类别使用目的对类别典型性效应的影响*

陶 云王晓曦刘 艳马 谐陈 睿李思齐

（1云南师范大学教育科学与管理学院，昆明 650500） （2云南师范大学民族教育信息化教育部重点实验室，昆明 650500）（3昆明学院学前与特殊教育学院，昆明 650214） （4昆明理工大学外国语言文化学院，昆明 650600）

类别使用目的对类别典型性效应的影响*

陶 云1,2王晓曦3刘 艳4马 谐1,2陈 睿1,2李思齐1,2

（1云南师范大学教育科学与管理学院，昆明 650500） （2云南师范大学民族教育信息化教育部重点实验室，昆明 650500）（3昆明学院学前与特殊教育学院，昆明 650214） （4昆明理工大学外国语言文化学院，昆明 650600）

采用ERPs技术，对不同类别使用目的的典型性效应进行研究。通过分类方式控制类别使用目的，分别采用包含法和排除法对材料进行类属判断。结果表明： （1）排除组反应时显著短于包含组，表明两种条件下被试可能采取了不同的认知加工策略； （2）在认知加工早期阶段210ms-310ms，包含组引发了更大的N2波幅，这说明类别使用目的对类别典型性表征的影响在早期认知加工阶段就已有所表现。 （3）370ms-470ms阶段，典型性样例在排除组引发了比包含组更大的N400；表明类别使用目的影响了典型性表征的加工。

类别使用目的，类别典型性，N2，N400。

1 前言

类别使用是将类别概念用于分类、推理以及问题解决任务的过程 （Markman&Ross,2003）。在对类别使用的研究中发现，在具体的类别使用过程中，任务目的会引起类别表征的变化。Ross（1997）发现与任务完成更相关的维度会得到更多的关注，从而反作用于类别表征；尽管这些维度并非类别的中心特征，但通过类别使用的过程会在被试的头脑表征中显得更重要，Ross把这种现象称为 “类别使用效应”。

类别知识的一大功能就是进行类属判断，类属判断不仅要考虑类别内部的相似性，也要考虑类别之间的差异性。Stewart和Brown（2004）提出了“相似-差异-广义背景模型” （Similarity-dissimilarity GCM:SD-GCM），该模型认为人们在考虑典型性的时候不仅要考虑到该成员与其他类别成员有多相似，同时也要考虑该样例与其他类别之间的差异有多大，要同时兼顾类别内相似和类别间差异两个维度 （Stewart&Brown,2005）。无论是相似性判断还是差异性判断都需要考虑类别的整体属性，而不仅仅是某一个或几个与任务有关的维度，这种分类方式上的差异会引起不同的任务目的，而类别知识会围绕特定任务目的进行组织，所以类别判断方式的改变会引起不同的任务目的，从而影响到类别的属性在头脑中表征，如类别的典型性。

在传统类别研究领域，认为典型性是由事物自身属性决定的，是按照某一类别事物的相似性形成的梯度结构。典型性越高的成员越容易被判断为某一类别的成员，典型成员在进行类别加工时相比于非典型成员会得到优先加工，这种效应叫做 “典型性效应” （Fujihara,Nageishi,Koyama,&Nakajima,1998;Lynch,Coley,&Medin,2000）。

但根据SD-GCM模型以及近期研究显示，类别典型性的表征可能受到类别使用效应的影响，Ross和Warren（2002）的研究表明，那些与任务完成更相关的维度会得到更多的关注，从而反作用于类别表征；尽管这些维度并非类别的中心特征，但通过类别使用的过程会在被试的头脑表征中显得更重要（Jee&Wiley,2007）。Davis和Love（2010）的研究表明对类别进行正反例对比时会在头脑中形成一个反转的类别表征，即在原先类别中的 “包含”和“排除”在反例中刚好反转了，只要改变判断的方式就可以改变人们大脑中的类别表征模式。

在对使用不同分类方式的实验间的对比发现，偏重于进行相似性比较的包含法 （Nosofsky& Palmeri,1997）和偏重于进行差异性比较的排除法（Stewart&Brown,2004;Stewart,Brown,&Chater,2002）在进行类属判断任务时出现了实验性分离：在排除任务中被试对非类别样例的判断好于与类别相似性低的成员 （即非典型），而在包含法中被试对类别内相似性低的成员 （即非典型）好于非类别样例 （Stewart&Brown,2005）。说明不同的判断方式所需要的信息是不同的，两种方法可能会引起不同的任务目的。在包含法中，需要更多关注类别内部的相似性，类别使用目的与类别相似性是一致的；而在排除法中则更需要关注类别间的差异性，类别使用目的与类别间差异性是一致的，类别知识会围绕特定目标进行组织，从而引起类别表征的改变。

