（基础心理学专业论文）材料维度数量和结构复杂性对类别学习的影响.pdf

目录 中文摘要i 英文摘要 第一部分背景理论和文献综述o o oo00 1 1 前言1 2 背景文献分析1 第二部分问题提出和研究意义q q oq q o 8 1 问题提出”8 2 研究意义“o q o o o o o ooo o o 1 4 第三部分 l 实验一 2 实验二 3 实验三 实验研究o i qo i q 1 5 观察式学习方式下材料维度复杂性的变化对类别学习的影响1 5 反馈式学习方式下材料维度复杂性的变化对类别学习的影响2 2 推理式学习方式下材料维度复杂性的变化对类别学习的影响2 8 第四部分三种学习方式条件下的比较及讨论o o t oo 3 4 1 维度数量的变化o o ooo o o o oo0 t 6 0 q - o0 10000 0 0 3 4 2 维度结构的变化：”3 9 第五部分研究结论o i oo o o i o o oooo qoq o o 4 4 参考文献0 0 0 001 0010 00 oo a 4 5 附录g i oa q o ”“一”一“”“一”“”一4 7 后记”i i ood b “”4 8 材料维度数量和结构复杂性对类别学习的影响 中文摘要 类别学习是获得类别表征的途径。类别学习的过程机制是模式形成的过程机 制，类别学习的结果是类别表征的形式。类别学习获得的结果可以应用到人类认 知的各个方面，是诸如注意、记忆、分类、决策、问题解决和推理等这些基本认 知能力的基础。家族相似性类别是类别学习中常用的形式。类别学习方式和类别 维度的变化影响类别学习。 本研究包括三个实验。实验一，考察观察式学习方式下材料维度复杂性的变 化对类别学习的影响；实验二，考察反馈式学习方式下材料维度复杂性的变化对 类别学习的影响；实验三，考察推理式学习方式下材料维度复杂性的变化对类别 学习的影响。三个实验都以样例学习和特征学习为因变量，具体考察维度数量和 结构的变化对类别学习的影响作用，并对三种学习方式下类别维度数量和结构的 变化对类别学习的影响作了比较和讨论。本研究得出了以下的结论： ( 1 ) 观察式学习方式下，类别维度数量的变化对样例学习无显著影响作用， 对特征学习有影响，这种影响表现在特征正确再认数量上有显著差异，但特征再 认正确率上无显著差异；类别维度结构的变化对样例学习有影响，对特征学习无 显著影响，这种影响表现在样例正确再认数目上线性结构大于非线性结构。 ( 2 ) 反馈式学习方式下，类别维度数量的变化对样例学习无影响，对特征 学习无影响，只是在特征正确再认绝对数量上有差异；类别维度结构的变化对样 例学习有影响，对特征学习有影响，表现在线性结构类别相对于非线性结构类别 更易于学习。 ( 3 ) 推理式学习方式下，类别维度数量的变化对样例学习有显著影响，对 特征学习有显著影响，6 维度类别可能是规则形成的临界点。类别维度结构的变 化对样例学习显著有影响，对特征学习有显著影响，线性结构类别更有利于学习。 ( 4 ) 反馈式学习有利于样例学习，推理式学习有利于特征学习；随着维度 数量的增加，特征正确再认个数增加，但这种增加是一个复杂的机制，还有待更 多实验的支持；线性结构更有利于学习；类别维度数量的变化和学习方式无交互 作用，类别维度结构的变化和学习方式存在交互作用。 关键词：类别学习，类别维度，分类，学习方式 材料维度数量和结构复杂性对类别学习的影响 c a t e g o r yl e a r n i n gi st h ew a yo fo b t a i n i n gc a t e g o r yr e p r e s e n t a t i o n m e c h a n i s mo f p r o c e s s i o no fc a t e g o r yl e a r n i n gi st h em e c h a n i s mo fp r o c e s s i o no fm o d ef o r m i n g t h e r e s u l to fc a t e g o r yl e a r n i n gi st h ef o r mo fc a t e g o r yr e p r e s e n t a t i o n i tc o u l db ea p p l i e d t os e v e r a la s p e c t so fh u m a nc o g n i t i o n i ti st h ef o u n d a t i o no fs o m eb a s i cc o g n i t i v e c a p a b i l i t y s u c ha s a t t e n t i o n , m e m o r y ,c l a s s i f i c a t i o n , d e c i s i o n - m a k i n g , p r o b l e m - s o l v i n ga n dr e a s o n i n g f a m i l yr e s e m b l a n c e sc a t e g o