归纳推理论断力度研究综述

徐开娟，高 华

（福建师范大学 教育学院，福建 福州 350007）

一、何为归纳推理论断力度

归纳推理是指从已观察到的现象推测出未知现象的心理活动过程。通过归纳推理，人们可以在已知信息的基础上获得新信息，并且降低记忆的负荷量。在心理学中对归纳推理的研究得最多的是基于类别特征的归纳推理，即由一定的前提类别具有某种特征而推断结论类别具有此特征的可能性。如：你在一只老虎体内发现一种新的物质——x细胞，据此，推断所有老虎体内都有这种x细胞的可能性。这种基于类别特征的归纳推理是或然性推理，它依赖于个体的主观判断，个体对自己的推理一般没有完全的把握。［1］这种讨论个体从特殊到一般的方式得出某种结论时的归纳信心及推理本身的归纳强度就是归纳推理的论断力度。已有的研究证明很多因素影响被试对归纳推理强度的判断，根据对这些影响因素的研究分析，研究者提出了对归纳推理论断力度解释的理论。

二、影响归纳论断力度的心理效应

（一）单调性效应

样本大小指的是归纳论断前提项目的数量对归纳论断力度的影响。［2］Nisbett等最早对前提样本大小进行了研究，他们让被试对一个与世隔绝的岛上的人的特征进行归纳推理，比如，告诉被试岛上的人有1个、2个、10个、20个是肥胖的，让被试判断岛上所有人都是肥胖的可能性。该实验发现，前提项目数量越多被试的归纳论断力度越强。这种由前提项目数量增加而引起归纳论断力度增强的现象称归纳推理的“单调性效应”。单调性效应强调前提项目数量和个体的归纳力度之间的关系是单调的，即前提项目越多归纳力度越强。［3］

（二）多样性效应

归纳推理论断力度受前提有限性、结论无限性及前提与结论之间相互作用的共同制约，多样性效应就是因归纳推理前提有限性影响而产生的效应。

归纳推理多样性效应是指的是：有两个论断A和B，如果A的前提由差异较大的项目构成，B的前提由差异相对较小的项目构成，那么个体会估计归纳论断A的力度大于论断B。［4］比如Osherson等在实验中给被试呈现的两个论断：（a）河马的肝需要维生素k，犀牛的肝需要维生素k，／所有的哺乳动物需要维生素k。（b）河马的肝需要维生素k，仓鼠的肝需要维生素k，／所有的哺乳动物需要维生素k。结果显示被试认为归纳推理判断力度受到前提项目多样性的强烈影响。

（三）属性效应

属性是指推理项目中所提到的事物固有的性质，比如，一只天鹅是黄色的，河马的体内含有x元素中的黄色的、x元素即为归纳项目的属性。研究者们发现在归纳推理中前提项目或结论项目的属性会对归纳论断力度产生影响。

被试倾向于对项目中具有高稳定性属性的归纳推理做出强论断力度的判断。［2］Nisbett的研究中指出被试很难根据一个Barrato人长得肥胖的事实推断出所有的Barrato人长得肥胖，但当把肥胖的属性转换成皮肤颜色时，被试能够做出较强的归纳论断力度判断。在归纳推理中归纳论断力度受到属性影响的现象就是归纳力度的属性效应。近期张婷婷等的研究发现在归纳推理中存在属性中心性效应，并发现中心属性比其他属性（次中心属性、再次中心属性）更能影响归纳推理。［5］

（四）非对称效应

归纳推理的非对称效应是指转换前提类别与结论类别会导致不同归纳论断力度的现象。［6］例如，有两个论断，（a）老虎有38个染色体而推断结论野牛有38个染色体；（b）野牛有38个染色体而推断结论老虎有38个染色体，这两个论断前提与结论是颠倒的，让被试对其归纳强度进行判断，结果显示被试认为论断a成立的可能性大于论断b，即论断a的论断力度大于论断 b。Osherson、Sloman 等［7］对非对称效应进行了研究解释。Osheron利用相似性覆盖模型中的典型性来解释，而Sloman用特征基础的归纳模型的熟悉性来解释。国内李有禹、王墨耘创新地提出用特征迁移来解释这种效应，并通过实验证明了这种解释。