以往对类别典型性神经机制的研究中发现N400对类别典型性敏感，实验向被试呈现成对的词语，第一个词是某一类别的名称，第二个词可能是这个类别的典型样例，非典型样例或者非类别的样例，任务是让被试判断第二个词是否属于先前的类别，结果发现非典型和非类别的样例都引发了N400，且非类别样例引起的N400大于非典型样例引起的N400，出现了典型性效应 （Heinze,Muente,&Kutas,1998），雷怡等 （2010）的实验也发现非典型和非类别样例诱发了更大的N400。除了N400指标外，N2也是本研究中的一个重要指标，N2成分与认知过程中的抑制控制和冲突监控有关 （Eimer, 1993;Larson,Clayson,&Baldwin,2012）。在图形推理任务中，发现了N2与知觉特征的匹配性相关，Chen等 （2008）使用了 “部分不一致 （Partially Incongruent Categorization,PIC）”范式研究了推理中的认知控制，当结论项特征与前提项存在部分不匹时引发了更大的N2波幅 （Chen et al.,2008）。Huang，Tang，Li和Li（2013）对归纳推理的研究发现不可推理条件引发了比可推理条件更大的N2波幅，这一结果说明N2与推理过程中的冲突控制有关。在对条件推理的研究中发现，N200与预期的违反有关，与预期不一致的条件引发了更大的N2（Bonnefond et al.,2012）。在对语义归纳推理的研究中发现N2与前提和结论的关系有关，前提结论不相关的条件下引发更大的N2波幅。

综上所述，虽然以往研究对类别使用目与类别典型性表征的关系进行了研究，但这些结果是分别通过几个不同的实验之间的对比得到的，不同实验之间的被试、具体实验的方法都存在差异 （Stewart &Brown,2005），在实验的控制上仍有可以提升的空间。基于此，本研究将采用ERP指标，在一个实验中使用包含和排除两种方法进行类别判断，以考察类别使用目的对类别典型性表征的影响。本研究假设：如果类别使用目的会对类别典型性表征产生影响，那么在包含条件与排除条件下被试的ERP波幅将呈现出相反的模式，即在包含条件下非典型样例将引发较大的N400和N2波幅，而在排除条件下则是典型样例引发更大的N400和N2波幅。

2 方法

2.1 实验设计

实验采用2（类别使用目的:包含法,排除法）×3（材料属性:典型样例,非典型样例,非类别样例）混合设计，其中类别使用目的为被试间变量，材料性质为被试内变量。因变量为被试正确率、反应时、N2和N400指标。

2.2 被试

本研究选取在校本科大学生26人，男生10人，女生16人。19－23岁，平均年龄20.6岁。被试均为右利手，视力或矫正视力正常，均为右利手，以前未参加过类似实验。包含组与排除组被试随机分配，两组被试在年龄，性别变量上均匹配，被试实验前均与学生签订自愿实验协议，实验结束后给予一定报酬。

2.3 实验材料

实验材料选取8个类别，动物4个类别 （哺乳动物、虫、鸟、鱼），植物4个类别 （花、中药、蔬菜、水果），实验材料的选取和评定参照了Nunez－和Honrubia－Serrano（2005）的评定程序进行材料筛选。首先让40名大学尽可能多的写出类别的成员的名称，然后对写出的词进行词频统计。随后再让另外40名大学生对这些词进行典型性评定，使用7点量表，1为 “不典型”，7为 “非常典型”。综合词频和客观评定后，每组获得12个典型词和5个非典型词，共计136个词。另外实验使用了与典型和非典型词总量相等的其他名词来做填充材料。对典型与非典型材料进行的t检验显示两组材料差异显著，t（1,134）=－21.526，p＜0.01，典型材料的平均得分为6.62±0.21，非典型材料的平均得分为4.63±0.57。

2.4 实验程序

实验分为学习阶段和测试阶段。在学习阶段被试学习8个类别的所有成员共计136个词，在学习之后进行归类测试，即判断某一成员是否属于某一类别，正确率达到90%以上者才能进入测试阶段。

