分类学习和推理学习：差异比较与研究展望

夏静静　邢　强

（广州大学心理学系，广州 510006）

分类学习和推理学习：差异比较与研究展望

夏静静邢强

（广州大学心理学系，广州 510006）

类别学习是人类对不同类别加以归类的过程，分类学习和推理学习是习得类别知识的两种重要方式。文章从分类学习和推理学习的呈现方式、反应类型和材料结构，到类别表征、学习策略以及注意分配等几个方面系统地介绍两种学习的学习模式的差异。但是现有的研究范式对两种学习模式的探讨仍存在不足，未来的研究还需从认知神经机制的角度出发获得更为客观的指标；另外还要形成系统的纵向研究，探讨个体从婴幼儿到成年时期的类别学习能力的变化和发展。

分类学习；推理学习；类别表征；学习策略；注意分配

1　引言

人类在认知客观对象时，需要对感知对象进行归类。要把感知对象进行归类，人类必须先习得某种类别，即要进行类别学习（category learning）［1］。类别学习是通过不断地分类练习习得类别知识，学会如何将类别刺激进行归类的过程。类别学习的一般过程是：逐个呈现一系列刺激的相关特征（全部特征或部分特征），让被试判断该刺激属于哪个类别标签（category lables）或类别特征（category features）。被试每次反应后给予即时或延时反馈，通过多次的尝试，直到被试达到预先设定的某一标准 （如连续3轮正确率达到80%），就认为被试习得了类别知识。类别知识在许多认知活动中都起着重要的作用，例如利用类别知识进行分类、推理、问题解决以及解释等［2-4］。分类学习和推理学习是类别学习的两种重要学习模式。

分类学习（classification learning）是指呈现刺激的全部特征，让被试预测该刺激所属的类别标签（A或B）［5］。从这个角度来看，狭义的类别学习就是指分类学习。我们以往大部分有关类别学习的研究局限在分类任务上，但是在现实条件下，类别知识的习得并不仅仅通过分类学习，而且越来越多的研究者对分类学习之外的类别知识的获得更感兴趣［6-8］。Yamauchi等人提出了另一种习得类别知识的学习模式——推理学习（inference learning），向被试呈现刺激所属的类别标签（A或B）和部分特征值（缺失某个特征值），要求被试预测刺激的未知特征值［8-10］（如图1）。

图1　Yamauchi和Markman 2002年实验1使用的分类学习任务和推理学习任务

从两种学习模式的学习过程来看，分类学习呈现的是全部特征值，推理学习呈现的是部分特征值，分类学习要做出判断的是类别标签，推理学习要推理的是缺失特征值。这种在呈现方式及反应类型上的差异，导致了分类学习和推理学习的类别表征、类别策略以及注意分配的差异，本文拟从以上几个方面梳理两种学习模式的差异。

2　分类学习和推理学习的差异比较

2.1类别标签和特征值

类别标签和特征值是类包含的关系，类别标签是由多个特征值组成的样例的总和。二者之间有联系但又不完全相同。早期的一些研究者认为分类学习和推理学习在某些功能上紧密相关，类别标签和特征值之间并没有本质差别，因为两种学习任务都要求学习者去预测一个缺失的信息 （类别标签或缺失特征值），因此分类学习和推理学习的过程是相同的［8，11-13］。不过Gelman和Markman早在1986年就发现，尽管同一类别内的成员在特征上存在差异，但是4岁的儿童已经能够根据类别标签进行推理［14］。在Gelman和Heyman的研究中，让儿童描述一个人的特征时，他们倾向于使用贴标签的形式（如，他是一个胡萝卜食用者）而不是使用一个特征（如，他在吃胡萝卜），换一句话说，倾向于描述一个人是什么，而不是像什么。说明儿童在认识事物时，标签比特征值更重要［15］。另外，Yamauchi和Markman的一项成人研究也证实了类别标签不等价于特征值，甚至类别标签在推理任务中起着比特征值还重要的作用［9］。

