类别标签在类别特征推理中的极化效应*

刘凤英 姚志刚

（河北科技师范学院教育学院，秦皇岛 066004）

类别标签在类别特征推理中的极化效应*

刘凤英 姚志刚

（河北科技师范学院教育学院，秦皇岛 066004）

采用学习―测试二阶段实验范式，对比了类别标签与类别特征在类别特征推理中的极化效应。研究结果表明，在类别标签组，标签匹配项目上的特征推理分数显著高于标签不匹配项目上的特征推理分数；在特征标签组，标签匹配项目上的特征推理分数与标签不匹配项目上的特征推理分数之间差异不显著。类别标签组的失匹配分数显著高于特征标签组。即在类别特征推理任务中，类别标签的极化效应显著高于类别特征的极化效应，因此，类别标签与类别特征存在本质差异，类别标签在类别特征推理中起主导作用。而且，本研究还发现，高前提概率条件下的特征推理分数都显著高于低前提概率条件下的特征推理分数，所以，前提概率也影响类别特征推理任务。

类别特征推理，类别标签，极化效应，前提概率。

1 引言

类别知识在人们的认知活动中起着重要作用，我们可以利用类别知识对事物进行分类、推测事物的未知特征或进行问题解决，其中利用类别知识进行分类与推理是类别知识的两大重要功能。分类任务是已知某项目具有的所有特征值，推测该项目所属类别的类别标签。而类别特征推理任务是已知某个项目所属的类别标签及部分特征值，推测该项目的某个或某些未知特征。因此，分类任务要推测的是项目的类别标签，而推理任务推测的是项目的未知特征。

类别标签是代表类别成员关系的符号，一般以名词来表示。类别特征仅代表项目的特征，一般以形容词表示。如苹果是圆形的、很脆、很甜。其中“苹果”是类别标签，而 “圆形”、 “甜”、 “脆”是类别特征。有研究者认为，类别标签与类别特征没有本质区别 （Anderson,1990;Kruschke,1992;Love, Medin,&Gureckis,2004;Osherson,Smith,Wilkie, López,&Shafir,1990;Sloman,1993;Sloutsky,2003; Sloutsky&Fisher,2004;Heit,2000）。但是，持反对观点的研究者认为，类别标签与类别特征不同，原因在于：第一，类别标签与物体是类包含关系，而类别特征与物体是部分-整体关系 （Yamauchi& Markman,2000）。第二，类别标签指向事物的整体，而类别特征仅指向事物的一部分 （Miller&Johnson-Laird,1976;Tversky&Hemenway,1984;Murphy,1991）。Walton和Banaji（2004）提出，类别标签可以激发一种持久、恒定感，而且与事物的身份密切联系，即使是5岁的儿童也可以意识到类别标签与类别特征的不同。很多研究结果都表明，类别标签与类别特征在推理任务中所起的作用不同。研究表明 （Davidson&Gelman,1990;龙长权等, 2006;Gelman& Heyman,1999;Sloutsky,2003; Sloutsky&Fisher,2004;刘志雅,莫雷,胡诚,宋晓红,黄艳利,2011），在类别标签与特征相似性冲突的情况下，儿童及成人都倾向于根据类别标签而不是根据特征相似性进行归纳推理。在Long，Lu，Zhang，Li和Deák（2012）的研究中，以卡通画为实验材料探讨了类别标签对学前儿童归纳推理的影响，结果表明，类别标签可以降低被试基于特征相似性的推理反应率，说明类别标签不同于类别特征。关于成人归纳推理的研究发现，在类别标签条件下，被试倾向于认为与前提项目具有相同标签的测试项目，具有与前提项目相同特征的比率要高于与前提项目不同标签的测试项目，而特征标签条件下则无此倾向 （Yamauchi,Kohn,&Yu,2007;Yamauchi &Yu,2008）。Yamauchi与Markman（2000）的研究表明，在类别特征推理组，被试认为与类别原型特征相似性程度很低的项目具有与原型相同特征的比率也较高。另外，Yamauchi，Kohn和Yu（2007）的研究还发现，测试刺激呈现之后，被试最先注意的是类别标签而不是类别特征，而且，被试注意类别标签的时间比类别特征的时间更多。因此，综合以往研究结果可以发现，类别标签与类别特征不同，类别标签在特征推理任务中起主导作用，类别标签对特征推理任务的影响远大于特征相似性对特征推理任务的影响。

