摘 要：方法 采用實證的研究方法。目的 分析探討在歸類不確定的情境下預測特征的目標和類別內(nèi)代表性對特征推理上的影響。結(jié)果 歸類不確定情境下的特征推理依據(jù)靶類別的信息，其中推理則是遵循著簡捷啟發(fā)式的戰(zhàn)略。結(jié)論 存在根據(jù)目標和類別內(nèi)代表性這兩種特征的推理方式。

關(guān)鍵詞：特征推理 類別內(nèi)代表性 目標內(nèi)代表性 簡捷啟發(fā)式策略

中圖分類號：B842.1 文獻標識碼：A 文章編號：1672-3791（2013）06（a）-0235-03

歸類不確定情境就是在大多數(shù)情況下，人們不能確定某個事物應該歸為哪一類別的情境。目前對歸類不確定情境的特征推理進行分析研究，可知其中最有影響的為Murphy與Ross的單類說[2]和Anderson的理性模型[1]這兩種解釋。同時國內(nèi)有些研究者也提出了理論假設(shè)，同時如王墨耘、莫雷等人還提出來提出綜合條件概率模型[3]。

現(xiàn)有的研究認為代表性和典型性是特征推理最主要的依據(jù)。有研究[4～6]認為，靶類別中的代表性對特征推理有影響，診斷性沒有影響。但是，Murphy和Ross等人[4]的研究，可能混淆了兩種代表性能的效應，其中一種代表性表示為預測特征在靶類別內(nèi)的目標成員當中具有的代表性，即目標內(nèi)代表性；而另一種代表性表示為預測特征在靶類別內(nèi)的所有成員當中具有的代表性，即類別內(nèi)代表性。

本研究明確地提出了目標內(nèi)代表性和類別內(nèi)代表性這兩個不同的概念，通過設(shè)計方式可以使目標和類別兩種代表性的變化方向上相反，同時可以很好的分離目標和類別這兩種代表性的影響效應。主要探討兩種代表性對特征推理的影響作用。

1 實驗

1.1 實驗設(shè)計

本實驗為兩因素被試內(nèi)設(shè)計，自變量為靶類別內(nèi)同一維度上（幾何圖形的背景）的兩個特征值A(chǔ)與B的目標內(nèi)代表性和類別內(nèi)代表性（以下簡稱目標內(nèi)代表性和類別內(nèi)代表性），各有兩種水平：均衡與不均衡，兩兩組合成四種條件。每一種條件下都設(shè)置了4道題，總共16道題。

1.2 被試

隨機選擇江西師范大學一年級的學生，共40人，男女各半。

1.3 實驗材料

與Murphy和Ross等人2005年研究[7]所使用的人工材料相似，圖片刺激由填充了不同背景的幾何圖形組成，圖形有四種：正方形、心形、三角形和圓形；背景也有四種：橫線、點、空心和實心。每道題目的參數(shù)設(shè)置如表1所示，A和B表示靶類別內(nèi)背景維度上的兩個特征值。

1.4 實驗假設(shè)

歸類不確定情境下的特征推理遵循簡捷啟發(fā)式策略：在其中一種代表性不均衡的條件下，以此為依據(jù)進行推理；在兩種代表性都均衡或都不均衡的條件下，隨機挑選其中的一種作為推理的依據(jù)。詳細的理論預期見表2。

1.5 實驗程序

采用Javascript腳本語言編程，制作成網(wǎng)頁的形式。每道題目一張圖片，圖片刺激呈現(xiàn)在17英寸的純平顯示器上，分辨率為1024×768。正式實驗之前有兩道練習題，然后進入正式實驗階段。被試的任務是看圖片回答問題，每張圖片上都有四個問題，要求被試選擇特征值最可能歸入的類別，并對概率值進行估計。實驗的所有數(shù)據(jù)采用SPSS13.0 for Windows進行分析。

2 結(jié)果與分析

2.1 各題選擇四種特征值的人數(shù)比較（見表3）

對條件Ⅰ下選擇四種背景的人數(shù)進行均勻分布擬合檢驗，結(jié)果顯示：第1題四種背景選擇人數(shù)的卡方值為15.75，P <0.01；第2題為13mq+2iJrCgHxJ0Sh8AdVdtRCie75Uwv4CmXFkz33NiX4=.56，P <0.01；第3題為12.93，P<0.01；第4題為5.18，P >0.05。統(tǒng)計結(jié)果顯示，除第4題以外，其他三題中選擇四種背景的人數(shù)都不服從平均分布。對這三題中選擇類別內(nèi)代表性占優(yōu)和不占優(yōu)兩種背景的人數(shù)做進一步的檢驗，結(jié)果如表4所示，統(tǒng)計結(jié)果顯示，大多數(shù)被試選擇了類別內(nèi)代表性占優(yōu)的特征值，符合簡捷啟發(fā)式策略的理論預期。

對條件Ⅱ下選擇不同背景的人數(shù)進行均勻分布擬合檢驗，第5題四種背景選擇人數(shù)的卡方值為21.79，P <0.01；第6題為12.74，P <0.01；第7題為33.21，P <0.01；第8題為17.00，P <0.01。結(jié)果顯示選擇四種背景的人數(shù)都不服從平均分布。進一步的檢驗結(jié)果如表5顯示，選擇目標內(nèi)代表性占優(yōu)的特征值的人數(shù)顯著多于選擇目標內(nèi)代表性不占優(yōu)的人數(shù)。第6題雖然沒有達到顯著水平，但從分布上到來看，也呈現(xiàn)出了這樣的趨勢。實驗結(jié)果基本上支持了我們的假設(shè)：在目標內(nèi)代表性不均衡，類別內(nèi)代表性均衡的條件下，被試是根據(jù)目標內(nèi)代表性進行特征推理的。

