心理学报 2011, Vol. 43, No.2, 143−151 Acta Psychologica Sinica DOI: 10.3724/SP.J.1041.2011.00143 归类优势与基本水平效应的再探讨* 毋 嫘 莫 雷 (华南师范大学心理应用研究中心, 广州 510631) 摘 要 类别特异性分数是预测归类优势的有效指标。实验1考察该分数能否预测基本水平归类优势, 结果：分数较高的表现归类优势。实验2检验有归类优势的下位类别的分数, 结果：它们都有较高分数, 同时发现下位类别的特异性可以影响分数。实验3探讨相同的基本水平与特异性不同的下位组合的归类表现, 结果：下位特异性低就表现基本水平归类优势, 高则相反。据此提出“经验说”, 分数高低与人们在经验中对各层次类别形成的表征特异性程度相关。 关键词 基本水平类别; 下位类别; 相似性分数; 类别特异性分数; 归类优势; 经验说 分类号 B842 1 背景与问题提出 1.1 基本水平类别和基本水平效应 一个类别系列包括上位类别、基本水平类别和下位类别。一个具体物体可归为类别系列的各个层次类别。例如“动物-鸟-麻雀”是一个类别系列, 一只具体的麻雀可以归为“动物”或者“鸟”或者“麻雀”。研究者在多项实验中发现中间层次类别在归类任务中具有优势 (Rosch, Mervis, Gray, Johnson, & Boyes-Braem, 1976; Rosch, 1978; Mervis & Rosch, 例如, 绝大部分被试将德国猎犬归为狗是最1981)。快的, 而不是归为动物或德国猎犬; 人们在自由谈话中更偏向于使用中间层次类别; 小孩子首先学到的名词也是中间层次类别。这个中间层次类别称为基本水平类别。 基本水平类别具有归类优势, 称为基本水平效应, 是归类研究中很著名的现象, 由很多实验证实。类别确认任务中, 呈现一张实物图片后呈现一个类别名称(上位, 基本水平, 下位), 要求被试尽快判断两者是否匹配; 自由命名任务中, 让被试用想到的第一个名词立刻对图片命名; 特征列表任务中, 让被试分别列出上位、基本水平、下位的成员的共同特征。结果都证实了基本水平效应：实物图 收稿日期: 2009-10-28 * 教育部哲学社会科学研究重大课题攻关项目(05JZD00034)。 通讯作者: 莫雷, E-mail: molei@scnu.edu.cn 片和基本水平名称的匹配是最快最准的; 绝大多数被试以基本水平类别对图片命名; 从上位类别到基本水平增加的共同特征数量远远大于从基本水平到下位类别增加的共同特征数量(Murphy & Lassaline, 1997; Johnson & Mervis, 1997; Tanaka & Taylor, 1991; Murphy & Brownell, 1985; Tversky & Hemenway, 1984)。 1.2 基本水平效应的原因 研究者进一步探讨基本水平效应的原因, 主要从发展进程, 物体特征识别过程, 类别表征特点三方面提出各种理论来解释。 1.2.1 从个体获得类别的发展过程来解释 Mervis和Crisafi (1982) 以人工类别考察儿童获得并运用各级类别的能力, 发现儿童最先习得在基本水平上归类, 之后是上位最后是下位。Edmas和Quinn (1994) 的研究结论是儿童通常先学会对物体进行基本水平归类, 后来出于习惯把一类物体都用基本水平类别名称表示。随着技术的发展, 研究者考察婴儿期的被试得出相反的结论：婴儿的类别获得顺序是上位类别到基本水平再到下位类别 Torkildsen (Quinn, 2002; Quinn & Johnson, 2000)。等人(2006)的ERP研究表明：与图片不匹配的上位类别引发的N400比与图片不匹配的基本水平引发143 144 心 理 学 报 43卷 的N400出现得更早, 波幅更大。这一结果最直接的推论是婴儿觉察上位类别的特征早于基本水平类别。 从发展过程解释基本水平效应, 以婴儿被试与儿童被试得出的结果不同, 无法揭示基本水平效应的真正原因。个体在学习过程中类别表征是发展变化的, 某个阶段获得的知识经验会影响个体识别物体和归类的方式。 1.2.2 从物体的特征识别过程来解释 Rosch等人发现基本水平效应并且说明了基本水平类别成员的特征, 后来的研究者从形状、轮廓等关键特征的识别过程解释基本水平效应。 