词语型类别属性归纳中分类与属性推理过程的时间特征*

李 婧 陈安涛 陈 杰 龙长权

(1西南大学心理学部, 重庆 400715) (2湖南师范大学心理系, 长沙 410081)

1 问题提出

假定狗有线粒体, 人们可以推断猫可能也有线粒体, 甚至哺乳动物都可能有线粒体, 而不太可能推断桌子有线粒体, 也不太可能推断猫有胃蛋白酶(假定线粒体与胃蛋白酶没有必然的关系), 这一过程就被称为类别属性归纳(Coley, Shafto, Stepanova,& Barraff, 2005), 或者被称为归纳推理中的属性泛化(Kemp & Jern, 2014)。随着认知神经科学的发展,类别属性归纳的认知神经机制研究近年来也逐步得到充分的重视。例如, 在fMRI研究方面, Goel和Dolan (2000)以及梅杨等人(2010)研究了图形类别归纳的神经机制, Goel和Dolan (2004)以及Liang,Zhong, Lu和Liu (2010)则采用句子研究了类别属性归纳的脑激活。在采用事件相关电位技术(event-related potentials, ERPs)研究类别属性归纳方面, 已有的研究主要采用的是图形归纳任务(Bigman & Pratt, 2004; Chen et al., 2007; Huang, Tang,Li, & Li, 2013; Li, Luo, Cao, & Li, 2009)。例如, Li等人(2009)和Huang等人(2013)先向被试展示一些电池的图形并告诉被试有些电池有电, 要求被试根据已知的那些有电的电池的特征, 推断新出现的电池是否有电。他们发现可接受的归纳比不可接受的归纳诱发了更大的晚期正成分(late positive component,LPC)。

Liang等人(2010)则以句子为实验材料, 采用ERP技术研究了语义类别属性归纳的时间特征。在他们的研究中, 可接受的归纳条件下结论类别和结论属性与前提类别和前提属性均关联, 不可接受的归纳条件下结论类别和结论属性均与前提类别和前提属性无关(例如, 前提：麻雀的肝脏有某种成分X, 老鹰的肝脏有某种成分X; 可接受归纳结论：鸟类的肝脏有某种成分X; 不可接受归纳结论：猫有32颗牙齿)。通过比较可接受的归纳与不可接受的归纳, 他们发现N400与归纳推理的语义整合过程有关。不过, 在Liang等人(2010)的研究中, 不可归纳的条件中同时包含了类别违背与属性违背, 导致无法确定可接受的归纳与不可接受的归纳之间的ERP成分差异是由类别违背引起的, 还是由属性违背引起的。因此, 在Liang等(2010)的基础上, Long,Lei等人(2015)试图通过区分类别违背(前提：苹果X1; 结论：电话 X1？)与属性违背(前提：苹果 X1;结论：香蕉 B5？)来分离分类过程和属性推理过程,他们发现N2-P3-N400与类别违背过程有关, 而属性违背则诱发了前中部的LPC成分。

Rips (2001)、Murphy (2002)以及陈安涛和李红(2003)认为, 类别属性归纳至少包含了分类和属性推理两个过程, 即参与者会先分析前提类别和结论类别之间的关系(类别关联过程), 然后根据属性的陈述及属性和类别之间相互匹配的结果, 做出结论是否正确的主观判断(属性推理过程)。Long, Lei等人(2015)的研究意在Liang等(2010)的基础上分离类别属性归纳中的类别过程和推理过程, 但是否真正达到了这一目的还有待进一步的商榷。首先, 在他们的研究中, 结论类别与结论属性是同时呈现的(Liang等2010年的研究也是如此), 被试在推断时需要同时比较类别与属性。然而先前的研究显示,当需要进行多维度复杂比较时, 会诱发N2-N400连续负波(Bennett, Duke, & Fuggetta, 2014; Long, Li,et al., 2015; Szűcs, Soltész, Czigler, & Csépe, 2007;Wang, Cui, Wang, Tian, & Zhang, 2004)。例如, Wang等(2004)发现, 当被试判断测试刺激是否同时在形状和颜色上和靶刺激匹配时, 不匹配的测试刺激比匹配的测试刺激同时诱发了更大的N2-N400。在一项分类任务中, 被试被要求判断前后呈现的是否同为字母或数字, 而这些字母或者数字用不同的颜色呈现时, Szűcs等(2007)发现了N2-N400连续负波的激活。因此, Long, Lei等(2015)发现的N2-P3b-N400效应中的N2-N400负波可能是由于需要同时进行类别与属性的复杂比较而诱发的, 而P3b效应则可能是N2-N400连续负波的结果。

其次, Long, Lei等(2015)认为前中部的LPC与属性推理过程有关。但他们仅比较了结论类别关联属性一致(前提：苹果 X1; 结论：香蕉 X1？)、结论类别关联属性不一致(前提：苹果 X1; 结论：香蕉 B5？)与结论类别违背属性一致(前提：苹果 X1;结论：玫瑰 X1？)三种条件, 属性不一致仅出现在结论类别关联时。当结论类别与前提类别关联, 被试在类别加工完成后会产生一个归纳可接受的预期, 在接下来的属性推理过程中, 当属性不一致时,会在基于知觉特征分析的正字法匹配过程中发现属性不匹配, 从而产生按键动作的校正。因此, 此时属性违背诱发的LPC可能反映的是按键校正而不是真正的属性推理过程。同时, 规则违背通常诱发的是中后部的LPC (例如, 数字推理, Núñez-Peña& Honrubia-Serrano, 2004; 传递性推理, Bonnefond,Castelain, Cheylus, & van der Henst, 2014), 而Long, Lei等人(2015)属性违背阶段诱发的是中前部的LPC,进一步表明他们发现的属性违背的LPC不太可能反映的是推理过程。因此, 类别属性归纳中类别过程与属性推理过程的ERP特征仍需要进一步讨论。