除了以上所介绍的影响因素外，还有很多因素会影响归纳推理的归纳力度。如，归纳特征与前提类别已知特征的关联强度，在结论类别与前提类别相似性相同的情况下，归纳强度将随这种关联强度的增加而增加；结论类别内部的同质性会促进归纳；前提类别与结论类别的相似性会促进归纳。

三、归纳推理论断力度相关理论

到目前为止，已有大量的研究来解释归纳推理论断力度所引起的心理效应，研究者们主要提出了六个理论模型：rips［8］1975 年提出的回归模型（regression model， RM） ；Osherson 等［9］1990 年提出的相似性覆盖模型（similarity coveragemodel，SCM）；Sloman［10］1993年提出的基于特征的归纳模型（feature － based inductive model，FBIM）；Heit［11］1998 年提出的贝叶斯模型（Bayesian Model，BM），王墨耘、莫雷［12］2006年提出的特征归纳的关联相似性模型；王墨耘［13］2008年提出的归纳推理的抽样理论。

（一）回归模型

回归模型提出前提项目的典型性会影响归纳推理论断力度。它假设如果一个典型的生物具有某种不可知的属性，被试会很有信心的推测出其他非典型的生物也是具有此种属性。Rips以简单的类别推理为材料进行了实验研究，如马的体内具有x细胞，被试可以很有信心的判断出海豚体内也具有x细胞，因为马是典型的哺乳动物，所以被试能很容易的推断出非典型哺乳动物海豚具有于马相同的x属性。回归模型利用典型性预测了单前提归纳论断力度的大小，但后来研究发现，该模型对归纳论断力度的预测常常与个体实际的判断相反，所以它的解释能力有限。［8］

（二）相似性覆盖模型

相似性覆盖模型（SCM）说明了多前提归纳推理的论断力度判断问题，并将单前提作为多前提的一个特例。SCM认为归纳论断力度是由两个因素决定的：1）前提类别与结论类别的相似性程度。这种相似是指前提和结论类别之间的特征重叠程度，这种特征重叠程度决定了相似性程度，两者越相似，则归纳论断力度越强。2）前提类别对结论类别的类别覆盖程度。［14］覆盖是指归纳推理中前提类别与前提类别和结论类别的最低上位水平类别内的其他成员的相似性程度。这两种相似程度的平均值决定了归纳推理的论断力度。

（三）基于特征的归纳模型

基于特征的归纳模型（FBIM）是对SCM模型的进一步发展，与相似性覆盖模型最重要的差别在于它只需要对项目或类别间的特征重叠大小加以评估，而不需对特定类别与其上位水平的结论类别相似性的覆盖程度作出评估。FBIM指出，一个类别既然可以通过类别的一系列属性的集合来表征，那么在归纳推理过程中，可以直接比较前提和结论类别之间的特征重叠程度，前提和结论之间的特征重叠程度越高，则归纳推理的论断力度就越强。［15］

（四）贝叶斯模型

贝叶斯模型（SM）从计算的角度说明了正确推理的标准，该模型实际就是根据已知特征在总特征中的分布情况得出相对于新特征的先验概率，然后根据已知情况运用贝叶斯公式来修正先验概率，从而计算出新特征出现的概率。［11］