r yi st h eu s u a lf o r m i n g i n c a t e g o r yl e a r n i n g t h ec h a n g i n go fm a l l o o ro fc a t e g o r yl e a r n i n ga n dc a t e g o r y d i m e n s i o n a l i t yh a v ei n f l u e n c 憋o nc a t e g o r yl e a r n i n g t h i sp a p e rh a st h i n ee x p e r i m e n t s e x p e r i m e n t1w i l le x p l o r et h ei n f l u e n c e s w h i c hc h a n g i n go fc o m p l e x i t yo fc a t e g o r yd i m e n s i o n a l i t yh a v eo nc a t e g o r yl e a r n i n g i nt h ew a yo fo b s e r v i n gl e a r n i n g e x p e r i m e n t s2w i l le x p l o r et h ei n f l u e n c e sw h i c h c h a n 咖go fc o m p l e x i t yo fc a t e g o r yd i m e n s i o n a l i t yh a v eo nc a t e g o r yl e a r n i n gi nt h e w a yo f f e e d b a c kl e a r n i n g e x p e r i m e n t s3w i l le x p l o r et h ei n f l u e n c e sw h i c hc h a n g i n g o fc o m p l e x i t yo fc a t e g o r yd i m e n s i o n a l i t yh a v eo nc a t e g o r yl e a r n i n gi nt h ew a yo f i n f e r e n c el e a r n i n g a l lt h e s et h r e ee x p e r i m e n t st a k ee x a m p l el e a r n i n ga n dc h a r a c t e r l e a r n i n ga sd e p e n d e n tf a c t o r st oe x p l o r et h ei m p a c to fn u m b e ra n ds t r u c t u r eo f c a t e g o r yd i m e n s i o n a l i t yo nc a t e g o r yl e a r n i n g t h e s er e s e a r c h e sh a v ec o m et ot h e s e c o n c l u s i o n s ： 一 ( 1 ) i nt h ec o n d i t i o no fo b s e r v i n gl e a r n i n g , t h en u m b e ro fc a t e g o r yd i m e n s i o n a l i t y h a sn oi m p a c to ne x a m p l el e a r n i n g ob u th a si m p a c to nf e a t u r el e a r n i n g t h e r ea r e s i g n i f i c a n t d i f f e r e n c e so nt h en u m b e ro fc o r r e c t r e c o g n i t i o no ff e a t u r e ，b u tn o s i g n i f i c a n td i f f e r e n c e s0 nt h ea c c u r a c yo fr e c o g n i t i o no ff e a t u r e t h es t r u c t u r eo f c a t e g o r yd i m e n s i o n a l i t yh a sn oi m p a c to nf e a t u r cl e a m i n g , b u th a si m p a c to n c h a r a c t e rl e a r n i n ge x a m p l el e a r n i n g t h e r e a r es i g n i f i c a n td i f f e r e n c e sb e t w e e n l i n e a r l ys e p