歸屬不確定情境下的特征推理

歸屬不確定情境下的特征推理

1確定性程度對預(yù)測推理的影響類別的主要功能是根據(jù)一般類別知識判斷具體類別的性質(zhì)，以便人們能夠基于一般類別知識進(jìn)行預(yù)測。當(dāng)人們對具體的目標(biāo)個體做出歸類后,常常會基于所歸屬的類別對目標(biāo)的特征做出預(yù)測。例如,你識別出某個目標(biāo)是狗,你會根據(jù)狗的類別特征做出如下推斷:“它會汪汪叫,企圖攻擊陌生人,對主人有感情,忠誠”等等。但是在許多情況下,人們只能獲得某事物有限的局部信息,因而不能完全確定此事物應(yīng)該被歸入哪一類。如在遠(yuǎn)處看到某一目標(biāo)的時候,人們可能不能確定該目標(biāo)到底是狗還是其他動物,這稱為“歸類不確定的情境”。在這種不能明確歸類的情境下,人們根據(jù)已經(jīng)了解到的有限局部信息而對事物的其它特征做出一定的推斷預(yù)測,這就是歸類不確定時的特征推理。當(dāng)前對人們在歸類不確定時特征推理的主要解釋是基于類別的特征推理解釋,認(rèn)為即使在歸類不確定的情景下,人們也會按照最可能的歸類來識別出目標(biāo),并且基于目標(biāo)可能所屬的類別來對目標(biāo)的行為或者特征做出某種推理預(yù)測。Anderson1991年提出的理性模型(Rationalitymodel)認(rèn)為,當(dāng)歸類不確定時對事物特征的正確預(yù)測應(yīng)遵循貝葉斯分析(Bayesiananalysis)。假如給推理者呈現(xiàn)一個具有特征F的目標(biāo),該目標(biāo)很可能歸入某類別,問推理者該目標(biāo)具有某特征U的概率是多少。按照貝葉斯分析,對這個問題的回答可以用以下公式來表達(dá):P(U|F)=∑kP(k|F)*P(U|k)Ρ(U|F)=∑kΡ(k|F)*Ρ(U|k),其中F是已知的目標(biāo)特征,U是要推斷預(yù)測的未知特征,即預(yù)測特征,k表示目標(biāo)特征可能歸屬的類別。公式中P(k|F)表示目標(biāo)特征F歸屬于某類別的可能性概率即客觀的歸類概率,是歸類的確定性程度,也就是特征的類別診斷性(即根據(jù)對象具有此特征而判斷其屬于類別k的可能性)。它取決于目標(biāo)特征在多個類別間的分布情況,如目標(biāo)特征在某類別中出現(xiàn)的比較多,而在其它類別中出現(xiàn)的比較少,則把具有此特征的對象歸入某類別的可能性就比較大,因而此特征的類別診斷性就高。目標(biāo)特征的歸入某類別的概率即歸類概率,等于此類別具有此特征成員數(shù)目除以要考慮的所有類別具有此特征的成員的數(shù)目。特征的類別診斷性決定了人們的主觀歸類概率和歸類信心。在目標(biāo)可能歸屬的各種類別中,如果存在歸屬可能性最大的類別,則稱該類別為靶類別,其余稱為非靶類別,靶類別的代表性特征就是靶特征。公式中P(U|k)表示k類別成員具有預(yù)測特征U的概率,決定了預(yù)測特征U在類別內(nèi)的代表性程度。此概率高,表明預(yù)測特征U是k類別的代表性特征,否則就不是k類別的代表性特征。而靶類別的代表性特征就叫靶特征。預(yù)測特征與靶特征可能相同,也可能不相同。公式的含義是:某一目標(biāo)特征F具有預(yù)測特征U的概率是該目標(biāo)屬于某類別的概率與該類別具有預(yù)測特征U的概率乘積的總和,即應(yīng)綜合多個類別的信息來對目標(biāo)的未知特征做出預(yù)測。