1701571114
1701571115
我们关于语言和概念的大量知识同样与许多内隐知识之间有着密切的关系。举个例子,如果我问你:“一只伯尔尼山地犬(Bernese)有肝脏吗?”你会很爽快地回答:“是的”(正确)。(我认为)你的回答并非源自你对伯尔尼山地犬的广泛研究,而是因为你知道伯尔尼山地犬是狗,而狗是哺乳动物,哺乳动物都有肝脏。在本节中,我们将探讨几个模型理论,看看知识在语义记忆中是如何进行表征,以使我们能够做出这样的推断,表现出我们的常识。
1701571116
1701571117
要建立这样的模型,我们就需要从人们在执行特定任务时对得到信息所做的心理表征进行一些推断。比如,如果相对其他信息而言(如,第四个字母是L的单词),我们能非常迅速地提取一些信息(如,以L为开头字母的单词),这就能够提示我们知识的组织方式。在这个例子中,我们可以推测我们的词汇(lexicons),或称心理词典,是根据单词的第一个字母而不是第四个字母加以组织的。在随后提出的特定模型中你会发现,所设定的任务意味着要回答关于信息的心理组织性质的特殊问题。
1701571118
1701571119
1701571120
1701571121
1701571123
认知心理学:认知科学与你的生活(原书第5版) 7.1.1 网络模型
1701571124
1701571125
因为关于现实世界和语言的知识是如此多,要求用来保存这些知识的储存空间的容量也应该是巨大的。几十年以前,计算机科学家试图创建知识数据库的努力,会受到那个时代计算机记忆容量非常有限的限制,所以,语义记忆的模型也不可避免地受到这种局限的影响。一种保存记忆空间的方法就是在任何可能的地方避免贮存重复的信息。因此,在已经储存了人类、狮子、老虎和熊的有关心理表征之后,就没有必要再重复地储存关于伯尔尼山地犬“是胎生的”这样的信息心理表征,更加有效的方式是在哺乳动物这一较高的表征水平上储存它一次就行了。这很好地说明了认知经济(cognitive economy)原则:所有的特性和事实都尽可能地在最高水平上储存。这样,在重新找到信息时,你就可以进行推理,就像你回答伯尔尼山地犬有肝脏的问题一样。
1701571126
1701571127
Collins和Quillian(1969)进行了一项关于语义记忆的里程碑式的研究。他们验证了这样一种思想,即语义记忆可以类比为一个概念相互连接的网络。正如后来的网络联结主义模型一样,这一模型也包含节点,而它们又与词和概念相对应。每个节点通过指针(pointers)与相关的节点相连,或通过其他的节点彼此相连。因此,与所给词汇或概念相联系的节点,加上与第一个节点相连的指向其他节点的指针,组成了关于这个词汇或者概念的语义记忆。与所有人们知道的词和概念相联系的节点组合在一起,就称为语义网络(semantic network)。图7-1显示了一个掌握大量有关伯尔尼山地犬知识的人(比如我)的语义网络情况。熟悉计算机科学的读者可能会想起连接表和指针,这正是Collins和Quillian用来做类比的。
1701571128
1701571129
1701571130
1701571131
1701571132
图7-1 伯尔尼山地犬的部分语义网络表征
1701571133
1701571134
Collins和Quillian(1969)还验证了认知经济原则。他们推测,如果语义记忆可以类比于节点和指针组成的网络,而且如果语义记忆真的遵循认知经济原则的话,那么,离节点距离越近的储存事实和特性,证实它们所花费的时间也越少。Collins和Quillian的推理可以得出以下的预测:如果一个人关于伯尔尼山地犬的知识是按照图7-1那样的线路建构的话,那么对他而言,能够证明“一只伯尔尼山地犬具有精力充沛的特性”的速度应该比证明“一只伯尔尼山地犬是胎生的”更为迅捷。注意“精力充沛”这一描述就储存在“伯尔尼山地犬”这个节点的旁边,表明它是这种动物所特有的。而“胎生”并非仅仅是伯尔尼山地犬的特征,所以它储存在更高水平的语义层级中。
1701571135
1701571136
1701571137
1701571138
1701571139
两只真正的伯尔尼山地犬。
1701571140