a r a b l es t r u c t u r ea n dn o - l i n e a r l ys e p a r a b l es t r u c t u r e ( 2 ) i nt h ec o n d i t i o no ff e e d b a c kl e a r n i n g , t h en u m b e ro fc a t e g o r yd m e n 蓟o n a t t y h a sn oi m p a c to ne x a m p l el e a r n i n ga n do nf e a t u r el e a r n i n g , o n l yo nt h en u m b e ro f c o r r e c tr e c o g n i t i o no ff e a t u r e t h es t r u c t u r eo fc a t e g o r yd i m e n s i o n a l i t yh a si m p a c to n 材料维度数量和结构复杂性对类别学习的影响 e x a m p l el e a r n i n ga n df e a t u r el e a r n i n g l i n e a r l ys e p a r a b l es t r u c t u r ei sm o r ee a s yf o r l e a m m 吕 ( 3 ) i nt h ec o n d i t i o no fi n f e r e n c el e a r n i n g t h en u m b e ro fc a t e g o r yd i m e n s i o n a l t y h a si m p a c to ne x a m p l el e a r n i n ga n do nf e a t u r el e a r n i n g s i xd i m e n s i o n sc o u l db ev e r y i m p o r t a n tf o rr u l ec o m ei n t ob e i n go fc a t e g o r yl e a n i n g t h es t r u c t u r eo fc a t e g o r y d i m e n s i o n a l i t yh a si m p a c to ne x a m p l el e a r n i n ga n df e a t u r el e a r n i n g l i n e a r l y s e p a r a b l es t r u c t u r ei se a s i e rf o rl e a r n i n g ( 4 ) t h ec h a n g i n go fm a n n e ro fc a t e g o r yl e a r n i n g , f e e d b a c kl e a r n i n gi se s e f u lf o r e x a m p l el e a m i n g , i n f e r e n c el e a r n i n g i su s e f u lf o rf e a t u r el e a n i n g w h e nm o r e d i m e n s i o n si n v o l v e d , m o r ef e a t u r e sw i l lb el e a r n e d t h i si sac o m p l e xm e c h a n i s m , n e e d sm o r ee x p e r i m e n t s s u p p o r t l i n e a r l ys e p a r a b l es t r u c t u r ei se a s i e rf o rl e a r n i n g t h e r ei sn o - i n t e r a c t i o no fs t y l eo fl e a r n i n ga n dn u m b e r so fd i m e n s i o n s , b u to ns t y l eo f l e a r n i n ga n ds t m c t u r e s o fd i m e n s i o n s k e yw o r d s ：c a t e g o r yl e a f i n g , d i m e n s i o no fc a t e g o r y , c a t e g o n z a d o n ，l e a m i n gs t y l e m 材料维度数量和结构复杂性对类别学习的影响 第一部分背景理论和文献综述 1 前言 概念是思维的基本单位。概念和类别存在着非常复杂的关系，研究类别尤其 是类别表征可以促进对概念的深化理解。 类别学习是获得类别表征的途径。