Influence of Category Learning in Feature Predicting When Categories Are Uncertain
Zhiya Liu, Lei MO · Acta Psychologica Sinica · 2012
摘要： 采用学习-迁移模式, 探讨了同时学习和继时学习两种方式下归类不确定时的特征推理。共包括2个实验, 其中实验1探讨了固定学习轮次的情况, 实验2探讨了固定学习正确率的情况。实验结果表明：同时呈现类别要素的同时学习方式下, 被试习得序列式的单类别表征(原型表征), 在归类不确定时的特征推理中按照“单类的Bayesian规则”进行特征推理, 即P(j\F) =P(k\F)·P(j\k); 相继呈现类别要素的继时学习方式下, 被试习得并列式的多类别表征, 在归类不确定时的特征推理中按照“理性模型”进行推理, 即 P(j\F) =Σk P(k\F)·P(j\k)。