为了探明类别属性归纳中类别关联过程与属性推理过程的ERP特征, 本研究改进了Long, Lei等人(2015)的词语型类别属性归纳任务, 在结论阶段将结论类别与结论属性分开呈现。在结论类别阶段, 包含与前提关联的结论类别和与前提无关的结论类别。在两种结论类别条件下, 还分别包含了属性一致和属性不一致两种条件。通过在结论类别阶段比较关联结论类别与无关结论类别, 可以探索类别关联过程的ERP特征; 通过在两种结论类别条件下, 分别比较属性一致与属性不一致条件, 可以讨论属性推理过程的ERP特征。同时, 本研究还在Long, Lei等人(2015)的基础上增加了结论类别与前提类别不一致同时结论属性与前提属性也不一致的条件, 进一步拓展了Long, Lei等人(2015)的研究。

此外, 在先前的语义分类的ERP研究中, 研究者主要采用直接的类别任务和内隐的任务(Schumacher,Wirth, Perrig, Strik, & Koeig, 2009)。在直接的类别任务中, 实验者通常直接要求参与者运用他们关于类别成员关系的知识。例如, 类别句子确认任务要求参与者判断类包含的句子是否正确(例如, “苹果属于水果吗？” 张丽, 李红, 2011); 词语图片匹配任务要求被试判断词语与图片是否类别匹配(例如,先呈现词语水果, 然后要求被试判断接下来出现的图片是否属于水果。Large, Kiss, & McMullen, 2004);类别流畅性任务要求被试尽可能产生一个给定类别的样例(例如, “尽可能多的列出水果。” Kiang,Kutas, Light, & Braff, 2007)。内隐的任务则主要是语义启动任务。该任务通常是要求参与者执行一项与类别成员关系判断无关的任务, 例如, 要求参与者判断词语是真词还是假词(例如, Chen et al.,2014), 然后分析前面呈现的词语对后面呈现的词语的影响。而在类别属性归纳任务中, 与直接类别任务不同, 该任务是一项内隐的分类任务, 并不直接要求参与者使用类别成员关系知识; 同时, 经典的启动任务通常不包含类别成员关系判断。类别属性归纳任务与此不同, 该任务是一项与语义分类密切相关的任务(Rehder & Burnett, 2005; Sloutsky & Fisher,2004)。因此, 对类别属性归纳过程中分类过程的时间进程的研究, 也可以拓展语义分类的ERP研究。

Liang等人(2010)在句子归纳推理任务中均发现不可接受的推理比可接受的推理诱发了更大的N400。已有研究表明, N400与语义处理过程密切关联, 并对类别成员关系十分敏感, 且语义不匹配的刺激通常会诱发更大的N400 (例如, Núñez-Peña &Honrubia-Serrano, 2005; Lei et al., 2010; 综述见 Kutas& Federmeier, 2011; Friederici, 2011)。因此, 在类别呈现阶段, 预测与前提类别无关的结论类别会比与前提关联的结论类别诱发更大的N400。在刺激呈现后200～350 ms出现的负偏转N2与知觉的不匹配(综述见Folstein & van Petten, 2008)或规则的不匹配有关(Prado, Kaliuzhna, Cheylus, & Noveck, 2008)。通常, 知觉不匹配的或规则不匹配的刺激比知觉匹配的或规则匹配的刺激会在大脑前部诱发更大的N2。不一致的结论属性与前提属性在知觉上的不匹配, 而且也在规则上不匹配, 因而预测在属性阶段,与一致属性相比, 不一致属性会诱发更大的前部N2。P3是刺激呈现后在时间窗口为300～500 ms诱发的正成分, 分为P3a和P3b (Polich, 2007)。P3a是最大值在中后部但差异出现在中前部的正偏转,通常反映了注意的分配, 且随着卷入的注意的增加,P3a的波幅会增加(例如, Hagen, Gatherwright, Lopez,& Polich, 2006; 综述见Polich, 2007)。一致的属性比不一致的属性得到更多的注意, 因此预测无论在结论类别无关还是结论类别关联条件下, 一致的属性将比不一致的属性诱发更大的中前部的P3a。P3b是最大值在后部, 且其差异出现在中后部的正偏转(Polich, 2007)。已有的演绎推理的ERP研究表明,符合逻辑的推理比不符合逻辑的推理诱发了更大的后部P3b, 反映了符合逻辑的推理比不符合逻辑的推理有更高水平的预期满意(Bonnefond, Castelain,et al., 2014; Bonnefond, Kaliuzhna, van der Henst, &De Neys, 2014; Bonnefond & van der Henst, 2009,2013)。关联结论类别条件下, 一致属性比不一致属性更符合推理预期, 因此预测此时一致属性比不一致属性诱发更大的P3b; 而无关结论类别条件下,一致属性与不一致属性都不符合推理预期, 因此两者差异不显著。Bonnefond和van der Henst (2013)在语义条件推理任务下以及Bonnefond, Castelain等(2014)在传递性推理任务中发现导致逻辑错误的不一致结论比符合逻辑的一致结论诱发了更大的后部LPC。关联结论类别条件下, 不一致属性不符合推理逻辑, 因而预期会比一致属性诱发更大的后部LPC, 而无关结论类别条件下, 一致属性与不一致属性都不符合推理逻辑, 因此预期两者诱发的LPC将没有显著差异。