类别学习的过程机制是模式形成的过程机 制，类别学习的结果是类别表征的形式；通过类别学习获得的结果可以应用到人 类认知的各个方面，是诸如注意、记忆、分类、决策、问题解决和推理等这些基 本认知能力的基础：就是类别应用的研究也是以类别学习为基础的。 自然类别学习和实验室类别学习学习结果的出入引发了人们对自然客体的 再认识。家族相似性类别是类别学习中常用的形式，它也是人们对自然类别认识 深化的过渡概念，是类比自然概念的类别形式。 自然类别相对于实验室类别其明显的不同就是其类别维度数量和结构的复 杂性，这也是导致二者研究结果不同的根本原因，因为许多实证研究结果表明了 类别内维度的变化影响了类别学习。 现实生活中类别知识的习得方法是多种多样的，类别学习过程中一个不容忽 视的问题就是学习方式的不同。类别学习在不同的学习方式下其难易程度不同， 信息处理的过程不同，获得的类别表征形式不同，对类别学习各因变量指标的影 响也不相同，同时学习方式还和待学习的材料结构存在交互关系。 本文从类别维度的数量、结构变化入手，以家族相似性类别为实验材料，以 样例学习相关指标和特征学习相关指标为因变量，具体考察在三种不同的类别学 习方式之下( 观察式学习、反馈式学习、推理式学习) 材料维度的变化对类别学 习的影响，以期获得材料维度复杂性对类别学习影响的原始数据资料，从而对已 有研究做出评价、为未来相关研究提供基本数据。 2 背景文献分析 2 1 类别 概念的定义( 经典) 观说明了概念和类别的关系。这个观点认为概念拥有说明 此概念重要特征的定义，这个定义是一个关于整个类别的总结性描述。这说明了 类别的研究是和概念相联系的，概念又是人类思维的基本单位，故分类研究是认 材料维度数量和结构复杂性对类别学习的影响 知发展研究的一个重要领域。 类别既可以是抽象概念的聚合，也可以是具体客体的组合，且认知系统对二 者的对待是平等的。目前，在本质上有三类模型可以解释从分类研究中得到的数 据：原型模型、样例模型和基于规则的模型。其中的原型、样例、规则，可以看 作是类别学习过程中的认知加工过程，即分类的过程；也可以看作是学习后在大 脑中类别知识存储的形式，即类别表征。 原型模型和样例模型是基于相似性( 阴国思安蓉等，2 0 0 5 ) 的方法，人们 分类一个客体是基于它和已存储的类别表征的相似性程度而定的。在原型模型 中，存储的类别表征是该类别样例的平均值；在样例模型中，单个样例和它们所 归属的附有标签的类别并列地得到存储。原型模型和样例模型都认为：一个新的 客体通过和已存储的类别表征相比较，并且基于和它们的相似性来进行分类。而 在基于规则的模型中，人们会尝试发现一些规则以使所有的( 或大部分) 样例放 到正确的类别中，如果有例外，这些例外和规则并列得到存储。 到目前为止关于类别的研究可以归纳为四个方面。第一方面是类别形成的研 究，主要探讨类别形成的信息加工过程与机制，即探讨人们如何对不同类别的成 员进行加工处理以形成相应的类别，也可以称之为模式形成的研究，这也可以被 看成为类别学习的过程机制研究。第二方面是类别判断的研究，主要探讨人们根 据已形成的类别模式去识别新项目的类别归属的信息加工过程，也可以称为模式 识别的研究，这也可以被看成为类别学习的结果机制研究。第三方面是关于特征 推理的研究，主要探讨人们根据已形成的类别模式对新项目的某个特征做出预 测，研究此信息加工活动过程的特点与规律，尤其是归纳不确定条件下特征预测 的特点，也可以称为模式愈合的研究，这也同样可以被看成为类别学习的结果机 制研究。前三个方面都可以看作是关于学习的研究。第四方面是类别应用的研究， 类别应用的研究同样需要类别学习的参与，类别学习获得的类别表征是类别应用 研究的先决条件。，类别学习的研究贯穿类别研究的方方面面。 2 2 家族相似性类别 2 2 1 家族相似性 传统的基于规则的理论很难解释人们的类别形成，尤其是自然类别的形成。 自然类别不是以标准的确定特征为基础组织起来的，自然类别没有必不可少的特 2 材料维度数量和结构复杂性对类别学习的影响 征，也没有充分的特征，自然类别中不存在任何可以保证能够对事物进行准确划 分的特征。如w i t t g e n s t e i n0 9 5 3 ) 举例说，“游戏席就是一个不能够通过必要 和充分特征表述的概念。他提出概念或者类别是以家族相似性( f a m i l y r e s e m b l a n c e s ) 为基础的，强调类别内成员之间的相似性。一所谓家族相似性，是 指一个家族成员的容貌都有一些相似，但彼此相似的情况又不一样。如儿子的一 些容貌特征像父亲。另一些容貌特征又像祖父；女儿的一些容貌特征像父亲，另 一些容貌特征又像姑姑，如此等等。一家人的容貌不一样，但他们总有些相似。 这种家族相似性很像特征的集合，家族成员都会有某些家族特征，有的人多一些， 有的人少一些，不存在全部成员都有必须有的共同特征，所有自然类别的成员是 由相互重叠的特征网络联系在一起的。 2 2 2 家族相似性类别结构 家族相似性的概念提出以后，许多研究者创造性地设计了很多的类别结构来 解决类别学习中有争议性的问题。