Breitmeyer和Ogmen (2000) 认为人们感知外在世界时首先是快速探测, 察觉出感觉信息和整体特征如形状和阴影。探测和基本水平归类是同一时间进程, 并且早于下位归类(Grill-Spector & Kanwisher, 2005; Greene & Oliva, 2006; Mack, Gauthier, & Palmeri, 2008)。快速呈现物体之后呈现掩蔽, 让被试完成三种任务：判断有无物体, 基本水平归类和下位归类。结果表明, 判断有无和基本水平归类的成绩一样好并且优于下位归类 (Large & McMullen, 2006)。Collin和McMullen (2005) 采用低信息量图片(模糊, 能分辨大概轮廓)和高信息量图片(清晰, 能分辨较多特征), 要求被试迅速判断图片和类别名称是否匹配。结果表明, 低信息量图片不会影响到基本水平和上位归类, 但影响到下位归类。所以, 研究者认为基本水平归类只需基于整体形状的判断, 要想精确在下位归类需要额外的视觉加工提取细节信息, 要想在上位归类必须进一步语义分析(Collin, 2006)。另一些研究者补充认为(Mack, Wong, Gauthier, Tanaka, & Palmeri, 2007; Green & Oliva, 2009)：认知加工过程有快有慢, 一些特征信息先于另一些被获得, 这不意味着晚获得的特征信要建立在早获得的基础上。所以, 最先在基本水平归类不能说明它是上位和下位归类的必要前行步骤。同时, 若没有时间压力, 即使基本水平归类最先发生, 也不等于人们会用最先发生的类别进行命名。因此, 上述解释无法说明为什么在自由命名任务中人们也会倾向于采用基本水平类别进行命名。 1.2.3 基于类别表征来解释 Collins和Quillian (1969) 提出了至今还有影响力的类别表征的“层次网络模型”。类别(一个类别由一个结点表示) 在记忆系统中分级储存, 按等级排列成命题系统。与类 别有关的特征也是分级储存, 某一类别的独有特征储存在该类别结点上, 这一级类别的共有特征储存在上一级类别结点上。给定一个类别, 首先激活该类别直接对应的结点, 获得该类别的独有特征, 然后激活沿着命题系统上行和下行传导。 Jolicoeur, Gluck和Kosslyn (1984) 基于此模型提出“进入点”理论：基本水平类别对应的结点扮演“进入点”角色。一个视觉刺激经过知觉加工后首先激活“进入点”, 也就是基本水平类别, 那么该结点储存的特征被首先激活, 然后激活上行传递或者下行传递, 更多特征稍后获得。这个理论显然没有解释为什么基本水平类别对应的结点就是“进入点”。后来的理论试图从根本上解释为什么基本水平类别最先激活。比较一致的结论认为类别激活的快慢取决于信息性和区分性。所谓信息性是指一个给定类别可以推断出的特征的数量; 所谓区分性是指一个类别与其他同级类别之间的区分程度。基本水平类别的信息性和区分性都比较好, 上位类别的区分性很好但信息性不足, 下位类别的信息性很好但区分性差。因此基本水平类别最先激活 (Murphy, 1991; Murphy, 2002)。 最有影响力的是Goldstone等研究者提出的“区分观”(Goldstone, 1994; Markman & Wisnlewski, 1997)。该理论认为从上位到基本水平再到下位, 类别间相似性和类别内相似性都在增高, 增高的趋势不一样 (如图1)。类别间相似性：上位到基本水平是渐增, 基本水平到下位是陡增。类别内相似性：上位到基本水平是陡增, 基本水平到下位是渐增。 图1 类别间相似性和类别内相似性的变化趋势 由于类别间相似性越低越利于归类, 类别内相似性越高越利于归类。所以最先激活的是类别间相似性低同时类别内相似性高的类别。从图中可以看到, 基本水平和上位有近乎相等的低的类别间相似性, 同时和下位有近乎相等的高的类别内相似性, 最利于归类; 上位类别虽然类别间相似性低, 但类别内相似性也很低, 下位水平类别虽然类别2期 毋 嫘 等: 归类优势与基本水平效应的再探讨 145 内相似性高, 但类别间相似性也很高, 都不利于 归类。 总的来看, 区分观以两个相似性解释基本水平效应从逻辑上是合理的, 比起其他理论解释力更大。