由此可見,貝葉斯分析是基于多個類別來做特征推理預(yù)測的,是一種綜合策略。而研究表明人們的實際推理并不符合上述貝葉斯分析。Murphy等人實驗分別用類似于圖1中的材料和含有自然類別的故事材料,研究認(rèn)為,靶類別內(nèi)的預(yù)測特征代表性影響特征推理預(yù)測,特征推理預(yù)測概率隨預(yù)測特征代表性增加而增加;而歸類的確定性程度即歸類概率的變化不影響特征推理預(yù)測;但是歸類會限制特征推理的參考類別,使人們只是基于目標(biāo)所歸屬的靶類別中預(yù)測特征的代表性來做特征預(yù)測,而不考慮非靶類別信息。這就是基于類別的單類說(singlecategoryexplanation)。但是,Murphy等的研究存在一個重要問題是,其實驗材料中預(yù)測特征主要分布在靶類別中,而在非靶類別中分布很少,并且在非靶類別中預(yù)測特征與目標(biāo)特征又是分離的。這樣非靶類別中預(yù)測特征幾乎可以忽略不計,被試可能只根據(jù)目標(biāo)所歸屬的靶類別中預(yù)測特征的代表性來做特征預(yù)測?？赡苁沁@種特殊的實驗設(shè)計導(dǎo)致其得出支持單類說的實驗結(jié)果。針對此問題,莫雷和趙海燕通過增加非靶類別中預(yù)測特征與目標(biāo)特征結(jié)合的比例,實驗發(fā)現(xiàn)特征預(yù)測概率隨二者結(jié)合比例增加而增加,認(rèn)為被試的特征推理符合其提出的貝葉斯分析修正公式P(U|F)=∑kP(k|F)*P(U|k)*akΡ(U|F)=∑kΡ(k|F)*Ρ(U|k)*ak,其中ak表示預(yù)測特征與目標(biāo)特征結(jié)合的比例。此結(jié)果不支持單類說,而支持多類綜合說,認(rèn)為被試能夠綜合多個類別的信息來對目標(biāo)的未知特征做出預(yù)測。顯然,此修正公式和原來的貝葉斯分析一樣,都是以類別為中介的間接特征推理,先歸類,然后根據(jù)類別情況來做特征推理。但是,筆者分析莫雷和趙海燕的實驗數(shù)據(jù)發(fā)現(xiàn),被試的特征預(yù)測分?jǐn)?shù)能夠簡單地用目標(biāo)特征直接預(yù)測預(yù)測特征的綜合條件概率P(U|F)模型(以下統(tǒng)稱為預(yù)測特征綜合條件概率模型)來解釋。由于問題是由目標(biāo)特征來預(yù)測未知的預(yù)測特征,所以被試可以打通類別界限,只需考慮具有目標(biāo)特征的類別成員中預(yù)測特征的分布情況,而不考慮不具有目標(biāo)特征的類別成員的情況,直接以預(yù)測特征相對于目標(biāo)特征的綜合條件概率P(U|F)來預(yù)測目標(biāo)最可能的特征及此特征出現(xiàn)的可能性,而不是根據(jù)貝葉斯分析以類別為中介基礎(chǔ)來做特征預(yù)測。例如,莫雷和趙海燕實驗2c中實驗材料(如圖1)中有A、B、C和D四個類別,共有5個三角形,其中靶類別A中有3個三角形,非靶類別中有2個三角形,5個三角形4個具有點狀底紋。現(xiàn)在又有一個三角形,問其最可能屬于哪個學(xué)生畫的?其屬于這個學(xué)生畫的概率是多少?其最可能具有什么底紋?其具有這種底紋的概率是多少?前兩個問題是歸類問題,后兩個問題是特征推理問題。按預(yù)測特征的綜合條件概率模型,打通類別界限,綜合考慮三角形中的底紋分布,選擇概率最高的點狀底紋為這個三角形最可能的底紋,這個三角形具有這種點狀底紋的概率為4/5,即80%。