,等于该动物归到靶类别(食肉类动物)的概率P(肉食动物\动物)与该类动物伤人概率的乘积P(伤人\肉食动物)。 第二,Anderson(1991)提出的理性模型,该模型认为,当归类不确定时人们对事物特征的推理遵循“Bayesian规则”,用公式P(j\F)=Σk P(k\F)·P(j\k)来表示。该模型主张,归类不确定时的特征推理除了要考虑归类到靶类别的推理概率外,还要加上归类为其它类别(非靶类别)的推理概率。如上例,野外一个不确定类别动物的伤人概率,除了包括该动物归到靶类别(食肉类动物)的概率P(肉食动物\动物)与该类动物伤人概率的乘积P(伤人\肉食动物)外,还要加上该动物归到非靶类别(食草类动物)的概率P(草食动物\动物)与食草类动物伤人概率的乘积P(伤人\草食动物),并且存在着多少类非靶类别就增加多少次推理概率。公式中增加了Σk来表示。 两种观点都认为,归类不确定时特征推理都受到两个主要的因素影响,分别是归类概率P(k\F)和类别内某特征概率P(j\k)。Rosch和Mervis(1975);Murphy和Ross(1994,2005)把第一个因素称之为“类别典型性”,指某个项目属于某个特定类别的概率。第二个因素称之为“特征典型性”,指某个特征在某个特定类别中存在的概率。 不同的是,理性模型主张多类别的Bayesian规则,公式中用Σk来表示。如上例,要判断野外一个不确定类别动物的伤人概率,除了考虑该动物归到食肉类动物的情况外,还要考虑该动物归到其它类动物(如食草类)的情况,而且可能归属多少类别就计算多少类别的和。而单类说只考虑最可能归属的类别,也就是靶类别这种情况。如图1。 有4位学生画了一些彩色几何图形,图1是这4位学生画的部分有代表性的图形,要求被试学习了这4位学生画画的情况后,判断一幅新的图形具有某种颜色的概率。4位学生的图形代表4种类别,由于新的图形(正方形)不知道是哪个学生画的,因此,这个任务就是归类不确定时的特征推理任务。 例如,在推理正方形为绿色的概率时,正方形属于学生1的概率P(学生1\正方形)为3/5,学生1所画图形为绿色的概率P(绿色\学生1)为3/4;正方形属于学生2的概率P(学生2\正方形)为1/5,学生2所画图形为绿色的概率P(绿色\学生1)为零;正方形属于学生3的概率P(学生3\正方形)为零,学生3所画图形为绿色的概率P(绿色\学生1)为2/4;正方形属于学生4的概率P(学生4\正方形)为1/5,学生4所画图形为绿色的概率P(绿色\学生1)为零。 在在推理正方形为绿色的概率的以上例子中,由于正方形为学生1所画的概率最大,因此,学生1就是“靶类别”,其他学生则属于“非靶类别”。在每个非靶类别中,“类别典型性”和“特征典型性”其中一项为0。Murphy和Ross(1994)将这种条件称为“中性条件”(neutral condition)。 根据单类说,可以得出正方形推理为绿色的概率P(绿色\正方形)=P(k\正方形)·P(绿色\k)=P(学生1\正方形)·P(绿色\学生1)=(3/5)·(3/4)=0.45 显然,在归类不确定的情况下,对于中性条件的推理,单类说和理性模型得出的结论是相同的。 推理三角形为红色的概率时,靶类别为学生2,其他学生则为非靶类别。显然,在非靶类别中,“类别典型性”(三角形为该学生所画的概率)和“特征典型性”(该学生所画图形为红色的概率)不同时为0。Murphy和Ross(1994)把这种条件称之为“增加条件”(increasing condition)。