然而该理论有两个局限：第一, 区分观只是一种理论推导, 无法用操作性方式表示“类别内相似性”与“类别间相似性”的综合效果; 第二, 它无法解释有些研究中发现不是基本水平类别而是下位类别表现归类优势的现象。 本研究在分析区分观局限性的基础上, 将类别内相似性与类别间相似性的综合效果合成一个指标“类别特异性分数”, 这一分数越高预示着某一类别越有归类优势。计算该分数的核心思路有两点：第一, 计算出各个层次类别的类别间相似性分数, 这一分数包含两种信息：它既表示本层次类别的类别间相似性, 又表示上一层次类别的类别内相似性。如此一来, 只需计算每层类别的类别间相似性分数, 就同时获得了每层类别的类别内相 似性分数。第二, 类别间相似性分数越高越不利 于归类, 类别内相似性分数越高越利于归类, 那么, 某层次类别的类别内相似性分数减去类别间相 似性分数(也就是下一层次类别的类别间相似性 分数减去该层类别的类别间相似性分数), 就得出 该层次类别的“类别特异性分数”。综上, “类别特异性分数”操作性地定义为下一层次类别的类别间相似性分数与目标层次类别的类别间相似性分数 之差。 为了简便, 下文中将类别间相似性分数、类别内相似性分数、类别特异性分数分别简称为间相似、内相似、特异性分数。 以“交通工具-车-货车”为例说明具体计算步骤：让被试列举各层次类别的典型成员。“交通工具”的典型成员是车、飞机、船, 对车和飞机, 车和船的相似性用7级量表评定, 求平均值得到1.78, 这就是“车”的间相似, 同时也是“交通工具”的内相似; “车”的典型成员是货车、客车、轿车、公共汽车、消防车, 对货车和客车, 货车和轿车, 货车和公共汽车, 货车和消防车的相似性用7级量表评定, 求平均值得到4.94, 这就是“货车”的间相似, 同时也是“车”的内相似; 而“货车”, 如果人们列不出 其典型成员, 只能将形状大小、颜色作为划分维 度列出大型货车、中型货车、小型货车, 那么该层次类别的间相似就很大, 经过评定是6.73, 同时也是“货车”的内相似。这样, 每一层次类别都有其 内相似和间相似, 两者相减就得出特异性分数。见表1。 表1 “交通工具-车-货车”各层次类别的特异性分数 类别名称 交通工具 车 货车 (上位) (基本) (下位) 类别内相似性分数 类别间相似性分数 类别特异性分数 ≤1.78 1.78 4.95 1.78 4.95−1.78= 3.08 6.73 4.95 6.73−4.95= 1.78 注：上位类别“交通工具”内相似很低, 因此不需要确定其间相似, 下同。 前人的大多数研究都证明基本水平类别具有归类优势, 即使在个别研究中发现某些下位类别具有归类优势也简单解释为特例。本研究认为, 归类优势并不是基本水平类别的, 类别系列中哪一层类别的特异性分数高, 哪一层类别就表现归类优势。通常情况下基本水平有较高的特异性分数从而表现归类优势; 但是某些情况下, 基本水平的分数不高甚至低于其下位类别, 反而表现下位类别归类优势。围绕这个设想展开三个实验。实验一证明“特异性分数”可以解释基本水平类别具有归类优势; 实验二证明“特异性分数”也可以解释下位类别具有归类优势; 实验三探讨“特异性分数”这一指标之所以能解释归类优势现象的 原因。 2 实验1 特异性分数解释基本水平归类优势 2.1 研究目的 探讨特异性分数不同的基本水平类别是否有不同的归类表现。 2.2 研究方法 2.2.1 被试 华南师范大学90名大学生志愿参加实验, 男生39人, 女生51人。实验后给予报酬。 2.2.2 预备实验与材料组成 预备实验1确定4个类别系列中各层次类别下一层次的典型类别。实验个别进行, 计算机随机呈现各层次类别的名称, 要求被试写出下一层次5个以上最典型的类别, 选出频数最高的5个作为下一层次的典型类别。由此选146 心 理 学 报 43卷 出4个类别系列：“动物-狗-哈巴狗”; “动物-鸟-乌鸦”; “交通工具-车-救护车”; “交通工具-船-渔船”。4个下位类别：哈巴狗、乌鸦、救护车、渔船都满足两个条件：被试熟悉并且能熟练将该类别名称和相应图片做匹配。 预备实验2确定各层次类别的特异性分数。例如计算机首先呈现“乌鸦”, 接着逐次呈现与其同一层次的其他典型类别“麻雀、燕子、喜鹊、鸽子”, 要求被试对乌鸦和其他鸟类两两的相似性进行7级评定。所得分数既是“乌鸦”的间相似, 又是“鸟”的内相似。