這里特征推理不需要歸類,可以獨立于歸類,所以歸類不影響特征推理。而按照貝葉斯分析,先歸類后推理,根據(jù)三角形可能歸屬的所有類別來推理。三角形具有這種點狀底紋的概率等于,三角形屬于A類的概率3/5乘A類中具有點狀底紋的概率3/4,加上三角形屬于B類的概率0乘B類中具有點狀底紋的概率0,加上三角形屬于C類的概率1/5乘C類中具有點狀底紋的概率1/4,再加上三角形屬于D類的概率1/5乘D類中具有點狀底紋的概率1/4,總和為0.55,即55%。而根據(jù)基于類別的單類說,歸類會限制特征推理,把這個三角形歸入靶類別A類,然后只根據(jù)A類的預(yù)測特征代表性來推理,A類共有4個圖形,其中3個具有點狀底紋,所以點狀底紋就是A類代表性特征,A類具有此特征的概率為3/4,即75%。而被試的實際預(yù)測平均值是81%,這接近綜合條件概率的預(yù)測值80%,而不是貝葉斯分析的預(yù)測值55%和基于類別的單類說預(yù)測的75%。所以實驗數(shù)據(jù)看來支持綜合條件概率模型而不是貝葉斯分析和基于類別的單類說。由于預(yù)測特征綜合條件概率模型直接以目標(biāo)特征與預(yù)測特征關(guān)聯(lián)的條件概率為基礎(chǔ)來做特征推理,直接簡單,便于計算,而貝葉斯分析以類別為中介基礎(chǔ)來做特征推理,計算要求復(fù)雜,所以也可以猜想被試會傾向于使用簡單的策略,根據(jù)綜合條件概率來做特征推理?，F(xiàn)實生活中,人們有時候可能是根據(jù)特征之間關(guān)聯(lián)的條件概率而不是類別知識來做特征推理的。例如,在黃昏看到不遠(yuǎn)處一個模糊的飛行物,雖然不能明確把它歸入某種鳥類、蝙蝠或者某種飛蛾,但是很容易根據(jù)能飛的特征預(yù)測它具有輕的體重,這是因為兩特征具有高的關(guān)聯(lián)條件概率。而基于特征關(guān)聯(lián)條件概率的特征推理也可能不是基于上述跨類別的綜合條件概率,而是基于目標(biāo)所屬靶類別內(nèi)的條件概率,即單類條件概率。如上述實驗中靶類別A中的3個三角形中有2個是點狀底紋,類別內(nèi)由三角形預(yù)測點狀底紋的條件概率是2/3,約為67%。被試在把目標(biāo)歸入靶類別后,可能不考慮別的類別的情況,而是只根據(jù)靶類別內(nèi)特征關(guān)聯(lián)的條件概率67%來做推理預(yù)測。這明顯不同于上述基于類別的單類說預(yù)測的75%。綜上所述,筆者提出在歸類不確定情景下的特征推理可用兩個維度來描述,一個維度是特征推理是基于類別內(nèi)預(yù)測特征的代表性還是基于特征關(guān)聯(lián)的條件概率,另一個維度是特征推理是綜合考慮所有類別的情況,還是只考慮靶類別的情況。這兩個維度組合形成四種可能的推理策略:基于綜合多類別內(nèi)預(yù)測特征代表性的貝葉斯分析、基于靶類別內(nèi)預(yù)測特征代表性的單類策略(上述Murphy的單類說),基于預(yù)測特征的綜合條件概率策略和基于預(yù)測特征的單類條件概率策略。本研究通過三個實驗來考察在集中呈現(xiàn)類別成員樣本信息的歸類不確定情景下的特征推理,區(qū)分性檢驗被試的特征推理到底符合哪種策略。實驗一和實驗二中的預(yù)測特征與靶特征是相同的,而實驗三中的預(yù)測特征與靶特征是不相同的。實驗一固定靶類別中預(yù)測特征的代表性程度和單類條件概率,變化目標(biāo)特征的歸類確定性程度和預(yù)測特征的綜合條件概率,使二者變化方向相反,考察特征推理的變化方向符合哪個變化方向。