文档介绍：万方数据
△▲●■丛.■.评述一个新的类别学习模型:常建芳”常静莫涞睦啾鹧澳P雷引言概念是人们对某个类别的成员的经验所做的智能表征。人们的类别知识的获得通常是要基于概念的发展。如果没有概念知识的形成和发展,人们难以感知周围的世界,当见到一个新事物,人们都对之没有知识经验,不知如何对待。例如。一个小孩第一次见到一个火炉,他可能伸手去摸而被烫伤。当他再次见列另外一个火炉时,可能它和第一次见到的那个火炉在大小、颜色和设计上都有一些区别,但他只要掌握了“火炉”这一概念,他就不可能再去触摸了。反之,若是这个小孩不能形成“火炉”这个概念,那他将一次次地被火关于人类如何获得类别概念和结构这个问题,哲学家、心理学家和计算机研究人员已经做了许多探索,构建了一些经典的类别学习模型。早期有规则模型以及基于相似性构建的原型模型与样例模型。之后,又有诸如理性模型现。近期,推出了一个崭新的类别学习模型——且桓霾慵锻缒P停芄唤虾玫亟饩隼啾鹧问题。每一个新模型的构建都是为了弥补先前模型存在的缺陷,从而更好地揭示人类的类别学习的规律。规则模型类别学习的经典理论认为,类别之间是由逻辑规则界定的5比唬⑾终飧龉嬖蛐枰R桓黾偕杓煅楣獭@纾规则就是刺激项目是否该归为嗟呐斜鸨曜肌T诜⑾止则的过程中,人们可能会先假设。若图形是黑的,则是嗟成员”。之后发现不对,因为嘀幸灿泻谏ǖ难K孕则。、梢约癕都是规则理论的支持者【尽管规则可以为类别提供一个简明的表征,通常人们需理新事物的特征,即特征推理。但规则模型表征类别时会漏掉一些类别信息。规则模型的最大问题在于太过简单,而多数类别都不是可以用一个简单的规则来描述的。一个类别就像围绕家族相似性组织形成的所有家族成员的集合,类别成员呈梯度递变而非“全或无”的模式。另外,规则模型的简单也导致它不能顾及类别成员的典型性。攵怨嬖蚰P偷娜钡悖岢隽嗽湍P汀T湍型可以全面考虑刺激的所有维度,而不像规则模型那样仅仅关注刺激的某些特征维度。一个类别原型是对其所属类别的所有成员的概化,体现了全体类别成员的集中趋势。根据人此类。例如,图校蜗蟮孛枋隽肆礁隼啾鸬某稍狈植情况,箭头所指向的是一个类别的原型,它们代表了各自的类别成员的集中趋势。那么,一个亮度高、尺寸大的刺激被归入嗟募嘎驶岜冉洗螅蛭S階类原型相比,嘣原型模型可以解释类别成员为何呈梯度结构、而不是全或无的模式。同时,根据原型理论,与类别原型相似性越高的成员越典型,这可以用来解释典型性效应。尽管原型模型对于类别的表征好于规则模型,但也是存在一些缺陷的。其一,原型对学习过程中的关于样例的信息存储较少。模型忽略了这个变异性,使得原型模型对类别学习的某些重心理科学,—广东教育学院教育系,广州,D侠砉ご笱Чど坦芾硌г汗芾砜蒲в牍こ滔担阒荩华南师范大学心理系,广州,摘要近些年来,对于类别学习的研究取得了长足的发展,研究者们已成功地构建了一系列类别学习理沦与模型。本文在评述先前模型的基础上,介鐾斫睦啾鹧澳P汀!猄。阐述其运行原则和流程,以期对未来类别学习的研究提供参考和启发。关键词:类别模型炉烫伤】。、决策限模型、P偷瘸图械南钅浚胺彩钦叫尉褪茿类成员”这样一个简单的要再提出并检验其它的假设,如此循环直至发现正确的规要的却是更精细的知识表征,因为类别知识还应该帮人们推·教育部哲学社会科学研究重大课题攻关项目资助··通讯作者:常建芳,女。原型