本研究旨在对比类别标签与特征标签在类别特征推理中表现出来的极化效应的大小。所谓极化效应是，在其它条件 （如外部特征等）一致的情况下，和所学习的类别 （或群体）具有相同标签的项目与和所学类别 （或群体）具有不同标签的项目之间在具有所学类别 （或群体）的典型特征的可能性上的差异。如某类别M具有典型特征a。某项目m1属于类别M，某项目n1属于类别N，那么项目m1及项目n1在具有典型特征a的可能性上的差异就是类别标签M的极化效应。研究发现 （Yamauchi et al.,2007;Yamauchi et al.,2008），在归纳推理任务中类别标签的极化分数显著高于特征标签的极化分数。即类别标签条件下与前提项目具有相同标签的测试项目和与前提项目具有不同标签的测试项目在具有与前提项目相同特征可能性上的差异显著高于特征标签条件。根据以往研究结果，类别标签不同于特征标签，在特征推理中起主导作用。我们认为在类别特征推理中，某测试项目是否具有某个类别标签将直接影响其含有该类别典型特征的可能性，即在与所学类别 （或群体）具有相同标签的项目上的特征推理分数与和所学类别 （或群体）具有不同标签的项目上的特征推理分数的差值（即类别标签的极化效应）较显著，而特征标签则无此功能。因此，本研究预测在类别特征推理中，类别标签的极化效应会高于特征标签的极化效应。另外，以往研究还没有探讨典型特征前提概率 （简称前提概率）对类别特征推理的影响。所谓前提概率是指某类别 （或群体）中具备某个典型特征的成员的比率，前提概率高意味着该类别 （或群体）的典型特征更具普遍性。本研究预测，前提概率是类别特征推理的基础概率，应当影响类别内特征推理值，即前提概率高的测试项目具有所属类别 （或群体）典型特征的可能性也高。但是，前提概率对于不属于某类别 （或某群体）的测试项目的推理值无显著影响，因为如果测试项目不属于某类别，那么该类别的前提概率与此项目没什么关联。

实验中被试要先后学习两种虫子 （标签分别为Dalkoo及culla），每学习完一种，完成相应的测试。Dalkoo是高前提概率条件，即80%的类别（或群体）成员在不同的特征维度具有该类别 （或群体）的典型特征；culla是低前提概率条件，即65%的类别 （或群体）成员在不同的特征维度具有该类别 （或群体）的典型特征 （见表1）。本实验设计了两种标签条件：一种是类别标签条件，即每个项目具有的标签代表项目所属的类别；另一种是特征标签条件，即每个项目具有的标签代表项目的一个特征。另外，测试项目的标签匹配类型也有两种：标签匹配条件及标签不匹配条件 （数目各半）。标签匹配条件指测试项目与所学类别 （或群体）具有相同标签，标签不匹配条件指测试项目与所学类别 （或群体）具有的标签不同。极化效应以各条件下标签匹配项目与标签不匹配项目上的特征推理值的差值来表示。本研究提出以下实验假设： （1）类别标签的极化效应要高于特征标签条件； （2）前提概率与标签匹配类型之间存在交互作用，即前提概率影响标签匹配项目的特征推理值，但是不影响标签不匹配项目的特征推理值。

2 方法

2.1 被试

本科生39人，被试被随机分为两组：类别标签组及特征标签组，其中类别标签组20人 （其中男10人,女10人），特征标签组19人 （其中男9人,女10人）。

2.2 实验材料

实验材料包括实验指导语、学习材料和测试材料。每位被试先后学习两种虫子，Dalkoo及culla。类别标签组被试及特征标签组的被试得到的指导语不同，类别标签组的指导语是：虫子具有的标签Dalkoo和culla代表虫子所属的类别；特征标签组的指导语是：虫子具有的标签Dalkoo和culla代表虫子背部的条纹样式。两组被试的学习材料和测试材料相同。学习材料如表1所示。Dalkoo的测试材料是10个新的虫子，具有Dalkoo（标签匹配条件）和Parfle（标签不匹配条件）两种标签，各5个。每个测试项目都是已知标签值及4个特征值，有一个未知特征，且4个已知特征中有2个与所学虫子（Dalkoo）的典型特征 （有两根触角、头部较大、腹部有条纹、有四条腿、翅膀是黑色）是一致的，5个特征维度做为未知特征维度的测试题目各1个。culla的测试材料也是10个新的虫子，具有culla（标签匹配条件）和merra（标签不匹配条件）两种标签，各5个。每个测试项目都是已知标签值及4个特征值，有一个未知特征，且4个已知特征中有2个与所学虫子 （culla）的典型特征 （触角较长、喜欢吃蔬菜、反应敏捷、白天出来活动、身体是绿色的）是一致的，5个特征维度做为未知特征维度的测试题目各1个。如以下是类别标签组Dalkoo的一道测试项目：有一只新虫子，名称为Parfle，已知它头部较大、腹部有条纹、有八条腿以及翅膀是绿色的，那么你认为它有两根触角的可能性有多大（0-100%打分）？ （该测试项目的标签类型为类别标签，标签匹配类型为不匹配，前提概率为高）。