在实验阶段，采取Nunez－Pena的实验范式，每个实验序列由7个词构成，前6个词为类别中的典型成员 （每个类别的前6个词均是从材料中的12个典型词语中每次随机抽取6个），第7个词可能是典型、非典型以及非类别三种情况。每个类别中包含20个试次，其中10个非类别，5个典型和5个非典型，这样被试判断 “是”和 “否”的概率各占一半。实验包含16个类别一共320个试次，被试进行80个试次之后休息2－5分钟，休息时间由被试自己控制。实验进行时要求被试始终注视屏幕，双眼与屏幕中心齐平，屏幕刷新率为85HZ，17英寸。距离屏幕60cm，实验使用E－prime2.0呈现，使用SR－BOX反应盒进行反应，反应盒的1，5作为反应键，分别使用左右手的食指按键反应。

实验时屏幕中央先呈现注视点500ms，之后开始在屏幕中央呈现六个同一类别的成员，每个词呈现500ms，刺激间隔1000ms，前六个词使用黑色，宋体48号字呈现；第七个词使用白色，宋体，48号字呈现，第七个词呈现500ms后空屏直至被试反应，刺激呈现时背景为灰色，RGB颜色代码：192，192，192。

包含组的指导语为 “你将会看到连续呈现6个某一类别成员，它们所属类别都具有特征X，非此类别则没有该特征，请你判断第7个词是否也具有特征X，如果有请按YES，如果没有请按NO”；排除组的指导语为 “你将会看到连续呈现6个某一类别成员，它们所属类别都具有特征X，非此类别则没有该特征，请你判断第7个词是否没有特征X，如果没有请按YES，如果有请按NO”。 “YES”和“NO”按键为SRBOX反应盒上的 “1”键和 “5”键，用贴纸在按键上标明。正式实验开始之前，所有被试都先进行20个试次有正误反馈的练习。

图1 实验流程图

2.5 数据记录及处理

行为数据使用重复测量的方差分析进行处理，统计指标为被试反应时和正确率，统计时去除错误试次的反应时。脑电实验仪器为Brain Products公司的脑电记录和分析系统，参考电极置于双侧乳突，接地点在前额FPz和Fz中点，采用64导电极帽记录脑电，左眼上下1.5cm安放电极记录垂直眼电 （VEOG），双眼外侧1.5cm处安放电极记录水平眼电 （HEOG）。每个电极处的头皮电阻保持在5kΩ以下。滤波带通为0.05～100Hz，采样频率为500Hz/导。对记录的连续数据采用离线分析 （offline analysis），分析时程 （epoch）为刺激出现前200ms （作为基线）和刺激出现后1000ms。自动校正眼电并排除其他伪迹， 波幅大于±80μV被自动剔除。最终纳入统计的 “典型”、 “非典型”和“非类别”都在各自在50个试次以上，能够满足每个条件的脑电叠加平均。参照前人研究，选取全头15个点进行2（包含/排除）×3（典型/非典型/非类别）×15（F3、FZ、F4、FC3、FCZ、FC4、C3、CZ、C4、CP3、CPZ、CP4、P3、PZ、P4）重复测量的方差分析，电极点选取如图2所示。

图2 电极点选取示意图

3 结果

3.1 行为结果

对被试正确率进行材料属性 （3）×分类方法（2）重复测量的方差分析，结果显示：材料属性主效应显著，F（2,48）=84.089，p＜0.01，ηp2=0.778；多重比较显示对非典型进行判断的正确率显著低于典型样例 （SE=0.20,p＜0.01）和非类别样例 （SE= 0.21,p＜0.01），对典型样例判断的正确率显著低于非类别样例 （SE=0.09,p＜0.01）。分类方法主效应不显著，F（1,24）=1.730，p＞0.05，ηp2=0.067，分类方法与材料属性的交互作用不显著，F（2,48）= 0.273，p＞0.05，ηp2=0.011。结果见表1。

表1 不同材料属性在个分类方法上的正确率和反应时

反应时数据显示材料属性主效应显著，F（2,48）=28.612，p＜0.01，ηp2=0.544；多重比较显示对非典型样例的判断显著慢于典型样例 （SE=87.26,p＜0.01）和非类别样例 （SE=115.50,p＜0.01），对非类别样例的判断显著快于典型样例 （SE=43.82，p＜0.01）。分类方法主效应显著F（1,24）=7.220，p＜0.05，ηp2=0.231，排除条件下反应时显著短于包含条件；分类方法和材料属性交互作用不显著，F（2,48）=0.756，p＞0.05，ηp2=0.031。

