分類學習和推理學習：差異比較與研究展望

夏靜靜　邢　強

（廣州大學心理學系，廣州 510006）

分類學習和推理學習：差異比較與研究展望

夏靜靜邢強

（廣州大學心理學系，廣州 510006）

類別學習是人類對不同類別加以歸類的過程，分類學習和推理學習是習得類別知識的兩種重要方式。文章從分類學習和推理學習的呈現方式、反應類型和材料結構，到類別表征、學習策略以及注意分配等幾個方面系統地介紹兩種學習的學習模式的差異。但是現有的研究范式對兩種學習模式的探討仍存在不足，未來的研究還需從認知神經機制的角度出發獲得更為客觀的指標；另外還要形成系統的縱向研究，探討個體從嬰幼兒到成年時期的類別學習能力的變化和發展。

分類學習；推理學習；類別表征；學習策略；注意分配

1　引言

人類在認知客觀對象時，需要對感知對象進行歸類。要把感知對象進行歸類，人類必須先習得某種類別，即要進行類別學習（category learning）［1］。類別學習是通過不斷地分類練習習得類別知識，學會如何將類別刺激進行歸類的過程。類別學習的一般過程是：逐個呈現一系列刺激的相關特征（全部特征或部分特征），讓被試判斷該刺激屬于哪個類別標簽（category lables）或類別特征（category features）。被試每次反應后給予即時或延時反饋，通過多次的嘗試，直到被試達到預先設定的某一標準 （如連續3輪正確率達到80%），就認為被試習得了類別知識。類別知識在許多認知活動中都起著重要的作用，例如利用類別知識進行分類、推理、問題解決以及解釋等［2-4］。分類學習和推理學習是類別學習的兩種重要學習模式。

分類學習（classification learning）是指呈現刺激的全部特征，讓被試預測該刺激所屬的類別標簽（A或B）［5］。從這個角度來看，狹義的類別學習就是指分類學習。我們以往大部分有關類別學習的研究局限在分類任務上，但是在現實條件下，類別知識的習得并不僅僅通過分類學習，而且越來越多的研究者對分類學習之外的類別知識的獲得更感興趣［6-8］。Yamauchi等人提出了另一種習得類別知識的學習模式——推理學習（inference learning），向被試呈現刺激所屬的類別標簽（A或B）和部分特征值（缺失某個特征值），要求被試預測刺激的未知特征值［8-10］（如圖1）。

圖1　Yamauchi和Markman 2002年實驗1使用的分類學習任務和推理學習任務

從兩種學習模式的學習過程來看，分類學習呈現的是全部特征值，推理學習呈現的是部分特征值，分類學習要做出判斷的是類別標簽，推理學習要推理的是缺失特征值。這種在呈現方式及反應類型上的差異，導致了分類學習和推理學習的類別表征、類別策略以及注意分配的差異，本文擬從以上幾個方面梳理兩種學習模式的差異。

2　分類學習和推理學習的差異比較

2.1類別標簽和特征值

類別標簽和特征值是類包含的關系，類別標簽是由多個特征值組成的樣例的總和。二者之間有聯系但又不完全相同。早期的一些研究者認為分類學習和推理學習在某些功能上緊密相關，類別標簽和特征值之間并沒有本質差別，因為兩種學習任務都要求學習者去預測一個缺失的信息 （類別標簽或缺失特征值），因此分類學習和推理學習的過程是相同的［8，11-13］。不過Gelman和Markman早在1986年就發現，盡管同一類別內的成員在特征上存在差異，但是4歲的兒童已經能夠根據類別標簽進行推理［14］。在Gelman和Heyman的研究中，讓兒童描述一個人的特征時，他們傾向于使用貼標簽的形式（如，他是一個胡蘿卜食用者）而不是使用一個特征（如，他在吃胡蘿卜），換一句話說，傾向于描述一個人是什么，而不是像什么。說明兒童在認識事物時，標簽比特征值更重要［15］。另外，Yamauchi和Markman的一項成人研究也證實了類別標簽不等價于特征值，甚至類別標簽在推理任務中起著比特征值還重要的作用［9］。