以上研究证实了不管对于儿童还是成人来说，标签和特征值都是不等价的。但是对于成人和儿童来说，使用的是不同的研究方法，所以结果有可能是实验条件的差异造成的。Deng和Sloutsky在同一个实验条件下探讨成人和儿童在两种学习模式下对待类别标签和特征值的差异。具体做法为：把材料分为两组，高匹配组中的类别成员与原型拥有更多的共性特征，低匹配组类别成员与相对立的原型拥有更多的共性特征，并且在两种学习条件下，把头部设为动点，使其成为显著特征。结果发现，不管学习条件和匹配程度如何，儿童都能够根据显著特征（头部）进行分类，但是1/3成人被试依靠标签来分类，剩下的被试按照显著特征来分类。但是他们认为成人和儿童的结果差异可能是由于类别标签的不熟悉造成的。因此在随后的实验中，使用熟悉的标签代替前面的新异标签 （“carrot eater”和 “meat eater”替代“flurp”和“jalet”）。结果儿童的反应模式没有显著变化，而更多的成人倾向于使用标签［16，17］。这些结果表明儿童对待类别标签和类别特征没有差异，标签起着特征值的功能。但是随着年龄的增长，逐渐会区别对待标签和特征值。

目前，研究者们已经对类别标签不等同于特征值这一点达成了共识。分类学习的要求是分类出类别标签，推理学习的要求是推理出特征值，这两者是不等价的。

2.2类别结构

在类别学习的实验研究中，往往会根据研究目的使用不同类型的实验材料。在探讨类别学习的反馈机制时，一般采用知觉类别材料，如光栅图；在探讨类别表征和策略时，一般采用家族相似性材料。在家族相似性材料中，又可分为线性分离家族相似性材料和非线性分离家族相似性材料。Yamauchi和Markman使用线性分离结构材料（linearly separable structure）探讨分类学习和推理学习对类别知识习得的影响。线性分离结构指各类别成员与类别原型的相似程度相同 （如表1中斜线把类别分为两个部分）。结果发现推理学习者达到标准的学习次数显著低于分类学习者，说明线性分离结构对于推理学习任务来说更简单［8］。

表1　Yamauchi和Markman 1998年使用的线性分离家族相似性类别材料

线性分离结构对于推理学习来说更容易，那么非线性分离结构是否会有相反的结论呢？即非线性分离结构（nonlinearly separable structure）对分类学习来说更容易。为了验证这个假设，又有人研究了非线性分离结构对两种学习形式的影响。非线性分离结构指各类别成员与原型相似性程度不均等 （如表2）。结果显示：71%的推理学习者达到预先设定的标准，92%的分类学习者达到预定标准；对达到标准的被试进行进一步分析发现，推理学习者平均需要15.8轮达到标准，而分类学习者平均需要10.5轮达到标准，这说明推理学习者在学习进程上比分类学习者慢。表明非线性分离结构对于推理学习者来说更难［10，18］。综上可知，线性分离结构更有利于推理学习，非线性分离结构更有利于分类学习。

表2　Yamauchi和Love 2002年使用的非线性分离家族相似性类别材料

线性分离材料设置具体的材料结构，对特征值间的关联没有要求。但是在现实生活中，有许多刺激的特性间是相互关联的，人们把这一类材料称作抽象一致性材料（abstract coherent material）。这里的抽象主要指样例特征值存在某种程度的一致性。Rehder和Ross使用抽象一致性材料检验类别内部特征间的相关对两种学习的影响［19］。所谓抽象一致性材料，Rehder等人将其定义为类别并不是简单指特征间的相似性，而是鉴于先验知识和理论而形成的各特征间的相互联系。国内学者认为抽象一致性材料就是指类别内的各项目具有某种抽象的一致性，但是它们在可观察的外在特征上可能差异很大［20］。如“鸟”这个概念，它不仅仅是由“羽毛”“翅膀”“能飞”和“在树上筑巢”这些特性组成，而且这些特性之间相互关联。正因为鸟有翅膀和羽毛，所以它才能飞；因为它能飞，所以才能在高高的树上筑巢。这些特性间的关联让我们的先验知识变得更有意义。如果了解鸟的知识，就可以知道，由于地球重力的存在，鸟能够飞一定是有某些东西推动他们向上 （如翅膀）［21］。Rehder等人的研究表明，不论在推理任务中，还是在分类任务中，抽象一致性材料都比抽象不一致性材料的成绩要好。但是在推理任务中，抽象一致性材料能够更快更准确地掌握类别知识。由于推理学习促使学习者去关注类别内部信息，即一个类别的所有成员倾向于是什么样的，进而发现类别内各成员间的潜在关系，所以抽象一致性类别的学习对于推理学习者是有利的，而分类学习者由于关注的是类别间信息，所以很难发现样例间的内在一致性［19］。