3.2 脑电数据结果

3.2.1 N2指标分析

选择时间窗口为210ms－310ms进行脑电分析，结果显示：N2波幅的材料属性主效应不显著，F（2,48）=2.469，p＞0.05，ηp2=0.099；电极点主效应不显著，F（14,336）=1.233，p＞0.05，ηp2=0.049；分类方法差异显著F（1,24）=5.099，p＜0.05，ηp2= 0.175，包含组在总体上引发了更大的N2；材料属性和分类方法交互作用边缘显著，F（2,48）= 4.068，p=0.06，ηp2=0.145。对组内进行简单效应分析发现，在包含组材料性质主效应不显著，F= 0.126，p＞0.05，ηp2=0.011，多重比较显示不同典型性之间差异均不显著；在排除组材料性质主效应显著，F（1,23）=8.624，p＜0.01，ηp2=0.429，多重比较显示典型和非典型差异显著，SE=0.726，p＜0.01，典型样例引发了更大的N2波幅；典型和非类别差异显著SE=0.744，p＜0.01，典型样例引发了更大的N2波幅；非典型和非类别差异不显著，该组内典型样例引发了更大的N2。对组间差异进行的简单效应分析发现两组被试在非典型材料上差异显著，F（1,24）=6.830，p＜0.05，ηp2=0.222；非类别材料差异显著，F（1,24）=6.298，p＜0.05，ηp2= 0.208，相比于排除组，包含组的非典型和非类别样例引发了更大的N2；两组被试在典型材料上差异不显著。

3.2.2 N400的指标分析

被试在排除组面临比包含组更大的冲突，包含组概念表征与目标范畴一致，排除组则不一致，对比两组差异波发现两组被试在370ms左右出现分离，所以选取370－470ms做N400效应分析。

选择时间窗口为370ms－470ms进行脑电分析，结果显示：N400波幅的材料属性主效应不显著，F（2,48）=0.655，p＞0.05，ηp2=0.027；电极点主效应显著，F（14,336）=8.802，p＜0.01，ηp2=0.268；分类方法差异不显著，F（1,24）=0.028，p＞0.05，ηp2=0.001；材料属性和分类方法交互作用显著，F（2,48）=6.201，p＜0.01，ηp2=0.205。其他交互作用均不显著。简单效应分析发现，在包含组材料属性主效应显著，F（1,23）=13.871，p＜0.01，ηp2= 0.547，多重比较显示典型和非典型差异显著，SE= 0.794，p＜0.01，非典型引发了更大的N400波幅；典型和非类别差异显著，SE=0.939，p＜0.01，非典型引发了更大的N400波幅；非典型与非类别差异不显著；在排除组材料性质主效应显著，F（1,23）=3.719，p＜0.05，ηp2=0.244，多重比较显示材料属性两两之间差异均不显著。组间的简单效应分析发现两组被试主要是在典型材料上差异显著，F（1,24）=5.233，p＜0.05，ηp2=0.179，典型样例在排除组引发了更大的N400波幅，在非类别和非典型材料上两组差异不显著。

图3 包含组与排除组总体差异

4 讨论

图4 包含组和排除组ERP趋势

本研究的结果显示，类别使用确实影响了典型性的表征，但是这种改变是以类别原本的属性为基础的。正确率指标上，材料类型主效应显著，非类别判断的正确率最高，典型次之，非典型正确率最差，且典型、非典型和非类别样例两两差异显著。正确率的差异应当是由类别自身属性造成的，与物体自身属性即类别内的 “相似性”和类别间的 “差异性”有关，非类别样例与先前6个词的差异最大，最容易排除；典型样例与先前六个词相似度最高，较容易判定为一类；非典型样例在进行相似性判断时与前六个词相似度低，比典型性类型更难判断，但在进行差异性判断时，非典型与典型成员有差异，但是差异程度没有非类别样例明显，也难以判别，所以非典型样例最难判断。

反应时指标上，不同分类方法差异显著，排除组的反应时间总体上快于包含组，这说明被试在包含和排除两种任务中可能采取了不同的策略。Stewart和Brown（2005）认为，包含判断需要关注“相似性”，而排除判断则需要找 “差异性”，本实验中类别间的差异比类别内的相似更明显，所以“排除”判断比 “包含”更简单。另外 Kittur，Holyoak和Hummel（2006）认为分类有两个阶段，第一阶段是确定类别归属，第二阶段是在类别内部形成一个有等级的排列。本实验的行为数据也佐证了这一理论，即排除组被试只需要完成第一阶段的任务，而包含组被试需要完成两个阶段的任务，所以排除组被试的反应时间快于包含组。

