归类不确定情景下特征推理的综合条件概率模型

征与预测特征关联的条件概率为基础来做特征推 理， 直接简单， 便于计算， 而贝叶斯分析以类别为中 介基础来做特征推理， 计算要求复杂， 所以也可以猜 想被试会倾向于使用简单的策略， 根据综合条件概 率来做特征推理。现实生活中， 人们有时候可能是 根据特征之间关联的条件概率而不是类别知识来做 特征推理的。例如， 在黄昏看到不远处一个模糊的 飞行物， 虽然不能明确把它归入某种鸟类、 蝙蝠或者 某种飞蛾， 但是很容易根据能飞的特征预测它具有 轻的体重， 这是因为两特征具有高的关联条件概率。 # # 而基于特征关联条件概率的特征推理也可能不 是基于上述跨类别的综合条件概率， 而是基于目标 所属靶类别内的条件概率， 即单类条件概率。如上 述实验中靶类别 & 中的 $ 个三角形中有 ’ 个是点状 底纹， 类别内由三角形预测点状底纹的条件概率是 ’ ( $， 约为 )%* 。被试在把目标归入靶类别后， 可能 不考虑别的类别的情况， 而是只根据靶类别内特征 关联的条件概率 )%* 来做推理预测。这明显不同 于上述基于类别的单类说预测的 %+* 。 # # 综上所述， 笔者提出在归类不确定情景下的特 征推理可用两个维度来描述， 一个维度是特征推理 是基于类别内预测特征的代表性还是基于特征关联 的条件概率， 另一个维度是特征推理是综合考虑所 有类别的情况， 还是只考虑靶类别的情况。这两个 维度组合形成四种可能的推理策略： 基于综合多类 别内预测特征代表性的贝叶斯分析、 基于靶类别内 预测特征代表性的单类策略 （ 上述 ,-./01 的单类 说） ， 基于预测特征的综合条件概率策略和基于预 测特征的单类条件概率策略。 # # 本研究通过三个实验来考察在集中呈现类别成 员样本信息的归类不确定情景下的特征推理， 区分 性检验被试的特征推理到底符合哪种策略。实验一 和实验二中的预测特征与靶特征是相同的， 而实验 三中的预测特征与靶特征是不相同的。实验一固定 靶类别中预测特征的代表性程度和单类条件概率， 变化目标特征的归类确定性程度和预测特征的综合 条件概率， 使二者变化方向相反， 考察特征推理的变 化方向符合哪个变化方向。实验二固定目标特征的 归类确定性程度， 变化靶类别中预测特征的代表性 程度、 以及单类条件概率和综合条件概率， 考察特征 推理的变化方向符合哪个变化方向。实验三同时固 定目标特征的归类确定性程度、 靶类别中靶特征的 代表性程度和单类条件概率， 变化预测特征的综合 万方数据 条件概率， 考察特征推理是否选择预测特征， 以及是
图 %! 实验 &’ 所用材料： (、 )、 * 和 + 四个学生画的几何图形样本
问其 形 " 个具有点状底纹。现在又有一个三角形， 最可能属于哪个学生画的？其属于这个学生画的概 率是多少？其最可能具有什么底纹？其具有这种底 纹的概率是多少？前两个问题是归类问题， 后两个 问题是特征推理问题。按预测特征的综合条件概率 模型， 打通类别界限， 综合考虑三角形中的底纹分 布， 选择概率最高的点状底纹为这个三角形最可能 的底纹， 这个三角形具有这种点状底纹的概率为 " F 4， 即 #GH 。这里特征推理不需要归类， 可以独立于 归类， 所以归类不影响特征推理。而按照贝叶斯分 析， 先归类后推理， 根据三角形可能归属的所有类别 来推理。三角形具有这种点状底纹的概率等于， 三 角形属于 ( 类的概率 $ F 4 乘 ( 类中具有点状底纹 的概率 $ F " ， 加上三角形属于 ) 类的概率 G 乘 ) 类 中具有点状底纹的概率 G ， 加上三角形属于 * 类的 概率 % F 4 乘 * 类中具有点状底纹的概率 % F " ， 再加 上三角形属于 + 类的概率 % F 4 乘 + 类中具有点状 底纹的概率 % F " ， 总和为 GI 44 ， 即 44H 。而根据基 于类别的单类说， 归类会限制特征推理， 把这个三角 形归入靶类别 ( 类， 然后只根据 ( 类的预测特征代 表性来推理， ( 类共有 " 个图形， 其中 $ 个具有点状 底纹， 所以点状底纹就是 ( 类代表性特征， ( 类具 有此特征的概率为 $ F " ， 即 34H 。而被试的实际预 测平均值是 #%H ， 这接 近 综 合 条 件 概 率 的 预 测 值 #GH ， 而不是贝叶斯分析的预测值 44H 和基于类别 的单类说预测的 34H 。所以实验数据看来支持综 合条件概率模型而不是贝叶斯分析和基于类别的单 类说。 ! ! 由于预测特征综合条件概率模型直接以目标特
*! 前言