2 方法

2.1 被试

34名高校大学生参与了本实验。其中16名男性, 18名女性(平均年龄

M

=22.08岁,

SD

=1.77岁)。这些参与者母语均为汉语, 右利手, 视力正常或矫正后视力正常, 且都无精神和神经疾病史, 自愿参与, 事后获得相应报酬。

2.2 实验设计与程序

实验材料为名词词语。由于类别归纳中存在典型性效应, 在实验之前, 20名大学生对名词词语的典型性和熟悉性通过5点量表(1表示最不典型/最不熟悉; 5表示最典型/最熟悉)进行了判断, 典型性和熟悉性平均分低于3分的项目被剔除。

与Long, Lei等人(2015)的实验类似, 本研究在实验前告知被试, 将采用空格联系类别与字母加数字的空白属性的方式表示类别具有某种属性。例如,“苹果 X1”是表示苹果具有某种属性X1。前提类别与结论类别都属于基本水平类别。前提阶段, 前提类别与前提属性同时呈现(例如, 苹果 X1)。结论阶段分为类别呈现阶段和属性呈现阶段。在类别呈现阶段, 呈现结论类别。结论类别与前提类别具有两种关系：关联, 即结论类别与前提类别属于同一类别(例如, 梨子); 无关, 即结论类别与前提类别属于不同的类别(例如, 玫瑰)。在属性呈现阶段, 呈现结论属性和问号, 提醒被试做出判断和反应。结论属性与前提属性同样存在两种关系：一致(结论属性和前提属性相同, 例如, X1); 不一致(结论属性与前提属性不同, 例如, B3)。每种条件下有80个实验试次, 正式实验开始前每种条件下各安排了5个试次进行练习。

图1为实验流程。实验首先呈现一个注视点“+”,呈现时间为500 ms; 接下来呈现前提刺激, 持续时间为1000 ms; 在800～1200 ms的空屏之后, 呈现结论类别, 时间为500 ms, 此时被试无需做按键反应; 接下来又呈现一个时间为800～1200 ms空屏,最后呈现结论属性, 要求被试根据前提, 判断结论类别是否具有该属性, 刺激在被试做出响应后消失。为了减少动作电位的影响, 本实验为右手按键,即如果认为该归纳可接受, 则用右手食指按数字键“1”, 如果任务该归纳不可接受, 则用右手中指按数字键“2”。如果被试不做响应, 所要推论的属性在呈现2000 ms后消失。

图1 实验程序

2.3 脑电记录和分析

用Neuroscan Synamps 2记录脑电, 被试佩带Quick-Cap 64导联电极帽, 电极以国际10～20系统为基础放置。在线记录脑电时, 以左侧耳后乳突为参考。同时在双眼外侧安置电极记录水平眼电, 在左眼上下眶安置电极记录垂直眼电。所有极间电阻小于5 kΩ。模拟滤波带通为0.05～100 Hz, 离线分析采样频率为500 Hz。用Matlab和EEGlab对数据进行离线分析。离线分析时重新转换成双侧乳突连线为参考, 采用30 Hz低通滤波。采用ICA剔除眼电、肌电等伪迹。将被试判断结论类别关联属性一致判断归为可接受的归纳试次、将结论类别关联属性不一致、结论类别无关属性一致和结论类别无关属性不一致判断归为不可接受的归纳试次诱发的ERP成分分别进行叠加平均, 每种条件每个被试至少有60次。分析时段为刺激呈现前200 ms (作为基线)至刺激呈现后800 ms。

对4种类型条件下产生的反应时和接受/拒绝率进行了单因素重复测量的方差分析。根据已有的研究(例如, Bonnefond & van der Henst, 2009; Clayson,Baldwin, & Larson, 2013; Cutmore et al., 2015), 结合本实验得到的波形图和地形图, 对类别呈现阶段300～500 ms的时间窗口产生的N400成分的平均波幅, 采用了类别条件(类别关联、类别无关) × 脑区条件(前部：F3、Fz、F4; 前中部：FC3、FCz、FC4;中部：C3、Cz、C4; 中后部：CP3、CPz、CP4; 后部：P3、Pz、P4)× 偏侧化(左、中、右)条件三因素重复测量的方差分析; 在属性呈现阶段; 分别在类别关联条件与类别无关条件下, 对属性一致与属性不一致诱发的N2, P3 (P3a和P3b)和LPC (late positive component) 分别在230～300 ms、300～400 ms和400～600 ms时间窗口的平均波幅进行了比较。比较分析时, 采用了属性条件(属性一致与属性不一致)× 脑区条件(前部：F3、Fz、F4; 前中部：FC3、FCz、FC4; 中部：C3、Cz、C4; 中后部：CP3、CPz、CP4; 后部：P3、Pz、P4) × 偏侧化(左、中、右)为被试内变量的三因素重复测量的方差分析。统计结果采用Greenhouse-Geisser校正, 事后比较采用Sidak校正。