从N2阶段开始任务类型和材料类型交互作用边缘显著，并且这种交互作用一直保持到N400阶段，说明实验中被试电生理指标的变化同时受到任务类型和材料类型两方面的影响，即受到类别使用和类别自身特征的共同影响。在N2阶段，包含组和排除组的典型样例引起了无差别的N2，虽然在排除组典型样例是与目标相冲突的，但并没有引起比包含组更大的N2；在N400阶段，包含组和排除组的非类别和非典型样例引发了无差别的N400，尽管非典型与非类别样例在排除组与目标更相关，其N400波幅也没有较包含组有明显的减小。这些都是类别表征稳定性的表现，是由类别的固有属性决定的，不受分类方式的影响。

在类别使用的影响下，类别表征在头脑中发生了改变，N2阶段，非典型和非类别样例在排除组由于与目标相关，冲突减小，N2波幅也显著小于包含组；而在N400阶段，排除组的典型样例与目标冲突，所以引发了最大的N400，典型性效应在“包含组”和 “排除组”表现出相反的模式。该结果与Davis的研究相一致，即类别使用目的反转的时候，类别典型性在头脑中的表征也会发生反转。本研究结果显示，这种反转表明人脑在进行信息加工时同时受到来自外界信息和来自头脑中信息的影响。在归类之外的其他研究中也发现类似效应，Hunt.L等 （2013）使用图画和句子来研究句子的实时理解过程，发现语义无误但是对图画描述不符合的时候诱发了最大的N400，语义正确描述部分吻合的诱发了较小的N400，完全正确的描述没有诱发N400。这说明在语言加工中来自头脑的信息和来自外界的信息是在进行实时交互加工的，并且这种加工会影响后续对句子的理解。综上所述，物体的固有属性是我们认识世界的基础，但人脑对类别知识的表征是一种能动的表征，这些特点都会在类别使用的过程中表现出来，本研究结果体现了相似性和差异性判断的实验性分离。

另外，在本实验中从早期N2阶段到N400阶段非类别与非典型样例都没有表现出显著差异，它们无论是在包含组还是在排除组都表现出一致的模式，这与雷怡等、Nunez-Pena等的研究结果一致，说明非典型样例虽然在本质上与典型样例属于一个类别，但是其表面属性与典型样例的差异导致其心理表征可能更接近非类别的个体，头脑中对类属关系的表征可能与客观类属关系发生分离，本研究中的分析显示，这种非类别与非典型的一致性在认知加工的早期阶段就已经出现，但这需要在将来的研究中进一步明确。

5 结论

本研究条件得出如下结论： （1）类别使用目的影响了类别典型性的表征，并且这种影响出现在认知加工的早期阶段； （2）典型性效应是由物体属性和任务目的共同决定，N400反映的是由物体属性和任务目的共同作用之后表现出的典型性效应； （2）类别典型性受到类别内相似性和类别间差异性的共同影响。

Bonnefond,M.,Van der Henst,J.,Gougain,M.,Robic,S.,Olsen, M.D.,& Weiss,O.,etal.(2012).How pragmatic interpretations arise from conditionals:Profiling the Affirmation ofthe Consequentargumentwith reaction time and EEG measures.Journal of Memory and Language,67(4),468-485.

Chen,A.,Xu,P.,Wang,Q.,Luo,Y.,Yuan,J.,&Yao,D.,et al. (2008).The timing of cognitive control in partially incongruent categorization.Human brain mapping,29(9),1028-1039.

Davis,T.,&Love,B.C.(2010).Memory for category information is idealized through contrast with competing options. Psychological Science,21(2),234-242.

Eimer,M.(1993).Effects of attention and stimulus probability on ERPs in a Go/Nogo task.Biol Psychol,35(2),123-138.

Fujihara,N.,Nageishi,Y.,Koyama,S.,& Nakajima,Y.(1998). Electrophysiological evidence for the typicality effect of human cognitive categorization.International Journal of Psychophysiology, 29(1),65-75.

Heinze,H.J.,Muente,T.F.,&Kutas,M.(1998).Context effects in a category verification task as assessed by event-related brain potential(ERP) measures.BiologicalPsychology,47 (2),121-135.

Huang,S.,Tang,Z.,Li,F.,&Li,H.(2013).Electrophysiological Correlates ofCategory Induction in Children and Adults. Developmental neuropsychology,38(1),22-35.