2.3类别表征

Markman和Ross曾指出不同的类别学习方式导致不同的类别表征［22］。分类学习需要把类别成员分类，因此更关注诊断性信息 （diagnostic information）。诊断性信息是指能够明确区分不同类别的信息，即类别间的不同特征，又称作类别间信息（between-category information）。然而，推理学习需要学习不同类别成员的特征，因此更关注同一类别内的典型性信息（typical information）。典型性信息是指同一类别内，类别成员与原型相同的特征，又称为原型信息（prototype information）。在推理任务中，提前告知类别标签和部分特征值，要推测的是缺失的特征值。因此，被试需要把新样例与同一类别内的各成员进行比较才能进行正确的分类。

另外，刘凤英、张庆林、李红和姚志刚对分类学习和推理学习进行了对比［22］。实验中要求被试从成对呈现的项目中选择一个更典型的A，并且要求被试将典型的A和典型的B画出来。测试中所呈现的项目诊断性程度和典型性程度不同。结果发现分类学习者主要受诊断性信息的影响，而推理学习者主要受典型性信息的影响。即分类学习者关注类别间信息，推理学习者关注类别内信息。这个结果与前人的研究一致［10，13］。另外，Benjamin和Jennifer在探讨两种学习方式对类别内部结构的学习程度时发现，推理条件下的被试能够习得更丰富的类别内部结构（如典型性特征和特征间的相关）。而分类学习者对诊断性信息和非典型性特征的出现更敏感［23］。说明原型特征对推理学习的表征很重要，可能是因为推理学习更倾向于依靠原型特征对类别进行表征。换句话说，非典型性特征对类别表征不是那么重要。因此，推理学习者更可能忽视非典型性特征，而分类学习者更可能把非典型性特征合并到其表征中。Sakamoto和Love使用学习后（postlearning）范式，任务是把特征分类或者依靠典型性特征构造一个与原类别成员相似的新类别来表征，结果表明推理学习者在这些任务上成绩更好，间接地证明了以上观点［24］。

综上，目前关于分类学习和推理学习的表征已经得出相对一致的结论，即分类学习者关注类别间信息（诊断性特征），倾向于形成规则表征和相似性表征，推理学习者更关注类别内信息（典型性特征），更倾向于形成原型表征。

2.4学习策略

分类学习者倾向于通过规则和识记样例获得信息，而推理学习者获得与类别原型相关的信息［8］。Anderson等人在前人研究的基础上推断，如果推理学习学习到的是与类别原型有关的类别特征，那么推理学习将会倾向于原型学习，在单特征类别判断时，原型特征成绩也会更好。结果与预测一致：分类学习者在呈现全特征的分类学习中表现更好，推理学习者在呈现部分特征的推理学习中成绩更好［4］。这说明两种学习模式存在顺序效应：先进行推理学习对随后的分类学习有促进作用，而分类学习对推理学习没有促进作用。刘志雅等人利用单特征判断技术，探讨了分类学习和推理学习的结果［18，25］。研究表明，分类学习的结果是样例，推理学习的结果是原型，但是分类学习比推理学习更好地掌握了类别原型。这与上文提到的两种学习模式对信息的关注点不同有关。分类学习者会根据样例的数目以及样例的复杂程度，灵活地运用高水平的信息整合策略，从最初的样例倾向转向对刺激进行原型抽象。而推理学习者由于更关注类别内部各特征的精细分析，在原型抽象出现困难的时候，不能灵活地转变归类策略。而且随着学习的深入，两种学习方法在策略的运用上出现了差异。分类学习能够很快地转变策略，从单维度策略进入更复杂，更精确的策略；而推理学习在各种策略上的转变是渐进性的，转变速度较慢，但是给予推理学习者足够的学习时间，也能够达到分类学习的水平。

Johansen和 Kruschke提议用类别特征规则（category-to-feature rules）代替Yamauchi等人提倡的原型模型［26］。学习者在学习的过程中能够根据实验设计的不同，学习到相应的类别知识。在推理任务中，一般在设置缺失特征值时都避免例外特征（即类别成员中很少出现的特征），因此推理学习者很容易抽象出类别标签与典型性特征之间的关系，即某些潜在的规则。后来，他们又在之前的基础上对比典型性特征推理和例外特征推理两种实验条件。结果发现，在前者条件下，被试倾向于推理出典型性特征；在后者条件下，被试倾向于推理出例外特征。这是因为在学习阶段，被试通过训练已经建立了类别标签与特征的联结。