實驗二固定目標(biāo)特征的歸類確定性程度,變化靶類別中預(yù)測特征的代表性程度、以及單類條件概率和綜合條件概率,考察特征推理的變化方向符合哪個變化方向。實驗三同時固定目標(biāo)特征的歸類確定性程度、靶類別中靶特征的代表性程度和單類條件概率,變化預(yù)測特征的綜合條件概率,考察特征推理是否選擇預(yù)測特征,以及是否隨預(yù)測特征的綜合條件概率變化而變化。2不同變化目標(biāo)特征的歸類確定性程度和預(yù)測條件概率實驗一固定靶類別中預(yù)測特征的代表性程度和單類條件概率,變化目標(biāo)特征的歸類確定性程度和預(yù)測特征的綜合條件概率,使二者變化方向相反,考察特征推理的變化方向符合哪個變化方向,考察歸類確定性程度是否影響特征推理預(yù)測。2.1四特征推理策略對比a、c廠不同識別模板時的幾何是什么?2.1.1被試35名一年級大學(xué)生。2.1.2材料材料采用一張紙的書面問卷,如下所示。下面您將看到A、B、C、D四個模板廠制作的幾何模板中的代表性樣本,每一個方框中的模板都代表一個模板廠制作的模板,這些模板包括三角形、圓形、正方形和橢圓形,模板中有黑色、空白、豎條紋和斜條紋背景?，F(xiàn)在請您仔細(xì)看一遍樣本,然后根據(jù)樣本回答后面的問題?；卮鸶怕蕟栴}時,請用0—100%之間的一個百分?jǐn)?shù)來表示你的概率估計。其中0表示不可能,100%表示完全肯定,50%表示有一半的可能性。請您獨立認(rèn)真完成。謝謝您的真誠合作!請根據(jù)上面的模板樣本回答以下問題:1.現(xiàn)在有一幅三角形模板,其最可能是哪個模板廠制作的?這幅模板屬于這個模板廠制作的概率是多少?這幅模板最可能是什么背景?這幅模板是這種背景的概率是多少?2.現(xiàn)在有一幅正方形模板,其最可能是哪個模板廠制作的?這幅模板屬于這個模板廠制作的概率是多少?這幅模板最可能是什么背景?這幅模板是這種背景的概率是多少?3.現(xiàn)在有一幅橢圓形模板,其最可能是哪個模板廠制作的?這幅模板屬于這個模板廠制作的概率是多少?這幅模板最可能是什么背景?這幅模板是這種背景的概率是多少?2.1.3設(shè)計與施測程序本實驗采用被試內(nèi)設(shè)計。上述問卷中的三個題目分別按“abc”和“cba”兩種順序排列。實驗材料中固定靶類別(問題中三角形、正方形和橢圓形模板的靶類別分別是A、B和C廠)中預(yù)測特征的代表性程度和單類條件概率,變化目標(biāo)特征的歸類確定性程度和預(yù)測特征的綜合條件概率,使二者變化方向相反,考察特征推理的變化方向符合哪個變化方向。材料中模板的形狀是已知的目標(biāo)特征,模板的背景是要預(yù)測的特征。材料的具體參數(shù)設(shè)置如表1所示。根據(jù)表1中參數(shù)設(shè)置,四種不同的特征推理策略預(yù)測的估計值的大小方向如表2所示。其中的PA、PB和PC分別表示三角形模板、正方形模板和橢圓形模板預(yù)測特征的客觀概率。很明顯,四種不同的特征推理策略預(yù)測結(jié)果是不同的。這樣可以根據(jù)被試的估計結(jié)果符合那種預(yù)測結(jié)果來確定被試使用的推理策略。被試在教室里完成問卷,時間不限,完成問卷的時間大約10分鐘左右。在被試交回問卷時發(fā)給每人一只筆作為禮物。