3 结果

3.1 行为结果

表1 各条件下的平均反应时和可接受率/拒绝率

3.2 ERP 结果

3.2.1 类别呈现阶段 ERP 结果

图2 类别呈现阶段的波形图和差异波地形图

3.2.2 属性呈现阶段ERP结果

图3展示了结论类别关联条件下的属性一致与属性不一致在F3、Fz、F4、P3、Pz和P4电极点诱发的ERP波形图和差异波(属性不一致减属性一致)的地形图。图4展示了结论类别无关条件下的属性一致与属性不一致在F3、Fz、F4、P3、Pz和P4电极点诱发的ERP波形图和差异波(属性不一致减属性一致)的地形图。表2分别展示了结论类别与前提类别关联时和结论类别与前提类别无关时属性一致与属性不一致条件在N2 (230～300 ms), P3 (300～400 ms)和LPC (400～600 ms)在前部、前中部、中部、中后部、后部、左侧、中线和右侧的平均波幅值。

图3 结论类别关联条件下的属性一致与属性不一致诱发的波形图与差异波地形图

图4 结论类别关联条件下的属性一致与属性不一致诱发的波形图与地形图

表2 类别呈现阶段、属性呈现阶段ERP成分的平均波幅值

4 讨论

采用词语型类别属性归纳任务, 在结论阶段分开呈现类别和属性, 分别揭示了类别属性归纳中分类过程与属性推理过程的ERP特征。主要的研究结果包括：(1)在类别呈现阶段, 无关的结论类别比关联的结论类别诱发了更大的N400; (2)在属性呈现阶段, 当结论类别与前提类别关联时, 不一致属性比一致属性诱发了更大的N2, 接着300～400 ms的时间窗口上大脑前部和后部均出现了更小的正偏转(P3), 随后在400～600 ms的时间窗口上大脑后部出现了更大的正偏转(late positive component,LPC); 而当结论类别与前提类别无关时, 不一致属性比一致属性诱发了更大的N2, 且在300～400 ms时间窗口上在大脑前部诱发了更小的正偏转。

4.1 行为结果分析

统计结果表明, 类别相关属性一致条件的归纳接受率显著低于其他条件的归纳拒绝率, 这一结果与Liang等人(2010)和Long, Lei等人(2015)的研究结果一致, 表明拒绝归纳可以马上做出判断, 而接受归纳需要更多的认知操作。统计结果也表明类别关联条件(类别相关属性一致和类别相关属性不一致)比类别无关条件(类别无关属性一致和类别无关属性不一致)反应时更长, 显示相关类别需要更长的时间进行认知操作(Liang et al., 2010; Long, Lei,et al., 2015)。

4.2 ERP结果分析

4.2.1 类别呈现阶段。

在类别呈现阶段, 与前提类别无关的结论类别相比, 与前提类别关联的结论类别在300～500 ms的时间窗口在大脑的前、中、后部均诱发了更大的N400, 且最大差异出现在大脑中后部, 与经典的N400成分类似。这一结果与Liang等人(2010)的发现相似。在他们的研究中, 不可接受的归纳比可接受的归纳会在350～650 ms诱发更大的N400。不过,Bonnefond和van der Henst (2013)的一项采用句子实验材料的演绎推理研究却没有发现N400的差异。他们认为导致这一结果的原因是因为演绎推理依赖形式逻辑而不依赖于语义加工, 因而在他们的研究中没有发现N400的效应。Blanchette和El-Deredy (2014)发现当演绎推理任务卷入丰富的语义内容时, 不符合逻辑的推理比符合逻辑的推理诱发更大的N400。Lei等人(2010)同样在一项类别演绎推理的ERP研究发现无关的结论类别比关联结论类别诱发更大的N400, 尽管他们的研究显示差异主要出现在大脑前部, 但是有研究认为前部的N400与经典的N400是相同的成分(综述见Kutas &Federmeier, 2011)。Goel和Dolan (2000)认为归纳推理特别依赖于语义内容, 而大量的研究显示N400与语义推理有关, 语义违背会诱发更大的N400(综述, Friederici, 2011; Kutas & Federmeier, 2011), 因此, 在本研究中发现结论无关类别比结论关联类别诱发了更大的N400, 反映了语义类别的违背。

同时, 本实验的类别阶段与语义分类的ERP研究的实验过程类似, 结果也与采用直接的类别任务或采用启动任务的研究结果类似。例如, 张丽和李红(2011)在一项汉语词语的类包含的ERP研究中发现, 否定的类包含比肯定的类包含诱发了更大的N400; Núñez-Peña和Honrubia-Serrano (2005)则发现, 无论是采用直接的类别任务还是内隐的语义启动范式, 无关类别均会比关联类别诱发更大的N400。本研究采用类别归纳任务既不是直接的分类任务, 也不是与分类无关的语义启动任务, 而是与分类关联的归纳任务, 可以认为这是一种内隐的分类任务(Rehder & Burnett, 2005; Sloutsky & Fisher,2004)。本研究的结果表明, 内隐的分类任务也诱发了与其他语义分类任务类似的N400效应, 进一步表明N400与语义过程有关, 从而拓展了语义分类的ERP研究。