以上研究證實了不管對于兒童還是成人來說，標簽和特征值都是不等價的。但是對于成人和兒童來說，使用的是不同的研究方法，所以結果有可能是實驗條件的差異造成的。Deng和Sloutsky在同一個實驗條件下探討成人和兒童在兩種學習模式下對待類別標簽和特征值的差異。具體做法為：把材料分為兩組，高匹配組中的類別成員與原型擁有更多的共性特征，低匹配組類別成員與相對立的原型擁有更多的共性特征，并且在兩種學習條件下，把頭部設為動點，使其成為顯著特征。結果發現，不管學習條件和匹配程度如何，兒童都能夠根據顯著特征（頭部）進行分類，但是1/3成人被試依靠標簽來分類，剩下的被試按照顯著特征來分類。但是他們認為成人和兒童的結果差異可能是由于類別標簽的不熟悉造成的。因此在隨后的實驗中，使用熟悉的標簽代替前面的新異標簽 （“carrot eater”和 “meat eater”替代“flurp”和“jalet”）。結果兒童的反應模式沒有顯著變化，而更多的成人傾向于使用標簽［16，17］。這些結果表明兒童對待類別標簽和類別特征沒有差異，標簽起著特征值的功能。但是隨著年齡的增長，逐漸會區別對待標簽和特征值。

目前，研究者們已經對類別標簽不等同于特征值這一點達成了共識。分類學習的要求是分類出類別標簽，推理學習的要求是推理出特征值，這兩者是不等價的。

2.2類別結構

在類別學習的實驗研究中，往往會根據研究目的使用不同類型的實驗材料。在探討類別學習的反饋機制時，一般采用知覺類別材料，如光柵圖；在探討類別表征和策略時，一般采用家族相似性材料。在家族相似性材料中，又可分為線性分離家族相似性材料和非線性分離家族相似性材料。Yamauchi和Markman使用線性分離結構材料（linearly separable structure）探討分類學習和推理學習對類別知識習得的影響。線性分離結構指各類別成員與類別原型的相似程度相同 （如表1中斜線把類別分為兩個部分）。結果發現推理學習者達到標準的學習次數顯著低于分類學習者，說明線性分離結構對于推理學習任務來說更簡單［8］。

表1　Yamauchi和Markman 1998年使用的線性分離家族相似性類別材料

線性分離結構對于推理學習來說更容易，那么非線性分離結構是否會有相反的結論呢？即非線性分離結構（nonlinearly separable structure）對分類學習來說更容易。為了驗證這個假設，又有人研究了非線性分離結構對兩種學習形式的影響。非線性分離結構指各類別成員與原型相似性程度不均等 （如表2）。結果顯示：71%的推理學習者達到預先設定的標準，92%的分類學習者達到預定標準；對達到標準的被試進行進一步分析發現，推理學習者平均需要15.8輪達到標準，而分類學習者平均需要10.5輪達到標準，這說明推理學習者在學習進程上比分類學習者慢。表明非線性分離結構對于推理學習者來說更難［10，18］。綜上可知，線性分離結構更有利于推理學習，非線性分離結構更有利于分類學習。

表2　Yamauchi和Love 2002年使用的非線性分離家族相似性類別材料

線性分離材料設置具體的材料結構，對特征值間的關聯沒有要求。但是在現實生活中，有許多刺激的特性間是相互關聯的，人們把這一類材料稱作抽象一致性材料（abstract coherent material）。這里的抽象主要指樣例特征值存在某種程度的一致性。Rehder和Ross使用抽象一致性材料檢驗類別內部特征間的相關對兩種學習的影響［19］。所謂抽象一致性材料，Rehder等人將其定義為類別并不是簡單指特征間的相似性，而是鑒于先驗知識和理論而形成的各特征間的相互聯系。國內學者認為抽象一致性材料就是指類別內的各項目具有某種抽象的一致性，但是它們在可觀察的外在特征上可能差異很大［20］。如“鳥”這個概念，它不僅僅是由“羽毛”“翅膀”“能飛”和“在樹上筑巢”這些特性組成，而且這些特性之間相互關聯。正因為鳥有翅膀和羽毛，所以它才能飛；因為它能飛，所以才能在高高的樹上筑巢。這些特性間的關聯讓我們的先驗知識變得更有意義。如果了解鳥的知識，就可以知道，由于地球重力的存在，鳥能夠飛一定是有某些東西推動他們向上 （如翅膀）［21］。Rehder等人的研究表明，不論在推理任務中，還是在分類任務中，抽象一致性材料都比抽象不一致性材料的成績要好。但是在推理任務中，抽象一致性材料能夠更快更準確地掌握類別知識。由于推理學習促使學習者去關注類別內部信息，即一個類別的所有成員傾向于是什么樣的，進而發現類別內各成員間的潛在關系，所以抽象一致性類別的學習對于推理學習者是有利的，而分類學習者由于關注的是類別間信息，所以很難發現樣例間的內在一致性［19］。