2.2歸納概率和各特征預(yù)測概率對特征推理預(yù)測的回歸分析對問卷中的歸類問題進(jìn)行統(tǒng)計,35人中有31人即絕大多數(shù)被試(89%)能夠正確地對目標(biāo)進(jìn)行歸類和確定靶類別,認(rèn)為問題中三角形、正方形和橢圓形模板最可能所屬廠家分別是A、B和C廠。這31人也正確地預(yù)測三角形、正方形和橢圓形模板的最可能背景分別為黑色、空白和斜條紋。由于要考察歸類是否限制特征推理,所以只對歸類正確的被試回答進(jìn)行統(tǒng)計處理,結(jié)果如下:三角形、正方形和橢圓形模板的歸類概率(平均數(shù)±標(biāo)準(zhǔn)差)分別為(48.7±12.4)%、(68.8±15.0)%和(84.2±22.8)%;三者特征預(yù)測的概率(平均數(shù)±標(biāo)準(zhǔn)差)分別為(70.3±10.8)%、(59.9±12.2)%和(56.4±11.8)%。對三者歸類概率的配對樣本t檢驗如下:正方形模板的歸類概率顯著大于三角形模板的歸類概率(t(30)=8.7,p<0.01),橢圓形模板的歸類概率顯著大于正方形模板的歸類概率(t(30)=4.4,p<0.01)。對三者特征預(yù)測概率的配對樣本t檢驗如下:三角形模板的特征預(yù)測概率顯著大于正方形模板的特征預(yù)測概率(t(30)=6.93,p<0.01),橢圓形模板與正方形模板的特征預(yù)測概率沒有顯著差異(t(30)=1.46,p>0.05)。由上可見,被試歸類概率的變化方向是與客觀的歸類概率變化方向相一致的,這說明客觀的歸類概率決定了主觀的歸類概率。被試特征預(yù)測概率的變化方向與預(yù)測特征的綜合條件概率而不是其它推理策略預(yù)測的變化方向相一致。三角形模板中具有黑色背景的綜合條件概率6/8大于正方形模板中具有空白背景的綜合條件概率3/5,而后者又等于橢圓形模板中具有斜條紋背景的綜合條件概率3/5。而如按其它三種推理策略的預(yù)測,三角形模板的特征預(yù)測概率與正方形模板的特征預(yù)測概率應(yīng)是沒有顯著差異的,如表2所示,而被試的實際預(yù)測是有顯著差異的。這表明,是預(yù)測特征的綜合條件概率影響了特征推理預(yù)測。至于歸類概率是否影響特征推理預(yù)測,三者歸類概率的大小方向是:橢圓形模板的歸類概率>正方形模板的歸類概率>三角形模板的歸類概率,而三者特征預(yù)測概率的大小方向是:橢圓形模板的預(yù)測概率=正方形模板的預(yù)測概率<三角形模板的預(yù)測概率。這種不一致說明,歸類概率并不影響特征推理預(yù)測,歸類并不限制特征推理。總之,實驗一表明,不是歸類概率而是預(yù)測特征與目標(biāo)特征關(guān)聯(lián)的綜合條件概率影響特征推理預(yù)測,實驗結(jié)果支持綜合條件概率策略。3基本特征推理的變化方向?qū)嶒灦潭繕?biāo)特征的歸類確定性程度,變化靶類別中預(yù)測特征的代表性程度、以及單類條件概率和綜合條件概率,考察特征推理的變化方向符合哪個變化方向?；趯嶒炓坏慕Y(jié)論,可以進(jìn)一步推測被試在上述條件下同樣會采用基于目標(biāo)特征與預(yù)測特征關(guān)聯(lián)的綜合條件概率策略。3.1背景的概率和綜合條件概率3.1.1被試35名一年級大學(xué)生。3.1.2材料指導(dǎo)語和材料類似于實驗一,材料內(nèi)容如下。請根據(jù)上面的模板樣本回答以下問題:1.現(xiàn)在有一幅三角形模板,其最可能是哪個模板廠制作的?這幅模板屬于這個模板廠制作的概率是多少?