4.2.2 属性呈现阶段

统计结果显示, 无论结论类别与前提类别关联还是无关时, 不一致属性比一致属性在220～300 ms时间窗口诱发了更大的前部负偏转, 是经典的前部N2成分。不一致的知觉失匹配通常会诱发更大的前部N2(综述见Folstein & van Petten, 2008)。由于不一致的结论属性与前提属性在知觉上不一致, 因此诱发了更大的N2。前部N2的另外一个解释则与规则的不匹配有关。例如, 在一系列的演绎推理任务中发现不符合逻辑的推理比符合逻辑的推理诱发了更大的N2(Bonnefond, Kaliuzhna, et al., 2014;Bonnefond & van der Henst, 2009, 2013; Cutmore, et al.,2015; Prado et al., 2008)。同时, Prado等人(2008)还在演绎推理中发现, 双维的规则不匹配会比一维规则的不匹配诱发更大的N2。在本实验中, 当结论类别与前提类别关联时, 一致属性是可接受的归纳而不一致属性则不符合推理的逻辑。因此, 此时不一致属性比一致属性诱发了更大的N2, 反映了推理规则的不一致。而当结论类别与前提类别无关时,一致属性是一维的规则失匹配而不一致属性为二维的规则失匹配, 因而不一致属性也会比一致属性诱发更大的N2。同时, 当结论类别与前提类别无关时, N2在大脑左侧的波幅比右侧大, 而Turner,Marinsek, Ryhal和Miller (2015)对演绎推理和归纳推理的元分析表明, 无论是演绎推理还是归纳推理,大脑左侧的活动均与推理中的解释过程有关, 增强的左侧N2可能反映了规则不匹配的解释过程。

统计结果显示, 在属性呈现阶段, 无论结论类别与前提类别是否关联, 属性一致均比属性不一致在300～400 ms时间窗口在大脑前部区域诱发了更大的正偏转。在300～400 ms的时间窗口下, 前中部脑区的正偏转与P3a成分类似, 而P3a被认为与注意的分配有关, 且随着注意卷入的加深, P3a的波幅会增大(例如, Hagen et al., 2006; 综述Polich,2007)。在本实验中, 在属性呈现阶段, 一致属性比不一致属性诱发了更大的类似P3a的成分, 表明在属性推理阶段, 一致属性比不一致属性得到了更多的注意。

同时, 在300～400 ms的时间窗口, 在大脑后部,当结论类别与前提类别关联时, 属性一致比属性不一致诱发了更大的正偏转, 而当类别结论与前提类别无关时, 属性一致与属性不一致在后部差异不显著。在300～400 ms时间窗口发现的后部正偏转成分类似于经典的P3b成分(Polich, 2007)。先前的条件推理和传递性推理的ERP研究中也发现了P3b的效应(Bonnefond & van der Henst, 2009, 2013;Bonnefond, Kaliuzhna, et al., 2014)。例如, Bonnefond和van der Henst (2009)发现符合演绎推理的结论(如：大前提, 如果P那么Q; 小前提, P; 结论, Q)比不符合推理的结论(如：大前提, 如果P那么Q; 小前提,P; 结论, T)诱发了更大的P3b。Bonnefond等(Bonnefond,Kaliuzhna, et al., 2014; Bonnefond & van der Henst,2009, 2013)认为在推理任务中, 当前提呈现后, 被试就形成了对即将呈现的结论刺激的预期, P3b则反映了这种推理预期的满意程度：结论越符合推理预期, 激活的P3b就越大。在本研究中, 当结论类别与前提类别关联时, 属性一致比属性不一致更符合推理预期, 因此诱发了更大的P3b; 而当结论类别与前提类别无关时, 一致属性与不一致属性都不能达成推理预期满意, 因而在这种情形下, 两者诱发的P3b差异不显著。不过, 在Long, Lei等人(2015)的词语类别属性归纳推理的ERP研究中, 无论属性是否一致, 只有在类别不一致的情况下才会诱发出差异显著的P3b, 这一结果可能是由于在Long,Lei等人(2015)的实验中结论类别与结论属性同时呈现, P3b在其中更多地反映了与类别过程密切关联的推理预期的满意程度。

统计结果还显示, 当结论类别与前提类别关联时, 不一致属性比一致属性在400～600 ms的时间窗口在大脑中后部诱发了更大的正偏转(LPC); 而当结论类别与前提类别无关时, 属性一致与属性不一致在此时间窗口诱发的LPC没有显著差异。Bonnefond和van der Henst (2013)在语义条件推理的ERP研究中发现, 在330～630 ms的时间窗口下,不符合逻辑的结论比符合逻辑的结论诱发了更大的后部正偏转。Bonnefond, Castelain等人(2014)在传递性推理任务中也发现了类似的效应, 并认为这一成分与后部的P600类似。Bonnefond等人(Bonnefond& van der Henst, 2013; Bonnefond, Castelain, et al.,2014)认为, 增大的类似于P600的晚期正成分反映的是规则违背过程。一些研究也发现, 类似于P600的LPC与规则的违背有关(Niedeggen, Rösler, &Jost, 1999; Núñez-Peña & Honrubia-Serrano, 2004)。例如, Niedeggen等(1999)发现, 与符合数学规则相比, 违背数学规则会诱发更大的LPC。Núñez-Peña和Honrubia-Serrano (2004)发现违反规则控制的顺序也会诱发类似于P600的LPC。在本实验中, 不一致属性比一致属性在400～600 ms的时间窗口在大脑中后部诱发了更大的正偏转, 这与后部的P600类似。当结论类别与前提类别关联时, 不一致属性违背了推理逻辑与规则, 因而比一致属性诱发了更大了正偏转; 而当结论类别与前提类别无关时,一致属性与不一致属性均违反了推理规则, 因而两者差异不显著。