Hunt,L.R.,Politzer-Ahles,S.,Gibson,L.,Minai,U.,&Fiorentino,R. (2013).Pragmatic inferences modulate N400 during sentence comprehension:Evidence from picture-sentence verification. Neuroscience Letters,534,246-251.

Jee,B.D.,&Wiley,J.(2007).How goals affect the organization and use of domain knowledge.Memory&Cognition,35(5),837-851.

Kittur,A.,Holyoak,K.J.,&Hummel,J.E.(2006).Ideals aren′t always typical: Dissociating goodness-of-exemplar from typicality judgments.Paper presented at the Proceedings of the 28th Annual Conference of the Cognitive Science Society.

Larson,M.J.,Clayson,P.E.,& Baldwin,S.A.(2012). Performance monitoring following conflict:Internal adjustments in cognitive control?Neuropsychologia,50(3),426-433.

Lei,Y.,Li,F.,Long,C.,Li,P.,Chen,Q.,& Ni,Y.,et al. (2010).How does typicality of category members affect the deductive reasoning? An ERP study. Experimental brain research,204(1),47-56.

Lynch,E.B.,Coley,J.D.,&Medin,D.L.(2000).Tall is typical: Central tendency, ideal dimensions, and graded category structure among tree experts and novices.Memory&Cognition, 28(1),41-50.

Markman,A.B.,&Ross,B.H.(2003).Category use and category learning.Psychological bulletin,129(4),592.

Nosofsky,R.M.,& Palmeri,T.J.(1997).An exemplar-based random walk modelofspeeded classification.Psychological review,104(2),266.

Nunez-Pena,M.I.,&Honrubia-Serrano,M.L.(2005).N400 and category exemplar associative strength. Intentional Journal Psychophysiology,56(1),45-54.

Ross,B.H.(1997).The use of categories affects classification.Journal of Memory and Language,37(2),240-267.

Ross,B.H.,&Warren,J.L.(2002).Learning abstract relations from using categories.Memory&cognition,30(5),657-665.

Stewart,N.,&Brown,G.D.(2004).Sequence effects in the categorization of tones varying in frequency.Journal of Experimental Psychology: Learning,Memory,and Cognition,30(2),416.

Stewart,N.,Brown,G.D.,&Chater,N.(2002).Sequence effects in categorization of simple perceptual stimuli.Journal of Experimental Psychology:Learning,Memory,and Cognition,28(1),3.

Stewart,N.,&Brown,G.D.(2005).Similarity and dissimilarity as evidence in perceptual categorization.Journal of Mathematical Psychology,49(5),403-409.

How Category Use Impacts Category Typicality Effect

Tao Yun1,2,Wang Xiaoxi3,Liu Yan4,Ma Xie1,2,Chen Rui1,2,Li Siqi1,2
（1 Department of Educational Science and Management,Yunnan Normal University 650500;2 Key Laboratory of Educational Information for Nationalities(YNNU),Ministry of Education,Kunming 650500;3 Department of Preschool education and Special Education,Kunming 650214;4 Faculty of Foreign Languages and Cultures,Kunming University of Science and Technology）

ERPs technique were employed to explore how category use affects the category typicality effect.Inclusion and exclusion judgment were adopted in two experiment groups respectively in order to control the category use goal.The results were,1)there was no significant difference in Accuracy(ACC)between two groups,while the exclusion group was significantly faster than inclusion group in terms of the Reaction Time(RT).And material property effect was significant in both ACC and RT,nonmember held the highest ACC and the fastest RT with typical exemplars as the second,and atypical exemplars the last.2)N2 was significantly larger in the inclusion group,while interaction of classification method and material property were marginally significant,indicating that both category use and material property impact the early cognitive processing.3)N400 waves were related to typicality effects in past studies suggesting that typical item elicit the lowest N400 wave.In the present study, typical items in the inclusion group also elicited the lowest N400 wave,whereas typical items elicited the highest N400 wave in the exclusion group.Thus,typicality effects reversed in the exclusion group.The results suggested that,the operational mechanism of inclusion and exclusion judgments was different,with exclusion judgment easier than inclusion.Category use affected category representation in early cognitive processing period;and the typicality effect was determined by both category use and material property.

category use goal,typicality effect,N2,N400.

B842.1

2016-8-6

国家自然科学基金 （31660282）。

王晓曦，E-mail：psywanxx@163.com。