Роль обратной связи в выборе стратегии категоризации

Анализ данных показал отсутствие различий между формой B-кривых научения в двух условиях. В обоих случаях форма кривых соответствовала использованию испытуемыми UD-стратегий. Согласно модели COVIS, это означает, что испытуемые скорее прибегали к использованию эксплицитной систем научения.

В дизайне эксперимента мы старались не провоцировать испытуемых на выбор определенной стратегии. Формулировка задания была стандартной и не предрасполагает к выбору той или иной стратегии. Формирование II-правил не являлось более оптимальной стратегией чем UD-стратегия. Испытуемым не сообщалось ничего про число признаков или возможную связь между ними.

Почему же семантика слова в обратной связи не повлияла на выбор стратегии? Возможны следующие объяснения предпочтения RB-правил в обоих условиях:

Так как семантика обратной связи, судя по всему, не влияла на выбор стратегии, а формирование II-правил не подкреплялось (не было наиболее оптимальным решением), то испытуемые начали использовать более очевидную и доступную для них UD-стратегию.

Испытуемые ожидали, что у насекомых есть только один значимый признак, поэтому искали стратегию путем перебора всех признаков как релевантных, пока не находили нужный, что соответствует модели RULEX (Nosofsky et al., 1994).

RB-правила в нашем задании легче вербализуются, чем II-правила, поэтому испытуемые могут предпочитать их из-за склонности к логическому формированию правил.

Несмотря на то, что на графиках видно, что условие неожидаемого соотношения является более трудным, статистически значимых различий в успешности между двумя группами испытуемых мы не нашли. Это означает, что сложность задания в обоих случаях была одинаковой. Вероятно, она была достаточно низкой, чтобы испытуемые могли сформировать простое RB-правило и не пытаться составить более сложные.

Анализ результатов теста также показал, что наиболее часто встречающимся результатом является ориентация на постоянный категориальный признак. 54.24% испытуемых ориентировались на категориальный признак, скорее всего один находили его путем перебора (модель RULEX). 27.1% испытуемых имели успешность от 20% до 35%, скорее всего эти испытуемые в ходе перебора остановились на одном из непостоянных признаков. Единственным уровнем успешности ниже 20% является 0%. Испытуемые, достигшие этого уровня успешности, ориентировались на совокупность признаков, и их было всего 3.39%. Это еще подтверждает выводы, сделанные из анализа B-кривых научения: подавляющее число испытуемых в обоих условиях прибегало к UD-стратегии.

Так как есть вероятность того, что задания были слишком легкие, в будущих исследованиях можно попробовать изменить стимульный материал. Например, можно составить категории, в которых не будет постоянного категориального признака. Это приведет к тому, что сложность задания повысится, а успешность при использовании II-правил и RB-правил будет одинаковой. Таким образом увеличится вероятность формирование II-правил. Возможно, в этом случае мы увидим влияние соотношения обратной связи, не обнаруженное в данном исследовании.

Заключение

Категоризация является важнейшим механизмом, используемым человеком для понимания мира. Люди могут формировать различные правила категоризации. Выделяют две большие группы правил - RB-правила и II-правила. RB-правила осознаются и вербализуются испытуемым. II-правила репрезентируются через кроссмодальный прототип, то есть для их формирования испытуемый смотрит на совокупность признаков категоризуемых объектов. Модель COVIS (Maddox, Ashby, 2004; Ashby, Maddox, 2011) описывает две различные системы научения: эксплицитная система ответственна за формирование RB-правил, имплицитная - II-правил.

В настоящей работе мы проверяли гипотезу о влиянии семантики обратной связи на выбор стратегии, используемой испытуемыми при решении задач на категоризацию. В качестве обратной связи мы выбрали слова, связанные с семантикой грусти или радости. Согласно инструкции испытуемые ориентировались на размер букв в этих словах: заглавные буквы означали, что испытуемый выбрал правильную категорию, строчные - что неправильную. Мы предполагали, что в случае ожидаемого соотношения в обратной связи (правильный ответ связан с радостью, неправильный - с грустью) испытуемые будут скорее прибегать к UD-стратегии, а в случае неожидаемого (правильный ответ связан с грустью, неправильный - с радостью) - к формированию II-правил.

