2026年分类整合测试题及答案

2026年分类整合测试题及答案

一、单项选择题，20分1.在分类整合理论中，决定个体将新刺激归入某一类别的核心机制是A.特征频率统计B.原型匹配C.规则推理D.情境线索2.若某被试在“鸟类”类别下将“企鹅”排除，其整合策略最可能属于A.单维度排除B.家族相似性C.核心属性加权D.情境重构3.关于分类学习的“渐进分离模型”，下列表述正确的是A.边界一次性形成B.维度权重恒定C.错误驱动调整D.原型永不更新4.在整合阶段，个体对“边缘样例”进行亚类划分，主要依赖A.标签长度B.情绪效价C.知觉负载D.元认知监控5.当类别间出现“维度重叠”时，降低错误率最有效的反馈方式是A.延迟反馈B.精确定位反馈C.社会比较反馈D.零反馈6.对儿童而言，促进分类整合的“言语标签”最佳呈现时机是A.刺激前500msB.刺激同时C.反应后1sD.次日复习7.在“分层贝叶斯分类”框架中，先验概率的更新遵循A.最大似然估计B.马尔可夫链蒙特卡洛C.最小描述长度D.梯度下降8.若某AI系统采用“对比预测编码”进行类别整合，其损失函数主要惩罚A.互信息低估B.特征冗余C.标签噪声D.维度缺失9.当类别成员出现“因果链”结构时，人类整合偏好A.末端效应B.中间抑制C.因果位置效应D.平均加权10.在跨文化研究中，发现草原游牧群体对“动物分类”的整合层级A.比渔民群体更深B.与渔民群体无差异C.以效用为首要维度D.以颜色为首要维度二、填空题，20分11.分类整合的“认知经济性”原则强调以最小________获得最大________。12.当样例与原型距离超过个体设定的________阈值时，会触发________搜索。13.“关系分类”理论指出，人类不仅整合特征，还整合特征间的________。14.在机器分类中，________正则化可防止类别边界对________样例过拟合。15.神经影像学发现，类别整合任务中________皮层与________皮层同步激活。16.对“人造物”类别，________维度通常比________维度权重更高。17.若类别标签由专家提供，个体倾向于采用________策略而非________策略。18.在动态环境里，类别表征的更新速率与________不确定性成________比。19.双语者第二语言的分类整合常出现________延迟，源于________竞争。20.教育领域倡导的“对比性样例”设计，旨在提升学习者的________区分与________迁移。三、判断题，20分21.原型理论认为类别边界是僵硬的，不可调整。22.分类整合中的“维度注意”可以通过奖励机制被快速重配。23.在“规则加例外”模型中，例外样例数量增加会降低规则使用率。24.情绪唤醒水平的提高总是促进类别整合效率。25.对于“危险动物”类别，人类更依赖分散式而非集中式表征。26.机器学习中的“集成学习”与人类“众包标签”在整合机制上完全同源。27.分类整合的“发展逆转”现象指儿童某些维度权重随年龄下降。28.当反馈延迟超过2秒，分类边界的移动幅度显著减小。29.“语义距离”与“心理距离”在类别整合中具有完全相同的计算方式。30.在视觉搜索任务中，类别预期可提前抑制无关特征通路。四、简答题，20分31.简述“原型更新”与“边界调整”两种整合路线的差异及适用情境。32.概括“因果知识”如何影响分类整合的维度权重分配。33.说明“社会标签”在儿童分类整合发展中的双重作用。34.概述“预测编码”框架下分类错误信号的神经认知意义。五、讨论题，20分35.结合实例讨论“文化差异”对动物分类整合层级的塑造机制。36.试分析“深度生成模型”在模拟人类原型形成中的优势与局限。37.探讨“教育干预”如何借助分类整合理论缓解概念迷思。38.评估“实时神经反馈”提升类别边界灵活性的伦理风险与前景。答案与解析一、1B2C3C4D5B6B7B8A9C10C二、11认知资源预测精度12拒绝边缘13结构关系14L2噪声15前额叶颞下16功能知觉17权威服从探索性归纳18环境正19语义标签20关键远三、21×22√23√24×25√26×27√28√29×30√四、31.原型更新通过统计平均调整中心表征，适合分布均匀、噪声低的类别；边界调整通过移动决策面区分重叠区域，适合维度冲突大、例外多的情境。前者节省记忆，后者提升精度。32.因果知识将特征赋予生成力，使原因特征权重上升，结果特征下降；整合时优先匹配原因，抑制表面相似，减少错觉归类，提高预测性。33.社会标签提供快捷维度，加速早期归类；过度依赖则抑制自主探索，造成标签束缚。合理支架可平衡效率与灵活性。34.错误信号表征预测失配，驱动层级权重更新；前额叶发放增强，反馈至感觉皮层，调节特征提取，实现快速再分类。五、35.草原群体以“移动方式”为高层级，渔民以“栖息水域”为高层级；生态需求与语言编码共同作用，形成维度凸显差异，体现环境—认知协同。36.生成模型可学习潜在原型，捕捉高阶相关，但需大量数据，且隐空间可解释性差，易陷入“虚假原型”，需引入因果约束。37