! ! 类别的一个主要功能是使人们能够基于一般的 类别知识来推断预测类别具体个别成员的特征。当 人们对具体的目标个体做出归类后， 常常会基于所 归属的类别对目标的特征做出预测。例如， 你识别 出某个目标是狗， 你会根据狗的类别特征做出如下 推断： “ 它会汪汪叫， 企图攻击陌生人， 对主人有感 情， 忠诚” 等等。但是在许多情况下， 人们只能获得 某事物有限的局部信息， 因而不能完全确定此事物 应该被归入哪一类。如在远处看到某一目标的时 候， 人们可能不能确定该目标到底是狗还是其他动 物， 这称为 “ 归类不确定的情境” 。在这种不能明确 归类的情境下， 人们根据已经了解到的有限局部信 息而对事物的其它特征做出一定的推断预测， 这就
! ! 而研究表明人们的实际推理并不符合上述贝叶
［ " , #］ 。 -./012 等 人 实 验 分 别 用 类 似 于 图 % 斯分析 ［ "， 3］ ［ 4， 5］ 中的材料 和含有自然类别的故事材料 ， 研究
认为， 靶类别内的预测特征代表性影响特征推理预 测， 特征推理预测概率随预测特征代表性增加而增 加； 而归类的确定性程度即归类概率的变化不影响 特征推理预测； 但是归类会限制特征推理的参考类 别， 使人们只是基于目标所归属的靶类别中预测特 征的代表性来做特征预测， 而不考虑非靶类别信息。 这就是基于类别的单类说 （ 6789:; ’<=;9>/2 ;?0:<8<@
［ #］ 实验结果。针对此问题， 莫雷和赵海燕 通过增加
非靶类别中预测特征与目标特征结合的比例， 实验 发现特征预测概率随二者结合比例增加而增加， 认 为被试的特征推理符合其提出的贝叶斯分析修正公 （ " A # ）B # ! （ $ A #） （ " A $） 其中 % $ 表 式! &#时的特征推理 。
率是多少。按照贝叶斯分析， 对这个问题的回答可 以用以下公式来表达： ! （ " J # ）K #! （ $ J #） （" J "!
$
$） ， 其中 H 是已知的目标特征， I 是要推断预测的未 知特征， 即预测特征， L 表示目标特征可能归属的类 （ L J H） 表示目标特征 H 归属于某类别 别。公式中 M 的可能性概率即客观的归类概率， 是归类的确定性 程度， 也就是特征的类别诊断性 （ 即根据对象具有 。它取决于 此特征而判断其属于类别 L 的可能性） 目标特征在多个类别间的分布情况， 如目标特征在 某类别中出现的比较多， 而在其它类别中出现的比 较少， 则把具有此特征的对象归入某类别的可能性 就比较大， 因而此特征的类别诊断性就高。目标特 征的归入某类别的概率即归类概率， 等于此类别具 有此特征成员数目除以要考虑的所有类别具有此特 征的成员的数目。特征的类别诊断性决定了人们的 主观归类概率和归类信心。在目标可能归属的各种 类别中， 如果存在归属可能性最大的类别， 则称该类 别为靶类别， 其余称为非靶类别， 靶类别的代表性特 （ I J L） 表示 L 类别成员具 征就是靶特征。公式中 M 有预测特征 I 的概率， 决定了预测特征 I 在类别内 的代表性程度。此概率高， 表明预测特征 I 是 L 类 别的代表性特征， 否则就不是 L 类别的代表性特征。 而靶类别的代表性特征就叫靶特征。预测特征与靶 特征可能相同， 也可能不相同。公式的含义是： 某一 目标特征 H 具有预测特征 I 的概率是该目标属于 某类别的概率与该类别具有预测特征 I 的概率乘
! "#$
积的总和， 即应综合多个类别的信息来对目标的未 知特征做出预测。由此可见， 贝叶斯分析是基于多 个类别来做特征推理预测的， 是一种综合策略。
来做特征推理。 ! ! 但是， 笔者分析莫雷和赵海燕的实验数据发现， 被试的特征预测分数能够简单地用目标特征直接预 测预测特征的综合条件概率 C （ D A E） 模型 （ 以下统 称为预测特征综合条件概率模型） 来解释。由于问 题是由目标特征来预测未知的预测特征， 所以被试 可以打通类别界限， 只需考虑具有目标特征的类别 成员中预测特征的分布情况， 而不考虑不具有目标 特征的类别成员的情况， 直接以预测特征相对于目 标特征的综合条件概率 C （ D A E） 来预测目标最可能 的特征及此特征出现的可能性， 而不是根据贝叶斯 分析以类别为中介基础来做特征预测。例如， 莫雷 和赵海燕实验 &’ 中实验材料 （ 如图 % ） 中有 (、 )、 * 和 + 四个类别， 共有 4 个三角形， 其中靶类别 ( 中 有 $ 个三角形， 非靶类别中有 & 个三角形， 4 个三角
［ "， 3］ =7>8 ） 。但是， -./012 等的研究 存在一个重要问
题是， 其实验材料中预测特征主要分布在靶类别中， 而在非靶类别中分布很少， 并且在非靶类别中预测 特征与目标特征又是分离的。这样非靶类别中预测 特征几乎可以忽略不计， 被试可能只根据目标所归 属的靶类别中预测特征的代表性来做特征预测。可 能是这种特殊的实验设计导致其得出支持单类说的
! 收稿日期： "##$ ) #% ) *"
［ @］
（ #*+,-.-##* ） 与全国教育科学十五规划国家一般项目。 "教育部人文社会科学研究项目 ! 通讯作者： 王墨耘， /01234：5267189:6; 92<88= >81= >6 万方数据
! %&"
! "期