该模型认为被试在进行归纳推理时，需要考虑项目的不同类别及其属性所在的不同情景，因此，在推理之前，被试就存在一个关于事件发生可能性的主观估计（先验概率）。当面临归纳推理任务时，被试会根据前提，通过贝叶斯统计公式来修订自己先前的估计，从而预测结论正确的可能性。为了证明人们归纳推理的结果是否符合贝叶斯模型的预测，尹静、王墨耘通过实验来检验和区分了贝叶斯模型和其他的相关模型（相似性覆盖模型、基于特征的归纳推理模型和关联相似性模型），实验中把关联强度纳入自变量，结果表明在强关联强度一致时，被试的归纳推理基本符合贝叶斯模型和关联相似性模型，在弱关联时，不符合这四种模型；在关联强度不一致时，关联强度效应不符合贝叶斯模型的预测；在关联强度一致时，贝叶斯模型和关联相似性模型的预测结果是一致的，不能区分两个模型。实验结果较多的支持了贝叶斯模型。贝叶斯模型不但在一定程度上考虑了知识在归纳推理的作用，而且还用数学模型说明了归纳推理输入和输出的正确函数关系，但是它还是不能说明归纳推理在心理上的算法实现过程。［16］

上述三种模型都属于基于知觉相似性的归纳理论，此种理论认为，前提类别之间的相似性、前提类别与结论类别之间的相似性影响和限制人们的归纳推理。相似性理论都能在一定程度上解释归纳推理的一些基本现象：相似性效应、典型性效应和多样性效应。但对于事物联系知识的归纳推理现象却显得不足，例如，被试会由草具有特征X而推知兔具有特征X的可能性比较高，虽然兔和草的相似性很低。这是因为，兔吃草这种食物链联系导致特征X由草传递到牛。而食物链联系是一种知识而非相似性。所以需要一种新的理论解释上述现象。

（五）特征归纳的关联相似性模型

关联相似性模型就是描述人们根据归纳特征关联项的相似性来做归纳推理的抽象模型，此模型将特征关联知识与相似性整合统一到一起，认为基于关联相似性的归纳推理包含先后三个环节：首先，寻找与归纳特征相关联的特征即关联特征；其次，比较评估结论类别与前提类别在关联特征上的相似性即关联相似性；最后，根据这种关联相似性程度得出结论类别是否具有归纳特征和多大程度具有归纳特征。［12］关联相似性模型认为归纳论断力度可用以下公式来表示：归纳论断力度＝关联特征与归纳特征的关联强度×关联特征的相似性程度，此公式是预测归纳论断力度的大小顺序，而不预测归纳强度的绝对估计值。依据此公式可以预测论断力度随关联强度和关联相似性的变化而变化的状况，即当关联强度固定时，归纳论断力度会随关联相似性的增高而增强；当关联相似性固定时，归纳论断力度会随关联强度的增强而增强。当关联强度和关联相似性同时变化，并且二者变化方向相反时，预测的归纳强度的变化方向取决于关联强度与关联相似性乘积的变化方向。王墨耘、莫雷用实验支持了关联相似性模型的主要预测，关联相似性模型能够描述解释以关联特征相似性为基础的归纳推理现象，比以往的归纳理论具有更大的解释能力和解释范围。

（六）归纳推理的抽样理论

特征归纳关联相似性模型综合了知识和相似性在归纳推理中的作用，它能够更多地解释归纳推理的心理效应。但这种模型不能解释多前提会增强归纳论断力度的现象；前提多样性会增强归纳论断力度的现象，也就是说它只适合包括单个前提的归纳推理，而不适合于包含多个前提的归纳推理。王墨耘又在自己所提出的关联相似性模型的基础上提出了归纳推理的抽样理论，该理论认为归纳推理实质是根据与归纳特征有关的抽样样本情况来推断结论类别具有归纳特征的可能性，其中的抽样可分为类别抽样和特征抽样两种。这种理论的实质是根据由结论类别总体中多个前提类别构成的类别抽样样本情况来推测作为总体的结论类别的情况。而由抽样样本情况来推测总体情况的可能性通常取决于样本相对于总体的代表性，这种代表性是指样本具有总体特征的程度，可用Tenenbaum和Griffiths提出的样本代表性计算的理性公式：R （X，h1）＝NlogS－1／σ2［N（m－μ）2＋S］公式中左边一项表示样本 X 对总体h1的代表性，右边中的N表示样本的大小，S表示样本的离均差的平方和，m表示样本的平均数，μ表示总体平均数，σ2表示总体方差。此公式表明，样本代表性随样本大小增加而增加，与小的样本相比，根据大的样本更能推测总体情况。它能解释较多的前提类别具有归纳特征会促进归纳和前提类别多样性能促进归纳的现象。［13］