2.3 实验设计

本实验采用2（标签类型:类别标签,特征标签）×2（标签匹配类型:匹配,不匹配）×2（前提概率:高,低）。其中标签类型为被试间因素，标签匹配类型及前提概率为被试内因素，因变量为特征推理分数。

表1 学习材料

2.4 实验程序

被试被随机分为两组，类别标签组及特征标签组，给每位被试发一本试题册，两组被试接受的指导语不同。每位被试要依次完成两种虫子 （Dalkoo及culla）的学习和测试。要求被试先阅读第一种虫子的指导语，然后阅读该虫子的学习材料，接下来要完成相应的10个测试项目，呈现顺序随机。第一种虫子的测试完成之后，同样，先阅读第二种虫子的指导语及学习材料，然后完成相应的10个测试项目。每个测试项目都是已知标签值及4个特征值，有一个未知特征，要求被试推测每个测试项目在未知特征维度具有所学虫子Dalkoo（或culla）典型特征的可能性 （0-100%打分）。

3 结果

将同一条件的测试题目的得分求平均值，作为该条件下特征推理分数的最后得分。各条件下的特征推理分数见表2。对数据进行2（标签类型:类别标签,特征标签）×2（标签匹配类型:匹配,不匹配）×2（前提概率:高,低）方差分析，结果表明，标签类型主效应不显著，F（1,37）=3.26，p>0.05；标签匹配类型主效应显著，F（1,37）=22.62，p< 0.001；前提概率主效应显著，F（1,37）=10.51，p< 0.01；标签类型与标签匹配类型之间的交互作用显著，F（1,37）=8.01，p<0.01；标签类型与前提概率之间的交互作用不显著，F（1,37）=0.42，p>0.1；标签匹配类型与前提概率之间的交互作用不显著，F（1,37）=1.00，p>0.1；标签类型、标签匹配类型及前提概率的三维交互作用也不显著，F（1,37）= 0.57，p>0.1。由于标签类型与标签匹配类型之间的交互作用显著，进一步进行简单效应分析，结果表明，在类别标签组，标签匹配项目上的特征推理分数显著高于标签不匹配项目上的特征推理分数，F（1,37）=29.53，p<0.001；在特征标签组，标签匹配项目上的特征推理分数与标签不匹配项目上的特征推理分数之间差异不显著，F（1,37）=1.81，p>0.1。另外，在标签匹配项目上，特征标签组的特征推理分数与类别标签组的特征推理分数没有差异，F（1,37）=0.01，p>0.1；而在标签不匹配项目上，特征标签组的推理分数显著高于类别标签组的特征推理分数，F（1,37）=8.04，p<0.01。

由于本研究关注在类别标签组及特征标签组两种条件下的极化效应是否不同，所以，计算了每种条件下的极化分数，即各条件下标签匹配项目与标签不匹配项目特征推理值的差值。以极化分数的大小代表极化效应的大小，各条件下极化分数见表3。以极化分数为因变量，对数据进行标签类型（类别标签组,特征标签组）×前提概率 （高,低）方差分析的结果表明，标签类型主效应显著，F（1,37）=8.01，p<0.01；前提概率主效应不显著，F（1,37）=1.00，p>0.1；标签类型与前提概率二者之间的交互作用也不显著，F（1,37）=0.57，p>0.1。

表3 各条件下的极化分数 （%）

4 讨论

4.1 类别标签的极化效应

三因素方差分析结果表明，标签匹配类型主效应及前提概率主效应都显著，而且标签类型与标签匹配类型之间的交互作用也显著。对标签类型与标签匹配类型之间的交互作用进一步进行的简单效应分析发现，在类别标签组，标签匹配项目上的特征推理分数显著高于标签不匹配项目上的特征推理分数；但是在特征标签组，标签匹配项目上的特征推理分数与标签不匹配项目上的特征推理分数之间差异不显著。所以，在类别标签组有明显的极化效应，即标签匹配项目比标签不匹配项目在未知特征维度含有该类别典型特征的可能性更大，但是特征标签组条件下的极化效应不显著。如表3所示，在高前提概率条件下，类别标签组、特征标签组的极化分数分别为14.42%和4.03%；在低前提概率条件下，类别标签组、特征标签组的极化分数分别为20.94%和4.95%，进一步分析表明在两种前提概率条件下，类别标签组的极化分数都显著高于特征标签组。此结果明确表明，类别标签具有显著的极化效应，而特征标签没有表现出明显的极化效应。