5 - 4 家族相似性类别结构就是由m e d i n 和 s c h a f f e r ( 1 9 7 8 ) 设计的( 表1 ) ，它包含5 个a 类别的学习样例和4 个b 类别 的学习样例及7 个测试样例，被试须在学习完9 个样例后对测试样例进行类别判 断。设计它的目的是比较类别学习后形成的表征是原型表征还是样例表征。 表15 - 4 实验范式的学习材料 y a m a u c h i ，m a r k m a n ，m u r p h y 和r o s s 等人( 1 9 9 8 ) 为深入地研究类别标签 和类别特征之间的关系问题设计了如表2 的类别结构，此结构后来被称为“直线 3 材料维度数量和结构复杂性对类别学习的影响 分离一类别结构( 以下简称为线性结梅) 。为了研究分类学习和推理学习两种学 习方式在学习过程中的信息处理方式是否相同，y a m a u c h i ，l 谊r k m n 以及c h i n p a r k e r ，r o s s ( 2 0 0 4 ) 设计了如表3 的类别结构。此结构就是所谓的。非直 线分离 类别结构( 以下简称为非线性结构) 。 表2y a m a u c h i 和m a r k m a n 所用的学习材料 表3y a m a u c h i 和 i b r k m n 在其实验1 中用的材科 家族相似性类别结构逐渐成为了研究的热点，并通过对材料具体维度结构的 设计来考察实验室类别学习中存在的问题。这时关于类别维度复杂性的研究主要 4 材料维度数量和结构复杂性对类别学习的影响 是其结构方面，维度数量往往得到控制，一般是4 - 5 个维度。维度数量的控制是 和自然类别维度数量的变化有很大差异的，自然类别维度数一般要多的多 ( h o f f m a n ，m u r p h y ，2 0 0 6 ) 。 2 3 类别维度的复杂性 2 3 1 维度数量 类别维度复杂性的一方面是指类别维度数量的多少，即一个自然客体中到底 有多少个维度数量? 这个问题可以通过被试对客体所列出的特征来说明。r o s c h ， m e r v i s ，g r a y 等人( 1 9 7 6 ) 的研究表明g 运动跑车有1 7 个特征，拔钉锤有8 个 特征；m a l t 和s m i t h ( 1 9 8 2 ) 给被试7 5 秒钟的时间让他们列举3 5 种客体的特征： 每个客体的平均特征数范围是6 0 到9 6 个。 这一系列的实验说明，实验室中所用的4 - 5 个维度数和自然界客体的特征数 是有差异的。研究多维度类别学习更具有实际意义。 2 3 2 维度结构 类别维度复杂性的另一方面是类别维度结构的变化。一系列的证据表明，分 类心理学研究的核心是寻找结构的可行性( b e r l i n ，b r e e d l o v e 和r a v e n ，1 9 7 2 ) 。 自从茹什开始对自然类别的研究以来，学术界的一致结论是，相对于人的知觉和 概念系统，世界本身就是自然的组块的。即世界上的事物其结构是由相互联系着 的特征组成的模式而不是特征的垂直分布，这些模式产生了不连续性或组块。这 些组块还可能具有跨文化的一致性( m a l t ，1 9 9 5 ) 。这种自然的类别结构是很难 用线性类别结构来表述的，因为以往心理学实验中用的刺激材料其维度大多数是 连续的线性结构，研究结果和自然条件下的类别学习存在一定的出入。 研究同时表明对这种自然结构的寻找不是不可行的。第一，基底水平的类别 可能含有相互联系的特征，这些特征指向有意义的次结构。第二，入学习和应用 等级结构组织起来的类别，因此概念化的图式是建立在不同的水平等级上的 ( w a x m a n ，1 9 9 8 ) 。第3 ，概念和类别有多重的功能，由一个目标规定的结构相 对于由其他日标或功能规定的结构是不同的( s o l o m o n 。m e d i n 和l y n c h 。1 9 9 9 ) 。 这些研究一方面表明类别结构的变化具有复杂性与多变性，同时另一方面表明， 根据不同的研究目的，这些结构是可以得到发现的。例如在基底水平或概念的某 一等级结构上，针对某一目标探索自然类别的结构。 5 材料维度数量和结构复杂性对类别学习的影响 实践经验也表明，在自然的客体分类中，人可以掌握非常复杂的类别结构。 一方面，一些类别可以用言语表述的规则很好地区分。例如，一个简单的言语规 则区分三角形和四边形( a s h b y ，l e o l a ，1 9 9 5 ) 。另一方面，也有研究表明专家 可以用非常复杂的、不能用言语描述的规则来解决分类问题。例如，农民区分小 鸡的性别就是很难用言语描述的决策规则。也就是说在实际自然物的分类过程中 人们可以掌握非常复杂的类别结构，m c k i n l e y 和n o s o f s k y ( 1 9 9 5 ) 的研究表明， 人可以学习一些非常复杂的类别规则( 如，非线性) 。 2 4 类别学习 2 4 1 类别学习 类别学习是指个体学习把刺激放入两个组或更多组中去的认知加工过程 ( f i l o t e o ，m a d d o x ，2 0 0 4 ) 。p o s n e r 和k e e l e ( 1 9 6 8 ) 的研究中说明有两种类 别学习任务：一种是观察式学习，另一种是反馈式学习。