2.5注意分配

分类学习和推理学习的类别表征、学习策略不同，很大程度上是由于两种学习模式的信息关注点不同。眼动追踪研究（eye-tracking research）发现推理学习者注意更广泛。他们能够分散注意在各个特征值上，即使是对预测缺失值无关的特征，被试也会注意。可能是因为被试事先不知道哪个特征被设疑，因此不得不关注所有的信息，找到特征间的关系，抽象出原型；分类学习者仅仅注意对分类有效的信息（诊断性特征）［19］。

3　研究展望

人们不仅要对事物进行分类，还要对事物的未知特征进行推理，分类和推理是类别知识应用的两大重要功能。在教育实践中，目前已经对类别学习进行了许多研究，分类学习要求预测标签，推理学习要求推理缺失特征值，二者是不等价的；材料结构对两种学习模式的影响也不尽相同，线性分离结构对推理学习有利，非线性分离更有利于分类学习；分类学习更可能形成规则表征或相似性表征，推理学习倾向于形成原型表征；分类学习能根据具体情况灵活地转换策略，而推理学习者不能灵活地转换策略；分类学习更关注诊断性特征，而推理学习注意更广泛。这些结果表明分类学习和推理学习的研究已经取得了一定成果，但是对于将来进一步的研究还可以从以下两个方面探讨：

第一，前文已经提及，分类学习和推理学习都属于类别学习的范畴，但是不可否认的是当前类别学习的研究范式比较单一。大多数有关分类学习和推理学习的研究都采用学习—测试范式（learning—transfer paradigm）［18，24，27］。学习—测试范式是指将实验过程分为两个阶段，分别是学习阶段和测试阶段。在学习阶段让被试学习一部分材料，直到被试达到某一标准；在测试阶段，向被试呈现一系列与学习阶段相似又不完全一样的样例或者单一特征值，如果被试仍能正确反应，就说明被试学习了类别。具体概括为：呈现刺激—反应—反馈—N轮操作—n%正确率—迁移测试—理论建构［28］。通过以上方法得到的结果存在一定的主观性与不稳定性。因而在未来的研究中，有必要从认知神经机制的角度出发，运用眼动仪和功能磁共振等先进的手段获得更为客观的指标。

第二，当前关于分类学习和推理学习的研究大多集中在横向研究上，即对成人的研究。对青少年或儿童的研究相对较少，对婴幼儿的研究更是少之又少。而婴幼儿、儿童和青少年作为个体发展的三个重要阶段，其分类和推理能力是怎样形成的，又是怎样发展的仍不清晰。

Rabi和Minda指出，小于5岁的儿童在执行分类或推理任务时，很难把注意力集中在与任务有关的单一维度上［29］。Best，Yim和Sloutsky的研究表明：在分类任务中，成人和儿童注意力分配不同。具体来说，成人选择优化注意力，即把注意力集中在诊断性特征上；相反地，婴儿和儿童倾向于分散注意。这表示对于儿童来说，分类学习和推理学习是等价的［30］。Wei和Vladimir探讨了4岁、6岁和成人三个年龄组在两种学习模式下的反应模式［5］。结果显示6岁儿童在分类学习任务中比推理任务更集中注意在诊断性特征上，4岁儿童不管是分类学习任务还是推理学习任务都集中在多个特征值上，这说明4岁和6岁之间儿童发生了重大的认知发展。我们发现，儿童和成人的认知能力有很大的差异，但是在进行分类学习和推理学习的发展性研究时，为了材料的平衡性，忽视了儿童的认知能力发展，研究中的材料对于儿童来说难度偏大，这是研究者应该考虑的问题。上文又提到，5岁可能是一个转换组，但是哪些心理机制和神经机制促使儿童发生转变仍需进一步探讨。

1孙海龙，邢强.反馈对知觉类别学习的影响及其认知神经生理机制.心理科学进展，2014，22（1）：67-74.

2Medin D L，Schaffer M M.Context theory of classification.Psychological Review，1978，85（3）：207-238.

3Nosofsky R.Similarity，frequency，and category representations.JournalofExperimentalPsychology：Learning，Memory，and Cognition，1988，14（1）：54-65.

4Ross BH，Makin VS.Prototype versus exemplar models.In R.J.Sternberg（Ed.），The nature of cognition.Cambridge，MA：MIT Press，Bradford Books，1988：205-241.

5Wei D，Vladimir M S.The d evelopment of c ategorization：Effects of c lassification and i nference t raining on c ategoryr epresentation.DevelopmentalPsychology，2015，51（3）：392-405.

6Anderson A L，Ross B H，Chin-Parker S.A further investigation of category learning by inference.Memory &Cognition，2002，30（1）：119-128.