类别标签的极化效应显著高于特征标签主要原因在于，在标签匹配条件下，类别标签组的特征推理分数与特征标签组无差异，但在标签不匹配条件下，类别标签组的特征推理分数显著低于特征标签组。前已述及，在类别标签组，标签匹配项目上的特征推理分数显著高于标签不匹配项目上的特征推理分数；但是在特征标签组，标签匹配项目上的特征推理分数与标签不匹配项目上的特征推理分数之间差异不显著。说明在类别标签组，标签匹配与否对被试的特征推理分数影响很大，而在特征标签组，标签匹配与否对被试的特征推理分数影响很小。所以，本研究的结果充分表明，类别标签与类别特征是有本质区别，类别标签在特征推理过程中起着主导作用，类别标签决定着某个新项目是否含有某个类别典型特征的可能性的高低，即如果某项目与某类别具备相同的类别标签，则该项目具备该类别典型特征的可能性较高，如果某项目与某类别的类别标签不相同，则该项目具备该类别典型特征的可能性较低，而特征标签则没有这种决定性作用。本研究结果与以往研究结果也是一致的。以往关于儿童归纳推理的研究表明，儿童也倾向于根据事物的类别而不是事物的知觉特征进行归纳推理（Waxman&Booth,2001;Sloutsky,2003;Sloutsky &Fisher,2004;龙长权等,2006）。而来自成人归纳推理的研究结果也表明，类别标签确实与类别特征有本质差异 （Yamauchi&Yu,2008;Yamauchi et al.,2007;Yamauchi&Markman,2000;刘志雅等,2011）。类别标签之所以在特征推理任务中起主导作用，原因可能有以下三点：第一，人们的认知活动大都遵循 “认知节俭”原则。在完成认知任务时，把同类事物作为一个整体来对待，并以类别标签来表示之，而不是单独分析，这种 “类别整体化”表征可以大大提高认知任务的完成效率。第二，类别标签可以激发一种持久、恒定感，而且与事物的身份密切联系（Walton&Banaji,2004）。第三，类别标签可以激活大脑中相应的类别知识表征，导致类别标签在类别相关任务中起着非常重要的作用。

4.2 类别特征推理的前提概率效应

本研究还发现，高前提概率条件下的特征推理分数显著高于低前提概率条件下的特征推理分数。前提概率是类别 （或群体）成员具有各类别 （或群体）典型特征的一个基础概率，前提概率高意味着该类别 （或群体）的典型特征更具普遍性。类别（或群体）内具有某个典型特征的成员比率越高，则该典型特征更普遍，那么新成员具有该典型特征的可能性也越高。本研究结果说明，被试在进行类别特征推理时确实考虑了这一基础概率，而不是单纯地考虑标签的匹配程度，说明，被试能够比较理性地进行类别特征推理任务，可以利用较全面的信息，从而进行比较客观地判断。但是，本研究结果还表明，前提概率与标签匹配类型之间交互作用不显著，即前提概率影响标签匹配项目的特征推理值，也影响标签不匹配项目的特征推理值。后者与本研究的实验假设不符。原因可能在于，本研究中所有测试项目都有两个特征与所学类别 （或群体）的典型特征一致，即使对于标签不匹配项目，被试可能也认为它们与所学类别 （或群体）有密切关系，因此，所学类别 （或群体）的前提概率也影响到被试对于标签不匹配项目的特征推理值，此问题还需进一步深入研究。本研究首次探讨了类别典型特征的前提概率问题，首次发现典型特征前提概率对类别特征推理的影响。

5 结论

本研究得到以下结论： （1）类别特征推理中，类别标签的极化效应显著高于类别特征的极化效应。 （2）类别标签与类别特征存在本质差异。（3）前提概率影响类别特征推理任务。

刘志雅,莫雷,胡诚,宋晓红,黄艳利.(2011).归纳推理中相似性和类别标签的作用.心理科学,34(5),1026-1032．

龙长权,吴睿明,李红,陈安涛,冯廷勇,李富洪.(2006).3.5-5.5岁儿童在知觉相似与概念冲突情行下的归纳推理.心理学报, 38(1),47-55．

Anderson,J.R.(1990).The adaptive character of thought. Hillsdale,NJ:Lawrence Erlbaum.