這幅模板最可能是什么背景?這幅模板是這種背景的概率是多少?2.現(xiàn)在有一幅正方形模板,其最可能是哪個模板廠制作的?這幅模板屬于這個模板廠制作的概率是多少?這幅模板最可能是什么背景?這幅模板是這種背景的概率是多少?3.現(xiàn)在有一幅圓形模板,其最可能是哪個模板廠制作的?這幅模板屬于這個模板廠制作的概率是多少?這幅模板最可能是什么背景?這幅模板是這種背景的概率是多少?4.現(xiàn)在有一幅橢圓形模板,其最可能是哪個模板廠制作的?這幅模板屬于這個模板廠制作的概率是多少?這幅模板最可能是什么背景?這幅模板是這種背景的概率是多少?3.1.3設(shè)計與施測程序本實驗采用被試內(nèi)設(shè)計。上述問卷中的4個題目分別按“abcd”和“dcba”兩種順序排列。實驗材料中固定目標(biāo)特征的歸類確定性程度,變化靶類別中預(yù)測特征的代表性程度、以及單類條件概率和綜合條件概率,考察特征推理的變化方向符合哪個變化方向。材料中模板的形狀是已知的目標(biāo)特征,模板的背景是要預(yù)測的特征。材料的具體參數(shù)設(shè)置如表3所示。分別用PA、PB、PC和PD表示三角形模板、圓形模板、正方形模板和橢圓形模板預(yù)測特征的客觀概率。根據(jù)表3中的參數(shù)設(shè)置,四種不同的特征推理策略特征預(yù)測的估計值的大小方向如下:基于靶類別內(nèi)預(yù)測特征代表性的單類策略和基于綜合多類別內(nèi)預(yù)測特征代表性的貝葉斯分析都預(yù)測PB>PA=PD>PC,基于預(yù)測特征與目標(biāo)特征關(guān)聯(lián)的單類條件概率策略預(yù)測PB=PA>PD>PC,而基于預(yù)測特征與目標(biāo)特征關(guān)聯(lián)的綜合條件概率策略預(yù)測PB=PA>PD=PC。很明顯,三種預(yù)測結(jié)果是不同的。這樣能根據(jù)被試的預(yù)測結(jié)果符合那種預(yù)測結(jié)果來確定被試是否使用綜合條件概率的推理策略。施測程序類似于實驗一。3.2者特征預(yù)測概率t的特征特性差異方向?qū)柧碇械臍w類問題進(jìn)行統(tǒng)計,35人中有29人即絕大多數(shù)被試(83%)能夠正確地對目標(biāo)進(jìn)行歸類和確定靶類別,認(rèn)為問題中三角形、圓形、正方形和橢圓形模板最可能所屬廠家分別是A、B、C和D廠。這29人也正確地預(yù)測了三角形、圓形、正方形和橢圓形模板的最可能背景分別為黑色、豎條紋、網(wǎng)格和斜條紋。對歸類正確的被試回答的統(tǒng)計結(jié)果如表4所示。對四者歸類概率的配對樣本t檢驗結(jié)果如下:三角形、圓形和橢圓形模板三者之間差異不顯著,而正方形模板的歸類概率顯著大于三角形、圓形和橢圓形模板三者的歸類概率(t(28)分別為6.77,6.18和7.19,p均小于0.01)。橢圓形模板的歸類概率顯著大于正方形模板的歸類概率(t(28)=4.4,p<0.01)。對四者特征預(yù)測概率的配對樣本t檢驗如下:三角形模板與圓形模板的特征預(yù)測概率差異不顯著(t(28)=1.37,p>0.05),橢圓形模板與正方形模板的特征預(yù)測概率差異不顯著(t(28)=0.92,p>0.05),而三角形模板的特征預(yù)測概率顯著大于橢圓形模板的特征預(yù)測概率(t(28)=6.30,p<0.01)。這樣四者特征預(yù)測概率的大小順序是PA≈PB>PD≈PC。