其中用的最广泛的观察 式学习是指点子图分类任务，反馈式学习则是指被试在训练阶段归类每一个新的 样例，并被给与正确与否的反馈。这也是提出的最早的类别学习范式。 2 4 2 类别学习的方式 后来的许多研究( 刘志雅、莫雷，2 0 0 4 ) 证明了不同的类别学习方式对类别 学习的过程、结果机制等造成了不同的影响。可以总结并归纳出以下的三种类别 学习方式：观察式学习、反馈式学习和推理式学习。 观察式学习，即同时向被试呈现标签和样例，被试只需要整合标签和样例。 这个学习过程可能是一个内隐的加工过程，被试不会一个维度接着一个维度的搜 索，而是会形成一个标签和样例的模糊而整合的印象，被试可能不能用言语来说 明自己分类的规则。 反馈式学习，即被试先不给予标签，标签在被试反应后呈现。这样被试可能 一个维度接着一个维度的搜寻，直到满足分类所需要的分类标准，或者称为规则。 找到正确分类的规则后被试可能就不会学习更多的维度。这个学习过程更可能是 一个外显的假设一检验过程，被试可能能用言语来表述自己分类的规则是什么。 以y a m a u c h i 和m a r k m a n 等( 2 0 0 2 ) 为代表的强调了推理式学习模式。学习 的过程是逐个呈现所有的刺激和它所属的类别标签( a 或者b ) ，但每个刺激不 是完整的呈现出来，而是隐秘了某个缺失的特征，要求被试推理该特征所归属的 6 材料维度数量和结构复杂性对类别学习的影响 类别，被试每次推理后主试也即时给予正确或者错误的反馈。这样，每个刺激的 各个特征都经过推理后，并且所有的刺激经过多轮的推理后，也同样可以学习到 一个新的类别知识。这个被称之为特征推理学习的过程也可以看作是反馈式推理 的范式，只是反馈方式从对整个样例的反馈转移到了对特征的反馈，称之为推理 式学习。 2 4 3 类别学习的算法 h o f f m a n 和m u r p h y 等人( 2 0 0 6 ) 认为类别学习模型的主要区别在于类别维 度数量的变化对类别学习的影响上。 。联结主义者算法一认为类别是特征组成的网络，网络可以容纳更多的维度 以产生更多输入节点，同时产生更大数量的激活传输给类别输出，并导致正确反 应比率的增加。也就是说在家族相似性类别学习中，这种非限制的网络可以用附 加的且具有信息化的维度来进行更快的学习( g l u c k 和b o w e r ，1 9 8 8 ) 。类别维 度的增加是否促进了类别的学习还取决于人的注意力的高低，低注意能力不能促 进类别学习，但也不会阻碍类别学习，高注意能力则会促进类别学习。 “假 5 t - t t 验算法 中的规则加例外模型( r u l e x ) 认为分类首先检验单维规 则，接着加入更多的维度，可能规则的数量随着维度的增加而成幂指数增加 ( n o s o f s k y ，p a l m e r i 和m c k i n l e y ，1 9 9 4 ) 。例如，一个四个维度( 一个维度两 个特征值) 的类别可能有1 0 个一维或二维规则，但一个八维度的类别就可能有 3 6 个一维或二维规则。即一个类别需要学习3 个或更多的维度时，多维度类别 就需要更多的时间且变得更难。 “错误一驱动算法一认为，学习是在错误尝试中进行的，如果一个线索( 维 度) 或线索( 维度) 集可以成功的预测结果，既没有了错误，那么其他线索( 维 度) 的权重就不会改变。也就是说当被试达到了所要求的正确率，那么他就不会 主动去学习更多的维度( r e h d e r 和m u r p h y ，2 0 0 3 ) 。 材料维度数量和结构复杂性对类别学习的影响 第二部分问题提出和研究意义 1 问题提出 1 1 以往的研究 1 1 1 类别维度和类别特征 类别维度和其表现形式类别特征是影响分类活动的重要因素，同时也是 类别学习结果的表现形式，即对类别样例和特征的正确再认。类别维度的变化有 其数量和结构两部分。 s h e p a r d ，h o v l a n d 和j e n k i n s ( 1 9 6 1 ) 的研究表明，基于单维的类别相对于 包含两个维度的类别更容易学习。即当分类需要更多维度参与时，学习就变得困 难起来。他们的解释是，随着维度数量的增加，分类的规则也会相应增加，从而 导致了学习的困难。 实验室中材料维度数量较少的设计也是从s h e p a r d 等人的研究开始的。但随 后更多的证据表明自然类别包含的维度比实验室研究中使用的类别维度多得多， 人们也是能够进行很好的学习。随着类别维度的增加，类别特征的数量也会相应 增加。类别特征的增加会增加学习的干扰性，即线索干扰效应。但也有研究表明， 类别特征的增加可以促进类别的学习，如上面提到的类别学习的网络模型。 类别维度和其表现形式类别特征数量的变化对类别学习是有影响的，但 影响的方向在很多研究中是有争议的，就像第一部分类别学习的各个算法所陈述 的观点。 类别维度的变化还体现了其结构的变化，如研究者提出的家族相似性类别结 构( 详见“家族相似性类别结构一) 。类别维度结构的变化主要体现在了实验室所 用的实验材料上，即对材料作线性或非线性的设计。 