Davidson,N.S.,&Gelman,S.A.(1990).Inductions from novel categories:The role of language and conceptual structure. Cognitive Development,5,151-176.

Gelman,S.A.,&Heyman,G.D.(1999).Carrot-eaters and creature believers:The effects of lexicalization on children′s inferences about social categories.Psychological Science,10,489-493.

Heit,E.(2000).Properties of inductive reasoning.Psychonomic Bulletin&Review,7,569-592.

Kruschke,J.K.(1992).ALCOVE:An exemplar-based connectionist model of category learning.Psychological Review,99,22-44.

Long,C.Q.,Lu,X.Y.,Zhang,L.,Li,H.,&Deák,G.O.(2012). Category label effects on Chinese children′s inductive inferences: Modulation by perceptual detail and category specificity.Journal of Experimental Child Psychology,111(2),230-245.

Love,B.C.,Medin,D.L.,&Gureckis,T.M.(2004).SUSTAIN: A network model of category learning.Psychological Review, 111,309-332.

Miller,G.A.,& Johnson-Laird,P.N.(1976).Language and perception.Cambridge,MA:Harvard University Press.

Murphy,G.L.(1991).Parts in object concepts:Experiments with artificial categories.Memory&Cognition,19,423-438.

Osherson,D.N.,Smith,E.E.,Wilkie,O.,Lopez,A.,&Shafir,E. (1990).Category-based induction.Psychological Review,97, 185-200.

Sloman,S.A.(1993).Feature-based induction.Cognitive Psychology, 25(2),231-280.

Sloutsky,V.M.(2003).The role of similarity in the development of categorization.Trends in Cognitive Science,7,246-251.

Sloutsky,V.M.,&Fisher,A.V.(2004).Induction and categorization in young children.Journal of Experimental Psychology:General, 133,166-188.

Tversky,B.,&Hemenway,K.(1984).Objects,parts,and categories. Journal of Experimental Psychology:General,113,169-191.

Walton,G.M.,&Banaji,M.R.(2004).Being what you say:The effect of essentialist linguistic labels on preferences.Social Cognition,22,193-213.

Waxman,S.R.,&Booth,A.E.(2001).Seeing pink elephants: Fourteen-month-olds′interpretations of novel nouns and adjectives. Cognitive Psychology,43,217-242.

Yamauchi,T.,Kohn,N.,&Yu,N.Y.(2007).Tracking mouse movement in feature inference:Category labels are different from feature labels.Memory&Cognition,35,852-863.

Yamauchi,T.,&Markman,A.B.(2000).Inference using Categories. Journal of Experimental Psychology:Learning,Memory,and Cognition,26(3),776-795.

Yamauchi,T.,&Na-Yung,Yu.(2008).Category labels versus feature labels:Category labels polarize inferential predictions.Memory&Cognition,36(3),544-553.

Polarization Effect of Category Label in Category-based Feature Inference

Liu Fengying,Yao Zhigang

(School of Education,Hebei Normal University of Science&Technology,Qinhuangdao 066004)

Categorization and inference are two important functions of category knowledge,besides categorization, category-based feature inference is an important application of category knowledge.Categorization is to infer an item′s category label when its feature value is known,while inference is to infer an item′s one or few unknown feature value when its category label is known.Category label is a symbol on behalf of category membership,while category feature is a symbol representing a feature of an item.This study aimed to contrast the polarization effect between category label and feature label in category-based feature inference. The experiments used learning-test two phase paradigm and a 2(type of category label:category and feature)×2(matching type of label:matching and non-matching)×2(basal probability:high and low) experimental design.The results of the experiment showed that:1)The polarization effect of category label was significantly higher than the one of feature label.2)Category label was different from category feature essentially.3)The basal probability affected the category-based feature inference.In summary,this study showed that category label is essentially different from category feature.And this study had a new finding that the basal probability did affect the category-based feature inference.

category-based feature inference,category label,polarization effect,basal probability.

B842.1

2015-1-1。

河北省社会科学基金项目 （HB15JY054）和河北科技师范学院博士研究启动基金 （社会科学）项目 （2015YB017）。

刘凤英，E-mail：hihibird@126.com。