這與綜合條件概率策略預(yù)測的PB=PA>PD=PC相一致,而與別的特征推理策略預(yù)測不相一致。由上可見,被試歸類概率的變化方向是與客觀的歸類概率變化方向相一致的,這也說明客觀的歸類概率決定了主觀的歸類概率。在三角形、圓形和橢圓形模板三者歸類概率相同(均為4/5)的情況下,被試對三者特征預(yù)測概率的變化方向與靶類別內(nèi)預(yù)測特征代表性的變化方向不相一致,而與綜合條件概率預(yù)測的變化方向相一致。這表明,被試的特征預(yù)測不是受靶類別內(nèi)預(yù)測特征代表性的影響,而是受預(yù)測特征綜合條件概率的影響。此結(jié)果明確支持基于預(yù)測特征的綜合條件概率策略而不是其它推理策略。而Murphy等人實驗結(jié)果看來支持基于靶類別中預(yù)測特征代表性的單類策略,這是由于其實驗中靶類別中預(yù)測特征代表性與預(yù)測特征的綜合條件概率二者變化方向是一致的,被試的特征預(yù)測概率的變化方向也就表現(xiàn)出與二者的變化方向相一致,但是不能確定推理是基于靶類別中預(yù)測特征代表性的單類策略還是基于預(yù)測特征的綜合條件概率策略。而本實驗通過使二者的變化方向不相一致,從而能夠區(qū)分兩種推理策略,結(jié)果明確支持基于預(yù)測特征的綜合條件概率策略。4篩選潛在特征的綜合條件概率實驗三設(shè)計使預(yù)測特征不同于靶特征,同時固定目標(biāo)特征的歸類確定性程度、靶類別中靶特征的代表性程度和單類條件概率,變化預(yù)測特征的綜合條件概率,考察特征推理是否選擇預(yù)測特征,以及是否隨預(yù)測特征的綜合條件概率變化而變化。4.1被試設(shè)計與施測程序4.1.1被試41名一年級大學(xué)生。4.1.2材料指導(dǎo)語類似于實驗一,材料內(nèi)容如下。請根據(jù)上面的模板樣本回答以下問題:1.現(xiàn)在有一幅三角形模板,其最可能是哪個模板廠制作的?這幅模板屬于這個模板廠制作的概率是多少?這幅模板最可能是什么背景?這幅模板是這種背景的概率是多少?2.現(xiàn)在有一幅正方形模板,其最可能是哪個模板廠制作的?這幅模板屬于這個模板廠制作的概率是多少?這幅模板最可能是什么背景?這幅模板是這種背景的概率是多少?4.1.3設(shè)計與施測程序本實驗采用被試內(nèi)設(shè)計。上述問卷中的兩個題目按“ab”和“ba”兩種順序排列。實驗材料中同時固定目標(biāo)特征的歸類確定性程度(均為5/10)、靶類別(A和B類)中靶特征的代表性程度(均為3/5)和單類條件概率(均為3/5),使靶類別內(nèi)代表性特征即靶特征(A和B類別內(nèi)的代表性特征分別為黑色和空白背景)與綜合條件概率的預(yù)測特征(三角形和正方形模板的預(yù)測特征分別為豎條紋和方格背景)不同而相互競爭,變化預(yù)測特征的綜合條件概率(三角形和正方形模板預(yù)測特征的綜合條件概率分別為7/10和5/10),考察被試預(yù)測的特征是否為綜合條件概率的預(yù)測特征,以及特征預(yù)測概率是否隨預(yù)測特征的綜合條件概率變化而變化。材料的具體參數(shù)設(shè)置如表5所示。根據(jù)表5中參數(shù)設(shè)置,基于綜合多類別內(nèi)預(yù)測特征代表性的貝葉斯分析、基于靶類別內(nèi)預(yù)測特征代表性的單類策略和單類條件概率策略三者都預(yù)測特征預(yù)測應(yīng)選擇兩個靶類別的靶特征(分別為黑色和空白背景),并且預(yù)測三角形模板具有黑色背景的概率和正方形模板具有空白背景的概率應(yīng)該相等。