В результате исследования наша гипотеза не подтвердилась, испытуемые в обоих условиях использовали UD-стратегию. Это может быть объяснено либо отсутствием данного эффекта. Также возможно, что наш материал был слишком простым и слишком сильно стимулировал испытуемых формировать RB-правила из-за наличия постоянно признака, нахождение которого быстро приводило к 100% успешности. Для дальнейшей проверки гипотезы можно попробовать использовать стимульный материал, стимулирующий формирование II-правил, например материал, в котором нет постоянного для категории признака. Тогда испытуемые смогут ориентироваться и на совокупность, и на один признак, но ориентация на один признак никогда не приведет к 100% успешности.

Литература

1) Ahn, W. (1990). Effects of background knowledge on family resemblance sorting and missing features. In Proceeding of the Thirteenth Annual Conference of the Cognitive Science Society, 203-208.

2) Ashby, F. G., & Ennis, J. M. (2006). The role of the basal ganglia in category learning. Psychology of Learning and Motivation, 46, 1-36. doi: 10.1016/j.nlm.2011.08.006

3) Ashby, F. G., & Valentin, V. V. (2017). The categorization experiment: Experimental design and data analysis. Stevens' handbook of experimental psychology and cognitive neuroscience, Fourth Edition, Volume Five: Methodology (in press). New York: Wiley.

4) Ashby, F. G., Alfonso-Reese, L. A., Turken, A. U., & Waldron, E. M. (1998). A neuropsychological theory of multiple systems in category learning. Psychological Review, 105(3), 442-481. doi: 10.1037/0033-295X.105.3.442

5) Ashby, F. G., Maddox, W. T. (2011). Human category learning 2.0. Annals of the New York Academy of Sciences. doi: 10.1111/j.1749-6632.2010.05874.x

6) Ashby, F. G., Queller, S., & Berretty, P. M. (1999). On the dominance of unidimensional rules in unsupervised categorization. Attention, Perception, & Psychophysics, 1178-1199. doi: 10.3758/BF03207622

7) Bruner, J. S., Goodnow, J. J., & Austin, G. A (1956). A study of thinking. New York: Willey.

8) Couchman, J. J., Coutinho, M. V., & Smith, J. D. (2010). Rules and resemblance: Their changing balance in the category learning of humans (Homo sapiens) and monkeys (Macaca mulatta). Journal of Experimental Psychology: Animal Behavior Processes, 36(2), 172.

9) Ell, S. W., & Ashby, F. G. (2006). The effects of category overlap on information-integration and rule-based category learning. Perception & Psychophysics, 68(6), 1013-1026. doi: 10.3758/BF03193362

10) Hull, C. L. (1920). Quantitative aspects of evolution of concepts: An experimental study. Psychological Monographs, 28(1), i- 86.

11) Kuhn, D., & Dean, D., Jr (2005). Is developing scientific thinking all about learning to control variables? Psychological Science, 16, 866-870. doi:10.1111/j.1467-9280.2005.01628.x

12) Maddox, W. T., & Ashby, F. G. (2004). Dissociating explicit and procedural-learning based systems of perceptual category learning. Behavioural Processes, 66, 309-332. doi: 10.1016/j.beproc.2004.03.011

13) Maddox, W. T., Ashby, F. G., & Bohil, C. J. (2003). Delayed feedback effects on rule-based and information-integration category learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 29, 650-662. doi: 10.1037/0278-7393.29.4.650

14) Maddox, W. T., Ashby, F. G., Ing, A. D., & Pickering, A. D. (2004). Disrupting feedback processing interferes with rule-based but not information-integration category learning. Memory & Cognition, 32(4), 582-591. doi: 10.3758/BF03195849

15) Miles, S. J., & Minda, J. P. (2009). Learning new categories: Adults tend to use rules while children sometimes rely on family resemblance. In Proceedings of the Cognitive Science Society, 31(31)

16) Murphy, G. L. (2002). The Big Book of Concepts. Cambridge, Mass.: MIT Press.

17) Murphy, G. L., Bosch, D. A., & Kim, S-W. (2017). Do Americans have a preference for rule-based classification? Cognitive Science, 41, 2026-2052. doi: 10.1111/cogs.12463

18) Nosofsky, R. M., Palmeri, T. J., & McKinley, S. C. (1994). Rule-plus-exception model of classification learning. Psychological Review, 101, 53-79.