2.3類別表征

Markman和Ross曾指出不同的類別學習方式導致不同的類別表征［22］。分類學習需要把類別成員分類，因此更關注診斷性信息 （diagnostic information）。診斷性信息是指能夠明確區分不同類別的信息，即類別間的不同特征，又稱作類別間信息（between-category information）。然而，推理學習需要學習不同類別成員的特征，因此更關注同一類別內的典型性信息（typical information）。典型性信息是指同一類別內，類別成員與原型相同的特征，又稱為原型信息（prototype information）。在推理任務中，提前告知類別標簽和部分特征值，要推測的是缺失的特征值。因此，被試需要把新樣例與同一類別內的各成員進行比較才能進行正確的分類。

另外，劉鳳英、張慶林、李紅和姚志剛對分類學習和推理學習進行了對比［22］。實驗中要求被試從成對呈現的項目中選擇一個更典型的A，并且要求被試將典型的A和典型的B畫出來。測試中所呈現的項目診斷性程度和典型性程度不同。結果發現分類學習者主要受診斷性信息的影響，而推理學習者主要受典型性信息的影響。即分類學習者關注類別間信息，推理學習者關注類別內信息。這個結果與前人的研究一致［10，13］。另外，Benjamin和Jennifer在探討兩種學習方式對類別內部結構的學習程度時發現，推理條件下的被試能夠習得更豐富的類別內部結構（如典型性特征和特征間的相關）。而分類學習者對診斷性信息和非典型性特征的出現更敏感［23］。說明原型特征對推理學習的表征很重要，可能是因為推理學習更傾向于依靠原型特征對類別進行表征。換句話說，非典型性特征對類別表征不是那么重要。因此，推理學習者更可能忽視非典型性特征，而分類學習者更可能把非典型性特征合并到其表征中。Sakamoto和Love使用學習后（postlearning）范式，任務是把特征分類或者依靠典型性特征構造一個與原類別成員相似的新類別來表征，結果表明推理學習者在這些任務上成績更好，間接地證明了以上觀點［24］。

綜上，目前關于分類學習和推理學習的表征已經得出相對一致的結論，即分類學習者關注類別間信息（診斷性特征），傾向于形成規則表征和相似性表征，推理學習者更關注類別內信息（典型性特征），更傾向于形成原型表征。

2.4學習策略

分類學習者傾向于通過規則和識記樣例獲得信息，而推理學習者獲得與類別原型相關的信息［8］。Anderson等人在前人研究的基礎上推斷，如果推理學習學習到的是與類別原型有關的類別特征，那么推理學習將會傾向于原型學習，在單特征類別判斷時，原型特征成績也會更好。結果與預測一致：分類學習者在呈現全特征的分類學習中表現更好，推理學習者在呈現部分特征的推理學習中成績更好［4］。這說明兩種學習模式存在順序效應：先進行推理學習對隨后的分類學習有促進作用，而分類學習對推理學習沒有促進作用。劉志雅等人利用單特征判斷技術，探討了分類學習和推理學習的結果［18，25］。研究表明，分類學習的結果是樣例，推理學習的結果是原型，但是分類學習比推理學習更好地掌握了類別原型。這與上文提到的兩種學習模式對信息的關注點不同有關。分類學習者會根據樣例的數目以及樣例的復雜程度，靈活地運用高水平的信息整合策略，從最初的樣例傾向轉向對刺激進行原型抽象。而推理學習者由于更關注類別內部各特征的精細分析，在原型抽象出現困難的時候，不能靈活地轉變歸類策略。而且隨著學習的深入，兩種學習方法在策略的運用上出現了差異。分類學習能夠很快地轉變策略，從單維度策略進入更復雜，更精確的策略；而推理學習在各種策略上的轉變是漸進性的，轉變速度較慢，但是給予推理學習者足夠的學習時間，也能夠達到分類學習的水平。

Johansen和 Kruschke提議用類別特征規則（category-to-feature rules）代替Yamauchi等人提倡的原型模型［26］。學習者在學習的過程中能夠根據實驗設計的不同，學習到相應的類別知識。在推理任務中，一般在設置缺失特征值時都避免例外特征（即類別成員中很少出現的特征），因此推理學習者很容易抽象出類別標簽與典型性特征之間的關系，即某些潛在的規則。后來，他們又在之前的基礎上對比典型性特征推理和例外特征推理兩種實驗條件。結果發現，在前者條件下，被試傾向于推理出典型性特征；在后者條件下，被試傾向于推理出例外特征。這是因為在學習階段，被試通過訓練已經建立了類別標簽與特征的聯結。