然而, 先前采用图形的归纳推理的ERP研究(例如, Bigman & Pratt, 2004; Chen et al., 2007; Huang et al., 2013; Li et al., 2009)较为一致地发现, 可接受的归纳比不可接受的归纳诱发了更大的后部正偏转, 这与本实验的研究结果不同。导致这种差异的原因可能是图形类别归纳任务集中于讨论分类过程(Long, Lei, et al., 2015)。例如, 在Bigman和Pratt(2004)以及Chen等(2007)的研究中, 实验者先呈现给被试两张图形并告知被试这两张图形属于同一类别, 要求判断测试图形和先前呈现的图形是否属于同一类别。此时, 被试正确完成此任务的核心操作是归纳出属于同一类别的前两张图形的规则(即类别形成规则), 然后判断测试图形是否也符合这一规则。Huang等(2013)和Li等(2009)采用的任务与Bigman和Pratt (2004)以及Chen等(2007)任务类似, 不同之处是他们不仅告知被试哪些图形属于同一类别(有电的电池), 也告知被试哪些图形不属于同一类别(没有电的电池)。因此, 在这些研究中, 任务集中于类别有关的过程。

同时, 在Liang等人(2010)和Long, Lei等人(2015)的研究则发现在350～700 ms时间窗口, 可接受的类别归纳与不可接受的归纳在大脑后部的差异不显著, 这也与本实验的LPC结果不一致。这可能是因为Liang等人(2010)和Long, Lei等人(2015)的研究同时呈现了结论类别和结论属性, 而本实验的后部晚正成分差异出现在单独呈现的属性推理阶段, 反映的是属性推理的过程。

4.3 推理的单加工与双加工理论

推理研究领域的一个辩论是推理是单加工过程还是双加工过程(综述见Heit, 2015)。单加工理论假定所有形式的推理都共享相似的加工过程(例如,Lassiter & Goodman, 2015), 而推理的双加工理论(例如, Hayes, Heit, & Rotello, 2014)则假定不同形式的推理具有不同程度的启发式加工过程(heuristic processing, 加工速度较快、不占用或占用很少的心理资源、更多地依赖于直觉, 且通常我们只能意识到结果而意识不到加工的过程)和分析式加工过程(analytic processing, 加工速度慢、占用较多的心理资源、更多地依赖于理性, 并且过程和结果都是可以被意识到)。演绎推理和归纳推理的fMRI研究均发现不同形式及内容的演绎推理和归纳推理存在不同程度的脑激活, 倾向于支持推理的双加工理论(例如, 演绎推理, Prado, Chadha, & Booth,2011; 归纳推理, Liang, Jia, Taatgen, Zhong, & Li, 2014);然而, 推理的ERP研究则发现归纳推理和演绎推理在ERP成分上的差异不显著(Malaia, Tommerdahl, &McKee, 2015)。同时, 演绎推理的一系列ERP研究发现不同形式的演绎推理均存在P3b的效应(Bonnefond, Kaliuzhna, et al., 2014; Blanchette &El-Deredy, 2014), 本实验也在类别属性归纳的属性推理阶段发现了P3b的效应。然而, ERP研究中显示的演绎和归纳推理的一致性却很难说就支持了单加工理论, 因为这两类研究结果的差异很可能是由于技术的不同导致的(Bonnefond, Castelain, et al.,2014)。因此, 为了更好地明确归纳推理与演绎推理是否具有相同的神经机制, 未来的研究需要多层面多技术的整合研究(Roser et al., 2015)。

4.4 本研究的局限性

本研究中, 结论类别为具体的、基本水平的类别, 而在Liang等(2010)的研究中, 可接受归纳的结论类别为一般的、上位水平的类别。根据以往的研究, 不同等级间的归纳可能存在差异。例如,Feeney (2007)发现, 与结论类别为基本水平的类别相比, 上位水平的结论类别更容易观察到归纳推理的多样性效应(前提越多样, 归纳结论成立的可能性越大), 而在Goel和Dolan (2004)的fMRI研究中,归纳推理的任务既包含基本水平的结论类别, 也包含上位水平的结论类别, 忽略了这两者之间的潜在差异。在将来的研究中, 需要进一步比较不同类别间归纳的特征。此外, 本实验和先前的类别归纳的认知神经机制研究都主要集中在类别确定条件下的归纳, 类别不确定条件下的类别归纳的认知神经机制也需要进一步的引起重视(莫雷, 陈琳, 2009)。同时, 归纳推理包含的问题很广泛, 本实验主要讨论的是Kemp和Jern (2014)定义的归纳推理中的泛化问题中的属性泛化问题, 类别泛化、客体与类别泛化、客体、属性与类别同时泛化等问题也没有涉及, 这些都需要进一步的研究。

5 小结

本研究采用事件相关电位技术(ERP), 试图通过对结论类别与结论属性分开呈现的方法, 探索语义类别属性推理归纳中分类和属性推理的时间进程。研究结果发现, 在类别呈现阶段, 无关结论类别比关联结论类别诱发了更大的N400, 表明N400与类别属性归纳中语义整合过程密切相关。在属性呈现阶段, 当结论类别与前提类别关联时, 不一致属性比一致属性诱发了更大的前部N2; 随后, 一致属性在300～400 ms时间窗口在大脑前部和后部分别诱发了更大类似于P3a和P3b的成分, 最后在400～600 ms时间窗口在大脑后部诱发了更大的正偏转; 而当结论类别与前提类别无关时, 不一致属性比一致属性也诱发了更大的前部N2; 随后, 在300～400 ms时间窗口仅在大脑前部观察到一致属性比不一致属性诱发了更大的类似与P3a成分。这一结果表明, 在属性推理阶段, 被试先经历了知觉失匹配或规则不一致过程, 反映在N2上; 随后,被试注意到了属性的一致性(P3a)并匹配了推理的预期满意(P3b); 最后在稍晚的时候进行了推理决策(400～600 ms之间的正偏转)。这一结果分离了类别属性归纳的分类与属性推理过程。

Bennett, M. A., Duke, P. A., & Fuggetta, G. (2014). Eventrelated potential N270 delayed and enhanced by the conjunction of relevant and irrelevant perceptual mismatch.