19) Nomura, E. M., Maddox, W. T., Filoteo, J. W., Ing, A. D., Gitelman, D. R., Parrish T. B., Mesulam, M. M., & Reber, P. J. (2007). Neural correlates of rule-based and information-integration visual category learning. Cerebral Cortex, 17(1), 37-43. doi: 10.1093/cercor/bhj122

20) Peirce J. W. (2007). PsychoPy - Psychophysics software in Python. Journ. Neurosci Methods, 162(1-2), 8-13. doi: 10.1016/j.jneumeth.2006.11.017

21) Posner, M. I., & Keele, S. W. (1968). On the genesis of abstract ideas. Journal of experimental psychology, 77(3p1), 353.

22) Shepard, R. N., Hovland, C. I., & Jenkins, H. M. (1961). Learning and memorization of classifications. Psychological Monographs: General and Applied, 75(13), 1-42. doi: 10.1037/h0093825

23) Smith, J. D., Boomer, J., Zakrzewski, A. C., Roeder, J. L., Church, B. A., & Ashby, F. G. (2014). Deferred Feedback Sharply Dissociates Implicit and Explicit Category Learning. Psychol Sci, 25, 447-457. doi: 10.1177/0956797613509112

24) Smith, J. D., & Ell, S. W. (2015). One Giant Leap for Categorizers: One Small Step for Categorization Theory. PLoS ONE, 10(9). doi: 10.1371/journal.pone.0137334

25) Wills, A. J., Lea, S. E., Leaver, L. A., Osthaus, B., Ryan, C. M., Suret, M. B., Bryant C. M., Chapman S. J., Millar, L. (2009). A comparative analysis of the categorization of multidimensional stimuli: I. Unidimensional classification does not necessarily imply analytic processing; evidence from pigeons (Columba livia), squirrels (Sciurus carolinensis), and humans (Homo sapiens). Journal of Comparative Psychology, 123(4), 391-405. doi: 10.1037/a0016216

26) Yamauchi T., Markman A. B. (1998). Category learning by inference and classification. Journal of Memory and Language, 39, 124-48. doi: 10.1006/jmla.1998.2566

27) Zeithamova, D., & Maddox, W. T. (2006). Dual-task interference in perceptual category learning. Memory & Cognition, 34(2), 387-398. doi: 10.3758/BF03193416

28) Покидышева, С. Н., & Котов, А. А. (2015). Соотношение семантики и коннотации в обратной связи при эксплицитном и имплицитном научении. Когнитивная наука в Москве: новые исследования, Москва.

29) Сысоева, Т. А. (2010). Эмоциональный эффект Струпа и его связь с эмоциональным интеллектом. Психология. Журнал Высшей школы экономики, 7(4), 117-125.

Приложение 1. Список слов для обратной связи

Таблица 5 - Список слов, использованных в качестве обратной связи (по парам)

Приложение 2

Изображения с категориальным признаком "Хвост"

Рисунок 8 - Стимульный материал с постоянным признаком "Хвост". Сверху - примеры категории A и B на этапе научения. Снизу - тестовые примеры

Приложение 3

Описательные статистики успешности научения по условиям

Таблица 6 - Описательные статистики для всех испытуемых

Таблица 7 - Описательные статистики для испытуемых, достигших критерия научения

Приложение 4

Инструкции.

Этап научения:

Сейчас на экране вам будут предъявляться изображения искусственных существ. Вам необходимо отнести каждое изображение к одной из двух категорий. Если вы считаете, что изображение принадлежит к категории А, нажмите на кнопку Влево. Если вы считаете, что изображение принадлежит к категории Б, нажмите на кнопку Вправо.

После ответа изображение пропадет с экрана и вам будет представлено слово, напечатанное заглавными или строчными буквами. Заглавные буквы означают, что вы выбрали правильную категорию для данного изображения. Строчные буквы означают, что вы выбрали неправильную категорию. Каждое изображение принадлежит либо к категории А, либо к категории Б.

Во время выполнения задания старайтесь распределить как можно больше изображений в правильные категории.

Этап теста:

В данном задании не будет обратной связи. Во время выполнения задания старайтесь распределить как можно больше изображений в правильные категории, основываясь на вашем опыте из предыдущего задания.

Размещено на Allbest.ru