1 1 2 类别维度和注意 一些实验室结果( l e w a n d o w s k y ，k a l i s h 和n g a n g ，2 0 0 2 ) 证明注意是被特 殊地分配到某一个维度上的表征空间的某一个区域之上的。m i c h a e l 和k a l i s h ， j 0 l l n 以及k r u s c h k e 等研究者( 2 0 0 0 ) 总结了人的类别学习的许多实验。实验的 结果表明，单维度上有两个值的刺激在实验中的应用暗含了注意的转移这样一个 快速的活动机制。分类的理论要求实验中呈现的刺激应该是相似的，表现在这些 8 材料维度数量和结构复杂性对类别学习的影响 刺激的分离的或连续的维度上，这些维度通常具有两个值，即两个特征。类别的 区分就体现在了单维度上的特征值属于哪个原型，一个样例其大多数维度上的特 征值属于a 类别原型，该样例就属于a 类别。这也是为什么大多数的实验研究只 选择两个类别进行研究的原因。本研究也采用了两类别判断的学习范式。 1 2 本研究设计思想 1 2 1 学习材料 本研究的实验材料从变化其维度的数量和结构来考察类别学习；以虚拟的植 物花朵的简笔画为材料使其从形象上来看更接近客观自然物。 从文献综述来看，类别维度的变化是影响类别学习的重要因素。但维度数量 多少的变化对类别学习造成怎样的具体影响、怎样的类别维度结构有利于类别的 学习等问题到目前为止研究的还不多，已有的一些研究结论也有冲突的地方。本 研究就材料维度数量的变化从3 维度类别、6 维度类别、9 维度类别入手考察维 度数量递级的增加对类别学习的影响，这在以往的研究中还是较少的，因为以往 的研究都是取两个水平的变化，如4 维度类别和8 维度类j 5 f 的比较。材料维度结 构从线性结构类别、非线性结构类别两个水平入手，这和以往的研究是相似的。 1 2 1 1 类别维度数量的变化 表4 和表5 为材料维度数量变化的具体特征分布。 表43 维度类别和6 维度类别 注：3 一d l 为第一个3 维类别，3 - d 2 为第二个3 维类别 9 材料维度数量和结构复杂性对类别学习的影响 注：3 - d l 为第一个3 维类别，3 - d 2 为第二个3 维类别，3 - d 3 为第3 个3 维类别 本研究设计的材料单从维度数量上来说分为3 维度类别、6 维度类别和9 维 度类别，每个维度有两个特征值，0 和1 。以3 维度的类别为例说明两个类别。 两个类别分别为a 和b ，a 类别的原型是000 ，样例变式是在一个维度上有一 个b 类别的特征值l ，如010 、l00 。6 维度类别是3 维度类别的对称叠加( 见 表1 ) ，9 维度类别是3 维度类别的三重叠加( 见表2 ) 。 之所以选用这些具有不同维度数量的类别材料是有原因的。自然界中的物体 具有多维度特性，而大多数的实验室研究为了便于额外变量的控制都是从较少的 维度着手来进行研究的，这是不符合客体存在现实的。同时，选择3 、6 、9 这三 个维度数量一方面参照了以往对自然客体特征数量的研究，如m a l t 和s m i t h ( 1 9 8 2 ) 的研究和h o f f m a n ，m u r p h y ( 2 0 0 6 ) 的研究；另一方面从数量等级的变化 入手，具体考察材料维度数量的多少对类别学习的影响。 本研究对材料的设计在类别学习中会存在一些问题。如从表1 可以看到，具 有不同维度数量的类别是呈对称结构排列的，对称结构可能使被试学会了这种对 称规则，可能的结果是会存在类别学习的简化。也就是说6 维度类别是3 维度类 别的对称、9 维度类别是3 维度类别的3 重叠加。被试学会了3 维度类别，如学 会了花朵的一部分，学习结果可能就会促进被试去判断这个类别的归属，即他就 不需要学习更多的维度去正确的进行分类，那么被试就会在学习多维度类别时出 现不去学习更多类别特征的现象。如何对这些额外变量进行控制也是需要仔细考 1 0 材料维度数量和结构复杂性对类别学习的影响 虑的。针对上述问题，本研究一方面采用被试问设计，避免学习效应干扰现象； 另一方面以具体的因变量指标( 如特征正确再认个数) 作为监控，看这种现象是 否真的出现。 另外，材料维度数量不同，学习方式不同，样例暴露给被试的时间也不同。 学习时间的不同就不能把学习结果差异解释为维度数量的变化。怎样解决学习时 间不同的问题在本研究设计中也是一个难题。其一，用学习时间和再认反应时为 因变量指标来考察不同维度数量的类别是否存在学习时间上和再认时间上的差 异。其二，由于存在不同的学习方式带来的样例学习时间的不同，如观察式学习 相对于反馈式学习和推理式学习，其样例学习时间是由被试自己控制的，而不是 逐轮地学习样例，其学习时间会变短。针对这一问题，本研究一方面平衡反馈式 学习方式条件下和推理式学习方式条件下样例学习的轮数来平衡学习时间：另一 方面，由于样例暴露的增多会带来样例间的干扰，干扰本身可以平衡由于时间增 加带来的学习效果，故结果统计中可以把时间因素忽略。 由于本研究中有特征学习指标这一因变量。存在的另一个问题是，以特征正 确再认个数为因变量时，怎样去比较维度数量的不同导致的特征正确再认个数的 不同。