Psychophysiology,

51, 456–463.Bigman, Z., & Pratt, H. (2004). Time course and nature of stimulus evaluation in category induction as revealed by visual event-related potentials.

Biological Psychology, 66

,99–128.Blanchette, I., & El-Deredy, W. (2014). An ERP investigation of conditional reasoning with emotional and neutral contents.

Brain & Cognition, 91

, 45–53.Bonnefond, M., Castelain, T., Cheylus, A., & van der Henst, J.(2014). Reasoning from transitive premises: An EEG study.

Brain & Cognition, 90

, 100–108.Bonnefond, M., Kaliuzhna, M., van der Henst, J., & De Neys,W. (2014). Disabling conditional inferences: An EEG study.

Neuropsychologia, 56

, 255–262.Bonnefond, M., & van der Henst, J. (2009). What’s behind an inference? An EEG study with conditional arguments.

Neuropsychologia, 47

, 3125–3133.Bonnefond, M., & van der Henst, J. B. (2013). Deduction electrified: ERPs elicited by the processing of words in conditional arguments.

Brain and Language, 124

, 244–256.Chen, A. T., & Li, H. (2003). Research on the psychological effects of inductive inference.

Advances in Psychological Science, 11

(6), 607–615.[陈安涛, 李红. (2003). 归纳推理心理效应的研究.

心理科学进展,

11(6), 607–615.]Chen, A. T., Luo, Y. J., Wang, Q. H., Yuan, J. J., Yao, D. Z., &Li, H. (2007). Electrophysiological correlates of category induction: PSW amplitude as an index of identifying shared attributes.

Biological Psychology, 76

, 230–238.Chen, Q. F., Ye, C., Liang, X. L., Cao, B. H., Lei, Y., & Li, H.(2014). Automatic processing of taxonomic and thematic relations in semantic priming -- Differentiation by early N400 and late frontal negativity.

Neuropsychologia, 64

,54–62.Clayson, P. E., Baldwin, S. A., & Larson, M. J. (2013). How does noise affect amplitude and latency measurement of event-related potentials (ERPs)? A methodological critique and simulation study.

Psychophysiology, 50

, 174–186.Coley, J. D., Shafto, P., Stepanova, O., & Baraff, E. (2005).Knowledge and category-based induction. In W. Ahn, R. L.Goldstone, B. C. Love, A. B. Markman, & P. Wolff (Eds.),

Categorization inside and outside the laboratory: Essays in honor of Douglas L. Medin

(pp. 69–85)

.

Washington, DC:American Psychological Association.Cutmore, T. R. H., Halford, G. S., Wang, Y., Ramm, B. J.,Spokes, T., & Shum, D. H. K. (2015). Neural correlates of deductive reasoning: An ERP study with the Wason selection task.

International Journal of Psychophysiology,98

, 381–388.Feeney, A. (2007). How many processes underlie categorybased induction? Effects of conclusion specificity and cognitive ability.

Memory & Cognition, 35

(7), 1830–1839.Folstein, J. R., & van Petten, C. (2008). Influence of cognitive control and mismatch on the N2 component of the ERP: A review.

Psychophysiology, 45

, 152–170.Friederici, A. D. (2011). The brain basis of language processing: From structure to function.

Physiological Reviews,91

(4), 1357–1392.Goel, V., & Dolan, R. J. (2000). Anatomical segregation of component processes in an inductive inference task.

Journal of Cognitive Neuroscience, 12

(1), 110–119.Goel, V., & Dolan, R. J. (2004) Differential involvement of left prefrontal cortex in inductive and deductive reasoning.

Cognition, 93

(3), B109–B121.Hagen, G. F., Gatherwright, J. R., Lopez, B. A., & Polich, J.(2006). P3a from visual stimuli: Task difficulty effects.

International Journal of Psychophysiology, 59

, 8–14.Hayes, B. K., Heit, E., & Rotello, C. M. (2014). Memory,reasoning, and categorization: Parallels and common mechanisms.

Frontiers in Psychology, 5

, 529.Heit, E. (2015). Brain imaging, forward inference, and theories of reasoning.

Frontiers in Human Neuroscience, 8

,1056.Huang, S. X., Tang, Z. K., Li, F. H., & Li, H. (2013).Electrophysiological correlates of category induction in children and adults.

Developmental Neuropsychology, 38

(1),22–35.Kemp, C., & Jern, A. (2014). A taxonomy of inductive problems.

Psychonomic Bulletin & Review, 21

, 23–46.Kiang, M., Kutas, M., Light, G. A., & Braff, D. L.(2007).Electrophysiological insights into conceptual disorganization in schizophrenia.

Schizophrenia Research, 92

, 225–236.Kutas, M., & Federmeier, K. D. (2011). Thirty years and counting: Finding meaning in the N400 component of the event-related brain potential (ERP).

Annual Review of Psychology, 62

, 621–647.Large, M. E., Kiss, I., & McMullen, P. A. (2004).Electrophysiological correlates of object categorization:Back to basics.

Brain Research: Cognitive Brain Research,20

, 415–426.Lassiter, D., & Goodman, N. D. (2015). How many kinds of reasoning? Inference, probability, and natural language semantics.