1701571141
在他们的研究中(见图7-2),Collins和Quillian(1969)给被试呈现一系列相类似的句子或是发现,与研究者预测的一样,人们对跨越两个语义等级(如“金丝雀是鸟”)的句子的推导反应时间要比对表征跨越三个语义等级的句子(如“金丝雀是动物”)的反应时间更短。
1701571142
1701571143
1701571144
1701571145
1701571146
图7-2 Collins和Quillian(1969)实验示意图
1701571147
1701571148
图7-2a显示的是假设的基础语义网络,而图7-2b显示的是验证语义网络中信息的句子所需的反应时情况。
1701571149
1701571150
这个理论模型被称为语义记忆的层级语义网络模型(hierarchical semantic network model of semantic memory),因为研究者认为节点的组织是按层级进行的。在网络中的大部分节点都会有上位层级的节点和下位层级的节点。上位层级的节点对应的是下位层级节点所代表的那一种事物的种类名称,下位层级节点则代表了上位节点所指事物的成员。所以,举例来说,“猫”这个节点的上位节点是“动物”,而下位节点可能是“波斯猫”“斑猫”“斑点猫”。
1701571151
1701571152
Meyer和Schvaneveldt(1971)进行了一系列的实验以完善语义网络模型。他们认为如果相关的词汇储存时彼此非常接近,而且在语义网络中是彼此连接的话,那么,不论何时只要其中一个节点被激活或产生活动,能量就会传递到相关的节点上去,如图7-3所示。他们通过一系列词汇判断任务(lexical decision tasks)实验证实了这种关系。在这类实验中,被试观看一系列的字母串并要求他们尽可能快地判定这一字母串是不是真的词。因此,如果出现bread(面包)这样的字母串他们就要做出肯定的回答,而对rencle这样的字母串做否定的回答。
1701571153
1701571154
1701571155
1701571156
1701571157
图7-3 扩散激活示意图
1701571158
1701571159
一旦bread(面包)的节点被激活,它就会传递到相关的节点上去。
1701571160
1701571161
Meyer和Schvaneveldt(1971)发现一个有趣的现象。在他们的研究中,被试同时看到两个单词,一个在另一个的上面,并且要求判断配对出现的字母串是否都是真正的词汇,如果其中一个字母串是一个真正的词汇(如面包)的话,相对于一个无关联的词汇(如椅子),或者不存在的单词(如rencle),被试会对在语义上与该词相关联的词(如黄油)做出更加快速的反应。对这一发现的一种解释需要借助扩散激活(spreading activation)的概念,其观点是兴奋会沿着语义网络中节点的连接而扩散传播。假如被试看到单词bread,他就会激活语义记忆中相应的节点,这种活动会事先影响或改变与bread有关的词所对应的节点的激活水平。因此,当对butter这个单词的加工处理开始时,与之相关的节点已经被激活了,因而处理速度就会相应地加快。这种最初由Meyer和Schvaneveldt发现的启动效应(priming effect)一经提出就被广泛地重复验证(Neely,1990),它也是理解我们后面将要阐述的联结主义模型的一个重要观点。
1701571162
1701571163
在此,你也许注意到它与在第3章中所讨论的语词优势效应是有联系的。回想一下,人们在语词情境(如WOR_)中再认一个特定的字母(如D或K)的速度,相对于他们在没有语境或者在一个错误单词情境(如OWR_)下要更为迅速,给出的解释大致如下:词语情境能够促进单词再认,因为与单词对应的节点能够在前一种条件下被激活,这种自动的激活促进了对单词各部分的再认,从而促进了对整个单词的再认。Meyer和Schvaneveldt(1971)的研究结果又将这一思想推进了一步:单个节点不仅能够通过外部刺激被直接激活,而且还能间接地通过相关节点的扩散激活而被激活。
[
上一页 ]
[ :1.701571114e+09 ]
[
下一页 ]