例如给被试一个1 0 0 个维度的样例，被试可能学习到l o 个特征，给另一 个被试一个1 0 个维度的样例，他可能学习到5 个特征，就不能说前一个被试学 习的效果比后一个被试好，因为他们所接触的维度数量基数是不同的。所以，在 比较3 维度类别、6 维度类别的学习和3 维度类别、9 维度类别的学习时，本研 究用特征再认正确率作为指标来考察这种类别学习，即上例中的1 0 1 0 0 和5 1 0 ， 这时就可以说第二个被试学习的效果比第一个被试要好。 1 2 1 2 类别维度结构的变化 类别维度数量变化组材料其维度结构是对称的。那么，维度非对称结构的类 别学习又是什么样的? 本研究采用类别学习中常用的两种类别结构，线性分离结构和非线性分离结 构。类别的线性结构是指刺激特征间具有线性关系，类别的非线性结构是指刺激 特征间具有非线性关系( f i l o t e o ，m a d d o x ，2 0 0 4 ) 。线性分离结构是指类别内每 个维度的变化是线性的，如0 0 0 0 0 ，0 0 0 0 1 ，0 0 0 1 0 ，0 0 1 0 0 ，0 1 0 0 0 ，1 0 0 0 0 ，即类 别内各样例和原型的相似性均等，且能用一条直线区分两个类别。而非线性分离 结构是指类别内每个维度的变化是非线性的，如0 0 0 0 0 ，0 1 0 1 0 ，0 0 1 0 1 ，1 0 1 0 0 ， 材料维度数量和结构复杂性对类别学习的影响 0 1 0 0 1 ，即类别内各样例和原型的相似性不均等，且不能用一条直线区分两个类 别。类别结构的变化可以类比自然类别。 考察类别结构的变化对类别学习的影响，本研究没有关注类别维度的数量在 其中所起的作用，故只在6 维度类别中变换其结构。在线性结构的类别中采用的 是单维的线性变化，即类别a 中的样例只在一个维度上存在类别b 的典型特征； 在非线性结构类别中只能使两个维度的特征值为另一个类别的典型特征，因为实 验选取的是6 维度的类别结构，如果类别a 中某一样例上一个维度的特征为类别 b 的典型特征的话，那么其结构就和和线性结构雷同了；而如果类别a 中有3 个 维度的特征为类别b 的典型特征，那么就不存在类别间的区分了。故本研究采用 如表6 和表7 的类别特征分布形式。 表6 线性结构类别 注：d 1 - 1 ) 6 为类别内各维度 材料维度数量和结构复杂性对类别学习的影响 注：d 1 - i ) 6 为类别内各维度 1 2 2 学习方式 类别学习有不同的学习方式，不同的学习方式又对类别学习的结果造成不同 的影响。如类别学习结果的表征形式，y a m a u c h i 和i d a r k m a n ( 1 9 9 8 ) 的研究表明 特征推理学习促进了原型表征，分类学习( 即反馈式学习) 促进了样例表征。类 别学习的结果不仅体现在学习后的表征上，它还体现在样例学习各指标和特征学 习各指标上。以往的研究只是单纯地在一种学习方式或两种学习方式( 特征推理 学习或反馈学习) 下研究类别维度数量或结构的变化对类别学习的影响，而本研 究卿是在归纳前人研究类别学习的基础上总结分化出3 种类别学习方式一观 察式学习、反馈式学习和推理式学习，并具体考察3 种学习方式之下材料维度数 量和结构的变化对类别学习的影响。 1 2 3 学习结果 以往研究类别学习常用的一个指标是分类的准确性，尽管分类的准确性提供 了关于分类加工的非常重要的信息，但被试的反应时常常提供更有价值的信息。 材料维度数量和结构复杂性对类别学习的影响 例如，两列类别样例在类别学习中总会有相同的正确率，但可能有不同的反应时 分布( m a d d o x ，a s h b y 和g o t t l o b ，1 9 9 8 ) 。本研究采用了反应时的方法，并根据 学习方式的不同有的放矢地对类别样例学习和样例的特征学习来记录反应时的 变化。 同时参考f f o f f m a n 和m u r p h y 在2 0 0 6 年的研究范式，概括出样例学习和特 征学习两类因变量指标。具体为样例平均学习时间、样例正确再认个数和样例再 认反应时；特征正确再认个数、特征再认正确率和特征再认反应时。在反馈式学 习和推理式学习方式中又加入了样例平均学习轮次因变量。 本研究以类别学习的样例学习相应指标和特征学习相应指标为因变量，具体 考察三种学习方式条件下材料维度复杂性的变化对类别学习的影响作用。以期获 得的基本数据为类别学习的各种模型提供依据，为类别学习理论的发展提供基本 数据的支持。 2 研究意义 所有的动物都必须学习对它们生存环境中的客体和事物加以分类以获得生 存。如蘑菇是可吃的还是有毒的? 藏在矮树丛后面的物体是鹿还是狼? 正确的分 类使动物选择正确的方法获得食物，亦可以避免中毒( a s h b y ，v a l e n t i n ，) 。类别 学习从生存的角度来说具有进化论的意义。 人类的类别学习还具有社会意义。如，面对一个人，他是敌人还是朋友? 商 场上的人是合作的伙伴还是竞争的对手? 这些都需要正确地进行归类，以赢取最 大化的利润、避免不必要的损失。 上面是针对类别学习对动物和人的生存或生活的角度来谈的，类别学习具有 实际作用价值。从