Cognition, 136

, 123–134.Lei, Y., Li, F. H., Long, C. Q., Li, P., Chen, Q. F., Ni, Y. Y., &Li, H. (2010). How does typicality of category members affect the deductive reasoning? An ERP study.

Experimental Brain Research, 204

, 47–56.Li, F. H., Luo, Y. J., Cao, B. H., & Li, H. (2009). Electrophysiological correlates of inductive generalization.

Journal of Psychophysiology,23

(1), 27–34.Liang, P. P., Jia, X. Q., Taatgen, N. A., Zhong, N., & Li, K.C. (2014). Different strategies in solving series completion inductive reasoning problems: An fMRI and computational study.

International Journal of Psychophysiology, 93

(2),253–260.Liang, P. P., Zhong, N., Lu, S. F., & Liu, J. M. (2010). ERP characteristics of sentential inductive reasoning in time and frequency domains.

Cognitive System Research, 11

, 67–73.6Long, C. Q., Lei, X., Chen, J., Chang, Y., Chen, A. T., & Li, H.(2015). Event-related potential parameters of category and property violations during semantic category-based induction.

International Journal of Psychophysiology, 96

,141–148.Long, C. Q., Li, J., Chen, A. T., Qiu, J., Chen, J., & Li, H.(2015). Event-related potential responses to letter-string comparison analogies.

Experimental Brain Research,233

(5), 1563–1573.Malaia, E., Tommerdahl, J., & McKee, F. (2015). Deductive versus probabilistic reasoning in healthy adults: An EEG analysis of neural differences.

Journal of Psycholinguistic Research,

44(5), 533–544.Mei, Y., Liang, P. P., Lu, S. F., Yang, Y. H., Zhong, N., & Li, K.C. (2010). Neural mechanism of figural inductive reasoning:An fMRI study.

Acta Psychologica Sinica, 42

(4), 496–506.[梅杨, 梁佩鹏, 吕胜富, 杨延辉, 钟宁, 李坤成. (2010).图形型归纳推理的神经机制: 一项fMRI研究.

心理学报,

42(4), 496–506.]Mo, L., & Chen, L. (2009). Which one is better? Based on categories or based on feature association when categorization is uncertain.

Acta Psychologica Sinica,

41(2), 103–113.[莫雷, 陈琳. (2009). 类别不确定下的特征推理是基于类别还是基于特征联结.

心理学报,

41(2), 103–113.]Murphy, G. L. (2002).

The big book of concepts

. Cambridge,MA: MIT Press.Niedeggen, M., Rösler, F., & Jost, K. (1999). Processing of incongruous mental calculation problems: Evidence for an arithmetic N400 effect.

Psychophysiology, 36

, 307–324.Núñez-Peña, M. I., & Honrubia-Serrano, M. L. (2004). P600 related to rule violation in an arithmetic task.

Cognitive Brain Research, 18

, 130–141.Núñez-Peña, M. I., & Honrubia-Serrano, M. L. (2005). N400 and category exemplar associative strength.

International Journal of Psychophysiology, 56

, 45–54.Polich, J. (2007). Updating P300: An integrative theory of P3a and P3b.

Clinical Neurophysiology, 118

, 2128–2148.Prado, J., Chadha, A., & Booth, J. R. (2011). The brain network for deductive reasoning: A quantitative meta-analysis of 28 neuroimaging studies.

Journal of Cognitive Neuroscience,23

(11), 3483–3497.Prado, J., Kaliuzhna, M., Cheylus, A., & Noveck, I. A. (2008).Overcoming perceptual features in logical reasoning: An event-related potentials study.

Neuropsychologia, 46

(11),2629–2637.Rehder, B., & Burnett, R. (2005). Feature inference and the causal structure of categories.

Cognitive Psychology, 50

(3),264–314.Rips, L. J. (2001). Necessity and natural categories.

Psychological Bulletin, 127

(6), 827–852.Roser, M. E., Evans, J. S., McNair, N. A., Fuggetta, G., Handley,S. J., Caroll, L. S., & Trippas, D. (2015). Investigating reasoning with multiple integrated neuroscientific methods.

Frontiers in Human Neuroscience, 9

, 41.Schumacher, R., Wirth, M., Perrig, W. J., Strik, W., & Koeig, T.(2009). ERP correlates of superordinate category activation.

International Journal of Psychophysiology, 72

, 134–144.Sloutsky, V. M., & Fisher, A. (2004). Induction and categorization in young children: A similarity-based model.

Journal of Experimental Psychology: General, 133

(2), 166–188.Szűcs, D., Soltész, F., Czigler, I., & Csépe, V. (2007)Electroencephalography effects to semantic and nonsemantic mismatch in properties of visually presented single-characters: The N2b and the N400.

Neuroscience Letters, 412

, 18–23.Turner, B. O., Marinsek, N., Ryhal, E., & Miller, M. B. (2015).Hemispheric lateralization in reasoning.

Annals of the New York Academy of Sciences, 1359

, 47–64.Wang, Y. P., Cui, L. L., Wang, H. J., Tian, S. J., & Zhang, X.(2004). The sequential processing of visual feature conjunction mismatches in the human brain.

Psychophysiology,41

, 21–29.Zhang, L., & Li, H. (2011). An ERP study on the processing of negation in the category verification task.

Scientia Sinica Vitae, 41

(12), 1203–1211.[张丽, 李红. (2011). 类别验证任务中否定加工的ERP研究.

中国科学: 生命科学, 41

(12), 1203–1211.]