2.5注意分配

分類學習和推理學習的類別表征、學習策略不同，很大程度上是由于兩種學習模式的信息關注點不同。眼動追蹤研究（eye-tracking research）發現推理學習者注意更廣泛。他們能夠分散注意在各個特征值上，即使是對預測缺失值無關的特征，被試也會注意。可能是因為被試事先不知道哪個特征被設疑，因此不得不關注所有的信息，找到特征間的關系，抽象出原型；分類學習者僅僅注意對分類有效的信息（診斷性特征）［19］。

3　研究展望

人們不僅要對事物進行分類，還要對事物的未知特征進行推理，分類和推理是類別知識應用的兩大重要功能。在教育實踐中，目前已經對類別學習進行了許多研究，分類學習要求預測標簽，推理學習要求推理缺失特征值，二者是不等價的；材料結構對兩種學習模式的影響也不盡相同，線性分離結構對推理學習有利，非線性分離更有利于分類學習；分類學習更可能形成規則表征或相似性表征，推理學習傾向于形成原型表征；分類學習能根據具體情況靈活地轉換策略，而推理學習者不能靈活地轉換策略；分類學習更關注診斷性特征，而推理學習注意更廣泛。這些結果表明分類學習和推理學習的研究已經取得了一定成果，但是對于將來進一步的研究還可以從以下兩個方面探討：

第一，前文已經提及，分類學習和推理學習都屬于類別學習的范疇，但是不可否認的是當前類別學習的研究范式比較單一。大多數有關分類學習和推理學習的研究都采用學習—測試范式（learning—transfer paradigm）［18，24，27］。學習—測試范式是指將實驗過程分為兩個階段，分別是學習階段和測試階段。在學習階段讓被試學習一部分材料，直到被試達到某一標準；在測試階段，向被試呈現一系列與學習階段相似又不完全一樣的樣例或者單一特征值，如果被試仍能正確反應，就說明被試學習了類別。具體概括為：呈現刺激—反應—反饋—N輪操作—n%正確率—遷移測試—理論建構［28］。通過以上方法得到的結果存在一定的主觀性與不穩定性。因而在未來的研究中，有必要從認知神經機制的角度出發，運用眼動儀和功能磁共振等先進的手段獲得更為客觀的指標。

第二，當前關于分類學習和推理學習的研究大多集中在橫向研究上，即對成人的研究。對青少年或兒童的研究相對較少，對嬰幼兒的研究更是少之又少。而嬰幼兒、兒童和青少年作為個體發展的三個重要階段，其分類和推理能力是怎樣形成的，又是怎樣發展的仍不清晰。

Rabi和Minda指出，小于5歲的兒童在執行分類或推理任務時，很難把注意力集中在與任務有關的單一維度上［29］。Best，Yim和Sloutsky的研究表明：在分類任務中，成人和兒童注意力分配不同。具體來說，成人選擇優化注意力，即把注意力集中在診斷性特征上；相反地，嬰兒和兒童傾向于分散注意。這表示對于兒童來說，分類學習和推理學習是等價的［30］。Wei和Vladimir探討了4歲、6歲和成人三個年齡組在兩種學習模式下的反應模式［5］。結果顯示6歲兒童在分類學習任務中比推理任務更集中注意在診斷性特征上，4歲兒童不管是分類學習任務還是推理學習任務都集中在多個特征值上，這說明4歲和6歲之間兒童發生了重大的認知發展。我們發現，兒童和成人的認知能力有很大的差異，但是在進行分類學習和推理學習的發展性研究時，為了材料的平衡性，忽視了兒童的認知能力發展，研究中的材料對于兒童來說難度偏大，這是研究者應該考慮的問題。上文又提到，5歲可能是一個轉換組，但是哪些心理機制和神經機制促使兒童發生轉變仍需進一步探討。

1孫海龍，邢強.反饋對知覺類別學習的影響及其認知神經生理機制.心理科學進展，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劉志雅，莫雷.類別學習中兩種學習模式的比較研究：分類學習與推理學習.心理學報，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劉鳳英，姚志剛.類別學習與類別表征.太原師范學院學報，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劉志雅，莫雷.兩種學習模式下類別學習的結果：原型和樣例.心理學報，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張恒超，陰國恩.類別學習研究范式述評.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

第三屆市屬高校“羊城學者”科研項目（1201561646）

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