四、对归纳力度研究的小结与展望

归纳推理的论断力度受到很多因素的影响，也产生了诸多的心理效应。从rips的研究至今，学者们用了很多相关理论对归纳力度进行了解释。现存的归纳推理论断力度的研究中各种相关理论模型都很难全面解释多种因素是如何影响归纳推理的论断力度，同时存在研究被试单一、缺乏应用研究的缺点。

基于上述分析，今后对论断力度的研究可以从以下几个方面进行探讨：

第一，现有对归纳力度的研究实验中多是选用成人被试进行研究，而以儿童为被试的研究却很少。在以后的研究中，可以设计出适合于儿童被试的有关论断力度的实验研究，从而探讨归纳推理中成人与儿童对归纳力度的区别。

第二，在今后的研究中可以把影响论断力度的多方面因素进行整合考虑，更深层次的探讨归纳推理。

第三，对于解释论断力度的各种理论也可以综合考虑，把各理论进行融合，提出更有深远意义和价值的理论。

第四，开展对论断力度的应用研究，特别是将其中的一些效应应用于学校教学工作中，从而促进学生的学习。

［1］陈安涛，李红．归纳推理的心理效应研究［J］．心理科学进展，2003， 11（6）：607－615

［2］Nisbett R E，Krantz D H，Jepson C，Kunda Z．The use of statistical heuristics in everyday inductive reasoning．Psychological Review，1983， 90： 339～363

［3］魏勇刚，李红．归纳推理中单调性与单调性效应的实验研究 ［J］．信 阳 师 范 学 院 学 报 （哲 学 社 会 科 学 版 ），2006，3，39－41．

［4］李红，陈安涛，冯廷勇，李富洪，龙长权．个体归纳推理能力的发展及其机制研究展望 ［J］．心理科学，2004，27（6）：1457－1459

［5］张婷婷，李红，龙长权，冯廷勇，陈安涛，李富洪，王秀芳．归纳推理中的属性中心性效应［J］．心理学报，2007，39，826–836．

［6］李有禹，王墨耘．对归纳推理非对称性现象的特征迁移解释［J］．心理学探析，2007，4，28－32．

［7］Sloman SA ，Lagnado D．The problem of induction ［J］．In ：MorrisonR ，Holyoak K，Eds．Cambridge Handbook of Thinking ＆Reasoning［J］．New York ：Cambridge University Press ，2005，195 － 1161

［8］Rips， L J．Inductive judgments about natural categories［J］．Journal of Verbal Learning and Verbal Behavior ，1975，14：665–681

［9］Osherson D N ，Smith E E ，Wilkie 0，eta1．Category–based induction［J］．Psychological Review ，1990 ，97 ：185－200．

［10］Sloman SA．Feature － based induction［J］．Cognitive Psychology ，1993 ，25 ：231 － 280．

［11］Heit E．A Bayesian analysis of some forms of inductive reasoning In Oxford M．Chater N．Eds［J］．Rational Models of Cognition．Oxford University Press ，1998．248 － 274．

［12］王墨耘，莫雷．特征归纳的关联相似性模型［J］．心理学报，2006 ，38（3） ：333 – 3411．

［13］ 王墨耘．归纳推理的抽样理论 ［J］．心理学报，2008，40（7）：800－808．

［14］ 龙长权，吴睿明，李 红 ，陈安涛 ，冯廷勇 ，李富洪．对以类别为基础的归纳推理的几种理论模型的评价［J］．心理科学进展， 2005，13（5）：596－605．

［15］李红，陈安涛，冯廷勇，李富洪，龙长权．个体归纳推理能力的发展及其机制研究展望 ［J］，心理科学，2004，27，1457–1459．

［16］尹静，王墨耘．对归纳推理贝叶斯模型的检验［J］．心理学探新，2009，4，46－50．