7Brooks L R，Squire-Graydon R，Wood T J.Diversion of attention in everyday concept learning：Identification in the service of use.Memory&Cognition，2007，35（1）：1-14.

8Yamauchi T，Markman A.Category learning by inference and classification.Journal ofMemory and Language，1998，39（1）：124-148.

9Yamauchi T，Markman AB.Inference using categories.Journal of Experimental Psychology：Learning，Memory，and Cognition，2000，26（3）：776-795.

10Yamauchi T，Love BC，Markman AB.Learning nonlinearly separable categories by inference and classification.Journal o f Experimental Psychology：Learning，Memory，and Cognition，2002，28（3）：585-593.

11Anderson J R.The adaptive nature of human categorization.Psychological Review，1991，98（3）：409-429.

12Markman A B，Ross B H.Category use and category learning.Psychological Bulletin，2003，129（4）：592-613.

13Chin-Parker S，Ross B H.Diagnosticity and prototypicality in category learning：A comparison of inference learning and classification learning.Journal of Experimental PsychologyLearningMemory&Cognition，2004，30（1）：216-26.

14Gelman S A，Markman E M.Categories and induction in young children.Cognition，1986，23（3）：183-209.

15Gelman S A，Heyman G D.Carrot-e aters and c reature-b elievers：The e ffects of l exicalization on c hildren’s i nferences a bout s ocial c ategories.PsychologicalScience，1999，10（6）：489-493.

16Deng W S，Sloutsky V M.Carrot eaters or moving heads：I nductiveinferenceisbettersupportedby salient features than by category labels.Psychological Science，2012，23（2）：178-186.

17Deng W，Sloutsky V M.The role of linguistic labels ininductivegeneralization.Journal of Experimental Child Psychology，2013，114（3）：432-455.

18刘志雅，莫雷.类别学习中两种学习模式的比较研究：分类学习与推理学习.心理学报，2006，38（6）：824-832.

19Rehder B，Ross BH.Abstract coherent categories. Journal of Experimental Psychology：Learning，Memory，and Cognition，2001，27（5）：1261-1275.

20刘凤英，姚志刚.类别学习与类别表征.太原师范学院学报，2008，7（3）：135-137.

21Erickson J E，Chinparker S，Ross B H.Inference and classificationlearning of abstract coherent categories. Journal of Experimental Psychology：Learning，Memory，and Cognition，2005，31（31）：86-99.

22Markman A B，Ross B H.Category use and category learning.Psychological Bulletin，2003，129（4）：592-613.

23Benjamin D，J ennifer W.Learning about the internal structure of categories through clasi fi cation and feature inference.Journal of Experimental Psychology，2014，9（67）：1786-1807.

24SakamotoY，LoveBC.Learningandretention through predictive inference and classification.Journal of Experimental Psychology Applied，2010，16（4）：361-77.

25刘志雅，莫雷.两种学习模式下类别学习的结果：原型和样例.心理学报，2009，41（1）：44-52.

26Johansen M K，Kruschke J K.Category representation for classification and feature inference.Journal of Experimental Psychology：Learning，Memory，and Cognition，2005，31（6）：1433-1458.

27Naomi S，Hayes B K.More than one kind of inference：R e-examining what’s learned in feature inference and classification.Quarterly Journal of Experimental Psychology，2010，63（8）：1568-1589.

28张恒超，阴国恩.类别学习研究范式述评.心理研究，2013，6（6）：27-34.

29Rabi R，Minda J P.Rule-based category learning in children：The role of age and executive functioning. Plos One，2014，9（1）：1-10.

30Best C A，Yim H，Sloutsky V M.The cost of selective attention in category learning：Developmental differences between adults and infants.Journal of Experimental Child Psychology，2013，116（2）：105-119.

Classification and Inference in Category Learning：Differences and Research Prospects

Xia Jingjing，Xing Qiang
（Department of Psychology，Guangzhou University，Guangzhou 510006）

Categorization is a process in which human beings learn to classify different categories.There are two means of category learning，classification and inference learning.The paper introduce s the differences between them from the presentation，reaction types and structures to category representation，learning strategy and attention distribution.But the research on paradigm is not yet sufficient，the future studies can get objective indicators from the perspective of cognitive neural.In addition，it is important to explore the change and development of category learning ability from infancy to adulthood.

classification learning；inference learning；category representation；learning strategy；attention distribution

第三届市属高校“羊城学者”科研项目（1201561646）

邢强，男，教授，博士。Email：qiang_xingpsy@126.com