而綜合條件概率策略預(yù)測,應(yīng)該選擇綜合條件概率最大的預(yù)測特征(三角形和正方形模板的預(yù)測特征分別為豎條紋和方格背景),和三角形模板具有豎條紋背景的概率應(yīng)大于正方形模板具有方格背景的概率。很明顯,這里有兩種不同的預(yù)測結(jié)果。這樣能根據(jù)被試的預(yù)測結(jié)果符合那種預(yù)測結(jié)果來確定被試是否使用基于預(yù)測特征綜合條件概率的推理策略。施測程序類似于實驗一。4.2日本模型的篩選結(jié)果對問卷中的歸類問題進(jìn)行統(tǒng)計,41人中有37人即絕大多數(shù)被試(90%)能夠正確地對目標(biāo)進(jìn)行歸類和確定靶類別,認(rèn)為問題中三角形和正方形模板的最可能所屬廠家分別為A和B廠。這37人中有30人(占總?cè)藬?shù)的73.2%)正確地預(yù)測三角形和正方形模板的最可能背景分別為豎條紋和方格背景,只有7人預(yù)測三角形和正方形模板的最可能背景分別是二者靶類別內(nèi)代表性特征黑色和空白背景。對歸類正確的被試回答的統(tǒng)計結(jié)果如下:三角形和正方形模板的歸類概率(平均數(shù)±標(biāo)準(zhǔn)差)分別為(50.7±14.2)%和(49.1±13.5)%,對二者歸類概率的配對樣本t檢驗結(jié)果差異不顯著(t(36)=1.97,p>0.05);特征預(yù)測正確的30人預(yù)測三角形模板具有黑色背景的概率和正方形模板具有空白背景的概率(平均數(shù)±標(biāo)準(zhǔn)差)分別為(65.8±12.8)%和(50.9±10.7)%,對二者配對樣本t檢驗結(jié)果是前者顯著大于后者,t(29)=7.56,p<0.01。對特征預(yù)測正確的30人來講,他們的特征預(yù)測與歸類出現(xiàn)了明顯的分離,他們能夠正確地確定靶類別,但并不基于靶類別的代表性特征來做特征預(yù)測,而是基于預(yù)測特征跨類別的綜合條件概率來做特征預(yù)測,三角形模板具有黑色背景的預(yù)測概率顯著高于正方形模板具有空白背景的預(yù)測概率。所以歸類并不影響特征預(yù)測,而是預(yù)測特征的綜合條件概率影響特征預(yù)測。很顯然,大多數(shù)被試(73.2%)的特征預(yù)測符合綜合條件概率策略的預(yù)測,而不符合其它三種推理策略的預(yù)測。這明確支持綜合條件概率策略。5實驗結(jié)果對特征推理的實質(zhì)的指導(dǎo)意義實驗一固定靶類別中預(yù)測特征的代表性程度和單類條件概率,變化目標(biāo)特征的歸類確定性程度和預(yù)測特征的綜合條件概率,使二者變化方向相反,實驗結(jié)果表明,是預(yù)測特征的綜合條件概率而不是歸類確定性影響特征推理。實驗二固定目標(biāo)特征的歸類確定性程度,變化靶類別中預(yù)測特征的代表性程度、以及單類條件概率和綜合條件概率,實驗結(jié)果表明,是預(yù)測特征的綜合條件概率而不是靶類別中預(yù)測特征的代表性程度影響特征推理。實驗三設(shè)計使預(yù)測特征與靶特征不相同,同時固定目標(biāo)特征的歸類確定性程度、靶類別中靶特征的代表性程度和單類條件概率,變化預(yù)測特征的綜合條件概率,實驗結(jié)果表明,特征推理與歸類出現(xiàn)了明顯的分離,歸類并不影響特征推理,而是預(yù)測特征的綜合條件概率影響