對條件Ⅲ下選擇不同背景的人數(shù)進行均勻分布擬合檢驗，第9題四種背景選擇人數(shù)的卡方值為9.48，P <0.01；第10題為6.03，P >0.05；第11題為10.36，P <0.01；第12題為11.66，P <0.01。其中三個題目選擇四種背景的人數(shù)不服從平均分布。進一步進行卡方檢驗，結(jié)果如表6所示，兩種特征值的選擇人數(shù)并無差異。統(tǒng)計結(jié)果表明，在兩種特征值的目標內(nèi)代表性和類別內(nèi)代表性都均衡的條件下，被試隨機選擇了兩種特征值中的一種作為特征推理的依據(jù)。

對條件Ⅳ下歸類正確的項目中選擇不同背景的人數(shù)進行均勻分布擬合檢驗，第12題四種背景選擇人數(shù)的卡方值為6.00，P ≤0.05；第13題為29.42，P <0.01；第14題為10.21，P <0.01；第15題為15.14，P <0.01。四道題目中選擇四種背景的人數(shù)都不服從平均分布，進一步的檢驗結(jié)果如表7所示，除第13題以外，其余三題均沒有表現(xiàn)出顯著差異。被試隨機選擇了兩個特征值中的一個作為特征推理的依據(jù)。

2.2 四種條件下背景概率估計的比較

對被試在四種條件下的背景概率估計進行統(tǒng)計分析，結(jié)果發(fā)現(xiàn)，目標內(nèi)代表性的F值為5.018，P <0.05，主效應顯著；類別內(nèi)代表性的F值為0.2，P >0.05，主效應不顯著；兩種代表性的交互效應不顯著，F(xiàn)值為0.001，P >0.05。結(jié)果表示，目標內(nèi)代表性在均衡和不均衡條件下，被試對背景概率的估計有差異。

由表8可知，被試在目標內(nèi)代表性均衡的條件下對背景概率的平均估計值（50.31）顯著低于在目標內(nèi)代表性不均衡的條件下對背景概率的估計值（53.25）。而類別內(nèi)代表性的均衡與不均衡對背景概率的估計沒有影響，這說明目標內(nèi)代表性和類別內(nèi)代表性對特征的概率估計的影響作用不同。

3 結(jié)論與討論

3.1 結(jié)論

本次實驗結(jié)果顯示，歸類不確定情境下的特征推理遵循以下原則：首先在類別內(nèi)代表性和目標內(nèi)代表性之間所原則的依據(jù)則是具有推理線索的，如果能夠按照此依據(jù)進行判斷，則推理可以完成。然而當依據(jù)中出現(xiàn)一種代表性的信息不全時，且不能做出相應的判斷時，則不會好考慮非靶類別上的信息，而是隨便選擇一種代表性作為推理的依據(jù)。被試是一直保持著搜索耗時和耗力最少的線索來進行特征推理，這就是簡捷啟發(fā)式戰(zhàn)略[7]的核心。

對背景概率估計的統(tǒng)計結(jié)果表明，類別內(nèi)代表性則是對北京概率的估計上沒有任何的影響，而目標內(nèi)代表性對背景概率的估計上有相應的影響。而這就證明了假設(shè)，證明了目標和類別內(nèi)代表性完全屬于兩種不同的概念，對特征推理上的作用也是存在不同的。

3.2 討論

本研究中被試對部分題目的作答不符合我們的理論假設(shè)，其原因還需要進一步的驗證，可能存在其他因素影響特征推理的過程。莫雷和陳琳的一項研究采用的是自然類別，結(jié)果表明特征推理是基于特征聯(lián)結(jié)的推理過程[8]。另外，有研究表明，歸類對特征推理方式有影響。陳琳，莫雷和陳彥壘的一項研究中，探討分析了在不歸類和歸類的條件下，不歸類的診斷性是會影響特征推理的[9]，歸類的診斷性則會不影響特征推理。

特征推理到底是依據(jù)類別還有基于特征聯(lián)結(jié)，是依據(jù)代表性還是診斷性，是依據(jù)類別內(nèi)代表性還是目標內(nèi)代表性，還是基于多種因素的聯(lián)結(jié)，目前還不能下定論，還需要進一步的研究證實。

參考文獻

[1]Anderson J.R，The Adaptive Nature of Human Categorization[J].Psychological Review，1991，98（3）：409-429.

[2]Murphy G L，Brian H R.Predictions from Uncertain Categorization[J].Cognitive Psychology，1994（27）：148-193.

[3]王墨耘，莫雷.歸類不確定情景下特征推理的綜合條件概率模型[J].心理學報，2005，37（4）：482-490.

[4] Murphy G L，Brian H R.The two faces of typicality in category-based induction[J].Cognition，2005（95）：175-200.

[5] Daniel N Osherson，Smith E E，Ormond Wilkie，Alejandro Lopez，Eldar Shafir. Category-based induction[J].Psychological Review，1990（97）：185-200.

[6] Rips L J.Inductive judgments about natural categories[J].Journal of Verbal Learning and Verbal Behavior，1975（14）：665-681.

[7] Gerd Gigerenzer，Peter M.Todd.Simple heuristics that make us smart[M].劉永芳，譯.簡捷啟發(fā)式讓我們更精明[M].華東師范大學出版社，2002：315-349.

[8]莫雷，陳琳.類別不確定下的特征推理是基于類別還是基于特征聯(lián)結(jié)[J].心理學報，2009，41（2）：103-113.

[9]陳琳，莫雷，陳彥壘.項目診斷性在特征推理中作用的研究[J].心理學探新， 2009，29（1）：27-31.