以如此方法计算出每一层类别的间相似和内相似, 内相似减间相似就得出特异性分数。见表2。 表2 各个类别系列中各层次类别的特异性分数 类别系列 下位类别 基本水平类别 上位类别F 哈巴狗系列 2.71 2.11 ≤1.74 7.08* 乌鸦系列 2.11 3.12 ≤1.56 9.21* 救护车系列 2.85 1.96 ≤2.03 5.24* 渔船系列 1.12 3.78 ≤1. 12.63** 各系列的各层次类别的特异性分数的差异都达到显著水平, 两两比较结果如下：分数(哈巴狗)>分数(狗) p=0.002, 分数(哈巴狗)>分数(动物) p=0.001; 分数(鸟)>分数(乌鸦) p=0.002, 分数(鸟)>分数(动物) p<0.01; 分数(救护车)>分数(车) p=0.002; 分数(船)>分数(渔船) p<0.01, 分数(船)>分数(交通工具) p=0.001。由此分为两类：基本水平类别特异性分数相对高, 包括乌鸦系列与渔船系列; 基本水平类别特异性分数相对不高, 包括哈巴狗系列与救护车系列。 2.2.3 设计与程序 选取4张图片(10cm×12cm), 每张图片分别与相应的下位类别、基本水平及上位类别的名称匹配, 形成12个正确的“词－图”匹配项; 每张图片再分别与下位类别、基本水平及上位类别的名称进行错误匹配, 其中第一与第三系列的图片与类别名称错误匹配, 第二与第四系列的图片与类别名称错误匹配, 形成12个错误的“词－图”匹配项; 共24个“词－图”匹配项, 每个匹配项随机呈现2次, 共48次。采用“词—图”匹配范式, 屏幕上依次出现：“+” (250ms) →“类别名称”(1s)→“空屏”(500ms) →“图片”(unlimited time), 要求被试又快又准判断图片和类别名称是否匹配, 按键反应。本实验是单因素被试内设计, 自变量是三个层次的类别名称：上位、基本水平、下位, 因变量是被试的反应时和正确率。 2.3 结果与分析 分别统计出不同类别系列“词－图”匹配的正确率和反应时。正确率分别达到96%, 97%, 95%, 98%, 差异不显著。反应时剔除3个标准差之外的数据, 共4个, 见表3。 表3 各个类别系列“词-图” 正确匹配的反应时(毫秒) 系列名称 下位类别基本水平类别 上位类别F 哈巴狗系列915 961 1014 6.92* 乌鸦系列 916 887 981 3.47* 救护车系列880 920 952 3.43* 渔船系列 991 906 953 6.24* 两两比较结果如下：(1)基本水平分数相对高, 就表现基本水平归类优势。乌鸦系列：RT(鸟)< RT(动物) p=0.01; 渔船系列：RT(船)
分数(船) p=0.004, 分数(木筏)>分数(交通工具) p=0.005。可见4个系列中, 下位类别的特异性分数都显著高于基本水平和上位类别。 表4 不同图片命名的结果 命名图片 下位类别 孔雀 斑马 吉普 木筏 基本水平类别 上位类别 F 32 4 2 44.42**36 1 3 57.95**23 11 3 16.43**22 15 2 15.85**各系列中, 以下位类别命名的次数显著多于其他两个类别, 可见这4个下位类别确实有归类 优势。 3.2.3 程序与设计 计算各系列中各层次类别的特异性分数。方法同前, 结果见表5。并且要求被试完成一份问卷, 写出4个下位类别与同一层次的其他典型类别相比较有哪些突出特点。 3.3 结果与分析 3.4 结论与讨论 与本实验设想相符合, 这些下位类别具有归类优势就是因为它们的特异性分数高。 为了探讨为什么这些下位类别的分数较高, 要求被试完成一份问卷, 回答孔雀、斑马、吉普、木筏与同层次其它典型类别相比有哪些突出特点。大多数被试有明确且统一的答案：孔雀的羽毛又长又鲜艳还会开屏, 斑马身上有条纹等等。这些下位类别有突出特点与特异性分数有何关系, 实验3准备探讨这一问题。 4 实验3 特异性分数变化的原因 4.1 研究目的 同一个基本水平与性质不同的下位类别组合是否表现出不同的归类倾向。 4.2 研究方法 4.2.1 被试 华南师范大学110名大学生志愿参加实验。实验后给予报酬。 4.2.2 预备实验与材料组成 预备实验1 确定4个类别系列：“动物-鸟-老鹰”; “动物-鸟-麻雀”; “交前两个系列通工具-船-帆船”; “交通工具-船-轮船”。的上位类别和基本水平相同, 下位类别不同; 后两个系列也如此。 预备实验2请被试写出老鹰、麻雀、帆船、轮船与同层次其它类别相比有哪些突出特点。绝大多数被试统一、明确写出了老鹰和帆船的突出特点, 麻雀和轮船则没有。 预备实验3计算了各个类别系列中各层次类别的特异性分数, 见表6。 基本水平类别 上位类别 F 11.60** 6.43* 9.21* 8.85* 表5 各个类别系列中各层次类别的特异性分数 系列名称 孔雀系列 斑马系列 吉普系列 木筏系列 下位类别 基本水平类别 上位类别 F 18.46** 17.07** 13.33** 5.71* ≤1.56 3.43 1.34 ≤1.84 3.45 1.46 ≤2.03 2.87 1.43 ≤1. 2.97 1.80 两两比较结果如下。孔雀系列：分数(孔雀)>分数(鸟) p<0.01, 分数(孔雀)>分数(动物) p<0.01; 斑马系列：分数(斑马)>分数(马) p<0.01, 分数(斑马)>分数(动物) p<0.01; 吉普系列：分数(吉普)>分数(车) p<0.01, 分数(吉普)>分数(交通工具) p= 表6 各个类别系列中各层次类别的相似性分数与特异性分数 系列 老鹰系列 麻雀系列 帆船系列 轮船系列 分数 内相似性-间相似性 类别特异性分数 内相似性-间相似性 类别特异性分数 内相似性-间相似性 类别特异性分数 内相似性-间相似性 类别特异性分数 下位类别 6.87−3. 3.−1.56 1.56− ≤1.56 3.23 2.08 6.67−4.57 4.57−1.56 1.56− ≤1.56 2.10 3.01 6.81−3.63 3.63−1. 1.− ≤1. 3.18 1.74 6.84−5.76 5.76−1. 1.− 1.08 ↓ 3.87 ≤1. 具体分析如下：老鹰系列与麻雀系列的上位类别的内相似和特异性分数相同, 基本水平类别的间 相似相同, 下位类别的内相似也基本相同。然而, 由于在被试的过去经验中, “老鹰”有突出特征, 那148 心 理 学 报 43卷 么在与同层次其他类别麻雀、燕子、喜鹊等两两比较相似性时, “老鹰”的间相似降低(3.), 这一分数同时作为“鸟”的内相似, 鸟的内相似也降低(3.), 根据特异性分数=内相似-间相似, 老鹰的间相似降低导致分数升高(6.87–3.), 同时鸟的内相似降低导致分数降低(3.–1.56), 如此一来, 老鹰在这个类别系列中其分数相对较高。而“麻雀”没有突出特征, 那么在与同层次其他类别燕子、喜鹊、鸽子等两两比较相似性时, “麻雀”的间相似升高(4.57), 这一分数同时作为“鸟”的内相似, 鸟的内相似也升高(4.57), 根据特异性分数=内相似-间相似, 麻雀的间相似升高导致分数降低(6.67–4.57), 同时鸟的内相似升高导致分数升高(4.57–1.56), 如此一来, 鸟在这个类别系列中其分数相对较高。 因此, 老鹰系列中“老鹰”的分数显著高于“鸟”, 而麻雀系列中则是“鸟”的分数显著高于“麻雀”。同理, 帆船系列中“帆船”的分数显著高于“船”, 而轮船系列中则是“船”显著高于“轮船”。 两两比较的结果如下。老鹰系列：分数(老鹰)>分数(鸟) p<0.01, 分数(老鹰)>分数(动物) p<0.01; 麻雀系列：分数(鸟)>分数(动物) p=0.001, 分数(鸟)>分数(麻雀) p=0.021; 帆船系列：分数(帆船)>分数(船) p<0.01, 分数(帆船)>分数(交通工具) p= 0.001; 轮船系列：分数(船)>分数(交通工具) p= 0.001, 分数(船)>分数(轮船) p<0.01。 4.2.3 设计与程序 与实验1相同。 4.3 结果与分析 分别统计出不同类别系列“词－图”匹配的正确率和反应时。正确率分别为98%, 96%, 98%, 95%, 差异不显著。反应时剔除3个标准差之外的数据, 共3个, 见表7。 表7 不同类别系列“词-图” 正确匹配的反应时(毫秒) 系列名称 下位类别 基本水平类别 上位类别F 老鹰系列 913 955 1017 8.37**麻雀系列 922 2 963 8.41**帆船系列 872 917 967 8.04* 轮船系列 995 935 975 5.49* 两两比较表明：基本水平同是“鸟”的两个系列中, 老鹰系列：RT(老鹰)
